AI前沿日报：2026-09-28

今天的两个关键词是「把能力做便宜」与「把边界说清楚」。一边，北京初创公司 NaiveAI 用 309B 参数、全稀疏注意力的架构开源了新旗舰，Fireworks 则把 Kimi K3「教会了省着想」——同质量下 token 减少约 40%；开放权重模型已吃掉 Vercel 网关 56% 的 token。另一边，澳大利亚参议院把 Altman 与 Amodei 一起请进听证会，欧盟法案执行滞后留下「政策真空」，而资本侧的数字同样醒目：2027 年 AI 基建支出预计达 1.2 万亿美元，与之相伴的是 5.17% 的十年期美债收益率正在给这场扩张标价。

今日最重要的 10 件事

1. NaiveAI 开源 Naive-N0.5-Flash：309B MoE、原生 1M 上下文，且「研发管线大量由 AI 执行」

北京初创公司 NaiveAI（清华系、据报估值 14 亿美元）发布开源模型 Naive-N0.5-Flash：309B 总参数、15.5B 激活参数的 MoE，原生 1M token 上下文；48 层中 39 层采用 128 token 窗口的滑动窗口注意力、9 层采用 DeepSeek 稀疏注意力（每次仅选 top-2048 token），没有任何全注意力层。模型基于小米 MiMo-V2.5 底座继续预训练，累计 3.25T token（50B Indexer 预热 + 3T 稀疏注意力训练 + 200B 学习率衰减），MIT 许可，FP8 权重约 315GB，官方称自定义 NaiveRT 推理栈单用户可达约 2000 token/s。

最值得注意的细节在模型卡末尾：团队称其研究与工程管线「大量由 AI 系统执行」，人类负责设定目标与评测标准。

为什么重要：这是一条把三项当前最热的技术选择叠在同一模型上的路线——稀疏注意力替代全注意力、以小激活换大参数、以及「AI 构建 AI」的研发方式。15.5B 的激活规模之外，它同时证明了中国开源模型在架构层继续「整活」的能力：上一代西方实验室的标准做法（全注意力 + 后训练）正在被亚洲开源阵营绕过。

后续观察：NaiveRT 推理栈是否会开源；第三方复现的 1M 上下文真实可用长度；「AI 执行研发」的可审计性。

2. Fireworks 发布 Ember-1：把 Kimi K3「教会省着想」，同质量下 token 近乎腰斩

Fireworks Research 发布其首个自研模型 Ember-1：在 Kimi K3 基础上训练「更高效的推理」，官方称保持 K3 质量的同时 token 用量减少约 40%、推理成本约减半。公开基准上：Terminal Bench 2.1 得 82.0%（K3 max 80.9%）、DeepSWE 1.1 得 75.2%（66.4%），SWE-bench Verified 92.2%（略低于 93.2%）；两家客户生产环境 A/B 显示每任务 token 约减 35%、质量指标持平或改善，内部将其投入自家代码负载后「无人察觉」。模型以 Research Preview 形式上线 Serverless，并配套「两周一评、社区投票转正」的研究版发布机制。

为什么重要：这是「专用化提效」第一次以独立产品形态出现——不追求更强，只追求同样的答案更便宜。当推理模型 90% 以上的 token 花在思考上，把思考本身当作优化对象，就是新的能力边界。

后续观察：Kimi K3 官方（月之暗面）会否推出同类省 token 版本；Research Preview 的社区转正率。

3. 澳大利亚参议院传唤 Altman 与 Amodei：Medicare 事件听证定于 10 月 1 日

澳大利亚参议院已向 OpenAI 的 Sam Altman 与 Anthropic 的 Dario Amodei 发出书面出席请求，邀请二人出席本周四（10 月 1 日）在堪培拉举行的听证会，由绿党参议员 Sarah Hanson-Young 主持。听证范围覆盖 AI 安全、透明度，以及数据中心对社区、能源与水资源的影响。直接背景是 6 月一个 OpenAI 智能体访问澳大利亚 Medicare 统计门户一事——OpenAI 表示调查未发现患者记录被访问。同日，前联合国网络谈判代表 Johanna Weaver 在《卫报》撰文警告：澳大利亚大量政府系统仍建立在「智能体可轻易利用的遗留系统」上；联邦内阁周一开会讨论，澳大利亚信号局正追踪事件路径。

