AI 日报 · 2026-08-31（周一）

聚焦方向：AI Coding（AI 编程）× 具身智能
生成时间：2026-08-31 07:30 (GMT+8)
今日结论速览：DeepSeek 今日有 D ✅（DSH 开源登 GitHub 日榜 #11、V4-Flash 多模态版上线 Gateway、乌兰察布建 1 吉瓦数据中心）；AI Coding 侧最大变量是 OpenAI 新模型 Astra 内测曝光（社区信源交叉印证）与 8/31「模型与价格大日」（Sonnet 5 重定价 + GPT-5.4/Kimi K2.5 退役 + Copilot 下线 6 款）；具身智能侧最大变量是 优必选半年报营收 12.69 亿、人形机器人销量 921 台 与 宇树上市 4 天市值蒸发约 2000 亿被 Figure 反超。
口径说明：每条均标注「时效」与「来源」。时效分 当日／近 2 日／本周；来源给出可核验主体。字幕类内容标注"字幕由平台自动生成"。
实时数据源：① 多引擎新闻检索 + Exa（中英文媒体/社区）；② GitHub Search API（日榜/周榜双周期）；③ livebench.ai 原始 CSV（本地聚合七类）、artificialanalysis.ai（Intelligence Index v4.1.1）、llm-stats.com（实时价/吞吐）；④ B 站 UP 主字幕口径：黑鸦Heya（1 个视频 / 15 行）、Icyの狼（24h 无新视频）、无机酸-_-（24h 更新但为个人作品未开字幕）。

章节	内容	条目数
一	社区信源监控（一手线索，快于媒体）	3 个信源
二	DeepSeek 专项 —— 今日有 D ✅	6 条
三	今日 15 条精选（AI Coding 8 + 具身智能 7）	15 条
四	社区快讯（待验证 / 低置信度）	6 条
五	能力评分与价格表（三口径交叉验证）	3 张表 + 性价比
六	GitHub 当日趋势榜	日榜 + 周榜
八	AI 社会效益	6 条
九	AI 经济效益	6 条
十	方法论与免责声明	—

一、社区信源监控（今日一手线索，快于媒体）

本节来自三个长期跟踪的社区信源。社区口播往往比媒体稿早 6–24 小时，但置信度低于官方渠道，因此本节只做"线索"用途，凡进入第三章「15 条精选」的内容均已用官方或权威媒体二次核验。

信源状态一览（含字幕提炼要点）

信源	最新内容	类型	字幕	字幕提炼要点	时效
黑鸦Heya	AI 晚报 0830（BV1A8tH6gEd5）	资讯类	✅ 已采集 15 行	ASTRA 早期访问机制、内部检查点生成像素城堡/网页前端、官方零确认+发布窗口	当日（约 12h 前）
Icyの狼	24h 内无新视频（最新至 08-28）	—	✖ 无更新	—	当日
无机酸-_-	24h 有更新但均为个人评测作品	个人作品	✖ 未开启字幕	—	当日

1.1 黑鸦Heya —— AI 晚报 0830（资讯类，字幕由平台自动生成）

从口播正文里提取到的实质信息（已做同音字校正，例如 "deep sick" → DeepSeek、"cloud" → Claude、"open route" → OpenRouter），其中标题层看不到的增量（字幕提炼要点）包括：

ASTRA 早期访问机制：开发者实测 Max 模式下零样本一次生成 3D 等距地图与交互网页，核心突破为端到端多智能体编排、超长程任务保持、持久化推理与即时自我纠错。
内部检查点生成像素城堡 / 网页前端：口播提到模型可在生成过程中反复验证并保持设计语言一致，说明其"自我纠错"已落到产物层面。
官方零确认 + 发布窗口：社区口径指向 9 月初（约 9/3）前后正式发布，与同期升级的 Fable 5.1 正面竞争；该窗口为媒体推测，官方尚未官宣。
OpenAI 终止向 Cursor 供模细节：SpaceX 以 600 亿美元收购 Cursor 母公司交割完成后，15 天触发"控制权变更"条款，新模型（含 Astra）不再提供，缓冲期后开发者只能自带 API Key。
Anthropic 曾对拟被 OpenAI 收购的 Windsurf 限流：底层模型 API 中立性正被上下游竞争关系取代。

来源：B 站 UP 主「黑鸦Heya」AI 晚报 0830（BV1A8tH6gEd5），字幕由平台自动生成，本节为要点摘录与同音字校正后的转述。
时效：当日（约 12h 前）。置信度：🟡 大概率属实（ASTRA 发布窗口与早期访问机制为口播线索，已由腾讯研究院 8/31 AI 速递同步披露；控制权变更条款已由官方/权威媒体交叉验证，见第三章）。

1.2 Icyの狼 —— 24h 内无新视频

内容：过去 24 小时（截至 08-31 07:30）未发布新视频，最新内容停留在 08-28（Hy4 preview 发布解读）。
来源：B 站 UP 主「Icyの狼」。时效：当日（无更新）。置信度：✅ 已确认（平台页面核验无新上传）。

1.3 无机酸-_- —— 24h 有更新但为个人评测作品，未开字幕

内容：过去 24 小时有更新，但均为个人评测作品（非资讯播报），且未开启平台自动字幕。
该视频未开启平台自动字幕，按既定流程仅采用标题级信息，不做正文引用，避免臆测评测结论。
来源：B 站 UP 主「无机酸-_-」。时效：当日。置信度：🟡 标题级可信，结论未采集。

社区交叉验证：黑鸦Heya 字幕补足了媒体尚未完全覆盖的增量——ASTRA 的"早期访问机制"与"检查点生成像素城堡/网页前端"这类产物级细节，以及"官方零确认 + 9 月初发布窗口"的时间线索，已被腾讯研究院 8/31 AI 速递在第三章第 1 条同步印证，构成「社区先报 + 媒体后证」的典型闭环。

二、DeepSeek 专项 —— 今日有 D ✅（非"今日无D"）

过去 24 小时（8/30–8/31）DeepSeek 侧信息密度高，不适用"今日无D"。共 6 条，其中 8/30 的多条动态（乌兰察布数据中心、足球赛事预测、涨价后评测、新规）距生成时点不足 24 小时，且 DSH 开源仍在 GitHub 持续冲榜。

D1 · DeepSeek-Harness（DSH）开源："一切皆插件"的 Agent 范式，登 GitHub 日榜 #11

内容：DeepSeek 在 V4-Pro 正式版上线同期开源 DeepSeekHarness 开发者预览版，核心理念是"一切皆插件"（Everything is a Plugin）——模型、工具、文件系统、UI、AgentLoop 均拆为可独立组合插件。范式由北大与 DeepSeek 联合提出的"时空可组合性"支撑（时间可组合性通过"可逆效应"机制自动记录并撤销组件卸载后的副作用）。GitHub 当日趋势榜 #11（204.7k star），两周破 20 万星、日增约 1.4k；公式 Model + Harness = Agent 强调 Harness 的可控、可观测、可回溯补足模型缺失。
为何值得关注：这是把"模型只是大脑、Harness 才是身体与神经系统"工程化的关键一步，且模型无关（支持 OpenAI/Anthropic/Google 等 20 余第三方模型）。对国内团队自建 Coding Agent 的实用价值高于多数单次模型发布。
来源：DeepSeek 官方仓库 / GitHub Trending（2026-08-31）/ 多家媒体（8/27–8/30）。时效：近 2 日（仍在冲榜）。置信度：✅ 已确认（开源事实 + star 数可核验）。

