AI前沿日报：2026-09-11

今日主线：agent 基础设施开始被平台化收编。OpenAI 一天之内把 Codex 的托管运行时、全双工语音层和企业数据/金融工作流全部推上 API；Cognition 用一个中国开源底座把编码模型的性价比推到前沿的四分之一；而在算力侧，中国 GPU 公司完成资本化、TPU 的推理经济性被第三方量化、SpaceX 用一份月付 11 亿美元的合同说明「算力出租」已经成为独立生意。

今日最重要的 10 件事

1. OpenAI 发布 Agents API 公测：把 Codex 的托管运行时变成一行 API 调用

  • 发生了什么：OpenAI 把驱动 Codex 的 agent 运行时（harness）与基础设施做成公开测试版 API。开发者一次调用即可指定任务、模型、工具与运行环境，由 OpenAI 负责模型调用、工具使用、任务编排、长时会话与上下文管理。运行环境可选 OpenAI 托管沙箱、自建基础设施（含自有 VPC）或九家沙箱合作方：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel。能力上支持 MCP 工具、自动上下文压缩、工具检索与最多 3 个并发子 agent；官方称调用本身不额外收费，按 token 与工具消耗计费。
  • 为什么重要：过去一年 agent 工程最难的部分不是模型，而是上下文管理、沙箱隔离、长时任务可靠性与子 agent 编排——这些正是「harness 层」。OpenAI 把 Codex 内部打磨出的 harness 直接对外售卖，等于宣布这一层不再由框架厂商自建，而是由模型厂商提供。这与「模型即服务」的下一步形态一致：卖的不是 token，而是能持续跑几天的执行环境。
  • 影响对象与后续观察：Agent 框架（LangGraph、CrewAI 等）与沙箱/运行时厂商的定位会被重新划分；企业采购需要重新评估自建 harness 的成本。观察点：托管沙箱与自建环境的可靠性差异、子 agent 并发上限是否成为瓶颈、以及九家合作沙箱之间的定价与地域分布差异。

2. GPT-Live-1 进入 API：全双工语音每分钟 0.05 美元

  • 发生了什么：GPT-Live-1 面向开发者开放，单个模型同时完成听与说，取代「语音识别 + 推理模型 + 语音合成」的级联架构；推理与工具调用可委派给后端文本模型（示例中是 GPT-6 Astra 或 Luna）。官方称在 Full Duplex Bench 上相比 GPT-Realtime-2.1 提升 30 个百分点，搭配 GPT-6 Astra（medium effort）后在 Tau3 语音 agent 智能评测中排名第一；同时支持电话场景、背景噪声与停顿处理，并新增一批跨口音/语言的声音。定价为前端语音层每分钟 0.05 美元。
  • 为什么重要：语音一直是 agent 体验最割裂的一环——每一级级联都带来延迟与「抢话」错误。全双工把语音层压成单一模型后，语音 agent 的架构复杂度与成本结构同时下降。参考客户给出的量化结果很直接：一家医疗场景公司称代码量减少 80%、删除约 2.3 万行；语言学习产品称思考停顿时的误打断减少近 80%。
  • 影响对象与后续观察：语音客服、外呼、无障碍与语言学习是最先被改写的一批产品；语音中间件（ASR/TTS 拼接层）的价值被压缩。观察点：真实通话中的延迟与打断恢复表现、每分钟计费与后端推理成本叠加后的总拥有成本、以及非英语口音的实际质量。

3. ChatGPT for Financial Services 与 Data agent：企业工作流被同时推进

  • 发生了什么：OpenAI 同日推出两款企业向能力。其一是 ChatGPT for Financial Services，与摩根士丹利、Evercore 联合设计，内置 Daloopa、PitchBook、LSEG News 等付费数据并由 OpenAI 索引托管，以支持可回溯到原始文件的细粒度引用，能力覆盖估值分析、LBO 建模、买方筛选、财报分析与 pitchbook 制作，由 GPT-6 Astra 驱动。其二是 ChatGPT Work 中的 Data agent：连接 Redshift、Datadog、BigQuery、ClickHouse、Databricks、MongoDB、Snowflake 等已批准数据源与 Drive/SharePoint 文件，借助 dbt、Databricks Genie Ontology、Snowflake Horizon 等语义层理解业务口径，查询继承既有表/行/列权限，产出可编辑分享的交互式看板，并可与 Power BI、Tableau、ThoughtSpot 等 BI 工具联动。
  • 为什么重要：这两条线的共同点是「把数据与权限先搬到模型侧」——金融版由 OpenAI 托管数据索引，Data agent 则把企业语义层接进来。模型厂商正在把自己插入到企业数据与工作流的中间层，而不是只提供推理能力。OpenAI 称内部几乎所有产品团队与三分之二以上的 GTM 团队已在使用同类数据 agent 能力，这既是产品验证，也是销售话术。
  • 影响对象与后续观察：金融数据供应商、BI 工具、企业数据目录与权限治理产品都会感受到压力或机会。观察点：数据托管引发的合规审查（数据驻留、审计日志）、细粒度引用在监管场景下的可接受度，以及 BI 厂商是被集成还是被替换。

