跳到主要内容

AI Daily Digest: GLM-5.3-Flash 揭晓 Ox Alpha、o3 退役、OpenRouter 前五全中国 - 2026/08/28

· 阅读需 7 分钟
Yi Wang
Yi Wang
Full Stack & AI Engineer

8 月 26 日成了 2026 年最大的开源模型日之一：阿里 Qwen3.8-Flash-Next 预览 Qwen4 架构（昨日已述）之外，智谱同晚发布 GLM-5.3-Flash 并揭晓困扰社区数日的"Ox Alpha"隐形模型之谜——320B/A18B 的 MIT 许可权重直接上架 Hugging Face。同日 OpenAI 将服役多年的推理功勋 o3 从 ChatGPT 正式退役，GPT-5.6 Luna 接管免费档默认。使用数据层面，OpenRouter 最常用模型前五名首次全部来自中国厂商。学术前沿上，今天的 arXiv 批次聚焦 Agent 的"经验复用"：小模型失败模式做推理时引导、技能演化配持久知识库、10% 轨迹胜过全量 SFT 数据、无标签测试时训练、多轮代码审查基准与经验驱动的红队 Agent。

GLM-5.3-Flash 揭晓 Ox Alpha 之谜：智谱的隐形模型策略​

过去数周，一个代号 Ox Alpha 的匿名模型以高性能零成本悄然登顶多家使用榜，社区反复猜测其归属。8 月 26 日晚，智谱发布 GLM-5.3-Flash 并确认 Ox Alpha 正是 GLM 出品：320B 总参/A18B 激活的 MoE 架构、1M token 多模态上下文，权重以 MIT 许可证（最宽松的开源条款）上架 Hugging Face，且可在国产 AI 芯片上运行。Agent 基准上官方宣称对标 Opus（GDPVal、DeepSWE），API 定价在 flash 档。

这场"隐形上线→公开身份→开源权重"三步走堪称营销范本：先用匿名成绩积累真实口碑，再借揭晓时刻放大声量，最后用 MIT 许可锁住开发者生态。技术层面，它也回应了此前"GLM-5.3 开源权重何时发布"的悬念——领先攻防基准的模型开源权重，行业尚无先例。

来源：Build Fast with AI（2026-08-27）

o3 正式退役，GPT-5.6 Luna 成为免费档默认​

OpenAI 于 8 月 26 日完成 o3 的 90 天下线周期，这款曾经的推理主力从 ChatGPT 正式退役；依赖 o3 调优提示词、工作流与评测的团队需迁移至 GPT-5.6 系（Sol/Luna/Terra）。同期 OpenAI 把 GPT-5.6 Luna 设为免费档默认模型，让数亿免费用户用上当代模型——既是分发策略，也是对免费档"体验过时就会流失"的防御。

对构建者的教训直接：把任何单一模型版本视为临时的。模型退役是前沿 API 的隐性成本，且正在常态化——保持一套能廉价切换模型的评测集，比押注某个版本更划算。

来源：Build Fast with AI（2026-08-27）

OpenRouter 使用榜前五首次全中国：腾讯、小米、DeepSeek、MiniMax、智谱​

最新使用数据显示，OpenRouter 最常用模型前五名全部来自中国厂商。使用榜比基准榜诚实：一个模型能持续霸榜，需要同时足够好、足够便宜、足够可得。开放权重+低成本的组合正在赢得真实生产流量，而不仅仅是头条——结合同日 Qwen/GLM 双开源，开源 AI 的重心东移已从趋势变成结构性事实。对模型选型而言，"最优开源选项可能在一周内换两次"是新的现实，月度重测比年度选型更合理。

