AI前沿速递 · 2026年08月04日
阿里Qwen3.8-Max发布跻身全球第一梯队，MiniMax H3开源旗舰视频模型，城堡证券预警AI芯片5000亿美元债务浪潮
阿里Qwen3.8-Max发布跻身全球第一梯队且下周开源，MiniMax H3旗舰视频模型同日开源被称”视频赛道DeepSeek时刻”，城堡证券预警AI芯片融资到2028年将新增5000亿美元债务——本期速递聚焦模型能力突破、开源生态与AI金融深水区。
阿里发布Qwen3.8-Max：2.4万亿参数旗舰跻身全球第一梯队
事件概述： 8月3日，阿里巴巴正式发布新一代基座大模型Qwen3.8-Max。该模型总参数量2.4万亿（激活95B），采用稀疏MoE架构与混合注意力机制，支持100万token上下文和原生视觉理解。在权威Arena榜单中，Text Arena排名第五、Vision Arena排名第二，仅次于Anthropic的Claude系列；Code Arena排名全球第四；PaperBench以93.0分超越Fable 5的88.8分。API定价国内每百万tokens输入12元/输出36元，国际价格仅为Opus 5的40%（输入）和24%（输出）。Qwen3.8-Max预计下周开源权重，同时将开源Qwen3.8-27B。阿里港股当日收涨7.01%。
为什么值得关注： Qwen3.8-Max标志着中国开源大模型在编程智能体和长程自主执行方面迈入全球顶尖行列。模型可自主编程16天完成真实项目交付、复现并超越最新论文，这种”从空文件夹到完整交付”的能力此前仅有Claude Code和Codex展示。定价策略——Opus 5的1/4到2/5——进一步加剧全球AI价格战，而开源承诺则锁定了企业级私有化部署的长期生态。
相关链接：
MiniMax H3开源：视频赛道迎来”DeepSeek时刻”
事件概述： 8月3日，MiniMax正式开源新一代通用视频模型H3。H3是一个全模态生成系统，可统一理解文本、图像、视频和音频，生成最高2K分辨率、最长15秒、带原生立体声音频的视频。在ArtificialAnalysis视频模型榜单中，H3在视频编辑能力项排名全球第一。架构上采用H3-Context-IR + H3-Base（33B参数Omni-Transformer）+ H3-Regenerate-2K三模块设计，支持首尾帧、全模态参考等多种输入模式。定价0.8元/秒（2K分辨率），仅为同类旗舰视频模型的1/3。华为昇腾、摩尔线程、HuggingFace、ComfyUI、vLLM等国内外芯片和推理生态同日完成适配。MiniMax股价涨超7%。
为什么值得关注： H3是视频生成赛道首个开源的旗舰级模型。此前，头部视频生成能力（如Seedance 2.5）均以闭源API形式存在，开发者无法获取权重进行微调和私有化部署。H3开源意味着视频模型从”能力竞赛”进入”生态竞争”阶段，与DeepSeek对文本大模型开源生态的冲击异曲同工。其全模态参考+视频编辑的能力组合，也让视频模型从”生成素材”走向”完成后期”，直击企业真实内容生产需求。
相关链接：
城堡证券预警：AI芯片融资到2028年将新增5000亿美元债务
事件概述： 城堡证券（Citadel Securities）投资级债券首席分析师Jeff Eason预测，到2028年，公开和私募市场将新增超过5000亿美元债务，用于AI算力园区芯片采购。这一规模相当于彭博美国投资级债券指数的5%以上。其中2028年单年芯片制造商发债可能超过2500亿美元。Eason坦言该预测”仍可能偏保守”。目前全球已吸收约5700亿美元AI相关债务，但与即将涌入的芯片融资相比”只是零头”。Eason警告，大规模新债将重塑投资级信贷市场结构，投资者可能需要减持TMT债券以腾出空间。
为什么值得关注： 这不是一则关于模型能力的新闻，却可能比任何模型发布都更深刻地影响AI产业走向。Anthropic今年350亿美元TPU采购融资、博通提供支付担保的模式，已经展示了”AI公司靠巨头信用背书进入投资级债市”的新范式。如果5000亿美元预测成真，AI芯片融资将从”科技子板块”膨胀为”基准行业”，其债务周期（3-5年匹配芯片寿命）与AI商业化回报周期之间的错配，将成为未来两年金融市场最大的结构性风险之一。
相关链接：
Karpathy用10美元让Opus 5搭建《指环王》3D交互场景
事件概述： 8月2日，Anthropic预训练团队成员、前OpenAI联合创始人Andrej Karpathy在X上展示了一项实验：给Claude Opus 5约100万Token预算（成本约10美元），要求用Three.js把《指环王》开篇文字做成可交互3D场景。模型自主运行近2小时，写出约5500行代码，完成资产建模、坐标摆放与镜头动画。成片虽粗糙但整体可交互运行。Karpathy将其定义为”氛围测试”（vibe check），认为传统的”SVG画鹈鹕骑自行车”测试已接近上限，需要更复杂的长程生成任务来评估前沿模型。但他也指出关键短板：模型无法原生感知视频输出，只能靠静态截图缓慢调整。
为什么值得关注： 这个实验的意义不在于3D场景的质量，而在于它揭示的模型能力边界——以及Karpathy提出的”代码+视频模型”协作路线。程序化代码负责分镜和结构控制，视频到视频模型负责纹理和视觉质量，这种混合范式可能是下一代AI内容生成的关键方向。同时，“10美元2小时”的成本曲线，让个性化虚拟世界生成从”不可想象”走向”随手可得”。
相关链接：
Grok上线视频解析与Deepfake鉴别能力
事件概述： 当地时间8月2日，马斯克在X上展示Grok新版视频理解能力：上传一段已故篮球巨星科比的AI合成视频，Grok精准判定为Deepfake并溯源可能的生成工具。新版Grok支持上传本地视频或粘贴链接，联动连续帧画面、音频与上下文逻辑深度理解内容。实测中，Grok还能在36秒内生成30分钟访谈的详细摘要，甚至读懂无字幕的科拉茨猜想数学动画。但技术人员指出，Grok实际仍依赖字幕提取而非逐帧画面分析，且存在转录出错、编造信息等幻觉问题，稳定性不足。
为什么值得关注： AI视频理解正从”听视频”（音频转录）向”看视频”（多模态帧级理解）过渡。Grok展示了这一方向的可能性——尤其是Deepfake鉴别+溯源能力，在AI生成内容泛滥的当下极具实用价值。但技术真相与营销话术之间的差距仍不容忽视：依赖字幕而非逐帧理解，意味着对无字幕、非语言类视频（如监控、科学可视化）的理解深度有限。真正的视频理解仍需更高效的帧级推理架构。
相关链接：