CAIConcitech AI 日报

每日编辑摘要

№ 20260813

DeepSeek 一天三连：V4 Pro 正式版发布遇事故、Harness 开源、API 全面涨价；Gemini 3.7 Flash 半价登场

8 月 13 日（PT）是 2026 年以来模型发布最密集的一天之一。DeepSeek 在同一窗口内完成三件事：V4 Pro 正式版上线（随后被社区发现部署异常、疑似回滚后重发）、开源 agent 运行时 DeepSeek Harness v0.1、并宣布 API 全面涨价；Google DeepMind 发布半价的 Gemini 3.7 Flash；…

归属日期 · PT
发布时间 · CST2026/08/14 13:00
编辑Concitech AI 编辑部
模型产品研究开发工具商业安全

8 月 13 日（PT）是 2026 年以来模型发布最密集的一天之一。DeepSeek 在同一窗口内完成三件事：V4 Pro 正式版上线（随后被社区发现部署异常、疑似回滚后重发）、开源 agent 运行时 DeepSeek Harness v0.1、并宣布 API 全面涨价；Google DeepMind 发布半价的 Gemini 3.7 Flash；OpenAI 端出 GPT-5.6 的 Ultrafast 极速模式和一位新 CRO；xAI 的 Grok 4.6 与 Grok Bot 也在同一时间线内扩散。主线是 agent 竞争从“模型能力”扩展到“运行时 + 成本”的完整维度，而 DeepSeek 的发布事故提醒：模型炼得出来，发布环节同样会出错。

主题一：DeepSeek V4 Pro 0813 正式版：上线、回滚、重发

DeepSeek 于北京时间 8 月 13 日晚在 APP、网页端和 API 同步上线 V4 Pro 正式版（模型名 deepseek-v4-pro），官方公布的 Agent 成绩包括 HLE（wo/w tools）42.7/60.0、Terminal Bench 2.1 为 87.9、Cybergym 83.3、DeepSWE 从预览版 12.8 提升至 62.7、全栈开发基准 71.1，并声称“性能超过 Opus 4.8、接近 Fable 5”。官方还强调原生支持 OpenAI Responses API，社区称“一键把 Codex 后端换成 DeepSeek 不用改代码”。

但社区实测与官方宣传出现明显落差。多位用户反馈 0813 上线后复杂任务思考时间“短得离谱、基本不超过 10 秒”，凌晨疑似紧急回滚；DeepSeek 官网一度撤下正式版发布通知，被社区称为“可能是 DeepSeek 第一次发布失败”。随后 API 返回的模型指纹从可读格式（如 fp_v4pro_20260812_prod0820_fp8_kvcache）突然变成纯 32 位哈希，且 Pro 与 Flash 同时切换，指向线上推理栈的一次明确变更。最戏剧性的是社区在 Hugging Face 上发现：上传的 V4-Pro-0813 仓库 config 与 V4 Flash 一致（hidden_size 4096、43 层、256 个 routed experts、64 个 attention heads，而 Pro 应为 7168、61 层、384 experts、128 heads），仓库一度下架，重传后不仅 config 改回，部分 safetensors 权重的 SHA256 与文件大小也发生变化。

证据边界：官方 benchmark 为厂商自测；发布事故、回滚与权重变更均为社区观察（MaxForAI、karminski-牙医等），DeepSeek 官方未公开解释。若“发错模型”成立，这更像部署与发布环节的问题，而非模型本身能力归零。

同日 DeepSeek 宣布 API 全面涨价：8 月 17 日零点起实行峰谷双价，缓存命中输入价最高涨 12 倍、输出涨约 4.5 倍，非高峰输出约 $1.98/百万 token、高峰约 $3.96。即便涨价，其价格仍显著低于 Fable 5（$10 输入 / $50 输出），社区共识是“涨完仍是同级别最便宜”。社区对正式版的详细解读还提到：Terminal Bench 87.9 只比最贵的 Fable 5 低 0.1，Cybergym 83.3 与 Fable 5 打平，DeepSWE 从预览版 12.8 干到 62.7，且原生支持 OpenAI Responses API、为 Codex 做了专门优化；模型新增三档推理强度（简单任务 low、日常 agent high、复杂任务 max），把推理预算与价格直接挂钩。官方还披露了内部自建基准 DSBench-FullStack / DSBench-Hard：FullStack 排序为 Fable 5（77.2）> Kimi K3（73.7）> Opus 4.8（71.6）> V4 Pro 0813（71.1），Hard 则为 Opus 4.8（71.7）> Fable 5（68.3）> V4 Pro（67.2）> Kimi K3（63.0）——在 DeepSeek 自己定义的高难 agent 任务里，Opus 4.8 反超更新的 Fable 5。该基准尚未公开题目与数据分布，结论需谨慎。

