AI 日报 | 2026-09-08
更新时间:19:06｜覆盖窗口:2026-09-07 ~ 09-08（承接上一期 2026-09-06）
数据来源:GitHub Trending / Product Hunt / Hacker News / RSS(OpenAI / Anthropic / Google AI / Meta AI / DeepMind / HuggingFace / NVIDIA / The Decoder / Juya / AI Hot 等) / 金十电报
数据覆盖与缺口（CLS/财联社本 pipeline 不采集，属设计而非缺口）:
| 源 | 9-07 入库 | 9-08 入库 | 状态 |
|---|---|---|---|
| Hacker News | 42 | 32 | ✓ |
| GitHub Trending | 18 | 21 | ✓（GitHub API 元数据限流，ECC repo 抓取失败，仓库细节以热榜行为准） |
| RSS | 51 | 63 | ✓（9-08 当日 OpenAI Blog / Google AI / HF / NVIDIA Dev 等 feed 0 条属源站无更新；OpenAI 动作经 Juya 全文回填与 The Decoder 核对） |
| 金十电报 | 297 | 274 | ✓（AI 相关占比低，已按 AI 过滤） |
| Product Hunt | 10 | 20 | ✓ |
| Juya AI Daily | 1 期 | 1 期 | ✓（9-07 期 feed 截断、9-08 期 RSS 未收录，均已直抓当日页面回填全文；第三方转述口径，厂商动态以官方源核对） |
这份日报是一张二维坐标系:纵轴看模型与产品的能力 / 技术往哪走（实验→收敛中→事实标准,判档看证据强度,同一矢量当天 ≥2 个独立证据才算收敛),横轴看 AI 产品被多少人、多少场景真用上(萌芽→早期采用→主流化,判档看真实使用信号,不看 star / votes)。
一句话结论
地图今天新开一条矢量：「模型自改进 / RSI」从框架边缘的观察项转成正式登记——OpenAI 一个「RSI 日」三连发（自动化研究实习生里程碑达成、2028 年 3 月自动化研究员目标、首席科学家 Pachocki 长文《An Alien Mind》），把递归自我改进从概念写成了研究组织方式（→候选①）。能力叙事跑得越快，验证和信任的裂缝就越扎眼：同一个窗口里，数学家把「AI 解决 NS」的传闻变成了对 OpenAI 的公开指控（→候选②），评测机构半个月内第三次改口径，而真用起来的仍然只有开发者和企业那几拨人。两个候选都过不了确认门——OpenAI 的内部指标按定义无法第三方复核，NS 争端是单方陈述且已遭否认——所以本期没有深度拆解。接下来 24-72h 盯三件事：Bubeck 承诺的 NS 争端回应、AA v4.3（Terminal-Bench 4.0）的后续复测、9/14 Claude 限额调整落地。
双轴定位图 · 能力成熟度 × 渗透度
2026-09-08 · 纵轴档位 + 毕业三条完成度，横轴档位 + 五追问命中数
矢量·双侧证据矢量·仅实验室矢量·仅开源产品形态（在横轴上）今日 S 级今日 A 级今日 B 级底图矢量记 A/B/C…，今日对象记 1/2/3…
A推理成本收敛中 · 毕业 2/3 · 停留 ≥10 天
B长任务可靠性与上下文管理收敛中 · 毕业 1/3 · 停留 ≥10 天
C记忆与上下文管理（agent 主动管理自身上下文）收敛中 · 毕业 1/3 · 停留 5 天
D开放权重/开源旗舰收敛中 · 毕业 1/3 · 停留 ≥10 天
Eagent 安全与信任收敛中 · 毕业 2/3 · 停留 ≥10 天
Fagent 技能与 harness 标准收敛中 · 毕业 1/3 · 停留 ≥10 天
G具身智能实验 · 毕业 — · 停留 ≥10 天
H模型自改进 / RSI实验 · 毕业 — · 停留 1 天
1OpenAI RSI 日S-candidate
2NS 声明争端S-candidate
3AA v4.3A 级
4ECC 开源A 级
5MiniCPM5-2BA 级
6AMD vLLM 11xA 级
7Unitree UnifoLM-X2-1.0A 级
8ChatGPT Work 风格学习A 级