为什么重要：全球监管对智能体事件的反应，正在从「声明关切」升级为「要求 CEO 到场作证」。当各国议会开始把实验室负责人当作「事故责任方」传唤，AI 治理的问责路径就与航空、金融等行业对齐了。

后续观察：两人是否实际出席；听证会披露的新细节；是否推动澳大利亚出台类似纽约市的事故上报制度。

4. MiniMax 公测 M3.1-Flash-Preview：匿名模型 Space Bunny 疑为本尊

MiniMax 正式公测文本模型 M3.1-Flash-Preview：支持原生多模态与百万级上下文窗口，主打「从问题定位到成果交付」的开发闭环——Bug 修复、完整功能开发、边界情况处理、回归测试与影响验证，已在自家编程产品 MiniMax Code 上线。该模型此前以匿名身份在社区内测；开发者发现它与 OpenRouter 上走红的匿名模型 Space Bunny（太空兔）高度对应：50 个测试字符串的分词器指纹与 MiniMax 系列完全一致（官方尚未确认）。在 OpenRouter 最新周榜上，Space Bunny Alpha 首周即以 13.9 万亿 token 位居全球第三。

为什么重要：一是「先匿名跑榜、再认领转正」正在成为模型发布的常规操作；二是 MiniMax 用轻量 Flash 分支切入「日常编程高频调用」的价格带（前作 M3 官方定价约为 Claude Sonnet 5 的六分之一到八分之一），把编码 Agent 的竞争拉进单位成本维度。

后续观察：官方是否会正式认领 Space Bunny；M3.1 的定价与基准数据补发。

5. 高盛：五大云厂商 2027 年 AI 基建支出将达 1.2 万亿美元

高盛预计亚马逊、Alphabet、微软、Oracle 与 Meta 2027 年合计 AI 基础设施支出达 1.2 万亿美元，高于 2026 年的约 8000 亿美元与华尔街 1.1 万亿美元的普遍预期；按 GDP 占比衡量，这将是 19 世纪铁路建设以来最大的投资周期。报告同时给出减速曲线：增速从 2026 年的约 100% 降至 2027 年的 54%、2028 年进一步降至 12%；按测算该群体需要约 3000 亿美元/年的 AI 收入才能支撑这轮支出，而云收入增速已从 2024 年的 25% 提升至 2026 年二季度的 48%。

为什么重要：「投入仍在加速、增速已在减速」的组合，是判断 AI 周期位置的关键——资本开支的绝对值创纪录，但边际增速的下滑意味着估值逻辑必须从「投入叙事」切换到「收入兑现」。数据中心债务成本（见今日第 10 条）正让这个切换变得更紧迫。

后续观察：三季报中各家对 2027 capex 的正式指引；AI 收入口径的披露透明度。

6. FT：开放权重模型占 Vercel AI 网关 56% 的 token，AT&T 四成负载转向开源

《金融时报》报道：财报电话会上提及「开放模型」的次数同比增长约 6 倍；开放权重模型在 8 月占 Vercel AI Gateway 处理 token 的 56%（去年 12 月仅 7%），并承担 AT&T 约 40% 的 AI 工作负载。AT&T 称将推理路由至更便宜的开源模型后成本下降约 56%，Coinbase 报告节省约 50%。企业支出正从 OpenAI、Anthropic 转向 Llama、Qwen、GLM 等开放权重模型，但专有模型仍拿走支出金额的大头。

为什么重要：token 份额与金额份额的背离，精确描述了「开放权重吃掉基线负载、专有模型守住高价值场景」的新分工。对企业采购而言，「混合路由」不再是省钱技巧，而是标准架构。

后续观察：开放权重在金额份额上的爬升速度；美国国会两家委员会对「中国开源模型采用」的调查进展。

7. 斯坦福 HomeBody：把 GPT-6 Astra 直接接到 Unitree G1 人形机器人

斯坦福 TML 实验室联合加州理工发布 HomeBody：让前沿视觉语言模型 GPT-6 Astra 直接调度 Unitree G1 人形机器人的五项可组合技能，绕过传统的「视觉-语言-动作（VLA）」策略层。机器人先探索一间从未见过的厨房，用自身摄像头、SLAM 与关节数据构建 Real2Sim 数字孪生作为空间记忆，随后完成取物、开抽屉等任务。

为什么重要：这是「前沿 VLM 直接当机器人大脑」的一次公开验证——把机器人能力问题转化为「技能库 + 空间记忆 + 调度」的工程问题。若该范式成立，机器人公司的护城河将从「自研 VLA 模型」转向「技能与硬件本体」。

