AI 学习摘录 2026-09-16
本周是 2026 年第三季度最密集的一周：四大实验室在一周内先后发布新一代旗舰模型， 行业同时在"继续加码算力"与"呼吁放缓开发速度"两种声音之间拉扯。
一、一周内发布的旗舰模型
| 日期 | 厂商 | 模型 | 要点 |
|---|---|---|---|
| 09-01 | Anthropic | Claude Fable 5.1 / Mythos 5.1 | 共享底层架构，主打性能提升与成本下降 |
| 09-03 | OpenAI | GPT-6 Astra | 定位"具备自主执行能力"，强调计算机使用与多步工作流 |
| 09-10 | DeepSeek | V4.1-Flash | 552B 参数 MoE，Causal Encoder–Decoder 架构，1M 上下文，官方称 KV cache 占用下降 75%；9-14 起 V4-Pro 请求全部路由至该模型 |
| 09-12 | xAI | Grok 4.7 | 参数规模约 2.1 万亿，较上一代增长约 40% |
| 09-15 | Google DeepMind | Gemini 3.8 Live | 语音优先，"边思考边说话"，生成音频内嵌 SynthID 水印 |
| 09-16 | 阿里巴巴 | Qwen3.5-Max-Preview | LMArena 盲测 1464 分，据该榜中国厂商第一、全球前五 |
| 09-16 | 腾讯混元 | 端侧模型 0.5B–7B（4 款） | Apache 2.0 开源，256k 上下文，面向手机/车机/IoT |
二、Scaling law 没有被打破，但刹车的声音变大了
GPT-6 Astra 据报道使用了超过 10 万张 GPU 训练，说明前沿能力仍依赖更大规模集群。 与此同时，OpenAI 首席科学家发表文章，认为当前进步速度可能超出人类对齐与监控能力的跟进速度， 主张自愿放缓并建立国际协调的安全底线。业界与监管机构对"是否该给 AI 设立护栏"存在明显分歧， 相关讨论已从技术圈进入政策层面。（背景：9 月初某实验室 CEO 曾发表长文呼吁限制最先进系统的开发速度。）
三、AI 安全的另一条线：语料与评测基础设施
- 09-15 中文互联网基础语料 4.0 发布，规模 120GB，在中文互联网语料资源平台上线， 由行业协会联合多家企业加工形成——高质量中文语料的供给仍是国内模型竞争的底座。
- 09-15 Meta 的自主研究系统 AIRA3 在 Kaggle 实时竞赛中取得金牌 （4000 支队伍中位列第 8），显示智能体在真实科研任务上的落地速度。
- 09-16 据报道 OpenAI 已与 Anthropic、Google DeepMind 就 AI 安全议题沟通数周， 三方协调不涉及反垄断豁免问题。
四、智能体与端侧：从"陪你聊"到"替你办"
- 09-15 荣耀发布 MagicOS 11，宣称行业首个系统级 Agent Harness 商用落地， 新一代 YOYO 智能体可连续处理超百步长程任务。
- 09-15 飞书 8.0 发布，推出团队智能体"豆包工作伙伴"， 智能体拥有独立身份、权限与长期记忆，可加入群聊协作。
- 09-15 联发科发布天玑 9600 Pro（台积电 2nm），端侧大模型参数上限提升至 300 亿。
- 09-16 vivo 开发者大会发布 OriginOS 7 与蓝河 OS 4，新版语音助手支持"一句话办事"。
五、具身智能与开源机器人
- 09-15 宇树开源 UnifoLM-WLA-1.0（约 60 亿参数全身 VLA 基础模型）， 统一动作空间覆盖 64 项桌面与全身操作任务，基于 Qwen3-VL-4B 构建。
- 09-15 中科紫东太初开源 ZDTaichu5.0-9B 多模态模型， 据其评测在 9 项国际空间理解基准中取得 8 项组别领先，主打物理世界与具身场景。
- 09-15 无问芯穹联合高校开源具身端侧推理引擎 APXInf， 宣称在 Jetson Thor 上把端到端推理延迟从 278 毫秒降至 26 毫秒以内。
六、资本与基础设施
- Stripe 宣布收购模型路由平台 OpenRouter，交易估值 75 亿美元——多模型调度正在成为基础设施层。
- ADI 以 13.5 亿美元基础价收购边缘 AI 芯片公司 Alif Semiconductor，加码微控制器级 AI 推理。
- NVIDIA 在 IFA 2026 展示本地 AI 方案，并发布 PAIR（把局域网内 RTX / DGX Spark / Mac 组成私有推理集群）。
- Google DeepMind 发布 AlphaGenome Atlas（基因组变异影响数据库）与 WeatherNext 3（逐小时高分辨率气象模型）。
本期小结
三条线索交汇：能力仍在沿 Scaling law 上行（十万卡训练、万亿参数）， 产品形态从对话转向自主执行（Agent Harness、计算机使用、团队智能体）， 治理分歧公开化（"踩刹车"与"踩油门"两派同时加码）。 值得持续跟踪的是：自主执行型产品的安全边界如何定义， 以及端侧模型成熟后，云端推理的份额会如何变化。
ZWT-HID-4PL6