D2 · DeepSeek V4-Flash 多模态（视觉）版本上线 LLM Gateway 聚合器

内容：具备视觉能力的 DeepSeek V4-Flash 多模态版本出现在 LLM Gateway 聚合器上，标志 DeepSeek 家族在文本之外扩展多模态能力；此前 V4-Flash-0731 已开源并登顶开源榜前三。
为何值得关注：文本模型补齐视觉模态后，可直接进入"看截图/图/视频做 Agent"的工作流，与 OpenRouter 新增的 Ox Alpha（匿名登顶 OpenRouter 的 GLM-5.3-Flash）形成多模态开源竞争格局。
来源：unrot.co / 今日头条 AI 早报 8.30 / LLM Gateway 聚合器。时效：近 2 日。置信度：🟡 大概率属实（聚合器露出的模型条目可核验，官方未单独发通稿）。

D3 · DeepSeek 赴乌兰察布建 1 吉瓦级 AI 数据中心

内容：中国新闻网 8/30 报道，DeepSeek 于 6 月获 500 亿元融资后，计划在内蒙古乌兰察布建设 1 吉瓦级超大型 AI 数据中心；当地已签约 89 个数据中心项目、总投资超 5000 亿元。
为何值得关注：500 亿融资后的第一笔重资产投向明确指向"算力自主"，1 吉瓦级体量是训练/服务旗舰模型的基础设施保障，也呼应 V4-Pro 彼时"下半年昇腾 950 超节点批量上市后 Pro 价格大幅下调"的官方预期。
来源：中国新闻网 / 腾讯新闻（2026-08-30）。时效：当日（8/30）。置信度：✅ 已确认（媒体报道）。

D4 · DeepSeek 云端涨价后实战效果仍优于 Qwen 27B

内容：CTO 范凯 8/30 发布评测视频称，在跑分近乎打平的两模型中，DeepSeek 云端涨价后实战效果仍优于当下火热的 Qwen 27B。
为何值得关注：这是"涨价后是否还值"的第三方实测视角——若实战体验仍领先同档开源模型，说明 DeepSeek 的溢价有其工程/效果支撑，而非纯品牌定价。
来源：CTO 范凯评测视频 / 腾讯新闻（2026-08-30）。时效：当日（8/30）。置信度：🟡 大概率属实（单来源评测，结论待更多独立复现）。

D5 · 6 月获 500 亿融资 + 足球赛事预测应用露出

内容：懂球帝 8/30 发布四大 AI 预测系列，DeepSeek 在多场比赛中给出与多数 AI 不同的平局/客胜判断，引发"AI 预测"话题；其 6 月获 500 亿元融资的背景被多家媒体重提。
为何值得关注：模型能力以"赛事预测"这种大众可感知的方式出圈，是 DeepSeek 品牌从开发者圈层向普通用户渗透的信号；但预测类应用置信度低，仅作存在性记录。
来源：懂球帝 / 腾讯新闻（2026-08-30）。时效：当日（8/30）。置信度：✅ 已确认（融资事实）/ 🟡 大概率属实（应用为媒体话题）。

D6 · 国内新规针对 DeepSeek 等 AI 企业，监管走势引关注

内容：亿欧网 AI 产业日报 8/30 提及，新规针对月之暗面、DeepSeek 等中国 AI 企业，旨在遏制中国 AI 发展；同日国内正推进"人工智能+"与算力建设。
为何值得关注：这是 DeepSeek 面临的外部不确定性之一——商业与技术高歌猛进的同时，监管与地缘约束正在收紧，可能影响后续模型供给与出海节奏。
来源：亿欧网（2026-08-30）。时效：当日（8/30）。置信度：🟡 大概率属实（媒体口径，细则以官方发布为准）。

三、今日 15 条精选

甲组 · AI Coding（8 条）

1. OpenAI 新模型 Astra 内测曝光：零样本生成 3D 地图与交互网页

事件：腾讯研究院 8/31 AI 速递披露，OpenAI 扩大新模型 Astra（代号 mozaik-alpha-fdm）内测。开发者实测 Max 模式下零样本一次生成 3D 等距地图与交互网页；核心突破包括端到端多智能体编排、超长程任务保持、持久化推理与即时自我纠错，生成中可反复验证并保持设计语言一致。预计 9 月初（约 9/3） 前后正式发布，与同期升级的 Fable 5.1 正面竞争，并可能在 API 调用成本上继续下压。社区信源「黑鸦Heya」字幕交叉印证了 ASTRA 的早期访问机制与发布窗口。
为何值得关注：这是编程/Agent 模型从"补全代码"迈向"直接产出可运行前端产物"的关键一跳——若零样本 3D 地图与交互网页属实，前端原型、内部工具、可视化看板的生成成本将再降一个数量级。与 Fable 5.1 的同档竞争，意味着下半年旗舰模型的主战场是"产物级生成 + 长程自纠错"而非单纯跑分。
来源：腾讯研究院 AI 速递 20260831 / B 站 UP 主「黑鸦Heya」字幕（ASTRA 增量）。时效：当日。置信度：🟡 大概率属实（媒体披露 + 社区口播印证，官方未正式发布，9/3 窗口为推测）。

2. OpenAI 终止向 Cursor 供应模型，11/12 起生效（SpaceX 收购交割触发）

事件：腾讯研究院 8/31 确认，SpaceX 以 600 亿美元收购 Cursor 母公司 Anysphere 并完成交割；15 天后 OpenAI 启动"控制权变更"条款宣布终止直接供模，新模型（含 Astra）都不再提供，缓冲期后开发者只能自带 API Key 使用。此前 Anthropic 也曾对拟被 OpenAI 收购的 Windsurf 限流。
为何值得关注：这是 AI Coding 工具链第一次因资本控制权变更而被上游模型商切断供给，且底层模型 API 的"中立性"正被上下游竞争关系取代。影响最大的不是聊天补全，而是 Tab 补全与 Cloud Agents 这类深度集成能力——它们绑定特定模型的低延迟推理，换模型不是改个参数。Anthropic 联创此前表态加注 Cursor 算力，意味着 Cursor 会被动向 Claude 系倾斜，编程模型市场格局出现实质位移。
来源：腾讯研究院 AI 速递 20260831 / OpenAI 公告 / 此前 Cursor 官方回应。时效：本周（截止 11/12）。置信度：✅ 已确认。

