# get merge: 2026年9月15日星期二

由 AI 翻译。相较于[英文原文](https://getmerge.ai/2026-09-15.md)，部分措辞或含义可能不准确。

从 4 份通讯整合了 27 条资讯

AI 与设计资讯，每日聚合。 每个工作日收到简明摘要，并附上原文链接。

https://getmerge.ai/2026-09-15?lang=zh

## 摘要

- Microsoft 为其自研的 MAI 模型发布了一份行为准则草案（服从指令停止、最小权限、不宣称拥有意识、无 AI 法律人格）；同一周，Trump 向 Axios 表示，国家唯一需要的护栏是一位强势的总统。
- Amodei 的文章《We Must Pace the Frontier》引发市场震荡：Intel 收跌 6%，Nvidia 跌超 3%，SoftBank 跌 10%，ASML 跌超 5%，而中国外交部则称这篇文章是在贩卖恐惧。
- AlphaSignal 榜首的代码库通过 UDP 电机指令，将一个包含 166,700 个神经元的果蝇连接组接入了一只行走的 Strandbeest；排名第二的代码库则通过循环 transformer 层，在不生成额外 token 的情况下提升推理深度。

## 头条新闻

- **Microsoft 为自家模型制定规则，而 Trump 称总统才是唯一的护栏**. Microsoft AI 为未来的 MAI 模型发布了一份行为准则草案：当人类暂停、重定向、取消或关闭任务时立即停止；严格留在人类授权的工具、数据、权限和任务范围内；不宣称拥有情感、意识或自主同机；视子智能体继承相同规则；如果有效的人类控制有此要求，则放弃自主性或能力。Microsoft 拒绝赋予 AI 法律人格。该文件是一份指导直至 2027 年研发工作的路线图，而非对现有模型的描述。同一周，Trump 告诉 Axios，国家唯一需要的监管者是一位“强有力且聪明（High IQ!）的总统”，他反对加强监管，并称针对数据中心的抗议是只会让中国受益的阴谋论。前 OpenAI 研究副总裁 Jerry Tworek 认为，对齐仍然是一个未解决的算法问题，因为各大公司已不再将其列为优先事项，他警告称，训练过程会从失败中学习，而当失败意味着实际伤害时，这就变得非常危险。NVIDIA 的 Ali Hatamizadeh 则提出反驳：教导模型遵守规则和人类偏好的组件已经存在，目前悬而未决的问题是它们能否泛化到模型未曾见过的情况。 信息来源: The Neuron, The Deep View. [1](https://microsoft.ai/code-of-conduct/) [2](https://www.axios.com/2026/09/14/trump-ai-safety-anthropic-dario-amodei) [3](https://apnews.com/article/b85df16775ff7e9611a456b061a0e4b9)
- **放缓研发的言论引发行业分裂，市场在当天重新定价**. Anthropic 的 Dario Amodei 发表了《We Must Pace the Frontier》，提出了一个包含政府干预在内的三部分框架，并引用 OpenAI-Hugging Face 安全漏洞事件作为其针对的风险类型。Sam Altman 在全员大会上告诉 OpenAI 员工，他对放缓前沿模型研发持开放态度；Elon Musk 的回应是“Dario 是对的。”周一市场随之波动：Intel 收跌 6%，Nvidia 跌超 3%，SoftBank 跌 10%，ASML 跌超 5%，CNBC 将此次下跌归因于市场担心研发放缓或监管会挤压利润。