发布事故之后，社区验证仍在进行：有测评者称已烧掉约 1 亿 token 排查 V4 Pro 0813 的问题所在，并预告发布评测与硬核解析视频；也有用户对比 Pi + V4 Pro 与 Claude Code / Codex / Gemini / Grok 的手感差异。这些属于单帖实测，不能当作对模型能力的定论，但“官方发布版本与社区体验不一致”本身已构成当天的重要信号。

源链接：

主题二：DeepSeek Harness v0.1：把 agent 运行时整个开源

DeepSeek Harness（DSH）v0.1 于北京时间 8 月 13 日晚发布开发者预览版，MIT 许可，基于 Cordis 元框架，核心设计是“一切皆插件”：模型、工具、技能、会话、沙箱、文件系统、循环、编排乃至 UI 均可自由组合与替换。发布后数小时内 GitHub stars 从 2.4 万冲到 3 万以上，社区称其为“agent 时代的 emacs / foobar2000”。

从泄漏的系统提示词和社区代码阅读看，DSH 不是又一个聊天框：它定义了几套执行模式——标准模式（写代码、改仓库）、PTC 模式（Programmatic Tool Calling，用 TypeScript 一次组合多步工具调用，五次往返收成一次）、极简模式（只留持久 bash 和按绝对路径改文件的 str_replace_editor）、创造模式（在活的运行时上执行模型写的 JavaScript，自定义 agent 预设）。运行时层面包含 KV 缓存感知设计（不修改历史前缀、变更末尾追加）、长任务 Goal 状态、session resume/fork 后 Goal 需重新 rearm、以及“Ralph Loop”——每轮创建一个完全失忆的新 agent，只通过共享 Workspace 保留长期记忆。Session 采用 Event Sourcing，追加日志为准、状态为投影。默认由 deepseek-v4-flash 驱动。

社区评价两极。支持方称“把内部训模型、跑生产用的 harness 全放出来，这才是真开源”；反对派则认为对日常写代码的开发者“重得毫无必要”，并反馈并行复杂任务时前端易卡死、API 404 等体验问题。还有开发者把 DSH 比作“agent 时代的 emacs”（Pi 是 vim），玉伯称其让人想起 foobar2000——一个高度可组合、靠社区插件生态生长的软件形态。发布后当天已出现 DSH 桌面版、搜索插件（dsh-find-plugin）、插件精选列表（awesome-dsh-plugin）与 Tokei 的 Day-0 支持，插件生态的启动速度相当快。

证据边界：系统提示词与架构分析来自社区阅读，论文含大量范畴论符号但工程判断存在分歧。这件事的意义在于：开源 agent 运行时成为新的竞争焦点，“模型 × Harness 才是完整 agent 能力”的判断正在被更多实验室接受。

源链接：

主题三：Gemini 3.7 Flash：三周迭代、价格减半

Google DeepMind 发布 Gemini 3.7 Flash，距离 3.6 Flash 仅三周，主打编程与智能体任务，输入/输出定价为每百万 token $0.75 / $3.75，是原 3.6 Flash 的一半；Google 侧称 introductory price 持续到年底，OpenRouter 渠道半价到 8 月 27 日。模型支持 1M context、reasoning、tool calling、多步规划与多模态，Cline 等工具当天接入。DeepMind CEO Hassabis 与多位研究者密集背书“闪电般快”。

社区评价：与 Grok 4.6、DeepSeek V4 Pro 同日发布相比，Gemini 的声量“安静得可怜”，但 GA 版本对生产用户价值明确——此前 Preview 的并发与稳定性是主要痛点；Cline 官方称“基准结果接近前沿水平”（该说法需以官方基准为准），有研究者提到其 PDF 理解能力明显增强，社区注意到模型卡上甚至出现了 PDF 演示；同时有观察者质疑 Gemini 3.5 Pro 是否被跳过（“直接奔 4.0 训练去了”），这一点尚无官方确认。意义在于 Flash 系列的发布节奏（3 周一代）叠加半价，把编码与 agent 工作的单位成本继续压低，与 DeepSeek 的涨价形成方向对比。

源链接：

主题四：OpenAI：GPT-5.6 Ultrafast 极速模式与商业化高层更替

OpenAI 发布 GPT-5.6 构建者指南和 Ultrafast 服务层：同一 Sol 模型在 Ultrafast 下比 Standard 最高快 14 倍、输出速度最高 750 tokens/s，由 Cerebras 提供算力，目前 Limited Preview，Jane Street、Podium、Basis、Rogo 等已在测试；相比之下，7 月底刚推出的 Fast Mode 只有 2.5 倍速度、2 倍价格。官方给出的应用场景集中在实时语音、故障响应、金融研究、客服等对延迟敏感的 agent 场景。构建者指南还披露：启用保留推理和压缩后，Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍；Luna 在 BrowseComp 上以 84.04% 追平 GPT-5.5（84.36%），单次成本从 $33.27 降至 $1.33；新增推理持久化、原生多智能体编排与程序化工具调用等 API 能力。