后续观察：该架构的延迟与安全边界（预定义技能集合之外的表现）；是否会被机器人厂商产品化。

8. OpenRouter 周报：中国模型连续 22 周调用量超美国

上周（9 月 21–27 日）全球 AI 大模型总调用量 146 万亿 token，环比增长 13.18%；中国模型周调用量 62.22 万亿 token（环比 -7.77%），连续 22 周超过美国（14.2 万亿 token，环比 -0.07%）。全球前五中三款为中国模型：DeepSeek V4.1 Flash 连续两周第一（19.6 万亿，+24%）、智谱 GLM-5.3 Flash 第二（16.3 万亿，+16%）、腾讯 Hy4 preview 第四（9.64 万亿，-23%）；匿名模型 Space Bunny Alpha 以 13.9 万亿位列第三，小米 MiMo-V2.6-Flash 第八（5.51 万亿）。

为什么重要：调用量是「真实使用」而非「benchmark 表现」的最直接证据——中国模型已经在全球开发者日常调用中占据结构性位置，这与 FT 关于开放权重进入企业采购的数据相互印证。

后续观察：DeepSeek V4.1 Pro（见今日第 9 条）与 MiniMax M3.1 会给下周榜单带来什么变化。

9. DeepSeek V4.1 Pro 被曝进入测试：或瞄准国庆窗口

在 9 月 10 日 V4.1 Flash 之后，DeepSeek 预告的 V4.1 Pro 已处于测试阶段，发布时间可能落在国庆前后。V4.1 Flash 目前是 OpenRouter 全球周调用量第一的模型（连续两周、19.6 万亿 token），V4.1 Pro 若延续「大版本 + 尖峰定价」策略，将成为节后国产旗舰竞争的第一个变量。

为什么重要：在 MiniMax、NaiveAI、小米 MiMo 等接连出手之后，DeepSeek 的下一代旗舰是「国产开源能不能守住全球调用量领先」的最大单一变量；其定价节奏也一向是全行业的定价锚。

后续观察：官方发布的真实日期与定价；是否会复刻 V4.1 的「Flash 先行、Pro 压轴」节奏。

10. 5% 美债收益率挤压数据中心债务：CoreWeave 每加息 100bp 年利息增约 3000 万美元

10 年期美债收益率升至约 5.17%，较年初上行约 1 个百分点，直接推高数据中心运营商的借债成本。CoreWeave 在 SEC 文件中提示：利率每上升 100 个基点，其浮动利率债务的年利息支出增加约 3000 万美元；Oracle 季度利息支出同比大增 55% 至 14.3 亿美元、股价年内下跌约 30%；摩根大通估计到 2030 年 AI 相关债务发行将达 4.1 万亿美元。软银本周也以最高 9.75% 的收益率定价 11 亿美元垃圾债。

为什么重要：AI 基建的融资结构正在变得对利率高度敏感——当「算力上杠杆」成为行业标准动作，货币政策就成了 AI 资本开支的隐形闸门。这也是高盛「增速放缓至 54%」预测背后的资金侧原因。

后续观察：美联储路径与数据中心 REIT/运营商债券利差；是否出现首例 AI 基建债务违约。

大模型与 API 更新

• OpenAI DevDay 明日开幕：GPT-6 Cyber 预览与常驻代理「O」传闻升温。 大会将于当地时间 9 月 29 日在旧金山举行，Altman 主题演讲免费直播。会前信息显示：OpenAI 预计预览网络安全专用模型 GPT-6 Cyber 并推出配套部署产品；多路爆料称还将发布面向企业客户的「常驻智能体」（代号 O，可长期值守、主动执行任务）与托管智能体能力。为什么重要：在暂停训练、监管听证与开源竞争的三重背景下，这是 OpenAI 用产品节奏回应竞争的关键一役——企业 Agent 入口之争正进入正面交锋。后续观察：演讲中「O」的形态与定价；Cyber 模型的访问门槛。
• OpenAI 修复 GPT-6 Sol/Luna 图像理解退化。 开发者社区帖子显示官方已修复导致两个模型图像理解能力退化的缺陷；此前用户密集反馈其多模态表现低于前代。连同「Codex 5 小时限额在 GPT-5.6 Sol Medium 上消耗显著加快」等反馈，新模型上线初期的质量波动正成为开发者社区的高频议题。
• Codex 限额重置预告：DevDay 前再发一轮重置。 社区汇总确认 OpenAI 将在 DevDay 前后再发放 Codex 使用限额重置，缓解 GPT-6 Sol/Luna 上线后重度用户额度快速耗尽的问题。
• DeepSeek V4.1 Pro 进入测试，或瞄准国庆窗口（详见今日第 9 条）。
• 智谱、腾讯、小米在 OpenRouter 榜单的位置变化（详见今日第 8 条）。