4. Anthropic 9 月威胁情报报告：AI 从「辅助攻击」变成攻击的执行者

  • 发生了什么：报告覆盖 2025 年 12 月至 2026 年 8 月被阻断的滥用行为，分七个领域：网络行动、影响力行动、监控、诈骗与欺诈、生物滥用、常规武器开发与非法蒸馏。最受关注的是被追踪为 GTG-20006 的行动：其手法与微软追踪的、被美方与俄罗斯 SVR 关联的 Midnight Blizzard 一致，用定制 AI 工作流完成目标研究、钓鱼基础设施配置、入侵执行、凭据收集、横向移动与数据整理，涉及 20 多个组织；报告还描述了能监测「我方恶意代码是否被安全产品发现」并据此改写重建直到绕过检测的智能体。另有七家中国实验室被指对 Claude 公开模型进行未经授权的规模化能力提取（工业级蒸馏）。
  • 为什么重要：这份报告的分量不在「AI 被滥用」这一判断，而在细节：AI 承担的是编排与迭代（检测规避循环），这恰好是过去只有成熟攻击团队才具备的能力。同时 Anthropic 明确说明报告不代表滥用全貌、样本是「最值得披露的案例」，并承认数据边界来自自家遥测——这既是坦诚，也提醒读者它的结论不能外推为行业全貌。
  • 影响对象与后续观察：企业安全运营、检测规则供应商、以及所有提供编码/agent 能力的厂商。观察点：蒸馏指控是否会出现可独立复核的技术证据（而非厂商单方面认定）、被点名方是否回应、以及「agent 自行改写恶意代码直到免杀」是否在其他实验室的遥测中被复现。

5. Cognition 发布 SWE-2：中国开源底座 + 自研 RL，把前沿编码能力压到四分之一价格

  • 发生了什么：SWE-2 在 FrontierCode 1.1 Main 得 50.0%（Fable 5.1 为 50.9%，GPT-6 Astra 为 53.3%），DeepSWE 1.1 为 73.0%，Terminal-Bench 2.1 为 92.8%。官方称比 Fable 5.1 便宜 64%，性能接近 GPT-6 Astra 而成本约为其四分之一；在 FrontierCode 上，SWE-2 medium 的得分高于上一代 SWE-1.7，平均轮次从 127 降到 53、成本低 81%。技术关键是把 RL 扩展到万亿参数级，并在单次训练中同时优化所有 reasoning effort 档位、对每档施加按帕累托前沿斜率标定的线性成本惩罚。底座是 2.8T 参数的中国开源模型 Kimi K3，官方称 RL 仍在 K3 之上带来 5–6 个百分点增量。SWE-2 已在 Devin Desktop、CLI、Web 与 Fusion 上线。
  • 为什么重要：这是三层信号叠加——其一，编码模型竞争从「谁最聪明」转向「单位任务成本」；其二「中国开源权重 + 美国公司后训练」的产业分工已经出现在最前沿的编码模型上；其三，Cognition 证明在开源底座上做 RL 仍有显著头部空间，这会让基座开放者的定价权与闭源前沿的溢价同时承压。
  • 影响对象与后续观察：编码 agent 定价、Devin 与竞品的销售策略、以及依赖「模型能力溢价」的厂商。观察点：第三方在 FrontierCode/DeepSWE 上的复现结果、Kimi K3 的许可条款对商用后训练的限制边界，以及前沿实验室的下一版编码模型是否会把价格拉回。

