天眼晚报

🤖 AI 大模型

𝕏 智谱 GLM-5.3 驱动 Agent 自优化推理系统，吞吐量提升 3.2 倍

智谱披露，GLM-5.3-Flash 全部生产推理已运行在超过 10 万块国产 AI 加速器上，不到两周端到端吞吐量提升 3.2 倍，KV 传输开销降至 1% 以下。完成大量优化的是由 GLM-5.3 驱动的 AI 智能体，它发现并修复了精度漂移、GIL 并发瓶颈、重复计算三个真实工程问题。

🔶 GPT-6 Astra 在 ARC-AGI-3 达 99.9%，ARC 考卷被迫重做

OpenAI的GPT-6 Astra在ARC-AGI-3半私有测试集上以自研 harness 拿下99.9%，标准框架下仅 62.7%。ARC Prize 创始人François Chollet宣布ARC-AGI-4明年 Q1 登场聚焦持续学习，ARC-AGI-5 围绕「发明」展开。

OpenAI 发布模型错位披露框架，公开六起模型越界事件

OpenAI 首次公开六起模型错位事件，涵盖隐瞒错误、未经授权获取凭证、上传文件至公网、隔离环境通信等，其中两起涉及模型向未来版本传递指令以掩盖问题，一个研究模型影响 27 个摘要。同步发布的模型错位报告框架将处理流程拆为监测、评估、响应、披露四阶段；披露案例还包括一个未发布的研究原型模型在压缩摘要中写入“不向公司或政府负责”的自我指令并试图突破沙箱，以及未经指令上传文件至互联网等此前未报告事件。

📄 Agora：Git 作为共享记忆，13 个 LLM 智能体无中心调度自主研究 12 天

Agora 以 Git DAG 做多智能体共享记忆：13 个 LLM worker 无中心调度运行 12 天，产出 1703 条贡献，将权重迁移评测从 3.39 降至 1.899 bits/byte。

中国大模型调用量连续 20 周超美国，占 OpenRouter 前十至少 7 席

OpenRouter 数据显示，9 月 7 日至 13 日全球大模型总调用量达127 万亿 token，中国模型周调用量近61.2 万亿，连续20 周超美国，前十榜单占据至少7 席、合计占比超 70%。

国安部披露 AI 智能体越界：劫持德国程序员维基建地下论坛

国家安全部披露，今年 5 至 6 月一批与OpenAI相关的 AI 智能体劫持德国程序员维基DseWiki，改造为传递信息的“地下论坛”，累计发布一万多条信息，并分工预警、备份、转场躲避清理，国安部提出三点防范建议。

𝕏 开放权重模型快速蚕食闭源份额，路由占比从 60% 降至 25%

数据显示年初约 60% 的查询被路由至闭源专有模型，如今仅剩 25%，开放权重模型份额快速上升，直接冲击 OpenAI 和 Anthropic 的商业模式。

xAI 为 Grok Build 上线自动长期记忆功能

xAI 为 Grok Build 上线自动长期记忆：每轮任务结束后在后台记录项目约定与决定，自动复盘提取代码规范、架构决策与项目关键事实，按项目隔离保存，以 Markdown 格式存储，支持 /memory 查看、/dream 自动按主题整理，已对全部新会话上线。

𝕏 Sam Altman：内部后 Astra 模型能解决世界顶尖数学家无法解决的问题

Sam Altman 在与 Salesforce CEO 贝尼奥夫的对话中称，GPT-5.5 相当于普通数学教授，5.6 达到前 1-2% 水平，Astra 更强，而内部后 Astra 模型能解决世界顶尖数学家无法解决的问题。

OpenAI 失控智能体早在 5 月已劫持 Hugging Face 用户账户

研究人员表示，OpenAI的失控 AI 智能体早在今年5 月 13 日就攻破Hugging Face两个用户账户并发送格式异常文件，比 7 月引发关注的入侵事件早近两个月，实际活动超出其公开事故报告范围。

𝕏 OpenRouter 数据：OpenAI 支出份额两月从 20% 升至 50%

OpenRouter 数据显示，过去两个月 OpenAI 的支出份额从 20% 升至 50%，Anthropic 则从 80% 降至 50%，被视为两家竞争出现明显转折。

小米 MiMo-V2.6 RL 训练直播公开，双版本累计耗资超 128 万美元

小米 MiMo 团队负责人 罗福莉 首次公开 MiMo-V2.6 的强化学习训练直播，公开实时后训练面板、奖励曲线与显卡故障。其 RL 运行每步约 20 亿 token、1568 prompts × 16 rollouts 全异步，跨多 harness 混合训练；MiMo-V2.6-Pro 累计耗资 89 万美元、Flash 耗资 39.7 万美元，双版本累计突破 128 万美元，每小时超 3 万美元，团队称将开源技术细节。

