AI 情报文章归档

Modal 分享为编码 Agent 提供万亿参数模型 Kimi K2.6 推理服务的优化实践，优化后单副本每用户性能提升 2.8x、副本整体吞吐提升 5.6x，单个服务日处理数千亿 token。

Tomer Tunguz 分析认为企业 AI 用量集中在需要足够智能且价格可负担的多步骤工作流中段市场，降价竞争正是证据。Anthropic 前沿模型 Fable 5.1 上线前十二天仅占网关支出的 3.7%，大型企业账户的前沿模型 token 消耗占比从 8 月初的 53% 降至 9 月的 45%；Cursor 用微调 Kimi K2.5 将成本降低 86%。

论文提出用证明长度与陈述长度之比衡量定理的内在有趣度，并证明其与下游实用性相关。作者训练了一个 27B 模型预测证明难度，准确率超过前沿通用模型；按该指标优化后，生成定理与 Mathlib 的实质性或完全重合率从 91.9% 降至 30.6%，系统可迭代构建自扩展的机器验证数学库。

研究者发布数据驱动的机器人仿真器 Uranus，基于关节轨迹条件的自回归扩散模型，可在线接收未来关节位置轨迹并逐步自回归生成隐帧，每步对应四帧 RGB，无固定时长限制。经推理优化后生成速度达 24 FPS，并提供统一接口支持多种机器人形态与相机配置的同步多视角生成。代码与模型权重已开源。

WhatWorkedBench 被提出，用于衡量 AI 研究智能体的实验理解能力，即预算受限实验后对组件改动效果的预测准确度。基准覆盖 30 个数据源、8 类工作流的 36 个任务，含 1248 条配置记录，核心评测整合 4206 条数值控制记录与 108 个智能体 episode。对同一批智能体观测拟合高斯过程后，Flash 队列的效果恢复率从 0.632 升至 0.698。

Epoch AI 推出家具组装基准 FAB，用 60 张宜家家具组装照片测试模型的视觉与空间推理能力，模型需找出错误步骤并描述问题。OpenAI 的 GPT-6 Astra 以 80% 登顶，每张照片中位耗时 3 分钟，比此前领先模型快 2 至 10 倍；Claude Fable 5.1 和 Claude Opus 5 分别为 70% 和 61%。

OpenRouter 发布 Jev 使用教程，Jev 是 TypeSafe 推出的决策模型（模型 ID typesafe/jev-1.13），通过 OpenRouter Decisions API 接收 state 和问题，返回带概率的类型化答案而非生成文本。

上海AI实验室推出 InternW 物理世界模型系列的首个模型 InternW0，通过非对称视频动作架构结合 flow matching 联合学习未来视觉动态与连续机器人控制，视频专家提供长时程预测上下文，轻量动作专家以更快频率运行，并通过复用层间 K/V 和观察条件上下文路由避免每次动作更新都重新生成未来。

腾讯混元发布开源 MoE 大语言模型 Hunyuan-A13B，总参数 80B、推理仅激活 13B，以平衡能力、效率与部署成本。模型在经严格筛选的 20T token 语料上预训练并加强 STEM 数据，再经 SFT 和大规模强化学习；引入双模式 Chain-of-Thought 框架，简单问题用快思考、复杂多步问题用慢思考。

一篇综述系统梳理了自回归（AR）视频生成中的记忆机制，将记忆定义为跨 AR 步骤持续保留、在原始证据离开上下文后仍能影响后续生成的历史信息。文章从形式、功能、操作、学习与评估五个视角组织文献，并指出可组合且资源感知的记忆架构、可信状态更新、自 rollout 学习与标准化评估等开放挑战。

OpenRouter 于 2026 年 9 月 11 日核实嵌入模型目录共 37 个条目，并通过自家 embeddings API 向 19 个模型发送批量请求、共 28 项检查，确认请求与响应行为。

研究者提出 EmbodiedMemory-Bench（EMem-Bench），包含 4 类任务家族共 2,554 个交互 episode，要求智能体从交互历史中构建并更新记忆，再据此在环境中完成后续任务。

