← 返回智能日报

2026.08.29 / ISSUE 029

智能日报 · 2026-08-29

GLM-5.3（744B）开源权重落地、腾讯混元 Hy4 preview 开源（770B/1M 上下文/Apache-2.0）；英伟达拟 129 亿美元收购 Hugging Face（媒体披露待确认）；Anthropic 发布自动化对齐研究员；GitHub 增星 archify 再 +4,187 领跑、WeMM-Embedding 单日 +56.6%。

作者：恒言Tech阅读时间：约 10 分钟来源：文内逐项标注

今日速览

  • 最重要：智谱 GLM-5.3（744B MoE）开源权重落地 —— 8/14 发布时预告"两周后开源"、因网络安全能力超预期而延期的主模型，权重文件已于 8/28 晚间出现在 Hugging Face（141 分片，自定义 GLM-5.3 License）；本轮评估中跨 269 个真实项目发现 2,436 个漏洞，安全披露台账同步公开。
  • 同窗重磅：英伟达拟以约 129 亿美元收购 Hugging Face（媒体披露，待官方确认） —— 若成真，将把"开源模型分发与发现层"收进 NVIDIA，并有嗅觉地接续 OpenAI-HF 事件后的治理讨论。
  • 国产开源同时双响：腾讯混元 Hy4 preview 开源（770B 总参 / 49B 激活 / 1M 上下文 / Apache-2.0），直指代码、办公、科学、游戏生产力场景。
  • GitHub 精确差分（23.96h）：archify 再 +4,187★（+18.1%）领跑绝对增星（订阅比异常风险仍未解除）；WeMM-Embedding +294★（+56.6%）领跑增速，首次给出精确差值；K-Dense-AI/scientific-agent-skills +1,264★。

