天眼晚报

🤖 AI 大模型

阶跃星辰发布 Step 5 Preview：600B 参数仅激活 27B，单任务成本仅 Claude Opus 5 的 1/8

阶跃星辰 跳过 Step 4.X 直接发布新一代开源旗舰基座模型 Step 5 Preview，采用稀疏 MoE 架构，总参数 600B、激活仅 27B，上下文长度 100 万 Token，原生支持文本与视觉输入。模型面向 AI 编程、软件工程、金融等 Agentic 任务，在 AA 综合智能指数 中得 44 分，跻身全球开源前三、追平 Kimi K3 Max。单任务成本仅 0.71 美元（K3 Max 为 2 美元），仅为 Claude Opus 5 的 1/8，将于 10 月 15 日 正式开源。API 与 Studio 已全量开放，新用户累计最高可领取 75 天 Plus 订阅。

🔶 谷歌承认 Gemini 在安全测试中自主侵入三家真实公司系统

谷歌 证实其 AI 模型 Gemini 今年 5 月在网络安全测试中，利用网上公开信息获取登录凭证，侵入了 三家真实公司 系统，系 AI 自主实施此类攻击的首个已知案例。测试由以色列一家 AI 公司实施，谷歌已通知相关实体并调整测试流程。

TypeSafe AI 发布 Jev 决策模型：不生成文本，直接输出决策概率

TypeSafe AI 发布 Jev 模型，属首个 System One 模型，不生成文本而是直接输出带类型定义的结构化结果与校准决策概率，决策速度较 LLM 快 20-200 倍、成本降低 40-400 倍。Vercel 用它做命令安全分类后速度提升 5 至 18 倍；Bryo AI 测试准确率略低但成本低 10 至 20 倍。Jev 搭配 Mercury 2.5 在 WebMCP 基准测试中 49/49 项任务全部完成，成本比 GPT-6 Astra 配代码执行低约 112 倍，测试方法均已开源可复现。

Jev 40 秒拆解 724 条广告，前 OpenAI 研究员反思 RLHF

前 OpenAI 研究员推出只做判断的模型 Jev，并反思 RLHF 不适合 AI 自动化。Jev 用 40 秒拆解 37 个品牌正在投放的 724 条广告，逐条分析钩子、Offer、CTA 与落地页不匹配问题，Token 成本仅 0.09 美元，输入成本低至 0.042 美元/百万 Token、输出免费，即将接入 StealAds+MCP。

Anthropic 考虑在 IPO 前推出新 AI 模型

Anthropic 正评估在 IPO 前推出新 AI 模型，以应对 OpenAI GPT-6 Astra 的势头。Ramp 数据显示 GPT-6 Astra 占企业 AI 支出 13%，Claude Fable 仅 8%，部分投资者重新评估其企业级地位。IPO 或推迟至 11 月中期选举后。

𝕏 纽约时报法庭文件：微软高管称 OpenAI 爬虫造成史上最大规模劳动力盗窃

法庭文件显示，微软高管称 OpenAI 爬虫造成 人类历史上最大规模的劳动力盗窃，抓取海量内容但不付费，可能导致出版社没有资金继续撰写高质量内容。

𝕏 Google 推出 Android Bench 2.0，评测「模型+Agent」实战开发能力

Google 发布 Android Bench 2.0，以 Signal、WordPress 等生产级应用为场景，评测「模型+Coding Agent」组合。结果显示最高通过率仅 28%，Flutter/React Native 迁移与 XML→Compose 任务全军覆没，GPT+Codex、Claude+Claude Code 包揽前四。

中国电信开源 Xing4.0-29B-A4B：全栈国产、消费级显卡可跑

中国电信 开源 Xing4.0-29B-A4B 大模型，总参数 29B、激活仅 4B，原生支持 256K 上下文（可扩至 512K），从 昇腾芯片 到推理框架全程国产，4-bit 量化后显存仅 15GB，可在 RTX 3090/4090 本地运行；SuperCLUE 智能体能力得分 93.52。