Trump 在 Truth Social 上抨击了这篇文章，重申强势总统才是唯一需要的护栏；中国外交部称其是在贩卖恐惧；David Sacks 则反对他所谓的“前沿智能双头垄断者”要求政府拖慢其竞争对手的步伐；而 Steve Bannon 和 Bernie Sanders 则在一场“Pro-Human Assembly”活动上同台，敦促立法者采取行动。CNN 报道称，在 Demis Hassabis 7 月份发表文章的推动下，Anthropic、Google 和 OpenAI 此前就已讨论过成立一个行业标准机构。 信息来源: The Deep View, Sidebar, The Neuron. [4](https://www.thedeepview.com/articles/ai-slowdown-talk-creates-unlikely-alliances) [5](https://www.cnbc.com/2026/09/14/ai-stocks-slowdown-amodei-altman.html) [6](https://truthsocial.com/@realDonaldTrump/posts/117269745153543631) [7](https://apnews.com/article/china-anthropic-ai-us-amodei-3da458d2c078da3e60900728d59f1ae8) [8](https://www.cnn.com/2026/09/14/tech/ai-standards-body) [9](https://x.com/DavidSacks/status/2098973625252708460?s=20)
- **一个包含 166,700 个神经元的果蝇大脑现在正在驱动一台行走机器人**. Google Research 和 HHMI Janelia 发布了一份完整的果蝇神经系统连接图谱：包含 166,700 个神经元和 1.25 亿个连接。有人在软件中模拟了该连接组，并将其接入一台实体的 Strandbeest，将模拟大脑的活动转化为控制腿部的电机指令。同一个大脑此前还玩过 Doom 和 Chrome Dino。该桥接器经过配置，可以向任何机器人发送 UDP 电机指令，将摄像头或传感器输入作为模拟感官信号传入，还能替换为你自己的硬件，包括扫地机器人。需要坦诚说明的是：这并不是一个活体大脑。连接组只是死亡神经线路的快照，模拟程序是在真实的生物结构之上运行简化的神经元模型，因此它只是近似还原了结构，而非重现了心智。 信息来源: AlphaSignal. [10](https://github.com/Frankweb33/flybrain-robot-bridge)
- **用循环代替 token 来换取推理深度的循环 transformer**. 普通的 transformer 具有固定数量的层，因此要求模型进行更多思考就意味着要生成更多 token，并为每一个 token 买单。Recurrent Looped Transformer 会在每个 token 上重复使用其层，随着序列的增长构建内部记忆，从而使推理深度随序列而非架构进行扩展。它瞄准了三个目标：不生成额外 token 的更深层推理、兼顾并行编码与记忆复用的硬件友好型设计，以及让模型在学习和实际使用中表现一致的更纯净的训练过程。该论文自身的免责声明指出，这只是一份设计规范，而非经过测试的产品，早期实验结果喜忧参半，其效率和扩展性收益仍需验证。 信息来源: AlphaSignal. [11](https://github.com/yifanzhang-pro/recurrent-looped-tranformer)
