AI 日報｜Amazon 加訂 200 萬顆 NVIDIA GPU；Meta 發表 Muse Image；Gemini Live 個人智慧升級

AI 日報｜Amazon 加訂 200 萬顆 NVIDIA GPU；Meta 發表 Muse Image；Gemini Live 個人智慧升級

模型發布/更新

Wan 3.0 Prime — 阿里永珍 (Alibaba Wan)

• 一言以蔽之：阿里永珍推出 Wan 3.0 Prime 影片生成加速模型，生成速度相較標準版提升 7 倍，支援單次生成 30 秒音畫同步高畫質影片。
• 核心亮點：
  • 超快推論與長秒數生成：推論速度提升 7 倍，能在單次請求中直接生成長達 30 秒、具備高擬真視覺與原生音訊的 720p 影片。
  • 多參考圖工作流：支援輸入最多 20 張參考影像，大幅改善特定人物角色、場景構圖與風格的多角度一致性，已全面上線 Replicate 與 Pika API。
• 技術規格：影片生成模型 / 支援文生影片、圖生影片與 20 圖參考工作流 / 單次 30 秒生成
• 傳送門：https://replicate.com/alibaba/wan-3-prime

Muse Image — Meta Superintelligence Labs

• 一言以蔽之：Meta 推出首款旗艦影象基礎模型 Muse Image，將文字生成影象與基於指令的區域性影像編輯無縫整合於單一架構中。
• 核心亮點：
  • 生圖與編輯一體化：使用者無需在生圖模型與修圖模型之間切換，輸入提示詞可生成全新影象；若附帶輸入影像與修改指令，模型會智慧保持主體一致並僅調整指定區域性。
  • 風格導引與雲端生態上架：支援輸入多張參考影像以提取筆觸色彩進行風格融合，首波已登陸 Runway 平臺與 Vercel AI Gateway。
• 技術規格：影象生成與編輯多模態模型 / 支援單圖與多圖風格參考 / AI SDK meta/muse-image-1.0
• 傳送門：https://vercel.com/changelog/muse-image-now-available-on-ai-gateway

Tenet — Harvey × Fireworks AI

• 一言以蔽之：法律科技獨角獸 Harvey 攜手 Fireworks AI 推出首款自研法律專業長程推理模型 Tenet。
• 核心亮點：
  • 長程法律推理任務翻倍：以 Kimi K3 為基礎模型，透過非同步強化學習（Async RL）進行後訓練（Post-training），在複雜法律評測 LAB 上的任務解決率提升近一倍。
  • 極致成本控制：透過獎勵塑形（Reward Shaping）最佳化 Token 效率，在效能大幅躍升的同時，單項 LAB 任務執行成本僅 5.92 美元（基準模型為 5.62 美元）。
• 技術規格：法律專業領域強化學習微調模型 / 基於 Kimi K3 / 非同步 RL 後訓練
• 傳送門：https://fireworks.ai/blog/post-training-tenet

Hy-MT2-1.8B 2-bit / 1.25-bit 極致量化版 — 騰訊混元 (Tencent Hunyuan)

• 一言以蔽之：騰訊混元將 1.8B 端側翻譯模型壓縮至 440MB，翻譯品質幾乎無損，並已在嗶哩嗶哩直播彈幕實時翻譯中正式落地。
• 核心亮點：
  • 創新極低位元量化架構：採用獲 ACL 2026 Oral 的自研 Sherry（1.25-bit 稀疏高效三值量化）與 SEQ（2-bit 拉伸彈性量化），將原本 3.3GB 模型大幅縮減至 440MB 與 574MB。
  • 端側即時推論與無損品質：聯合 Intel 完成 x86 SIMD 運算元最佳化，單條彈幕翻譯延遲僅 500~800ms，在 FLORES-200 評測中超越主流商業翻譯 API。
• 技術規格：1.8B 引數量化模型（1.25-bit / 2-bit）/ 記憶體佔用 440MB~574MB / 支援 33 種語言互譯
• 傳送門：https://mp.weixin.qq.com/s/f1a5cf87eb06015cbe995bd5ef8b5d0a

產品發布/更新

Gemini Live「Personal Intelligence」個人智慧升級 — Google

• 更新內容：Gemini Live 迎來重磅生產力升級，新增「Personal Intelligence」記憶機制，能主動串聯使用者的歷史對話以及 Gmail、Google 相簿、YouTube 等生態應用，並推出「Daily Brief」與「Gemini Spark」主動任務代理，讓語音互動能直接跨 App 委派日常待辦事項。
• 適用人群：一般大眾、行動辦公族、Google 生態重度使用者
• 體驗通道：https://blog.google/innovation-and-ai/products/gemini-app/productivity-features-gemini-live/