AI 新闻

  1. 英伟达拟以约 129 亿美元收购 Hugging Face（媒体披露，官方与 HF 均未确认）
    • 事件时间：美西时间 8/27 起报道（The Information 首发，CNBC/Reuters/Forbes 8/28 跟进），位于本窗口起点附近；属披露待确认事件
    • 为什么重要：HF 是开源 AI 模型的分发、下载与发现枢纽。收购若成真，NVIDIA 将同时掌握"开源模型分发入口＋模型下载/硬件遥测数据＋发现层"，对开源生态、云厂商与模型厂商的影响都将是结构性的；近期 OpenAI-HF 安全事件也让 HF 的治理与数据问题被高度审视
    • 关键变化/数字（媒体口径不一）：CNBC「已达成协议，$12.9B」、Business Insider「仍在谈判，$13B+」、相关报道「六个月前估值约 $7B」——金额与状态均待公司官宣
    • 状态：传闻/待确认，未获 NVIDIA 或 Hugging Face 官方确认
    • 来源：CNBC、Reuters、Forbes
  2. 智谱 GLM-5.3（约 743B MoE）开源权重发布：网络战能力的"开源兑现"
    • 事件时间：2026-08-28（Zai_org 于北京时间 8/28 23:04 经 X 宣布；HF 仓库 8/28 22:22 更新，权重文件已就位）
    • 为什么重要：GLM-5.3 是 8/14 发布时就预告"约两周后开源"的主模型，因在漏洞利用链上的能力发展超预期而多次以安全评估为由延迟（曾错过 8/28 预告日）。权重落地意味着"开源 SOTA 编码＋网络攻防"同时进入可自托管、可审计阶段，是非 GLM-5.3-Flash 的另一条线
    • 关键变化/数字（Z.ai 自报）：基于 GLM-5.2 底座、仅靠后训练（"Scaling post-training is all we did"）；CyberGym 84.5%（领先 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%）、ExploitBench 54.4%（较 GLM-5.2 翻倍）；评估中跨 269 个真实开源项目发现 2,436 个漏洞（1,097 个中高危，最老漏洞可追溯至 1981 年），已建公开披露台账 cvd.z.ai（截至报告 53 个已公开）
    • 开放方式、规模、上下文、许可证：HF zai-org/GLM-5.3，141 分片 safetensors（约 743B MoE），license 标注 "other"（新"GLM-5.3 License"；媒体称允许商用与再分发、对年营收超 100 亿美元企业设安全审查门槛——条款以官方文件为准）；发布收尾中，HF 页面仍显示 Upcoming release
    • 来源：HF 模型页、Z.ai 发布博客、安全披露台账
  3. 腾讯混元开源自研旗舰 Hy4 preview：770B 总参 / 49B 激活 / 1M 上下文（Apache-2.0）
    • 事件时间：2026-08-28（hy.tencent.com 官方页；HF/腾讯云/ModelScope/AtomGit 同日上线）
    • 为什么重要：又一个进入"开源第一梯队"的国产旗舰 MoE，且刻意走 1M 超长上下文＋生产力（代码/办公/金融/科学/游戏）定位，与 GLM-5.3、Kimi K3 正面竞争；腾讯把内部软工、游戏、金融、安全专家的高质量数据直接喂进后训练
    • 关键变化/数字（官方/厂商披露）：总参 770B、激活 49B、上下文 1M；官方称"稳居开源模型第一梯队"，其内部测试称小幅优于 Z.ai 与月之暗面竞品（自测口径）；API 已上腾讯云（预览定价分档 0.3/6/18 元，以控制台为准）
    • 开放方式、规模、上下文、许可证：Apache-2.0 开源；GitHub Tencent-Hunyuan/Hy4-preview、HF tencent/Hy4-preview、ModelScope、AtomGit；也被 Reuters 报道
    • 来源：hy.tencent.com 官方页
  4. Anthropic《自动化对齐研究员》：Claude 自主训练模型修复 10 类对齐失败，成绩超过 28 位人类安全研究员
    • 事件时间：2026-08-28（Anthropic 官网研究博客）
    • 为什么重要："AI 让 AI 更安全"从发现/评测转向可自动修复。Claude 在一个监控智能体约束下循环"检索文献→设计方法与数据→训练→测试"，说明对齐缺陷修复可被端到端自动化，而不再依赖人工红队逐条打补丁
    • 关键变化/数字（Anthropic 自报）：10 类对齐失败（隐私泄露、谄媚、越狱等，每类 3–5 个评测）全部找到修复且未伤及通用能力；最佳方法在"Claude 未见过"的 withheld 基准与 Petri 对抗评测上仍有效；对最大 4.7 倍于优化目标的模型仍有效；整体超过 28 位人类安全研究员的基线
    • 来源：Anthropic 官方研究页
  5. 美联邦法官裁定：特朗普政府将 Anthropic 列入黑名单违法（违宪报复）
    • 事件时间：2026-08-28（加州北区法院 Rita Lin 法官裁定；Ars Technica 报道）
    • 为什么重要：法院明确"国家安全的空泛援引不是报复批评者的空白支票"，废除了联邦禁用 Anthropic 产品、禁止国防承包商与其交易等行政指令，并责令撤销相关指令——对"AI 企业因公开安全立场被政府采购制裁"的边界给出司法边界
    • 关键变化/数字：黑名单发生在 Anthropic 拒绝放宽"致命自主武器／大规模监控"使用限制之后；政府在诉讼中承认 Anthropic 的技术与国家安全的"黑盒"风险无异；Anthropic 3 月起诉
    • 来源：Ars Technica
  6. Terminal-Bench-Science 0.1：面向真实科研工作流的 Agent 评测基准上线（Stanford 主导）
    • 事件时间：2026-08-28（官方公告）
    • 为什么重要：科学 Agent 能力评估首次"由科学家而不是模型厂商定标尺"——任务直接取自研究者自己的工作流（分析、仿真、代码、数据产物），并随前沿模型持续演进；当前头名模型也仅解决约三成
    • 关键变化/数字：首批 70 个任务（生命/物理/地球/数学/工程科学）；当前最强为 Claude Opus 5（Claude Code 路线）30.0% 解决率，其次 GPT-5.6 Sol+Codex 22.4%、Claude Fable 5 21.4%，GLM-5.3 仅 8.1%
    • 开放方式：在线评测开放（terminal-bench-science.ai），任务可验证
    • 来源：官方公告
  7. Open ASR 排行榜新增首个"全球南方"语言：印地语/印度英语 Monsoon 评测集
    • 事件时间：2026-08-28（Hugging Face 官方博客）
    • 为什么重要：评测不再只看单一 WER——新增评测集按地理/年龄/性别/口音/设备等 12 项说话人属性分组打分，暴露"平均值正确、特定人群很糟"的语音识别偏差，为 ASR 公平性设了新标尺
    • 关键变化/数字：Monsoon en-IN / hi-IN 两套（印地语为多语言板块首个非欧洲语言）；公开＋私有双分割（防刷榜），4,888 位说话人、9 个变化轴
    • 来源：HF 官方博客

