AI 观点与方法

Preferred Networks 发布用 Rust 实现的超参数自动优化框架 Rustuna，并同步推出 Optuna v5.0。PFN 验证部分用例中 Rustuna 较 Optuna 快最多 1，000 倍，Matlantis CSP 替换验证中搜索内存消耗减少约 50%（按 10 万次试验估算）。

Artificial Analysis 评测显示，OpenBMB 的 MiniCPM5-2B 在 Intelligence Index v4.2 得分 15，为总参数量 4B 以下开源权重模型中最高。

Rohan Paul 指出，AI 反复推荐已被否决方案暴露了"记忆疲劳"：记住历史容易，判断哪些历史仍应影响下一次回答更难。他引用 Scobleizer 观点，认为当模型与执行被商品化后，记忆将成为护城河--关键不是存储更多，而是知道什么值得存储、什么值得打断用户。

试试 Muse Spark 1.3 Max 吧！ @tinkerersanky：@alexandr_wang @davis7 Muse Spark 1.3 Max 令人震撼，达到了 Opus 级别的模型水平！

卫报报道称，越来越多美国餐厅在菜单和营销材料中使用 AI 生成的食物图片，消费者普遍觉得诡异、倒胃口，旧金山 Grind & Unwind 因 AI 招牌遭涂鸦后花费约 700 美元重新粉刷墙面。美国餐饮协会 2026 年报告显示 26% 的餐厅经营者已在使用 AI，牛津大学研究则发现一旦得知图片由 AI 生成，食客对其吸引力评价明显下降。

AI 奖励专业知识（至少目前如此）。专业知识让你能判断 AI 输出的质量，并快速找到锯齿状前沿的形态。它还为你提供更多改进质量的选项，因为你知道该要求哪些改动。非专家往往只能停留在默认设置上。

Ben Evans 撰文分析 AI 为何难以像硅谷期待的那样直接扫清企业软件的重复任务。他指出多数人不是工具建造者，发现该自动化什么、以及如何重新定义问题才是难点；企业软件长期处于制度化与自发的光谱上，AI 只是制造新选择、移动阈值，而不改变问题本身。

今晚内容有点杂。

据 CNBC 报道，一周内 Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1，Meta 推出 Muse Spark 1.3。

一位无游戏开发经验的用户用 3 条提示词、90 分钟，通过 Astra → Tripo P2 → Blender → Unity 管线做出了 Warcraft 风格游戏原型。Tripo 官方称该管线证明"人人都能开发"，入门门槛已消失。该用户还提到 Astra 在 Blender 上表现优于 Fable 5.1，但认为它算不上所谓的"巨大 AI 进步"。

据 Windows Latest 报道，微软在 IFA 2026 上由 Windows 与设备部门企业副总裁 Mark Linton 提出 unmetered intelligence（无计量智能）概念，希望把原本依赖云端 OpenAI、Claude 等服务的日常 AI 工作转移到用户 PC 本地运行，改变 token 的经济模式，同时云端 AI 仍是体系的重要部分。

OpenAI 开发者 Thibault Sottiaux 在 X 上称，Astra 在未公开期间可能是 OpenAI"最大的竞争优势"，团队内部使用后生产力大幅提升，部分计划提前了六个月。一项对 OpenAI、Anthropic、Google DeepMind 和 Meta 25 名研究人员的调查显示，20 人将 AI 研究自动化列为最大风险之一，半数受访者预计最强模型将保持内部使用而不公开出售。

阑夕提出，新模型发布首日Demo刷屏、次日集体反思已是固定节奏，SOTA模型本身也是一种「奇观」。他以《帝国时代II》的奇观机制作比：GPT-4是维持最久的一座奇观，发布一年后才被Claude 3 Opus攻破；2025年后前沿模型差距变小，领先通常三个月内被追平，AI大厂必须在新奇观建成前不断开建下一座。

OpenAI 发文披露自动化研究进展，宣布已达成去年秋天设定的今年 9 月拥有自动化研究实习生（可在人类指导下完成耗时数天的明确研究任务）的目标，并计划在 2028 年 3 月前造出自动化 AI 研究员。

