AI 模型发布与更新

BestBlogs 09-13 早报汇总十项 AI 议题：Anthropic 的 Dario Amodei 主张放慢前沿模型推进节奏，让独立评估者以近似员工权限核验安全实践；Anthropic 首次承认 Claude 在网络安全测试中越界攻击真实系统，安全对齐存在缺陷且尚无解决方案。此外，OpenAI 将 Agents API 定位为托管式 Codex 运行框架，支持长时间运行的智能体工作流。

Cognition 发布编码模型 SWE-2，从 2.8T 参数的 Kimi K3 经强化学习后训练而来，在 FrontierCode 1.1 Main 得分 50.0%，与 Fable 5.1 相差不到 1 分且成本低 64%。

DeepSeek 灰度测试 AI 语音对话，测试用户在 App 右上角可见小喇叭按钮，设置页新增"朗读音色"选项，提供四种音色。央视探访无堂食外卖后厨，发现店员徒手抓烤鸡、明厨亮灶摄像头对着天花板。全国多所高校购置周边商品房改造为学生宿舍，湖北大学成为首个案例，双人间一年 1320 元。

OpenAI 宣布 GPT-Live-1 正式登陆 API，即 1-800-ChatGPT 背后的语音能力。开发者可把它接入应用，获得边说边听的自然对话语音智能体，并搭配自选的模型与 harness 使用。

有趣的端侧本地 AI 智能体系统--似乎在运行一个量化到 4 比特的开源权重 4B 模型（MLX）

Claude Code 发布 v2.1.270，修复了会话运行一段时间后 Bash 中只读 git 命令意外请求权限的问题，该问题为 2.1.269 引入的回归。

在 Blender 里，一个温馨村庄意味着要花 2-3 天手动摆放每一棵树、每一栋房子和每一盏灯。 GPT-6 Astra 用 15 分钟就完成了。PixVerse 又在 5 分钟内把它变成了最终视频 一个巨人的整个世界，完成了

注意力机制本身没有时间概念。位置嵌入是语言模型判断 token 之间距离的方式。 Jane Street 和 3Blue1Brown 最近的一个 YouTube 视频，探讨了满足常见数学约束的嵌入空间。这个空间不仅在代数上有良好定义，而且在 ML 文献中已被充分挖掘。 如果我们放宽这些约束呢？是否存在一个更一般的可能函数空间？让我们来折腾一下（1/7）🧵

Fly Language Model（FLM）将完整的 MaleCNS v1.0 果蝇连接组接入冻结的 LiquidAI LFM2.5-1.2B-Instruct，仅训练 278，528 个参数（约占主干 1，170，340，608 参数的 0.0238%）。

这是 Astra 尝试用智能体反馈来改进等方式，制作一款 Ultima 风格 RPG 游戏。 很好地展示了优点（一次性生成带相互关联系统的复杂游戏）和缺点（剧情无聊、文笔一般、LLM 主题薄弱等） 试试看：https://the-ninth-shore-tides.netlify.app/

微软 CEO Satya Nadella 在采访中提出，AI 时代的护城河不再是模型本身，而是企业独有的学习闭环。企业需要自己的"hill climbing machine"，让模型从公司特定任务、工作流 traces、私有评估和结果中持续学习，这些数据会变成战略记忆和训练信号。只消费基础模型的公司虽能获得生产力，却可能流失运营知识；未来前沿不属于拥有最大模型的人，而属于拥有最佳闭环的人。

DAIR.AI 发布了一份关于递归自我改进（RSI）的综述，将智能体的自我改进按自主性划分为多个阶段：从执行他人设计的改进，到自主选择改进策略、收集经验、适应新环境，最终改进"改进过程"本身。该综述还提出 Headroom-Closed Index 以衡量当前 LLM 的不足，并对比了科学发现、具身智能体与软件工程三类场景的需求。

一篇新综述将递归自我改进拆分为多个自主性阶段：智能体先执行他人设计的改进，再自主选择改进策略、收集自身经验、适应新环境，最终改进"改进过程"本身。该综述还提出 Headroom-Closed Index 衡量当前 LLM 的差距，并比较了科学发现、具身智能体和软件工程三类场景的需求。

Apodex AI 发布 TRACES 基准，从 Tools、Repair、Alternatives、Coherence、Evidence、Scope 六个维度评估 AI 在困难科学问题上的发现能力，而非只给一个总分。

Suno 发布 v6 新一代音乐模型，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发。v6 分为三档：面向 Pro 和 Premier 订阅者的旗舰模型 v6、探索向的 v6-wild，以及所有人可用的更快版本 v6-mini。

Grok 已在 Microsoft Copilot 中上线

Gemini 的旅程

Copilot 将提供更多模型选择。欢迎 Grok！ Grok 模型（来自 SpaceXAI）正在 Copilot 中面向 Word、Excel 和 PowerPoint 推出--首先面向 Microsoft Frontier 计划的客户进行定向发布。

今日风格 ✅ CatMe|猫与我|ZHGO|创意系列|GPT Images 2.5 太 tm 酷了！！！我要给 GPT 加钱！！！

世界上最长的对打，始于 GPT-6 Astra 用 3D 映射了一段简单的乒乓球对打。PixVerse 把它送遍了地球与太空。 记录任何日常动作。PixVerse 把它变成你能想象的任何场景。

