天眼早报

🤖 AI 大模型

OpenAI 推出 Agents API 公测版，并接入 Box Mount 支持企业内容

OpenAI于 9 月 10 日推出Agents API公测版，一次调用即可创建生产级云端智能体，可选托管沙箱、自有基础设施或合作伙伴环境。基于开源Codex harness，支持长会话上下文压缩、工具搜索、并行工具调用与子智能体协作，公测期不额外收费。同时，Box Mount将企业内容以文件形式带入沙盒，支持普通 shell 命令读写与双向同步；演示中一个主 Agent 挂载交易室、读取5 个源文件、并行启动3 个专业 Agent 并写回4 份报告。

𝕏 Anthropic 发布 AI 滥用报告：拦截生物危害请求，指控 7 家中国实验室蒸馏 Claude

Anthropic发布威胁情报报告，称已阻止使病毒更危险的请求，披露5 个生物案例（含禽流感研究、军事研究机构牵涉的基孔肯雅热项目），并识别出涉及7 家中国实验室的未授权蒸馏行动。其中阿里巴巴、月之暗面、DeepSeek、智谱、小米、商汤、MiniMax 等被指控大规模调用Claude进行“蒸馏攻击”，阿里 5 月至 7 月产生超1.51 亿次交互，高峰期每天接近300 万次。报告还称 DeepSeek 和 Moonshot 将客户请求转发给 Claude 并以其名义输出结果。

𝕏 DeepSeek-V4.1-Flash 上线 Hugging Face，采用 YOCO 解码器-解码器架构

Novita在Hugging Face上线DeepSeek-V4.1-Flash：552B参数主干、原生图像与文本输入、最高100 万 token上下文，推理强度可连续调节。YOCO为 DeepSeek-V4.1-Flash 的架构，采用解码器-解码器设计，旨在降低 GPU 显存与预填充延迟。

𝕏 IFM 发布 K2 Horizon 系列 6 个开源模型

基础模型研究所（IFM）发布K2 Horizon，含0.9B至375B共 6 个开源模型，覆盖端侧到推理编码。0.9B/3.7B/7B 在同尺寸创 SOTA，稀疏 36B-A4B 采用新Mixture-of-Value Attention架构。同步开放权重、训练代码、中间检查点与完整数据配方。

𝕏 DeepSeek V4.1 Flash 发布首日：NVIDIA vLLM 全 SKU 可用，AMD 镜像 23 小时未发布

SemiAnalysis指出，DeepSeek V4.1 Flash发布首日，NVIDIA vLLM在H100、H200、B200、B300、GB200、GB300六个 SKU 零问题即插即用；而AMD vLLM 仍不支持，其文档指向的 ROCm 镜像发布23 小时后仍未公开。

𝕏 Cognition 发布 Devin Fusion 多模型编程智能体

Cognition发布Devin Fusion，为首个进入Artificial Analysis编程智能体指数（1.5）的多模型智能体。搭配Claude Fable 5.1得62分，搭配GPT-6 Astra快**31%且省43%**成本。

𝕏 OpenAI 发布 GPT Image 2.5 Flare 与 Sunburst

OpenAI发布GPT Image 2.5两款图像模型，Flare登顶文生图、Sunburst登顶图像编辑榜。Flare 延迟较GPT Image 2降低63%，价格维持每百万输出 token30 美元。

𝕏 OpenAI 将生物推理模型 GPT-Rosalind 移出研究预览，面向全球开放

OpenAI宣布GPT-Rosalind结束研究预览，面向全球符合条件机构开放，通过API、Codex和ChatGPT Enterprise提供受信访问，并包含后续发布的 GPT-Rosalind 新模型。Codex同步上线基因组、蛋白结构等生命科学插件。

𝕏 传 Altman 告知员工 OpenAI 或放缓前沿模型开发

Bloomberg报道，Sam Altman告知OpenAI员工公司可能放缓前沿模型开发，或与其他 AI 实验室同步；OpenAI 已暂停面向部署的强化学习训练两周，并推迟最大规模的前沿 RL 运行以测试更强保障，其监控系统约消耗**20%**额外推理算力。

𝕏 OpenAI 在 API 上线 GPT-Live-1，端到端实时语音模型

OpenAI在 API 发布GPT-Live-1，不再级联拼接 STT、语言模型和 TTS，而是把输入输出音频作为一次连续交互推理，支持全双工电话、向第三方模型委派工具调用，并可用系统提示词控制语气与节奏。

𝕏 蚂蚁集团开源 Ling-3.0-flash-VL，124B MoE 支持图像视频理解

蚂蚁集团开源Ling-3.0-flash-VL，124B总参数仅激活5.5B，支持256K上下文与图像/视频输入，MIT 许可。智能指数得分 25，位居智能-激活参数帕累托前沿。

月之暗面年底年化收入目标 20 亿美元

月之暗面告知投资者8 月年度经常性收入已突破10 亿美元（6 月为 3 亿），跃升得益于 7 月发布的Kimi K3。公司内部预测今年底年化收入将再次翻番至20 亿美元。