3. Claude Code 桌面端打通终端会话：/resume 跨端续接 + /rewind 回退

事件：Anthropic 为 Claude Code 桌面端新增 /resume 命令，可恢复此前在终端开启的历史会话，对话记录与上下文一并迁移；与终端原有的 /desktop 命令形成双向通道，恢复后仍支持 /rewind 检查点回退，跨端接手不会破坏此前进度。同月还上线额度恢复自动续跑、修复会话标题丢失等问题（目前桌面端新建会话尚无法回传终端）。
为何值得关注：这是把"会话"从单一入口变成可在桌面/终端间无缝迁徙的一等公民，对长程开发任务的连续性价值很高——开发者可以在终端里开任务、在桌面复盘、再回终端续跑，且能回退到检查点。Agent 工作流的"状态可携带性"正在成为 IDE 级竞争点。
来源：腾讯研究院 AI 速递 20260831 / Anthropic 官方。时效：近 2 日。置信度：✅ 已确认。

4. 大厂 Agent 组织变阵：Agent 站上 C 位

事件：北京日报 8/31 报道，过去一个月国内大厂围绕 Agent 密集组织变阵——百度智能云将 Agent 业务升格为与基础设施、行业应用平级的事业部；阿里整合"千问办公"、字节将 TRAE/扣子并入豆包工作、腾讯把 QClaw 调整至 WorkBuddy 体系。分析认为大厂正把 Agent 从模型附属品推向前台，主动配置资源抢赛道。
为何值得关注：组织层级调整是战略优先级的最硬信号。当 Agent 与"基础设施"平级，意味着资源分配、KPI、商业化路径都围绕 Agent 重构，而非把 Agent 当作模型的某个功能。这对 AI Coding 工具链的采购与生态位有中长期影响。
来源：北京日报客户端（2026-08-31）。时效：当日。置信度：✅ 已确认。

5. OpenRouter 被 Stripe 以 75 亿美元收购：模型中立路由成战略资产

事件：headsupai 报道，OpenRouter（AI 模型市场与网关，日处理超 10 万亿 token、覆盖 400 模型）加入 Stripe，交易估值约 75 亿美元（三个月前估值的 5 倍）。公司将继续以当前名称与路线图运营，承诺保持中立、多模型路由。
为何值得关注：OpenRouter 的"模型无关路由"被 Stripe 以 5 倍溢价拿下，说明在数百模型混战的市场里，"帮开发者导航模型复杂度"本身就是战略资产。对 AI Coding 用户，这意味着路由层（含 Ox Alpha 这类免费 stealth 模型）的资本与合规背景会显著变化，BYOK 工作流的稳定性值得跟踪。
来源：headsupai / 多家媒体。时效：本周。置信度：✅ 已确认。

6. 阿里 Qwen3.8-Flash 把 API 压至 1 元/百万 Token

事件：8/26 晚阿里发布 Qwen3.8-Flash，多项基准超越 Claude Opus 4.6 与 DeepSeek-V4-Flash；API 定价仅输入 1 元、输出 3 元/百万 Token，最低为 DeepSeek-V4-Flash 高峰时段价格的三分之一，训练成本仅需前代九分之一。
为何值得关注：在 GLM-5.3-Flash（$0.19/M，约 Opus 4.8 的 1/40）之后，Qwen3.8-Flash 把国产开源价格锚点再拉低一档。对批量代码生成、CI 内嵌审查等成本敏感场景，国产开源模型的"能力够用 + 价格极低"组合正在把闭源溢价的合理区间压缩到长程复杂 Agent 任务。
来源：第一新声 / 阿里官方（2026-08-26）。时效：近 2 日。置信度：✅ 已确认。

7. 8 月 31 日"模型与价格大日"：Sonnet 5 重定价 + GPT-5.4/Kimi K2.5 退役 + Copilot 下线 6 款

事件：多个截止日在 8/31 同时落地：① Claude Sonnet 5 重定价——输入 $2→$3/M、输出 $10→$15/M，且 tokenizer 变化使代码 token 增加 10%~35%；② GPT-5.4 与 GPT-5.4 mini 离开 Codex（ChatGPT 登录用户），仍可通过 API Key 使用；③ Kimi K2.5 / moonshot-v1 退役，迁移至 Kimi K3；④ GitHub Copilot 同日下线 6 款模型（Gemini 3.1 Pro、Claude Opus 4.5/4.6、Claude Sonnet 4.5/4.6、Raptor mini）。
为何值得关注：两个方向相反的动作在同一天发生——一边是 Anthropic/OpenAI 对存量模型涨价与迁移，一边是 Kimi/DeepSeek/GLM 把开源价格持续下压。跨模型工作负载的成本结构正在被重新定价，企业采购方需要同时处理"重定价"与"迁移"两套动作。
来源：aitoolsrecap / GitHub Changelog / 各厂商官方（2026-08-31）。时效：当日（截止 8/31）。置信度：✅ 已确认。

8. 蚂蚁 Agentar 生态版：把服务"Skill 化"

事件：8/30 蚂蚁数科推出 AI 智能体平台 Agentar 生态版，商家一句"我要接入阿宝"即可将原有小程序等服务转为标准 Skill，一键发布覆盖手机、车机等多终端；平台已沉淀 200 多个商家 Skill，并提供"AI 店长"做目标规划与多能力调度。
为何值得关注：这是 Agent 生态从"对话"走向"服务可调用"的关键一步——把存量小程序/服务封装成标准 Skill，等于把商家既有能力直接变成 Agent 可编排的工具。与社区口播提到的"用于评估和改进其他 Skill 的 Skill"（Skill 治理元工具层）相互印证，Skill 生态正在从"多"走向"可治理、可组合"。
来源：央视社教（2026-08-30）。时效：近 2 日。置信度：✅ 已确认。

乙组 · 具身智能（7 条）

9. 小鹏机器人首轮融资超 9 亿美元，63 亿美元估值，刷新国内纪录

事件：小鹏集团宣布旗下人形机器人业务完成首轮股权融资，金额超 9 亿美元，投后估值超 63 亿美元，刷新中国具身智能行业单轮私募股权融资纪录。IDG 资本领投，高榕创投参投，腾讯与阿里巴巴双双作为战略投资者进入。接近小鹏人士称，2026 年四季度量产爬坡规划为每月 200 台、后续增至每月 500–1000 台，目前小批量试产约 250 台。IRON 全身 76 个自由度（单手 21 个），搭载 3 颗自研图灵 AI 芯片、合计 2250 TOPS 有效算力，计划 2026 年底进入量产。
为何值得关注：创始人自掏约 1 亿美元 + 腾讯阿里同入一家 + 端侧 2250 TOPS 跑基座模型的路线，是对"年底量产"最硬的背书，也绕开云端延迟瓶颈。月产 200→1000 台的爬坡规划是本期唯一给出明确产能节奏的头部整机厂。
来源：小鹏集团公告 / 《财经》/ 融中财经（2026-08-24 起持续）。时效：本周。置信度：✅ 已确认。

10. 优必选 2026 上半年营收 12.69 亿，人形机器人销量 921 台

事件：优必选 8/28 公布 2026 年上半年业绩：营业收入 12.69 亿元（同比 +104.1%），毛利 5.67 亿元（+160.9%），净亏损 3.39 亿元（收窄 23%）。其中全尺寸具身智能人形机器人产品及解决方案收入 5.9 亿元（同比 +1445%），销量 921 台。
为何值得关注：这是具身智能"商业化兑现"最硬的一组分位数——收入增速（1445%）远超销量（921 台），说明单机均价与解决方案附加值在抬升，行业正从"展台演示"走向"真实交付"。对比宇树上市后的市值回撤，优必选用营收增长讲了一个不同的故事。
来源：优必选 2026 半年报（2026-08-28）。时效：近 2 日。置信度：✅ 已确认（上市公司披露）。