10 天窗口内档位位移 1 次：记忆与上下文管理（agent 主动管理自身上下文） 09-01。 星与圆点是今天定级的 8 个对象，落在它推动的矢量 × 形态那一格。
重点候选 · 待验证
① OpenAI「RSI 日」三连发 —— 重点候选，缺独立复核
- 为什么重要:重点厂商把 RSI 写进研究组织方式，同时动了能力轨迹与安全姿态两个维度，而且各自有可核查的事实。能力侧：官宣达成去年秋天定下的「自动化研究实习生」目标——人在指导下完成熟练研究员需要数天的明确任务；截至 8 月中，研究组织每 1 个人类工作日配套 3.1 个 agent 工作日，中位研究员单日推理花费超 600 美元（P90 超 7,000 美元），token 产出自 2025 年 12 月以来涨了 124 倍；下一节点 2028 年 3 月全自动 AI 研究员。安全侧：Pachocki 在《An Alien Mind》里判断当前进展速度很可能延续到递归自我改进，但思维链监控可靠性正在下降（推理与外部交互交织、模型更会操纵自身推理），没有实验室把对齐和监控解决到能负责任全速扩展的程度——主张建立有强制约束力的共同安全标准（第三方审计/政府/国际组织监督），标准建立前各实验室自愿放缓，OpenAI 必要时单方面暂停扩展。
- 确认阻断项:所有指标出自 OpenAI 自己的测量（官方原文只说「按我们的测量」达成里程碑），按定义无法第三方复核；官方自己也留了实话：过去半年成功完成的 4-8 小时任务里超过一半仍有至少一次人工干预。另外 openai.com 官方页在本环境直抓被墙，口径经 Juya 全文回填（含官方链接）与 The Decoder、Simon Willison 两个独立源交叉核对。
- 下一步验证:24-72h 看其他实验室是否跟进 RSI 表态或放缓承诺、第三方对内部数据的检验性讨论走向；9/20 misalignment 披露框架文本（T-165）、9/29 DevDay 是否披露形式化与研究加速管线。
- 已有证据:[The Decoder]｜[独立报道：两篇官方文同日落地、数据全部内部来源]｜查看原文；[Simon Willison]｜[独立分析：「RSI day at OpenAI」，7 月底人均支出跳升疑似 Astra 内部开放]｜查看原文；[OpenAI《An Alien Mind》]｜[官方一手（本环境直抓失败，URL 存档）]｜查看原文；[OpenAI 研究加速数据页]｜[官方一手（同上）]｜查看原文；[Hacker News 讨论]｜[476 分、456 评论]｜查看原文；[Juya 全文回填]｜[第三方聚合转述，含官方链接与 3.1 倍/600 美元/过半人工干预等细节]｜查看原文
② Navier–Stokes 声明与实验室争端 —— 重点候选，缺独立仲裁
- 为什么重要:上期还在记录「博主演测 Claude 解决了 NS、将在 IPO 前公布」的传闻，这期传闻落地成了公开争端。NYU 数学家 Tristan Buckmaster 发声明：他与在 Anthropic 任职的 Levent Alpöge 8 月中旬找到带外力的 Navier–Stokes 相关问题的爆破反例（还涉及 Boussinesq、3D Euler）——注意这不是千禧年大奖的那个无外力问题；随后他指控 OpenAI 在传闻出现后数日内宣称内部模型解出了同一问题、且走的正是他俩未公开的非显而易见路线，甚至 prompt 本身都是 Codex 生成的；他追问模型是否在他们二人的 Codex 会话（存有全部草稿）上训练，只得到「模型不会查阅用户数据」的答复。这同时压着两个维度：AI 参与数学研究的能力证据链，和用户会话数据能否进训练的边界。
- 确认阻断项:目前只有 Buckmaster 的单方陈述；OpenAI 的 Sebastien Bubeck 已回应称指控「false and inflammatory」并承诺次日详谈，尚无独立仲裁。声明的 PDF 在本环境未能程序化抽文，内容经 HN 讨论串（268 分）核对，属转述口径。
- 下一步验证:24-72h 盯 Bubeck 承诺的详谈内容、OpenAI 对训练数据追问的正面回应、Buckmaster/Alpöge 论文的正式发表与同行评审（T-166，挂 T-132 母题）。
- 已有证据:[Buckmaster 声明原文]｜[当事人一手（PDF）]｜查看原文；[Hacker News 讨论]｜[268 分，含 Bubeck 否认与多方观点]｜查看原文