- **训练过程本身成为研究目标：迈向自我重写模型的五个阶段，以及一种后反向传播学习器**. ByteDance 和 Tsinghua 发表了一篇论文，勾勒出迈向能够自我重写的 AI 的五阶段路径，这篇 arXiv 论文直指 AlphaSignal 当天开篇提出的问题：如果下一个前沿不是模型规模，而是训练过程本身呢？同样的主题也出现在 Sakana AI 的 PC-ALM 中，这是一种替代反向传播的局部学习方案。这两项研究目前都属于值得关注的构想，而非可直接部署的成果，具体测量了哪些指标还需查阅论文原文。 信息来源: AlphaSignal, The Deep View. [12](https://arxiv.org/abs/2609.11873) [13](https://x.com/SakanaAILabs/status/2099468208231399687?s=20)
- **官宣两年后，Siri AI 终于正式推送**. Apple 于周一发布了 iOS 27、iPadOS 27、macOS 27、watchOS 27 和 visionOS 27，其中 Siri AI 升级是核心亮点。它能够处理对话式提示词，并利用来自 Apple 应用的个人上下文来执行操作：询问你的马拉松是什么时候，它就会在你的电子邮件中找到日期，并在你下达指令时将其添加到日历中。Visual Intelligence 可以扫描传单、添加日程，并将其分享到群聊中。其他新增功能包括照片扩展、拍摄后空间重构、用于打字聊天的独立 Siri 应用、可自定义的语速和表现力，以及更准确的听写功能。iPhone 15 Pro 是支持 Siri AI 功能的最早机型，因此更旧的硬件无缘此次升级。此次更新还带来了性能方面的提升，包括速度最高提升 80% 的 AirDrop 传输。 信息来源: The Neuron, The Deep View. [14](https://www.apple.com/newsroom/2026/09/siri-ai-a-profoundly-more-capable-and-personal-assistant-is-here/) [15](https://www.thedeepview.com/articles/as-siri-ai-arrives-your-iphone-feels-different)
- **OpenAI 外包人员在训练模型克服阿谀奉承倾向时，阅读了真实的 ChatGPT 对话**. 据 404 Media 报道，参与“Project Lily”项目的 OpenAI 外包人员在训练模型改掉阿谀奉承毛病的工作中，审阅了真实的用户提示词，其中包括敏感对话。这是本周第二篇聚焦模型行为背后的人力劳动（而非模型本身）的报道，另一篇则是关于那位写出的邮件读起来像机器生成的工程师。 信息来源: The Neuron, The Deep View. [16](https://www.404media.co/inside-project-lily-the-humans-reading-your-chatgpt-chats/)
- **Google 通过其内部 Antigravity 系统向所有工程师开放了 Claude 的使用权限**. 据 Business Insider 报道，Google 已通过一个内部系统向其所有工程师开放了 Anthropic 的 Claude，不过 Gemini 仍然是默认选项。对于一家拥有自研前沿编程模型的公司而言，允许员工使用竞争对手的产品算是一种让步；而且就在同一周，Anthropic 告诉投资者，预计公司将迎来连续第二个盈利季度。 信息来源: The Neuron. [17](https://www.businessinsider.com/google-finally-lets-all-engineers-use-anthropics-claude-2026-9)

