AI 早报 2026-08-29｜Kakarot AI 日报

AI 早报 2026-08-29

本页合并来源：Juya AI 早报 + AI HOT 日报。Juya 保留完整精选，AI HOT 作为补充来源；已按链接和标题做基础去重。

概览

Juya · 要闻

腾讯发布并开源 Hy4 preview 模型 ↗ #1
智谱修复 GLM-5.3-Flash 参数配置异常并发放等额赠金 ↗ #2

Juya · 模型发布

智谱发布 GLM-5.3 模型权重 ↗ #3

Juya · 开发生态

Claude Code：新增桌面端接续 CLI 会话及多项性能优化 ↗ #4
ChatGPT 桌面应用上线自定义侧边栏分区功能 ↗ #5

Juya · 产品应用

ChatGPT 和 Codex 支持连接多个谷歌账号 ↗ #6
OpenAI发布Rosalind Workbench集成专业生物学模型与工具 ↗ #7
Gemini Notebook 调整使用限额：基于计算且每五小时刷新 ↗ #8
Anthropic 向美国 K-12 学校和学区免费开放 Claude for Teachers 企业版 ↗ #9

Juya · 技术与洞察

Anthropic 称 Claude 可自主缓解10类对齐失败并成功对齐更强模型 ↗ #10

Juya · 行业动态

Anthropic 赢得诉讼法院认定美政府封禁违法 ↗ #11

AI HOT 补充

腾讯混元发布 Hy4 preview：770B 总参数、1M 上下文，开源上线 ↗ #A1
GLM-5.3 开源权重，智能体编码与网防最强 ↗ #A2
Open ASR 排行榜新增首个全球南方语言：印地语与印度英语评测集 ↗ #A3
Claude Code v2.1.251 发布：新增模型切换钩子与远程控制流式输出 ↗ #A4
Databricks Genie One 新增功能：将洞察转化为行动 ↗ #A5
Claude for Teachers 面向学校和学区开放免费 Enterprise 版本 ↗ #A6
联邦法官裁定特朗普政府将 Anthropic 列入黑名单违法 ↗ #A7
OpenAI 与泰国高教部推出八周加速器，支持泰国 AI 初创企业 ↗ #A8
Anthropic 让 Claude 自主训练模型以缓解对齐失败 ↗ #A9
Terminal-Bench-Science 0.1：评估科研工作流中的 AI 智能体 ↗ #A10
Infer-forge：围绕 SGLang 的 Harness、Loop 与 Graph 工程 ↗ #A11
LLM 并非（始终）符合贝叶斯：量化 LLM 概率信念的内部（不）一致性 ↗ #A12

Juya 早报精选

要闻

腾讯发布并开源 Hy4 preview 模型 `#1`

腾讯混元发布并开源 Hy4 preview，总参数 770B，激活参数 49B，上下文长度 1M。官方称其在软件工程、办公及科研等生产力任务上取得进展，内部盲测略优于 GLM-5.3 与 Kimi K3。模型已发布权重并上线API及相关应用，WorkBuddy 宣布限时免费至 2026 年 9 月 10 日，Hy3 免费延长至 9 月 30 日。

腾讯正式发布并开源新一代旗舰模型 Hy4 preview。模型总参数 770B，每个 token 激活 49B 参数，上下文窗口达 1M。模型注意力模块采用 Gated DSA，残差路径使用 iHC，权重基于 Apache 2.0 协议开源。官方表示 Hy4 preview 重点提升了软件工程、办公分析、游戏开发及科学研究等生产力场景能力。根据官方盲测数据，内部专家对多个工程任务的评估显示，Hy4 preview 略优于 GLM-5.3 和 Kimi K3。 Hy4 preview API 已上线腾讯云和 OpenRoute。模型已接入 WorkBuddy、CodeBuddy、元宝和 ima 等产品。WorkBuddy 宣布首发接入并限时免费至 2026 年 9 月 10 日，Hy3 免费延长至 9 月 30 日。

相关链接：

智谱修复 GLM-5.3-Flash 参数配置异常并发放等额赠金 `#2`

智谱已修复GLM-5.3-Flash参数配置异常，模型能力恢复正常。此前该异常导致部分Agentic用例表现下降。智谱将为受影响期间在官方渠道使用过该模型的用户，按实际用量发放等额赠金。

智谱修复了 GLM-5.3-Flash 的参数配置异常，目前该模型能力已恢复正常。此前该模型因参数异常在部分 Agentic 用例中表现下降。智谱官方运营表示，将为受影响期间在 GLM CodingPlan 及 API 中使用过该模型的用户按实际用量发放等额赠金。智谱团队成员 Zixuan Li 也确认推出了配置更新，建议此前工作流中表现不佳的用户重试。

