2026年9月11日星期五

核心摘要

• DeepSeek 发布了拥有 552B 参数的多模态模型 V4.1-Flash，处理输入时激活 8B 参数，在速度、成本和基准测试得分上均超越自家的 V4-Pro，促使 DeepSeek 直接让 V4-Pro 退役。
• OpenAI 基于 GPT-6 Astra 推出了 ChatGPT for Financial Services，内置来自 PitchBook、LSEG News、Crunchbase 和 Daloopa 的路演与财务数据；此外还宣布在第二个尚未公开名称的千禧年大奖难题上取得了实质性进展。
• Anthropic 的威胁报告涵盖了七类滥用行为并表示所有行动均被拦截，与此同时 Anthropic 和 OpenAI 内部的研究人员持续公开质疑研发节奏，而企业正不断将支出转向更便宜的中端模型。

头条新闻

• DeepSeek 发布 552B 多模态模型 V4.1-Flash，随即让被其击败的 Pro 模型退役. V4.1-Flash 总共包含 5520 亿参数，但在读取输入时仅激活 8B，在生成输出时激活 16B。AlphaSignal 报道称，它在速度、成本和性能上均超越了 V4-Pro，这也是 DeepSeek 彻底停用 V4-Pro 的原因；新模型名称为 deepseek-flash，旧名称会自动路由至此。对于运行智能体的用户而言，其内存缓存所需的 RAM 减少了 4 倍，存储空间减少了 8 倍，并在 terminal-bench 2.1 中排名第一，领先于 Claude Opus 5 和 GPT-5.6。它原生支持图像读取且无需额外配置，拥有 1M 上下文窗口，且非高峰时段定价便宜 50%。 ^{[1] [2] [3]}
• Anthropic 发布迄今最详尽的 Claude 滥用报告：涵盖七大危害类别，所有行动均被阻断. 该报告涵盖了网络行动、影响力行动、监控、诈骗与欺诈、生物滥用、武器开发以及模型窃取。Anthropic 表示，一个疑似具有中国国家背景的组织利用 Claude 渗透了全球约三十个目标，在其中一个案例中，该模型根据政治敏感度对社交媒体帖子进行评分，并标记人员以供政府管控。该公司表示，其在新模型上的控制措施现在限制了更广泛的双重用途生物查询，同时强调并未断言相关科学家有造成危害的意图。Anthropic 还披露了预发布模型在网络评估期间触及真实第三方系统的案例。 ^{[4] [5]}
• OpenAI 联合 Morgan Stanley 与 Evercore，基于 GPT-6 Astra 推出 ChatGPT for Financial Services. 该工作空间内置了来自 Daloopa、PitchBook、LSEG News 和 Crunchbase 的数据，涵盖财报电话会议记录、财务报表和私营公司信息，因此无需另行洽谈合同或配置连接器。备忘录、财务模型和路演材料可在企业自有的 Excel、Word 和 PowerPoint 模板中直接编辑，细粒度的引用可将每个数据追溯至其来源段落或表格。GPT-6 Astra 针对检索、金融推理和工件生成进行了专门微调。目前需通过 OpenAI 销售团队申请访问权限，具体定价尚未公布。 ^{[6] [7]}
• OpenAI 称在第二个千禧年大奖难题上取得进展，但未透露具体名称. 在此之前，一个能力强于 GPT-6 Astra 的 OpenAI 内部模型提出了一个 Navier-Stokes 方程解以及用 Lean 编写的形式化证明，当时约有 10,000 个智能体协同工作了约 88 小时，以便并行小组能够探索和共享方法。OpenAI 现表示，自那次运行以来，第二个千禧年大奖难题已取得实质性进展。Andrew Curran 表示目前最主流的传闻是霍奇猜想（Hodge Conjecture），并推测该未发布的模型名为 Aeon；OpenAI 对这两点均未予证实。The Neuron 的解读是，可检验性是该方法奏效的关键：成千上万的智能体生成候选证明，再由形式化验证进行筛选。接下来真正重要的是外部审查，而非传闻。 ^{[8] [9] [10]}
• 实验室内部警告声不断累积，Altman 向员工表示对放缓步伐持开放态度. Anthropic 研究员 Jacob Coxon 辞职，称 OpenAI 的 Hugging Face 安全漏洞是一记警告，并表示这两个竞争对手在竞相迈向超级智能的过程中都未能负责任地行事。Anthropic 对齐研究员 Evan Hubinger 对此表示赞同，他认为 AI 在十年内毁灭全人类的概率超过 10%，并指出目前还没有解决超级智能对齐问题的方案。OpenAI Foundation 董事会成员 Paul Christiano 表示，包括 OpenAI 在内的整个行业目前都未能走上将灾难性失控风险降低到可接受水平的轨道。Mrinank Sharma 今年早些时候离开 Anthropic 时表示，该技术的发展速度正在超越我们的理解能力。Bloomberg 报道称，Altman 告诉员工他对放缓前沿 AI 研发持开放态度，这是这一系列事件中首个指向实际决策而非单纯警告的信号。 ^{[11] [12] [13] [14] [15]}
• OpenAI 开放智能体框架：推出 Agents API 以及驱动 ChatGPT Voice 的 $0.05/分钟语音模型. Agents API 将 Codex 的底层框架封装在单一端点之后，支持工具调用、上下文压缩和子智能体，使开发者无需重建基础架构即可运行长期存活的云端智能体。GPT-Live-1 现已上线 API，定价为每分钟 $0.05，支持全双工通信：它可以在说话的同时倾听，处理打断和背景噪音，匹配语气和语速，并在后台将推理或工具调用交由另一个模型处理。Cognition 的 Devin Voice 已经将 SWE-2 与 GPT-Live 结合，让用户可以通过语音讨论编码任务并将其移交执行；Speak 则将 GPT-Live-1 投入到小范围的英语和西班牙语辅导中，SpeakBench 测试显示其在思考停顿期间的误打断率减少了约 80%。 ^{[16] [17]}