研究团队提出 EmbodiedSWE 框架，并构建 EMBODIEDSWE-BENCH 仿真基准，覆盖富接触操作、可变形物体及需长达半小时连续交互的长时程任务，发现前沿编码智能体可求解复杂长时程任务并跨任务、跨本体迁移已有解法。

研究者提出按"留一法"对 WER 影响排序来剪除 Whisper 编码器层，去掉影响最小的 6 层，占编码器堆栈的 18.5%，剪枝后模型无需自定义推理代码。再用无标签单语语音数据蒸馏恢复性能，四种语言平均 WER 从零样本剪枝的 21.9% 降至 20.1%，基线为 18.2%。代码与剪枝模型已开源。

MemBodied 是一种固定大小的情景记忆机制，为 Vision-Language-Action 模型提供跨策略调用的联想状态和保留初始场景的 episode anchor，避免直接堆叠历史观测。

研究者发现联合多模态扩散 Transformer 存在"互惠对应鸿沟"：动作、音频等伴随模态能强对应视频，反向约束视频的对应却明显偏弱。为此提出 KL 正则化方法 RecCAR，以视频到模态的对应为固定参照，拉齐较弱的模态到视频对应。在视频-动作与视频-音频生成中，RecCAR 将 Human Anatomy 分数从 0.69 提升至 0.75，音视频不同步从 0.804 降至 0.752。

研究者推出 WROP，一个包含 150 项认知科学启发任务、分属六个认知类别的数据基础设施，每项任务经 Blender 生成器随机化后产出 1 万+ 样本。团队发布 1.5M 样本训练语料和 300 题考试，评测 14 个视频模型，其中 16B 的 PWM-WROP 在盲测成对 Elo 中位列 continuation 模型第一、总榜第三。

小米上架米家筒灯 3 Pro、米家射灯 3 Pro 和米家筒灯 3 Pro 人在感应版三款新品，首发价分别为 152 元、176 元和 199 元，国补价 129.2 元、149.6 元和 169.2 元。

This is a submission for the Sanity Challenge, Path Two: Vibe-Code Something Strange I built...

OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，API 价格大降 50%，将 GPT-6 Astra 在专业工作、事实性、编码、计算机使用和对齐方面的性能带入更快、更经济的模型。

高驰发布 COROS PACE 4 Pro 运动手表，售价 2999 元，部分地区国补到手价 2,549.15 元。新品采用 5 级钛金属表圈与蓝宝石镜面，机身重 38 克、厚 11.8mm，配 1.47 英寸 AMOLED 屏，单频高精度模式续航 60 小时、日常使用 21 天。手表支持 AI 语音操控，COROS MCP 可接入豆包、ChatGPT、Claude 等主流 AI 平台。

Semafor 报道，美国财政部长 Scott Bessent 正成为特朗普新设 AI 事务主管（AI czar）职位的主要候选人。特朗普 9 月 9 日表示将组建“AI Force”并任命新的 AI 事务主管。Bessent 已进入 AI 政策核心角色，本周在特朗普与习近平会晤前与中国副总理何立峰举行了会谈。

Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。GPT-6 Sol 和 Luna 价格为此前 GPT-5.6 同级的一半，GPT-6 Luna 低至输入 $0.10/M、输出 $0.50/M；Opus 5.5 定价降 20% 至 $4/$20，缓存读取降 60%。

有人用 Opus 5.5 配合 Lean 对 Claude Agent SDK 做形式化验证，几段简短提示词就产出 16 个 PR，修复了各类 bug 和竞态条件。作者称 TLA+ 同样好用，有时会把 Lean 与 TLA+ 结合，排查数据流、并发和状态管理问题；他本人并不熟悉这两门语言，但 Claude 都很擅长。

京东方董事长陈炎顺在投资者关系活动中表示，玻璃基封装载板试验线已全线拉通，24 层产品已送客户验证。公司已完成 24 层、尺寸超过 100×100 毫米的载板产出并通过厂内可靠性测试，目前正与客户进行芯片上代后的电性能测试，争取在 2027 年上半年前、特别是 2027 年一季度达到量产投资决策条件。

