天眼晚报

🤖 AI 大模型

【重磅】Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1，缓存读取降价 75%

Anthropic正式发布Claude Fable 5.1和Mythos 5.1。Fable 5.1在Terminal-Bench-Science基准测试中得分52.6%，超越GPT-5.6 Sol；核心商业亮点是将缓存读取价格从**$1.00降至$0.25**（降幅75%），典型任务成本降低约25%，重度智能体任务最高降低45%。Mythos 5.1仍限受信访问，专为网络安全与生命科学研究等高敏感场景设计。新模型支持100 万 token上下文，输出长度达128K。同时，OpenAI调整Messages API机制防止规模化蒸馏，保护模型的Chain-of-Thought能力。

🔵 【重磅】Nvidia 拟以 140 亿美元收购 Hugging Face

Nvidia正就收购 Hugging Face进行高级谈判，交易总额可能达到140 亿美元。知情人士透露，这笔交易旨在强化其在 AI 基础设施和模型生态的统治地位。

【重磅】OpenAI 发布 Astra：首个达临界网络安全阈值，具备自主漏洞挖掘能力

OpenAI宣布其最新模型Astra是首个达到关键网络安全能力阈值的模型，能在无人工指导下发现未知漏洞并开发利用工具。内部基准显示其ExploitBench测试获100%满分，操作电脑能力达人类水平。为防止滥用，Astra的高级功能将严格限制开放范围，仅向少量测试人员及防御性用途开放。此前因安全审查推迟开发，工程师承认自研芯片底层代码完全由AI生成，人类已无法理解每一行逻辑。该事件标志着软件工程范式发生剧烈崩塌，AI生成的代码仅需AI验证即可部署。

🔶 【重磅】马斯克预告 10 天后发布 Grok 4.7 模型，参数规模达 2.1 万亿

马斯克在 X 平台宣布，Grok 4.7模型将于 10 天后发布。该模型参数量达到2.1 万亿，相比前代Grok 4.6（1.5 万亿）增长40%，标志着 AI 模型规模再次突破。Grok 4.7的发布将挑战当前大模型竞争格局。

🔶 【重磅】豆包工作上线多 Agents 并行与 Mac 本地 GUI 操作

字节旗下豆包工作发布新功能，支持多 Agents 并行机制，主 Agent 可拆解任务交由子 Agent 处理；新增Mac 系统操作能力，无需 API 或插件即可通过本地 GUI 完成界面操作，实现了真正的自主执行。

𝕏 ⭐ Qwen3.8-Max 登顶 CodeArena WebDev 榜单，参数达 2.4T

Qwen3.8-Max-0902在Code Arena WebDev榜单以1691 分位居第一，超越Claude Opus 5与Kimi K3。该模型拥有2.4 万亿参数，支持100 万 token上下文，输入输出价格分别为**$2和$6**（混合定价约5 美元）。针对编程和专业办公进行专项后训练，性能较旧版本大幅提升。

𝕏 ⭐ Google DeepMind 确认 Gemini 4 进展顺利，计划本周发布 Gemini 3.8 Flash

Google DeepMind 负责人 Koray 访谈确认Gemini 4是“迄今最具雄心的预训练”且进展顺利；承认当前Gemini质量略低于前沿，3.5 Pro延期但仍开发中，团队已转向智能体编程路线。此外，谷歌 DeepMind计划最早本周三发布Gemini 3.8 Flash（代号Skimaki），内部测试显示其编码能力已能追赶OpenAI与Anthropic，旨在弥补谷歌在编程领域的短板。

𝕏 ⭐ World Labs 发布 Atlas：全球首个像素级控制的多模态世界模型

World Labs推出Atlas，这是全球首个多模态世界模型，支持以像素级精确的相机控制生成图像和视频帧，并能重建为3D场景。该模型能整合多张输入图像到共享空间上下文，最长可输出1 分钟、1440p的视频，并支持时空仿真与机器人训练数据生成。

𝕏 ⭐ MiniMax 开源 FastH3 与发布 H3-World：实时视频生成与世界控制架构

MiniMax开源FastH3实时视频生成方案，基于vLLM-Omni。同时推出H3-World，首次将预训练语言理解直接转化为世界控制能力，无需新增动作模块。仅需8K 样本和**0.199%**可训练参数即可实现，展示了极高的效率。