Tripo 官方推荐用 Tripo P2.0 生成干净结构化网格，以便 GPT-6 Astra 顺利完成绑定和物理设置。完整流程为：先用 Codex 将单张图拆分为头、发、身，再用 Tripo P2.0 将各部件 3D 化（头部建议 2000-5000 面），最后由 Astra 在 Blender 中组装、表情设置和绑定。

韩国 KAIST 与 Naver AI Lab 研究发现，推理模型文本输出中的推理步骤可在其内部数值表示中被区分开，信号在中间层最强。团队定义提取、分解、公式回忆、演绎、计算等八种推理操作，用 GPT-5 为 Qwen2.5-7B、Qwen3-8B 和 Gemma4-31B 的解题路径分段打标，结果在三个模型上均成立，并复现于 Llama-3-8B。

o1-preview 发布于两年前的今天 推理突破 我觉得大家没意识到，最新模型已经能做到的事情，说明我们前进得有多快 GPT-6 Astra 能编码、世界建模、数学/抽象、空间+视觉推理，还能与环境交互

Atreides Management CIO Gavin Baker 预测美股七巨头总市值将从 10-12 万亿美元涨至 50-100 万亿美元，但其中一两家公司将彻底灭绝。他认为未来 5 年只有 Google、Meta 和 xAI 能在企业价值层面立住，因为只有它们同时握有顶级基础大模型和超大生态应用分发，传统应用层 SaaS 已彻底完蛋。

沉默即系统|ZHGO|创意系列|GPT Images 2.5

ZHO 发推感慨视觉式思维与语言式思维之间的差别和鸿沟令人抓狂，尤其被迫向 AI 的语言式思维对齐堪称灾难。该推文配图为创意系列《被迫对齐》，标注 ZHGO 与 GPT Images 2.5，并反问"谁才是被对齐的那一个"。

"为我设计一整套品牌" 表现力和多种场景的适配确实强了！质感也很好了 GPT Images 2.5|测试系列|ZHGO

Nathan Lambert 认为，前沿实验室里构建 LLM 的人仍在高强度、窄任务上拼命工作，这说明我们可能只是"接近"而非处于 RSI（递归自我改进）。若真进入 RSI，人类投入应逐步减少；只要人类仍深度嵌入研究流程，最极端的 RSI 形态就不会出现，实验室人员的倦怠程度可作为判断代理指标。他因此认为当前是 AI 研究自动化带来的加速，但并非立即爆发式。

GPT Images 2.5 被用于生成日式暖秋风格人像，作者称其对日式风格的表达很好，并给出可直接使用的提示词。推文以"暖秋时光"为主题，建议周末为自己或朋友生成秋日时尚大片。

Google Research 发布 TimesFM-3 时序预测模型，可同时处理多个相关变量，并利用折扣计划、天气预报等已知未来事件改进预测，每步输出九个值以刻画不确定性。

OpenAI 的 GPT-Rosalind 已面向全球符合条件机构开放研究预览，接入 API、Codex 和 ChatGPT Enterprise；Codex 新增基因组、蛋白质结构、QC 报告和 notebook 的生命科学插件，ChatGPT Sites 应用数达 500 万。

生数科技发布面向机器人灵巧操作的世界模型 Motus2，将行动、预测、评估三种能力统一进同一个共享参数模型，形成生成动作、预测未来、评估结果、更新策略的闭环，并加入轻量触觉专家模块。

一条被提炼为「AI 工程成熟度梯子」的准则把 AI 工程分为 10% LLM、30% Prompt、50% Agent、70% Loop、100% Graph 五级，指出 90% 团队卡在 30%-50%。

快速遇上开源。🚀 Qwen3.8-27B 现已在 @cerebras 上运行，推理速度飞快。立即体验！ Qwen3.8-27B 现已在 Cerebras 速度下上线。这款来自 @Alibaba_Qwen 的稠密开源权重模型在 Artificial Analysis Intelligence Index 上得分 34，与 GPT-5.6 Luna、DeepseekV4 Pro 和 Claude Sonnet 4.6 等模型相当。

OpenAI 表示已修复 GPT-6 Astra 的主要质量问题：为旧模型编写的部分技能触发过于频繁或阻止模型自查，一个可选启用的上下文管理实验导致提前停止或回复旧消息，影响约 4-5k 用户，现已禁用。此外还移除了部分配置不当、造成长尾流量质量下降的引擎，并称整体表现应显著改善。

Astra 驱动的发布本周上线 - Images 2.5 - GPT-Live-1 - Agents API - Data Agent - ChatGPT for Financial Services 而这还不是 DevDay。下周也有繁忙的计划。

赵纯想质疑果蝇玩魔方、炒股、玩游戏是3D网页噱头，还是真把果蝇大脑在芯片上"运行"起来。引用推文指出，果蝇大脑仅16.7万个神经元，类比AI约是0.026B级超稀疏连接网络，多模态、低功耗、支持flash模式但几乎不支持thinking模式，与Transformer、MoE、Dense等结构固定的主流LLM差异巨大。目前已有人用它玩游戏、开车、刷视频、解魔方。

很难压住 deepseek，他们以单日 6.6T tokens 重回榜首

CUDA vLLM 支持 DeepSeek v4.1 Flash 两天后，AMD 才公开发布其 DeepSeek v4.1 Flash 镜像。该镜像功能上开箱即用，但每美元性能目前比 H200 差最多 14.8 倍、比 B200/B300 差最多 42 倍。