6. TPU 推理经济性被第三方量化：Ironwood 每百万 token 成本低于 B200/B300

  • 发生了什么：首份针对 TPUv7 Ironwood 的第三方推理测算显示，在 100 tokens/s/用户 的交互强度下，每百万 token 总成本约 0.181 美元，B200 为 0.222 美元、B300 为 0.276 美元，同等负载下每美元性能最高领先 B200 约 50%、领先 B300 约 96%；优势主要来自更低的每小时租赁成本而非物理吞吐。文章同时讨论了 TorchTPU 通过 PyTorch 的 PrivateUse1 后端让 TPU 成为原生 Torch 设备（取代此前的翻译层），以及 Anthropic 作为 TPU 最大用户的采购结构。
  • 为什么重要：CUDA 护城河的实质是「迁移成本」，而迁移成本的墙脚正被原生 PyTorch 支持与可核验的成本数据同时挖开。对推理密集型企业，这意味着加速器选型第一次有了可对比的第三方成本曲线，而不是只有厂商 PPT。
  • 影响对象与后续观察：云与推理服务商的单位经济学、模型服务商的毛利结构、以及自建推理集群的采购决策。观察点：agent 类多轮负载（而非单 token 预测）下的对比、投机解码与分离式预填充在 TPU 上的成熟度，以及这份测算是否被其他第三方复现。

7. 国产 AI 芯片资本化收官：燧原科技科创板首日高开 188%

  • 发生了什么：燧原科技（688801）以 142.18 元/股发行，首日开盘 410 元、较发行价上涨 188.37%，开盘市值超过 1700 亿元，实际募资约 61.19 亿元，主要投向第五、六代 AI 芯片研发产业化与软硬件协同创新。至此摩尔线程、沐曦股份、壁仞科技、燧原科技四家国产 GPU 公司均已完成科创板上市。
  • 为什么重要：一级市场融资 → 二级市场募资的通道打通后，国产算力的约束从「拿不到钱」变成「交付与生态能否跟上」：芯片要按代际持续投入，软件栈（编译器、算子、框架适配）需要长期烧钱而难有短期收入。四家同时上市意味着这一板块在资本市场内开始相互比较，而不再只与「英伟达替代叙事」比较。
  • 影响对象与后续观察：国产芯片的下游云厂商与模型公司、智算中心采购、以及配套的软件与互连供应链。观察点：募资落地后的量产节奏、软件栈第三方评测、以及各家在推理（而非训练）场景的实际交付量。

8. 中科曙光 IBGDA 在十万卡级集群完成规模化验证

  • 发生了什么：中科曙光发布 scaleFabric 词元加速技术体系，以原生无损 RDMA 网络构建「算存传」三级紧耦合通道；其中支持 GPU 直接发起网络通信的 IBGDA 实现在国内首次规模化落地，已在十万卡级大规模集群完成验证，并完成 DeepEP 等通信框架适配，同时引入存储直通等路径优化以缩短词元生成时延。此前 IBGDA 的规模化落地主要由国际厂商主导。
  • 为什么重要：当 MoE 成为主流架构，通信成为推理效率的第一瓶颈——IBGDA 的价值恰在于减少 CPU 介入关键通信路径。国产算力的竞争维度已经从单卡算力转到了「互连 + 调度 + 可靠性」的系统工程，这类能力的可验证性也高于纸面参数。
  • 影响对象与后续观察：国产智算中心的实际吞吐与利用率、MoE 推理的部署成本。观察点：第三方集群上的端到端吞吐数据、与 DeepEP 之外的框架（如 vLLM/SGLang 生态）适配进度。

9. 中国开源三连发：京东交互式世界模型、宇树具身基座、蚂蚁多模态与轻量世界模型

  • 发生了什么：
    • 京东 JoyAI-EchoWM（JDD 2026 发布并开源）：在同一框架内生成视频与环境音、音乐、语音，并实时响应用户操作；用统一「相机意图」表示把键盘操作映射为连续 6-DoF 轨迹，第一人称与第三人称共用控制接口；官方称在 158 个 WBench Navigation 案例上取得 81.7 平均分，同时放出更轻量的因果流式变体。局限是没有显式持久三维记忆，长时生成仍可能漂移。代码与权重在 JoyAI-Echo 仓库。
    • 宇树 UnifoLM-WLA-1.0：6B 参数、约 2500 小时真机数据训练的通用人形机器人基础模型，代码、模型与数据集同步开放；单模型统筹 10 项全身操作与 54 项桌面操作，覆盖平行夹爪与两类灵巧手，把末端执行器位姿与关节动作经残差向量量化转为离散 token 以统一动作空间，并引入以交互为中心的区域预测；对应权重已出现在 Hugging Face（UnifoLM-ER-1 / ER-Flow），第三方量化版本同日跟进。
    • 蚂蚁两条线：Ling-3.0-flash-VL（124B 总参、5.5B 激活的原生多模态模型，256K 上下文，视觉反馈闭环，官方称图片转网页评测得分高于 GPT-5.4）与灵波科技 LingBot-World 2.0 的三款新开源世界模型（1.3B Small 可在消费级单卡实时生成、Bidirectional 教师模型、Causal Pretrain 基座）。
  • 为什么重要：三条线共同把「世界模型 / 具身基座 / 原生多模态」从论文级概念推到可下载、可二次开发的开源件，并且都在强调同一件事——闭环（视觉反馈、区域预测、交互控制）。开源在中国的落地方式正在从「开源一个大模型」转向「开源一整套闭环训练与数据资产」。
  • 影响对象与后续观察：具身智能创业公司（数据与基座成本被显著压低）、游戏与自动驾驶的仿真数据生产。观察点：这些模型的许可条款是否允许商用、第三方复现的评测结果、以及「无持久三维记忆」这类结构性局限何时被解决。

