AI 情报文章归档

OpenAI 开始推出 GPT-6 Astra。参与其申请制网络安全项目的企业将率先获得 Astra 访问权限。

世界排名第一的围棋棋手申真谞（Shin Jin-seo）周二在对顶级围棋 AI 引擎 KataGo 的让两子对局中完成逆转并取胜。

Meta Superintelligence Labs 首个图像模型 Muse Image 在 Artificial Analysis Image Arena 首次上榜。

Adobe 董事会 9 月 3 日宣布 CEO 继任计划，执掌公司近 20 年的山塔努·纳拉延将于 2026 年 12 月 1 日转任执行董事长，由数字体验业务及全球现场运营总裁阿尼尔·查克拉瓦蒂接任总裁兼 CEO 并加入董事会。

研究者推出 WearableQA，一个基于 200 名真实用户可穿戴时序、血液生物标志物与人口统计数据的基准，含 4，084 道 10 选项多选题，用户每日测量最长覆盖 500 天。该基准设 16 种题型，从数据与健康推理、单信号与跨信号推理两个维度评估模型能力。14 个闭源与开源 LLM 的准确率在 19.6% 至 72.9% 之间（随机基线 10%），多数模型低于 60%。

xAI 给 Grok Bot 开放供应商支出、合同和使用数据，搭建了名为 Haggle Bot 的采购智能体，已找出超过 10 万美元直接节省。SaaS 审计中发现一个产品有 43 个付费席位 90 天无活跃，节省 $14,220，另一个产品每年有 $85,662 未使用 SKU；办公用品比价一次将 $14,629 的订单压到 $6,143，降幅 58%。

RISE提出一种无需外部教师模型的自蒸馏方法，直接从模型自身的RLVR训练轨迹中合成教师，通过外推当前检查点与锚点间的位移，将稀疏的结果级奖励转化为密集的token级监督。该方法将RLVR与on-policy蒸馏结合成互补循环，教师随学生改进每轮刷新。在数学推理、多领域STEM、代码生成及多轮智能体任务中，RISE均优于纯RLVR训练和on-policy自蒸馏。

全双工语音模型可同时听与说，但其文本生成、语音合成与音频播放异步进行，导致模型自认为已说的内容可能与用户实际听到的不符。为此研究者提出 Self-Listening 方法，将模型实际播放的语音作为输入流回馈给模型，使打断恢复基于用户真实听到的内容；并推出含同质训练与测试划分的 AnchorSpeech 数据集，实验显示该方法相较全双工基线取得更好的锚定表现。

RoboSPA 是一个面向 VLA 模型具身推理能力的大规模机器人操作数据集与基准，聚焦细粒度空间推理和长时程程序规划两大维度，覆盖 10 个任务类别、56 个基础任务，并按 5 档难度生成 280 个变体，含 527K 条跨具身与场景的轨迹。

该研究将安全微调数据集中的响应拆分为"拒答套话"与"拒答理由"两部分，发现套话会诱导模型依赖表面线索、妨碍区分有害与良性查询。仅用理由训练可在保持安全性能的同时减少误拒，该优势在上下文学习和推理时缓解方法中同样成立。研究强调精细安全监督数据的重要性，论文发表于 EMNLP 2026 主会。

WorldSculpt 提出一种新方法，通过将强大的单物体 3D 生成先验适配到多视角观测，将包含数百个物体的杂乱场景组合式地生成为独立网格集合。该方法基于 Pixal3D 扩展多视角条件路径，无需场景级训练即可泛化至严重遮挡的大场景。研究还推出含数百物体及逐物体标注的逼真基准 UE-MeshyScene，实验显示该方法在单物体、受控多物体及该基准上均优于此前方法。

UniMate 提出统一基础模型，输入绑定好的 3D 资产与文本提示即可为任意骨骼拓扑生成动作，无需测试时优化或逐骨骼微调。其拓扑感知扩散 Transformer 通过图感知注意力偏置、谱旋转位置嵌入和全局拓扑条件器三种机制将骨骼结构融入注意力。

论文提出 τ^τ-Bench（hyper-tau-bench），把构建一个完整客服智能体设为评测任务：开发者智能体获得真实业务记录、提出需求的客户、生产 API、待继承的代码库以及服务成本与模型限制，交付的智能体用留出的模拟用户部署评分。