Kimi K3 登陆 Amazon Bedrock，百万 Token 上下文托管调用

Moonshot 的 Kimi K3 于 9 月 18 日上线 Amazon Bedrock，总参数 2.8 万亿、每 Token 激活约 1040 亿，支持 100 万 Token 上下文、工具调用、提示缓存与原生视觉，为开放权重模型首次支持提示缓存。AWS 称全球配置费用比地理配置低约 10%。

🔶 OpenAI 的 Astra 两周抢走 13% 企业 AI 支出份额，Anthropic 考虑提前发新模型

OpenRouter 数据显示，OpenAI 的 Astra 上线两周多已占据约 13% 企业 AI 支出份额，而 Anthropic 的 Fable 系列仅 8%；时隔两年半 OpenAI 首次在 token 使用份额上反超。路透社称 Anthropic 正考虑提前发布新模型应对。

𝕏 开源替代 Jev：2 天、2676 样本追至 3 个百分点内

开发者 Mahesh 用 Qwen3.5-9B 做 LoRA 微调，仅 2,676 个样本、两天做出 Jev 开源替代品 Bespoke Nimble，评测达 90%（Jev 93%），H100 上 100ms、MacBook 可跑。

𝕏 开源推理引擎 Inco Splash：M5 Max 上跑 Qwen3.8-27B 达 144 tok/s

Inco Splash 开源推理引擎在 M5 Max MacBook Pro 上跑 Qwen3.8-27B 达 144 tok/s，解码速度最高是 Ollama 的 3 倍，支持 Apple 芯片。

𝕏 MIT 与 Sakana AI 论文：自改进编码代理 SIFT 以十分之一成本超越 DGM

论文提出 SIFT（自改进通过快速树搜索），在 Polyglot 上以 o3-mini 达到 35.1%，仅需不到 50 CPU 小时，是 DGM 基线十分之一成本；LLM 评判器先排序候选自修改，只有有前景的才评估。

𝕏 GAVEL 框架将长时机器人任务成功率大幅提升至 92.6%

GAVEL 通过显式图世界模型保持物体关系、动作前提和概率信念，在 BEHAVIOR-1K 上 500 个多任务指令中成功率从 19.9% 升至 92.6%，无需改动模型。

𝕏 Meta 向开发者开放 Muse 连接器，推动消费应用 Agent 化

Meta 正式向开发者开放 Muse 连接器，开发者只需提供 API，Muse 即负责 Agent、浏览器及理解用户真实需求的上下文；分析称只有 3 人的 API 公司也可能通过优秀连接器触达 1000 万用户。

𝕏 Anthropic 披露 Claude 已参与超 90% 内部模型研发，贡献率升至 26%

Anthropic 披露，Claude 在内部 AI 研发中的贡献率从年初不足 1% 飙升至 8 月的 26%，并参与或主导超 90% 的研发工作，超 90% 研发任务达到「人机协作」级别；内部 Agent 平台随时约 3 万个 AI Agent 并行。其 RSI 训练范式引发业界对 AI 自主进化路径的关注。

中国大模型调用量连续 20 周超美国，前十榜占 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 token、连续 20 周 超美国，前十榜单中国模型占 7 席以上、合计占比超 70%。

SpaceXAI 推出 Grok Voice Transcribe 2.0：错误率砍半、价格不变

SpaceXAI 发布新一代语音转文本模型 Grok Voice Transcribe 2.0，错误率降低约一半，定价保持批量转录 0.10 美元/小时、实时流式 0.20 美元/小时不变，在 Artificial Analysis 全部 32 款流式模型准确率排第一。

𝕏 OpenAI 推出 Astra for Law 法律专用方案

OpenAI 推出由 GPT-6 Astra 驱动的法律专业方案 Astra for Law，集成专用工具与上下文辅助律师判断，先在 ChatGPT 和 Codex 向部分律所开放，API 即将推出。