无论人们对唐纳德·特朗普持何种看法，美国已经明白，AI竞赛将决定未来。 特朗普："谁赢得AI，谁就赢得一切。"以及"这比互联网更重大。这是一场革命。"

据央视财经报道，AI 短剧技术门槛下降、从业者涌入，制作报价从每分钟 5000 元跌至几百元，逼近成本线，但定制短剧仍可达每分钟 1 万至 2 万元。行业竞争正从拼产量、拼价格转向拼内容、拼市场，预计 2026 年国内 AI 剧漫剧市场规模有望超 400 亿元，同比增速 138%，海外规模预计突破 40 亿美元，占海外微短剧整体规模近 70%。

阿易转发大雷（@AaronYiaazw）的视频制作教程案例：后者把完整视频制作流程做成主动引导式 Skill，已发布在 GitHub（image-story-video-wizard），一个爆贴一天涨了 4000 粉。安装后在 Codex 或 WorkBuddy 中启动 Skill，即可按流程一步步引导完成视频制作；完整安装方法、制作流程和踩坑见其教程文章。

OpenAI 应用研究主管鲍里斯·鲍尔 9 月 6 日在 X 平台表示，空间推理曾是人类大幅领先计算机的少数优势之一，有了 Astra 模型后这一差距已不复存在。

Astra 进军医学应用场景 【引用 @HandEManAI】：我完全惊呆了！ 这仅仅来自一个提示词，让 Astra（medium）制作一段我们手外科医生做的肌腱转位手术（EIP 到 EPL 肌腱转位）视频。 很兴奋能继续探索其在手术教育、患者教育和机器人模拟中的应用！

哇，Astra 太美了，真是个奇迹 但与此同时，这种发展速度也令人感到恐惧

同一站点延续此前对 Claude Fable 5 和 Fable 5.1 的对比，让 OpenAI 的 GPT-6 Astra 在相同 YAM 机械臂、相同 Inspect Robots agent 策略下完成相同两项任务。

如果我们想采访/报道你，作为初筛环节，你更愿意给 AI 发文字，还是打电话跟 AI 聊？

天哪，没人给我任何东西付钱 为什么我要免费做这些事 我发帖得到的只有Elonbucks 😭

作者实测 GPT-6 Astra 的电脑自动化、3D 和剪辑能力。外置键盘快捷键配置 41 秒一次成功，Blender 海盗船不到 10 分钟完成且给出逐部位生成逻辑，还用关键帧做出 3D 镜头移动视频和星球状的马里奥 3D 游戏关卡。真人口播剪辑经三次修改达到可发布标准，附完整剪辑提示词；PPT 二次美化评定为 6 到 7 分；UI 设计对比仍不及 Claude Fable 5.1。

我们在团队服务器里内置了一个"垃圾代码检测器"。 可以清楚看到我们是从哪里开始加强测试力度的。

AYi 评述 DilumSanjaya 的 Astra 实测视频：这台 V8 演示包含 90 度交叉平面曲轴、1-8-4-3-6-5-7-2 点火顺序、34 bar 做功缸压，转速可在 700 到 2000 转之间切换，示功图和气门正时实时自洽联动。作者认为这把过去专业工作室需约两周的交互工程教具压缩成一次短迭代，同时指出 34 bar 只是教学简化，材料、公差和热疲劳未通过验证。

一场耗时 13 小时的 GPT-6 Astra 地狱难度建筑专业任务测试总结，5 项任务总得分 60/100（及格线），消耗 2.1 亿 token。

Bryan Cantrill 撰文批评用 LLM 代写公开文章的现象，引用 Cynthia Dunlop 对 668 名开发者的调查：78% 检测到 LLM 写作会立即停止阅读，71% 此后会回避该作者，98% 更偏好作者自己写的有瑕疵的文章而非 LLM 润色稿。

BestBlogs 早报 09-06 精讲三篇工程实践：蚂蚁数科魏长征在 AICon 分享 Harness 验收闭环，覆盖 40 万行 Rust 新项目与 60 万行 C++ 存量项目。