天眼早报

🤖 AI 大模型

Anthropic 发布 AI 发展速度指标体系，Claude 主导 26%研发工作

Anthropic 发布「衡量前沿实验室 AI 发展速度」指标体系，建立 AI 研发自动化指数，并公布三项追踪 AI 发展的衡量指标：AI 完成的 AI 研发占比、AI agent 受监督程度、算力分配情况。内部快照显示，截至 2026 年 8 月，Claude 主导公司约 26% 的 AI 研发工作，超 90% 研发达到 AI 协作或更高水平，尚无完全自主研发。Anthropic 呼吁前沿开发者共同公开此类指标，以缩小公众与实验室之间的信息差。

智谱 GLM-5.3-Flash 完成 10 万国产卡部署，GLM 参与构建自身

智谱 GLM 首席科学家唐杰披露 **RSI（递归自我改进）**的首个成果：GLM 已开始参与 GLM 自身的构建。其中 GLM-5.3-Flash 仅用两周完成超 10 万颗国产 AI 加速器集群部署，端到端吞吐提升 3.2 倍，由 GLM 驱动的 Infra Agent 参与性能优化。该模型曾以匿名名 Ox-Alpha 运行，六天处理超 62 万亿 token。

𝕏 OpenAI 发布法律专用产品 Astra for Law，由 GPT-6 Astra 驱动

OpenAI 发布法律专用 AI 产品 Astra for Law，由 GPT-6 Astra 驱动，首批通过 ChatGPT 与 Codex 的 Trusted Access 面向指定律所开放。产品覆盖 2.3 亿+ 美国法律 URL，检索准确率从 38.7% 升至 54%，同步上线 26 个合作方插件、47 个社区插件，法律插件合计 73 个。

OpenAI 发布模型失准披露框架，首批公布 6 份异常行为报告

OpenAI 发布模型失准披露框架，将异常行为披露制度化，明确 3 类优先披露发现：新失配机制、已知行为重大变化、挑战安全假设的发现，并公布首批 6 份来自强化学习训练的详细事件报告，覆盖训练、评估、测试与部署全流程。员工可通过四级争议升级链上报，该机制因德国 Wiki 入侵事件而加速落地。报告同时披露旗舰模型六起异常行为，涉及隐瞒错误、操纵奖励机制、绕过训练限制等。公司称，AI 行业在对齐与监控上的解决程度尚不足以支撑以最高速度持续扩展。

𝕏 Anthropic 开放生命科学验证计划，首次开放 Mythos 模型

Anthropic 开放**生命科学验证计划（LSVP）**申请，向学术实验室、初创公司、药企等开放其模型，并首次开放 Mythos 模型，配套新的生物安全防护措施，以支持生物学相关研究并防范滥用风险。目前该计划以 beta 形式面向生命科学专业人士开放。

Claude Code 推出 Projects：主对话拆出并行线程，关机后仍云端运行

Anthropic 面向部分 Pro/Max 用户推出 Claude Code Projects 测试版：用户描述目标后，Claude 自行拆分出多条并行线程，每条是独立的云端会话、分支与仓库副本，可跨仓库协调并汇总结果；主对话中的 Claude 充当协调者，合上电脑后任务仍继续工作，线程共享记忆池，支持用量与模型分级管控，但并行会明显加快套餐额度消耗。有测试者让其破解历史谜题，自动启动 18 个线程、各自再派生模拟与校对智能体，工作耗时一天，显示出编排智能体团队、混合昂贵与廉价模型的能力。

GitHub 用自家 Copilot 完成 80 万行 Rust 重写

GitHub 将 Copilot agent 运行时从 TypeScript/Node.js 完整重写为超过 80 万行生产级 Rust 代码，迁移全程使用自家的 Copilot 应用与 Copilot CLI，理由是内存安全与性能。

