回看 2 天 · 新增 39 条（框架 15，官方 13，媒体 6，权重 5）

一句话总览

今天最硬的一手是智谱 GLM-5.3 上线（文档站已有独立模型页与迁移指南，1M 上下文、纯文本、强制推理，官方称 Z.ai Code Bench 编码能力比 GLM-5.2 提升 50%）；同时 Kimi 开放平台确认 K3 已正式发布并给出 kimi-k2.5 / moonshot-v1 系列 8 月 31 日全平台下线 的硬时间点，Mistral 发布 Agentic Search 检索层，Grok 4.6 进入 Bedrock 跨区域推理。

正式发布

• 智谱 Z.ai · GLM-5.3 · 文档已上线（页面未标日期） —— 新旗舰，与 GLM-5.2 同一基座，全部提升来自 post-training。官方口径：Z.ai Code Bench 上编码性能比 GLM-5.2 高 50%，在 Terminal Bench 3.0、Agents' Last Exam (CLI) 上达开源模型 SOTA；CyberGym 漏洞发现为其历史最佳，漏洞利用类基准得分超过 GLM-5.2 两倍。目前仅支持纯文本输入，1M token 上下文、最大输出 128K，始终开启推理且不可关闭，只有 low/high/max 三档 reasoning_effort（默认 max），已对 GLM Coding Plan 用户开放。来源
• 月之暗面 · Kimi K3 · 已发布（7-27），HF 仓库 8-20 有实质更新 —— 官方文档站首页已挂"Kimi K3 旗舰模型已正式发布"，模型列表口径为 2.8 万亿参数、原生视觉理解、100 万 token 上下文，面向软件工程/知识工作/深度推理。HF moonshotai/Kimi-K3 权重仓库（建仓 6-13）在 8-20 有内容更新，累计 10880 likes、234 万次下载，tags 含 compressed-tensors 与 image-text-to-file 类多模态标记。迁移信号：kimi-k2.5 与 moonshot-v1 全系已停止向新注册用户开放，8 月 31 日全平台下线。vLLM 侧仍在补齐 K3 支持（GEMM-RS 扩到 GEMM-AR、reasoning_effort="none" 处理修复、自适应版变长 spec decode）。来源
• xAI（AWS 口径写作 SpaceXAI）· Grok 4.6 on Bedrock · 2026-08-19 —— Grok 4.6 在 Amazon Bedrock 上开通跨区域推理，两个 inference profile：us.xai.grok-4.6（仅美国境内路由，满足数据驻留）与 global.xai.grok-4.6（全球商用区域调度，吞吐最高且单 token 价格更低）。支持 Responses / Chat Completions / Converse 三套 API，沿用 Bedrock 既有调用日志、CloudWatch 指标与成本拆项。定位是面向编码、Agent 任务与知识工作的前沿模型。来源
• inclusionAI（蚂蚁百灵）· Ling-3.0-flash / Ling-3.0-tiny · 2026-08-19（权重已上线，官方尚未发文） —— 两个尺寸的权重仓库在同一天出现实质更新（flash 建仓 8-02、tiny 建仓 8-10），架构标签均为 bailing_hybrid、text-generation + conversational，flash 侧还挂了 eval-results。热度已起来：flash 352 likes / 16219 下载，tiny 336 likes / 13078 下载。参数量、上下文与基准细节待官方补充。来源
• Mistral AI · Agentic Search · 2026-08-20 —— 不是新模型，是给 AI 系统用的检索层：引入多步检索循环，让模型在企业各类数据源里查找、逐层查看并验证信息，官方称在 FinanceBench 与 OfficeQA Pro 上更准，同时减少交互轮数、token 消耗和延迟。通过 Mistral Search Toolkit 与 Libraries 提供。来源
• OpenAI · Private Safety Processing（ZDR 兼容）· 2026-08-19 —— 平台侧能力预览，直接影响企业选型：现有 ZDR 安全系统只能逐次评估单个请求，Private Safety Processing 可在不让 OpenAI 员工接触内容的前提下跨多次相关交互识别模式。ZDR 部署下客户内容留在客户自控的基础设施上；另在开发一种存在 OpenAI 侧、但用客户自持密钥加密的选项。目标是让前沿模型不必以"允许厂商留存敏感内容做安全监控"为代价。来源
• OpenAI · GPT-5.6 Luna / Sol（客户案例）· 2026-08-19 —— 非新模型发布，但透露了 5.6 系列的分层用法与成本口径：Replit 用 GPT-5.6 Luna 驱动新的 Free Mode 免费向数百万用户开放，需要更强推理时再路由到 GPT-5.6 Sol，然后回落 Luna 并保持项目上下文。Replit CEO 明确把这件事归因于"GPT-5.6 系列的价格性能 + OpenAI 近期降价"。具体价格数字文中未给。来源
• NVIDIA / inclusionAI · VoiceChat-11B、ArmorOCR · 8-19 至 8-20（权重已上线，官方尚未发文） —— 两个非旗舰模型：nvidia/NVIDIA-NemotronLabs-VoiceChat-11B（建仓 7-29，8-19 有实质更新，403 likes / 2300 下载，语音对话方向），以及 inclusionAI/ArmorOCR（8-20 新建，3 likes / 0 下载，任务未标注）。规格与能力待官方补充，暂无选型意义。来源