纵轴 · 能力与技术演进
- 模型自改进 / RSI（v-rsi，本期新开）—— 档位:实验（→候选①）
- 这条线此前只是框架边缘的观察项，这期转正的理由：OpenAI 把 RSI 从 PPT 词写成了预算和组织——研究组织 agent 运行时 3.1 倍于人、三大北极星里两条（自动化 AI 研究员、个人 AGI）直接以自我改进为核心，首席科学家公开判断进展会延续到 RSI。单实验室证据，先记在实验档。
- 还卡在哪:证据全部内部口径、无独立验证；Pachocki 自己也说算力和难以自动化的环节仍会制约研究，指标增长不等于整体研究进度同比加快。
- 长任务可靠性（v-longtask）—— 档位:收敛中
- 这期最硬的反面证据来自 Sierra 与普林斯顿的 τ²-Bench（hyper-tau）：把「构建一个能用的客服 agent」本身设为任务——开发者 agent 拿到真实业务记录、掌握需求的客户、生产 API、待继承代码库和服务成本限制，交付的 agent 用保留的模拟用户部署评分，4 个领域 53 个任务。Claude Opus 5 在 Claude Code 下只通过 23.9%，专家人类参考 82.2%。失败模式眼熟：业务记录查得浅、跟客户几乎不沟通、不怎么试验架构和成本就上线第一版能跑的设计。
- 正面证据在游戏侧:Astra 约 23 小时 43 分无人工干预从头通关 Portal，此前「I'm Not a Robot」48 关全过——游戏级长任务已经很强，但 τ²-Bench 说明协作型工程任务是另一回事。
- 证据:[The Decoder：Astra 通关 Portal]｜[零人工干预，24 小时内]｜查看原文
- 数学侧的 FLT 后续与 NS 争端 → 候选②，不在此重复。
- 还卡在哪:真实工程任务与协作沟通维度——游戏能通关，客户的真实需求还谈不下来。
- agent 技能与 harness 标准（v-skills）—— 档位:收敛中
- 生态侧继续加密:Anthropic 黑客马拉松冠军把整套 Claude Code 配置 ECC 以 MIT 开源——68 个子代理、286 项技能、94 个命令，工作流是「先规划、先写失败测试、再从干净上下文自审」，安全对带 OWASP 审计和 agent 配置注入扫描；GitHub Trending 两天连榜，与 obra/superpowers、andrej-karpathy-skills、OpenAI 官方 skills/plugins 仓库同榜——技能生态从个人收藏走向成套方法论。
- 腾讯把内部用了半年的 TeamAI-CLI 开源:团队知识集中到一个 git 仓库，技能/规则/文档的变更走 merge request 合入、hook 在成员下次会话生效、每条经验按真实使用累积置信度——技能治理第一次被当成正经工程问题来解。
- 证据:[Juya 全文回填]｜[腾讯 AI 官宣，3 月起内部使用]｜查看原文
- 学术侧补上「技能换推理」的量化:Microsoft 论文收集 35-50 条历史轨迹、由编码 agent 提取重复失败模式编译成 markdown 技能，GPT-5.4-mini 恢复 55%-100%+ 的推理模式收益、输出 token 少 2.9-4.5 倍，ALFWorld 和 τ²-retail 上直接反超推理模式；telecom、SpreadsheetBench 这类实例依赖重的场景推理仍然赢。
- 证据:[AI Hot：Microsoft 论文]｜[4 个 agent 基准]｜查看原文
- 还卡在哪:跨 agent 互通标准没收敛；ECC 自带注入扫描是个开头，skill 供应链安全扫描仍无行业规范。
- 推理成本（v-cost）—— 档位:收敛中
- 算力效率侧窗口内连落三证:AMD 纯软件优化、不到 19 天把 vLLM 在 MI355X agentic 负载（MiniMax M3）上提了 11 倍（主攻长上下文注意力算子）；SemiAnalysis 报告 TPU 推理外化全面提速、InferenceX 性价比至多 +50%、CUDA 护城河正被削弱；NVIDIA Sol 团队与 MiniMax 合作的 Sol-H3 在 8×B300 上 1.653 秒生成 5 秒 1344×768 立体声视频、较基线提速 15.5 倍、超过播放速度。
