2026年7月19日 · 来源 aihot.virxact.com · 时间窗:过去 48 小时(24h 内 coding/agent 条目不足,放宽至 48h 补齐)
01

阿里通义千问发布 Qwen3.8:2.4T 参数,即将开源权重,官方称仅次于 Fable 5

X:通义千问 / Qwen (@Alibaba_Qwen) · 7月19日 16:10 CST

阿里巴巴通义千问发布 Qwen3.8-Max-Preview,参数量 2.4T。官方称其性能超越 GPT-5.6 Sol,仅次于 Claude Fable 5。预览版已上线阿里云 Token Plan、Qoder 和 QoderWork 平台,权重即将开源。阿里云同步推出个人版 Token Plan,Lite 档 39 元/月,统一覆盖文本、图像和视频生成额度。

UC 伯克利教授 Ion Stoica 评价:中国开源模型与前沿的差距已从 6-9 个月缩短到 2-3 个月。

为什么值得关注
2.4T 参数开源模型是当前公开参数量最大的开源权重模型。如果开源承诺兑现,中小团队可以直接部署私有化 coding agent 后端,不再受 API 价格和隐私条款绑定。Qwen3.8 对全栈开发、数据分析等长程任务的定位,说明阿里在用 coding agent 场景作为模型能力的核心卖点——和之前腾讯混元 Hy3 的量化版策略一致,coding 能力正在成为大模型"是否可用"的行业标尺。
https://x.com/Alibaba_Qwen/status/2078754377473601787
02

月之暗面 GTC 2026 披露 Kimi K2.5 技术路线:MuonClip 优化器、线性注意力、Agent Swarm 300 并行

X:宝玉 (@dotey) · 7月18日 01:38 CST

月之暗面 CEO 杨植麟在 GTC 2026 演讲中提出重构 AI 训练沿用了近十年的三大基础组件:用 MuonClip 优化器替代 Adam(2014),数据利用效率提升近一倍;推出 Kimi Linear 线性注意力,在百万 Token 上下文下全面超越全注意力;Agent Swarm 已支持 300 个 Agent 并行工作。

为什么值得关注
MuonClip 替代 Adam 是训练基础设施层面的变化——数据效率翻倍意味着同等算力下模型迭代速度加快。线性注意力在百万 Token 下超越全注意力,直接冲击"长上下文必须牺牲性能"的共识。Agent Swarm 300 并行是 agent 编排从单线程走向集群化的信号。三个组件不是渐进优化,是对沿用近十年的默认方案的重写,如果验证可靠,会影响未来模型的训练成本结构和 agent 架构选型。
https://x.com/dotey/status/2078172517085085951
03

Kimi K3 登顶 Frontend Code Arena 全球榜单(1679 分超 Fable 5),Bug 修复实测:Fable 快 3.4 倍但 Kimi 成本更低

IT之家 / X:邵猛 (@shao__meng) · 7月19日

Kimi K3(2.8T 参数,100 万 Token 上下文)在 Frontend Code Arena 以 1679 分超越 Claude Fable 5 位居第一。彭博社报道称,该模型正在打破"美国 AI 领先中国 6-12 个月"的固有认知。

Cline 用同一仓库的真实 Bug 对比 Kimi K3 和 Fable 5 的修复表现:Fable 5 用 3.5 分钟、18 次工具调用完成修复;Kimi K3 用 12 分钟、34 次调用,慢 3.4 倍,但成本更低。两者均成功修复。

为什么值得关注
Frontend Code Arena 是 coding agent 的直接战场——不是综合能力评测,而是前端代码生成实测。K3 在这个维度超越 Fable 5,说明中国模型在 coding 专项上已经不再只是"追赶"。Bug 修复对比则给出了更务实的信号:速度和成本是两个轴,Fable 5 在速度轴上优势明显,K3 在成本轴上有竞争力。做 coding agent 选型时,这不是"谁更好"的单选题,而是"你愿意付多少钱换多少速度"的权衡题。
https://www.ithome.com/0/978/670.htm https://x.com/shao__meng/status/2078816763421352236
04

ChatGPT Work 上线:建站与托管、邮件代管、文档总结、Office 文档生成——Plus 及以上套餐可用

X:Tibo (@thsottiaux) · 7月19日 12:25 CST

OpenAI 正式推出 ChatGPT Work 功能,覆盖四个场景:创建和托管网站、代管电子邮件、总结海量文档、生成文档/表格/幻灯片。已上线移动端和 chatgpt.com,包含在 Plus、Pro、Business 和 Enterprise 套餐中。

