Cursor 并入 SpaceXAI，开源模型与智能体运行时成焦点

回顾我们首次制作 Cursor 播客时，他们只有 5 个人：随后在 ICML 2024 上，我们与 Graham Neubig 一起回顾了智能体相关话题：接着是他们在 2026 年的第三个时代：以及他们如何讨论在企业中实施 FDE：

AI News 2026 年 8 月 13 日至 8 月 14 日。我们检查了 12 个子版块、544 个 Twitter 账号，没有其他 Discord 频道。AINews 网站支持搜索所有历史期刊。

提醒一下，AINews 现在是 Latent Space 的一部分。你可以选择接收或退订邮件频率！

AI Twitter 摘要开放权重前沿推进：Z.ai 的 GLM-5.3、Qwen3.8-27B/Max、DeepSeek V4-Pro 以及 RedNote 的 dots3-noteZ.ai 的 GLM-5.3：最大的技术新闻是 Z.ai 发布了 GLM-5.3，

定位为编码和网络安全模型，基于与 GLM-5.2 相同的 743B 基础模型进行后训练，而非新的预训练。

Z.ai 及后续帖子声称在智能体和安全评估上取得大幅提升，包括 Terminal Bench 3.0：28.3、DeepSWE：66.9、Agents' Last Exam：28.5 和 GDPVal-AA：1769（基准摘要、完整基准）。

公司还表示网络能力提升显著，因此在安全审查后最终开放权重发布之前，最初仅向特定合作伙伴开放访问（详情）。许多工程师强调的关键主张是，能力跃升完全来自扩展的后训练/强化学习，针对更长周期的可执行任务，而非更大的基础模型（分析、反应）。

Qwen3.8 拓宽了本地/开放前沿：阿里巴巴发布了 Qwen3.

8-27B，一个原生多模态密集模型，采用 Apache 2.0 许可，原生上下文 262K，可通过 YaRN 扩展到 1M，同时强调了已发布的 Qwen3.8-2.4T-A95B 最大规模模型（公告、性能讨论）。

27B 模型值得关注，因为它明确面向实际编码、办公工作流和智能体，而非仅学术基准。

Day-0 推理支持异常广泛：vLLM、Ollama、llama.cpp/GGUF、SGLang 报告在单张 RTX 5090 上达到 206 tok/s，云合作伙伴包括 Together、Fireworks、Modal、DigitalOcean、DeepInfra 等。

实际部署细节很重要：Unsloth 声称提供 NVFP4 和动态 GGUF 构建，Qwen 强调 27B 模型可在 17GB RAM 上本地使用（帖子）。

DeepSeek V4-Pro 和 RedNote 的 dots3-note 延续了中国开放模型浪潮：vLLM 宣布支持 DeepSeek-V4-Pro，强调 MIT 许可、与预览路径的 checkpoint 兼容性以及集成的草稿支持。

同时，RedNote 的 AI 实验室发布了 dots3-note Preview，一个 280B 多模态 MoE，16B 激活参数，512K 上下文，面向长期运行的智能体，并伴随新的强化学习方法 TEMPO，用于长周期自我评估（早期信号、摘要、团队技术解释）。

新兴模式是多个中国实验室各有所长：多位评论者明确将 Z.ai、DeepSeek、Moonshot、Qwen、MiniMax 和 RedNote 视为快速发展的开放生态系统，具有不同优势（一种综合、另一种综合）。

智能体运行时、框架和长周期训练DeepSeek Harness 被视为基础设施而非演示智能体：该发布引发的讨论更多关于运行时架构而非模型用户体验。

几篇深度分析将该框架描述为插件化的智能体运行时，其中智能体循环、工具、会话、文件系统和提供者均可替换，Cordis 提供生命周期管理、响应式依赖和可逆效果（概述、运行时可组合性讨论）。

技术上有趣的点不仅是“模块化”，还支持热交换运行时组件，并可能使智能体无需重启即可修改自身运行时，同时保留可审计的事件日志并避免隐藏状态。多位构建者反应，当前框架可能是“错误的”或至少过于固定核心（反应）。