Brain 自我改進記憶系統 — Perplexity Computer

• 更新內容：Perplexity 為其 Computer 平臺推出自研記憶架構「Brain」，透過背景執行的「Dream agents」將歷史工作階段、上傳檔案與網路檢索源自動編譯成結構化知識 Wiki。在評測中使回答準確率提升 9.3 分、時效性提升 8.0 分，並節省 15% 的 Token 消耗。
• 適用人群：深度研究人員、資料分析師、重度知識工作者
• 體驗通道：https://perplexity.ai/hub/blog/brain-self-improving-memory

DataGrip 內建 AI Agent MCP 工具鏈 — JetBrains

• 更新內容：JetBrains 旗下資料庫 IDE DataGrip 全面匯入 MCP（Model Context Protocol）伺服器，開發者可直接掛載 Claude Code、Codex 等 AI Agent，透過自然語言查詢資料庫架構（Talk to Your Schema）、執行自然語言轉 SQL、自動偵測孤立資料表並進行相依性安全檢查。
• 適用人群：後端工程師、DBA、資料分析師
• 體驗通道：https://blog.jetbrains.com/datagrip/2026/08/26/ai-agents-in-datagrip/

Visual Studio Debugger 測試驅動（TDD）AI 調查工作流 — Microsoft

• 更新內容：微軟升級 Visual Studio 的 Debugger Agent，新增測試驅動調查模式（Test-Driven Investigation）。Agent 能根據難以重現的異常報錯或堆疊資訊自動建構最小重現測試案例，進入中斷點深入調查根因，並在修正程式碼後自動重跑測試進行閉環驗證。
• 適用人群：.NET / C++ / C# 開發者、軟體工程團隊
• 體驗通道：https://devblogs.microsoft.com/visualstudio/the-visual-studio-debugger-agentic-workflow-gets-a-test-driven-upgrade/

Vercel Security Dashboard 正式邁入 GA — Vercel

• 更新內容：Vercel 推出安全儀錶板（Security Dashboard）全面開放使用，並同步釋出 vercel security check CLI 指令。可自動掃描專案中因 AI 快速建立專案而遺留的未啟用 2FA、長期憑證、公開預覽部署或過期環境變數等安全漏洞，並支援與 AI Agent 聯動自動修復。
• 適用人群：全端開發者、DevOps 工程師、資安管理人員
• 體驗通道：https://vercel.com/changelog/vercel-security-dashboard-is-now-generally-available

產業動態

亞馬遜擴大合作追加 200 萬顆 NVIDIA GPU 訂單 — Amazon AWS / NVIDIA

• 事件概述：亞馬遜與 NVIDIA 宣佈大幅擴大戰略合作，亞馬遜 AWS 將在 2027 至 2028 年間新增採購 200 萬顆 NVIDIA 頂級 GPU，涵蓋 Blackwell Ultra、Rubin 及 Rubin Ultra 架構晶片。此項採購將原定訂單規模直接翻升至三倍，交易總額預計達數百億美元。
• 影響分析：凸顯出雲端超大規模運算服務商對次世代 AI 算力的龐大渴求，NVIDIA 藉由鎖定雲端巨頭未來數年的資本支出，進一步夯實其在 AI 基礎設施領域的主導地位。
• 新聞連結：https://techcrunch.com/2026/08/26/amazon-just-tripled-its-order-of-nvidia-chips-over-surging-demand

Figure 啟動「Index」專案：投入 10 億美元全球眾包機器人物理互動資料 — Figure AI

• 事件概述：人形機器人新創 Figure 推出名為「Index」的全球資料採集計畫，並在 iOS 與 Android 上線同名 App。該專案已覆蓋全球 108 個國家、累積逾 1,600 萬條真實世界任務操作影片；Figure 宣佈未來 12 個月內將在資料與算力資源上投入超過 10 億美元，專為其 Helix 視覺-語言-動作（VLA）模型構建物理世界訓練集。
• 影響分析：具身智慧（Embodied AI）正面臨從文字走向實體物理空間的「資料之牆」，透過大規模眾包採集人類日常行為資料，有望加速通用人形機器人泛化能力的成熟。
• 新聞連結：https://mp.weixin.qq.com/s/0996e3ce5eb9638b5fb85ae7e587428e

