追踪2142项AI技术动态后，我们发现最值得关注的不是新模型

作者｜沙丘智库研究团队

来源｜沙丘社区（www.shaqiu.cn）

01

AI技术雷达：本月新增两项Agent技术

AI技术雷达本月新纳入Agent自进化与Agent技能遗忘两项AI技术，均处于研究验证阶段。Agent自进化关注系统如何根据任务反馈改进策略、工具与执行流程，Agent技能遗忘关注已移除的操作能力是否仍可能通过残留记忆、文件或工具恢复。

02

本月核心判断

1. Agent Harness正在成为连接模型训练与应用交付的基础

Agent Harness是围绕模型组织上下文、工具和执行步骤的框架。它决定模型接触哪些信息、能够采取哪些动作，也决定失败之后任务如何继续。Agent Lightning与Lego-RL将实际使用的框架接入强化学习训练；腾讯云ClawPro适配DeepSeek Harness；LangChain为开源Deep Agents提供托管运行服务。Meta也将Muse Spark 1.2与编程工具Muse Code联合训练。框架由此同时参与能力训练和产品交付。

这些案例展示了框架参与训练、被第三方适配和提供托管服务的具体路径。研究分布提供了相应背景：本月Harness占Agent论文的16.4%，高于上月的12.3%，围绕执行框架的研究份额扩大。对采用方，模型选型、执行流程设计和训练环境需要作为关联决策考虑；遇到失败时，也应分别检查模型能力、信息输入和工具流程，确定优化对象。

2. 评测的关键问题，是能否衡量真实工作

本月模型评测论文中，基准与评测资源的占比由24.0%提高至32.2%，测试资源是明显的增长方向。资源增加之后，更值得检验的是测试怎样对应实际使用。AgentStream观察经验复用是否改善后续任务，AgentSLABench将资源预算纳入任务评价，LangSmith则把专用评价器接入运行记录。三者分别把检查延伸到连续工作、资源约束和使用后的错误定位，为团队补充实际任务测试提供了具体方法。

一次答对、持续工作可靠、在限定资源内完成任务，是不同的能力。AgentStream中部分组合的经验复用出现负收益，尤其说明“记住更多”不必然带来“做得更好”。新测试集与更高榜单分数仍有价值，但产品判断还需要知道测试是否覆盖实际工作、失败发生在哪里，以及质量提升付出了什么成本。评测不能只在模型发布时出现，也需要进入系统开发与迭代。

3. 专业软件不必成为任务入口，也能参与Agent交付

Replit允许外部助手创建、修改与发布应用，Salesforce开放面向Agent的业务操作，进一步展示了用户入口与专业执行软件分离的方式。此前，阿里云PAI已经开放诊断和开发操作，Elicit也把检索、报告与系统综述提供给外部工作流程。从开发平台到研究服务和企业软件，已有多种产品采用这种交付路径。

这些产品提供的不只是资料，而是能够产生工作结果的操作。Agent负责理解目标与组织步骤，专业软件继续执行数据、权限和业务规则。软件的价值因此既可以来自直接使用，也可以来自被其他Agent可靠调用；“能否接入”之外，更重要的是开放了什么操作、执行结果如何检查。

4. 模型效率取决于整项任务的配置，而不只是参数量

本月值得关注的效率进展涉及两项具体配置：模型发布提供配套加速组件，产品在执行任务时选择模型与思考强度。Meta为Muse Glimmer配套量化权重和草稿模型（Draft Model：先快速预测几个Token，再由目标模型批量验证，以加快生成的辅助模型），Liquid AI与InclusionAI提供不同用途的型号与草稿模型；Kimi Code的实验性模型池和Replit自动路由，则让一次工作可以使用不同模型和计算配置。这些更新扩大了团队可以实际测试的优化选项。

选型之后，实现条件还会影响收益。DSpark在不同模型、框架和设备组合中的解码加速差异明显，说明同一种方法不能脱离运行环境评价。因而，效率应落到完成同一任务所需的质量、时间与费用；模型体积、激活参数和生成速度是影响因素，不能直接替代最终工作效果。

03

AI技术活动全景

本月收录论文1,659篇，较上月增加539篇、增长48.1%；开源工程事件169项，增加9项、增长5.6%；模型发布与重要更新57项，减少4项、下降6.6%；产品与服务事件257项，增加2项、增长0.8%。论文收录量增长最为突出，工程小幅回升，模型和产品总量与上月相近。

