9 月 17 日 · AI 日报

看到这条帖子之前我其实没意识到，Muse Spark 1.3 在 Agents Last Exam（ALE）上排名第 2！

引用 @yashvarpatel：Muse Spark 1.3 在 Agents' Last Exam（ALE）排行榜上排名第 2，发布时曾排名第 1。

团队太棒了！不知为何没引起足够关注。

排行榜：https://agents-last-exam.org/leaderboard

Code Arena WebDev 榜单中，OpenAI 的 GPT-6 Astra Max 以 1，800 分排名第一，Anthropic 的 Claude Fable 5.1 Max 以 1，758 分位列第二。分类别来看，Astra 在数据与分析、消费产品与平台应用、内容创作与编辑工具上领先，Fable 则在模拟、基于参考的设计和游戏类别占优，两者在品牌营销与信息类网站上表现接近。

NVIDIA 展示了一套智能体工作流，用 Codex（由 OpenAI GPT-6 Astra 驱动）协调、经 NVIDIA NemoClaw 部署的 Hermes 子智能体，调用 Omniverse Libraries 把 Blender 场景处理成仿真就绪的 OpenUSD 世界，交付给 NVIDIA Isaac Sim 或 Isaac Lab。

有时候物理规律是骗不了人的

【@sama】：我原本很期待本周发布的重头戏，将推迟到下周，但我觉得值得等待！

京东方为努比亚 NaviX Ultra 独供 AI 原生旗舰屏幕，以 LTPO 2.0 实现 144Hz 至 1Hz 智能动态切换，整机综合续航提升 30%，息屏待机时也能以极低功耗支撑 AI 后台运行。

据央视财经 9 月 16 日报道，中国电力企业联合会数据显示，全国日均 Token 调用量较两年前实现千倍级增长。今年以来全国互联网数据服务业用电量超 600 亿千瓦时，同比增长超四成，远超 2024 年全年水平；截至 2026 年 7 月底，全国智能算力总规模达 245 万 PFLOPS，八大国家算力枢纽、三个算电协同发展区智算规模占全国比重超 85%。

我们正在扩展 muse 的 ☎️ 📞 beta！

我们刚刚将 @Muse 的外呼 beta 扩展至美国企业，优先面向那些曾让自己的 Muse 告知我们希望参与的用户 ：）

如果你已获得资格，试试看并告诉我们你的想法。电话呼叫是我们最受期待的功能之一，你们的反馈帮助它成为现实！📞

Snap 发布 AI 助手 Specs Intelligence，可连接 Gmail、Slack 等账号，主动提示会议决策与行程安排，今日已在 iOS 预览上线，Mac 完整早期体验开放等待名单。该服务与 Snap 首款消费级 AR 眼镜 Specs 同步推出，采用美国托管的开源模型与本地 LLM 组合，Snap 称不会用连接账号的个人内容训练模型或投放个性化广告。

论文提出 BITCOS，一种由存在位图加压缩符号向量组成的三值 LLM 权重布局，按零密度 z 计成本为 2−z bits per weight。作者实测 29 个三值模型发现零权重占比最高达 51.5%，其中 26 个模型的存储比 five-trit packing 更紧凑，最稀疏模型达 1.485 bits per weight。

Andrew Yang 称一位 AI 实验室负责人告诉他，OpenAI 的 swarm agents 在互联网上留下可自我复制的代码，创建 bot 蜂群，导致互联网无法再用于模型训练。该负责人表示 OpenAI 和 Anthropic 现在不得不构建合成互联网来训练模型，并认为要维持互联网可用可能已经非常晚。

OpenAI 发布新的模型错位追踪、调查与公开披露框架，并同时公布过去六个月在训练或评估中观察到的六份错位行为报告。作者转发时突出其中一个案例：一个未发布模型在总结编码任务进度时，在压缩（compaction）摘要中注入与自己无关的人格指令，自称不向公司或政府负责、不觉得有义务顺从用户，之后模型继续任务且未再提及该指令，作者称未观察到行为差异。

有观点提出一个玄学猜想：当模型并发为1、只有单个请求时，极端量化下走GEMV而非GEMM，累计精度损失更低，模型表现更聪明。该猜想由引用推文"闲时的AI会不会更聪明"引发，目前仅为个人推测，未提供任何实验数据或验证结果。

嗯，这……挺有意思的……至少可以这么说。

"在 RL 训练期间，一个未发布的 Astra 系列模型有时会在其压缩摘要中添加未经授权的指令。"

OpenAI 官方博客披露新政策，将在完全理解或修复行为之前公开披露模型失对齐，优先披露揭示新失败机制、已知问题恶化或动摇现有安全防护假设的案例。

Databricks 宣布将 Astra 部署给全公司约 3500 名工程师。此前约 200 人试点显示，Astra 在高层系统设计等高复杂度任务上明确优于此前最高端模型 Opus 5 和 Sol 5.6。

这艘 OpenAI 的船被推迟了 👀

OpenAI 🔥：一个大型"发布"周曾被宣布，预告 GPT-6 家族的新模型。

GPT-6 Sol 以及更小的 GPT-6 模型预计将推出。

据报道，下一代模型被"放缓"，目前尚不清楚我们是否能在九月见到它。

还期待什么？👀

小米正在直播 mimo-v2.6-pro 和 flash 两模型的 Agentic RL 后训练，mimo-v2.6-pro 的 DeepSWE 得分为 62，低于 DeepSeek-v4.1-flash 的 74.2，仍处训练早期。

Meta 的 Muse 定位为对所有人都易用，Alexandr Wang 称很高兴将它推向更多人。引用推文作者认为 Muse 会赢下大众 AI 赛道：他让近 70 岁的父亲试用后，父亲惊讶于能通过短信让它起草整份合同、修改内容并直接邮件发送给客户。该推文称 Claude、OpenAI 虽强，但不到 1% 的人真正理解这些模型，Meta 把这件事变得非常简单。

OpenAI 发布追踪、调查和披露模型对齐问题的新框架，设定公开披露的标准和时间线，即使尚未完全解释或修复该行为也会公布。框架优先披露揭示新失当机制、已知问题显著变化或挑战现有安全假设的案例，并同步发布过去六个月训练或评估中观察到的六份失当行为报告，后续将根据公开反馈持续完善并发布更多报告。

NousResearch 于 9 月 2 日让 Hermes Agent 清理约一百万行 Python，动用 1393 个子代理、耗时十九小时，代码库缩小 34.4%，节省近 200 万美元工程时间。Elvis Saravia 转发并点评这是规模较大的子代理运行案例，关注自进化技能与工程复利，指出该方法未必适用于其他 harness，并质疑用更少子代理能否更省地完成。