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
- 重点 · Anthropic 内部跑着更强的 Model 2，只自用不发布
- 重点 · 阿里发布 GUI 智能体基座 Qwen-UI-Agent
- 重点 · 开源 Kimi K3 靠 Harness 逼近 Opus 5
- GPT-5.6 Luna 降价八成，Replit 打包进付费版
全球 AI 资讯 5. Slack 上线 Code，编程智能体进同一个频道 6. 币安开放 Agent OS，让 AI 智能体自动交易 7. TrueFoundry 开源 TrueForge，抢智能体运行时底座 8. 陶哲轩：AI 可能引发数学界百年来最大危机
区域与早期信号 9. 信通院联合淘宝闪购发布即时零售智能体可信规范 10. 中国 AI 办公桌面端混战，WorkBuddy 与百度搭子领跑
九凤根据本期已引用来源整理。
热门模型动态
Anthropic 内部跑着更强的 Model 2，只自用不发布
Anthropic 8 月风险报告承认，内部有一个比任何公开版 Claude 都强的模型，代号 Model 2，目前仅供公司自用。
据 Anthropic《2026 年 8 月风险报告》，该模型属于 Mythos 级别，整体略强于 Claude Mythos 5，在内部能力指数 AECI 上高出约 1.5 分。公司内部大量用它做编程、数据生成与研究工程，部分通过持续运行的智能体调用；报告称 Claude 如今已承担 Anthropic 生产系统里的大部分代码编写。Model 2 在部署前经过一轮内部评审。
报告同时写明，Model 2 只是「整体略强」，在部分能力上反而弱于 Mythos 5；1.5 分的提升幅度也小于此前 Mythos Preview 到 Mythos 5 的跨度，并非 Opus 4.6 升到 Mythos 时那种大跳。它是内部自用模型，未对外发布，外部无法调用或验证。
来源：The Decoder · Anthropic 风险报告
阿里发布 GUI 智能体基座 Qwen-UI-Agent
阿里推出面向真实设备的 GUI 智能体基座模型 Qwen-UI-Agent，覆盖手机、电脑、网页与深度搜索，移动端榜单反超多款旗舰。
据其 arXiv 技术报告（2607.28227），Qwen-UI-Agent 以「真实世界为中心」，能在真实设备上跨平台执行工作流，并把 GUI 交互与 CLI 执行结合以完成长程任务。官方给出的评测中，移动端 MobileWorld 得分 82.1%，领先 GPT-5.6 Sol、Claude 等旗舰模型。
这些成绩来自技术报告中的自评基准，尚无第三方独立复现；报告侧重能力愿景（可靠操作、跨平台、长程任务、自我改进），权重与可用性等发布细节以官方后续公布为准。
来源：arXiv
开源 Kimi K3 靠 Harness 逼近 Opus 5
Prime Intellect 把 18 个前沿模型丢进 nanoGPT 训练速通，开源权重的 Kimi K3 配上 Prime Agent Harness 跑出 2930 步，逼近闭源旗舰。
据量子位报道，实验让各模型自主改优化器、跑训练、比 loss，目标是用尽量少的 training steps 把 1.24 亿参数 GPT 的验证集 loss 降到 3.28 以下，baseline 定在 3290 步。Kimi K3 搭配 Prime Agent Harness 在原始结果页跑出 2930 步，超过 GPT-5.6 Sol 的 3042 步，距 Claude Opus 5 的 2920 步仅差 10 步。参测的还有 Fable 5、Grok 4.5/4.6、GLM 5.2、Muse Spark 1.1/1.2、DeepSeek V4 Pro、Qwen 3.8 等共 18 个模型。
为防止直接上网抄答案，整个过程被锁进沙盒。这是单次速通任务的成绩、由量子位转述 Prime Intellect 实验，「原始结果页」未经独立复核，不能等同于模型在更广泛任务上的综合排名。
来源：量子位
GPT-5.6 Luna 降价八成，Replit 打包进付费版
OpenAI 把最便宜的 GPT-5.6 Luna 降价 80% 后，Replit 用它推出「Free Mode」，让付费用户跑日常智能体任务不再扣额度。
据 RuntimeWire，Replit 的 Free Mode 由 OpenAI GPT-5.6 Luna 驱动，面向付费的 Core（月付 25 美元 / 年付合 20 美元）与 Pro（月付 100 美元 / 年付合 95 美元）用户，让常规提示与改写不消耗每月积分；Core 档有 5 小时使用窗口、每月最多 30 小时聊天。OpenAI 已于 7 月 30 日把 GPT-5.6 Luna 降价 80%，官方文档现价为输入每百万 token 0.20 美元、输出 1.20 美元。
名字叫「Free Mode」，实际只对已付费的 Core/Pro 开放，且有 5 小时窗口限制。RuntimeWire 同时披露自身「构建在 Replit 之上」，与被报道方存在利益关系。
来源：RuntimeWire · OpenAI
全球 AI 资讯
Slack 上线 Code，编程智能体进同一个频道
Salesforce 的 Marc Benioff 发布 Slack Code，把 Anthropic、GitHub、Cognition、Vercel 的编程智能体拉进 Slack 频道协作。