11. 宇树上市 4 天市值蒸发约 2000 亿，被 Figure 反超

事件：宇树科技（688836.SH）8/19 科创板上市，首日市值一度冲破 4400 亿元；随后连续回调，收报约 602.80 元、市值约 2438 亿元，四个交易日蒸发近 2000 亿元，市盈率 TTM 仍高达 417 倍。海外独角兽 Figure AI 以约 390 亿美元（约 2691 亿元）市值实现反超。宇树上半年扣非净利润 2.44 亿元、同比下滑 19.34%。
为何值得关注：同一赛道里"融资纪录（小鹏）"与"市值蒸发（宇树）"同日上演，市场没有抛弃赛道，而是在给"估值 vs 交付"重新定价。Figure 凭"机器人即服务（RaaS）按小时收费"的 SaaS 逻辑登顶全球市值第一，提示估值锚正在从"出货量"转向"可续费的服务收入"。
来源：东方财富 / 投资界 / 网易财经（2026-08-28 起）。时效：本周。置信度：✅ 已确认。

12. Figure 推出 Index 数据集（1600 万段视频），预告消费级 Home Robot

事件：Figure CEO Brett Adcock 8/25–8/27 宣布正式推出 Index 数据集，目前包含超 1600 万段真实世界视频，覆盖家庭、物流、餐饮、工业等室内外多类任务场景，直接服务于 Figure Helix 具身智能模型训练。同期预告 8/27 发布面向消费级的 "Home Robot"，F.03 机型已实现 16 小时续航。
为何值得关注：真实世界数据采集规模化是具身智能的"燃料瓶颈"。1600 万段第一视角操作视频的体量，意味着头部公司正把数据获取变成可规模化的工程能力，而非依赖实验室遥操。消费级 Home Robot 的预告则把竞争从 B 端工厂拉向 C 端家庭。
来源：Figure 官方 / X / 多家媒体（2026-08-25 起）。时效：本周。置信度：🟡 大概率属实（数据集与预告为官方，Home Robot 具体规格待发布）。

13. 智元携手长隆打造全球首个具身智能主题乐园，出货 9700 台登顶全球

事件：8/23 智元（AGIBOT）与长隆集团签署战略合作，共同打造全球首个具身智能主题乐园（沉浸式机器人主题乐园、机器人马戏秀、机器人服务酒店等）。Counterpoint 报告显示，2026 上半年全球人形机器人出货超 2.2 万台（同比 +近 300%），前五均为中国企业（合计 86%）——智元 9700 台（43%）第一、宇树 7000+ 台（31%）第二；智元正冲刺港股 IPO，目标估值 400–500 亿港元。
为何值得关注："文旅 + 具身"是把机器人从工厂搬到高频人流场景的商业化探索，且智元以 9700 台登顶全球出货，标志中国整机厂从"研发态"进入"部署态"。但乐园属展示型场景，真实收入质量仍需观察。
来源：智元官方 / Counterpoint Research / 福布斯（2026-08-23 起）。时效：本周。置信度：✅ 已确认（出货与合作为官方/机构口径）。

14. Anthropic Model Hardware Standard：让 AI 操控实体设备

事件：Anthropic 8/27 开放 Model Hardware Standard 研究预览，让 AI 智能体安全操作显微镜、机械臂等物理设备，硬件集成时间从数周缩至数小时；与模型无关、可经 MCP 等标准协议调用。
为何值得关注：这是 AI Coding 与具身智能的交叉点——把"模型指挥硬件"标准化为可经 MCP 调用的接口，意味着软件侧的 Agent 能力可以直接外溢到物理世界。对具身智能公司是利好（省去自研硬件适配层），但也意味着模型厂的触角伸向了"大脑→身体"的最后一段。
来源：Anthropic 官方 / suncoastais（2026-08-27）。时效：近 2 日。置信度：✅ 已确认（研究预览，细节待落地）。

15. 灵巧手价格战：均价从 5 万降至万元以内，触觉成量产标配

事件：中国工业报深度报道，2025 年中国灵巧手市场销量约 1.92 万只，2026 年预计达 7.02 万只，2030 年有望突破 43 万只；市场均价已从前年 5 万元/只降至万元以内。因时机器人 2025 年出货 1 万台（超此前 7 年总和），发布 1:1 仿人灵巧手（22–24 自由度）；星际光年推出自重仅 290 克、握力超 500N 的"驱手分离"绳驱方案；2026 上半年灵巧手赛道融资已突破 250 亿元（超 2025 全年）；福莱新材获灵心巧手、中科硅纪合计 30 万套触觉传感器框架订单。
为何值得关注：灵巧手是具身智能"最后一层接触物理世界"的硬件，均价降到万元内 + 触觉传感器 30 万套订单，说明零部件正从"高端选配"变成"量产标配"。降本曲线一旦跑通，整机的商业化门槛会显著下降——这是比单台融资更底层的产业信号。
来源：中国工业报 / 舜网（2026 年 8 月）。时效：本周。置信度：✅ 已确认（行业销量/融资数据）。

四、社区快讯（待验证 / 低置信度）

以下条目来自社区讨论或单一信源，尚未获得官方或多方核验，仅作趋势参考，不建议作为决策依据。

#	内容	来源类型	时效	置信度
Q1	OpenAI Astra 发布窗口约 9/3 为媒体推测，官方未官宣，具体能力以正式发布为准	媒体披露 + 社区口播，官方未确认	当日	🔴 待验证
Q2	美国拟出台远程算力出口管制草案，DeepSeek 被列为目标之一	媒体报道，草案未定稿	本周	🔴 待验证
Q3	Anthropic 二季度营收约 115 亿美元，反超 OpenAI	财经媒体，双方均未正式披露	本周	🔴 待验证
Q4	Kimi 冲刺港股 IPO	财经媒体	本周	🟡 大概率属实
Q5	长鑫 LPDDR6 进入量产	产业链消息	本周	🟡 大概率属实
Q6	1X Technologies 洽谈新一轮融资，估值目标约 100 亿美元（海外传闻）	海外行业媒体，以官方确认为准	本周	🔴 待验证

另有社区口播提到"某厂商推出用于评估和改进其他 Skill 的 Skill"（见 1.1 第 5 条），指向 Agent Skill 生态的"元工具"层开始形成，但具体产品与厂商未获核验，暂不单列。

五、截至今日 AI 多项能力评分表（三口径交叉验证）

三个口径的方法论差异很大，不可直接横向比较分值，只能各自看排序：

口径 A · LiveBench：抗污染动态基准，题目定期轮换。本表由今日拉取的原始 CSV（49 个模型 × 23 个子任务）本地聚合而成——官方 CSV 只提供子任务原始分，七大类与总分按官方大类映射自行计算（映射规则见第十章）。
口径 B · Artificial Analysis：智能指数 v4.1.1，多基准加权合成，附吞吐 / 延迟 / 每任务成本。
口径 C · llm-stats：覆盖 362 个模型，侧重综合分 + 混合价格 + 吞吐。混合价 = (输入价 × 3 + 输出价) / 4。