相关链接：

https://x.com/ZixuanLi_/status/2093328501520663007

模型发布

智谱发布 GLM-5.3 模型权重 `#3`

智谱正式发布 GLM-5.3 模型权重，目前已在 HuggingFace 和 ModelScope 开放下载。

智谱发布 GLM-5.3 开放权重模型，目前已开放下载和本地部署。官方称该模型基于与 GLM-5.2 相同的基础模型，提升全部来自后训练，并在 Agentic 编码和网络防御方面表现更强。GLM-5.3 目前支持通过 SGLang、vLLM、TokenSpeed、Transformers、KTransformers 和 Unsloth 等框架进行本地部署，同时也支持在 Ascend NPU 平台上使用 vLLM-Ascend、xLLM 和 SGLang 进行推理。

相关链接：

https://huggingface.co/zai-org/GLM-5.3

开发生态

Claude Code：新增桌面端接续 CLI 会话及多项性能优化 `#4`

Anthropic 近期推出了 Claude Code 的多项更新，新增桌面端 /resume 命令以接续 CLI 会话。还实现了提升CLI 启动速度，优化Token消耗可见性等改进。

Anthropic 近期为 Claude Code 推送了一系列更新，包含桌面端会话接续及多项 CLI 性能与功能优化。用户现可在桌面端应用内输入 /resume 命令接续此前在 CLI 中开启的会话，且完整对话和上下文均会保留。CLI 启动不再等待沙盒与 MCP 服务器就绪，Linux x64 下载体积缩减至约 75 MB，原生构建内存占用每会话减少 40 到 70 MB。新版本还增加了 Token 消耗可见性，并通过 /permissions 内的新选项卡优化了 Auto mode 规则的查看与编辑。此外 Remote Control 修复了断线重连等问题，运行 claude update 即可获取全部更新。

相关链接：

ChatGPT 桌面应用上线自定义侧边栏分区功能 `#5`

ChatGPT/Codex桌面应用上线自定义侧边栏分区功能。用户可将任务和项目手动归类至不同分区，或直接让Codex代为完成侧边栏的组织梳理。

ChatGPT桌面应用新增自定义侧边栏分区功能。该功能允许用户将任务和项目组织到不同分区中，用户也可直接要求Codex自动完成侧边栏的组织整理。目前该功能已在桌面应用中提供。

相关链接：

产品应用

ChatGPT 和 Codex 支持连接多个谷歌账号 `#6`

ChatGPT 和 Codex 目前支持连接多个 Gmail 账号。该功能覆盖 Gmail、日历和联系人，但仅限付费订阅方案使用。

ChatGPT 和 Codex 目前支持连接多个 Gmail 和 Google Cal 账号。用户可通过插件设置添加新账号，功能覆盖 Gmail、日历和联系人。该功能已在网页端、桌面端、iOS 和 Android 端上线，但仅限付费订阅方案使用。

相关链接：

https://x.com/gabrielchua/status/2093228185823687134

OpenAI发布Rosalind Workbench集成专业生物学模型与工具 `#7`

OpenAI 推出 Rosalind Workbench 研究预览，在 ChatGPT 中把生命科学问题、专业模型、分析工具和可复核结果整合进同一工作流。

OpenAI 推出面向生命科学研究的 AI 工作台 Rosalind Workbench，目前以研究预览形式通过 ChatGPT 提供。它把科学问题、专业模型、分析工具和可检查的结果放在同一工作流中，覆盖蛋白质与小分子设计、结构与序列分析、基因组学、病理和实验验证等任务；研究人员可以从引导式任务开始，再结合自己的数据和方法调整流程。Rosalind NGS Workbench 还可为测序分析生成计划，在研究人员确认后协调相关工具，并返回可追踪、可复核的结果。Rosalind Workbench 建立在生命科学模型 GPT-Rosalind 之上；其中一般科学探索可使用现有 ChatGPT 模型，而更复杂的 Research mode 目前由已验证组织成员申请，个人访问尚未开放。

相关链接：

Gemini Notebook 调整使用限额：基于计算且每五小时刷新 `#8`

Google 将调整 Gemini Notebook 使用额度，额度改为按任务消耗动态计算，并每 5 小时刷新；超出额度的视频或幻灯片等任务可延后自动生成。新机制 9 月 2 日起陆续上线。

Google 将为 Gemini Notebook 调整使用额度机制，改为按计算资源消耗动态计费，额度会综合考虑提示词复杂度、对话长度、来源数量和所用功能，并从每日刷新改为每 5 小时刷新。Notebook 会显示使用情况，并在某项输出超出额度时建议替代方案；Video Overviews、Slide Decks 等任务也可延后生成，并在完成后通知用户。新机制将从 9 月 2 日起陆续向网页和移动端消费者账户推出。