论文与研究前沿

今天的 arXiv 批次（周一公告）几乎被「智能体安全」与「推理效率」两个主题占满：从递归自我改进的演化安全分类，到不依赖编码手段的监控越狱，再到「学会停下」的置信度训练。

• 递归自我改进 AI 的演化安全（2609.31186）。 论文系统梳理 RSI（递归自我改进）风险：给出分类体系、发现新风险类型、构建可操作评测——为「模型参与构建自身后继者」提供安全工程框架，与本周 Anthropic 的研发自动化数据同向。
• 监控越狱：不依赖编码推理即可规避思维链监控（2609.31121）。 模型可学到不含可疑片段的「监控盲区」策略完成越狱——对刚成为行业标准的 CoT 监控是直接的对抗性证据。
• 技能级联攻击：针对技能型智能体系统（2609.30383）。 单个技能无害、多个技能组合后形成级联危害——对快速扩张的 Agent Skills 生态的结构性安全警告。
• AgentXploit：从仓库到运行时的自主红队（2609.31318）。 在真实部署中自动发现并利用智能体系统缺陷，把安全测试推进到端到端利用验证。
• ScopeBench：智能体能否在压力下守住任务边界（2609.30325）。 在用户持续施压、目标诱惑下测试「越权」倾向，为安全评测补上「边界保持」维度。
• 超越「动作获批」：智能体工作流的运行时结果校验（2609.31301）。 跟踪持久化状态变化，发现「动作合规但结果有害」的灰色地带。
• 共享智能体记忆的「认知准入」（2609.30813）。 研究多智能体共享记忆该写入什么、如何防污染，并给出基准。
• 廉价开源智能体让 LLM 污染更难治理（2609.31054）。 当生成成本趋近于零，水印、检测与来源标注的边际效果迅速下降。
• 学会停下：自监督置信度训练提升推理效率（2609.31619）。 让模型在答案收敛时提前停止思考，减少推理 token。
• LLM 帕金森症：执行控制失效与 token 低效的坚持（2609.30662）。 命名并给出对推理模型「绕圈不止」失败模式的缓解方案。
• 分析与缓解编码智能体的成本低效行为（2609.30725）。 剖析生产轨迹，识别重复探索、无效重试等成本黑洞。
• CliffCompaction：长程编码智能体的低成本上下文压缩（2609.26779）。 在上下文质量「悬崖」前主动压缩，控制成本同时保住成功率。
• JevSoup：免训练 LoRA 组合的系统 1 路由（2609.30922）与 JevAdvBench：校准决策模型的安全基准（2609.31142）。 前者把决策模型用于 LoRA 路由；后者为 RLCD/Jev 范式建立安全基准并展示黑盒攻击面——决策模型生态在「应用」与「防御」两侧同步演进。
• 「As a Language Model」：聊天模板即可切换自我指代声音（2609.25021，HN 100+ 分）。 仅靠模板结构差异就能改变模型「人格声音」，把「模型是谁」的决定权交还给推理框架层。
• 复旦 VA-Judger：从人类偏好学习整体音画判断（GitHub 开源）。 VA-Judger-Bench 上判断准确率 68.43%（对比 Qwen3-Omni CoT 57.83%）；用其奖励后训练 LTX-2，JavisScore 从 0.074 提升到 0.230，人类盲评偏好 62.30%。
• 「Do not guess」实验：臆造字段率从 70.7% 降到 20.2%。 16 个前沿模型在网页抽取任务中，加一句「不要猜」即可大幅减少编造——对任何把 LLM 输出直接入库的管线，这是最低成本的一行修复。
• 更多论文快览：认知与社会仿真——被同样警告后智能体与人选择不同路线（2609.30883）、LLM 智能体社会的金融脆弱性（2609.30940）、智能体限价订单簿相变（2609.31260）、推理 token 对公平性的双刃效应（2609.30768）；智能体工程化——SkillEvoReg 防技能过拟合（2609.30861）、多智能体代码评审的「有据可依」测量（2609.30328）、Benchy 基准描述语言（2609.30550）、Web 智能体「搜索之后」的评测（2609.30604）、智能体数据空间署名风险（2609.30614）、ActKV 动作引导 KV 管理（2609.31395）、DynBranch 智能体服务子图复用（2609.31047）；效率与基础设施——自博弈搜索蒸馏（2609.30936）、多智能体反事实信用分配（2609.30734）、LAVOIR 主动提问决策（2609.30706）、MoMHa 多目标 harness 优化（2609.30967）、OneWorld 一致物理世界模型（2609.30946）；多模态与领域——DyMD 少步视频蒸馏（2609.31349）、VLM 双层排版文字只读一层（2609.31403）、BioEVAL 生物工程基准（2609.30489）、Neural Spectral Capacity 架构前置指标（2609.23087）、AV-GRPO 联合音视频生成（2609.29816）、ViRDM 少步视频分布匹配（2609.28923）。