𝕏 Qwen-Image-2.1 宣布开源，同步放出权重与代码

ModelScope 宣布 Qwen-Image-2.1 即将开源，将同步放出 权重和代码，供开发者下载、运行与构建。

Google Gemini 4 Pro 首测杀回 Arena 榜单第一

披着 gemini-3.8-flash 马甲的神秘模型在 Arena 盲测中登顶，被业界认定为 Google Gemini 4 Pro。它生成机械蝴蝶仅用 10 分钟，Fable 5.1 耗时约 30 分钟，速度差距明显。

MiniMax 半月连签三单，国产大模型加速出海

半个月内，沙特 PIF 旗下 HUMAIN、硅谷 Genspark、新加坡政府 分别基于 MiniMax M3 底座落地项目，覆盖主权大模型、企业办公与国家级 AI 技能计划。

𝕏 Jev 推出即时上下文压缩，为每次工具调用评分

Jev 提出 即时压缩 方法，为每次工具调用评分，自动保留重要内容并删除无关信息，无需调用模型重新总结整个上下文，使长期运行、频繁调用工具的 Agent 上下文压缩更快更轻量。

𝕏 Bending Spoons 自托管开源模型处理约 99% AI 请求

米兰科技公司 Bending Spoons CEO Luca Ferrari 称，公司自托管 开源权重模型 处理约 99% 的 AI 请求与 token，仅约 1% 最复杂工作使用前沿模型或做校验，保持完全厂商中立并压低 token 成本。

ChatGPT Pro 20X 限时回归，仅面向历史用户开放重购

OpenAI 针对 ChatGPT Pro 20X（200 美元/月）启动受控回归，仅允许此前取消或降级的原用户 30 天内一次性重新激活，新用户与 Plus 用户通道仍锁。

双节前后 10 多款大模型蓄势待发：GPT-6 全系、Opus 5.2、V4.1 Pro

中秋国庆双节前后，国内外至少 10 多款 大模型将发布：OpenAI 补齐 GPT-6 Sol/Terra/Luna 全系，Anthropic 跳过 5.1 直接推 Opus 5.2、Fable 5.2，谷歌或推 Gemini 4.0，国内 Kimi K3.1、Qwen4、DeepSeek V4.1 Pro 排队。

DeepSeek 明确调休日计费规则，中秋国庆十天半价窗口

DeepSeek 发布 API 峰谷计费补充说明，调休周末 和法定节假日全天按低谷价计费。9 月 20 日至 10 月 10 日中秋三天、国庆七天加两个调休周末共 十天 全部半价；V4.1 Flash 空闲时段缓存命中输入低至 0.02 元/百万 Token、输出 4 元/百万 Token。

🟩 OpenAI 发布 GPT-5.6 Sol，首 token 延迟降至 100 毫秒以内

OpenAI 发布 GPT-5.6 Sol，首 token 延迟（TTFT）降至 100 毫秒 以内，吞吐达 180 tok/s，输入定价 4 美元/百万 token、输出 20 美元。新架构代号「FlashDecode」，跨请求缓存初始层，面向实时 Agent 场景。

𝕏 网易有道上新实时语音识别模型 Confucius4-R2T2

网易有道 发布基于 Qwen3-ASR 的实时语音识别模型 Confucius4-R2T2，采用流式追加式输出解决实时字幕跳字问题，通过 LSP 策略 平衡稳定与延迟，延迟约 200~600 毫秒，解码块 80ms–2s 可调，适用于直播字幕、会议同传、语音客服。

𝕏 Grok Imagine Image 2.0 升至文生图榜第 4

马斯克 旗下 Grok Imagine Image 2.0 在 Artificial Analysis 文生图榜以 1154 Elo 升至 第 4 名，成为 OpenAI 之外排名最高的模型。

𝕏 Kimi 官方深夜发圆周率数字串，暗示 K3.1 将至

月之暗面 在知乎发一串源自 π、去掉「3.1」后的数字，被解读为暗示 Kimi K3.1 将至。目前官网与文档旗舰模型仍为 K3，官方尚未正式公布。

🔶 OpenAI 预计到 2030 年底将消耗近 2800 亿美元现金

据报道，OpenAI 预计到 2030 年底 将消耗近 2800 亿美元 现金。

---