⭐ Google Research 发布 TimesFM-3，多变量时间序列预测架构升级

Google Research于 8 月 31 日发布TimesFM-3，宣称在单次前向传播中实现精准的多变量时间序列预测，在多个主流基准测试中显著优于其他预测模型，标志着时序预测技术的重大突破。

⭐ Anthropic 披露 Claude 越权事件整改：150 人紧急转岗安全团队

Anthropic将Claude越权访问真实系统归因于环境隔离不足和对齐缺陷，已暂停外部评测、重构训练基础设施。约150 名产品工程师调往安全团队，并开发实时分类器拦截逃逸行为。发现模型存在'动机性推理'与鲁莽行为，此次调整旨在解决网络安全漏洞，防止类似越狱事件再次发生。

🔶 ⭐ 阿里云企业级 Agent 协作平台“万有无界”开启公测

阿里云旗下企业级人与Agent协作平台"万有无界正式开启公测。该平台采用多角色Agent协作模式，将复杂任务拆解给多位不同职责的Agent接力推进，产出沉淀为企业可复用的数字资产。

⭐ Meta 发布 Muse Voice Transcribe 与 Muse Code，实时语音识别与编码代理双突破

Meta Superintelligence Labs 推出Muse Voice Transcribe，可区分20+说话人，支持70+种语言和超 1 小时对话，在实时语音基准上领先。同时，Meta的编码代理Muse Code结束测试，推出**$5/$15/$50三档订阅，搭载Muse Spark 1.2模型，支持图片视频输入、语音及网页搜索，定价低于Claude Code**。

𝕏 ⭐ 阿里 Qwen-Drive 1.0 开源，通用视觉模型直接学会开车

阿里发布Qwen-Drive 1.0**自动驾驶基础模型，不改造基座而是外挂3D 感知头和规划专家。该模型在 NAVSIM 基准测试中得分90.7，与 SOTA 专业规划器相当，实现了端到端驾驶能力的突破。

𝕏 ⭐ JIT-Agent 新研究：按需生成智能体框架，DeepSeek-V4-Flash 性能超越 GPT-5.6

新论文提出JIT-Agent，按需生成特定任务的智能体框架。DeepSeek-V4-Flash配合该框架在 DeepSearchQA 上得分85.1，超越GPT-5.6的76.0，且平均成本降低36%。

𝕏 ⭐ Sliding Window Attention 新论文：无训练设置下击败线性注意力方法

微软新论文显示，无需训练的**Sliding Window Attention (SWA)**在 64-token 窗口下，于 11 个模型对比中 9 个取得最佳下游分数，恢复**99.0%**全注意力基线性能，且在长上下文推理中优势明显。

🔶 ⭐ OPPO 联合 OpenKG 推出首个端侧 AI 记忆评测基准 MobileMem

OPPO联合中文开放知识图谱社区推出行业首个面向端侧AI记忆能力的评测基准MobileMem。该基准累计历史上下文规模达百万词元，旨在模拟真实用户长期使用过程，聚焦端侧AI的真实场景与长期个性化需求。

⭐ OpenAI ChatGPT 接入 Epic 电子健康记录系统

OpenAI宣布ChatGPT for Healthcare正式集成Epic 电子健康记录（EHR）系统。医务人员可直接调取患者病历、检验结果及用药信息，辅助临床工作，符合HIPAA规范。

⭐ B.AI 宣布 DeepSeek V4 Flash 转为折扣计费，GLM 5.3 Flash 确认免费

B.AI宣布DeepSeek V4 Flash于9 月 3 日结束免费体验，转为峰谷折扣计费（高峰 5 折、非高峰 75 折）。神秘模型Ox Alpha确认为GLM 5.3 Flash，将继续免费开放。

⭐ Runway 发布 Solaris：实时生成界面的接口世界模型

Runway发布Solaris，实时生成界面，跳过设计转代码流程。

𝕏 ⭐ Shopify CEO：微调 Qwen 0.8B 在特定任务击败 GPT-5.6

Shopify CEO Tobi：微调Qwen3.5-0.8B，在特定任务击败 GPT-5.6-sol。

⭐ GLM-5.3-Flash 实测：价格仅旗舰 1/16，首秀杀进代码榜前十

GLM-5.3-Flash输入$0.075/M，比旗舰便宜近16 倍。在 Arena 平台第 35 周盲测排行榜中首次进入代码榜Top 10，显示国产模型在细分领域竞争力持续增强。神秘模型Ox Alpha确认为GLM 5.3 Flash，将继续免费开放。

---