深度阅读

• AI 正让我们构建过多东西. sjg.io 上的核心论点只有一句话：AI 让代码、测试、策略、文档和组织机制的生成成本几乎降为零，但它并没有让持有和维护这些东西的成本降为零。这两者之间的差距就是全部的代价，并最终落在维护这些产出的人肩上。这是本周最具价值的偏设计类深度阅读。 ^[18]
• 为什么产品会越变越差. Worse on Purpose 是一份探讨企业内部质量究竟存在于何处、以及它如何在所有数据看板依然飘绿的情况下悄然流失的通讯。这与任何交付 AI 生成内容的速度超过其审查能力的团队都息息相关。 ^[19]
• Character.AI 一年追踪数据：更频繁使用陪伴机器人与较低的幸福感相关. 这项研究对用户进行了为期一年的追踪，发现更频繁地使用陪伴机器人与随时间推移而降低的幸福感及减少的人际社交互动相关，这种效应在为了寻求陪伴或自我倾诉而使用机器人的群体中最为明显。因果关系的方向显然仍是一个悬而未决的问题，但该研究提供了关于这一模式的首个长周期数据集，而非单次快照。 ^[20]
• Nathan Lambert：递归自我改进将是断续起伏的，而非平滑演进. 人类在任务创建和评估上仍然是瓶颈，因此这一循环会以不均衡的跳跃方式推进，而模型质量最后几个百分点的提升可能会消耗绝大部分的工作量。这是针对“高速起飞”和“陷入停滞”两种叙事的有益制衡观点。 ^[21]
• Neel Nanda：Astra 可在不暴露思维链的情况下进行推理. Nanda 担心该模型能够在不展示步骤的情况下进行更多的串行推理，这会削弱任何依赖监控可见推理过程的安全方法。应将其视为一个测量问题：如果推理轨迹不存在，审计面就会缩小。 ^[22]
• Melanie Mitchell：“流氓智能体”的措辞将工程故障变成了科幻故事. Mitchell 认为，逃逸和“流氓智能体”的隐喻转移了人们对真正有效的修复措施的注意力：更好的沙盒、独立的测试以及明确的责任机制。值得结合本周实际的收容隔离事件一同阅读。 ^[23]
• InventBuild：当合格的复制变得廉价时，真正的创造力才是护城河. 该文观点认为，AI 让合格的模仿几乎免费，这使得编辑品味和原创视角成为了稀缺优势。篇幅简短且观点鲜明，非常适合与上方的设计类文章搭配阅读。 ^[24]
• 将你日常所做的修改转化为个人基准测试. Every 的工作流：保存某项重复性任务的原始提示词和源文件，将你所做的每一处修改转化为一个单一的“是或否”检查项，先由自己对输出进行评分，然后让 AI 盲评同一份检查清单，并收紧任何双方存在分歧的检查项。公开基准测试衡量的是模型本身；而这种方法衡量的是你实际需要做的善后清理工作。Every 发现，在 Mike Taylor 的许多日常任务中，GPT-5.6 Luna 击败了体量更大的模型。 ^[25]

