第三方评测：Qwen3.8-27B 智能体任务列第 15

概览

本期共 10 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · Qwen3.8-27B 智能体评测第 15，社区仍热捧本地部署
2. 重点 · AI 涌入美国国会，Claude 回复被误粘进《国防授权法案》

全球 AI 资讯 3. 重点 · Rootly 废止「小 PR」规则：AI 按「特性」而非「增量」写码 4. SuperApp（原 Instabase）上线团队 AI 协作空间 5. DoiT 收购 Attribute，把 AI 成本追踪下沉到内核层 6. 美国大选：AI 与数据中心跃升头号议题

区域与早期信号 7. vLLM 分布式逐层卸载：64GB 显存跑 124GB 模型 8. 北大 × 阶跃星辰提出 TensorCast，首 token 时延最高降 93.2% 9. YC 开源企业级 Agent Harness「QM」，3 天 3.9k 星登顶 HN 10. updream 上线「预演台」，AI 视频转向可视化预演

九凤根据本期已引用来源整理。

热门模型动态

Qwen3.8-27B 智能体评测第 15，社区仍热捧本地部署

第三方 WildClawBench 把这款 27B 开源模型列为 33 款中的第 15，成绩落后于更大的托管系统，但本地社区仍在围绕它做工程改造。

RuntimeWire 报道，阿里 Qwen3.8-27B 在 WildClawBench 的 60 项智能体任务中得 48.0%，在 33 款模型里排第 15；测试经 OpenClaw harness 运行，完成耗时 516 分钟，成本一栏标注"不可用"。其成绩落后于 OpenAI、Anthropic、xAI、Moonshot 以及阿里自家 Qwen3.8-Max 等更大或托管的系统，但高于上一代 Qwen3.6-27B。模型以 Apache 2.0 权重开放，原生支持视频输入，上下文可扩展到 100 万 token。

与冷静的第三方评测相比，本地大模型社区更为热情。InfoQ 报道，开发者 Sudo Su 公开了针对该模型的加速工程仓库 qwen38-mtp，长期测评本地模型、拥有 7 万余订阅的 YouTuber Bijan Bowen 用 Q8 量化在 RTX Pro 6000 上连测浏览器 OS、3D CAD、FPS 游戏、C++ 与多模态建模，称其"多数任务表现明显超出参数规模"。需要注意，WildClawBench 未给出自托管部署的成本数据，官方托管版尚未上线，能否在目标硬件上稳定完成任务仍需自测。

图片来源：huggingface；已转存至九凤 R2。

来源：RuntimeWire · InfoQ · Hugging Face

AI 涌入美国国会，Claude 回复被误粘进《国防授权法案》

ChatGPT、Claude、Grok 成为国会山常用工具，一名议员助理把 Claude 生成内容直接复制进法案公开记录。

据《华盛顿邮报》（IT之家编译），OpenAI 的 ChatGPT、Anthropic 的 Claude、xAI 的 Grok 正快速成为美国国会议员与助理的常用工具。佛罗里达州共和党众议员安娜·保利娜·卢纳的办公室出过一桩事故：工作人员把 Claude 生成的一段内容直接粘进《国防授权法案》的公开记录，留下"increasing example specific factors. Identical to H.R. 100 (118th Congress).11:25 AM????Claude responded:"这样的残留文字。卢纳本人不认为起草法案时用 AI 有何异常，称助理们常用 ChatGPT、Claude 和 Grok，她个人更偏好 Grok。

报道指出，国会山目前几乎没有针对 AI 使用的有效监管，现有规定零散宽松，也没有工作人员因违规使用 AI 而受到正式纪律处分。部分助理开始自设规则，如民主党众议员克利奥·菲尔兹的助理表示绝不用 AI 从零起草文件。这属于个案披露，尚无关于国会 AI 使用规模的系统统计。