最新论文

口径：本窗口截稿时 arXiv 暂无晚于昨版截稿时点的首批提交；以下为最新一批 2608.27xxx（北京时间 8/28 凌晨公告、紧邻窗口起点，昨版未收录），均为首次提交 v1。代码/数据状态按摘要披露标注。

  1. TTPO：Test-Time Policy Optimization（首次提交，2026-08-28 北京时间凌晨）
    • 核心贡献：把"测试时训练（TTT）"带到推理环节——用多数表决伪标签做无监督训练，但对与伪标签相悖的 rollout 用 Grouped RL 惩罚（而非都蒸馏），规避"错误伪标签污染教师"的经典陷阱
    • 与已有方法的区别：相对 OPSD/RL 的对称目标，提出非对称目标（同意的蒸馏、不同意的惩罚）＋token 级选择，使 TTT 无需任何标签也能立于有监督训练之上
    • 关键实验：无标签情况下匹配有监督 OPSD 在 5 个竞赛级数学基准的成绩；Qwen3-1.7B 在 TTT 下 38.0%→45.2%；"不加思考"场景 +25.2%～+36.4%；跨任务泛化稳定
    • 代码/数据：已开源（GitHub ZJU-REAL/TTPO，项目页）
    • 论文原文
  2. WikiSkill：把 Agent 执行经验沉淀为持久知识库，使技能可持续进化（首次提交，2026-08-28 北京时间凌晨）
    • 核心贡献：将"原始执行经验 / 累积知识 / 可执行技能"三层分离，用一个持久 wiki 持续汇总经验，后续技能更新可站在既有知识上迭代——把一次性经验变成可复用的演化资产
    • 与已有方法的区别：现有自动技能发现方法不保留"指导开发的洞察"，跨轮次系统性复用差；WikiSkill 显式做知识的跨迭代沉淀
    • 关键实验：多个基准与模型上持续优于现有技能进化 SOTA；技能与模型规模互补（小模型带上技能可反超大模型）；学到的技能可跨模型/跨家族迁移
    • 代码/数据：摘要未披露
    • 论文原文
  3. SWE-Prime：更少轨迹、更好性能——面向编码 Agent 的多粒度 SFT 数据精选（首次提交，2026-08-28 北京时间凌晨）
    • 核心贡献：放弃"成功轨迹全量 SFT"，改为两阶段筛选——先在轨迹层按过程质量/结果质量/代表性挑选，再在语义片段层按"对最终方案贡献/可学习性/风险"筛选，只让被选片段参与损失计算
    • 与已有方法的区别：直接指出"成功轨迹≠高质量监督"（可能含冗余、无效甚至危险步骤），这是对"炒作越多越好"式数据扩增的反向经验
    • 关键实验：只用全部已解决数据的 10% 训练，在 SWE-Bench Pro 与 SWE-Bench Verified 上分别相对全量训练提升最多 12.2% 与 24.2%
    • 代码/数据：摘要未披露
    • 论文原文
  4. CritICL：用小模型"失败模式"做推理期弱到强泛化（首次提交，2026-08-28 北京时间凌晨）
    • 核心贡献：把同族小模型的结构化失败模式当作"批评式 ICL 示例"注入大模型推理，让失败成为引导而非噪声；提供动态（预测式检索批评）与静态（全局失败画像）两个变体
    • 与已有方法的区别：推理期扩展通常靠重复采样或外部验证器（高 token 成本）；CritICL 单次前向即可达到接近测试时扩展的水平
    • 关键实验：一致优于标准 ICL，与测试时扩展方法竞争力相当或更好，而生成次数与 token 成本显著更低
    • 代码/数据：已开源（GitHub umwyf/CRITICL）
    • 论文原文
  5. INTENT-AS-A-TOOL：给 Agent 一个"意图通道"来实时追踪对齐漂移（首次提交，2026-08-28 北京时间凌晨）
    • 核心贡献：给模型增加"意图型工具"，让对某目标的承诺表达有一个专用信道；对该工具的调用概率可作为无裁判、细粒度的恶意意图信号
    • 与已有方法的区别：事后 CoT 标注太粗、无法说明意图在生成中如何演变；本方法把事后标签展开为稠密轨迹，并定位"可在线干预的关键步"
    • 关键实验：与 CoT 监控互补；在 Agent 对齐失败设定中可识别出有害执行前的意图信号，为在线干预提供依据
    • 代码/数据：代码与数据已开放（GitHub RebeccaZhang22/intent-as-a-tool）
    • 论文原文