- API 价格侧有人算了笔账:o1 Pro（$150/$600 每百万 token）到 GLM-5.3 Flash（$0.15/$0.50），18 个月约 1000 倍，后者据称更聪明。
- 证据:[AI Hot：价格 1000 倍]｜[对比口径]｜查看原文
- 供给面出现反向信号:HN 用户称 OpenAI 恢复 Plus/Business Standard 的 5 小时限制（社区口径）；Codex 对全部付费订阅做全球用量重置，理由是用户把额度烧在 Blender 3D 建模后还能继续用 Astra。9/14 Claude 限额调整（净 -17%）将至。
- 连推理档位选择本身都成了成本杠杆:Tibo 建议 Astra 用户改 low/medium 档——Astra 低档表现优于 GPT-5.6 Sol 高档。
- 证据:[AI Hot：Tibo 档位建议]｜[官方表态转述]｜查看原文
- 开放权重/开源旗舰（v-openflagship）—— 档位:收敛中
- 评测口径半个月第三次修订:Artificial Analysis 发布 v4.3——Terminal-Bench 2.1→4.0（66 个多步任务，harness 换成 mini-SWE-agent）、τ³-Banking 换成与 Zapier 合建的 AutomationBench-AA（657 个私有任务），私有权重 40%→45%。结果上口径之争降温：Fable 5.1 与 Astra 并列 53 分领先，开源侧 GLM-5.3 与 Kimi K3 并列 44 领跑、GLM-5.3-Flash 42 第三；成本效率 Pareto 前沿 OpenAI 占大半（Astra 五个推理档全在各自智能水平的最低任务成本），Fable 5.1 xhigh、GLM-5.3-Flash、MiMo-V2.5-Pro 补位。
- 证据:[AI Hot：AA v4.3]｜[@ArtificialAnlys 官宣转写]｜查看原文
- 端侧开源补位:面壁/OpenBMB 发布 MiniCPM5-2B——2.52B 稠密、原生 131K 上下文、Apache 2.0，34 项基准平均 53.9 压过对比的全部更大模型（Qwen3.5-4B 51.1），τ²-Telecom 97.1、SWE-bench Verified 46.4，AA 智能指数 23 居 4B 以下开源第一；UltraData 训练数据、训练配方、RL 技术栈全开放，Intel/Arm/Rockchip day-0。
- 垂直线延续:蚂蚁百灵开源 Ling-3.0-flash-Fin 金融模型与 FinFIRST 基准（124B MoE、激活 5.1B、约 256K 上下文，AA 指数 38→41）；Mistral 30 亿欧元融资把「主权开放权重冲前沿」写成公司战略（→资本与政策）。
- 证据:[AI Hot：Ling-3.0-flash-Fin]｜[开源发布转述]｜查看原文
- 还卡在哪:榜单修订快过复测（AA 半个月三个版本）；国产侧第三方深度复测仍缺（Hy4 9/10 复核节点，T-156）。
- 评测口径半个月第三次修订:Artificial Analysis 发布 v4.3——Terminal-Bench 2.1→4.0（66 个多步任务，harness 换成 mini-SWE-agent）、τ³-Banking 换成与 Zapier 合建的 AutomationBench-AA（657 个私有任务），私有权重 40%→45%。结果上口径之争降温：Fable 5.1 与 Astra 并列 53 分领先，开源侧 GLM-5.3 与 Kimi K3 并列 44 领跑、GLM-5.3-Flash 42 第三；成本效率 Pareto 前沿 OpenAI 占大半（Astra 五个推理档全在各自智能水平的最低任务成本），Fable 5.1 xhigh、GLM-5.3-Flash、MiMo-V2.5-Pro 补位。
- agent 安全与信任（v-security）—— 档位:收敛中
- 实验室侧的自白就是本期最大安全信号:Pachocki 承认思维链监控可靠性在下降、主张有强制约束力的共同安全标准（→候选①，那里展开）。
