AI界动态观察：开源模型反超、AI 走进手术室、全双工交互落地——8月底值得关注的五件事
八月底的 AI 圈并不平静。从开源模型的流量格局，到 AI 在手术室里的实时辅助，再到多模态交互的范式转折，一连串新进展正在改变我们对"AI 能做什么"的判断。下面梳理五条值得留意的动态，并说明它们为何重要。
一、中国开源模型在 OpenRouter 的 token 占比反超美国
当地时间 8 月 26 日，BCA 首席经济学家彼得·贝雷津（Peter Berezin）披露，在 AI 模型聚合平台 OpenRouter 上，中国人工智能模型处理的 token 份额已从 2025 年底不足 20%，反转为 2026 年 8 月的超 60%，美国模型则降到 40% 以下。国信证券的跟踪数据进一步显示，中国模型在 OpenRouter 的 token 份额在 7 月达到 61.5% 的高点。
这一反转主要由 DeepSeek、通义千问、智谱、Kimi 等高性价比开源权重模型推动。这些模型在编码、结构化任务与自动化工作流上的表现已可对标美国头部产品，成本却仅为零头——OpenRouter 数据显示，中国开源模型运行成本比美国同类产品低 60% 到 90%。有创业者公开表示，把主力模型从美国产品切到 DeepSeek 或 MiniMax 后，月度推理账单从百万美元级降到十万美元级；自动化公司 Lindy 在 6 月切换模型后成本削减约九成。
值得关注的原因在于，token 消耗量代表的是真实企业流量与开发者用脚投票的结果，而非实验室里的跑分。当"够用且便宜"开始压过"能力上限更高"，全球 AI 应用的重心正在从"谁更强"转向"谁更划算"，开源权重叠加极致定价的组合，正在重写价值的分配规则。除了 DeepSeek 与通义千问，MiniMax、月之暗面 Kimi、智谱等也在持续放出开源权重，形成多模型共同发力的局面，使企业在选型时拥有更丰富的余地。
二、英国完成全球首例 AI 实时辅助脑外科手术
8 月 27 日，伦敦大学学院医院（UCLH）下属国家神经病学和神经外科医院公布，团队借助一套实验性 AI 系统，为 48 岁患者 Rhys Hibbert 切除了压迫视神经的垂体瘤，患者视力得以保全并已康复。
与多数仅在术前或术后分析影像的医疗 AI 不同，这套系统在手术进行的同时工作：它实时分析内镜传回的活体画面，跟踪手术器械位置，以颜色编码或区域分割的方式标记出重要血管和神经可能存在的区域，并高亮相对安全的切除范围。系统由数百台垂体瘤手术录像训练而成，见过的病例数量超过多数外科医生一生的积累。其运行依托英伟达 Clara IGX 平台，由英国国家健康与护理研究所与谷歌联合资助。
值得关注的原因有两点。其一，这是大模型能力从软件推理走向高精医疗实操场景的清晰信号，AI 开始进入容错率极低的真实操作环节。其二，医疗团队明确 AI 只作辅助、医生负全责，并计划推进更大规模临床试验——这为主流医疗场景接纳此类技术，提供了"辅助而非替代"的规范样本，也凸显了安全监管机制建设的必要。
三、字节 SeedRealtime 把音视频全双工大模型搬上豆包
8 月 5 日，字节跳动 Seed 团队发布原生音视频全双工大模型 SeedRealtime，次日即在豆包 App 全量上线。它采用统一端到端架构，原生融合音频、视频与文本三种信号，在连续的多模态信息流上同步完成感知、理解、决策与表达，不再依赖外部语音活动检测来判断轮次。
相较传统"识别—理解—合成"逐级串联的级联系统，SeedRealtime 把对话节奏问题减少约一半，话未说完被抢断、话音已落却回应迟缓、被背景杂音误触发等卡壳现象明显缓解。与此同时，豆包大模型日均 token 调用量已突破 180 万亿，背后是字节在推理算力上的规模化投入。
值得关注的原因在于，这是多模态实时交互从"半双工串行"迈向"全双工并行"的一个转折。当模型像人一样在连续信息流中边听边想边说，智能座舱、实时翻译、远程协作等看重延迟与节奏的场景都将受到影响。当然，连续多模态流的实时处理对云端算力与带宽消耗呈指数级增长，如何把推理成本压到商业可接受范围，仍是所有玩家必须跨越的门槛。
四、OpenAI Astra 据报以约 2000 美元算力形式化验证数学难题
据多家行业媒体 8 月报道，OpenAI 称其尚未发布的 Astra 模型已解决数学与理论计算机科学领域 10 个长期悬而未决的问题，包括构造出非 sofic 群的首个显式例子、推翻 Connes 刚性猜想等。相关证明使用 Lean 4 逐步机器核验，证明文件已公开在 GitHub 供他人复核。
更引人注意的是成本：OpenAI 表示，生成这些经过验证的证明，仅耗费约 2000 美元的算力。
值得关注的原因在于，这预示着 AI 的角色正从"回答已有问题"走向"参与可验证的原创科研"。形式化验证把"看起来对"变成"可被一步步检查的对"，而 Lean 4 能逐步核验证明的正确性，使结论不再单纯依赖人工审稿的信任；极低的算力开销则意味着这类能力不再只属于资源充裕的机构。若此类能力走向成熟，基础科研的协作方式或将随之改变。
五、欧盟 AI 法案透明规则生效，文本水印成为合规动作
8 月 2 日，欧盟《人工智能法案》（EU AI Act）的新一轮透明规则正式生效：AI 提供商须更清楚地告知用户正在与 AI 交互，深度合成内容等须被标注或可检测为 AI 生成。与此同时，Anthropic 于 8 月发布说明，将为后续 Claude 模型嵌入基于谷歌 DeepMind SynthID-Text 思路的文本水印，以符合法案要求——该方法不改变输出文本，而是调整模型在多个等价候选词之间的随机性来源，留下可被密钥检测的统计特征。
值得关注的原因在于，AI 生成内容可追溯正从"可选项"变为"法定义务"，这会影响所有生成式产品的设计与发布流程。同时也要注意，此类水印在代码、事实性段落等自由选项较少的内容上覆盖较薄，单靠水印难以彻底解决深度伪造与内容归属问题，配套的检测与治理仍需跟上。
对从业者而言，比起追逐单一指标，理解这些结构性变化更有价值。后续我们也会持续追踪相关进展，欢迎关注本栏目的更新。
