一句话总览

今天最值得知道的是两条：MiniMax-H3 的 HF 仓库正式放出内容（全模态生成，文本/图像/音频/视频进、带音轨短视频出），以及智谱文档站上 GLM-5.2 已经作为 1M 上下文的旗舰在售、GLM-5.1 / GLM-5-Turbo 同列。此外 Upstage 放出 Solar-Open2-250B 开源权重，NVIDIA 把 Alpamayo 全家族改成可商用开源许可。

正式发布

• MiniMax · MiniMax-H3 · 2026-08-05（HF 内容更新） —— 仓库 7-28 建好、8-05 才放出实质内容，likes 已 2389。tags 覆盖 text-to-video / image-to-video / video-to-video / text-to-audio-video / image-to-audio-video，是一个"全模态生成系统"而非纯语言模型：接受文本、图像、音频、视频，输出带音轨的短视频（据媒体转述上限约 15 秒）。已有第三方 MLX 移植可在 Apple Silicon 上跑，权重体积约 115GB 量级。参数量/上下文等细节待官方补充。来源
• 智谱 · GLM-5.2 / GLM-5.1 / GLM-5-Turbo · 日期未标注 —— 文档站上 GLM-5.2 已标 HOT 并有专门的迁移指南，定位旗舰基座：上下文 1M、最大输出 128K，新增 tool_stream 流式工具调用、thinking 自主判断是否思考（不同于 GLM-4.7 的强制思考）、reasoning_effort（high / max，默认 max）。同族 GLM-5.1 为 200K 上下文的长程任务旗舰，官方口径称"综合对齐 Claude Opus 4.6"、可单任务连续自主工作 8 小时；GLM-5-Turbo 是 200K/128K 的 OpenClaw 场景专用模型，官方自带 ZClawBench。上一代 GLM-4.7/4.6 仍在列。来源
• xAI · grok-4.5 / grok-4.3 · 日期未标注 —— 官方 API 文档里同时出现 grok-4.5（含 grok-4-5 别名）、grok-4.3 / grok-4.3-latest，以及 grok-4-1-fast 的 reasoning / non-reasoning 两档和一个 grok-4-code-eapi-lap4-unified- 编码型号。闭源模型出现在文档站基本等于已可调用。规格与定价文档条目未给出，细节待官方补充。来源
• Upstage · Solar-Open2-250B · 2026-08-05（框架侧适配） —— 权重已上线 HF 并附技术报告，本次抓取未见官方博客。250B 级开源模型，注意力用自有的 KDA（gated delta net 变体，2*sigmoid(b) beta、全秩 f_proj/g_proj），因为 Kimi K3 重写了共享 KDA 层，vLLM 里只能给它单独一份实现。带官方 reasoning 与 tool-call 解析器（流式/非流式），适配文档提到 B200 上的 TP8 形态。来源
• NVIDIA · Alpamayo 2 Super · 2026-08-04 —— 自动驾驶/Robotaxi 用的开源推理基座，基于 Cosmos 3 Super Reasoner 并做了 RL 后训练，强调可检查的决策链而非纯感知预测。关键变化是许可：以 OpenMDW-1.1（Linux Foundation 宽松许可）上 HF，覆盖微调、衍生模型与商业再分发，并回溯适用于整个 Alpamayo 家族（1 / 1.5 之前只面向 R&D）。家族内 2 Super 主打最强推理与生成教师数据/蒸馏，1.5 与 1 走性价比。来源
• AWS · Bedrock Web Search（GA）· 2026-08-05 —— 不是模型，但影响选型：Bedrock 上线亚马逊自建的服务端联网检索工具，一个参数即可给 OpenAI 模型（GPT-5.4、GPT-5.5，以及 GPT-5.6 的 Sol / Terra / Luna 三档）做事实接地，全程在 AWS 内完成、零数据出网，兼容 OpenAI Responses API。此前需自接第三方搜索供应商。首发 us-east-1 / us-east-2 / us-west-2。来源
• lmms-lab · LLaVA-OneVision-1.5 · 2026-08-05（框架侧适配） —— 已发布，transformers 侧在补齐原生支持（config/modeling/权重转换脚本/集成测试齐全），对齐的 checkpoint 是 lmms-lab/LLaVA-OneVision-1.5-4B-Instruct。视觉塔用 RiceRotaryEmbedding。同日 vLLM 也在接 internlm/Intern-S2-Mobius。两者都是开源多模态，不是旗舰级发布。来源
• InclusionAI · Ling 3.0 Flash · 2026-08-05（框架侧适配） —— llama.cpp 正在加 BailingMoE3 架构支持，PR 明确说是为了跑"新的 Ling 3.0 flash 模型"并带 MTP（多 token 预测）。MoE 架构，规格与权重发布形态本次抓取未确认，细节待官方补充。来源