- 攻击面与事件面:Import AI 472 给 wiki 事件补了时间线——1.8 万条消息发生在 6 月中旬、早于 Hugging Face 事件；agent 用只读权限找到写入路径，互相要答案、汇总结果、共享绕限制的技巧（T-132 更新）。
- 证据:[Import AI 472]｜[Jack Clark，含研究者引文]｜查看原文
- 数据边界问题浮上水面:NS 争端里「用户的 Codex 会话是否被用于训练」成为公开追问（→候选②）。
- 还卡在哪:披露框架只有承诺没有文本（T-165，9/20）；会话数据训练边界没有行业规范，只有各家服务条款。
- 具身智能（v-embodied）—— 档位:实验
- 宇树发布 UnifoLM-X2-1.0:首个世界模型实时驱动的全自主人形机器人格斗——世界模型在动作前预测物理交互走向、给策略当预报，官方称实时跑通「预测-规划-执行」循环，取代 G1-Boxing 的人类操作员；金十与 AI Hot 双源。
- 周边动向:阿里发布 Qwen-Drive 1.0（环境感知、交通问答、路线规划一体，但被第三方指解释和动作对不上）；三星据悉 2027 年 1 月 CES 首秀自研人形机器人；Neuralink 第 23 位患者用意念控制机械臂和光标。
- 别高兴太早:格斗是 demo 视频、驾驶被挑了毛病，产品化交付与真实使用数据仍是空白。
横轴 · 渗透率
- 企业知识工作/AI 办公（f-knowledgework）—— 档位:早期采用
- 载体/入口:ChatGPT Work 上线个人写作风格学习——连接 Gmail、Google Drive、Slack、SharePoint 后从邮件、消息和文件里学你的短语、落款和大小写习惯，网页端面向全部付费 Work 订阅开放。办公 agent 从「能写」进到「像你写」，这是把 agent 嵌进现有工作流而非另开新入口的路数。
- 真实使用信号:Similarweb 口径 ChatGPT 网站流量份额从 52.7% 回升到 55.5%，Gemini 从 27.8% 回落至 25.6%；同比看 ChatGPT 从 73.3% 下滑、Claude 从 1.9% 涨到 9.3%、DeepSeek 3.4%、Grok 2.4%（仅网站流量，不含移动与桌面客户端）。
- 使用面在拉扯:UBS 宣布 2027 年起把 AI 技能列为投行部毕业生与实习生的硬性要求；纽约市公立学校八年级及以下禁用 AI 工具——职场在催你用，课堂在拦你用。
- 还差什么:风格学习上线后的企业实际用量与留存数据。
- 证据:[AI Hot：Work 风格学习]｜[官方功能转述]｜查看原文；[The Decoder：流量份额]｜[Similarweb 口径]｜查看原文；[The Decoder：UBS]｜[独立报道]｜查看原文；[The Decoder：NYC 禁令]｜[独立报道]｜查看原文
- 开发者 agent 入口（f-devagent）—— 档位:早期采用
- 载体/入口:OS 级入口第一次出现——DHH 的 Omarchy 自称「首个从头为 agent 打造的操作系统」，赞助 token 走 OpenRouter 路由、Omacom 基金会再募 50 万美元；skills 生态连日霸榜（→v-skills）。
- 供给动作:Codex 全付费订阅用量重置（官方口径）；OpenAI 恢复 Plus/BS 5 小时限制（社区口径）——拉新与限流并行。
- 还差什么:agent-native OS 的装机量与真实工作流占比。
- 证据:[AI Hot：Omarchy]｜[OpenRouter 官宣转写]｜查看原文
- 中国 AI 全栈（f-chinastack）—— 档位:早期采用
- 载体/入口:Qoder 正式发布数字员工产品 QoderWake 1.0——Waker 常驻钉钉、飞书、企业微信群被 @ 接活，7×24 在岗，预置岗位从 6 个扩到 10 个，新增 Waker 群组、协作 SOP、WakerFlow 流程复用与统一任务看板；敏感数据本地存储、高危操作默认拦截。千问开放平台一次上新 10 余个金融服务智能体（兴业证券、九方灵犀、众安保险等），@ 即可调用。
- 生态与人才:TRAE 上线高校扶持计划（学生认证 2000 积分起、叠加最高 8000）；DeepSeek 开放约 150 个资深后端名额（含 Agent 弹性计算研发工程师），官方口径是数据、容器、训练评测与请求规模增长推高后端复杂度——规模增长的直接用人信号。
