8月4日 AI 五条：美国把前沿模型安全测试摆上桌，Qwen3.8-Max 计划下周开放权重

本期覆盖 2026 年 8 月 3 日 08:30 至 8 月 4 日 08:30（UTC+8），按对模型安全、能力供给、研究可复用性、产品交互和算力成本的影响排序。

路透社报道，美国白宫官员 8 月 3 日表示，特朗普政府已经完成一套自愿网络安全测试方案，用来评估美国最先进 AI 模型的黑客能力。Meta、Anthropic、OpenAI 和 Google 获邀与白宫官员讨论这套方案。白宫尚未披露测试指标、结果如何报告，以及结果是否会公开；报道也没有显示这是一项强制性规则。1

这把模型安全评估从公司的安全报告，推向政府设计、行业共同讨论的测试机制。但当前能确定的仍只是方案已完成、讨论即将进行，不能写成新规已经生效。真正值得盯的是三件事：测试是否覆盖模型自主攻击和工具调用，分数是否可比较，政府是否会把测试结果连接到采购、部署或后续监管。报道没有公布企业需要提交材料的流程。

阿里巴巴 Qwen 团队 8 月 3 日发布 Qwen3.8-Max。官方称该模型总参数量为 2.4 万亿，每次计算激活约 950 亿参数，目前可通过 QwenCloud 调用，权重计划于下周开放。独立报道还称，它支持最多约 100 万 token 的上下文，并通过阿里云 Model Studio 面向国际开发者提供 API。23

Qwen 官方还展示了 16 天自主编码、五天复现实验并改进论文方法等案例；这些数字和效果来自公司自己的测试，不能等同于生产环境中的稳定性。2

这次发布的变化不只是参数更大，而是把「现在可调用」和「下周可能可自部署」放在了同一条产品路径上。若权重按计划开放，开发者可以自行检查、微调和部署 Qwen-Max 级模型；但 2.4T 是总参数量，95B 是单次激活量，不能直接理解为运行成本只有 950 亿参数模型的水平。权重是否按时发布、许可证和真实硬件需求，决定这次开放对开发者到底有多大价值。

Microsoft Research 发布开源框架 Orchard，核心是可复用的 Orchard Env：用 Kubernetes 管理隔离环境，让研究者在编码、网页操作和个人助理任务中复用训练数据、强化学习 rollout 与评测流程。项目同时公开 Orchard-SWE、Orchard-GUI、Orchard-Claw 的训练配方、数据和评估方法。Microsoft Research 报告称，Orchard-SWE 在 SWE-bench Verified 上达到 69.7%，使用约 30 亿激活参数；价值模型重排后为 73%。这些是该团队报告的基准结果，不是独立生产评测。4

Agent 研究的瓶颈常常不是再换一个模型，而是没有可复用的沙箱、工具、数据管线和评测环境。Orchard 把这层基础设施拆出来，降低了研究团队从零搭建环境的成本，也让训练时使用的真实 harness 更接近部署时的执行方式。读者需要保留一个限制：SWE-bench 或网页导航分数只说明特定任务和配置下的成功率，不能推出 Agent 已经能安全地处理真实代码库、账户和邮件。

OpenAI 8 月 3 日公布 GPT-Live 的工程架构。它让语音模型同时听和说，把深度推理、搜索和工具调用放到异步路径，避免慢工具调用堵住实时音频。OpenAI 称，团队在过去六个月重做了推理、上下文管理和媒体传输；新系统的媒体前端用 Go 实现，WARP 协议把 WebRTC 媒体和数据启动从 6 次网络往返压到 1 次。该架构已经用于 ChatGPT Voice 的部分能力，GPT-Live API 则属于后续计划。5

实时语音的竞争点正在从「语音识别准不准」转到系统能否在持续对话中保持低延迟。OpenAI 的拆分方式很清楚：让小而稳定的语音路径负责不间断交互，把较慢的推理和工具结果异步送回对话。它能改善打断和等待体验，却不能消除后端模型或工具本身的延迟；目前这篇文章是工程说明，不是对所有用户开放的 API 价格或性能承诺。

Olix 8 月 3 日宣布完成 3.12 亿美元 Series B，估值 33 亿美元，投资方包括 Fundomo、Arm、Hudson River Trading 和 Netflix 联合创始人 Reed Hastings，老股东也追加投资。公司正在开发面向推理的 DX-1 解码加速器，以及用光互连连接多芯片的 X-1 平台；本轮资金将用于制造、供应链和向首批客户交付系统，目标时间是 2027 年下半年。67

这笔钱押注的是另一条推理路线：把 token 生成的不同阶段交给专用芯片，再用光互连扩展到机架级系统。它回应了通用 GPU 的能效、显存和先进封装压力，但目前仍是融资和产品路线信号，不是量产或客户性能证据。要判断这家公司是否真的改变推理成本，至少还要等 DX-1 的实物交付、独立测试和客户部署数据。