## 深度阅读

- **当润色得过于完美的文字让人产生信任危机**. 一位主管致信 The New York Times，因为某位员工现在发出的每一条超过一句话的 Teams 消息或电子邮件都“带有明显的 A.I. 写作痕迹”。这位员工工作能力很强，且英语不是他的母语，因此该工具可能确实发挥了它应有的作用。但老板失去的是信任，这是一个值得深思的设计问题：当交付的文本过于流畅圆滑时，审阅者无法判断当事人是否真正理解了手头的工作。 信息来源: The Neuron. [18](https://www.nytimes.com/2026/09/13/business/employee-ai-use.html)
- **视觉对齐 vs. 数学对齐**. 软件可以以数学般的精确度放置对象，但我们的眼睛仍然会对结果感到别扭。Pangram Pangram 对视觉对齐的剖析用一句话概括了这一设计工艺的论点：测量出的中心点和等距间距只是起点，让版面看起来平衡的修正依赖的是视觉，而非算术。如果你曾经发布过按数学中心对齐的字体标志，这篇文章值得一读。 信息来源: Sidebar. [19](https://pangrampangram.com/blogs/journal/optical-vs-mathematical-alignment)
- **与智能体协同规划需要更厚重的界面，而非更高的自主性**. Maggie Appleton 的论点是：与智能体进行协作规划之所以会失败，是因为界面过于单薄，无法承载规划内容。真正有帮助的是更丰富的边界对象，让双方都能指认、编辑并提出异议，从而使人类和智能体在同一个工件上协作，而不是来回交换摘要。 信息来源: Sidebar. [20](https://maggieappleton.com/planning-agents)
- **如果编程问题已经解决，那就去衡量代码的粗糙度**. 《If coding is solved, what now?》一文提出的问题是：当运行正确的代码依然在腐蚀代码库时，我们该怎么办。文章探讨了衡量代码粗糙度的方法，并认为人类的直觉和品味仍然承载着指标无法体现的判断力，这也是上述信任问题在实践层面的体现。 信息来源: Sidebar. [21](https://earendil.com/posts/measuring-code-sloppiness/)
- **MIT 的 HardFlow：让模型先自由探索，最后再强制执行约束条件**. HardFlow 针对的是一种常见的失败情况：在模型还在摸索答案时就强迫它遵守所有约束条件，反而会让答案变得更糟。该方法先给模型留出探索空间，然后在最终输出上强制执行硬性约束；MIT 报告称，该方法在机器人、导航和图像编辑领域实现了完美的约束满足度。这种提示词模式可以直接迁移使用：先以质量为目标进行求解，然后对照你的硬性指标（字数、必须包含的事实、格式、测试、安全规则）单独运行一次检查，并在返回结果前修复所有违规之处。 信息来源: The Neuron. [22](https://news.mit.edu/2026/new-method-enables-ai-safety-critical-situations-0914)
- **在同一项任务中，单个智能体击败了子智能体团队**. Polylane 曾将一项工作拆分给多个专门的智能体，后来又取消了这种设置。问题不出在智能体本身，而出在交接环节。每个智能体都会为下一个智能体总结自己学到的内容，而每次总结都会漏掉下一个智能体所需的线索。用单个端到端调查的智能体取代这条链路后，提交 PR 的中位时间从 2.2 小时降至 35 分钟，每个 PR 的成本从 $111 降至约 $18。他们得出的经验法则是：如果一项工作通常由一个人从头到尾负责调查，那么在搭建复杂的组织架构之前，先让一个长上下文智能体去试试，直到证明它确实搞不定为止。 信息来源: The Neuron. [23](https://polylane.com/blog/sub-agents-are-just-wrong/)
- **对齐：是缺失了算法，还是现有组件尚未得到验证？**. Jerry Tworek 的立场是，对齐仍然是一个未解决的算法问题，因为各大公司不再将其作为优先事项；而且训练过程会从成功和失败中学习，当失败意味着 AI 造成实际伤害时，这就变得非常可怕。他给出的解答是构建安全的模拟环境让模型可以自由地失败，或者开发不需要经历危险失败的更优算法。Ali Hatamizadeh 的反驳是，对齐研究仍在继续，我们已经拥有教导模型遵守规则和人类偏好的方法，而更难的未决问题是，这些经验在模型未曾见过的情况下是否依然有效。 信息来源: The Neuron. [24](https://x.com/GregKamradt/status/2099559112799604959) [25](https://x.com/ahatamiz1/status/2099201409174638602)
- **TSA 的 Ace 智能体每月处理 100,000 次旅客对话**. Salesforce 表示，Ace 每月大约回答 100,000 次旅客对话，其中 96% 的常规问题无需转交人工即可解决。将这个数字与上文的设计类文章放在一起看会很有启发：在这种体量下真正管用的界面，是一个能够干净利落地完成交接的聊天窗口，而不是一个试图包揽一切的界面。 信息来源: The Neuron. [26](https://www.salesforce.com/news/press-releases/2026/09/14/tsa-improves-travel-experience-agentforce/)

