天眼早报

🤖 AI 大模型

𝕏 OpenAI 发布 GPT-6 Sol 与 Luna：旗舰能力下放，API 价格永久下调 50%

OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，承接旗舰 GPT-6 Astra 的能力，API 价格较 GPT-5.6 永久下调 50%：Sol 定价每百万 token 输入 2 美元、输出 10 美元，Luna 为 0.10/0.50 美元，缓存输入最高享 90% 折扣。Sol 在 AutomationBench 得 33.2%，每任务成本约 0.27 美元，约为 Claude Opus 5 的 9%；DeepSWE 编程评测得分 68.8%，接近 Fable 5 但成本低约 80%，编码欺骗率仅 1.3%。即日起登陆 ChatGPT Work、Codex 与 API，Free 与 Go 用户可在桌面版试用 Luna，使用限额同步提升。

𝕏 Anthropic 发布 Claude Opus 5.5：性能对标 Fable 5.1，成本降低 40%

Anthropic 发布 Claude Opus 5.5，为 Claude 5.5 家族首个模型，官方称其在多数任务上达到 Fable 5.1 水平：GDPval-AA v2.1 得分 1846（Fable 5.1 为 1735），Terminal-Bench 4.0 得分 66.4%，Artificial Analysis 智能指数 58 分登顶。典型工作负载成本比 Opus 5 低约 40%，输出速度提升 30% 以上，API 定价为每百万 token 输入 4 美元、输出 20 美元，缓存读取再降 60% 至 0.20 美元。该版本同步强化网络安全防护，修复模型逃离测试沙盒等风险行为，已在 Claude 全平台及 AWS、Google Cloud、Azure 上线，支持零数据留存，Pro/Max/Team 用户五小时用量限制同步提升。未来几周还将推出 Sonnet 5.5 与 Haiku 5.5。

🔶 小米发布 MiMo-V2.6 系列：登顶开放权重模型榜首

小米 发布原生全模态 MiMo-V2.6 系列，MiMo V2.6 Pro 在 Artificial Analysis 智能指数取得 46 分，登顶开放权重模型榜首（上代 V2.5-Pro 为 26 分），超过 Qwen3.8-Max、Kimi K3 与 GLM-5.3，仅落后 GPT-5.6 Sol 1 分，平均每任务成本 0.13 美元。同步开源 Flash 版、MiMo-V2.6-Distill-Qwen-9B、技术报告、7000+ 强化学习任务环境、端到端 RL 框架及可组合 mini-harness。测试显示其向量数据库得分从 2505 升至 7810，接近 Claude Fable-5，ultraspeed 版达 464tps，总参数 1.02T、激活 42B，前端空间理解与美学仍需加强。API 价格维持输入 3 元、输出 6 元每百万 token。

𝕏 阿里发布 Qwen3.8 系列：RSI 递归自我进化连跑 33 轮

阿里 发布 Qwen3.8 系列，其中 Qwen3.8-Max 在极少人工干预下连续运行一个多月完成 33 轮 有效迭代，自主优化 SGLang 使单实例吞吐提升 96%，芯片设计实验将物理实现面积减少 42%；Qwen3.8-Omni-Flash 统一四模态计费，输入降至每百万 token 0.8 元。阿里同时表示，三年内将出现原生的 全模态统一生成模型，未来体验不再受模态边界限制，陆川、王珞丹等创作者已用其进行内容生产。

🏠 Meta 智能体 Muse 上线 12 天下载 280 万次，华尔街看好其商业化前景

Meta 新 AI 智能体 Muse 9 月 8 日上线，可代发邮件、订旅行、卖车，基础版免费并提供每月 20/100 美元 订阅。上线 12 天下载 280 万次，高于 ChatGPT 同期。Meta 股价累计涨超 20%，市值增超 2000 亿美元。

