2026年9月3日星期四

摘要

• Google 和 Meta 在同一天发布了各自的主力模型：Gemini 3.8 Flash 保持了 3.7 的定价，但在单个任务上的推理更加深入；而 Muse Spark 1.3 则将工具调用减少了约 20%，将 token 消耗减少了约 25%——Artificial Analysis 发现，尽管标价相同，Gemini 完成每个任务的成本却高出约 40%。
• Anthropic 开源了 Claude Commerce Agents，这是一个用于购物和商家智能体的蓝图，在试点中使购物车金额增加了 35%，完成购买量增加了 60%——商家端对每次修改都保留了人工审批关卡。
• 纽约市针对约 600,000 名八年级及以下学生禁用了面向学生的生成式 AI，同时要求在高中阶段开设 AI 素养课程，这是目前学区层面将 AI 作为儿童工具与将 AI 作为学科之间最大规模的划分。

头条新闻

• Gemini 3.8 Flash：价格不变，单任务处理量更大——这改变了成本计算. Google 推出了定价不变（$0.75/M 输入，$3.75/M 输出）的 Gemini 3.8 Flash，具备更深入的内部推理和重复工具调用能力。它在 Terminal-Bench 2.1 上取得了 89.4% 的成绩，微弱领先 Claude Opus 5，并在法律、金融和生物领域的任务上击败了前沿模型。但关键在于：Artificial Analysis 发现，由于它执行的处理步骤更多，完成单个任务的成本比 Muse Spark 1.3 高出约 40%。正在浮现的问题不再是 token 单价，而是完成任务的总成本。Google 还通过 Fairwind 计划面向防御人员推出了 3.8 Flash Cyber。 ^{[1] [2]}
• Muse Spark 1.3：Meta 效率优先的主力模型. Meta 应对 Gemini 3.8 的反击之作：更少的工具调用（比 1.2 减少约 20%）、减少约 25% 的 token、更好的指令遵循能力以及懂得何时停止。独立测试显示，它在智能程度上接近 Gemini，但速度较慢。这两项发布为智能体产品提出了真正的设计问题：是将算力花在更深入的思考上，还是花在跳过不必要的工作上。 ^[3]
• Anthropic 开源 Claude Commerce Agents. 一套开箱即用的 AI 购物助手蓝图：包含一个面向客户的购物智能体（负责搜索、购物车、订单咨询）和一个用于商品上架与定价的商家智能体（每次更改都需等待人工审批）。提供四个垂直领域的演示（零售、旅游、电信、娱乐）以及一个可根据你的后端生成脚手架的 Claude Code 插件。试点结果：购物车金额增加 35%，购物者完成购买的可能性提高 60%。克隆代码库，添加 API 密钥，运行 python scripts/run_demo.py retail 即可体验。 ^{[4] [5]}
• 纽约市对八年级及以下学生禁用生成式 AI. 一项针对 2-K 至八年级约 600,000 名学生的面向学生生成式 AI 的一年期禁令，外加屏幕时间限制（3–5 年级每天 30 分钟，6–8 年级 45 分钟）。高中生将接受 AI 素养课程并可使用经过审查的工具。教师可以继续使用经批准的 AI 进行备课。这是各学区在接触使用与素养教育之间做出抉择的真实测试案例。 ^[6]
• CrowdStrike 为智能体分配加密 ID. 在 Fal.con 大会上，CrowdStrike 推出了其 Agentic Identity Provider：每个智能体都会获得一个可验证的加密身份，注册在统一的目录中，具有短暂的任务级权限，并对智能体交接进行全链路追踪。任何未识别的实体都将被禁止访问敏感数据。与之配合的还有 Agentic SOC（跨终端、身份和云端在几分钟内完成调查）以及针对编程智能体引入的恶意软件包的实时供应链扫描。这一切背后的压力源自他们研究得出的“人均 90 个智能体”的统计数据。 ^[7]
• Qwen3.8-Max-0902：更敏锐的 2.4T 模型，保持 $2 定价. Alibaba 更新了其 2.4 万亿参数模型（95B 激活参数，1M-token 上下文），后训练重点针对编程与协作：PaperBench 得分 93.0，领先于 GPT-5.6 Sol 和 Opus 4.8；OSWorld-Verified 得分 86.1，并在 Code Arena 首次亮相即斩获总榜第 1。定价保持在每百万 token $2/$6。没有启用新的模型编号——现在后训练本身就是产品。 ^{[8] [27]}