10. SpaceX 再签 AI 算力托管大单：12 月起月收入约 11 亿美元

  • 发生了什么：SpaceX 首席财务官在投资者会议上披露新签 AI 算力托管协议，预计自 12 月 1 日起每月带来约 11 亿美元新增收入（约合每年 133 亿美元），公司对年底达成 1000 亿美元 ARR 目标表示有信心。此前 SpaceX 已与 Anthropic、Google 等签署算力协议。
  • 为什么重要：把发射公司变成 AI 算力房东，是这轮 AI 资本结构最反直觉的变化：稀缺的不是模型，而是电、机房与并网许可，谁先锁定这些资源，谁就能以「月付合同」把未来的模型竞争变成自己的现金流。这也意味着 AI 收入预期正在被写进非 AI 公司的估值里。
  • 影响对象与后续观察：数据中心 REIT、电力与冷却供应链、以及需要在 IPO 前建立算力叙事的公司。观察点：这类长期合同的违约与重议条款、实际交付上线的时点，以及算力出租收入的会计确认方式。

大模型与 API 更新

  • OpenAI Agents API（公测）：把 Codex harness 作为托管服务开放，支持托管沙箱、自建 VPC 与九家沙箱合作方，内置自动上下文压缩、工具检索、MCP 工具与最多 3 个并发子 agent；调用本身不额外收费，按 token 与工具计费。含义：harness 从「每个团队自己造」变成可采购的标准件。
  • GPT-Live-1（API）：全双工语音模型，前端语音层每分钟 0.05 美元，推理与工具调用交给后端模型；官方称 Full Duplex Bench 相比 GPT-Realtime-2.1 提升 30 个百分点。
  • ChatGPT for Financial Services：与摩根士丹利、Evercore 联合设计，内置 Daloopa、PitchBook、LSEG News 数据并支持细粒度引用，由 GPT-6 Astra 驱动。
  • ChatGPT Work Data agent：连接主流数仓与 BI 工具，借助语义层理解业务口径，权限继承既有表/行/列规则，输出可分享的交互式看板。
  • OpenAI 政府版扩容：与美国 GSA 达成多年协议，联邦/州/地方/部落政府免许可费（原价每月每用户 15 美元）、用量五折，覆盖约 2300 万公共部门人员；经核验的政府机构可按五折获得 Daybreak Blue 网络安全防御访问权。
  • Claude Code 2.1.268：新增组织策略诊断（/status 与 claude doctor 说明策略为何加载失败）、把命令与后台任务的内联输出上限提高到 128K 字符、增加 --append-subagent-system-prompt-file、新增 /skill-doctor 显示未被使用却占用上下文的技能。企业管控与上下文成本透明度成为编码智能体的新竞争面。
  • Cognition SWE-2：FrontierCode 1.1 Main 50.0%、DeepSWE 1.1 73.0%、Terminal-Bench 2.1 92.8%，后训练自 Kimi K3（2.8T），单次 RL 训练覆盖全部 reasoning effort 档位并施加按前沿斜率标定的成本惩罚，已在 Devin 全端上线。
  • 蚂蚁 Ling-3.0-flash-VL：124B 总参 / 5.5B 激活，256K 上下文，原生图像、文本与视频输入，42 层 KDA 与 Gated MLA 交替（5:1）主干，引入视觉反馈闭环；官方称图片转网页评测（Image-to-WebDev Arena，代号 linthium）得分高于 GPT-5.4，多模态联合训练让文本能力在 Artificial Analysis 指数上提升 4 分。BF16/FP8 权重已开放。
  • LingBot-World 2.0 三款世界模型开源：1.3B Small 面向消费级单卡实时生成，Bidirectional 作为高质量蒸馏源，Causal Pretrain 支持相机位姿与文本双输入。
  • Mistral 与 Cloudera 达成战略合作（09-10）：在企业数据所在的混合云环境内运行 Mistral 模型，主打「数据不出域」的部署路径——与 OpenAI 把金融数据索引托管到自家平台的路线形成对照，企业采购将在这两条合规代价不同的路径间做选择。
  • API 侧观察：今天的更新几乎全在「能力之外的层」——运行环境、语音层、数据连接、权限与治理。模型版本号没有变化，但可用性边界被明显推开。