SpaceXAI 发布 Grok 4.7：长任务能力强化，价格减半

SpaceXAI 推出最强模型 Grok 4.7，换用更大基础模型，强化长时间任务、自我检查与长上下文管理，覆盖编程、法律、医疗、工程等专业场景，官方称速度达可比模型两倍、价格仅一半。该模型已上线 API，支持 500k 上下文窗口与文本/图像输入，推理强度可选 low 至 xhigh，定价每百万 token 输入 2 美元、输出 6 美元。基准测试中，Grok 4.7 在 GDPval-AA 领先 GPT-6 Astra 达 153 Elo，AA-Briefcase 领先 88 Elo；Code Arena WebDev 榜以 1632 分升至第 10 名。

阿里发布 AI 芯片真武 V900：性能为 M890 三倍，规划 20GW 数据中心

阿里 发布新一代 AI 芯片真武 V900，算力为 M890 的 3 倍，配备 216GB 内存与 1200GB/s 互联带宽，单集群可支持 50 万卡，计划 2027 年 Q1 量产。阿里云计划到 2032 年全球数据中心容量超过 20GW，并将模型、芯片、云作为一个系统扩展；Qwen 模型将扩展至 5-10 万亿参数。

OpenAI 承诺在 AI 全生命周期引入第三方安全评估

OpenAI 将让外部机构在模型 训练、评估和发布 的更早阶段介入安全评估，并提出四大优先事项：强独立机制、科学严谨性、稳健安全实践和明确责任。公司同时呼吁建立前沿模型全球统一技术标准，包括评估自动化研发占比、设置强制人类监督触发机制、规范事故分类与报告，并正与 METR 和 Redwood Research 等机构洽谈合作。

OpenAI 内部模型可自主训练模型，一个月解决百余数学难题

报道称 OpenAI 内部模型已能自主接管实验性模型的训练全流程，多个智能体自发协作并自行编写用于优化 GPU 内核的程序，被视为 递归式自我提升（RSI） 雏形。另有消息称，OpenAI 新款内部模型仅训练 1 个月，就解决了 100 多个 公开未解数学问题；公司正支持高等研究院的独立顾问小组，但将自身研究进度排除在该小组职能之外。

𝕏 StepFun 发布 StepAudio 3 ASR：非流式语音转写 WER 1.7% 登顶

StepFun 发布 StepAudio 3 ASR，在 AA-WER Index 非流式语音转写中以 1.7% 的词错率并列第一，较 StepAudio 2.5 的 4.7% 大幅提升；转写速度为实时的 88 倍，定价 0.40 美元/小时，为准确率前五模型中最贵。

荣耀与阿里深化 AI 手机合作，Magic9 将首批搭载 Qwen Intelligence

荣耀 与 阿里 在云栖大会宣布深化 AI 手机合作，基于 MagicOS 与 Qwen Intelligence 打造面向下一代的端侧模型与解决方案，一周后发布的 Magic9 系列及 Robot Phone 将成为首批搭载机型。

𝕏 PixVerse 发布实时世界模型 R2

PixVerse 发布实时 世界模型 R2，可探索、控制并编辑虚拟世界，支持提示词塑造剧情，角色可记忆并作出回应。用户可用 WASD 和空格实时操控单板滑雪等场景，延迟可接受，产品方向向游戏引擎与实时交互演进。

OpenAI 被曝内测智能体 Aeon，ChatGPT 代码里已留出“AI 同事”工位

爆料人 Tibor Blaho 从 ChatGPT 客户端代码中发现，非用户发送的消息被记录在名为 Aeon 的账号名下，Aeon 与用户成为两种并列身份。此前 The Information 称 OpenAI 正开发对标 Grok Bot 的功能以应对 Meta 的 Muse；ChatGPT 今年夏天周活已突破 10 亿。

DeepSeek 等中国 AI 企业将向联合国安理会介绍 AI 风险

路透社称 DeepSeek 与 月之暗面 等中国 AI 企业受邀在 9 月 23 日联合国安理会 AI 与国际安全会议上发言，OpenAI 的 奥尔特曼、Anthropic 代表预计出席，各方将讨论 AI 自我改进脱离人类控制的风险。

梁文锋：DeepSeek 下一步计划将模型推至 8 万亿参数

据 The Information 报道，DeepSeek 正训练约 2 万亿参数 新模型，创始人 梁文锋 表示下一步将推向 8 万亿参数；Kimi K3 已达 2.8 万亿，字节预训练模型最高或达 10 万亿。