为什么值得关注
ChatGPT 从对话工具变成工作流执行器。建站+托管是 v0/Bolt/Lovable 的赛道,邮件代管是 Gmail AI 的赛道,文档总结+生成是 Google Workspace AI 的赛道——OpenAI 用一个产品同时切入四个已有竞品的场景,且不额外收费(Plus 用户即享)。对开发者来说,这意味着 ChatGPT 正在从"辅助工具"变成"替代性产品",低代码建站和文档自动化工具的市场格局会因此重塑。
https://x.com/thsottiaux/status/2078697631019303273
05

百度秒哒 3.5 发布:新增 SEO Agent、iOS App 一键打包、一句话生成 Skill

IT之家 · 7月19日 14:13 CST

百度在 WAIC 2026 上发布秒哒 3.5,新增六大能力:SEO Agent 智能流量优化、iOS App 一键打包、多应用共享后端、一句话生成 Skill、数据库多环境隔离、后端资源分级。秒哒采用"无代码编程 + 多智能体协作 + 多工具调用"技术栈,用户通过自然语言描述需求即可自动生成完整功能代码。截至目前累计服务超 3500 万用户,创造 350 万个商业应用。

为什么值得关注
"一句话生成 Skill"是对 skill 工程化门槛的实质性降低——如果用户真的能通过自然语言描述就生成可复用的自动化 Skill,那 skill 的生产方式就从"开发者手写 SKILL.md"变成"用户口述需求 + 平台编译"。iOS 一键打包则解决了低代码平台最痛的交付环节:从"能跑 demo"到"能上架 App Store"。3500 万用户 + 350 万应用的基数说明这不是概念验证,已经有真实商业流量。
https://www.ithome.com/0/978/693.htm
06

面壁智能 WAIC 双发:MiniCPM5-2B(4B 以下 AA-Index 第一)+ MiniCPM-Robot 具身 VLA 开源

公众号:面壁智能 / X:OpenBMB (@OpenBMB) · 7月19日 21:12 CST

面壁智能在 WAIC 2026 端侧 AI 论坛发布两款模型:MiniCPM5-2B 文本模型在 Artificial Analysis 榜单以 17 分取得 4B 以下模型最高分(平均分 54.26,超越 Qwen3.5-2B),原生支持混合思考与 512K 上下文,已完成华为昇腾、英伟达等 9 款芯片 Day0 适配,即将开源。

同时开源 MiniCPM-Robot 具身智能模型系列:1.5B 参数通用 VLA 模型 MiniCPM-RobotManip + 目标跟踪模型 MiniCPM-RobotTrack,配套高性能推理框架 PhyAI。MiniCPM 开源系列累计下载量突破 3800 万次。

为什么值得关注
MiniCPM5-2B 的 9 款芯片 Day0 适配是端侧部署的硬指标——不是"理论上能跑",而是"今天就能跑"。混合思考 + 512K 上下文在 2B 参数量上实现,意味着端侧 coding agent(代码 review、小范围修改、文档查询)有了可用的小模型底座。MiniCPM-Robot 则把 VLA 能力开源到 1.5B 参数,对做具身 agent 的团队,这是一个可直接加载的起点,不需要从零训练视觉-语言-动作对齐。
https://mp.weixin.qq.com/s/rjFxrUylyGMqa5QtgypCdw https://x.com/OpenBMB/status/2078839529591759025
07

昆仑万维 Matrix-Game 3.5:5B 世界模型单卡 720p 20FPS 实时生成,核心架构开源

公众号:昆仑万维(天工) · 7月19日 20:35 CST

昆仑万维董事长方汉在 WAIC 上宣布 2026 年为"世界模型元年",发布 Matrix-Game 3.5 世界模型、Mureka v9.5 与 O3 音乐模型。Matrix-Game 3.5 实现 Patch 级记忆注入,5B 参数模型在 720p 分辨率下单卡可达 20FPS 实时生成。核心架构已开源。

为什么值得关注
单卡 20FPS 实时生成把世界模型从实验室推到了产品门槛——和 Sora/Gen-3 的多卡部署方案相比,5B 单卡方案直接降低了交互式应用的算力门槛。Patch 级记忆注入意味着生成内容可以保持跨帧一致性,而不是每帧独立预测。核心架构开源给了一个可二次开发的底座,对做游戏/仿真/交互式 agent 场景的团队,这是比闭源 API 更可控的选择。
https://mp.weixin.qq.com/s/LidvGePhOOoUY3KTor_w9g
08