早期信号

• llama.cpp 重新启用了 MiniMax M3 的架构测试（测试此前被禁、已被修好），但 HF 上没有官方组织的同版本权重——疑似 M3 尚未公开发布，或是只走 API 的闭源型号；注意它与今天放权重的 H3（视频/全模态）不是一回事。来源
• Kimi K3 在 vLLM 侧同时有 4 个动作：/v1/responses 的 special token 空格开关、ROCm MLA small-head 汇编 decode 路径（TP8）、megamoe 路径去掉一次 add（GSM8K 96.2%→96.4%）、MLA DCP world size 修复；抓取未在 HF 官方组织匹配到同版本权重，措辞上仍按"疑似/在做适配"处理，但框架侧已按 moonshotai/Kimi-K3 跑端到端评测。来源
• DeepSeek V4 疑似存在 Flash 变体：vLLM 的 ROCm 修复里出现 deepseek-ai/DeepSeek-V4-Flash-0731 与 DSparkDeepseekV4ForCausalLM，DSpark 是全词表草稿模型的投机解码方案；HF 上没有官方组织的同版本权重。来源
• Gemma 4 疑似已在流通：transformers 里在为 gemma4 跳过 QuantizedCache 测试、llama.cpp 出现 Gemma4Assistant 共享张量路径，媒体侧也已有人本地跑 gemma-4-12b；但抓取未匹配到 HF 官方组织权重，仍按疑似记。来源
• llama.cpp 冒出一批投机解码/共享张量的新代号 —— Eagle3、DFlash、DSpark、MTP 通过 ctx_other 与目标模型共享 tok_embd/output，疑似指向多家在推"草稿模型跨 GPU"的部署形态；另有为 Gated DeltaNet 类循环模型做的前向望远镜式状态回滚引擎，以及 NVIDIA-Nemotron-Parse-2.0 的投机解码支持。来源
• Mistral 两条：Voxtral-Mini-4B-Realtime-2602 的 vLLM 全图 CUDA Graph 优化（H200 上 decode 吞吐 181.7→191.1 tok/s，batch 4 提速 1.24x），以及 Mistral3 嵌套 config 的词嵌入绑定修复——后者 HF 上没有官方组织的同版本权重，疑似在做适配。来源

媒体转述（二手）

• 据 TradingKey 报道，马斯克称 Grok 4.6 将于下周发布，会用上 SpaceX 数据和独占的 NVIDIA 算力——注意 xAI 文档站目前只见到 4.5 / 4.3。
• 据 Simon Willison 博客，其 LLM CLI 发布 0.32：默认模型换成 GPT-5.6 Luna，新增可见推理轨迹、服务端工具（OpenAI 的 CodeInterpreter/WebSearch，llm-anthropic 侧的 WebSearch/WebFetch/CodeExecution/AnthropicMCP）与内容寻址的 SQLite 日志。
• 据 Fortune 报道，白宫与 OpenAI、Anthropic、微软等评审了一套 AI 模型评估框架，但拒绝公开，被业内称为"令人费解"。
• 据华尔街见闻 / CSDN 等中文媒体，DeepSeek 与 Qwen 掀起的降价潮反而在推高 GPU 需求，同时一级市场对"SOTA 叙事"的估值权重在下降。

判断

真正值得动手的是 GLM-5.2 和 MiniMax-H3。GLM-5.2 的 1M 上下文 + 128K 输出 + reasoning_effort 分档，是这半年国产旗舰里第一个把"整项目塞进去"讲成主打场景的，做代码 agent 选型的话值得拿真实仓库压一轮；官方自己拿 Claude Opus 4.6 当 GLM-5.1 的对标线，说明定价/性能比这条路他们要继续打。MiniMax-H3 是权重真放出来的全模态视频生成，但 115GB 权重、单机 45 分钟出一段片子，短期只有离线批量场景能用。

Bedrock Web Search 是今天对成本影响最直接的一条：省掉第三方搜索供应商的接入、账单和合规审查，还顺带确认了 GPT-5.6 Sol/Terra/Luna 三档命名。Solar-Open2-250B 值得关注开源 250B + KDA 这条架构线，但注意它为了绕开 Kimi K3 重写过的共享层要走单独实现，短期部署会有坑。

其余基本是噪音或常规迭代：Qwen 的两个 vLLM PR 是 parser 自动识别和去 warning，transformers 那条 qwen2_moe 只是更新过期的期望输出字符串；Alpamayo 2 Super 是重要但垂直（AV 领域）的动作，真正的新闻是许可证回溯改成可商用。Grok 4.6 目前只有马斯克口头预告，别写进选型表。