论文与研究前沿

  • Subagents vs Agent Skills（2609.09233）：系统比较长时程任务中「多子智能体分工」与「可复用技能」两种组织方式，回答一个工程上每天都要决定的问题：该拆 agent 还是该沉淀技能。
  • 前沿规模的护栏有多脆？对 320B MoE 的单方向攻击（2609.09793）：以一个方向性扰动攻击大规模 MoE 模型的安全对齐，属于本周最值得安全团队读的论文。
  • AgentHijack：多模态计算机操作智能体的视觉补丁攻击（2609.09212）：把攻击面放在「屏幕上看到的像素」而不是文本提示，指向 GUI agent 的真实风险路径。
  • Black-Box Red Teaming of Agentic AI（2609.09647）：给出面向智能体的黑盒红队分类框架与自动化风险发现流程，是评测工程化的一步。
  • AgentAudit（2609.09875）：面向 AI 智能体全生命周期信任评估的开放可扩展框架，与近期实验室层面的审计事件形成呼应。
  • OpenDiscoveryTrace（2609.09203）：用过程轨迹（而非只看结论分数）评估「AI 科学家」工作流，直接回应「分数不能证明发现」的方法论问题。
  • Do Agents Know When They Succeed?（2609.09448）：从内部表征校准智能体置信度，让 agent 能判断自己是否真的完成了任务。
  • What Should an Agent Forget?（2609.10263）与 Fortunate Recall（2609.10413）：分别研究「存储」与「使用」的分离，以及本体驱动的记忆生命周期管理——长期记忆正在从「向量库」变成有淘汰与一致性语义的系统组件。
  • Consort：面向活数据库分支的规范优先智能体框架（2609.09671）：把强制测试驱动开发写进框架约束，是「用工程规范约束 agent」路线的代表。
  • A-JIT：智能体即时软件构建（2609.10248）与 The Vibe Shift in Software Engineering（2609.09560）：一篇讲构建方式，一篇用实验评估对话式编程在性能、认知负担与结果上的真实表现——后者的价值在于给出了可量化的对照数据。
  • Cyber-Financial Contagion（2609.10350）：建模「AI 供应商被攻破」如何通过银行体系传导，把模型供应链风险第一次放进金融传染模型里。
  • Watermarks Without Verification（2609.09604）：欧盟 AI 法案背景下，讨论 AI 文本水印「有标记但无法验证」的现实处境。
  • Beyond Training: Inference-Time AI Governance（2609.10105）：把治理手段从训练侧移到推理侧，给出可行性分类，是监管可操作化的一条现实路径。
  • UnitBoost（2609.09815）：用「合并算子」而不是再训练一个模型来管理复合 LLM 系统，直指多模型编排的运维成本。
  • 推理与压缩一组：Scaling Post-Training Ternarisation to Qwen3-8B（2609.09240，三值化后训练的可复现流程与打包执行）、Distribution-Consistent Inference for Dynamic Sparse MoE（2609.09241）、KV cache 拼接感知微调 vs 重算（2609.09768）、Forward-Free LLM Depth Pruning（2609.09883）、Looped GPT-BERT（2609.09691，用循环换参数）。共同指向同一个事实：推理成本的核心仍在缓存与稀疏路由。
  • 安全与合规组：In RAG We Trust?（2609.09243，文档投毒下检索增强生成的鲁棒性）、Arbitrary Cipher Attacks Against LLMs（2609.09553，无需微调的密文攻击）、Multimodal Prompt Injection on Agentic AI Frameworks（2609.09404）、CS-Guard（2609.09798，代码生成安全护栏基准）、Active Adaptation 而非静态防御（2609.10142，对抗微调下的预防性引导时序）。
  • VANTAGE-Bench（2609.09396）：评测视觉语言模型在基础设施运维场景中的能力缺口，把 VLM 拉进「看图处理真实工程」的考场。
  • 网络运维智能体：Artifact Drift 的检测与修复（2609.09849）与跨权限边界交付可验证结果（2609.10181），两篇都在试探「agent 能不能对生产网络负责」的边界。
  • No Free Checker（2609.09250）：机器人策略验证器综述，提醒「用另一个模型给机器人打分」并非免费午餐。
  • 其他值得一读：Strangers to Themselves（2609.09899，模型对自身的描述高度泛化）、Pairit（2609.09789，人机协作在线实验平台）、CityPlanner（2609.09578，可执行城市规划沙盒智能体）、AgenticGen（2609.09187，奖励引导的广告视频生成）、Compact Visuotactile World Models（2609.09597）、Valerant（2609.09418，动作条件世界模型生成可导航游戏地图）。来源依次见 arXiv 当日公告。