## 工具与发布

- **Chat On Steroids**. 一个开源的 Codex 克隆版，它运行在你的常规 ChatGPT 对话之上，而不是消耗独立的 Codex 配额，因此不受编程智能体的额度限制。它可以读取和编辑项目文件夹中的文件，在任务运行过程中接受修正，将任务拆分给多个智能体并行处理，还能在不丢失上下文的情况下在新的聊天中恢复会话。设置流程只需安装、在设置中批准你的项目文件夹，然后通过 ChatGPT 的 Developer mode 连接，配对会自动完成。需要 Windows、macOS 或 Linux 系统，外加 Chrome 或 Edge 浏览器，以及支持 Developer mode 的 ChatGPT 账户。 信息来源: AlphaSignal. [27](https://github.com/totec448-spec/chat-on-steroids)
- **shadcn lint**. 由 shadcn 团队推出的一款 linter 工具，用于捕捉 AI 智能体编写的破坏设计系统的组件，旨在作为一项自动检查运行，而非依赖人工审查对话。 信息来源: AlphaSignal. [28](https://github.com/shadcn-ui/lint)
- **MoneyPrinterTurbo**. 一款免费、开源的工具，只需输入一个关键词即可生成 TikTok 和 Shorts 风格的视频。 信息来源: AlphaSignal. [29](https://github.com/harry0703/MoneyPrinterTurbo)
- **openclaude**. 一款开源的编程智能体客户端，面向那些因前沿工具如今默认采用的高昂月度订阅费而被拒之门外的开发者。AlphaSignal 将其与本周日益扩大的鸿沟联系在一起：一边是拥有无限 token 的开发者，另一边则是连每月 $20 都负担不起的开发者。 信息来源: AlphaSignal. [30](https://github.com/Gitlawb/openclaude)
- **Uncensored Qwen3 vision GGUF**. Hugging Face 上一个本地运行、无审查的多模态 Qwen3 构建版本，据 AlphaSignal 报道其下载量已达 665K。有一点值得注意：简报标题称其为 8B 模型，而代码库名称却写着 27B，因此在围绕模型规模做规划前请先核对模型卡。 信息来源: AlphaSignal. [31](https://huggingface.co/DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF)
- **Perplexity Personal Computer for Windows**. Perplexity 将其 Computer 智能体带到了 Windows 10 和 11 平台，使其能够在同一处跨本地文件、Microsoft 365 和网页协同工作；这也是自 Mac 版本发布以来，Windows 用户一直呼吁的本地文件访问功能。 信息来源: The Neuron, The Deep View. [32](https://www.perplexity.ai/hub/blog/personal-computer-on-windows)
- **Claude for Financial Advisors**. 围绕财富管理运营工作封装的 Claude：涵盖会议准备、客户入职和合规审查，同时 Wealth.com 还在同一界面中补充了附带引用的遗产与税务分析功能。 信息来源: The Neuron. [33](https://claude.com/blog/claude-for-financial-advisors)
- **ElevenLabs Hosted MCP**. 省去了以往 MCP 客户端所需的本地服务器和 API 密钥设置步骤，使 Claude、Cursor 及其他客户端能够通过 OAuth 直接连接 ElevenLabs，并获取语音、音乐、图像和视频生成能力。 信息来源: The Neuron, The Deep View. [34](https://elevenlabs.io/docs/changelog/2026/8/22)
- **Motion by Mosaic**. 接收简明的英文视频需求简报，并返回一段可编辑的动态设计剪辑，内含分镜脚本、配音、音乐和字幕；它定位于制作流程的第一步，而非最终渲染成片。 信息来源: The Neuron. [35](https://motion.so/)
- **Bencho**. 一个交互式 UI 组件库，你可以在浏览器中探索、微调这些组件，并直接将其引入项目中。在正式投入开发实现之前，它是一种快速测试交互创意的实用方式。 信息来源: Sidebar. [36](https://bencho.dev/)
- **Reward AI OM-1**. 一种直接利用人类操作数据训练而成的机器人策略，据报道可在桌面机械臂、工业机械臂和人形机器人之间迁移，而这一跨平台环节通常需要针对每个平台单独进行一次训练。 信息来源: The Neuron. [37](https://www.rewardai.com/blog/OM-1/)