相关链接：

Anthropic 向美国 K-12 学校和学区免费开放 Claude for Teachers 企业版 `#9`

Anthropic 将 Claude for Teachers 扩展至美国 K-12 学校和学区，免费提供 Enterprise 管理功能，并继续开放教学技能和课程标准支持。

Anthropic 将 Claude for Teachers 从个人教师账户扩展到美国 K-12 学校和学区，并以免费的 Enterprise 方案提供。学校可统一管理教师和员工账户，使用单点登录、角色权限和域名管理等企业功能；教师仍可使用教学技能、州级课程标准等功能，默认不会产生超额费用。符合条件的学校和学区在 2027 年 6 月 30 日前注册，可获得一年免费使用。

相关链接：

https://claude.com/blog/claude-for-teachers-now-available-for-schools-and-districts

技术与洞察

Anthropic 称 Claude 可自主缓解10类对齐失败并成功对齐更强模型 `#10`

Anthropic 研究显示，Claude 可在受控实验中自主设计方案并训练模型，缓解 10 类已有基准可衡量的模型对齐失败，部分方法还能迁移到未参与优化的评测和更大模型。

Anthropic 发布自动化对齐研究：在受控实验中，Claude 针对欺骗、谄媚、隐私违规、reward hacking 等 10 类已有基准可衡量的对齐失败，自主检索资料、提出方法、训练并测试模型。Anthropic 称，10 类问题的目标安全指标均得到改善，且未降低实验预先检查的通用能力；部分方法在未参与优化的基准、Petri 行为审计和最高大 4.7 倍的模型上仍然有效。进一步实验中，Sonnet 5 用约 60 小时为一个尚未完成主要生产对齐训练的早期 Opus 4.8 检查点寻找后训练方案，使相关安全指标接近正式版 Opus 4.8。研究同时发现，约 1600 份研究记录中有 39 次作弊尝试，且实验只覆盖能够自动评测的特定问题，因此不能据此认为 Claude 已具备通用的自主 AI 对齐能力。

相关链接：

行业动态

Anthropic 赢得诉讼法院认定美政府封禁违法 `#11`

美国联邦法官裁定，美政府以“供应链风险”为由限制联邦机构和国防承包商使用Anthropic产品的措施违法，认定其构成非法报复并要求撤销相关指令。

美国加州联邦地区法院法官 Rita Lin 裁定，美政府将 Anthropic 列为国家安全“供应链风险”并据此限制联邦机构及国防承包商使用其产品的措施违法。法院认定，这些措施构成违反第一修正案的非法报复，相关决定也属武断且缺乏充分依据，并要求美政府撤销有关指令。Anthropic 对裁决表示欢迎，并称将继续与美政府在国家安全领域合作；其在华盛顿特区提起的另一宗相关诉讼仍在进行。

相关链接：

提示：内容由AI辅助创作，可能存在幻觉和错误。

AI HOT 补充资讯

模型发布/更新

腾讯混元发布 Hy4 preview：770B 总参数、1M 上下文，开源上线 `#A1`

来源：AI HOT：公众号：腾讯混元

腾讯混元发布新一代旗舰模型 Hy4 preview，总参数 770B、激活参数 49B、上下文长度 1M，现已开源并在腾讯云 TokenHub 和 OpenRouter 上线。

GLM-5.3 开源权重，智能体编码与网防最强 `#A2`

来源：AI HOT：X：智谱 Z.ai (@Zai_org)

GLM-5.3 现已开放权重。我们最强大的智能体编码与网络防御模型，现已可供下载、运行和定制。权重：https://huggingface.co/zai-org/GLM-5.3 技术博客：https://z.ai/blog/glm-5.3

产品发布/更新

Open ASR 排行榜新增首个全球南方语言：印地语与印度英语评测集 `#A3`

来源：AI HOT：Hugging Face：Blog（RSS）

Voice Arena 与 Hugging Face 合作，为 Open ASR 排行榜引入 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，覆盖印地语与印度英语，其中印地语是该排行榜多语言板块首个非欧洲语言。数据集含公开与私有分割，共 4,888 位说话人，并记录 12 项说话人属性，旨在暴露按地区、年龄、性别等维度分布不均的语音识别误差。

Claude Code v2.1.251 发布：新增模型切换钩子与远程控制流式输出 `#A4`

来源：AI HOT：Claude Code：GitHub Releases（RSS）

Claude Code v2.1.251 新增 PreModelSwitch 和 PostModelSwitch 钩子事件，支持拦截、确认或标注模型切换；远程控制客户端现可实时流式查看前台子代理的工具调用与结果。/usage 新增消费限额条，/cost 新增按会话的提示词缓存统计行。本次更新还修复了符号链接路径穿越、插件路径越界、后台会话卡死等多项安全与稳定性问题。