早期信号

• vLLM #53120 为"Qwen3.5 多模态模型"的 vision tower 接入 UVA offloader，正文反复以 Qwen3.8-27B / Qwen3.8-27B-NVFP4（vision tower 0.86 GiB）为实测对象 —— HF 上查不到官方组织的同版本权重，疑似 Qwen 有 3.8 代 27B 规格尚未公开发布。来源
• vLLM 三个 PR 集中处理 DeepSeek-V4：隔离 MLA group 的 hidden-state cache、加静态专家映射（EPLB）、支持 LoRA —— HF 无官方同版本权重，疑似 V4 仍在适配期，从 PR 看是 MLA + MoE 路线的延续。来源
• vLLM #53115 为 Gemma4 打开 512 head dim 的 FUSED_QK_NORM_ROPE —— PR 描述整段空白，但 512 的 head dim 是个不常见的新规格；HF 无官方权重，疑似 Google 下一代 Gemma 在做内核适配。来源
• llama.cpp #27435 新增 TeleChat4 支持（含架构注册、MHC 模块、CUDA 算子、权重转换），提交者称是为中国电信自研 TeleChat 系列服务 —— 疑似 TeleChat4 即将或已在小范围放出权重。来源
• vLLM 两个 Nemotron PR 分别修 Nemotron VL + MTP 的 config 解析和 Nemotron Parse 缺失 lm_head 权重的 tie 逻辑 —— "Nemotron Parse"这个名字此前未在正式发布中出现，疑似 NVIDIA 在准备一个文档解析向的新成员。来源
• Kimi 开放平台文档站新增"批量推理定价"与"联网搜索定价"两个页面 —— 定价页扩张通常跟着新计费项走，疑似 K3 时代的 Batch API 与内置搜索工具正在商业化定价，具体价格需看页面。来源

媒体转述（二手）

• 据新浪财经报道，小红书"悄悄"在 Hugging Face 开源了自研大模型，内容平台也开始自建底座。
• 据新浪财经、广州日报新花城报道，蚂蚁国际"鹰序 TST"大模型 2.0 版发布，已应用于大型金融机构的现金流预测与外汇管理。
• 据新浪财经报道，开源大模型开始谈收入分成，文中点到 Kimi K3、月之暗面与 MiniMax 的 MaaS 分账模式。
• 据 Rediff MoneyWiz 报道，Econz 与 Google Cloud 联合成立 Gemini Enterprise Centre。

判断

真正要动手的只有两件。一是 GLM-5.3：同基座纯 post-training 却把编码提了 50%，而且 1M 上下文 + 128K 输出 + Coding Plan 已覆盖，值得直接拿现有 GLM-5.2 的 prompt 跑对比；但要注意它不能关推理且默认 max effort，迁移时如果不显式降到 low，延迟和 token 成本会比 5.2 明显上去。二是 Kimi 的下线日历：8 月 31 日 kimi-k2.5 / moonshot-v1 全系停服，凡是还写死这些 model id 的调用方现在就该排期改，这是今天唯一带死线的信息。

成本侧值得顺手做的是 Grok 4.6 的 global.* profile 和 OpenAI 5.6 系列的降价——前者官方明写单 token 更便宜，后者已经便宜到能让 Replit 免费无限用，都会改变"贵模型只能省着用"的假设。ZDR + Private Safety Processing 对有数据合规约束的部门是解锁项，不是性能项。剩下的基本是噪音：Ling-3.0 只有权重没规格、VoiceChat 和 ArmorOCR 属小工具模型、几条框架 PR（ModernBERT FP8、Whisper normalizer、Qwen3-VL 在 Blackwell 上 FP8 静默挂起需升到 v0.25+ 或设 VLLM_USE_DEEP_GEMM=0）是运维层面的排障知识而非发布，媒体那几条"某行业大模型 2.0"更是与选型无关。

原始条目

■ 官方 （13 条）

■ 权重 （5 条）

■ 框架 （15 条）

■ 媒体 （6 条）