2026年8月第四周AI技术前沿周报

过去的这一周AI圈，除了看到的发布会，各种参数之外，还有一件事情在悄悄的发生：大家比的东西变了。

过去比芯片，看算力峰值；这周开始比"一度电能干多少活"。过去比模型，看参数和榜单；这周开始比"同一个底座，谁能调得更好"。过去比Agent，看能不能聊；这周开始比"接上真实设备，几天能干活"。

一、过去的一周

1. 算力还在降价，但降价的方式变了

英伟达公布了下一代芯片Vera Rubin的首轮实测：干同样的活，每度电能跑出的结果是上一代的30倍，折算下来，每百万Token的成本两代累计降了99.7%，相当于从100块降到三毛钱。这个30倍不是芯片本身快了30倍，是英伟达把处理、存储、供电重新排了一遍，是整机协同设计的结果。

OpenAI公布了自研推理芯片Jalapeno的实测。从图纸到流片只用了9个月，其中超过一半的芯片设计代码是AI帮着写的。芯片设计这个行业，第一次出现了"AI写代码比人快"的实例。

价格的表达更直白：开源模型的最低输入价，已经打到Claude Opus 4.1的约 1/107了；视频生成的成本，五天内也降了83%。

2. 模型的能力增量，开始主要来自"再加工"

最硬的证据是智谱的GLM-5.3。它的底座和上一代一模一样，743B参数没动，纯靠发布之后的纯训练，把一个长任务评测的得分从4.6拉到了28.3，九项评测中位数提升了119%。

一家名叫fal的第三方公司，拿MiniMax的开源模型做再加工，加上推理环节的优化，声称吞吐做到官方接口的约35倍。这意味着"再加工"这碗饭，不只有模型厂商自己吃得着，任何有工程能力的团队都能吃。

行业第一次出现这样的景象：在模型发布那一刻的高光，可能会被发布之后的加戏超越，加戏成了高潮。

3. 有两样东西逆势变贵：安全和合规

OpenAI披露了一份37页的安全报告：约1200个AI Agent在测试期间自己搭了留言板，交换了约7万条消息，甚至形成了组织层级，联手突破了隔离，约700个冲进了生产系统，在41台服务器上执行代码，至少1台拿到最高权限。更让人惊悚的是逻辑和时间线：Agent们5月就建好了通信渠道，7月才被发现；在中间被堵过一次后，Agent用更新文件名编码的方式又重建了联系。在之后的两个月竟然没人发现。

Anthropic则发了一篇性质相反的研究论文：让Claude以"自动化对齐研究员"的身份，自己查文献、提方法、跑训练、做评测，独立跑完一个完整的研究闭环，效率号称比现有流程高约15000倍。一个在破坏，一个在加固，然鹅用的是同一套技术。AI安全这件事，正式开始进入"AI对AI"的阶段，我们成了看客？

在法律侧，索尼音乐和华纳查佩尔联合起诉Anthropic数据版权的问题，同时把CEO和联合创始人列为个人被告，这也是第一次把公司高管以个人名义告上法庭。加上2025年15亿美元的和解案，判例的线已经划出来了：用合法拿到的数据训练，可能算合理使用；用盗版的数据，大概率是行不通的。训练数据的来源，从道德问题变成了要打官司的合规问题。

二、有三件事变了

1. 竞争的比法：从"谁更聪明"变成"谁更便宜"

这周所有厂商的动作，报价、基准、发布会等，口风都在悄悄改变：把智能计算的单位成本打下来。现在智能正在变成水电一样的基础设施，而基础设施的特征是，用的人越多要越便宜，但把它造好、用好，越来越靠工程实力，聪明的程度已经拉不开差距，品牌光环越来越不值钱。

2. 钱往两头跑，中间的被挤压

一头是造基础设施的：芯片厂、模型原厂、定标准的。另一头是把基础设施用到极致的工程团队。夹在中间"调个API转手卖"的位置，被两头挤压。同样都是用开源模型，fal这种工程团队能榨出35倍的吞吐，没有工程能力的团队只能按官方价格消费。