来源：IT之家（中文来源，编译自《华盛顿邮报》）

全球 AI 资讯

Rootly 废止「小 PR」规则：AI 按「特性」而非「增量」写码

事故管理公司 Rootly 放弃沿用两年的小型拉取请求文化，改以"爆炸半径"而非代码行数衡量变更风险。

InfoQ 报道，Rootly 联合创始人兼 CTO Quentin Rousseau 称，公司曾要求用堆叠式 PR、把原子变更限制在几百行内——这在人类手写代码时合理，因为小 diff 更易审查与回滚。但 AI 智能体以"特性"而非"增量"为单位思考，会一次性输出含数据库迁移、模型、服务、控制器、测试和前端组件的完整实现，旧规则反成开销。团队指出，AI 引发的多是"上下文漏洞"：代码本身能跑，却用错了场景，例如迁移删掉了后台任务仍在调用的字段。

Rootly 的做法是自建 AI 代码审查器，对每个 PR 只回答一个问题：若变更有缺陷，会破坏哪些面向用户的功能，并输出风险评估、标准化评分与按严重程度分类的问题。特性开关把安全边界从"合并"移到"发布"：PR 合并后特性默认关闭，真正的审查发生在灰度放量（团队内→少量客户→10%→全量）。该文基于 Rootly 单方博客与一场 QCon 演讲，代表其内部实践，未给出横向对照数据。

来源：InfoQ · QCon 演讲

SuperApp（原 Instabase）上线团队 AI 协作空间

更名后的 SuperApp 推出类 Slack 协作平台，底层路由在 OpenAI、Anthropic、Google 模型间自动选型。

SiliconANGLE 报道，Instabase 公司正式更名 SuperApp 并发布同名旗舰产品：一个面向团队的类 Slack 协作界面，覆盖 Web、iOS、Android 与 Windows，配有类 Google Docs 的文档库，并深度接入 OpenAI、Anthropic、Google 的模型。用户无需自己挑模型，底层路由会按效率、推理、知识与成本自动选型，也可手动指定或在同一上下文里对比多款模型。

公司称产品围绕"模型、数据、云"的自由选择设计，目标是让用户在不重建应用、不迁移数据的前提下更换模型，避免架构或厂商锁定；创始人兼 CEO 称"最好的 AI 会一直变，你的工作不该跟着变"。发布稿未披露定价、企业客户数量或路由的具体命中策略。

来源：SiliconANGLE

DoiT 收购 Attribute，把 AI 成本追踪下沉到内核层

云成本管理公司 DoiT 收购成立于 2023 年的 Attribute，CTech 估价约 6500 万美元。

RuntimeWire 报道，DoiT 收购了 AI 成本归因公司 Attribute，将其技术并入一款能显示"每一笔 AI 账单由哪个客户、功能或智能体产生"的产品。Attribute 由 Izhak Zimmermann 与 Liad Tropp 于 2023 年创立（两人出自以色列军事情报技术单位 Unit 81），主张传统按标签切分云账单的方式跟不上共享 GPU、LLM 网关与智能体负载，转而在内核层观测。DoiT 已于 7 月 7 日上线整合后的 Attribute 产品。

CTech 于 8 月 17 日公开报道此次收购并估价约 6500 万美元，但确切成交日期未确定；DoiT 与 Attribute 均未确认价格，CRN 称财务条款未披露。因此金额目前仍为第三方估算，而非双方公布数字。

来源：RuntimeWire · AWS

美国大选：AI 与数据中心跃升头号议题

《华盛顿邮报》分析逾 1200 个候选人网站，AI 出现在近四成竞选中，排名超过以色列、制造业与种族议题。

The Decoder 转述《华盛顿邮报》分析：在众议院、参议院和州长竞选里，AI 议题出现在近 40% 的选战中，其中数据中心及其对本地电价、用水与土地的影响是讨论焦点。AI 的关注度已超过以色列、制造业、种族等长期议题。民主党候选人提及 AI 的频率约为共和党的两倍，侧重风险、监管与儿童安全；共和党更多谈国家安全与对华竞争。