据 RuntimeWire，Benioff 于 8 月 20 日发布 Slack Code，软件团队可在不离开 Slack 频道的情况下，把任务派给上述四家的编程智能体；他称之为「multiplayer coding」，并在 Dreamforce 2026 上演示，四家集成当天上线。Salesforce 在其中扮演协调者，而非模型供应方。
目前仅为发布日的演示与集成上线，实际协作效果、可用范围与稳定性尚待验证；Salesforce 强调自己是协调层，模型能力仍取决于各家智能体。
来源：RuntimeWire · Marc Benioff on X
币安开放 Agent OS，让 AI 智能体自动交易
币安推出 Agent OS，允许接入 ChatGPT、Claude Code、Cursor 等工具的 AI 智能体分析行情并代用户下单，但把「看住智能体」的责任交给用户。
据 TechCrunch，拥有超 3 亿注册用户的币安于周四上线 Agent OS，开发者可把 AI 应用与智能体接入币安金融基建，包括 Binance API、Wallet Agentic Hub、x402 交易验证与支付 API、Skill Hub，并新增对 MCP 的支持；平台兼容 OpenAI 的 ChatGPT 和 Codex、Anthropic 的 Claude Code 以及 Cursor，用户可授权智能体读取行情、查看账户并执行交易。
TechCrunch 指出，随着 AI 从问答型聊天机器人转向能采取行动的智能体，币安把「授权智能体能访问什么」的把关责任主要交给用户自己决定，风险控制取决于用户配置。
来源：TechCrunch
TrueFoundry 开源 TrueForge，抢智能体运行时底座
TrueFoundry 开源 MIT 许可的智能体运行时 TrueForge，声称任务完成成本比 Claude Managed Agents 低 30–75%，但最大一笔省钱来自换模型。
据 RuntimeWire（转述 VentureBeat），TrueFoundry 三位创始人 Nikunj Bajaj、Abhishek Choudhary、Anuraag Gutgutia 发布 TrueForge，允许开发者自选模型、工具与基础设施来搭建和运行智能体。公司策略是免费送出运行时、把自家付费网关铺到智能体之下，Gutgutia 直言「所有流量仍应流经我们的网关」。
RuntimeWire 提示，其宣称的 30–75% 成本优势中，最大一笔节省其实来自切换到更便宜的模型、而非运行时本身；开源运行时也是为付费网关导流的商业铺垫。
图片来源：GitHub；已转存至九凤 R2。
来源：RuntimeWire · TrueForge (GitHub)
陶哲轩：AI 可能引发数学界百年来最大危机
菲尔兹奖得主陶哲轩撰文警告，AI 或把数学推入堪比 1900 年前后的基础危机，被考验的不是数学真理而是数学的价值与实践。
据 The Decoder，陶哲轩在为 2026 年国际数学家大会撰写的文章中提出，数学界应停止争论 AI 能做什么，转而直面一个长期回避的问题：数学研究的目标究竟是什么。他把当下类比于 1900–1930 年间的基础危机——罗素悖论与哥德尔不完备定理曾迫使数学家把默认假设显式化，催生了沿用一个世纪的严格框架。他认为如今受压的不再是「数学真理」，而是「大体上隐性的数学价值与实践框架」，即什么才算一项贡献。
这是陶哲轩的个人论述与预判，并非实证结论；文章提出的是问题与类比，AI 会把数学推向「黄金时代还是深层危机」在文中本身也是开放的。
来源：The Decoder · arXiv
区域与早期信号
信通院联合淘宝闪购发布即时零售智能体可信规范
中国信通院与淘宝闪购发布《即时零售智能体可信基本要求》，为即时零售 AI Agent 定出准确率与接口成功率门槛（中文来源）。
据雷锋网，该规范 8 月 18 日在中国人工智能产业发展联盟第十八次全体会议上发布，由联盟安全治理委员会发起，信通院与淘宝闪购牵头起草，蚂蚁、百度、阶跃星辰、MiniMax、同盾等参编。框架围绕功能完备性、执行准确性、执行效率性三大能力维度，与数据安全、访问安全、运行安全、漏洞管理、服务管理、科技伦理六大领域展开；明确简单任务执行准确率应超 95%、复杂任务超 90%、接口成功率超 99%，评测须分别构建不少于 100 道测试题。淘宝闪购已于 8 月 5 日开放 MCP 能力。
这是行业自律性技术规范而非强制标准，落地效果取决于各厂商是否采用与如何评测；本条仅有中文来源，暂无全球英文报道佐证。
来源：雷锋网
中国 AI 办公桌面端混战，WorkBuddy 与百度搭子领跑
第三方 MAU 榜显示，腾讯 WorkBuddy 以 1115 万月活居桌面端 AI 办公第一，百度搭子 674 万列第二、环比增速超十倍（中文来源）。
据钛媒体援引 AI 产品榜最新一期数据，桌面端 AI 办公智能体中 WorkBuddy 月活 1115 万排名第一，百度搭子 674 万排名第二、环比增速达 1063.79% 居同类首位；不到半年，中国市场已有超 20 款桌面端 Agent 产品问世。文章称 WorkBuddy 最初是腾讯几名产品经理在 Claude Cowork 发布后，用 CodeBuddy 基建与 Agent SDK 于周末做出的初版，经内部测试后于春节后对外开放。
MAU 数据来自第三方榜单 AI 产品榜、口径未独立核验；随着阿里、字节及更多办公软件厂商下场，这一排名仍属早期。本条仅有中文来源。
来源：钛媒体
获取九凤最新的 AI 模型洞察与教程。
了解更多
