AI 日報｜Gemini 3.7 Flash 降價登場、DeepSeek 開源 Harness 框架

AI 日報｜Gemini 3.7 Flash 降價登場、DeepSeek 開源 Harness 框架

模型發布/更新

Gemini 3.7 Flash — Google DeepMind

• 一言以蔽之：Google DeepMind 於 3.6 Flash 發布僅三週後突襲推出 Gemini 3.7 Flash，主打程式設計與 AI Agent 任務，且 API 價格直接砍半。
• 核心亮點：
  • 程式與 Agent 能力大升級：在除錯、問題解決與多步驟 AI Agent 流程中的穩定度顯著提升，減少陷入死迴圈的機率。
  • 價格降幅達 50%：輸入與輸出 Token 價格分別降至每百萬 Token $0.75 美元與 $3.75 美元，價效比極高。
• 技術規格：閉源多模態模型 / 1M Context Window / 支援文字、影像、音訊與影片
• 傳送門：Google DeepMind 官方部落格

GPT-5.6 Sol Ultrafast 模式 — OpenAI

• 一言以蔽之：OpenAI 推出由 Cerebras 晶片驅動的 GPT-5.6 Sol Ultrafast 模式 API 預覽，生成速度最高提升 14 倍。
• 核心亮點：
  • 極速推理體驗：輸出速度高達每秒 750 Token，專為即時語音、客戶支援、金融研判等對延遲極度敏感的場景設計。
  • 維持前沿智商：在不犧牲 GPT-5.6 Sol 旗艦級推理能力的前提下提供極致速度。
• 技術規格：閉源 API 專用模式 / Cerebras 晶片加速 / 每秒最高 750 Token
• 傳送門：OpenAI 官方公告

MiniMax Music 3.0 — MiniMax

• 一言以蔽之：MiniMax 正式發布新一代開放權重音樂生成模型 Music 3.0，能一次性完成長達 5 分鐘的完整歌曲創作與製作。
• 核心亮點：
  • 生產級音樂品質：支援根據文字概念或歌詞一次性完成作曲、編曲、演奏與混音，音質達到專業發行標準。
  • 生態系整合：開放權重並已支援 ComfyUI 本地工作流，讓創作者能自由串接至視覺與音樂創作管道。
• 技術規格：開放權重音樂模型 / 最長支援 5 分鐘生成 / 支援 ComfyUI 本地部署
• 傳送門：MiniMax 官方部落格

LTX-2.5 影音雙生成模型 — Lightricks

• 一言以蔽之：Lightricks 開源影片生成模型 LTX-2.5，生成 10 秒影片僅需 6.8 秒，且支援畫面與聲音同步原生生成。
• 核心亮點：
  • 原生物理與音訊結合：模型可同時處理文字、影像與影片輸入，並同步輸出匹配的環境音效與畫面。
  • 跨鏡頭一致性：支援原生多鏡頭序列生成，確保人物角色與場景風格在不同鏡頭間高度統一。
• 技術規格：開源影片模型 / 支援文字+影像+影片輸入 / 年營收 1,000 萬美元以下免費商用
• 傳送門：

  Lightricks 开源视频模型 LTX-2.5
  
  生成 10 秒视频只需 6.8 秒
  
  能接文本、图片、视频三种输入，画面和声音在同一个模型里一起生成，不用另配
  
  原生多镜头：整段序列作为一个输出生成，跨镜头保持人物、场景和声音，而不是分别生成再拼。
  
  开源，年营收 1000 万美元一下无授权费…

  — 小互 (@xiaohu) August 13, 2026

dots.tts 2B 語音合成模型 — 小紅書

• 一言以蔽之：小紅書 dots 團隊開源 20 億引數全連續端到端自迴歸語音合成模型 dots.tts，大幅提升內容準確度與說話人相似度。
• 核心亮點：
  • 標桿級語音還原：在 Seed-TTS-Eval 基準測試的三個子集上均取得最佳平均內容準確度與聲音相似度。
  • 完全開源：為社群提供可持續擴充套件的高品質 TTS 語音基座模型。
• 技術規格：2B 引數 / 全連續自迴歸架構 / Apache 2.0 開源授權
• 傳送門：小紅書官方微信專文

產品發布/更新

DeepSeek Harness v0.1 — DeepSeek

• 更新內容：DeepSeek 正式開源其 AI Agent 框架 DeepSeek Harness v0.1（開發者預覽版）。基於 Cordis 元框架打造，主打「一切皆外掛」的核心理念，模型、工具、Skills、會話、沙箱、檔案系統乃至 Agent 主迴圈本身皆可自由拆卸與替換。
• 適用人群：AI 工程師 / Agent 開發者 / 喜歡 DIY 開發環境的極客
• 體驗通道：DeepSeek Harness GitHub 倉庫

ChatGPT Computer History 電腦歷史記憶 — OpenAI

• 更新內容：OpenAI 為 ChatGPT Mac 桌面版推出 Computer History 功能。升級自 Chronicle 研究預覽，ChatGPT 現在能跨應用程式與網站上記錄使用者的電腦操作（點選、輸入等），建立情境記憶並推薦自動化技能與定時任務，大幅減少重複輸入背景說明的時間。
• 適用人群：Mac 辦公族 / 高頻率 AI 協同工作者
• 體驗通道：

  ChatGPT can now remember your activity across the apps and websites on your computer.
  