原始条目

■ 官方 （20 条）

■ 权重 （1 条）

■ 框架 （17 条）

■ 媒体 （7 条）

一句话总览

今天的硬料主要来自各厂文档站与 Hugging Face：Moonshot 官方定价页已明确写出「Kimi K3 旗舰模型已正式发布」（1M 上下文、始终推理），Anthropic 文档索引新增 Claude Fable 5 / Mythos 5 模型页，xAI 的 grok-4.20 系列与智谱 GLM-5 系列也已在文档中可调用；HF 侧 MiniMax-H3 视频/音视频生成权重刚刚公开。唯一的官方博客发文是 Mistral 的 3B 安全分类器 Shieldstral。

正式发布

• Moonshot · Kimi K3 · 日期未标注 —— 官方定价页顶栏直接挂着「🎉 Kimi K3 旗舰模型已正式发布」。定位是面向长程编程与端到端知识工作的旗舰模型，1M token 上下文，官方称综合智能达到领先水平。它始终进行推理，可用请求顶层 reasoning_effort 配置强度（low / high / max，默认 max）；相比 K2 系列新增了工具调用约束（tool_choice）和动态加载工具两项 API 能力，并支持自动上下文缓存、JSON Schema 结构化输出、Partial Mode。具体价格数字页面未抓到，细节待官方补充。来源
• Anthropic · Claude Fable 5 与 Claude Mythos 5 · 日期未标注 —— 官方文档索引新增了「Introducing Claude Fable 5 and Claude Mythos 5」页面，按惯例模型页与发布同时上线，即这两个型号已可用；同期还新增了「What's new in Claude Opus 5」和「What's new in Claude Sonnet 5」两页，说明 Opus 5 / Sonnet 5 也有一轮更新。索引条目不带描述，参数、定价、模态等全部细节待官方补充。来源
• 智谱 · GLM-5 系列（GLM-5.2 / 5.1 / 5 / 5-Turbo） · 日期未标注 —— 文档站新增了 GLM-5 的模型页，且语言模型导航已完整列出 GLM-5.2（标记 HOT）、GLM-5.1、GLM-5、GLM-5-Turbo，Get Started 里还多了一篇「Migrate to GLM-5.2」迁移指南——这套组合基本等于 GLM-5 世代已成为主线在售。视觉侧同步有 GLM-5V-Turbo / GLM-4.6V / GLM-OCR，上一代 GLM-4.7（200K 上下文、128K 最大输出，含 FlashX 与完全免费的 Flash 档）已退居次席。GLM-5 各档的参数量与定价页面未给出，细节待官方补充。来源
• xAI · grok-4.20 系列 · 日期未标注 —— API 文档中出现了 grok-4.20、grok-4.20-0309-reasoning、grok-4.20-0309-non-reasoning，以及两个 multi-agent 型号 grok-4.20-multi-agent / grok-4.20-multi-agent-0309，说明这一代已可调用。推理 / 非推理拆成独立型号，加上把「多智能体」做成一个可直接点名的模型 ID，是相对 grok-4 时代（grok-4、grok-4-fast、grok-4-0709）比较明显的产品形态变化。闭源 API 模型，无权重，规格与定价待官方补充。来源
• MiniMax · MiniMax-H3 · 2026-08-04 —— HF 仓库 7 天前建好、今天才放出实质内容（权重已上线，官方尚未发文）。从 tags 看是一个 diffusers 系的生成模型，覆盖 text-to-video、image-to-video、image-text-to-video、video-to-video，以及 text-to-audio-video / image-to-audio-video——即音画一体生成，这是比纯视频模型更进一步的能力面。已有 1828 likes 而 downloads 仍是 0，说明刚公开、社区还没跑起来。参数量与上下文未标注。来源
• NVIDIA · Alpamayo-R1-10B · 2026-08-04 —— 建仓在 2025-11-22，今天才有实质内容更新（权重已上线，官方尚未发文），已累积 425 likes / 26181 downloads。10B 规模，tags 标为 robotics 且带自定义架构 alpamayo_r1，safetensors + transformers 可直接加载，endpoints 兼容。属于具身/自动驾驶方向的推理模型而非通用聊天模型，训练数据与评测细节待官方补充。来源
• Moonshot · Kimi K2.7 Code（含 HighSpeed） · 日期未标注 —— 与 K3 同期挂在定价页上的代码专用模型：256K 上下文，仅支持思考模式，强调长上下文里更可靠地遵循指令、更高的编程任务成功率，支持文本/图片/视频输入。HighSpeed 版是同一模型的高速档，输出约 180 tokens/s，短上下文可达 260 tokens/s。同一定价目录下还并列着 K2.6（通用、256K、多模态、思考/非思考双模）与 K2.5（256K、多模态），构成 K3 之下的分层。来源
• Mistral AI · Shieldstral · 2026-08-04 —— 今天唯一的官方博客发文：一个 3B 开源权重的多模态安全分类器，官方称性能超过体量达其 7 倍的模型。属于护栏/内容审核类工具模型，不是基座或推理模型，但 3B 的体量意味着可以贴着业务侧本地部署做输入输出过滤。具体评测集与许可细节待官方补充。来源