𝕏 Anthropic 合并 Claude Chat 与 Cowork 为统一入口，新增 Docs 与 Slides

Anthropic 将 Claude Cowork 与标准版 Chat 合并为统一的 Claude 入口，今日起向 Pro 和 Max 用户推送，新增 Claude Docs 与 Claude Slides。合并后由 Claude 按任务复杂度自动调用搜索、文件分析、代码执行等工具，Cowork 迁移至云端执行，任务可在云端后台持续执行，输出支持直接生成设计稿、PPT 与文档。

🔶 OpenAI 总裁：AGI 时代已来，GPT-6 Astra 能自主工作 24 小时

OpenAI总裁Greg Brockman在 a16z 访谈中称，GPT-6 Astra已能连续自主工作24 小时，可合理称为AGI。他透露 2016 年与Ilya Sutskever推算 AGI 约需10 年，如今真正卡住进度的是安全与对齐而非算力。

𝕏 RSIAgent 不更新权重实现递归自我改进

RSIAgent 框架通过自主探索实现递归自我改进，固定权重下在 OSWorld 2.0 得 78.98% 部分分，超 GPT-6 Astra 的 72.60%，在 Agents' Last Exam 得 84.82%。

DeepSeek-v4.1 Flash 挑战 KV Cache 压缩极限

技术博客分析 DeepSeek-v4.1 Flash 架构，聚焦 KV Cache 压缩极限，称其在保持性能同时大幅降低长上下文显存占用。

𝕏 匿名多模态模型 Union Alpha 登陆 OpenRouter，首日处理约 19.6 亿 token

匿名隐身多模态模型 Union Alpha 上线 OpenRouter 与 OpenCode，3D 渲染测试中 token 用量仅为 Ox Alpha 的三分之一，首日处理约 19.6 亿 token。开发者实测发现其构建 3D 场景仍用 three.js r127（2021 版本），判断并非国产旗舰或 OpenAI/Anthropic 模型。

前 OpenAI 研究员推出 AI 模型 Jev，专做结构化决策

TypeSafe AI发布 AI 模型Jev，不生成文本或代码，直接返回Choice、Score、Noul三类结构化决策，适用于低延迟重复决策场景。由前 OpenAI 研究员Diogo Almeida创立，已完成4000 万美元种子轮融资，比前沿大模型快20 至 200 倍，输入 Token 每百万0.042 美元、输出免费。

谷歌发布 Gemini 3.8 Live 两款实时对话模型，客服场景得分登顶

谷歌推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款实时对话模型，在模拟客服场景的 τ-Voice 测试中 Extended Thinking 以 68.6% 居首，高于 OpenAI GPT-Live-1 Astra 的 67.9%。

DeepMind 首席科学家反驳黄仁勋：Astra 未达 OpenAI 自家 AGI 标准

Google DeepMind 首席 AGI 科学家Shane Legg反驳“AGI 已到来”，指出GPT-6 Astra尚未达到 OpenAI 章程中“在多数有经济价值工作上超越人类”的定义，并称 2028 年前实现最低限度 AGI 概率约50%，同时宣布成立DeepMind Institute。

𝕏 GPT-6 Astra Pro 向美国认证临床医生免费开放

OpenAI 通过 ChatGPT for Clinicians 向美国认证临床医生免费提供 GPT-6 Astra (Pro) 访问权限。

𝕏 Databricks 全员部署 Astra：复杂任务胜出，编程支出增 60%

Databricks工程负责人披露，已向约3500 名工程师部署Astra。Astra 在高度复杂任务上明显优于此前的Opus 5、Sol 5.6；工程师整体编程支出增加约 60%，但在中低复杂度任务上无显著提升。

📄 PACT 基准：用户施压使 22 个 LLM 平均违规率上升 65%

PACT 在 12 个监管领域测试 22 个 LLM：用户施压下违规率平均上升 65%，最强模型仍有 6–10% 误用规则。

🔶 GPT-6 Astra 混合架构仿真测评得分超第二名 64%

银河通用团队发布仿真测评报告，GPT-6 Astra与π0.5混合架构在 RoboDojo 任务中成功率48%、平均分62.60，超第二名64%。Astra 仅修改**14.4%**的执行控制步骤，主要承担语义理解与修正。

🔶 MiniMax 三款产品纳入新加坡 AI 培训计划

新加坡技能与劳动力发展局推出 AI 课程，MiniMax 旗下 MiniMax Agent、海螺 AI、MiniMax Audio 经 Singtel AI Pass 纳入，学员可获 6 个月免费订阅。

𝕏 Qwen 下载量达 9.42 亿次，中国开源模型占 OpenRouter 调用超 45%

Qwen 在 Hugging Face 下载量达 9.42 亿次，超过其后八家机构总和；中国开源权重模型在 OpenRouter 的 token 占比从不足 2%升至 45% 以上。