苹果推送 macOS 27.2 Golden Gate 首个公测版，内部版本号 26B5091g，新增 16 段条形音量与亮度滑块，采用“液态玻璃”设计风格。该版本将 Siri AI 语言支持从英语扩展至法语、日语、韩语、葡萄牙语和西班牙语，并修复 Launchpad 动画断裂问题。欧盟用户的 ATT 提示框扩展至法国、德国、意大利、波兰和罗马尼亚，且每年重新提示一次。

Artificial Analysis 测算 Claude Opus 5.5 (max) 每 Intelligence Index task 成本为 $5.98，与 Opus 5 (max) 的 $5.86 接近。Opus 5.5 token 用量上升单独会使成本升至 $10.51，但 Anthropic 基础价格下调 20%（$5/$25 降至 $4/$20）降至 $8.41，缓存读取降至 $0.20/1M 再降 29% 至 $5.98。

OpenAI 为 GPT-6 的提示词缓存带来更高命中率、诊断工具、断点、预热和保留缓存的推理变更。缓存复用可将缓存输入 token 成本降低最多 90%，新仪表盘展示缓存命中率及缓存与未缓存 token 量。作者指出高命中率仍是应用设计问题，开发者需让长时运行智能体的稳定指令和工具保持可复用。

Unreal Labs 发布 Unreal Agent，用全异步 harness 管理工具调用，免去模型自己处理等待、轮询和心跳的开销。

TechCrunch Founder Summit 将于 11 月 4 日在波士顿 SoWa Power Station 举办，官方议程已公布，涵盖融资、招聘与 AI 战略等主题。7AI 联合创始人兼 CEO Lior Div 将分享如何从第一天起打造 AI 原生公司，HqO 联合创始人兼 CEO Chase Garbarino 则讲述在波士顿打造覆盖 30+ 国家公司的经验。

斯坦福大学教授、World Labs 联合创始人李飞飞呼吁由独立机构和公共部门对 AI 进行更多监督，认为能力日益强大的 AI 系统不应完全交由开发公司自行评估安全。她表示，AI 公司内部研究人员可评估单个模型，但无法替代由政府、行业和学术机构共同制定的更广泛标准，行业与政府应共同承担责任。

Why Does Your AI Coding Agent Start Forgetting What It Was Doing? I've been working with AI coding...

A field report on AI usage metering: five recurring bug families across 110 open-source tools, 45+ verified bugs, 23 fixes merged upstream, and one independent reproduction.

作者实测GPT-6 Sol、Luna与Claude Opus 5.5三款新模型。GPT-6 Sol/Luna API价格比GPT5.6低50%，Opus 5.5输出速度比Opus5快30%、成本低40%，并提升了pro、max、team套餐的五小时额度窗口。

微软面向 Windows 11 26H1 推送可选累积预览更新 KB5124006，安装后版本号升至 Build 28000.3086。任务栏新增底部、顶部、左侧、右侧四边贴靠与小型任务栏模式，开始菜单在“自动”之外新增小、大两种布局。该版本还引入默认关闭的管理员保护（Admin Guard）和面向 AI 编码智能体的 Microsoft 执行容器（MXC）进程隔离能力。

FoxDev Studio 让 Visual FoxPro 项目无需重写、转换或导出即可在现代机器上打开并运行，项目、表单、类库、菜单和报表直接读取原有文件。

华为仓颉编程语言发布 1.2.0 版本，属 STS 通道，维护周期 6 个月，STS 1.1.x 计划 2026.10.30 停止维护。相比 1.1.3，该版本新增 Android 23 (API 23) aarch64 与 iOS LTO 支持，增强 ObjC / Java 跨语言互操作，并修复一批语义 ICE 问题。

来见见我的新 Grok @bot

科技分析师、前 a16z 合伙人 Benedict Evans 指出，AI 可能自动化初级律师、咨询顾问、银行家和广告从业者的大量日常工作。他认为，金字塔底层岗位的工作内容将被重塑，而从未在律所或 Bain、BCG、McKinsey 工作过的人，很难真正理解这一变化如何发生。

Artificial Analysis 发文指出，GPT-6 Sol 和 Luna 在 Intelligence Index 中得分与各自前代相近，但 token 定价下降约 50%，将单任务成本减半。其图表展示了各代 OpenAI 模型在智能与单任务成本之间的权衡曲线。