Anthropic 推出 Anthropic Insights，首度開放 25 萬條真實對話資料供學術界研究 — Anthropic

• 事件概述：Anthropic 宣佈透過隱私保護分析工具 Anthropic Insights，向史丹佛大學 SALT Lab、牛津大學人類資訊處理實驗室（HIP Lab）及評估機構 METR 開放約 25 萬段 2026 年春季的 Claude.ai 與 Claude Code 真實互動資料，供學術界獨立評估 AI 對人類決策與生產力的實際影響。
• 影響分析：過去前沿模型的真實互動資料均被封閉在商業實驗室內部，此次開放為學術界研究人機協同的深層心理學、社會經濟學影響樹立了透明化典範。
• 新聞連結：https://www.anthropic.com/research/enabling-independent-research

論文研究

Agent Handoff Tax：多模型接力協作中的隱形延遲與精度損耗 — AWS AI Labs

• 研究動機：當前 AI Agent 系統普遍採用「廉價小模型先行，遇到困難再動態升級（Escalate）至旗艦大模型」的路由架構，然而跨模型接力對最終任務品質與成本的真實影響尚缺乏嚴謹量化。
• 核心創新：AWS AI Labs 針對 Claude 與 GPT 系列多款模型進行軌跡接力（Trajectory Handoff）實驗，測量接收模型在接續其他模型生成的軌跡時所產生的效能折損。
• 研究成果：研究發現「向上升級（Escalation）」僅能彌補不到一半的模型能力差距，且大幅增加了 Token 成本（即 Handoff Tax）；反之「向下降級（Downshifting，大模型規劃、小模型執行）」具備極高價效比。此外，升級時適度「裁剪（Pruning）」小模型的冗長歷史軌跡反而能顯著提升大模型的接力解決率。
• 論文地址：https://arxiv.org/abs/2608.24358

評測基準的真相：Agent 鷹架架構（Harness）對跑分的影響遠超基礎模型 — 獨立評測團隊

• 研究動機：在各類 Coding 與 Agent 榜單中，得分通常被完全歸功於基礎 LLM，然而模型與外部工具/環境間的「鷹架（Harness）」層在得分中扮演的角色長期被忽視。
• 核心創新：在固定任務順序、執行環境與評測指令碼的嚴格對照下，針對 3 款前沿模型與 3 種主流 Harness 配置在 SWE-bench Verified 上進行網格交叉測試。
• 研究成果：實驗顯示，僅更換 Harness 即可使同一模型（如 GLM-5.1）的跑分產生高達 13.0 分的劇烈波動；鷹架引發的跑分方差是模型本體方差的 7.8 倍，甚至導致 66% 的模型排名出現逆轉。
• 論文地址：

  Great paper on why agent leaderboard comparisons are hard to trust.
  
  It's on the hot topic of how much of an agent benchmark score actually belongs to the harness.
  
  The harness is the layer between the model and the task. It builds the context the model sees, mediates tool calls,… pic.twitter.com/djFsrVaBHs

  — elvis (@omarsar0) August 26, 2026

其他分享

3D 樹狀隱形 QR Code 產生器：將掃描碼化為三維微縮景觀 — Manish Kumar

• 內容簡介：開發者 Manish Kumar 推出純前端專案「Tree QR」，使用者輸入任意網址即可在瀏覽器端生成一棵具備春、夏、秋三種季節風格的 3D 樹木，二維碼被優雅地隱藏在樹根底座的空間幾何中，點選樹木即可平鋪掃描，兼具藝術美感與實用性。
• 傳送門：https://tree.icqr.com

Lex Fridman 深度訪談 DHH：AI Agent 與軟體工程的終局思維 — Lex Fridman

• 內容簡介：Ruby on Rails 創始人 DHH 重返 Lex Fridman Podcast 進行長達 5 小時的深度對談。訪談全面探討了「Vibe Coding」與「Agentic Engineering」的本質差異、手動程式設計的消亡時間表、語音 Prompting 的實踐心得，以及開源軟體在 Agent 時代的新定位。
• 傳送門：

  Here's my conversation with @DHH. He is back for round 2! It was an epic fun 5 hour conversation about the future of programming, AI, Linux, and human civilization.
  
  It's here on X in full and is up everywhere else (see comment).
  
  Timestamps:
  0:00 - Episode highlight
  1:27 -… pic.twitter.com/XcKZarRSR9

  — Lex Fridman (@lexfridman) August 26, 2026