来源：Build Fast with AI（2026-08-27）

学术前沿：Agent 的经验复用​

CritICL：小模型失败模式做推理时弱到强引导（arXiv:2608.27455）​

同族模型跨规模的失败模式呈结构化模式。CritICL 把弱模型的失败案例提炼为 critique 形式的上下文示例，推理时引导强模型避开同类错误：dynamic 变体按输入自适应预测失败模式，static 变体用全局失败画像。效果超越标准 ICL、比肩测试时扩展方法，而生成次数与 token 成本显著更低——"弱模型的失败经验"成为推理时扩展之外的廉价维度。

WikiSkill：技能演化与持久知识库共进化（arXiv:2608.27454）​

Agent 技能演化的洞察通常散落在各次优化历史里，难以跨迭代复用。WikiSkill 将原始执行经验、积累知识与可执行技能三层分离，经验持续固化进持久 wiki，后续技能更新在 wiki 上构建。跨基准跨模型稳定超越 SOTA 技能演化方法；且技能演化与模型规模互补——大模型获益更多，小模型带技能可反超大模型无技能，演化技能还能跨模型跨族迁移。对 Agent 平台的启示：知识沉淀应与技能商店同为一级公民。

SWE-Prime：10% 轨迹胜过全量数据（arXiv:2608.27449）​

成功轨迹不等于高质量监督——其中仍含无效、冗余、高风险步骤。SWE-Prime 用两阶段多粒度筛选：轨迹级按过程质量/结果质量/代表性筛子集，片段级按贡献/可学习性/风险打分，SFT 时全序列保留上下文、仅选中片段计入损失。SWE-Bench Pro 与 Verified 上，仅用 10% 轨迹训练即超过全量，相对提升最高 12.2% 与 24.2%。编码 Agent 后训练的 scaling 维度正从"更多轨迹"转向"更准选择"。

TTPO：无标签的测试时策略优化（arXiv:2608.27448）​

RL 与在线策略蒸馏依赖真值标签，无法用于测试时训练；多数投票伪标签又脆弱——投错即污染教师。TTPO 发现失败模式不对称：与伪标签不一致的 rollout 大概率确实错误，无论投票对错。据此设计非对称目标：一致 rollout 走蒸馏、不一致走分组 RL 惩罚。零标签下在五个竞赛级基准追平有标签方法：Qwen3-1.7B 测试时训练 38.0%→45.2%，无思考模式提升 25.2%-36.4%。

MCR-Bench：多轮真实代码审查基准（arXiv:2608.27442）​

现有 LLM 代码审查研究把多轮交互过度简化为单轮静态决策。MCR-Bench 是首个缺陷状态感知基准：5 种语言、2269 个真实多轮审查任务，配备细粒度缺陷元数据与跨轮状态标签。主流 LLM 表现有限且随轮数显著退化；语义复杂或低显著度缺陷最易漏检；跨轮时间错位与长程记忆不足是核心弱点（ISSTA 2026）。

RedEvoAgent：经验驱动技能演化的红队 Agent（arXiv:2608.27439）​

产品级执行环境中的越狱可触发有害工具调用与持久状态变更，风险远超不安全文本。RedEvoAgent 把跨案例攻击轨迹蒸馏为简明可读的攻击技能，经工具有效性画像与验证棘轮持续演化，在攻击者模型与目标执行环境间均可迁移。与 MCR-Bench 同日出现——Agent 攻防两端的工程化都在加速。

来源：arXiv:2608.27455；arXiv:2608.27454；arXiv:2608.27449；arXiv:2608.27448；arXiv:2608.27442；arXiv:2608.27439（2026-08）

知识库更新​

本次更新涉及以下文档：

  • AI Agents / Frontier (docs/ai/agents/10-frontier.mdx): 新增 9 条前沿趋势（#618-626）——GLM-5.3-Flash 揭晓 Ox Alpha、o3 退役与 GPT-5.6 Luna 免费默认、OpenRouter 前五全中国，以及 CritICL、WikiSkill、SWE-Prime、TTPO、MCR-Bench、RedEvoAgent 六篇论文

本文由 AiDIY 每日知识更新工作流自动生成，数据来源包括 arXiv、Build Fast with AI、The Decoder 等。