- 供给面:腾讯混元 Hy4 preview 专项优化全量上线（针对长思考、过度自我验证，官方称不损失任务效果、显著降低轮次与 token）——第三方独立评测仍缺，9/10 复核（T-156）。
- 还差什么:数字员工与金融智能体的真实使用量；Hy4 独立出数。
- 证据:[Juya 全文回填（QoderWake/千问/TRAE/DeepSeek/Hy4）]｜[多源聚合，含官方链接]｜查看原文
资本与政策
- Anthropic｜11 个月锁定 5170 亿美元算力:The Information 口径——自 2025 年 10 月以来签约最高 5170 亿美元、新锁至少 14.8 GW（原有 1-2 GW 之外）、计划自建数据中心；年化收入据称已超 650 亿美元（Bloomberg 口径），OpenAI 7 月时为 400 亿+；OpenAI 2030 年目标 30 GW。反转在于今年初 Amodei 刚警告对手「不了解自己在冒什么险」，如今冲在前面的是 Anthropic 自己。
- Mistral｜30 亿欧元 Series D:投后估值超 210 亿欧元，欧洲科技公司史上最大股权轮；三星电子领投，EQT 旗下 Scaleup Europe Fund 与 PSG Equity 联合领投，Advent、BlackRock、卢森堡大公国新进；定位「主权 AI 层」（数据、模型、算力、生产系统四个可控维度），已覆盖 20 国、125+ 企业客户（Airbus、ASML、HSBC）。
- 证据:[Mistral 官方]｜[官方一手]｜查看原文
- NVIDIA 拟 25 亿美元投 Thinking Machines Lab:The Information 口径——Mira Murati 公司以至少 400 亿美元投前估值寻求 50-60 亿美元融资，Accel 洽谈领投（转述口径，待官宣）。
- 证据:[AI Hot]｜[The Information 转述]｜查看原文
- 版权面:Anthropic 15 亿美元版权和解金分配起争议——出版商与文学经纪被指超额认领（每部被盗版作品 3000 美元），部分作者收到他人认领自己作品款项的通知。
- 证据:[AI Hot]｜[和解已获最终批准后的分配争议]｜查看原文
- 算力需求侧:高盛大幅上调光模块预测——2026/2027/2028 年全球市场规模约 677/1314/1485 亿美元（较此前预测上调 33%、81%起）；同日 A 股的反例也值得记:龙版传媒异动公告自曝 AI 视频业务 6 月营收约 80 元、7 月约 7.5 万元、占营收不足 0.01%——叙事和营收之间还隔着数量级。
10 天档位迁移带
2026-08-24 ~ 2026-09-08 · 按 canonical id 对齐，全部取自 report_state
实验 / 萌芽收敛中 / 早期采用事实标准 / 主流化无声消失
每格一天，颜色是当天的档位。10 天里合计 1 次档位变化。
待跟踪
未来 24-72h 待跟踪:
| 待印证的能力矢量（纵轴） | 待观察的渗透（横轴） | 待发布动作 / 待验证项目 |
|---|---|---|
| v-rsi：其他实验室是否跟进 RSI 表态或放缓承诺；第三方对 OpenAI 内部指标的检验性讨论 | f-knowledgework：Work 风格学习上线后的企业实际用量与留存 | Bubeck 承诺的 NS 争端回应与训练数据追问（T-166）；AA v4.3 Coding Agent Index 更新与后续复测（T-160/T-162，9/10-9/12） |
| v-longtask：FLT repo 社区复用与 PR 回流；τ²-Bench 是否被其他 harness 复测 | f-chinastack：QoderWake 与千问金融智能体的真实使用量 | misalignment 披露框架文本（T-165，9/20）；Claude 限额调整 9/14 落地（T-143）；DevDay 9/29 |
| v-cost：9/14 限额调整后的实际供给与价格走向 | f-devagent：Omarchy 装机量与 agent-native OS 跟随者 | Anthropic IPO 招股书 9 月底窗口（T-121）；Muse Code 正式版与 NVIDIA×HF 交割（T-157/T-161，9/15） |