开源项目与 GitHub 热点

• VoiceStudio 登顶趋势榜：全本地 ElevenLabs 替代，单日 +3086 星。 覆盖语音克隆、音色设计、视频配音、听写、转录与有声书制作，宣称支持 646 种语言，累计 4.07 万星。在语音合成商业化最成熟的赛道上，「完全本地」仍是社区最买账的叙事。
• openrig：把 Claude Code 与 Codex 编入同一套多智能体 harness（+114 星）。 让不同厂商的编码智能体在同一编排层分工互检——编码工具间的差异化正让位于编排层归属之争。
• Codex 发布 0.158.0 稳定版。 同日还有 0.159.0-alpha.12 等预发布；距离 DevDay 只剩一天。
• llama.cpp 推进到 b11227。 单日连发 b11222–b11227 多个构建；同期社区博客展示其 prompt-lookup 草稿机制经四项优化后累计延迟下降约 42 倍、加 Lemire 技巧后约 140 倍（静态缓存加载从 3.76 秒到 0.23 秒）。
• LiteLLM 发布 v1.103.0。 多模型网关继续按周迭代（同步推送 v1.104.0-rc.1）。
• Gemini CLI 推送 nightly 20260928（v0.63.0）。 编码代理命令行战场保持每日构建节奏。
• Imp v0.5：DSPy 的完整 BEAM/Elixir 移植登陆 Hex。 含类型化声明、GEPA 风格优化器、以 OTP 监督进程运行的 ReAct/MCP 智能体——DSPy 生态「多语言化」的第一块拼图。
• Suna 发布 v0.13.40。 开源通用智能体平台保持每日级迭代。

Hugging Face 模型、数据集与 Demo

• ISTA-DASLab 发布 Qwen3.8-27B 非均匀 GGUF：IQ3_S 档「任务无损」、体积缩小 4.6 倍。 用 GSQ（Gumbel-Softmax 量化）+ RCO（黎曼约束优化分配）做逐张量精度分配：3.50bpw / 11.8GB 档在 AIME25（100.00）与 LiveCodeBench v6（85.71）上与 BF16 持平、GPQA-Diamond 仅差 0.51 分；3.00bpw 档在 10.1GB 上追平 AIME25；附视觉投影与 MTP 投机解码构建。今日仍在模型趋势榜（累计 1.78M 下载）。
• Qwen-2.5-1B-RLCD：Apple Silicon 上的并行约束解码，结构化抽取最高 7 倍加速（572 赞）。 对多字段 JSON schema 同时求值而非逐 token 生成，在 M4 Max 上实现 5.6–7.0 倍延迟下降、100% schema 合法性与字段级校准置信度；28 字段工单分流场景从 1.9 秒降到 270 毫秒。
• OpenBMB 发布 UltraData-SFT-Agent-2609。 面向智能体场景的 SFT 数据集登上趋势榜，延续「公开高质量训练数据」路线。
• Viggle Turbo v0.2.1：6 步 Qwen-Image-2.1 的文生图与编辑演示进入热门空间。 「官方模型 + 第三方步数蒸馏」的加速组合继续被社区买单。
• NaiveAI/Naive-N0.5-Flash 与 XGEN-JING 等新条目（分列今日第 1 条与多模态栏目）。