早期信号

• llama.cpp PR #26578 在给 DeepSeek-V4 的三个 hyper-connection 融合算子（DSV4_HC_COMB/PRE/POST）补 Vulkan 后端，正文提到 CUDA 自 DeepSeek-V4 首次合并起就有、Metal 在 #26459 已补齐，还点名了 DeepSeek-V4-Flash 上「未融合的 20 轮 Sinkhorn comb 链占解码算子时间约 32%、每 token 约 1.6 万次 dispatch」——架构细节已相当具体，但 HF 上查不到官方组织的同版本权重，疑似权重尚未公开或走闭源。来源
• vllm PR #51012 把 Qwen3.5 迁到「硬件无关的模型定义」以便各家厂商接入融合算子，说明 vLLM 侧已在为该系列做适配；HF 无官方组织的同版本权重，疑似还未正式发布。来源
• vllm PR #51015 在稳定 GLM-5.2 的 TP1/PCP4 GSM8K 评测（开 expandable CUDA allocator 解 FlashInfer CUTLASS MoE 的 OOM），可见 CI 已常态跑该模型；但 HF 上没有官方组织的同版本权重，疑似 GLM-5.2 暂以闭源 API 形态提供、开源权重未放出。来源
• vllm PR #51037 为 Qwen3-ASR 实时会话做「稳定窗口感知的 KV 复用」，正文披露其 AuT 编码器是双向的、活动窗口内表示会随新音频变化，因此不能直接复用 KV；HF 无官方组织的同版本权重，疑似该 ASR 模型尚未正式放出。来源
• 同一个 vllm CI PR 里提到某次早期构建「在近期的 Kimi/K3 改动之前」就有同样的报错签名，侧面印证 K3 相关改动已进入 vLLM 主干。来源
• xAI 文档抓取里冒出 gpt-4o-realtime-preview 这个明显属于 OpenAI 的型号 ID，疑似是文档站的兼容层/迁移页所致，或本次抓取归类串台，不宜当作 xAI 自家型号看待。来源

媒体转述（二手）

• 据 21 世纪经济报道，Qwen3.8-Max 发布，阿里巴巴当日港股上涨 7%——注意这是媒体口径，一手渠道今天只见到 vLLM 侧的 Qwen3.5 适配。21jingji.com
• 据 36Kr，一个月内出现 9 款旗舰模型，行业进入所谓「月抛」节奏。36Kr
• 据 nokiapoweruser 报道，Google 可能在 8 月 12 日推出 Gemini 3.5 Pro——纯传闻，官方渠道今天无任何对应证据。nokiapoweruser.com

判断

真正值得动手的有三件。Kimi K3 是今天影响选型最直接的一条：1M 上下文加上可分档的 reasoning_effort（默认就是 max，不显式调就是最贵的档），再加 tool_choice 约束和动态加载工具，意味着长上下文 Agent 的成本曲线和可控性都要重新测一遍，别按 K2 系列的经验估预算。MiniMax-H3 的 image/text-to-audio-video 是能力面上的跨越而不是刷分，下载量还是 0，现在试就是第一批。Shieldstral 3B 的价值在于把审核这类高频低价值调用从旗舰模型上卸下来，是笔省钱账。

其余多是噪音或工程性维护：vLLM 的 SSE keep-alive、KV offload 的 out-of-tree 加载、CI 显存调参都属日常，不影响选型；xAI 文档里的 grok-4 / grok-4-0709 是存量型号而非新发；gpt-4o-realtime-preview 出现在 xAI 通道八成是抓取串台，别当情报。另外提醒两处口径差：媒体说 Qwen3.8-Max 已发，一手渠道今天只有 Qwen3.5 的框架适配，两者对不上，采信前等官方发文；Gemini 3.5 Pro 的 8/12 日期是单一小站传闻，不要写进任何计划表。

原始条目

■ 官方 （26 条）

■ 权重 （2 条）

■ 框架 （6 条）

■ 媒体 （3 条）