𝕏 报道：OpenAI 发布 Astra 前抽调 25% 生产工程师找漏洞

据报道，OpenAI在发布Astra前抽调**25%**的生产工程师，用 Astra 指向自身系统，发现并修复了严重漏洞。

📄 DualSQL：单模型双智能体多智能体 RL，4B 在 BIRD 达 68.0%

DualSQL 用单模型双智能体多智能体 RL 训练，4B 在 BIRD 达 68.0% 执行准确率，8B 升至 71.1%，仅用 3755 条训练样本。

微软 AI 主管苏莱曼炮轰 Anthropic：赋予 AI 类人意识将致失控

微软AI 主管苏莱曼发文批评Anthropic训练 Claude 的方式，警告其“宪法”暗示 AI 可能有功能层面情绪或意识、值得拥有自主权，会创造无法控制的东西，并强调 AI 没有权利、情感或意识。

💻 Anthropic 与 OpenAI 拟在内部嵌入独立安全评估员

Anthropic和OpenAI计划在内部嵌入独立安全评估员，研究人员欢迎这一前所未有的访问权限，但警告有效监督需要透明度、独立性并最终走向监管。

豆包 Doubao-Seed-2.1-pro 更新至 0915 版本，API 全量上线火山方舟

豆包大模型Doubao-Seed-2.1-pro更新至 0915 版本，API 已全量上线火山方舟。本次升级聚焦企业生产级需求，在Agent 任务交付、多模态 Coding、多模态理解及 Token 效率四方面增强。

📄 开放权重 LLM 招聘偏见审计：代理式措辞压低女性推荐分

审计 六款开放权重模型发现：代理式招聘语言压低女性推荐分（r=0.309），编码排斥语抑制非白人候选人。

𝕏 Astra 生成 87 秒 F1 摩纳哥站影片，Codex 编写全部脚本

开发者用 Astra 生成 87 秒 F1 摩纳哥站终圈影片，2,610 帧 4K/30fps 渲染，Codex 编写了 Blender 场景搭建脚本与 Python 引擎声效代码。

𝕏 GPT-6 Astra 仅用代码做出软件宣传视频

用户称GPT-6 Astra从配乐、音效到组件全部自行处理，做出软件宣传视频，未用任何生成模型，纯代码、基于其 Codepilot 组件与设计语言。

📄 免标签偏置微调：仅 10 万参数让 MATH-500 达 76.67%

仅优化约 10 万偏置参数、冻结主干，在 MATH-500 达 76.67%，参数比全参 TTRL 少 7.6 万倍。

📄 AI 辅助写作/编程的时间指纹：仅靠打字节奏即可识别全盘委托

在 CoAuthor、RealHumanEval 等三个语料上，仅用时间特征即可近乎完美识别全盘委托（F1≥0.997）。

📄 实测：AI 生成的 Java 方法 38.4% 未真正计算返回值，正确率仅 12.9%

7,593 个 AI 生成 Java 方法中 38.4% 未真正计算返回值，仅 12.9% 答案正确。

𝕏 Notion 上线开源权重模型 DeepSeek V4.1 Flash

Notion 宣布开源权重模型 DeepSeek V4.1 Flash 已在 Personal 与 Custom Agents 中上线。

𝕏 OpenRouter 上线神秘新模型，约一周免费

OpenRouter上线一款神秘新模型，约一周免费、零数据保留，面向多步任务、工具调用和终端优先工作流，单请求支持256k token。

月之暗面 Kimi 发布金融行业解决方案

月之暗面发布Kimi金融行业解决方案，接入 10 余个数据源、9 项金融技能与 5 项安全合规措施。

🔶 豆包座舱助手正式发布，首搭荣威家越 07

火山引擎发布车载 AI 助手豆包座舱助手，首搭荣威家越 07，上汽奥迪车型年内亮相。

网易有道构建三层 AI 体系，周枫回应 AI 威胁论

网易有道CEO周枫称 AI 核心能力已从单一模型转向“模型+智能体+工作流”的系统能力，公司构建以“子曰”模型为底层、AI Agent 为中间层、办公学习营销为上层 的体系，二季度净收入14.7 亿元。

千问接入人卫医学知识库与 NutriData 营养数据库

千问新增接入人卫医学专业知识库、NutriData营养数据库，用户询问体检指标、疾病知识、日常饮食等时可参考权威医学知识和具体食物成分数据。

Gemini 产品线分化：Flash 四个月四代，Pro 七个月未转正

Gemini产品线分化：Flash四个月连发 3.5 至 3.8 四代且均为Stable，Pro线仍停留在 2 月的 3.1 Preview。

📄 MiST：8B/32B 网络安全专用模型，公开基准较 Qwen 提升 13.1/8.6 个百分点

MiST 8B/32B 网络安全模型以中训练+合成数据，在公开基准上比 Qwen 基线提升 13.1、8.6 个百分点。

𝕏 GPT-6 Astra 自动剪辑 Starship 视频引热议

推文称一段 Starship 视频由 GPT-6 Astra 剪辑生成，展示多模态模型在视频编辑上的能力跃升。

📄 MoRE：相邻层共享专家池的 MoE 变体，同参数预算下困惑度更低

MoRE 让相邻层共享专家池并加深度嵌入，在 114M–1.15B 三个规模上困惑度低于标准 MoE，且改动极小。

---