早上刷 RSS 的时候，我有点恍惚。

通义千问、DeepSeek、智谱、小红书、蚂蚁，几乎在同一时间抛出新东西。开源模型的迭代速度已经不是按月算，而是按周、按天在往前拱。

今天这份简报就从这场「开源大爆炸」开始聊起。

通义千问开源 Qwen3.8 系列，27B 硬刚闭源 Plus

阿里这次放出来的 Qwen3.8-27B 是个原生多模态稠密模型，只有 27B 参数，官方说已经全面超过 Qwen3.7-Plus。上下文拉到 262K，用 YaRN 能扩展到 1M tokens。

更狠的是 Qwen3.8-2.4T-A95B，2.4T 总参数、95B 激活参数，主打自主编码和端到端智能体执行。

坦率的讲，阿里这套开源打法越来越像「你闭源卖高价，我就把同等能力的东西免费放出来」。开发者当然是高兴的，但压力也传导给了所有闭源厂商。

来源，Alibaba_Qwen / SiliconFlowAI

DeepSeek-V4-Pro 正式上线，Agent 能力大幅增强

DeepSeek 这边也没闲着。V4-Pro 正式版已经在 APP、网页端和 API 同步上线，模型名直接就是 deepseek-v4-pro。

HLE 没工具 42.7、有工具 60.0，Terminal Bench 成绩也上来了。更值得关注的是它「更侧重编码、工具调用与智能体工作流」。

我自己感觉，DeepSeek 正在从「便宜好用的模型」往「能自己干活的 Agent 基座」转。这个定位比单纯卷分数要难得多，也值钱得多。

来源，DeepSeek 官网更新日志 / SiliconFlowAI

智谱 GLM-5.3 发布，编程能力开源第一

智谱这次基于和 GLM-5.2 相同的基座，靠后训练 Scaling 把智能上界顶了上去。编程能力提升 50%，Terminal Bench 3.0 等公开基准拿到开源第一。

比较意外的是，模型在白盒代码审查等安全任务里表现持平 Myth。也就是说它不只会写代码，还能开始审视代码里的安全问题。

国内三家大模型厂，阿里、DeepSeek、智谱，正在开源和闭源两条线上同时发力。这个竞争烈度，比两年前 OpenAI 一家独大的时候有意思多了。

来源，智谱研究

小红书开源 dots3-note Preview 和 dots.tts

小红书技术团队今天放出来两个东西。

一个是 dots3-note Preview，280B 总参数、16B 激活，支持 512K 上下文和文本、视觉、语音多模态理解，专门给复杂推理和长程 Agent 任务用。

另一个是 dots.tts，20 亿参数的全连续端到端自回归语音合成模型。小红书做语音合成，很多人可能没想到。但其实它的应用场景太明显了，笔记、短视频、直播带货，处处都要声音。

一家公司能把底层模型和上层业务场景串起来，这步棋比单纯发论文更实际。

来源，小红书技术

蚂蚁百灵在 DGX Spark 上跑通单机 Agentic RL

蚂蚁百灵跟 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通了单机 Agentic RL 后训练闭环。他们拿井字棋当最小验证任务，训练 400 步之后 rollout 长度就稳步上升。

这个新闻可能没有大模型发布那么耀眼，但它指向一个很硬的工程问题，怎么在后训练阶段让模型具备真正的 Agent 能力，而且是在单机上跑通。

很多实验室还在拼算力集群，蚂蚁这边已经在尝试把训练门槛打下来。这种路线最后可能更普惠。

来源，蚂蚁百灵

Cursor 正式被 SpaceX 收购

这条消息刷屏了。Cursor 被 SpaceX 正式收购，合并之后 Cursor 能用上 SpaceX 全球最大的 GPU 集群，以此构建更强、更便宜的模型。

我有个朋友是 Cursor 重度用户，他第一反应不是「哇太强了」，而是「那以后 Cursor 会不会先把内部工程团队喂饱，再管我们散户」。

这个担心不无道理。SpaceX 的航空航天和卫星网络业务对 AI 代码生成需求极大，Cursor 如果被垂直整合进 SpaceX 内部工作流，它作为独立开发者工具的定位可能会慢慢偏移。

不过短期看，更多算力和更低成本对普通用户确实是利好。长期格局怎么变，还得再观察。

来源，Cursor Blog / Hacker News 热门

Google Gemini 3.7 Flash 全面上线，价格砍半

Gemini 3.7 Flash 现在向 Pro 和 Ultra 用户开放。距离 3.6 Flash 发布才三周，Google 又把迭代节奏提了一档。

输入 0.75 美元/百万 token，输出 3.75 美元/百万 token，是 3.6 Flash 的一半。主打编程和 Agent 任务。

模型价格持续下探，对做应用的人是好事。但我也在想，当模型能力越来越像标准品，真正的差异化到底会在哪里？可能还是工程能力、数据飞轮和产品体验。

来源，Google DeepMind / GeminiApp

Claude 开始接管应用日常维护，388 个 PR 的实践

Boris Cherny 让 Claude 在他的 Slack 频道里跑日常维护任务，崩溃模糊测试、重复代码统一、死代码移除。数周内自动开了 388 个 PR，其中 180 个经过 Claude Code Review 后直接被合并。

这个数字挺震撼的。它不是 demo，是真实项目里持续跑出来的结果。

不过别急着欢呼。这类自动化维护对代码库规模、测试覆盖率和 CI 门槛都有要求。小团队贸然上，很可能变成「AI 开了一堆 PR，没人敢点合并」。

来源，@bcherny

写到这里，回到开头那个感觉。

今天这批新闻里，最让我印象深刻的不是某一家模型刷榜，而是中国实验室正在形成一套完整的开源攻势，基础模型、多模态、语音、Agent 训练、后训练，各个层级都有人在往前拱。

SpaceX 收购 Cursor 则是另一个信号，AI 工具正在从独立 SaaS 变成大公司内部基础设施。这个趋势对创业者来说，既是机会也是威胁。

明天见。