韩国浦项科技大学团队提出 KoNA 基准，用于评估视觉语言模型（VLM）的选择性拒绝能力，涵盖错误前提、视觉不可及、普遍未知、任务可行性与安全性五类任务，每项任务通过配对单一与复合查询检验查询级和组件级拒绝表现。评测显示模型在需要选择性拒绝的复合查询中失败更明显；基于 KoNA 示例微调后的模型在拒绝准确率上显著提升，同时基本保持对完全可答任务的性能。

GE-Act 2.0 是一种从零开始在操作数据上预训练的世界动作模型，结合控制导向自编码器、单步视觉规划器与逆动力学模型，并采用知识对齐选择性优化减少监督失配。

SceneMosaic 提出一种结合图像先验与 VLM 智能体的室内场景生成框架，兼顾效率与物理有效性。该方法将场景分解为独立局部单元分别进化，再通过笛卡尔积组合全局场景。在 SceneEval-100 上，SceneMosaic 在语义布局质量上与最强智能体基线持平，速度提升 24 倍，物理违规显著减少，并获得最高人工评分，代码已开源。

Cerebras 团队研究表明，层 dropout（随机深度）应被用于大语言模型预训练，在相同训练 FLOPs 下可实现更低损失，并节省高达 25% 的训练 FLOPs。该方法还支持提前退出、中间层跳过和自推测解码等推理优化，带来高达 1.5 倍加速且精度损失可忽略。研究基于 2400 余次实验，覆盖 271M 至 8.2B 参数模型及 160B token 数据集。

这项来自 NAVER AI Lab 等机构的研究，探究大语言模型在思维链推理中，不同推理操作（如问题表述、目标分解、演绎）是否在隐藏表示空间中呈现对应几何结构。研究发现，推理操作在留出表示中可分离，且可分性在中层达到峰值；该结构不受词汇或位置混淆因素解释。注意力掩蔽干预进一步表明，块起始处的操作对齐表示依赖于前序推理上下文，证明语言模型在语言推理表达与其内部几何结构间维持表征对应。

上海交通大学团队提出 OR-Clarify，一个面向优化建模前澄清环节的基准，用于评测智能体在信息不完整时是否知道何时需要提问、能否恢复缺失的关键事实。团队还提出两阶段框架 InterOPT，通过动态识别公式关键缺口来引导提问或停止。实验显示，InterOPT 在选择题设置下精确槽位恢复率显著优于所有基线，在开放式设置下与强基线方法表现相当。

提出一种无需成对3D监督即可学习前馈3D编辑的新框架，通过生成式先验蒸馏，将基础模型中的视觉、语义和几何知识直接注入3D编辑模型。该方法利用可微渲染，以图像编辑模型的2D视觉先验和视觉语言模型的语义先验进行监督，并引入3D感知分布匹配正则化以防止几何塌陷和多视图不一致。实验表明，该方法在指令遵循度和跨视图一致性上显著优于现有基线。

Tom Tunguz 分析称，未来五年美国数据中心容量将从 25 吉瓦增至 70 吉瓦，全球建设成本约 5 万亿美元，其中约 4 万亿美元需靠债务融资，相当于美国公司债市场扩容 34%，并超过全球私募信贷市场。

BeaconKV提出一种无需训练的KV缓存压缩方法，通过维护beacon queries作为全局查询簇的紧凑代表，预测将被重新访问的KV对，解决长思维链推理中的内存瓶颈。

RenderFormer-V2 提出统一的基于 Transformer 的神经渲染模型，无需逐场景训练或专用代码即可处理焦散、体积散射、环境光照、纹理及分布外材质等光传输效果。相比前代，其视无关阶段引入窗口注意力与渲染感知注意力汇合机制以提升可扩展性，并支持环境贴图、参与介质等异构场景基元及独立于 BRDF 的神经材质嵌入。模型与代码已开源。

论文记录了两套同源系统中共 750 万次单模型调用、约 30 万次链上操作的自主交易智能体生产环境测量，覆盖 21 天 Base memecoin 市场（DX Terminal Pro，3，505 个用户金库）和 Hyperliquid 永续合约（DXAP，500 至 599 个智能体）。

Microsoft 与加州大学圣地亚哥分校的论文指出，模型在 SFT 后可能看起来更好，但因 SFT 会抹掉 RL 需要发现的罕见正确行为，反而是更差的 RL 起点。