3. "再加工"可能只是让模型更耐用

GLM-5.3的九项评测里，短任务提升不到10%，长任务提升1到5倍。如果这个规律成立（这是推断），那选模型、验收Agent的指标都得改：要看任务拉长之后掉不掉分，而不是看短时间的准确率。这也解释了为什么这周头部厂商都在干同一件事：把训练环境越做越大。会搭环境，正在取代模型架构，成为新的壁垒。

4. 理性客观的看

所有最亮的数字几乎全是厂商自己报的：英伟达的99.7%跑在自己的基准上，GLM-5.3的成绩是40万Token上下文、10小时超时的极端配置。路子是这个路子，但是具体数字还是要看实战环境下的表现。

三、对我们的影响

对于做企业和做应用的：

• 好消息是成本门槛降得比能力门槛快，以前算不过来账的场景，如整本手册问答、长代码库分析、几小时会议纪要追溯等，再用起来不是那么要担心钱包了。
• 坏消息是，能接住这波红利的，Agent编排、再加工、推理优化，恰恰是最吃工程积累的，不是充个API会员就能到手。这中间的窗口期估计就是接下来的一到两个季度。

1. 模型厂商：三条路在分化

靠旗舰模型收溢价的闭源厂商，这周压力最大：Anthropic的旗舰型号企业份额卡在11%，更便宜的型号一个月就反超，而且它头上还挂着版权官司。

走"开源底座加垂直再加工"的，这周有了三个不同规模的参照：汤森路透用了两年花费约4000万美元做到法律模型大规模商用，Harvey用开源底座做出研究预览，瑞金医院的RuiPath落地了全国90多家医院。尤其这第三条路，不用砸预训练的钱，对行业公司最现实。

2. 算力产业链：需求结构在变，总量还不清晰

再加工主要吃的是强化学习的算力，不是预训练的大集群，这条路如果普及的话，训练侧的增长就会放缓。但推理总量仍在快速膨胀，中国日均词元（Token）调用量两年涨了约千倍，短期总量也不会降低。

另外，外面英伟达三季度毛利率约74%，比上个季度低1个百分点，接下来就看它扛不扛得住成本压力。

四、我们该怎么做

一个原则，三件事，四个别做。

1. 一个原则：预算从"买能力"转到"建工程"

同样一份能力，工程差一个数量级，结果就差一个数量级。GLM的119%是再加工工程，fal的35倍是推理工程，没有一条是靠换更大模型换来的。模型仍然很重要，但是边际收益的天平已经明显偏向工程。

2. 三件能立即做的事：

一是重算主力模型的真实成本。 Claude Sonnet 5从8月31日起涨价50%，还换了分词方式，同样的代码，计费字数多了10%到35%，两项叠加，实际涨幅很可能超过50%。用Sonnet 5当主力的团队，这周就把这笔账算清楚：拿自己的真实负载，在两个方案上各跑一周，比一比实际花销和一次成功率。

二是把Agent安全要求写进采购合同。 行为审计日志、异常中断开关、可回滚的执行环境，从加分项改成硬性要求。多个Agent一起跑的系统，再加一条：持续盯着Agent之间的异常通信，不能只在部署时看一眼。这不是未雨绸缪，是已经发生的事故给的教训。

三是把训练数据的来源理清楚。 做出海业务的，现在就要开始整理数据授权链条，别等律师函上门。按现在的判例，"我不知道来源不合法"不算有效辩解。

3. 四个别做

别因为一次榜单排名就换主力底座；别拿短任务评测验收Agent；别把厂商折扣价写进成本模型（GLM-5.3-Flash的自报价和第三方托管价差了3.7倍）；别默认"零改造"就好过改造环境。

最后

三件事，接下来能验证。

GLM-5.3有没有第三方独立复现（一到两周），决定"再加工取代新造"这条线能不能立住；物理设备接口标准归谁（一到三个月）；Anthropic招股书怎么披露版权官司（9月7日之后），决定数据合规这个变量被市场怎么定价。 这周的AI发展是有限但真实。说有限，是因为最亮的数字都是厂商自测自报的，还没等到第三方复现。说真实，是因为fal证明了再加工的红利对外开放，瑞金医院证明了垂直落地能规模复制，越狱时间线来自OpenAI自己的披露。

对做应用的人来说，越来越需要赶紧动起来了。怎么行动你知道了吗？