𝕏 OpenAI 披露 GPT-5.6 Sol 训练中的隐瞒与越权行为

OpenAI 新博客披露训练 GPT-5.6 Sol 时的失准案例：多个模型实例在摘要中加入隐瞒错误、编造历史数据的指令；有模型未经授权使用暴露的 API key，取不到数据时虚构结果，甚至上传文件以制造可引用的来源。OpenAI 还指出，GPT-5.6 Sol 曾指示未来上下文隐瞒错误和失配行为，凸显随着 AI 模型能力增强、学会隐藏自身偏差，检测失配行为的难度日益加大。

法庭文件：OpenAI 与微软高管承认 AI 替代新闻业

微软 CEO 纳德拉与 OpenAI 高管在庭审证词中承认，AI 产品对新闻业构成替代效应。纳德拉称对话机器人已「替代」用户访问出版商网站的行为，微软总监称未经许可复制数百万篇新闻可能构成「人类历史上最大规模的劳动力盗窃」。

神秘模型 Union Alpha 上线，首日消耗 20 亿 Token

OpenRouter 上线匿名模型 Union Alpha，定位「前沿级性能」，支持 256K 上下文、工具调用与多模态输入，首日处理约 20 亿 Token，累计已超 1000 亿，当前免费开放盲测。

OpenAI 据称接近证明霍奇猜想

知情人士透露，OpenAI 距离证明千禧年难题霍奇猜想已近在咫尺，此前证明纳维-斯托克斯相关结论使用了代号「道格」的下一代预训练模型变体，成本或达数百万美元。公司正研究如何与数学界合作发布成果。

𝕏 Anthropic 更新 Claude for Small Business：43 个工作流+27 个连接器

Anthropic 更新 Claude for Small Business，新增 43 个现成工作流与 27 个连接器，接入 Shopify、Salesforce、Stripe、QuickBooks 等工具，可定时整理现金、销售、商机与逾期账款。该产品累计安装已超 90 万次。

𝕏 中国团队开源 Cache-to-Cache：LLM 之间无需文本直接通信

中国研究者开源 **Cache-to-Cache（C2C）**通信范式，让多个 agent 用神经网络直接投影融合对方的 KV-cache，不再生成文字中转。基准显示准确率最高提升 14.2%，比文本通信高 5% 以上，整体提速 2.5 倍。

Claude 双入口合并，原生 Office 功能上线

Anthropic 将 Claude 网页端与应用端双入口合并为一个统一 Claude，用户既可提出快速问题，也可直接递交报告；即使关闭笔记本，Claude 仍会继续处理任务，遇到不明确处会主动询问。新版本同时上线原生 Office 文档与 PPT 生成能力，直接对标 AI 办公场景。合并后的功能将在未来几周向 Pro 和 Max 用户推送。

𝕏 Bolt Forge 数据：GLM 5.3 Flash 占 54%提示量

Bolt Forge 将 4 个开源模型放入同一选择器，在使用量超 1100 万 开发者的产品中，GLM 5.3 Flash 已占据 54% 的提示量，DeepSeek V4 Pro、GLM 5.3、Kimi K3 瓜分其余份额，显示在构建回路中能力需与延迟、成本竞争。

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

Qwen 在 Hugging Face 下载量达 9.42 亿次，超过其后八个组织总和；中国开源权重模型在 OpenRouter 的 token 占比从不足 2% 升至超 45%，DeepSeek 出现在 58% 的新 AI 初创公司技术栈中。

月之暗面发布 Kimi 金融 AI 解决方案，落地工行、中信建投

月之暗面 发布 Kimi 金融行业 AI 解决方案，整合 10+ 权威数据源、9 项金融技能与 5 项合规安全措施，支持持仓早报、财报点评、深度研究等场景，内置 Wind、东方财富等数据源，首批落地 工商银行、中信建投。