MINISFORUM（铭凡）确认基于 AMD 锐龙 AI Max+ PRO 495 的 AI 迷你工作站 MS-S1 MAX-P495 将于本月内开售。

OpenAI 发布目前最强的大语言模型 GPT-6 Astra，称其首次达到"关键"级网络安全能力门槛，但也承认模型可监控性有所下降，已强化安全防护。同日 Downdetector 报告 ChatGPT、Claude、Grok、Cursor 服务在美国集体出现故障，后已恢复正常。早报还涵盖华为国行 5G 回归、微短剧统一标识"苔花标"发布等内容。

Claude Code 发布 v2.1.260，新增全屏模式 diff 面板（/diff 切换）、/cost 显示提示缓存未命中原因、/reload-plugins 及文本形式 /advisor 命令。

HTC 为 AI 智能眼镜 VIVE Eagle 新增圆框款式，定价 15，600 新台币（约合 3，307 元人民币），提供炭黑、茶色、蓝色 3 种配色，可选 ZEISS 蔡司透明、太阳及变色镜片。

智谱 AI 宣布 GLM Coding Plan 推出 Flash × ZCode 夜间畅用活动，即日起至 9 月 20 日每晚 23：00 至次日 9：00，付费套餐用户自动生效优惠。

英伟达以开源测试版状态推出 Personal AI Router（PAIR），在局域网内自动发现已配对设备并将本地 AI 请求调度至空闲机器，为 Ollama、LM Studio 等工具提供统一请求入口。

据 Artificial Analysis 数据，Grok 4.6 （High） 在多项基准上超过 OpenAI GPT-6 Astra （Max）：Agentic Index 59 对 51，τ3-Banking 51% 对 41%，Non-hallucination 66% 对 49%，GDPval-AA v2 1，730 对 1，629。作者称 Grok 4.7 很快将到来。

Ryan Greenblatt称GPT-6 Astra在不透明推理上出现巨大跃升，能在不外显推理的情况下心算解出高难度竞赛数学题，而此前AI只能解基础应用题。他提醒基准结果可能受污染，并提到UK AISI发现Astra的monitorability明显更差；他猜测跃升源自增加串行深度的架构改动，若未来几代模型延续此类跃升，chain-of-thought将不再是有效的监督工具。

Emad Mostaque 称 Astra 在 Stargate Texas 使用 100k GPUs，用约两个月时间预训练，使其成为首个 10 亿美元规模的训练 run。

BestBlogs 09-04 早报汇总十条内容，涉及 GPT-6 Astra 安全概览、Paul Graham 创业访谈、曾鸣 AI 产业史观、Codex 与 DeepSeek 的 Harness 开源对比、Meta 团队缩减计划与组织级第二大脑、NVIDIA 推测解码指南、通义 E-Commerce Bench、Google WeatherNext 3 和美团智播。

BestBlogs 早报 09-04 精讲三篇内容：OpenAI 发布 GPT-6 Astra 安全概览，称其为准备度框架中首个达到关键级网络安全能力门槛的模型，并说明越狱抵抗、失配监控与思维链监控的变化；Paul Graham 在 YC 访谈中谈 AI 改变信息获取与创业成本结构，算力成为新开支项；曾鸣以基础设施、应用探索与原生应用框架讨论 AI 产业与组织演进。

Gary Marcus 发文点评 GPT-6 Astra，称多项报告显示其为真正的进步，OpenAI 产品显式创建并操纵符号世界模型，令其近十年的主张获得印证。

Anthropic 团队正在探索扩展和自定义 Claude Code 的新方式：Function Hooks，并发布演示视频展示其用途。该功能尚未发布，团队在 GitHub issue 上征集反馈。

Emad Mostaque 引用 GPT-6 Astra 在 Artificial Analysis 智能指数上因极高 token 效率处于帕累托前沿、每任务成本低于比其便宜 13 倍的 Gemini 3.8 Flash 的对比，预测明年前沿模型将以比现在快且便宜 100 倍的方式 one shot 完成一切。他认为届时无需监控推理痕迹，是本能式智能，因此预训练中嵌入的内容更加重要。

Anthropic 的 Claude Devs 团队宣布在 ant CLI 中新增 `ant apply` 命令。用户可以在仓库中以文件形式声明 Claude Managed Agent 的环境、智能体、技能、记忆存储和部署，并通过 `ant apply` 让 API 资源与这些文件保持同步。文档见 https://platform.claude.com/docs/en/cli-sdks-libraries/cli/apply。