商业化层面，OpenAI 一周内连失两名高管：8 月 11 日 COO Brad Lightcap 离职，8 月 13 日 CRO Denise Dresser 离职（加入仅 8 个月，5 月还公开称企业客户贡献 40% 收入、预计年底 50%）；继任者 Dali Rajic 来自 Google 旗下 Wiz（此前任 President/COO），同时有报道称 Greg Brockman 正在重新加强对日常运营的影响力。证据边界：人事信息来自 WSJ/Axios 转述（社区单源），OpenAI 官方仅确认任命。在 IPO 与组织重构并行的节点上，商业化最高层连续换人值得关注。

源链接：

主题五：Grok 4.6 与 Grok Bot：xAI 的 agent 双线推进

SpaceXAI 与 Cursor 合作推出 Grok Bot，一个可连续操作应用与网站、完成后返回结果的通用 agent：能研究线索、更新 CRM、处理发票、复现 bug、在用户电脑关闭时继续跑已学习的工作流，beta 面向 SuperGrok Heavy 与 Cursor 订阅者，团队席位 $120/月起、个人 $200/月。同一天 Grok 4.6 扩散：Perplexity CEO Aravind Srinivas 称在其 Wide-And-Deep-Research 基准上用 Perplexity Computer harness 评测，Grok 4.6“干净地落在性能/成本 Pareto 前沿”；Warp 当天接入；多位实测者评价“智能接近 GPT-5.6 Sol、接近 Opus 5/Fable 5，但更快更便宜”。埃隆·马斯克还放风 Grok 4.7 将在约一个月内发布，并称其真实工程能力“如果被超越会很惊讶”（厂商/创始人自述，需标注）。

社区围绕“谁更划算”出现直接对照：一方称 Grok 4.6 在“每次成功成本”上领先 V4 Pro，另一方称 V4 Pro 同提示词下比 Grok 4.6 快一倍。这些多为单次实测，不构成普遍结论。意义：xAI 在模型、订阅与 agent 产品三条线上同时加码，与 Cursor 的合作把 Grok 直接送进最活跃的编码 agent 用户群。

源链接：

主题六：X 开源“For You”推荐算法并推出“限流”自查工具

X 将“For You”页面的推荐算法开源，并同步推出一个自查工具：用户可查看上个月自己的账号或单条帖子是否被打上“限制可见性（Limiting Labels）“标签，还能把数据下载下来自行分析。功能目前是试点：随机抽取部分账号，注册满 1 年且上月发帖不少于 10 次。社区对开源内容的权重解读：预测引用权重 5×、预测关注 4×，通过 DM 或复制链接分享有额外奖励；重复文本会被标记为 COPYPASTA_SPAM；“不感兴趣”、拉黑、静音与举报对分数有负向影响，其中举报权重最强；点赞贡献的 SimClusters 发现分有 8 小时半衰期；账号信誉 UserCredV2 更接近信任/权威度量，关注质量比数量更重要。

意义：把内容分发的“明牌”公开，既是一次透明化尝试，也让创作者第一次能系统性地看到限流判定。需要说明的是，公开的权重数值用于预测事件，不代表每次互动都会精确加减分。

源链接：

主题七：开源模型三连：Qwen3.8-2.4T-A95B、MiniMax Music 3.0、小红书 dots.tts

阿里开源 Qwen3.8-2.4T-A95B：2.4T 参数、95B 激活参数，主打自主编码、深度研究与端到端智能体执行，硅基流动提供 Day-0 支持，API 定价输入 $2.00、输出 $6.00、缓存输入 $0.25（每百万 token）。

MiniMax 发布 Music 3.0：开源权重、定位“生产级”的全能音乐生成模型，输入创意概念和可选歌词即可一次性完成作曲、编曲、演奏与制作，最长支持五分钟，已在 ComfyUI 本地运行，官方称“开源到 AGI 到来为止”。同日 MiniMax H3 宣称登顶 Video Edit Arena（官方自测，注意证据边界）。

小红书 dots 团队开源 20 亿参数全连续端到端自回归语音合成模型 dots.tts，官方称在 Seed-TTS-Eval 三个子集上取得最佳平均内容准确度和平均说话人相似度（厂商自测）。