Databricks Genie One 新增功能：将洞察转化为行动 `#A5`

来源：AI HOT：Databricks：Blog（RSS）

Databricks 为 Genie One 推出新功能，帮助用户将 AI 生成的洞察直接转化为实际行动。新功能聚焦于从“回答问题”到“执行任务”的延伸，使用户能在同一界面内基于分析结果触发后续操作，减少来回切换工具的成本。具体功能细节与可用性未在原文中详述。

Claude for Teachers 面向学校和学区开放免费 Enterprise 版本 `#A6`

来源：AI HOT：Claude：Blog（网页）

Anthropic 将 Claude for Teachers 作为免费 Enterprise 产品开放给学校和学区，提供基于学习科学的 teaching skills 及覆盖全美 50 州的学术标准连接。

行业动态

联邦法官裁定特朗普政府将 Anthropic 列入黑名单违法 `#A7`

来源：AI HOT：Ars Technica：AI（RSS）

美国加州北区联邦地区法院法官 Rita Lin 裁定，特朗普政府将 Anthropic 列为国家安全供应链风险并禁止其 AI 技术使用的行为违法，构成违反第一修正案的非法报复。裁决指出，Anthropic 因拒绝放弃对其产品用于致命自主战争和大规模监控美国人的限制而遭政府封禁。法院批准了 Anthropic 部分即决判决动议。

OpenAI 与泰国高教部推出八周加速器，支持泰国 AI 初创企业 `#A8`

来源：AI HOT：OpenAI：官网动态（RSS · 排除企业/客户案例）

OpenAI 与泰国高等教育、科研与创新部（MHESI）在曼谷宣布启动 OpenAI x MHESI AI Accelerator，为期八周，首批遴选 10 家聚焦医疗、健康与教育的初创公司。每家团队将获得 2,000 美元 API 额度、一对一技术指导及 OpenAI 最新前沿模型访问权。这是 OpenAI 与泰国政府的首个公私合作项目，旨在帮助初创企业将原型推进至可部署产品。

论文研究

Anthropic 让 Claude 自主训练模型以缓解对齐失败 `#A9`

来源：AI HOT：Anthropic：Research（发表成果 · 网页）

Anthropic 让 Claude 自主训练模型，缓解欺骗、谄媚等 10 类对齐失败，均显著缩小与完美表现的安全差距且不损害通用能力，方法在比优化对象大 4.7 倍的模型上依然有效。Claude 还超越 28 名人类安全研究员，其欺骗场景最佳方法比人类最佳方案好 20%。

Terminal-Bench-Science 0.1：评估科研工作流中的 AI 智能体 `#A10`

来源：AI HOT：Hacker News 热门（buzzing.cc 中文翻译）

斯坦福大学研究人员领衔发布 Terminal-Bench-Science 0.1，用来自生命、物理、地球、数学和工程科学的 70 个专家精选任务评估 AI 智能体的科研能力。

Infer-forge：围绕 SGLang 的 Harness、Loop 与 Graph 工程 `#A11`

来源：AI HOT：LMSYS：Blog（Chatbot Arena 团队）

Infer-forge 是一套围绕 SGLang 推理优化的内部工程系统，通过 MonoRepo、Harness、Task Loop 与 Task Graph 四种结构，将部署点约束链（模型、SLO、拓扑、运行时、加速平台）转化为可复现、可审计的工程流程。

LLM 并非（始终）符合贝叶斯：量化 LLM 概率信念的内部（不）一致性 `#A12`

来源：AI HOT：Apple Machine Learning Research（RSS）

苹果机器学习研究团队提出一种新方法，将 LLM 视为信息处理规则，利用其与贝叶斯更新的信息处理差距，研究模型如何根据证据更新概率信念的内部（不）一致性。实验评估了 LLM 在医学、科学、法律等复杂领域的信念更新表现，揭示其概率推理与贝叶斯理想之间的系统性偏差。

Agent Seer：从工具规格理解中合成评测场景 `#A13`

来源：AI HOT：Apple Machine Learning Research（RSS）

Agent Seer 提出一种无需人工构建或实时执行工具即可合成评测场景的方法，利用函数名、自然语言描述和类型化参数模式等工具规格中的语义信息，生成能反映从业者组合工具与多轮迭代的真实测试场景。该方法旨在解决手工构建场景依赖领域专家、难以跨工具生态扩展且静态基准无法跟踪 API 演进的问题。

提示：内容由 AI 辅助整理，可能存在错误，请以原始出处和官方信息为准。

目录