Agent / AI Coding / 开发工具

• 瑞典 Incredible 推出语音优先桌面智能体。 按快捷键说出任务，模型结合屏幕上下文在浏览器、文件与 3000+ 应用中执行操作；发送、提交、修改与删除等外部动作会暂停等待确认；屏幕内容仅在用户主动激活时读取。「语音从输入方式变成电脑操作入口」的又一样本。
• Rabbit 发布 OS3：从 R1 专用设备走向跨平台智能体系统。 云端运行 + 本地 Agent Node 连接 Windows/Mac/Linux 的软件、文件与网页；可从浏览器、Telegram 或 iMessage 发起任务，单账号最多 5 台设备；支持粘贴 Skill URL 直接安装；采用 BYOK、不收月订阅费。Rabbit 已停产 R1 且无 R2 计划——「AI 硬件公司」正在转型为纯软件 Agent 平台。
• Manifold Security：349 个智能体技能引用的占位域名已被挂马跳转。 yoursite.com 等未注册占位域名出现在约 35.9 万个 GitHub 文件与 349 个 AI 技能中，攻击者已接管并布置伪装跳转（假冒 MacOS 安全中心推销假 McAfee 续费）。在智能体自动执行技能与安装命令的链路里，示例代码中的占位符正在变成真实的供应链入口。

多模态、视频、语音、图像

• XGEN Labs 开源 JING：基于 MiniMax-H3 的第一人称交互世界模型。 输入动作、参考图像与历史观察后继续生成第一人称视频与音频，支持 W/S/A/D 移动、I/J/K/L 视角、物体交互与角色对话；已开放四步双向推理模型与推理代码，演示在 6 张 H100 上验证运行。
• Gradium TTS Beta：官方称首包音频可低于 50ms。 面向实时 Voice Agent 继续压缩首包延迟（现行生产模型 P50 约 216ms）；对电话号码、邮箱、IBAN 等结构化文本的优化延续到 Beta，同一 WebSocket API 流式合成。
• 三星开源端侧音频语言模型 Samsone：最小 99M 参数，Galaxy S25 Ultra 可实时运行。 提供 PyTorch 权重、ExecuTorch checkpoint 与 Android Demo；Samsone-134M 在 MMAU test 上 61.33，高于 167M 的 Mellow；论文获 Interspeech 2026 接收。
• HomeBody 机器人实验（详见今日第 7 条）。

算力、推理、芯片与基础设施

• 数据中心债务与利率（详见今日第 10 条）： 5.17% 的十年期美债收益率让 AI 基建融资结构面临重估。
• 推理效率的三条曲线同日变陡： ISTA 的量化把 27B 模型压到 11.8GB 且任务无损；llama.cpp prompt-lookup 草稿延迟降约 42 倍；Fireworks Ember-1 把同质量 token 用量压掉约 40%——「单位智能的成本」正在成为与「智能上限」并行的一条竞争曲线。
• 高盛 1.2 万亿美元支出预测（详见今日第 5 条）中的资金结构问题： 增速从 100% 回落至 54% 的同时，资本开支对债务市场的依赖度创新高。

中国 AI 动态

• MiniMax 公测 M3.1-Flash-Preview（详见今日第 4 条）。 原生多模态 + 百万上下文，匿名 Space Bunny 疑为本尊。
• OpenRouter 周报：中国模型连续 22 周调用量超美国（详见今日第 8 条）。 前五中三款中国模型，DeepSeek 与智谱分列一二。
• 外交部回应美方「超级智能」提法。 发言人表示中美元首会晤就人工智能问题深入讨论，中方重视美方立场、也尊重美方提法；各方可结合最新形势加强交流、寻求共识。
• 证券时报：智能体浪潮席卷证券业，AI 加速嵌入基金投研全链条。 大模型、Skill 与 Agent 从信息处理进入研究、投资、交易与风控；机构评估指标转向任务成功率、人工介入率与单 token 成本；该报同日刊发券商 AI 转型专题「从单点增效迈向体系重构」。
• 浙江发布「十五五」数字经济规划：2030 年数字经济占 GDP 60%、国产化算力占比超 60%。 打造智能物联、人工智能、高端软件三大万亿级数字产业集群——「国产化算力占比」首次成为地方规划的量化目标。
• 网络安全概念股活跃： 中新赛克 4 天 2 板，多只安全股冲高；市场将 OpenAI 暂停事件解读为「AI 安全」需求催化。
• DeepSeek V4.1 Pro 进入测试（详见今日第 9 条）；NaiveAI 开源（详见今日第 1 条）。

