英伟达 8 月 11 日发布 300 亿参数 MoE 开源模型 Nemotron 3.5 Lightning，面向长时运行智能体的高频执行层，称输出速度最高为同级模型 4 倍、智能体任务完成快 30%。同日开源的 NeMo Switchyard 可在多个模型间按任务自动路由请求。
英伟达 8 月 11 日发布 Nemotron 3.5 Lightning，一个 300 亿参数的混合专家（MoE）开源模型。据英伟达官方博客，它的定位是「长时运行智能体的高频执行层」——不是承担最复杂推理的旗舰，而是把大量重复、明确的子任务跑得又快又稳。官方给出的数字是：输出速度最高可达同级模型的 4 倍，智能体任务整体完成速度快 30%。
模型已在 Hugging Face、ModelScope、OpenRouter 与 build.nvidia.com 上线，后者以 NIM 微服务形式提供，并同步接入英伟达云合作伙伴、后训练与推理平台。
同日开源的 NeMo Switchyard 是一个路由库：把每个请求分派给开发者自有模型池中最合适的那一个，池子里可以同时有开源、闭源与英伟达模型。英伟达称这种「大模型兜底、小模型执行」的组合能在保持前沿模型精度的同时，把任务完成成本降到单独使用旗舰模型的约三分之一。执行层小模型 + 路由层的分工，正在成为智能体系统降本的通用做法。
谷歌 8 月 14 日推出 Gemini 3.7 Flash，与前一版相隔三周，输入上下文 100 万 Token、单次输出上限 6.4 万 Token。2026 年内每百万 Token 的输入价 0.75 美元、输出价 3.75 美元，2027 年 1 月 1 日起按标准价 1.50 与 7.50 美元计费。
智谱 8 月 14 日发布 GLM-5.3，基座沿用 GLM-5.2，能力增益全部来自后训练，官方称编程能力较前代提升 50%。智谱表示完整权重会在完成安全加固后开源，GLM Coding Plan 的用户在发布当日已可调用。
深度求索 8 月 13 日宣布 DeepSeek-V4-Pro 转入正式版，App、网页端与 API 同步更新，思考模式提供 low / high / max 三档强度。API 新价格 8 月 17 日 0 时生效，计费改为峰谷两段，闲时是高峰段的一半。