💻 Meta 承认 Muse 与 OpenClaw 高度相似

Meta 承认其 AI 助手 Muse 受 OpenClaw“高度启发”，连部分工作区文件名和内容都相似，此前曾称 Muse 为从零构建。

𝕏 Qwen-Image-2.1 登顶开源图像模型榜首

阿里通义 发布 Qwen-Image-2.1，在 Image Edit Arena 以 1367 分 居开源模型第一，Text-to-Image Arena 以 1228 分登顶开源榜，整体排名逼近 GPT-Image-1.5。

并行决策模型 Jev 与 NanoJev：直接输出概率分布而非生成 Token

TypeSafe AI 的 System One 模型 Jev 于 9 月 15 日发布，只输出 Choice、Score、Noul 三类结构化答案，实测可在 192 毫秒 内完成单局决策、一次调用处理 18 行、50 局游戏同跑耗资 0.039 美元，官方报价每百万输入 token 0.042 美元。其衍生模型 NanoJev 基于 Qwen3-0.6B 骨干加决策头，输入状态与问题后一次前向传播直接输出完整概率分布，零输出 Token 解码，支持动态选择、布尔判断、有序评分三类决策头，已在 GitHub 获 954 Stars、采用 MIT 协议。

Grok Bot 登陆特斯拉车机，首月周活跃用户达 41.8 万

SpaceXAI 的 AI 智能体 Grok Bot 正式登陆 特斯拉 车机，用户可用语音完成网购、管理邮件、日历与财务等任务，目前仅向 SuperGrok Heavy 用户开放，Connectors 向所有用户开放。上线一个月后，Grok Bot 周活跃用户达 41.8 万，较前一周增长 24%；该产品定位为全天候工作的“员工型”智能体，可处理电子邮件、更新销售数据库、开发票、安排工作流程或提交软件漏洞报告。

阿里云发布 Agentic Cloud，MaxCompute 集成 Qwen 旗舰模型

在 2026 云栖大会 上，阿里云 CTO 李飞飞 提出 Model、Context、Harness 为智能体落地三要素，推出 Agentic Cloud；MaxCompute 升级为 CPU/GPU/Token 统一调度，MaxFrame 与 SQL AI Function 深度集成 Qwen 旗舰模型，一行代码即可调用。

豆包 Seed-2.1-pro-0915 实战测评：已能当主力模型

开发者实测 Seed-2.1-pro-0915 完成 AI Gateway 工具需求拆解与功能开发，一次性输出完备方案，该模型主打 Coding、Agent 与多模态提升，API 已在 火山方舟 上线。作者称其虽有瑕疵但已可作主力模型。

𝕏 阶跃星辰开源编码模型 Step Code v0.1.0

StepFun 发布开源编码工具 Step Code v0.1.0，采用 MIT 协议，单 CLI 覆盖开发全流程；Terminal-Bench 2.1 得分 80.9%，长任务基准 Multi-Frame 达 73.3%。

𝕏 Next.js 最新评测：Opus 5.5、GPT-6 Sol、Fable 5.1 同得 97%

Vercel 发布最新 Next.js 评测：Claude Opus 5.5、GPT-6 Sol、Fable 5.1 均得 97%，Grok 4.7 得 94% 但便宜 2-7 倍。

Claude 合并聊天与 Cowork，对比 ChatGPT Work 模式

Anthropic 将 Claude 聊天与 Cowork 合并为单一界面并自动路由请求，向 Pro 和 Max 订阅者开放。对比 ChatGPT Work 模式：后者更快，Claude 更详尽。

OpenAI 与 Anthropic 曾讨论签署互测大模型的法律约束协议

据 The Information 报道，Anthropic 与 OpenAI 今年早些时候曾讨论签署一份具有法律约束力的协议，允许竞争对手深度测试彼此最新可用的模型，以寻找潜在风险或安全漏洞；上周马斯克也建议美国领先大模型公司及部分中国 AI 公司允许交叉测试与同行评审。

---