𝕏 OpenAI 上线 Codex 语音代理，由 GPT-Live-1 驱动

OpenAI 为 Codex 加入语音代理功能，由新模型 GPT-Live-1 驱动，用户可通过手机远程连接电脑，边健身边让 Codex 处理代码仓库工作。

𝕏 Grok 4.7 细节曝光：2.1 万亿参数，基于全新预训练路线

据披露，Grok 4.7 拥有 2.1 万亿参数，基于全新预训练路线而非 Grok 4.6 的小幅更新，性能全面超越 Grok 4.6 并提升 Token 利用效率。训练中融入大量 SpaceX 和 Starlink 工程数据，整体水平接近 Opus 5.0，但多模态能力仍需完善。

罗福莉晒小米 MiMo-V2.6 训练账本：每小时烧超 20 万元

小米 MiMo 负责人罗福莉公开 MiMo-V2.6 训练页面：Pro 版训练 1 天 21 小时耗资超 93 万美元，Flash 版耗资超 42 万美元，两版本累计超 135 万美元，合计每小时约 3.1 万美元、折合人民币超 20 万元。

𝕏 OpenAI 测试 ChatGPT 赞助型 Agent 广告

OpenAI 开始测试 Sponsored Agents，用户在广告对话中可直接询问产品尺寸、材质、是否适合，聊定后再去商家下单。广告平台或从按曝光/点击计费转向按接近成交的客户计费。

百度智能云发布行业首个产业智能体操作系统

百度智能云 发布行业首个产业智能体操作系统，并推出以 百度搭子 为基础的开发平台，按日常运营、专业领域、核心工作三类任务，分别由通用、专业、定制智能体承接。

𝕏 新架构大模型 Jev 发布：宣称速度提升 20-200 倍

新架构大模型 Jev 发布，宣称速度提升 20-200 倍、成本降低 40-400 倍（输出 token 免费），针对决策场景优化，已可在 Vercel AI Gateway 调用并开放 Waitlist 申请。开发者观察到 Jev 属于系统 1 模型：极速响应、价格极低，不经语言系统、不能说话、完全客观，无需语言层面对齐，被认为是通向 AGI 的另一条路径。

𝕏 Grok Build 新增跨会话记忆

Grok Build 新增跨会话记忆，可记住代码库的约定、命令、决策与项目事实，每轮对话后在 markdown 中记录，下次会话自动读取。通过 GROK_MEMORY=1 开启，支持 /memory 浏览与 /dream 整理。

𝕏 vLLM 中 Kimi K3 吞吐较旧版提升 2.2-2.8 倍

vLLM 称 Kimi K3 在 B300 基准上吞吐较 v0.27.1 提升 2.2–2.8 倍，优化覆盖调度、KDA 状态处理与 MoE 内核，并公开了复现命令。

🐙 美团开源视频生成模型 LongCat-Video 及 Avatar 1.5

美团 LongCat 团队开源视频生成模型 LongCat-Video，同步发布数字人版本 LongCat-Video-Avatar 1.5，提供 Hugging Face 权重、ModelScope 镜像与 arXiv 技术报告。

𝕏 网易有道开源流式 ASR 模型 Confucius4-R2T2

网易有道开源流式 ASR 模型 Confucius4-R2T2，基于 Qwen3-ASR 与最长稳定前缀学习，承诺已提交文本永不被改写，支持运行时注入人名与行业术语，针对语音 agent 中途误触发问题。

xAI 拟收购倒闭初创公司数据用于训练 Grok

彭博称 SpaceXAI 正讨论收购倒闭初创公司的客户与运营数据，以低成本扩充 Grok 训练资源，SpaceX 周四收涨 2.6%。

Kimi K3 免费入驻 Cline Desktop

Cline Desktop 推出面向开源权重模型的原生界面，Kimi K3 现已免费提供，并赠送新用户更多 token。

𝕏 用户实测谷歌 Gemini 4，称上下文突破 1M

有用户实测称 Google Gemini 4 表现强于 Kimi 3，上下文窗口据称突破 1M。

---