报道同时引述另一些民调，显示多数美国人对 AI 持怀疑态度、担心失业。该结论基于候选人网站文本分析，反映的是竞选议程设置，而非投票结果或政策落地。

来源：The Decoder

区域与早期信号

vLLM 分布式逐层卸载：64GB 显存跑 124GB 模型

vLLM-Omni 通过跨设备切分并流式加载 DiT 权重，实测在 64GB HBM 上服务 124GB 的 Cosmos3 模型。

vLLM 官方博客介绍了 Distributed Layerwise Offload：将 DiT 模型的权重按层切分、跨设备流式加载，从而在显存小于模型体积的硬件上运行。团队报告在 64GB HBM 上服务了实测 124GB 的 Cosmos3 模型，并据此估算了迈向 200B+ 参数 DiT 模型的路径。

这是面向大体量扩散/视频模型的服务侧优化，属工程方法而非新模型。博客给出的是单一配置下的实测与外推，跨模型、跨硬件的吞吐与时延表现仍需更多公开数据验证。

来源：vLLM Blog

北大 × 阶跃星辰提出 TensorCast，首 token 时延最高降 93.2%

北京大学、阶跃星辰与北京邮电大学提出统一可编程的张量生命周期管理层，报道称可把 LLM 首 token 时延降低最高 93.2%。

Pandaily 报道，北大、阶跃星辰（StepFun）与北邮联合提出 TensorCast——面向大模型基础设施的统一、可编程张量生命周期管理抽象。报道称该方案可将 LLM 的首 token 时延（Time-to-First-Token）最高降低 93.2%。

这是一项聚焦推理服务侧的系统工作。目前仅见单一英文媒体报道，未见论文全文与完整基准条件（如模型规模、硬件、对照基线），"最高 93.2%"为报道给出的上界，具体适用范围仍需一手材料核实。

来源：Pandaily

YC 开源企业级 Agent Harness「QM」，3 天 3.9k 星登顶 HN

Y Combinator 开源面向多人协作的 Agent 管控框架 QM，上线 3 天获 3.9k GitHub 星、当日登顶 Hacker News。

雷锋网报道，孵化器 Y Combinator 开源了企业级 Agent Harness 项目 QM，3 天斩获 3.9k GitHub Star、官宣当日登顶 Hacker News。区别于 Claude Code、OpenClaw、Hermes 等主打个人生产力的 harness，QM 不直接执行业务任务，而是为团队提供执行环境、上下文与记忆管理、工具权限调度与行为边界约束，主打数据隔离、权限治理、环境统一与审计合规。

文章将 Agent 产业分为三层：底层大模型负责思考决策、中间层 Agent 执行任务、外层 harness 做管控。报道为中文单一来源，未给出 GitHub 仓库地址与许可证等一手细节，具体能力边界需以项目实际文档为准。

来源：雷锋网（中文来源）

updream 上线「预演台」，AI 视频转向可视化预演

updream 推出预演台功能：上传场景参考图即可生成 3D 白模，供创作者摆位、设机位、调关键帧后再交模型生成。

爱范儿实测，AI 视频工具 updream 上线"预演台"：无需建模，上传场景参考图（建议广角/鸟瞰、人物少、一次最多 3 张，生成约 4–7 分钟）即可自动生成可用的 3D 白模场景。创作者可在其中放置人物、设定机位与运动轨迹、调整关键帧，并用内置的相对位置跟随或轨迹跟拍逻辑控制镜头，最后选择模型渲染生成，把原本依赖 Prompt 的空间与镜头调度转为可视化预演。

文章以电影《牛来》走红为引子，指出画面变强后"镜头调度"仍难用一句提示精确控制。此为单一中文来源的产品实测，效果与适用范围以官方功能为准，未涉及定价与开放范围。

来源：爱范儿（中文来源）