框架本身正成为优化目标：一些帖子强调，基准和产品收益越来越多来自脚手架/框架层，而非仅基础模型智商。DAIR 重点介绍了 AutoDesign，其中元优化器根据 rollout 反馈重写框架本身；

他们报告在论文到海报生成以及跨智能体/模型配置迁移方面取得收益。Lambda 的 Tetris 实验从相反角度提出类似观点：提示词位置、设置和沙箱约束显著影响结果，智能体在缺乏严格限制时会利用基准漏洞。

这与更广泛的讨论一致，即可观测性数据现在同时作为评估、记忆和学习基础（LangSmith 文档说明）。基准、评估和基准怀疑论新评估针对真实智能体失败模式：Vals 推出了一个智能体逆向工程基准，聚焦网络安全相关二进制设置中的确定性最终目标，而非中间产物；

配套文章认为，当前前沿智能体在源码可用时比在必须推理二进制时强大得多（上下文）。OpenRouter 为基于工具的智能体引入了网络搜索基准，而 Ai2 的 TutorMoments 被引用为基于回放的辅导评估，显示模型经常过度帮助而非鼓励有成效的挣扎。

评估反弹仍在继续：一个反复出现的主题是对供应商基准声明持怀疑态度。Vik Paruchuri 批评了 LlamaIndex 基准，称评分器错误可能将系统从 65% 提升到 93.6%，并明确表示开发者应运行自己的评估，而非相信营销——“包括我们的”（后续）。

François Chollet 重申，公开的 ARC-3 演示集不是训练或评估数据，排行榜分数对私有集表现的代表性较弱。

另一个有价值的补充是 Omar Sar 强调的 Meta 的 Wiggle 框架：它在重新提示和对抗压力下对 LLM 评判者进行压力测试，发现静态推回下判决可翻转 25-71%，对抗性说服者下可翻转 62-91%。

基础设施、服务和成本工程服务优化日益成为一流的模型功能：围绕 Qwen 和 DeepSeek 的 Day-0 基础设施支持强调嵌入式草稿头、推测解码和内存/量化权衡，而非仅 API 访问。

Qwen 的 27B 发布附带 vLLM 关于 MTP 草稿头、1M 上下文和单 Blackwell GPU 服务的指南，而 ggerganov 展示了本地 llama.cpp 用于大上下文和推测解码的配方。

Tim Dettmers 预告了即将推出的效率方法，可在单个 DGX Spark 或 AMD Strix Halo 上以约 7 tok/s 解码和 >250 tok/s 预填充运行强模型。

工具和集群操作也获得实用更新：Stas Bekman 添加了诊断 PyTorch 中挂起的 NCCL 集合调用的指南，并单独指出 Python 3.14+ 允许将 pdb 附加到运行进程而无需插桩（帖子）。

Turbopuffer 描述了一个自定义控制平面，用于操作 100+ TPUf 集群，包括在客户云中部署 BYOC，无需直接主机访问。

数据方面，Hugging Face 的 datatrove 0.10.0 版本添加了 JobsPipelineExecutor，用于 Hugging Face Jobs、HF bucket 集成，并保留推理输出。

产品和平台动向：Cursor/SpaceXAI、Gemini 3.7 Flash、Claude Code 和本地智能体 UXCursor 加入 SpaceXAI：参与度最高的技术/企业举措是 Cursor 宣布现已成为 SpaceX 的一部分，团队加入 SpaceXAI，

在 Grok、Grok Build、Grok Bot、Grok API 和 Cursor 领域工作。SpaceXAI 确认了此次收购，并将其定位为首先加速软件工程，然后是更广泛的知识工作。

这是更明显的迹象之一，表明编码智能体团队现在被视为战略模型/平台资产，而非狭窄的 IDE 产品。

Gemini 3.7 Flash 的推出聚焦智能体和主力经济学：Google 将 Gemini 3.7 Flash 广泛推广到 Gemini 应用、Search AI 模式、Google Workspace / Sheets 画布和 Spark。

定位是“迄今为止编码和智能体最智能的主力模型”，