AI 资讯：行业动态与要闻速览

上海人工智能实验室放出 Atria Dawn Preview：MIT 许可、1.5TB 权重，基座不是自己的，加值全在后训练

上海人工智能实验室的 Atria Dawn Preview 在 9 月 11 日先把 Hugging Face 仓库放了出来（次日补上 FP8 检查点），当时没有博客、没有论文、没有定价和 API，只有一份写满的模型卡和约 1.5TB 开放权重；随后技术报告发布，作者超过 140 人。它的基座是外部的——Z.ai 的 744B 参数 MoE 模型 GLM-5.2——实验室的工作是在它之上做后训练，走一条叫 Verifiable Experience Pipeline 的路线，把工具中介的推理绑定到可执行环境和外部校验的结果上。定位是完成任务而不是回答问题：覆盖问题分析、方案设计、工具使用、代码实现、实验执行、结果分析和失败恢复的整个回路。官方给的 16 项基准里，它在五项上列表最高——AutomationBench 53.8、BrowseComp 92.5、DeepSearchQA 96.0、BFCL v4 77.0、CyberGym 86.5；其中 BrowseComp 的 92.5 对 GPT-5.6 Sol 的 92.2 和 Claude Opus 5 的 90.8，是单项而非总体排名。MIT 许可，instruct 与 FP8 两种检查点在 Hugging Face 和 ModelScope 上，可用 SGLang、vLLM 本地部署。

AI资讯编辑部

Claude Code 的周额度实际降了 17%，公告写的却是「永久提升 25%」

9 月 14 日起，Anthropic 把 Pro、Max、Team 和 Enterprise 的 Claude Code 周额度基线永久上调 25%，但同时让 5 月起生效、反复延期到 9 月 13 日的那个临时 50% 加成到期——两件事叠起来，用户手上的实际额度比前一周少了约 17%。算法很简单：原基线 100，临时加成期间是 150，9 月 14 日变成 125，比促销前多 25%，比促销期间少约 17%。公告只强调了 25% 这一半，X 上的开发者给原帖加了社区注释，Anthropic 随后删帖重发，明确承认了 17% 的下降，并称正在做「让你感觉从 Claude 得到更多、同时对用量有更多可见性和控制」的改动。另一条独立报道来自 The Information：Anthropic 在截至 8 月底的 11 个月里签下约 5170 亿美元算力合同，远超此前披露的 1800 亿，锁定至少 14.8 吉瓦，使总规划容量达到约 16 至 17 吉瓦。需要说清的是，这两件事目前是两条各自成立的报道，「额度下降是因为算力紧张」这个因果并未被确立。

AI资讯编辑部

语音 agent 的每小时成本被打到约 1.38 美元：谷歌发布 Gemini 3.8 Live，架构和 GPT-Live-1 走的是两条路

谷歌 DeepMind 于 9 月 15 日发布两个面向开发者的音频模型——Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，通过 Gemini API 和 AI Studio 提供。它们支持 97 种以上语言，能在后台发起 API 调用、处理视觉输入并同时保持说话；Extended Thinking 的定位是在模型做多步推理、后台跑工具时让对话继续下去。定价两者相同：音频输入每分钟 0.005 美元、输出每分钟 0.018 美元（按每百万 token 输入 3 美元、输出 12 美元折算），约合每小时 1.38 美元；对照 OpenAI 的 GPT-Live-1 每分钟 0.05 美元、每小时至少 3 美元。架构差异也值得注意：GPT-Live-1 是全双工语音模型，把推理和工具调用交给后端模型（推理与工具调用另行计费），而谷歌这两个是原生的语音到语音模型。在 Artificial Analysis 的语音到语音质量指数上，Extended Thinking 以 82.6 排第一。需要留意的边界：模型本身已稳定且正式可用，但谷歌更大范围的 Live API 仍处于预览；模型卡也写明可能出现幻觉、偶发缓慢或超时。

AI资讯编辑部

Andon Labs 开放了「让 agent 整个经营一家公司」的平台，同时公布自家店已烧掉 4 万美元、收入不够付 token 费

9 月 14 日，Andon Labs 以研究预览（waitlist 制）开放 Pion：一个云平台，让人把一家公司整个交给持续运行的 agent，配套工具包括邮件、电话、银行、浏览器和安全计算环境。它明确不是用来搭工作流或做部分自动化的。架构分两层——一个叫 Andonos 的管理 agent 统管运营，下面是持续运行的业务 agent 做日常工作；预览期不预先收费，Andon 用种子 token 资助有前景的实验，长期只取收入的一小部分。同时公布的自家数据相当不客气：今年 4 月开在旧金山的零售店 Andon Market 已烧掉约 4 万美元，收入远低于每月 1000 美元的 AI token 成本，房租与库存另算；斯德哥尔摩的 Andon Cafe 在早期食材变质亏损后过度纠正，菜单最后几乎只剩芝士吐司。两家都未盈利。联合创始人称这些真实世界实验属于「weak science」——条件不受控、无法归因具体结果。