三件事的共同点：开源权重正在覆盖音乐、语音等此前以闭源为主的模态，且“开源 + Day-0 推理平台支持”成为标配。此外社区还在实测 MiniMax H3 的本地部署（双 4090 记录）与 Seedance 2.5 的视频微表情对比，属于单帖体验，不构成基准结论。

源链接：

主题八：agent 研究信号：水印、skill 代价与记忆基准

Anthropic 为 Claude 文本加入不可感知的机器可读水印（8 月 2 日及以后发布的模型生效），覆盖 chatbot、API 与 Claude Code，图像端有类似系统，官方口径是满足欧盟 AI 法案透明度要求；X 上出现“因水印取消 Claude 订阅”的讨论，属个别用户行为观察，不代表普遍趋势。

两份 agent 相关论文在同日被广泛转述。其一是微软与同行的工作：把 307 次 agent 失败归因于已加载的 skills（125 次功能性失败、182 次效率回退），发现“看似相关的 skills 反而推动 agent 错误实现或遗漏任务要求”，成本回退的最大来源是过度验证（67 例）与重型实现管道（30 例），且与提示长度无关——skills 会把验证清单悄悄变成强制性工作。

其二是 Harness-IF：逐条评估 256 条 AGENTS.md 规则，在 12 个前沿模型上 raw accuracy 为 72.1%–85.9%，剥离“模型本来就会这么做”的巧合后（Against-Prior）降至 66.1%–78.6%，所有模型都下降 3.6–7.4 个点；优先级不随提示深度排列——系统提示、项目文件与用户指令的优先级高于工具与技能描述。此外，UC San Diego 团队构建的 agent 记忆基准把记忆拆成四项能力（准确检索、测试时学习、长程保持、选择性遗忘），所有被测系统（纯上下文、RAG、外部记忆模块）至少有一项不达标，“多数系统对检索很强、对遗忘避而不谈”。

这些研究合起来指向同一个工程教训：agent 的能力不仅取决于模型，还取决于加载了什么规则、技能与记忆机制——加得越多不一定越强。

源链接：

高价值单点

🕐 小时信号精选

PT 时间 信号 为什么值得记住
00:00 DeepSeek V4 Pro 0813 上线后社区实测不佳，复杂任务思考时间异常短 发布事故的第一波现场证据
01:00 DeepSeek 官网撤下 V4 Pro 0813 发布通知 “首次发布失败”讨论升温
03:00 内部基准 DSBench 被挖出，Hard 档 Opus 4.8 反超 Fable 5 自建基准暴露实验室优化方向
04:00 DeepSeek 涨价图传开：缓存命中输入价最高涨 12 倍 价格体系从“地板价”转向峰谷定价
05:00 API 指纹从可读格式变为 32 位哈希，Pro/Flash 同时切换 线上推理栈切换的间接证据
07:00 DeepSeek Harness 开源，数小时破 2.4 万 stars 开源 agent 运行时成为当天第二主线
08:00 DSH 破 3 万 stars；标普 500 首触 7800 热度与市场情绪同频
09:00 Gemini 3.7 Flash 正式发布，Cline 当天接入 半价工作模型加入价格战
10:00 OpenAI CRO Denise Dresser 离职消息传开（WSJ 报道） 商业化高层连续更替
11:00 Hugging Face 上 V4-Pro-0813 的 config 与 Flash 一致被确认，仓库下架重传 发错模型的实锤线索
12:00 X 开源 For You 算法并推出限流自查工具 内容分发规则首次可验证
13:00 Claude 桌面版新增 auto-continue 复选框 agent 长任务体验的小改进

编辑结论

这一天最实质的变化不是某个模型的分数，而是 agent 竞争的坐标系变了：DeepSeek 用“正式版 + Harness + 涨价”三连击，把“模型能力、运行时可替换性、单次调用成本”摆到同一张桌上讨论，虽然发布过程出了事故，但开源 Harness 与新的价格体系都是长期影响大于单日波动的动作；Google、OpenAI、xAI 在同一天各自出牌，方向一致——围绕编码与 agent 场景，拼模型、拼运行时、拼每成功成本。对开发者而言，今天值得记住两件事：agent 表现是“模型 × Harness × 你加载的规则”共同作用的结果，以及便宜和快正在成为比榜单分数更硬的竞争维度。

来源与方法

审阅 30 个原始抓取文件（20 个小时快照 + 10 个命名来源），其中 5 个命名来源有实质内容，另有 4 个小时快照缺失（06/20/21/22 点）。主要事件均有跨源或强单源支撑；厂商自测基准、社区单帖实测与人事转述已在相应位置标注证据边界。信号池：rich。

微信搜一搜：智简 Smart&Concise 公众号二维码

关注公众号

智简 Smart&Concise

微信搜一搜，获取独立开发与 AI 实践更新。