如果你这周只在地铁上刷了两条推送，这篇把 8 月第一周最值得开发者关注的 AI 进展一次讲清。主线很集中：大模型竞争的焦点，正从"单次问答更强"快速转向"自主执行长周期工作流"。

本周发生了什么

8 月第一周信息密度极高，但主线清晰：无论是阿里让模型自主跑 16 天交付开源项目、OpenAI 用长链路推理攻克数学难题，还是实时语音变成"委派面"，都在指向同一个方向——AI 开始独立交付端到端任务。下面分五条拆解。

一、阿里 Qwen3.8-Max 发布，并预告下周开源权重

8 月 3 日，阿里巴巴正式发布新一代旗舰基座大模型 Qwen3.8-Max。据官方与多家媒体，模型总参数量 2.4 万亿、激活 95B，采用稀疏 MoE 与混合注意力联合优化，原生支持视觉理解，上下文长度达 1M Tokens。

最值得开发者关注的是它的 自主编程能力：官方披露，模型从一个空文件夹出发、无人干预运行约 16 天，完成自进化智能体框架 oh-my-cli 并已在 GitHub 完全开源其运行历史。在权威评测中，Qwen3.8-Max 的 CodeArena 排名全球第四，OSWorld-Verified（电脑操作）以 86.1 分居主流模型首位，PaperBench 达 93.0 分。

【配图 01：请上传 images/01-01-coding-agent.png 后删除本行】

图1：Qwen3.8-Max 自主编程 16 天交付开源项目（示意图，非真实截图）

更重磅的是开源计划：Qwen3.8-Max 预计下周开源权重（Qwen-Max 旗舰系列首次开放权重），同时开源 Qwen3.8-27B。API 已上线千问 AI 平台，国内定价为每百万 Tokens 输入 12 元、输出 36 元，缓存命中仅 1.5 元。

来源：澎湃新闻、网易、国际金融报、新华网财经，2026-08-03

二、OpenAI 公开 Astra：约 2000 美元算力攻克十大数学难题

8 月 1 日，OpenAI 首次公开下一代模型系列名称 Astra（拉丁语"群星"），并同步放出 249 页研究手稿、62 页推理说明，以及全部转化为 Lean4 形式化证明、上传 GitHub 开源的论证文件——所有证明可被机器自动校验。

【配图 02：请上传 images/02-02-reasoning.png 后删除本行】

图2：Astra 长链路数学推理（示意图，非真实截图）

据披露，Astra 内部版本在高等数学与理论计算机科学取得十项突破，覆盖高维球体堆积、康涅斯刚性猜想推翻、算术电路复杂性、格密码等基础方向，且"每个问题的主要结果至少十年没有进展"。按公开 API 费率估算，寻找这些解法的 Token 总成本约 2000 美元。需冷静看待：Astra 尚未开放公开访问，成果也还未进入同行评审，更像是 OpenAI 在开源逼近、企业市场被蚕食背景下的技术护城河展示，而非 GPT-5.6 的继任者。

来源：界面新闻、腾讯新闻、OpenAI 官方博客，2026-08-01 至 08-03

三、DeepSeek-V4-Flash 正式 API 上线，后训练价值被重估

8 月 1 日 DeepSeek-V4-Flash 正式版 API 上线；8 月 3 日国家超算互联网同步上线其调用与下载。模型采用 MoE，总参数 2840 亿、激活 130 亿，支持 100 万 Token 上下文，可切换思考 / 非思考模式。真正引发讨论的是：模型骨架与预览版完全一致，仅重新做了后训练，Agent 能力却质的飞跃——用于长周期编程的 DeepSWE 从 7.3 分升至 54.4 分（约 6 倍），Terminal Bench 2.1 达 82.7 分。这直接抛出一个命题：当同一骨架仅靠后训练就能拉开代差，"堆参数"是否还是唯一出路？

来源：TechWeb、界面新闻、国家超算互联网，2026-08-01 至 08-03

四、OpenAI 放出 GPT-Live 全双工语音的工程细节

8 月 3 日，OpenAI 发布第三代语音系统 GPT-Live 工程深潜：从轮流对话转向流式全双工，模型同时听和说，过去决定"助手何时开口"的 turn detector 被去掉，音频作为连续信号直入模型；需深度推理时后台无缝交给 GPT-5.5，不打断实时对话。工程上，推理引擎用 Go 重写原 Python asyncio 管线，使帧投递 p95 达到旧方案 p50；基于 WebRTC 并引入 WARP 协议，把媒体会话启动从 6 次网络往返压到 1 次。对开发者而言，实时语音正成为"委派面"——廉价快模型扛对话，昂贵推理走旁路。

来源：OpenAI 工程博客、dev.to AI Daily Digest，2026-08-03

五、学术侧：受大脑启发的低功耗 AI 模型登上 Nature 子刊

7 月 31 日（8 月 1 日报道），奥地利格拉茨理工大学等受海马体启发开发新型 AI 模型，论文发表于《自然·机器智能》。该模型提炼人脑三种核心机制：构建"认知地图"、进行"随机神经计算"、采用"组合编码"，能耗远低于主流神经网络 / 大模型。研究者强调，这套系统并非取代 LLM，而是为机器人、自动驾驶等功耗受限的本地场景提供替代方案。

来源：科技日报，2026-08-01

本周模型进展速览

小结：从答题到干活

把五条串起来有三条趋势：能力边界从"单点辅助"迈向"长周期自主交付"；开源权重 + 极致定价正在压缩闭源溢价；后训练与"能效 / 安全"成为新焦点。对开发者最实用的启发是：别只盯榜单分数，多看模型能不能替你把一整段工作流跑完。