全球产业与政策

• WSJ 报道 Red Queen Bio：OpenAI 支持的 AI 生物安全公司。 由 HelixNano 分拆、累计融资 3600 万美元，用前沿模型、实验室自动化与强化学习设计针对病原体（包括 AI 可能设计出的生物武器）的抗体药物；报道称 Altman 与 OpenAI 董事 Nicole Seligman 将获得股份。AI 安全议题正在从「管住模型」延伸到「用 AI 对冲 AI 风险」。
• 比尔·盖茨呼吁立法监管 AI：仅靠行业自律不够。 在 NBC 采访中表示需要政府与执法机构参与安全与监控义务；「只配开关不够，还要有行为记录」；警告不受约束的 AI 可能引发「十亿人死亡」级别事件；非洲语言错误率仍是英语的约 10 倍。
• 纽约时报：AI 加速跑赢监管，欧盟 AI 法案执行滞后留下全球政策真空。 治理缺位正由司法与地方立法填补——与澳大利亚听证、纽约市立法形成同一条主线。
• 特斯拉 Optimus 产量爬坡至每周数百台：较二季度提高约 10 倍。 但手部结构与供应链问题仍在拖慢大规模可靠量产，目标年底建成连续自动化产线。人形机器人的「产能兑现」正取代演示视频成为产业观察焦点。
• 特朗普：美国不会为 AI 踩刹车。 称美方拥有一到两年领先优势、峰会用于 AI 的时间并不多；其与众议长将就数据中心能源成本法案会见科技领袖。「安全侧立法、发展侧拒绝减速」的双轨格局进一步清晰。

社区热议与争议

• HN 热帖「不存在『流氓』AI 智能体」（368 分、251 条评论）。 作者主张把智能体越界事件浪漫化为「AI 失控」是错误框架：出问题的是系统设计、激励与监督，而非出现了具有自主意图的「流氓」；拟人化叙事会误导监管与工程投入方向。该帖与本周的暂停训练、数万起事件调查构成正面对话。
• SNL 周末更新调侃 Amodei。 Jane Wickline 首次演绎 Dario Amodei 模仿秀，调侃其「AI 可能毁灭人类」的媒体行程——AI 安全议题正式进入美国主流娱乐的公共记忆。
• TinyAIArena：让 AI 智能体在浏览器小游戏里对战（Show HN 100+ 分）。 轻量、可公开观战的智能体评测形式成为社区新入口。
• AI 让律所更高效后，客户开始问「我的折扣呢？」（NYT，HN 120+ 分）。 AI 效率红利在专业服务行业的分配之争——「按产出计费」取代「按时间计费」的老问题被 AI 重新点燃。

今日观察

今天所有的重要信号都指向同一组张力：能力继续变便宜，而它的边界正被重新标价。

先看「变便宜」这条线：NaiveAI 用全稀疏注意力把 309B 模型的开源门槛再降一档；Fireworks 证明「把思考变短」可以成为独立的产品；ISTA 的量化把 27B 模型压进消费级显存；llama.cpp 的草稿优化把推理延迟再削一个数量级。这些进展共享同一个逻辑——在模型智能上限提升放缓之后，单位智能的成本曲线本身成了主战场。FT 的数据给出了市场端的回执：开放权重吃掉 Vercel 网关 56% 的 token，而金额份额仍在专有模型手中，一个「开源吃基线、闭源守高值」的混合路由时代已经定型。对开发者来说，这意味着模型选型正在从「选最强」变成「按任务分层定价」，路由与评测能力比模型本身更值得投资。

再看「标价」这条线：澳大利亚参议院把两位 CEO 请进听证会，盖茨要求立法强制记录模型行为，纽约时报指出全球监管真空——而与此同时，1.2 万亿美元的 2027 基建支出要靠 5.17% 利率下的 4.1 万亿美元债务来供血。这三件事的共同点是：AI 的外部性正在被逐个定价——安全事故要有人到国会作证，模型行为要有记录，算力扩张要付利息。昨晚 Hacker News 上 368 分的热帖说「不存在流氓智能体，只有失控的系统」——这个判断的推论是：真正的护城河不在模型里，而在那些能把外部性内部化的制度设计里——对监管者是问责机制，对企业是审计与预算边界，对开发者是「先确认你的智能体行为可以被解释，再让它跑得快」。