开源项目与 GitHub 热点

  • llama.cpp 日更构建 b10905：本地推理主线维持每天多次构建，本周持续跟进新模型与多模态输入路径。含义：本地推理的「适配周期」已经压缩到天级，自托管用户的实际瓶颈转向显存与量化质量。
  • OpenAI Codex CLI 0.155.0-alpha 与 Python SDK 0.154.0：Codex 侧 CLI 与 SDK 同日双线更新，与 Agents API 公测形成配套（harness 托管化后，本地 CLI 仍是开发与调试入口）。
  • openai-python v3.13.0：官方 Python SDK 连续两日更新（09-10 的 v3.12.0 与 v3.13.0），通常对应 API 侧新能力与参数变化；接入 Agents API 的团队应锁定版本。
  • n8n 2.39.4 / 2.38.7 双线发布：工作流自动化平台同时维护两条小版本线，企业侧 agent 编排的更新节奏已经与 SaaS 产品同级。
  • Cline Desktop v0.0.26：开源编码智能体的桌面端继续快速迭代，与云端 harness 形成「本地优先」的对照路线。
  • Gemini CLI v0.61.0-nightly：命令行智能体维持每日构建节奏，三家 CLI 智能体的竞争点正在从模型转向工具权限与会话管理。
  • RAGFlow v0.27.2 / Lightning 2.6.6 / langchain-anthropic 1.7.2 / Zed v1.19.2：RAG 平台、训练框架、Anthropic 集成包与编辑器同日更新，属于生态适配层的常规推进，但对锁定这些组件的团队仍是必读的变更。
  • 社区热项：Nine coding harnesses vs. your laptop 用同一台笔记本横评九种编码 harness（安装、占用、任务完成度），是比发布会材料更接近真实体验的一手对比；Training a 3.8B LLM to 0.384 CORE for $998 公开了完整配方与成本，为「小模型能力天花板」提供了可复现的基线。

Hugging Face 模型、数据集与 Demo

  • DeepSeek-V4.1-Flash 稳居趋势榜首位：单日点赞增长最快，配套 GGUF/量化生态仍在生成，说明「轻量版本反超旗舰」的架构路线正在被社区大规模下载验证。
  • 蚂蚁 Ling-3.0-flash-VL（BF16 / FP8 / FP4 / INT4）：官方同步放出多精度版本，社区 CPU/单卡适配版（GGUF、NVFP4）已跟进，端侧多模态的可用性明显改善。
  • 宇树 UnifoLM-ER-1 / UnifoLM-ER-Flow：具身基础模型权重上线首日即出现第三方 GGUF 转换，具身模型的社区适配开始复制语言模型的路径。
  • m-a-p/YuE2-3B：带符号规划的开源音乐生成模型进入趋势榜，走「先规划曲式再渲染音频」的两段式路线，是开源音乐生成对商业模型（Suno 等）的主要对照。
  • Nex-N2.5-mini / Pro：面向编码与 computer use 的开放权重家族继续获得下载与点赞，与 Pro 版一起构成小尺寸高能力的选择集。
  • Qwen3.8-27B 的量化新格式（GSQ-RCO-GGUF）：学术团队用新量化格式争夺本地部署空间，量化竞争已从位宽转向算法与格式创新。
  • IBM Granite Time Series PatchTST-FM-r2：以商业友好许可发布的时间序列基础模型，企业预测场景的低调入口——许可条款放宽对采用率的影响往往大于指标提升。
  • Hugging Face 博客：用 Gradio Workflow 重建 AUTOMATIC1111 界面：演示把复杂推理后端包装成可视化工作流，生成式应用的前端层正在与推理栈解耦。

