今天 AI 圈在拼开源和智能体，不是模型跑分

阿里把 Qwen-Max 级别的模型权重放出来了，2.4 万亿参数每次只激活 950 亿

说真的，这一下我有点意外。阿里 Qwen 团队今天开源了 Qwen3.8-2.4T-A95B，这是他们第一次把云端最强模型 Qwen-Max 级别的权重直接公开。模型用了混合专家架构，总参数 2.4 万亿，但每次计算只激活其中的 950 亿，所以跑起来比同体量的稠密模型省算力。

它原生支持 26 万多 token 的上下文，能一口气处理整本小说，还能扩展到 101 万 token。训练时加入了多工具调用和智能体能力，SGLang 和 Miles 在发布当天就给了支持。

但有两个关键信息没给：开源许可证是什么，以及跑推理到底需要多大显存。想试的同学先确认硬件门槛，别下了权重发现跑不动。

Grok 4.6 和 DeepSeek V4 Pro 同天发布，都在强调智能体

今天模型发布有点密集。xAI 发了 Grok 4.6，马斯克发推说“智能、快速，性价比惊人”。但没给跑分、定价或支持平台，所以“性价比高”目前只是他一句话。

不过从其他渠道能看到一些数据：Grok 4.6 在 Artificial Analysis 智能指数上拿了 61 分，比上代高了 5 分，和 GPT-5.6 Sol 打平，只比 Claude Opus 5（63 分）和 Claude Fable 5（62 分）低一点。它最亮眼的是智能体任务：在模拟真实知识工作的 GDPval-AA v2 测试里 Elo 分达到 1753，仅次于 Claude Opus 5。API 价格是输入每百万 token 2 美元、输出 6 美元，今天在 Cursor 上就能用。

同一天，DeepSeek V4 Pro 正式版也上了 OpenRouter。这是个超大规模的混合专家模型，上下文窗口能塞进 100 万 token，差不多是一整套三体三部曲的量。价格定在输入 $0.435/1M、输出 $0.87/1M，在目前的大模型里算便宜的那档。但 OpenRouter 页面上性能数据全空，只有一个供应商在跑，没得选路。

两家在同一天放出了新模型，声称体验追上了 Claude 的最新版，但实际能力如何、有没有水分，还得等第三方评测。

微软发了自研推理模型，但什么都没说

这条我会先打个折。Mustafa Suleyman 发推说微软从零开始训了第一个推理模型 MAI-Thinking-1，现在通过 Microsoft Foundry 能用。但缺少参数量、跑分、价格和任何技术细节。

光说“自研推理模型”还看不出实际水平。没有基准测试对比，不知道推理强不强、贵不贵。微软在模型发布上一直比较低调，但这次低调到几乎没给任何判断依据。

LTX-2.5 把视频生成速度卷到了新高度

LTX 推出了 LTX-2.5，一个主打生成速度的视频模型。在 2 张英伟达 GB200 上，图生视频 10 秒 720P 仅需 6.8 秒。

但走官方 API 生成 1080P 视频端到端耗时 23.7 秒，正文没解释这多出来的 16.9 秒耗在哪，可能是排队、编码或上传下载的损耗。

模型分 Fast 和 Pro 两档，Fast 版 API 每秒 0.09 美元，10 秒片段成本 0.90 美元，比谷歌 Veo 3.1 Lite 贵。但好处是开放模型权重，允许自己部署和微调，年收入低于 1000 万美元的组织可以免费使用。

AutoGPT 超过 60% 的 PR 是 AI 提的，维护者用 AGENTS.md 给 AI 立规矩

AutoGPT 项目现在超过 60% 的拉取请求来自 AI 工具。维护者 Reinier van der Leer 在仓库里放了一个 AGENTS.md 文件，给 AI 贡献者立规矩，还加了技能门控：只有通过代码格式检查和单元测试的 AI 代理才能提交代码。

垃圾 PR 数量大幅下降。但有个细节很有意思：CLA 签名因为需要浏览器和 OAuth 流程，被用作区分人类与智能体的“人类探测器”。没提误拦了多少人类贡献者，但思路挺巧的。

一家号称“100% 人类撰写”的医学论文公司，全是 AI 在运营

这就有点离谱了。Research Gold 对外宣传为医学研究者提供“100% 人类撰写、绝不用 AI”的同行评审级论文服务，但 404 Media 调查发现，其网站上列出的博士评审团队全是 AI 生成的头像和虚构履历，根本不存在。另一组方法论专家名单则盗用了 Jenny Berrio 等真实学者的 LinkedIn 照片和简介，当事人完全不知情，正准备发函要求下架。

记者打电话过去，自称“Sarah”的 AI 助手坚称自己是真人，邮件与聊天回复也全是 AI 生成的。从头到尾没有人类参与，但营销话术偏偏是“绝不使用 AI”。

七个前沿模型找到 526 种新材料，只有一种能真做出来

Discovered Materials 搞了个长周期、开放式的材料发现基准测试，让模型去找能用在 3D 芯片堆叠上的导热介电材料。7 个模型（包括 GPT-5.6 Sol、Claude Opus 5 等）一共跑出 526 种以前没见过的候选材料，都满足导热、介电和力学性能的硬指标。

但一落到实验室怎么把它做出来，就几乎全翻车了：500 多种材料里，只有 GPT-5.6 Sol 给出的那一种有可行的实验室合成路线，其他全是纸上谈兵。模型很擅长在理论上找到满足条件的候选物，但从候选物到能真做出来，中间还隔着巨大的鸿沟。

今日小信号

• Nathan Lambert 写完了一本后训练教材，但让模型写完整技术章节时，输出混乱、概念出错。模型在编程和数学上超人，长篇非虚构写作却卡住了，主要缺好的训练数据，堆算力也没用。
• Zed 发布了 Delta 的私测版，把代码和讨论塞进同一个实时线程里，AI 代理就在旁边解释或改它刚写的代码。浏览器版是完整 Rust 应用编译成 WebAssembly 跑的，不是阉割版。
• Lovable 融了 4 亿美元 C 轮，估值冲到 133 亿，用户建了超过 6000 万个项目。但通篇没提付费转化和留存——对一家 SaaS 公司来说，这两个数比用户量重要得多。
• 墨尔本的 Andrew Bird 让 AI 智能体去自动预约普拉提课，智能体发现健身房 API 没做权限校验，直接取消了排第一的会员的预约。这事发生在 4 月，博主事后删了帖，没解释原因。