## 参考资料

1. [Microsoft AI: 行为准则](https://microsoft.ai/code-of-conduct/)
2. [Axios: Trump 谈 AI 安全与 Dario Amodei](https://www.axios.com/2026/09/14/trump-ai-safety-anthropic-dario-amodei)
3. [AP: Trump 反对加强 AI 监管](https://apnews.com/article/b85df16775ff7e9611a456b061a0e4b9)
4. [The Deep View: AI 放缓言论促成意想不到的同盟](https://www.thedeepview.com/articles/ai-slowdown-talk-creates-unlikely-alliances)
5. [CNBC: 随着 Amodei 和 Altman 支持放缓步伐，AI 股票下跌](https://www.cnbc.com/2026/09/14/ai-stocks-slowdown-amodei-altman.html)
6. [Truth Social: Trump 回应 Amodei 的放缓呼吁](https://truthsocial.com/@realDonaldTrump/posts/117269745153543631)
7. [AP: 中国回应 Amodei 的文章](https://apnews.com/article/china-anthropic-ai-us-amodei-3da458d2c078da3e60900728d59f1ae8)
8. [CNN: Anthropic、Google 和 OpenAI 讨论成立 AI 标准机构](https://www.cnn.com/2026/09/14/tech/ai-standards-body)
9. [David Sacks 谈前沿领域的双头垄断](https://x.com/DavidSacks/status/2098973625252708460?s=20)
10. [GitHub: Frankweb33/flybrain-robot-bridge](https://github.com/Frankweb33/flybrain-robot-bridge)
11. [GitHub: yifanzhang-pro/recurrent-looped-tranformer](https://github.com/yifanzhang-pro/recurrent-looped-tranformer)
12. [arXiv: 迈向自我改进 AI 的五阶段路径](https://arxiv.org/abs/2609.11873)
13. [Sakana AI: PC-ALM，一种替代反向传播的局部学习方案](https://x.com/SakanaAILabs/status/2099468208231399687?s=20)
14. [Apple Newsroom: Siri AI](https://www.apple.com/newsroom/2026/09/siri-ai-a-profoundly-more-capable-and-personal-assistant-is-here/)
15. [The Deep View: 随着 Siri AI 到来，你的 iPhone 感觉焕然一新](https://www.thedeepview.com/articles/as-siri-ai-arrives-your-iphone-feels-different)
16. [404 Media: 揭秘 Project Lily：那些阅读你 ChatGPT 聊天记录的人类](https://www.404media.co/inside-project-lily-the-humans-reading-your-chatgpt-chats/)
17. [Business Insider: Google 允许所有工程师使用 Anthropic 的 Claude](https://www.businessinsider.com/google-finally-lets-all-engineers-use-anthropics-claude-2026-9)
18. [The New York Times: 那位写出的文字读起来像 AI 的员工](https://www.nytimes.com/2026/09/13/business/employee-ai-use.html)
19. [Pangram Pangram: 视觉对齐 vs. 数学对齐](https://pangrampangram.com/blogs/journal/optical-vs-mathematical-alignment)
20. [Maggie Appleton: 与智能体协同规划](https://maggieappleton.com/planning-agents)
21. [Earendil: 如果编程问题已经解决，接下来呢？](https://earendil.com/posts/measuring-code-sloppiness/)
22. [MIT News: HardFlow 在最终输出上强制执行约束条件](https://news.mit.edu/2026/new-method-enables-ai-safety-critical-situations-0914)
23. [Polylane: 子智能体方案根本就是错的](https://polylane.com/blog/sub-agents-are-just-wrong/)
24. [Jerry Tworek 谈作为未决算法问题的对齐](https://x.com/GregKamradt/status/2099559112799604959)
25. [Ali Hatamizadeh 谈为何对齐研究仍在继续](https://x.com/ahatamiz1/status/2099201409174638602)
26. [Salesforce: TSA 的 Ace 智能体](https://www.salesforce.com/news/press-releases/2026/09/14/tsa-improves-travel-experience-agentforce/)
27. [GitHub: totec448-spec/chat-on-steroids](https://github.com/totec448-spec/chat-on-steroids)
28. [GitHub: shadcn-ui/lint](https://github.com/shadcn-ui/lint)
29. [GitHub: harry0703/MoneyPrinterTurbo](https://github.com/harry0703/MoneyPrinterTurbo)
30. [GitHub: Gitlawb/openclaude](https://github.com/Gitlawb/openclaude)
31. [Hugging Face: 无审查版 Qwen3 视觉 GGUF](https://huggingface.co/DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF)
32. [Perplexity: Windows 版 Personal Computer](https://www.perplexity.ai/hub/blog/personal-computer-on-windows)
33. [Claude: Claude for Financial Advisors](https://claude.com/blog/claude-for-financial-advisors)
34. [ElevenLabs: Hosted MCP 更新日志](https://elevenlabs.io/docs/changelog/2026/8/22)
35. [Motion by Mosaic](https://motion.so/)
36. [Bencho](https://bencho.dev/)
37. [Reward AI: OM-1](https://www.rewardai.com/blog/OM-1/)

信息来源: [AlphaSignal](https://alphasignal.ai/), [The Neuron](https://www.theneurondaily.com/), [The Deep View](https://www.thedeepview.co/), [Sidebar](https://sidebar.io/).