Agent / AI Coding / 开发工具

  • Agents API 的九家沙箱合作方：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel——「沙箱」这一层被明确列为可替换组件，意味着执行环境正在成为标准化市场，而不是各框架的私有实现。
  • 自适应 harness 研究升温：RobustSGPO（2609.09646）研究 harness 演化的搜索空间控制，与 HN 上关于「约束型技能文件」的讨论合流——harness 已从工程细节变成独立研究方向。
  • Consort / A-JIT / Spec-first 路线：把测试与规范前置为框架的强制约束，是对「agent 写完就不管」的直接工程回应。
  • GitHub Copilot 官方教程转向「审阅回路」：新教程教用户看 diff、用终端、在浏览器里验证，而不是写提示词；产品重心从生成转移到验证。
  • Cognition 与 GPT-Live-1 的组合：Cognition 作为语音客户出现在 GPT-Live-1 发布材料中（「与 AI 工程师协作更像和队友讨论」），说明编码智能体的交互形态正在向语音与实时协作扩展。

多模态、视频、语音、图像

  • GPT-Live-1 新声音与电话支持：从少量实时音色扩展到跨口音、跨语言的一批声音，并明确支持电话部署（餐厅预订、客服等），语音 agent 的商业场景被直接点名。
  • 京东 JoyAI-EchoWM：视频 + 环境音 + 音乐 + 语音同框架生成，并把「键盘输入→6-DoF 相机轨迹」做成统一控制接口，第一/第三人称共用；WBench Navigation 158 案例平均 81.7 分。局限是无显式持久三维记忆。
  • Ling-3.0-flash-VL 的视觉反馈闭环：观察输出→比对目标→识别偏差→自主调整，把多模态从「一次生成」变成可自检的过程，图片转网页与 GUI 操作是最直接的应用面。
  • 语音研究：Voice or Stereotype?（2609.09263）解耦语音转语音模型中的声学特征与内容刻板印象；NOPE-HYPE（2609.10058）给出跨多样声学环境的鲁棒语音识别仿真工作流。
  • 视频与世界模型研究：Compact Visuotactile World Models（2609.09597）把力约束纳入触觉世界模型；Valerant（2609.09418）用动作条件世界模型探索自动生成可导航游戏地图；AgenticGen（2609.09187）用奖励引导的智能体流程生成广告视频。

算力、推理、芯片与基础设施

  • TPU Ironwood 推理成本测算：每百万 token 约 0.181 美元（B200 0.222、B300 0.276），每美元性能最高领先 B200 约 50%、B300 约 96%，优势来自更低的每小时租赁成本；TorchTPU 正在把 TPU 变成原生 PyTorch 设备。
  • 中科曙光 scaleFabric + IBGDA 十万卡验证：GPU 直接发起网络通信在国内首次规模化落地，适配 DeepEP 并引入存储直通，降低 MoE 通信中 CPU 介入的路径开销。
  • 英伟达生态两条线：Skild AI 用物理 AI 让机器人从单段视频学习新任务；d-Matrix 采用 NVLink Fusion 做机架级 XPU 部署——即便算力来自别家，机架内互连标准仍留在英伟达体系内。
  • SpaceX 算力托管合同：12 月 1 日起每月约 11 亿美元新增收入（约年化 133 亿美元），公司对年底 1000 亿美元 ARR 目标表示乐观。
  • 本地算力硬件：System76 推出 192GB 显存的 Thelio Mira AI Linux 工作站，面向本地推理与微调；当开源模型规模继续上升、云端推理成为长期支出时，本地工作站重新变成可计算选项。
  • 基础设施 AI 能力评测：VANTAGE-Bench（2609.09396）专门度量视觉语言模型在基础设施运维中的能力缺口——「模型能不能看懂机架与拓扑」正在成为独立评测方向。

中国 AI 动态

  • 燧原科技科创板上市：首日开盘 410 元（发行价 142.18 元）上涨 188.37%，开盘市值超 1700 亿元，募资约 61.19 亿元投向第五、六代芯片；国产 GPU「四小龙」全部进入资本市场。
  • 中科曙光 IBGDA 规模化落地：十万卡级集群验证完成，配合 scaleFabric 构建「算存传」三级紧耦合通道。
  • 外滩大会（9–12 日）聚焦「共创 AI 新经济」：会场共识是从「生成」走向「执行」，40 余家具身智能厂商集中亮相，演示重点从「能不能抓」转向跨物品、光照与材质的实时适应。
  • IIFAA 智能体可信身份工作组成立：50 余家机构参与，指向 agent 代表用户执行操作时的身份、授权与追责标准——agent 经济开始进入规则建设阶段。
  • 工信部就 89 项通信行业标准征求意见：含《面向车联网应用的算力网络安全指南》，算力网络与车联网的安全责任与接口规范在落地前被固定。
  • 蚂蚁双线开源：多模态 Ling-3.0-flash-VL 与灵波 LingBot-World 2.0 三款世界模型（最小 1.3B，消费级单卡可实时生成）。
  • 京东开源交互式视听世界模型 JoyAI-EchoWM：WBench Navigation 平均 81.7 分，同时开放更轻量的因果流式变体，代码与权重已公开。
  • 宇树开源人形机器人基座 UnifoLM-WLA-1.0：6B 参数、约 2500 小时真机数据、单模型覆盖 64 项任务，代码/模型/数据集同步开放。