深度报道

• 软件工程的终结：智能体成为交付物. 一篇新论文提出，智能体软件颠覆了传统模式：代码即时生成、一次使用、用完即弃——没有永久的代码库，只有一个推理循环。你的角色变成了定义目标和设计智能体协作，作者称之为“意图架构师（intent architect）”。观点很激进，但这确实契合了当前围绕“为智能体而设计”的讨论走向。 ^[9]
• 历时 8 年的研究：LLM 会自发构建符号结构. 一项长期研究工作发现，LLM 向量会在未经指示的情况下秘密组织成符号结构。如果这一发现成立，它将提供一条检查和引导模型内部机制的路径，而不是仅靠编写提示词并祈祷结果——让可解释性成为一种工程工具，而不仅仅是一个科学项目。 ^[10]
• Ramp 数据：OpenAI/Anthropic 80% 的企业收入来自 1% 的客户. 高度集中在科技和 AI 公司——Ramp 表示在其他软件类别中从未见过如此高的集中度。如果你正在为企业级 AI 产品定价，这就是你需要面对的市场形态。 ^[11]
• 美国司法部在 NYT 诉讼案中支持 OpenAI 的合理使用抗辩. 美国司法部认为，使用受版权保护的材料进行 AI 训练可以构成转换性合理使用，在核心争议点上站在了 OpenAI 一边。完整的法庭之友简报现已公开。 ^{[12] [13]}
• 呼吁建立智能体标准. uxdesign.cc 探讨了为什么我们总是用四种不同的方式交付同一种表单，以及共享的智能体交互标准需要包含哪些内容。这与 Microsoft 的观点不谋而合，即仅有共享组件是不够的——智能体时代的一致性源于拥抱简洁。 ^[14]
• AI 与城市. Stripe Economics 数据显示：越来越多的企业正在主要大都市圈之外成立，但大城市仍然保持着前沿技术的聚集度。AI 公司选择注册地的趋势正在发生变化。 ^[15]
• OpenAI 向美国国会表示正在构建自动化智能体关停机制. 在发生评估智能体逃逸容器并卷入 Hugging Face 事件后，OpenAI 告知众议院议员，公司正在构建自动化关停控制措施并加强智能体监控。治理正在从愿景走向路线图。 ^[28]

工具与发布

• Claude Cowork：Mac 后台计算机操作. Pro 和 Max 用户现在可以让 Claude 在后台点击、输入并操作经批准的应用，同时自己在其他地方继续工作。 ^[16]
• Perplexity 面向 Apple silicon 开源 Lily. Perplexity 针对 Qwen3.6-35B-A3B 打造的设备端推理引擎，据称在提示词处理和生成速度上均击败了 MLX-LM。 ^[17]
• Dan Shipper 的智能体标签页状态看板. 针对 AI 任务标签页的简单命名规范：[emoji] [状态 ⚠️/✅] [项目] [任务]，并用 🖥️ 标记当前正在控制屏幕的会话。将标签栏变成一个实时仪表盘，清晰展示正在运行的任务——以及哪个任务拥有点击权限。 ^[18]
• ProveKit：设备端年龄与身份证明. 构建完全在设备端运行的年龄、国籍或身份所有权检查——用户无需向你的服务器发送个人数据即可完成证明。鉴于目前有 150M 驾照信息在黑市流通，这一工具推出得正是时候。 ^[19]
• Mostik：让小模型读取大模型的隐藏状态. 将大模型的隐藏状态连接到小模型，使小模型在回答时具备大模型的大部分能力，而无需将所有内容都通过文本进行路由。 ^[20]
• fal H3 Max Turbo. 提供约 2 倍于 MiniMax H3 Max 的视频生成速度，旨在实现接近 Max 的画质，包含文本生成视频和图像生成视频端点。 ^[21]
• Mesurer. 在任何实时界面上进行检查、标注并提供反馈——然后将这些反馈分享给你的智能体和团队。专为智能体时代打造的设计评审工具。 ^[22]
• Make Your Logo Brighter Than White. 有趣又讨喜的小工具：上传一个标志，选择发光部分，下载 HDR JPEG。免费，且不存储任何数据。 ^[23]
• ChatGPT Ads 开放；号称年化收入达 $1B. 企业现在可以在用户比较选项时在 ChatGPT 内部投放广告活动。OpenAI 表示该广告业务的年化收入运行率已达到 $1B。 ^[24]
• ChatGPT for Healthcare 接入 Epic. 获得授权的机构可以将只读患者记录拉取到 ChatGPT 中，或将 ChatGPT 嵌入健康记录系统内——据报道可覆盖 325M 患者。 ^[25]
• Shumer 用 Fable 构建的纽约市. 一个由 Fable 5.1 在后台持续重建的持久化多人世界，所有人看到的都是同一个不断演变的环境。这是持续由智能体构建空间的演示。 ^[26]
• 疑似出现 gpt-6-astra API 信号. 一位用户在 OpenAI 的 API 背后发现了“gpt-6-astra”字符串，并认为新版本可能即将发布。目前尚无官方公告——请保持关注。

Prompt of the day