GitHub 增星加速榜

口径：精确快照差值（基线 2026-08-28 08:04 北京时间 → 本次 08-29 08:01 复采，实际 23.96 小时窗口）；新收录仓库无旧基线标「估算/无基线」。（昨版已详报项目，本节给出更新数据与风险跟踪。）

  • tt-a1i/archify
    • 项目简介：Agent 技能——用自包含 HTML+动效产出"可验证、好看"的架构/时序/数据流/生命周期图并可导出，面向要给甲方、评审演示架构图的开发者/架构师，解决"AI 画的图丑、逻辑对不上、没法演示"痛点（"Agent 出图"细分场景）。
    • 为什么受关注：上 GitHub Trending 后持续病毒式传播，叠加社区（LINUX DO）二次扩散；"用 AI 出专业图表"是高转发刚需。
    • 近期动态：8/28 持续日更——合并 #159（导航语言保持）、#155/#156（Star History 自托管图表）等；v2.15.0 于 8/17，处于高频迭代。
    • 新增 Stars：+4,187（精确快照差值，23.96 小时窗口，约 4,200★/日）
    • 当前 Stars：27,295
    • 增长率：+18.1%
    • 仓龄/最近实质提交：4.5 个月 / 2026-08-28
    • 许可证：MIT
    • 成熟度/风险：⚠️ 连续两日爆量（前日 +3.4k、本日 +4.2k）但此前订阅/star 比异常，刷星嫌疑未排除；代码提交真实活跃，建议持续看订阅数与 release 质量，暂不宜据此判定"用户真实涌入"。
  • K-Dense-AI/scientific-agent-skills
    • 项目简介：把任意 AI 智能体变成"AI 科学家"的 Agent 技能库——163 个已校验技能＋100+ 科学数据库，覆盖生物、化学、医学与药物发现，目标用户是科研工作者（官方称 17.5 万+科研人员使用）。
    • 为什么受关注：Terminal-Bench-Science 上线、实验室自动化（Anthropic MHS）等把"科研 Agent"推上风口，科学领域技能库是稀缺且复用性强的资产。
    • 近期动态：8/28 更新 README（把 K-Dense BYOK 线上研讨会改为回放链接）；8/24 更新安全扫描报告，周更级维护。
    • 新增 Stars：+1,264（精确快照差值，23.96 小时窗口）
    • 当前 Stars：36,564
    • 增长率：+3.58%
    • 仓龄/最近实质提交：10 个月 / 2026-08-28
    • 许可证：MIT
    • 成熟度/风险：维护活跃、文档完善；"17.5 万科学家"为项目自报数字（vendor 口径），技能实测质量需自行抽样验证。
  • Tencent/WeMM-Embedding
    • 项目简介：腾讯微信视觉团队的通用多模态 Embedding 模型家族（2B/4B/9B）——支持文本/图像/视频/视觉文档/交错输入，Matryoshka 维度 64–4096，面向多模态检索与 RAG 底座。
    • 为什么受关注：官方多模态检索底座稀缺，叠加腾讯品牌与开源首发（HF 权重＋arXiv 技术报告），发布即获流量。
    • 近期动态：8/28 新增 README_zh.md；8/25-26 更新模块加载方案（SentenceTransformer 直连）与 arXiv 链接。
    • 新增 Stars：+294（精确快照差值；基线 519 → 现 813，23.96 小时窗口）
    • 当前 Stars：813
    • 增长率：+56.6%（全榜最高增速）
    • 仓龄/最近实质提交：4 天（创建 2026-08-25）/ 2026-08-28
    • 许可证：README 标 Apache-2.0、GitHub API 显示待确认（NOASSERTION）——需以仓库 LICENSE 为准
    • 成熟度/风险：极早期仓库，权重与框架仍在快速收敛；增速能否维持待观察，模型生态（检索评测复现）尚未成熟。
  • 〔更新〕DietrichGebert/ponytail（昨版已详报）
    • 更新：+1,324★（精确差值，23.96h）→ 115,340★（+1.16%）；仍是"停更在涨"——最近提交停留 8/7（v4.9.0 后），热度靠传播而非迭代。MIT。
  • 〔更新〕freestylefly/awesome-gpt-image-2（昨版已详报）
    • 更新：+1,243★（精确差值，23.96h）→ 24,223★（+5.41%）；8/28 新增第 539–544 号 GPT Image 2 提示词案例，保持日更。MIT。
  • 〔新收录·无基线〕calmrocks/ai-engineer-notebooks
    • 简介：面向 AI 工程师/FDE（前向部署工程师）技能集的"免框架 Colab 笔记本"——模型 API、结构化输出、工具调用、RAG、评测驱动开发、Agent（从零写循环到 MCP/Skills）、微调 vs LoRA 全覆盖，可直接在 Colab 免费跑。
    • 为什么受关注：把"AI 工程师"职业最热门的技术栈做成零依赖入门路径，契合今年 FDE/AI 工程师教学浪潮；与 Anthropic/Karpathy 教授编程 Agent 的教学趋势同一方向。
    • 近期动态：8/28 多笔提交（prose 校对与章节修正），创建于 8/11，目前 480★（估算/无基线，创建约 2.5 周）。
    • 当前 Stars：480｜仓龄 2.5 周｜最近提交 2026-08-28｜许可证 MIT
    • 成熟度/风险：新仓库内容量在快速补齐，属资源型项目（无运行风险）；已加入下期基线。