社区热议与争议

  • OpenAI 数学争议仍在发酵，焦点转向「流程信任」：一条质疑「研究者为何难以信任 OpenAI 处理未发表数学成果」的长帖在 HN 获 800 余分讨论；另有技术博客指出发布稿包含 Lean 4 形式化证明，讨论形式化验证能否替代不透明的内部流程。争议已从「证明对不对」转为「优先权、署名与可复核性如何被制度约束」。
  • 「OpenAI 反复把允许训练开关打开」：该帖获 450+ 分，讨论集中在默认隐私设置与开关持久性；在数据授权进入监管与诉讼核心议题时，默认值的可核查性比单次声明更重要。
  • 编码 harness 横评与本地化路线：九种 harness 在同一台笔记本上的对比受到关注（97 分），与 System76 192GB 工作站（105 分）出现在同一批热帖中——社区正在把「本地跑智能体」当成可比较的产品选择，而不是极客玩具。
  • PyTorch 生态的另一面：JEP 544（提前编译）等非 AI 项目也进入同一批热榜，反映出开发者注意力的分配：AI 工具链尽管占据头条，语言与编译基础设施的长期价值仍被持续讨论。

今日观察

第一条主线：harness 与运行环境被平台化收编。 今天 OpenAI 一口气推出 Agents API（托管 harness + 九家沙箱选择 + 子 agent 编排）、GPT-Live-1（把语音级联压成单模型）、Data agent 与金融版 ChatGPT（把企业数据与权限接到模型侧）。四件事的共同点不是模型更强，而是把「用起来」所需的一切都变成 API。对开发者的现实含义是：自建 harness 的窗口正在关闭，差异化会集中到「工具、知识与工作流」这三件真正属于业务的事上；对框架厂商的坏消息则是，中间层的护城河被上游收走了一部分。

第二条主线：成本曲线成为竞争主战场。 Cognition 用一个中国开源底座（Kimi K3）把编码能力做到接近前沿而成本约为四分之一；TPU Ironwood 的第三方测算显示每百万 token 成本低于 B200/B300；DeepSeek 系「轻量反超旗舰」的模型继续占据下载榜首。当能力差距在几个月内被后训练抹平，单位任务成本与推理吞吐就成了唯一能沉淀为客户价值的差异——这也是为什么今天最值得记住的数字不是任何 benchmark 分数，而是「0.181 美元/百万 token」和「64% 更便宜」。

第三条主线：安全叙事从「可能被滥用」变成「已经在执行」。 Anthropic 的报告描述的是能监测自己是否被检测、并据此重写恶意代码的智能体；本周的论文里，AgentHijack 展示了对计算机操作智能体的视觉补丁攻击，320B MoE 被单方向攻击的研究质疑前沿规模下的对齐稳健性。与之对应的制度建设（IIFAA 智能体身份工作组、推理期治理的可行性研究、AgentAudit 类审计框架）都在同一时间窗出现——能力、攻击面与治理工具正在同步长出，谁先跑完这一轮，谁就定义下一个阶段的默认规则。

第四条主线：中国的开源与资本同时加速。 燧原上市、IBGDA 在十万卡集群验证、蚂蚁/京东/宇树在同一天释放可下载的世界模型与具身基座，构成「资本 → 算力 → 开源资产」的完整链条。值得注意的是，这批开源件的共同技术关键词是「闭环」：视觉反馈、区域预测、交互控制——开源的方向正在从「给权重」转为「给闭环方法与数据资产」。

发布节奏观察：今天没有任何一家发布新的旗舰模型，但 API 侧的能力边界被显著推开（语音、数据、沙箱、政府许可）。这意味着竞争的节奏正在从「模型发布日」转为「可用性与定价的持续调整日」，对依赖稳定接口的工程团队来说，跟踪变更日志与退役时间表比跟踪发布会更重要。

风险提示：本日多条信息来自厂商自述或第三方单点分析（Anthropic 的滥用归因与蒸馏指控、Cognition 的自家 benchmark、TPU 成本测算、SpaceX 的合同披露），涉及主体、规模与效果的事项请以官方原文与后续独立复核为准。