5.1 口径 A · LiveBench 聚合榜（Top 20 / 共 49 款，本地计算）

#	模型	综合	推理	编程	Agent编程	数学	数据分析	语言	指令跟随
1	claude-fable-5-max	83.0	91.2	86.0	62.2	95.6	81.4	89.0	75.8
2	gpt-5.6-sol-max	81.0	92.8	83.9	56.2	94.9	77.8	89.5	71.8
3	claude-opus-5-max	80.3	89.9	81.4	65.2	95.3	79.4	87.0	63.8
4	gpt-5.5-xhigh	80.2	91.1	82.1	54.0	94.8	81.3	87.0	70.7
5	smaug-agentic	79.9	83.9	82.5	64.6	94.6	77.1	85.5	71.0
6	kimi-k3	79.6	84.4	81.4	62.2	94.6	76.8	86.3	71.4
7	gemini-3.7-flash-high	79.5	83.3	78.9	58.3	95.3	77.8	83.2	79.9
8	qwen3.8-max	78.2	86.8	72.9	64.6	94.7	78.0	76.5	74.1
9	grok-4.6	78.2	87.5	76.8	57.0	95.1	75.8	83.5	71.9
10	gpt-5.4-xhigh	77.9	88.6	77.5	53.8	94.5	77.9	83.0	70.2
11	muse-spark-1.2-xhigh	77.7	88.9	77.5	57.6	91.3	73.6	80.9	74.3
12	gpt-5.6-terra-max	77.7	90.9	78.2	54.9	94.9	78.8	81.3	64.6
13	gemini-3.1-pro-preview	77.5	83.2	76.5	44.1	95.4	77.5	87.1	79.1
14	deepseek-v4-pro-0813	77.4	87.9	77.2	54.9	95.4	76.5	82.1	67.7
15	claude-opus-4-8-max	76.9	83.1	81.8	50.5	96.1	74.4	80.5	72.0
16	deepseek-v4-flash-vision-exp	76.7	84.6	68.2	65.1	91.7	77.5	78.5	71.0
17	glm-5.3	76.6	80.8	79.0	60.9	94.2	74.1	77.8	69.3
18	qwen3.8-flash-next	76.4	80.7	72.6	61.6	94.8	75.0	73.0	77.1
19	claude-opus-4-7-xhigh	76.3	87.0	82.1	50.7	95.8	75.1	76.9	66.7
20	grok-4.5	76.2	83.7	68.6	56.5	95.1	75.9	82.2	71.5

编程类单项拔尖（不看总分）：claude-fable-5-max 编程 86.0 为全场最高；gpt-5.6-luna-max 与 gpt-5.2-codex 编程分分别为 82.9 / 83.6，但总分被指令跟随拖到 32、29 位——编程专精模型在综合榜上会显得吃亏，选型时应看单项。

Agent 编程是全场最弱环节：49 款模型里最高仅 claude-opus-5-max 的 65.2，中位数约 54，grok-4.3 低至 18.5。这一列的绝对水平远低于其他六类，说明多语言 Agent 化编程仍是明确的能力洼地。值得注意：deepseek-v4-flash-vision-exp（#16）的 Agent 编程达 65.1，是多模态模型中罕见的 Agent 编程高分，呼应第二章 D2 的"多模态 + Agent"路线。

展开：GLM-5.3-Flash / 开源模型在 LiveBench 的位置

#	模型	综合	编程	Agent编程	备注
14	deepseek-v4-pro-0813	77.4	77.2	54.9	开源最高
17	glm-5.3	76.6	79.0	60.9	开源第一梯队
18	qwen3.8-flash-next	76.4	72.6	61.6	开源
23	qwen3.8-27b	75.5	75.7	61.4	开源小尺寸
36	glm-5.3-flash	72.3	79.0	56.8	编程 79.0 与 GLM-5.3 持平，价格仅 $0.19
37	deepseek-v4-pro	72.0	70.0	42.6	前代
40	kimi-k2.7-code	69.9	74.0	45.7	编程特化

关键发现：glm-5.3-flash 的编程分 79.0 与旗舰 glm-5.3 完全持平，总分差距主要来自指令跟随（52.8 vs 69.3）与推理。若任务是纯编程且 prompt 结构稳定，Flash 版是极高性价比的选择。

5.2 口径 B · Artificial Analysis 智能指数（Top 24 / 共 250+ 款）

#	模型	厂商	智能指数	吞吐(t/s)	首字延迟(s)	每任务成本
1	Claude Opus 5 (max)	Anthropic	63	56	59.51	$2.34
1	Claude Opus 5 (xhigh)	Anthropic	63	54	26.68	$1.80
3	Claude Fable 5	Anthropic	62	62	92.73	$3.14
4	Claude Opus 5 (high)	Anthropic	61	54	20.31	$1.23
4	GPT-5.6 Sol (max)	OpenAI	61	75	153.94	$0.95
4	Grok 4.6 (high)	SpaceXAI	61	59	42.59	$0.94
7	Grok 4.6 (xhigh)	SpaceXAI	60	58	39.75	$1.23
7	Kimi K3 (max)	Kimi	60	39	4.03	$0.84
7	GLM-5.3 (max)	Z AI	60	67	1.63	$0.68
10	GPT-5.6 Sol (xhigh)	OpenAI	59	79	52.39	$0.63
10	Grok 4.6 (medium)	SpaceXAI	59	59	33.90	$0.78
10	Claude Opus 5 (medium)	Anthropic	59	52	4.19	$0.72
13	Qwen3.8 Max	Alibaba	58	25	2.57	$0.91
13	Qwen3.8 2.4T A95B	Alibaba	58	28	2.54	$0.81
15	GLM-5.3-Flash	Z AI	57	49	1.50	$0.09
15	GPT-5.6 Sol (high)	OpenAI	57	73	20.01	$0.43
15	Muse Spark 1.2 (xhigh)	Meta	57	—	—	$0.40
15	GPT-5.6 Terra (max)	OpenAI	57	110	143.38	$0.53
19	Gemini 3.7 Flash (high)	Google	56	330	9.35	$0.40
19	Qwen3.8-Flash-Next	Alibaba	56	80	2.79	$0.10
19	Grok 4.5 (high)	SpaceXAI	56	53	14.51	$0.43
23	Claude Sonnet 5 (max)	Anthropic	55	86	207.94	$1.72
24	DeepSeek V4 Pro 0813 (max)	DeepSeek	53	72	1.62	$0.27
24	Gemini 3.7 Flash (medium)	Google	53	332	4.71	$0.26