开源 Skill「乔木剪辑 qiaomu-cut」:一句话需求 → 全流程视频工程,集成 33 台词 / Pexels / ListenHub

X:Vista (@vista8) · 7月19日 11:36 CST · GitHub: joeseesun/qiaomu-cut-skill

开发者向阳乔木发布 qiaomu-cut-skill(MIT 许可,v0.5),一个 agent 原生的智能视频导演 Skill。核心流程:一句话需求 → QiaoCut IR 结构化解析(时长、比例、受众、风格、分镜、素材策略、渲染器)→ 素材治理(33 台词影视片段 / Pexels 空镜头 / ListenHub AI 生成镜头与 TTS)→ 分镜设计 → 三档渲染(preview / standard / final)→ 分层验收。

已实现:项目时间线渲染、三层双语 ASS 字幕、20 套品牌片头片尾模板、素材文件/场景去重、本地 ASR 转写、ffmpeg-full 合成。一行安装:npx skills add joeseesun/qiaomu-cut-skill --skill qiaomu-cut。内置 10 种工作流模板(英语学习、科普、产品发布、数据故事等)。

为什么值得关注
这是近期看到的工程化深度最高的开源 Skill之一。不是"AI 帮你剪视频"的 prompt demo——它把视频制作拆解为可复现的工程步骤,每一步有验证机制:preview 先跑低分辨率确认构图,standard 做内部审阅,final 才做公开发布级渲染。33 台词 CLI adapter 的积分消耗必须 --yes 确认,凭据不进参数和日志。这种"agent 可执行、可验证、有护栏"的工程化模式,正是 skill 从 toy 走向 production 的关键。
https://x.com/vista8/status/2078685312105189767 https://github.com/joeseesun/qiaomu-cut-skill
09

transcribe.cpp v0.1.0:基于 ggml 的跨平台语音转录库,16 个 ASR 模型族 60+ 模型,GPU 全平台加速

Hacker News 热门 · 7月19日 10:49 CST

transcribe.cpp v0.1.0 发布,基于 ggml 的语音转录库。支持 16 个 ASR 模型族(60+ 模型),通过 Vulkan、Metal、CUDA 和 TinyBLAS 实现 GPU 加速。每个模型都经过数值验证和 WER 测试,与参考实现结果一致。提供 Python、JS/TS、Rust、ObjC/Swift 四种语言绑定。兼容 whisper.cpp 的 .bin 文件格式,基本可 drop-in 替换。RK3566(嵌入式 ARM CPU)上即可跑实时转录。

为什么值得关注
whisper.cpp 长期是本地 ASR 的唯一主流选择,但模型支持窄、GPU 加速不全。transcribe.cpp 用 ggml 统一了 GPU 后端(Vulkan 覆盖 Linux/Windows 非 NVIDIA 设备,Metal 覆盖 Mac),模型族数量从 whisper 系列扩展到 16 个,且有数值验证承诺——不是"大概能跑",而是"输出和参考实现一致"。对做 voice agent、实时字幕、本地语音交互的团队,这是 whisper.cpp 之外一个更完整、更可信赖的替代方案。
https://workshop.cjpais.com/projects/transcribe-cpp
10

蚂蚁集团副总裁陈亮:智能体越强,信任风险越不容忽视——提出原生安全与可信互联,发布 LingDevice 轻量 Agent OS

IT之家 · 7月19日 14:54 CST

蚂蚁集团副总裁陈亮在 WAIC 2026 上指出,智能体正成为 AI 时代的新型操作系统,需配套信任基座。蚂蚁提出两个方向:"原生安全"(面向智能眼镜等轻量设备的 Agent OS LingDevice,最小化权限与数据暴露)和"可信互联"(跨平台 Agent 间的身份验证与行为审计)。

为什么值得关注
上周 VentureBeat 报道了 54% 企业遭遇 Agent 安全事件、多数仍共享凭证的数据。蚂蚁的"原生安全 + 可信互联"是对同一问题的工程化回应——不是再发一篇安全警告,而是给出了具体的操作系统级方案(LingDevice)和互联协议级方案。LingDevice 针对智能眼镜等低功耗设备做 Agent OS,说明蚂蚁在把 agent 的安全边界下沉到设备层而非只停留在应用层。对做 agent 安全架构的团队,这提供了一个可参照的设计方向。
https://www.ithome.com/0/978/701.htm