  With Computer History in the desktop app, future interactions feel more personalized and require less explanation. pic.twitter.com/WHZPxPp31R

  — OpenAI (@OpenAI) August 13, 2026

Claude Code v2.1.232 (Subagent Forking & GitLab) — Anthropic

• 更新內容：Anthropic 發布 Claude Code v2.1.232 更新，預設啟用子 Agent Forking 功能（Subagent 可以繼承完整對話與 Prompt 快取），並新增對 GitLab 金鑰脫敏與外掛市場 GitLab 倉庫複製的支援，同時修復了多項 Windows 與 PowerShell 相關的安全漏洞。
• 適用人群：軟體工程師 / 全棧開發者 / 使用 GitLab 的技術團隊
• 體驗通道：Claude Code Releases

Sheets canvas — Google Workspace

• 更新內容：Google Sheets 推出由 Gemini 驅動的新功能 Sheets canvas，使用者只需輸入簡單的自然語言 Prompt，就能將試算表資料即時轉化為互動式儀錶板、學習追蹤器、座位表等迷你應用程式。
• 適用人群：專案經理 / 資料分析師 / 辦公族
• 體驗通道：Google 官方部落格

Cursor Builds 雲端 Agent 3 倍加速 — Cursor

• 更新內容：Cursor 推出全新 Builds 功能，能在背景預先準備好就緒的開發環境副本。當雲端 AI Agent 啟動任務時無須從零搭建環境，使內部環境啟動速度提升 10 倍、首個 Token 生成速度提升 3 倍，且建置錯誤不會影響原有執行。
• 適用人群：Cursor 重度使用者 / 軟體開發團隊
• 體驗通道：Cursor 官方部落格

產業動態

Databricks 完成 50 億美元融資，估值達 1,900 億美元 — Databricks

• 事件概述：資料與 AI 巨頭 Databricks 宣佈完成 50 億美元的新一輪融資，公司估值衝上 1,900 億美元。據悉原本公司僅預期籌集 10 億美元，但因投資人對 AI 基礎設施需求極度熱烈，最終大幅超額認購。
• 影響分析：資本市場對於「 enterprise-grade 企業級 AI 資料平臺」的長期價值高度認可，大型企業在資料整合與 AI Agent 部署上的支出持續呈現爆發式成長。
• 新聞連結：TechCrunch 專題報導

Dynatrace 收購 AI 可觀測性平臺 Arize AI — Dynatrace / Arize AI

• 事件概述：知名軟體可觀測性公司 Dynatrace 宣佈與 AI 評測與監控平臺 Arize AI 達成最終收購協議。Arize 聯合創始人表示，未來軟體與 AI Agent 系統正緊密結合，兩者將共同打造統一的可觀測性標準。
• 影響分析：隨著越來越多 AI Agent 進入企業生產環境，對 AI 模型行為、LLM 監控及 Agent 運作軌跡的「可觀測性（Observability）」需求正迅速升級為企業剛需。
• 新聞連結：

  !!!!!
  
  it's been a huge huge pleasure to serve @arizeai these past years with AIE, and this could not happen to better people. Dynarize is now a globally trusted $14B observability powerhouse that just got one of the best AI-native US teams in this business.
  
  if you're… https://t.co/UbZKFDh6OB

  — swyx (@swyx) August 13, 2026

OpenAI 任命 Dali Rajic 為新任長（CRO） — OpenAI

• 事件概述：OpenAI 宣佈任命 Dali Rajic 擔任 Chief Revenue Officer (CRO)，負責領導其全球業務營收組織，並協助企業客戶加速實現生成式 AI 的商業價值落地。
• 影響分析：在經歷高層人事變動後，OpenAI 迅速補齊營收高階主管，顯示其加速推動 Enterprise 企業級市場商業化變現與客製化服務的強烈決心。
• 新聞連結：OpenAI 官方公告

論文研究

破解加密思考鏈：三大 AI 巨頭 API 隱私與 CoT 洩漏漏洞 — 歐洲研究團隊

• 研究動機：探討頂級模型（如 GPT-5、Claude 4、Gemini 3）在遮蔽或加密隱藏思維鏈（CoT）時，是否存在可被利用的 API 實作缺陷。
• 核心創新：研究團隊發現加密演演演算法本身雖然安全，但 API 傳輸設計上的漏失，可讓攻擊者完整還原出隱藏的思考歷程，甚至從公開日誌中提取了 62 個真實的 API 金鑰。
• 研究成果：揭示了當前 AI 廠商在保護模型「商業機密與思考歷程」上的系統性安全漏洞，為未來 API 安全防護機制提供關鍵修正方向。
• 論文地址：ArXiv 論文頁面

Skill 庫失敗歸因分析：Bad Skill 對 Agent 效能與成本的實證研究 — Microsoft Research

• 研究動機：AI Agent 專案普遍假設「載入越多 Skill 越好」，但缺乏量化研究評估寫得不好或不適當的 Skill 對 Agent 運作實際會造成多大傷害。
• 核心創新：分析了 307 個由特定 Skill 引發的 Agent 失敗案例（125 個功能失敗與 182 個效率退化），並追蹤其失敗歸因。
• 研究成果：研究發現大部分成本與效能退化並非來自提示詞過長，而是無效 Skill 會誘發 Agent 進行過度驗證與過於複雜的執行流程；精簡高品質的 Skill 庫比盲目擴充更能提升任務成功率。
• 論文地址：ArXiv 論文頁面

其他分享

DSCode 桌面版：針對 DeepSeek 最佳化的開源 Coding Agent — Open Source

• 內容簡介：開源社群推出了 DSCode 桌面版應用，基於 Pi Agent Toolkit 打造，原生適應 DeepSeek V4 Pro / Flash 的 Responses API 與推理檔位。主打極速、低延遲與高快取命中率，且完全免費並以 MIT 協定開源。
• 傳送門：DSCode GitHub 倉庫