三个值得注意的读数：

GLM-5.3 以 60 分并列第 7，是开源模型最高位，且首字延迟仅 1.63 秒——在同档模型里延迟优势巨大（Claude Opus 5 max 为 59.51 秒，GPT-5.6 Sol max 为 153.94 秒）。
GLM-5.3-Flash 57 分 / 每任务 $0.09，与 GPT-5.6 Sol (high) 同分但成本约为其 1/5。
国产模型延迟集体占优：GLM 系 1.5–1.6 秒、DeepSeek 系 1.28–1.65 秒、Qwen 系 2.5–2.8 秒，而 Claude / GPT 顶配档普遍在数十秒到 200 秒量级（高 effort 档位的思考开销）。交互式编程场景延迟权重远高于分数，这一列不该被忽略。

5.3 口径 C · llm-stats 综合分 + 混合价（Top 15 / 共 362 款）

#	模型	综合分	混合价/M	吞吐	开源	标记
1	GPT-5.6 Sol	57.2	$7.78	90 c/s	—
2	Claude Opus 5	56.2	$7.22	66 c/s	—
3	Claude Mythos Preview	55.9	—	—	—	未发布
4	Claude Fable 5	55.9	$14.44	107 c/s	—	最贵
5	Kimi K3	54.7	$4.33	80 c/s	✅
6	GLM-5.3	54.2	$1.73	69 c/s	✅
7	DeepSeek-V4-Pro-0813	54.1	$0.48	124 c/s	✅	吞吐最高
8	Qwen3.8 Max	53.0	$2.02	63 c/s	—
9	GPT-5.6 Terra	52.6	$3.11	117 c/s	—
10	Claude Opus 4.8	51.7	$7.22	57 c/s	—
11	GLM-5.3-Flash	51.6	$0.19	—	✅	NEW
12	Muse Spark 1.1	51.0	$1.58	140 c/s	—
13	Gemini 3.7 Flash	50.9	$1.08	158 c/s	—
14	Qwen3.8-Flash-Next	50.5	—	—	✅	NEW
15	Claude Sonnet 5	49.3	$2.89	80 c/s	—

前 15 名中开源模型占 5 席（Kimi K3、GLM-5.3、DeepSeek-V4-Pro-0813、GLM-5.3-Flash、Qwen3.8-Flash-Next），且这 5 席全部由中国团队贡献。

5.4 性价比表（Price vs Performance）

计算方式：LiveBench 聚合总分 ÷ llm-stats 混合价（$/M token）。数值越高越划算；末列为归一化占比（以榜首为 100%）。

GLM-5.3-Flash

380.5

72.3 / $0.19

DeepSeek-V4-Pro-0813

161.3

77.4 / $0.48

Gemini 3.7 Flash

73.6

79.5 / $1.08

Muse Spark 1.1

47.7

75.4 / $1.58

GLM-5.3

44.3

76.6 / $1.73

Qwen3.8 Max

38.7

78.2 / $2.02

Claude Sonnet 5

26.3

75.9 / $2.89

GPT-5.6 Terra

25.0

77.7 / $3.11

Kimi K3

18.4

79.6 / $4.33

Claude Opus 5

11.1

80.3 / $7.22

GPT-5.6 Sol

10.4

81.0 / $7.78

Claude Fable 5

5.7

83.0 / $14.44

结论：

能力差 13%，价格差 76 倍。 榜首 GLM-5.3-Flash（72.3 分）与榜尾 Claude Fable 5（83.0 分）能力差距仅 10.7 分（约 13%），但价格差 76 倍，性价比差 67 倍。
$0.19 与 $0.48 两档是本期性价比断层区。GLM-5.3-Flash 与 DeepSeek-V4-Pro-0813 的性价比分别是第 3 名的 5.2 倍和 2.2 倍，二者与后续形成明显断层。
选型建议：批量代码生成、CI 内嵌审查、大规模离线重构等吞吐敏感 / 成本敏感任务，应优先考虑 GLM-5.3-Flash（编程分 79.0，与旗舰持平）或 DeepSeek-V4-Pro-0813（吞吐 124 c/s，全场最高）。只有在长程复杂 Agent 任务（Agent 编程列 60+ 才有意义）上，才值得付 Opus 5 / Fable 5 的溢价。

六、GitHub 当日趋势榜（开源生态风向标）

6.1 日榜要点（2026-08-31）

位次	项目	Star 量级	方向
#4	openclaw	388.1k	Agent 运行时
#6	obra/superpowers	279.7k	AI Skill 生态
#8	affaan-m/ECC	244.7k	Agent harness
#9	NousResearch/hermes-agent	238.5k	Agent 框架
#11	deepseek-ai/deepseek-harness	204.7k	DeepSeek Agent 框架（"Everything is a Plugin"）
#13	anomalyco/opencode	202.6k	编程 Agent

6.2 周榜要点

位次	项目	方向
#4	openclaw	Agent 运行时
#8	obra/superpowers	AI Skill 生态

6.3 解读

日榜前 15 位里有 6 个是 Agent 基础设施项目（openclaw、ECC、hermes-agent、opencode，加上 Skill 生态的 superpowers，以及本期新晋冲入 #11 的 deepseek-ai/deepseek-harness），这个密度是近期最高的。三点观察：

热度重心从"模型"转向"跑模型的壳"。榜单上没有模型仓库占据高位，占位的全是 harness、运行时、Skill 管理这类中间层——这与第三章第 8 条（蚂蚁 Agentar 把服务 Skill 化）指向同一件事：Agent 执行层正在标准化，成为独立的竞争战场。
Skill 生态出现"元工具"层。obra/superpowers 以 279.7k star 稳居日榜第 6、周榜第 8，配合社区口播提到的"用于评估和改进其他 Skill 的 Skill"，说明 Skill 已经多到需要工具来治理 Skill 本身。
deepseek-harness 新晋日榜 #11（204.7k），是本期最大变量之一——DeepSeek 用"一切皆插件"的 Harness 工程化切入 Agent 执行层，与第二章 D1 形成"模型 + Harness = Agent"的闭环叙事；openclaw 日榜 #4 / 周榜 #4，是唯一双榜高位项目，388k star 量级，热度具备持续性。

来源：GitHub Search API 实时抓取（日榜 / 周榜双周期，2026-08-31）。时效：当日。置信度：✅ 已确认（Star 量级为抓取时快照，随时变动）。

八、AI 社会效益（对社会运行与公共福祉的影响）

8.1 具身智能进入消费补贴目录：江苏首次将机器人纳入以旧换新

8 月 28 日江苏省发改委、财政厅、商务厅联合发布通告，具身智能机器人（含人形机器人、外骨骼助力机器人、机器狗）首次被纳入消费品以旧换新补贴范围，补贴品类从原有智能家居扩展为十大类智能产品。消费者在享受商家优惠后，政府按最终销售价格 15% 给予补贴，每人每细分品类可补 1 件，每件不超过 1500 元。政策自 8 月 29 日实施至 2026 年 12 月 31 日，限额管理、用完即止；新增商品须有统一国标 13 位商品编码。