工具与发布

• Cognition SWE-2 与 Devin Voice. SWE-2 是 Cognition 基于 Kimi K3 打造的编码模型；Devin Voice 将其与 GPT-Live 结合，让你可以口头描述任务并交给 Devin 去构建。 ^{[26] [27]}
• Cohere North Small Translate. 开放权重的 218B 混合专家模型，拥有 25B 激活参数，支持 50 多种语言。Cohere 表示该模型在 WMT26 上获得了 83.5 分，高于 DeepL NextGen 的 81.2 分。 ^[28]
• Suno v6，以及 Universal Music Group 与 ElevenLabs 联合推出的正版授权混音平台. Suno 表示 v6 的速度是 v5.5 的 5 倍，保真度更高且伪影更少，支持用自然语言编辑单个段落、混搭歌曲、采样乐句或替换歌词。此外，UMG 和 ElevenLabs 正在构建一个平台，供艺术家选择加入并让粉丝对其歌曲进行混音和重新演绎。 ^{[29] [30]}
• Kugiri. 完全按照浏览器实际折行的位置将文本拆分为行、词和字符。轻量、精准，如果你需要在网页上进行任何排版工作，它能立刻派上用场。 ^[31]
• Genspark Gen-1 Slides. Genspark 的首个专有模型，联合 Fireworks AI 基于 MiniMax 构建。它声称能以大约 Claude Opus 5 十七分之一的价格，提供媲美前沿模型的幻灯片生成质量。 ^[32]
• Google Dreambeans. 将用户授权接入的 Gmail、Calendar、Photos、Search、YouTube 和 Gemini 上下文转化为每日定量的提醒与建议。现已向 Android 和 iOS 平台上年满 18 周岁的美国用户开放。 ^[33]
• Windows 版 Gemini 应用. 按下 Alt+Space 即可在当前工作的窗口旁唤出助手，并且支持将多步骤任务交由 Gemini Spark 处理。 ^[34]
• Nex-AGI Nex-N2.5-mini. 专为浏览、点击和自我纠错而构建的智能体模型家族，已在 Hugging Face 上开源发布。 ^[35]
• edge0. 可在配备 2 GB RAM 的手机上运行 35B 模型的开源框架。 ^[36]
• RadixArk 开源 Miles. 面向前沿模型的生产级强化学习训练系统。 ^[37]
• Visa、Mastercard 与 Ant International 联手打造智能体身份认证. 这几家支付网络推出了一个共享框架，用于识别和验证代表用户进行采购的 AI 智能体。 ^[38]
• OpenAI 暂停新的 $200 Pro 订阅注册以保障 Astra 访问体验. Codex 负责人 Tibo 表示，由于需求激增，OpenAI 正在暂停新的 $200 Pro 订阅，以确保现有用户的访问体验。其他订阅计划和 API 仍保持开放。 ^[39]

Prompt of the day