本月论文收录量达到目前所观察月份的最高水平；开源工程数量从3月的323项回落至上月160项，本月出现小幅反弹；产品与服务在此前几个月波动后，数量与上月基本持平。模型发布则一直存在较明显的月度起伏，本月57项仍处在此前的活动范围内。

数量之外，本月值得重视的变化集中在具体工作方式：Agent Lightning与Lego-RL将实际执行框架接入训练，多款产品增加后台执行和操作控制，Muse Glimmer与DSpark等发布提供了模型之外的运行配置，这些更新将会影响研发团队怎样训练、部署和使用系统。

04

四类信号的核心变化

4.1 论文

在本月收录的1,659篇论文中，智能体系统495篇、占29.8%，模型评测453篇、占27.3%，两者合计占57.1%；模型训练200篇、应用与实践170篇，是另外两个较大的领域。如何衡量能力、如何组织模型完成工作，仍然占据研究的重要位置。

评测与Agent的合计占比较上月59.3%有所降低，但两类论文的绝对量都在增长。Agent由381篇增加至495篇，增长29.9%，占比由34.0%降至29.8%；模型评测由283篇增加至453篇，增长60.1%，占比由25.3%提高至27.3%。

更明显的结构增量来自应用与实践：由上月62篇增加至170篇，占比由5.5%提高至10.2%。这些研究涉及科学计算、研究辅助和专业问题求解，强调把模型能力连接到具体任务并检验结果。它们增加了研究问题的场景广度，但仍需逐项区分方法适配、工作流验证与真正的新能力，不能把所有专业场景论文都理解为自主Agent已经成熟。

4.2 开源工程

本月169项开源工程事件中，智能体系统78项，占46.2%；AI基础设施26项、上下文与知识17项。三者合计121项、占71.6%，分别承担任务组织、运行服务和信息准备等工作。

Agent在连续记录中一直居一级领域首位，但数量与占比并非持续增长：本月78项与上月79项接近，占比由49.4%降至46.2%。整体工程数量的小幅回升并非由Agent数量扩张主导，基础设施、上下文与知识等配套领域也贡献了增量。

这种稳定的领先位置说明，模型能够生成回答之后，开发者仍需持续为它配置工具、状态、数据和运行方式。对选型团队，已有项目的实质更新与新项目同样值得看。本月169项中，143项为新工程发布，26项为成熟工程更新；后者更适合用于观察既有开发栈新增了哪些能力。

4.3 模型

本月记录57项模型动态，涵盖新模型、主要版本及重要更新，同批关联变体合并计数。固定观察的20家核心大模型厂商中，14家有相关事件，合计36项；其余21项来自其他模型厂商和研究团队。

阿里巴巴本月10项，高于上月5项，其活跃度来自多个自研模型系列共同推进，涉及Qwen通用型号、实时音频、文本嵌入、Wan视频、图像翻译，以及既有型号首次开放权重等不同更新。

其他核心厂商的节奏有所分化：Google由3项增加至5项，NVIDIA由6项降至1项；Microsoft维持3项，Meta维持2项。阿里巴巴与Google合计15项，占20家核心厂商本月36项事件的41.7%，是图中本月较活跃的两家。数量展示发布节奏，具体影响仍要看更新涉及的模型用途、能力及开放条件。

Microsoft除代码和图像模型更新外，还推出MAI-Thinking-1公开预览；Meta发布Muse Spark 1.2与Muse Glimmer，分别面向编程执行及本地运行条件。

4.4 产品与服务

本月257项产品与服务事件涉及246组产品，同一产品的关联版本归为一组。专业应用80项、开发平台与服务78项、企业软件与服务70项，合计228项，占88.7%；个人应用24项、智能硬件与机器人5项。

专业应用围绕编程、研究和创作等任务提供直接工具；开发平台承担构建、部署及运行；企业软件把AI接入业务数据和组织流程。三类产品对应不同使用对象，也决定了更新应当怎样评价：直接工具看工作效果，平台看开发与运维能力，企业软件还需要看权限和业务操作。

按主要贡献归入应用场景的事件中，办公39项、编程26项、内容创作26项。它们并非所有具有办公、编程或创作功能产品的总数，但能展示一组明确的工作需求：文件、代码、素材和任务要求进入系统之后，结果还要能够检查、编辑或发布。围绕这些后续步骤组织能力，是本月多项更新的重点。

资料来源：节选自沙丘智库《AI技术跟踪月报|2026年8月》

更多AI研究内容可前往【沙丘智库小程序】搜索查阅