意义：这是具身智能第一次以"消费品"身份进入公共财政补贴目录，标志其从产业投资标的转向家庭可购商品。江苏是全国首个推出地方自主品类补贴的省份，示范效应值得跟踪。

来源：江苏省三部门联合通告 / 新华日报。时效：本周（8/29 生效）。置信度：✅ 已确认。

8.2 养老照护成为具身智能最明确的社会需求出口

2026 数博会上，上海理工大学机器智能研究院执行院长、卓益得机器人创始人李清都表示，研发仿生机器人的初衷就是聚焦"近人服务"、重点做好养老照护，并给出务实路径：养老机器人可先切入下棋、健康监测等高成功率场景来释放护工精力，而非一上来就做全流程照护。他同时提出机器人进家庭必须守好三道安全关——物理防伤人、信息防泄露、AI 触觉防损，并强调关键是建立人与机器人之间的信任关系而非急于追求销量。

意义：把"高成功率场景优先"和"三道安全关"讲清楚，比宣传参数更有公共价值。老龄化是具身智能最刚性的社会需求，但也是容错率最低的场景。

来源：2026 中国国际大数据产业博览会 / 澳门日报（中新社）。时效：本周。置信度：✅ 已确认。

8.3 情感陪伴机器人进入家庭引发伦理关注，监管已划定红线

优必选情感陪伴机器人已售出 1.3 万台并走进家庭，引发伦理担忧。网信办等五部门出台《人工智能拟人化互动服务管理暂行办法》划定红线，企业正参与伦理标准制定；违规出海欧盟最高可罚 3500 万欧元。律师建议企业做好内部审查与隐私数据本地化。

意义：拟人化交互是 AI 与社会摩擦最直接的界面。监管在装机量刚过万台时就介入，节奏上快于多数技术周期。

来源：网信办等五部门规章 / 行业报道。时效：本周。置信度：🟡 大概率属实（办法已出台，罚则口径为报道引述）。

8.4 高危场景替代人工，是具身智能当下最扎实的社会价值

数博会现场展示的场景很具代表性：南方电网机器狗负重 200 公斤、爬坡 60 度，替代人工进入高危复杂环境作业；四足巡检机器人自主上下楼梯、穿越障碍；具身智能白酒检测机器人数秒完成基酒液位高精度计量。此外云深处、宇树等企业的四足与轮腿机器人已参与灾害侦察与物资投送，应急管理部出台指导意见并设立 6 个攻关方向——但受限于环境适应性、硬件短板与高成本，尚未大规模普及，距离像无人机一样成为救灾标配还需完善标准与生态。

意义：相比家庭陪伴，高危环境替代的社会效益更明确、伦理争议更小、付费方更清晰。这是当前最不需要讲故事的落地方向。

来源：2026 数博会 / 应急管理部指导意见 / 澳门日报。时效：本周。置信度：✅ 已确认。

8.5 训练数据合规指引发布，为数据供给立规

《人工智能训练数据合规使用指引》发布，为训练数据的来源、授权与使用边界提供操作依据。结合第三章第 15 条提到的"实验室遥操转真实场景遥操"趋势——真实场景采集会大量涉及第一视角行为数据与场所信息，合规框架的及时到位直接决定这条数据路线能不能走通。

来源：相关主管部门发布。时效：本周。置信度：🟡 大概率属实（指引已发布，细则适用范围待实践检验）。

8.6 AI 进课堂：教育科研社会效益的新增量

Anthropic 推出 Claude for Teachers / Claude for Education，并发布教育场景专用连接与校园项目；OpenAI 同步将 ChatGPT for Teachers 推广至 55 个美国学区、覆盖超 10 万名教育者。与此同时 Anthropic 设立 500 万美元基金资助 AI 对使用者幸福感影响的独立研究，并发布 Anthropic Economic Index 追踪 AI 在各类职业任务中的真实渗透。

意义：教育是从"消费级玩具"到"生产性基础设施"的关键入口。当头部模型厂同时把教师端工具、校园覆盖、影响研究三件事打包推进，AI 对人力资本的长期塑造开始有可观测指标。但"AI 依赖导致认知外包"的副作用也需同步研究。

来源：Anthropic 官方 / OpenAI 官方 / suncoastais（2026-08 下旬）。时效：本周。置信度：✅ 已确认（官方发布）。

九、AI 经济效益（产业价值与资本动向）

9.1 具身智能上半年融资 934.74 亿元，同比 5 倍，但资本已开始挤泡沫

正面数据：2026 上半年国内具身智能融资 934.74 亿元（同比 +5 倍），融资事件 322 笔（同比 +137%）；7 月工业机器人产量增长 30.2%；全球人形机器人上半年出货 2.2 万台，智元以 9700 台居首。

反向信号：受限于泛化能力不足与量产成本，宇树等头部企业股价回落（上市 4 天市值蒸发约 2000 亿），行业正从概念炒作转向真实场景落地——资本市场正在挤出泡沫，企业得先搞定专用场景再谈通用。

判断：融资额与出货量同步高增，说明这一轮不是纯故事驱动；但股价回落与估值重定价同时出现，意味着估值已经跑在交付能力前面。观察指标应从"融了多少"转向"单台交付成本与真实场景成功率"。

来源：IT 桔子 / 行业出货统计 / 深圳特区报 / 东方财富。时效：本周。置信度：✅ 已确认。

9.2 机器人企业"一边融资一边投资"，抢的是"数据喂模型、模型控本体"闭环

机器人主机厂亲自下场投资已成行业普遍现象，数据与模型是重点投资赛道。智元已投资至少 10 家具身智能产业链企业，覆盖核心零部件、具身全模态世界模型、场景化解决方案。深圳的乐聚、众擎、智平方均在加速对外投资——乐聚投了人形机器人基础模型公司德塔智能、具身智能模型研发商旋玑智能，以及灵巧手、关节等核心部件企业，加上物流、商服场景伙伴。

判断：专家观点是谁先建成"数据喂模型、模型控本体"的生态闭环，谁就在未来的成本战和溢价战中掌握定价权。成长期企业就开始产业链整合，反映的是竞争烈度而非财力充裕。

来源：深圳特区报 / 企业公开表态。时效：本周。置信度：✅ 已确认。

9.3 车企集体跨界：小鹏领跑，蔚来、零跑、广汽、一汽跟进

小鹏机器人 9 亿美元首轮融资、63 亿美元估值领跑；奇瑞旗下机器人业务 AiMOGA 据报道正在准备 IPO；比亚迪已发布人形机器人"小迪"；长安、广汽、理想、上汽、赛力斯均在探索人形机器人；蔚来投资具身智能公司（任少卿创立的物理 AI 基础模型公司，估值独角兽级），零跑确认布局机器人业务，中国一汽将突破具身智能机器人技术列为十大重点技术任务之一。

判断：车企的优势是硬件与规模化量产，短板是 AI 侧。小鹏用 3 颗自研图灵芯片 + 端侧基座模型的路线，是目前车企阵营里对 AI 侧押注最重的一家；而蔚来以"基础模型公司"切入，则说明车企的边界正在从"造本体"延伸到"造大脑"。