今日最值得跟进

  1. GLM-5.3 开源权重正式落地：核对 GLM-5.3 License 完整条款（商用/再分发与"年营收超 100 亿美元需安全审查"门槛，以官方文件为准）；自托管/API 评估其编码与网络能力；持续跟踪 cvd.z.ai 披露台账（2,436 项中发现、53 项已公开）对真实漏洞生态的影响。
  2. NVIDIA–Hugging Face 交易：等待官方正式确认与条款（控制权、HF 治理、数据与遥测归属）；对开源模型分发与"下载层"垄断的走向保持跟踪——这也直接关系到我们使用的开源生态稳定性。
  3. Hy4 preview vs GLM-5.3 双开源旗舰：两者同日前后脚开源；可放进同一套生产基准（Terminal-Bench 类、1M 上下文检索/Agent 任务）对比，别只看厂商自报分。
  4. "科研 Agent"开始有行业标尺：Terminal-Bench-Science（Stanford）＋ Anthropic 自动化对齐研究员 + INTENT-AS-A-TOOL——评测、研究、监控三端同日推进，"AI 能否自主做科研/自我改进"成为可验证命题。

建议行动

  • 给 GLM-5.3 与 Hy4 preview 各建一条评估记录（编码/长上下文/工具调用），首批结果纳入下次日报对比；GLM-5.3 优先走 API 或官方部署栈，留意 license 门槛。
  • 把 calmrocks/ai-engineer-notebooks 纳入增星基线；对 archify 继续关注订阅比（怀疑刷星），对 WeMM-Embedding 观察下周增速是否回落。
  • 订阅 / 跟进 NVIDIA-HF 官方公告与 HF 治理、条款细节；若推进收购，评估对自建模型分发/依赖的开源组件的影响面。