𝕏 Sakana AI 的 Fugu Max 上线 OpenRouter

Sakana AI的Fugu Max上线OpenRouter，为学习型多 Agent 编排引擎，在开源权重与专用模型间路由任务，定价2 美元/6 美元每百万 token，支持多模态（图像/PDF）、网络搜索、函数调用与结构化输出。

𝕏 DeepSeek V4.1 Flash 成本优势实测：FlappyBench 最优，落地页成本仅为 Claude Fable 5 的 1/40

FlappyBench测试显示，DeepSeek V4.1-Flash以最低单次成本拿到9/10；GLM 5.3获 9.5/10 且界面更精致但成本翻倍；Kimi K3仅 8/10，成本达8 倍。另一项测试中，同一电影院落地页提示词下，DeepSeek V4.1 Flash 成本2.6 美分，Claude Fable 5成本1.21 美元，质量相近但便宜40 倍以上。

𝕏 DeepSeek V4.1 在 LiveBench 排名第 5，Agentic Coding 登顶

DeepSeek V4.1在LiveBench上排名第 5，仅次于 Astra、两款 Fable 和 Muse Spark 1.3，其Agentic Coding能力排名第 1，领先 Fable 5.1 约 11 分。有分析指出，DeepSeek V4.1 在 LiveBench 代理编程子项超出预期2.7 个标准差，但该结果仅基于 1270 道评测题中的4 道 Python 题，统计意义存疑。

实测争议：DeepSeek V4.1 Flash 官方基准超越 GPT-5.6 与 Opus 5

DeepSeek V4.1 Flash官方基准显示其在DeepSWE等编程基准上超过GPT-5.6 Sol和Opus 5；作者实测复刻 3D 版《坦克世界》，指出实际效果与官方基准存在差距。

𝕏 Claude Fable 5.1 在 InferenceBench 创 9.83 倍加速新纪录

Claude Fable 5.1在InferenceBench上取得9.83 倍几何平均加速，刷新 SoTA 并超过此前的Opus 5，提升主要来自推理策略而非新硬件。

𝕏 OpenAI 分享：GPT-5.6 Sol 配合 Codex 加速量子芯片实验设计

OpenAI分享 MIT EQuS 课题组研究者Bea Yankelevich使用GPT-5.6 Sol配合Codex在量子芯片上执行常规测量，加速实验设计。

DeepSeek 继续提供 V4 Pro API 服务，并发布 V4.1 Flash 多模态模型

DeepSeek宣布 2026 年 9 月 14 日后继续提供V4 Pro API 调用服务，计费方式不变，此前原计划当日下线。同时公司 9 月 10 日发布原生多模态V4.1 Flash，基准测试表现超越 V4 Pro 等旗舰模型。

𝕏 GitHub Copilot 为 Pro+和 Max 用户提供 GPT-5.6 Sol 七折

GitHub宣布GPT-5.6 Sol在GitHub Copilot中对 Pro+和 Max 订阅用户降价30%，优惠将于9 月 13 日 00:00 UTC结束。

𝕏 马斯克：Grok 4.7 几天后发布，仍在优化

马斯克表示Grok 4.7将在几天后发布，称其在能解决的高难度任务上过早放弃、检查工作的严谨性不足，目前仍在优化。

𝕏 SWE-2 需求超预期致算力短缺，免费推广延长至 10 月

SWE-2因需求远超预期出现容量短缺，官方宣布将免费推广活动延长至10 月，并正在扩充算力。

𝕏 Qwen 3.8-Flash-Next 据称以 1/4 规模达到 DeepSeek V4-Flash 同级

有开发者指出，Qwen 3.8-Flash-Next在 AA 榜单上与DeepSeek V4-Flash同级，但模型体积小近4 倍、激活参数少近3 倍，若属实则被严重低估。

𝕏 用 GPT-6 Astra 将 11 分钟访谈一键切成 6 个观点切片

有用户用GPT-6 Astra Ultra结合Qwen3 ASR，一条提示词将 11 分 30 秒的访谈视频自动切成6 个观点切片，并预判月薪1 万元左右的剪辑岗位将受冲击。

银行 Agent 上岗：4200 万小微经营者可用

量子位报道，银行Agent上岗，4200 万小微经营者可用，覆盖信贷、票据、财税等业务，被形容为看清「一个真正的人」。

𝕏 OpenRouter 数据：K3 模型每日生成 3000 亿 token

OpenRouter数据显示K3模型目前每天生成多达3000 亿token，尽管其使用量近月略有下滑。

𝕏 观点：DeepSeek 不热衷后训练算法设计，却超出 GPU 资源更丰富的公司

评论指出，DeepSeek从来不太热衷后训练算法设计，发明GRPO后仅做更新并加入 MOPD，但字节、阿里、谷歌、Meta 虽发表大量后训练算法研究，表现却不及 DeepSeek。

---