宇树科技启动申购，A 股迎来人形机器人公司
高估值不是答案，量产和毛利才会天天交卷。
小岛AI 日报
总第 15 期 2026 年 08 月 10 日 · 星期日 22 条信号
XIAODAO AI DAILY 捕捉信号，附带判断
头版 · 本日长文
agent 用电脑超过人类了，你还是不敢把浏览器交给它
OSWorld 一年从 42 涨到 85，人类才 72。可月跑千万次任务的买家根本不看榜单，他们付钱买的是另一样东西。写给正在做 agent 产品的你，钱和坑都在模型外面那层。
读全文 →大模型总榜越公平，你越不该照着第一名买单
LatentRank 用 Bradley-Terry 和先验把多张榜单揉成一张总榜。难点不在算分，而在承认相关性、样本量和任务权重会偷偷替你做决定。
'Muse Glimmer 能塞进 24GB，不等于能常驻'
'Meta 把 30B 智能体模型压进 24GB 显存，但权重装得下只是开始。本文从 KV cache、工具权限、失败恢复和端到端延迟拆开本地常驻 Agent 的真实工程账。'
VoiceChat 开源了，但多数开发者还用不上
448 毫秒轮换、实时工具调用、开放权重很亮眼。可 80GB 显存、33% 工具调用成功率和一长串官方限制，才是接入前该算的账。
Qwen-MM-Plugins 真正的瓶颈不在模型
Qwen 把图像、视频、文档、Blender 与 FreeCAD 拆成 skill 和 MCP。真正该看的，是这套能力进生产后如何处理依赖、权限、失败和验收。
千问开放平台最值钱的，不是聊天入口
租房、寄快递、查理财都能在千问里办，只是显眼的一层。开发者真正要接住的是授权、支付、订单、重试和售后，一条比聊天框复杂得多的服务链路。
行业 INDUSTRY
AI 安全测试本身正在制造新的系统风险
评测越界事故已连续写过，这次先不挤同一条线。
Cloudflare 称 AI 机器人流量已超过人类流量
机器流量压过人类，网站规则得从头算账。
Meta 公布面向所有人的超级智能愿景
愿景写得很大，开放到哪一层才是真问题。
tl;dv 逾 18 万段 AI 会议录音被公开暴露
Firestore 没做租户隔离，AI 会议工具裸奔实锤，先自查再吃瓜
模型 MODELS
NVIDIA 开源 NemotronLabs VoiceChat 11B 全双工语音模型
能边听边说还会调工具，可惜一张 80GB 卡挡门。
OpenAI 将 Astra 列为首个关键网络安全模型
昨天已经落稿，重复追只会稀释判断。
Meta 发布 30B 开放权重智能体模型 Muse Glimmer
24GB 能装下权重，离常驻可靠还隔着一整套运行时。
Scale AI 宣布将开放 Muse Spark 1.2 与 Muse Glimmer 权重
同一发布的补充信号，24GB 显存承诺值得细算。
SGLang 为 Muse Glimmer 提供 Day-0 推理支持
开源模型发布当天就有推理框架接住，这生态速度才是护城河
产品 PRODUCTS
Qwen-MM-Plugins 把多模态能力装进智能体工具链
会看图只是开场，工具失败时谁兜底才见真章。
千问开放平台上线，十余领域服务可在对话中办理
聊天只是门面，支付、订单和售后才是真功夫。
OpenChamber 推出跨桌面、网页、手机与 VS Code 的代理开发环境
跨端续会话很诱人，状态同步才是那块硬骨头。
OpenAI 桌面端 ChatGPT 加入语音操作入口
报道时间很新，功能本身却不是今天才出现。
Grok Imagine 图像编辑支持悬停选区即时修改
交互很顺手，只有一句官宣还撑不起长文。
Apple 智能千问扩展现身简体中文文档
昨天刚写过系统入口，今天换看服务接入。
Claude Code 会话间可互发消息
会传话和会协作差得远，这篇昨天已写。
LangChain Managed Deep Agents 进入公开测试
托管底座很实用，但同题草稿已有一篇。
研究 RESEARCH
WeatherNext 为气旋预报多争取一天
多一天很值钱，同题草稿已经躺在箱里。
智能体真的会用电脑吗？a16z 拿 OSWorld 数据说话
一年从 42 冲到 85 还超了人类，但分数不等于你敢交出电脑
技巧 TIPS
LatentRank 聚合多家榜单重排大模型名次
榜单合并能降噪，也可能把偏见平均得更漂亮。
Anthropic 称多层防御已把提示注入成功率压到接近零
零分很醒目，换一套攻击分布还得再考。
本期完 / SAIL WITH XIAODAO AI