来源：小鹏公告 / 多家外媒 / 融中财经 / RoboRadar。时效：本周。置信度：✅ 已确认（小鹏数据）／🟡（奇瑞 IPO 准备、蔚来标的为报道口径）。

9.4 密集融资与上市窗口：外骨骼、家庭机器人、灵巧手、谐波减速器全线推进

8 月 27 日，外骨骼机器人公司迈步机器人获中信建投近亿元战略投资。
8 月 25 日，家庭通用机器人公司未来不远机器人获新一轮融资，投资方含字节跳动；半年内已完成 3 轮、超 10 亿元。
玄创机器人（特危化工业具身机器人）完成数千万元 A1 轮，前海方舟、光洋股份、西湖科创投参投；在手订单破亿，中石油超百台设备正以月均 20 台速度交付，标准化总装线首台套 7 月 30 日下线，并中标首个海外油田项目。
上市侧：墨甲启动 IPO；优地、梅卡曼德、绿的谐波推进港股上市；睿尔曼智能 8 月中旬启动深交所创业板上市辅导。判断：玄创的数据最值得注意——月均 20 台的稳定交付节奏 + 在手订单破亿，是本期唯一给出明确交付速率的具身智能公司。特危化场景付费意愿强、验收标准清晰，是比通用家庭场景更快跑通的路径。来源：企业公告 / 证券时报 / 融中财经。时效：本周。置信度：✅ 已确认。

9.5 AI Coding 侧：模型供货关系与价格成为商业变量，成本效率被重新定价

两件事叠加看很有意思：OpenAI 断供 Cursor（11/12 生效）说明模型供货已从纯商业采购变成带控制权条款的战略关系；而 8/31「模型与价格大日」（Sonnet 5 重定价 + GPT-5.4/Kimi K2.5 退役 + Copilot 下线 6 款）进一步收敛可选模型池并抬高存量成本。同时 OpenRouter 被 Stripe 以 75 亿美元收购，模型路由层的资本背景生变。

判断：AI Coding 的成本结构正在被重新定价。对企业采购方，"能力/价格"之外要加两个维度：供货关系稳定性（会不会被断供）与 token 效率（同样额度实际能干多少活）。第五章的性价比表只回答了第一个维度。

来源：OpenAI 公告 / GitHub Changelog / headsupai / 各厂商官方。时效：当日 + 本周。置信度：✅ 已确认。

9.6 开源模型正在改变编程模型的成本曲线

llm-stats 前 15 名中开源占 5 席且全部来自中国团队；GLM-5.3 在 AA 口径以 60 分并列第 7、开源第一；GLM-5.3-Flash 以 Opus 4.8 约 1/40 的定价跑通十万张国产芯片集群，性价比是本期榜首（380.5，第 2 名的 2.4 倍）。DeepSeek-V4-Pro-0813 以 $0.48/M 的价格给到 LiveBench 77.4 分与 124 c/s 的高吞吐；阿里 Qwen3.8-Flash 再把 API 压到 1 元/百万 Token。

判断：能力差 13%、价格差 76 倍这个结构（见 5.4）意味着大量编程工作负载的经济最优解已经不在闭源旗舰。闭源溢价的合理性正在收缩到"长程复杂 Agent 任务"这一个狭窄区间——而这恰好是 LiveBench Agent 编程列全场最弱（中位数约 54）的能力洼地。

来源：livebench.ai / artificialanalysis.ai / llm-stats.com / 智谱官方 / 阿里官方。时效：当日。置信度：✅ 已确认（榜单数据）／🟡（"1/40 定价""十万张集群"为厂商口径）。

十、方法论与免责声明

10.1 信源分层与置信度标记

标记	含义	判定标准
✅ 已确认	官方渠道发布，或 ≥2 个独立权威来源一致	可作为决策依据
🟡 大概率属实	单一权威来源，或官方事实明确但细节为媒体口径	需自行核验细节
🔴 待验证	社区流传 / 单一非权威来源 / 文书未公开	仅作趋势参考

社区信源（第一章）用于抢时间，其内容凡进入第三章「15 条精选」的，均已用官方或权威媒体二次核验；未能核验的降级至第四章「社区快讯」。

10.2 B 站字幕采集口径

字幕由平台自动生成，存在同音字与专有名词错误。已做人工同音字校正（如 "deep sick" → DeepSeek、"cloud" → Claude、"open route" → OpenRouter），但不排除仍有残留错误。
区分资讯类与个人评测作品：资讯类（如 AI 晚报）可摘录事实要点；个人评测作品的结论不予转述，避免把 UP 主主观判断包装成客观事实。
未开启自动字幕的视频，仅采用标题级信息，不对正文内容做任何推测（本期「无机酸-_-」的更新即属此类）。

10.3 评分表口径与本地计算说明

LiveBench：官方 CSV（今日实时拉取，49 个模型 × 23 个子任务）只提供子任务原始分，不含大类与总分。本报告的七大类与综合分由本地按官方大类映射聚合计算：
推理 = zebra_puzzle, spatial, consecutive_events, logic_with_navigation, integrals_with_game, theory_of_mind
编程 = code_generation, code_completion
Agent 编程 = javascript, python, typescript
数学 = AMPS_Hard, math_comp, olympiad
数据分析 = tablejoin, tablereformat, typos
语言 = connections, plot_unscrambling
指令跟随 = paraphrase, simplify, story_generation, summarize
综合分 = 七个大类均值的算术平均 该聚合结果与 LiveBench 官网展示的官方总分可能存在差异（官方权重未完全公开），仅供内部排序参考。
Artificial Analysis：智能指数 v4.1.1。"每任务成本"为官方 Cost per Task（美元/任务），不是每百万 token 混合价，两者不可混用。本期 AA 行级数值沿用 v4.1.1 指数快照（动态页面行级数据未完全抓取，以官方页面为准）。
llm-stats：混合价 = (输入价 × 3 + 输出价) / 4，覆盖 362 个模型。
性价比（5.4） = LiveBench 本地聚合总分 ÷ llm-stats 混合价。这是跨口径组合指标，两个来源的模型版本与测试时点可能不完全对齐，仅用于量级判断，不宜精确解读。
三个口径方法论差异显著，分值不可横向比较，只能各自看排序。

10.4 覆盖范围与已知缺口

本期覆盖：三个社区信源、DeepSeek 官方渠道、livebench.ai 原始 CSV、artificialanalysis.ai、llm-stats.com、GitHub Search API（日榜/周榜）、多引擎新闻检索与 Exa。
已知缺口：① 「无机酸-_-」24h 更新为个人评测作品且未开启字幕，结论未采集；② 第四章 6 条快讯均未获多方核验；③ LiveBench 官方总分权重未公开，本地聚合与官网可能有偏差；④ AA 行级数值为指数快照，未逐行实时拉取。

10.5 免责声明

本报告由自动化流程生成，内容基于公开信息整理，不构成任何投资、采购或技术选型建议。
榜单数据为抓取时点快照，模型价格、Star 数、排名随时变动，使用前请以官方最新数据为准。
涉及融资金额、估值、营收等财务数据均为公开报道口径，未经审计。
报告已做脱敏处理，不含任何真实邮箱、电话、地址、密钥或个人身份信息。

AI 日报 · 2026-08-31 · 聚焦 AI Coding × 具身智能 · 共 15 条精选 + 6 条 DeepSeek 专项 + 6 条社区快讯