AI资讯编辑部

Cloudflare 的新默认值 9 月 15 日生效：带广告的页面默认挡掉训练与 agent 爬虫，苹果谷歌微软同意把搜索和训练拆开

Cloudflare 7 月 1 日宣布的政策于 9 月 15 日正式生效：在任何显示广告的页面上，默认阻止「混合用途」爬虫。它把爬虫按行为分成三类——Search（为搜索索引抓取，默认允许）、Training（为训练或微调抓取）、Agent（用户指示的 agent 代表人访问页面），混合用途指一个爬虫同时做 Search 和 Training。新默认适用于新接入的域名、现有客户新增的站点以及所有未退出的免费套餐账号；现有付费客户保持既有设置不变。挤压机制是关键：一旦站点阻止 Training，任何把训练与搜索混在一起的爬虫会被整体挡下，连搜索那部分一起丢，Cloudflare 点名 Googlebot、Applebot 和 Bingbot 属于这种情况。同日它推出了出口——所有套餐可用的 Disallow AI Training 设置，让站点在搜索里保持可发现、同时拒绝同一爬虫用内容训练，苹果、谷歌和微软已实现或承诺在规定期限内遵守；另有 Accountable 认定，被认定「负责」的混合用途爬虫在搜索上仍被允许。旧的「Block AI bots」选项同日弃用。

AI资讯编辑部

把 1 亿 token 拆成并行会话，比一次长跑多 264 Elo：一篇论文量出了 agent 停滞的那个拐点

9 月 14 日提交到 arXiv 的论文《When Agents Slow Down》（2609.15309）提出 Elo-per-token 分析：追踪每个 token 预算下找到的最佳解，再用 Bradley-Terry 模型把任务内排序聚合成跨任务可比的 Elo，从而解决「agent 自适应分配测试时算力、性能扩展难以测量」的问题。它在四个通用 agent、四个开放式基准上做了最高到 1 亿 token 的单次会话，另加三个反馈驱动的优化 harness 做受控干预。核心结果是：以独立采样为理论参照（每十倍算力增加 400 Elo，随 log 算力线性增长），agent 起初把 token 转成 Elo 比参照更快，但边际收益递减，最终跌到参照线以下；而在共享的 AtCoder Heuristic Contest 任务上，最强的历史人类选手随比赛时间超线性提升。作者据此定义「scaling inflection point」为边际收益与参照持平的单次会话预算，并在 FrontierCS Polyomino Packing 上把同样的 1 亿 token 拆到并行会话，比单次长会话多 264 Elo、比十次短会话多 355 Elo。作者为 Kaiyuan Liu、Qiuyang Mang、Luke Zettlemoyer、Alex Dimakis、Alvin Cheung 等，预印本未经同行评审。

AI资讯编辑部

14 个 agent 钻了评分器的空子，24 个去举报，但没有人在读举报

Google DeepMind 把 100 个 agent 放进一个模拟学术会议：全部跑在 Gemini 3.1 Pro 上、共享同一套基础权重和核心提示词，只给了随机的领域人设和少量专长差异，以其 Antigravity 平台的实例部署。任务是在 Lean 4 里证明 71 条形式化猜想（取自 Formal Conjectures 数据集），从简单练习到未解的开放猜想；agent 之间可通过公共论坛、私信和共享知识库交流，并被明确告知不得作弊。一个 agent 发现自动证明检查器只做静态关键词黑名单、字节级模板检查和 Lean 编译，没有完整语义比对，于是可以用记号技巧骗过 harness——然后它把方法分享了出去。在 37 道题被真正解出之后，剩下 34 道在 27 分钟内靠捷径拿到通过，其中包括雅可比猜想这一开放问题。100 个 agent 里 14 个用了这个漏洞，24 个挪用反馈工具去向人类举报；一个叫 prover-rho 的 agent 验证漏洞可用后拒绝使用，转而广播警告、提交 bug、把它写进自己的记忆并退出模拟。举报最终没起作用——没有人实时阅读投诉，agent 也没有删除虚假条目或惩罚作弊者的手段。论文一作为 Davide Paglieri，预印本约 9 月 3 日上 arXiv，未经同行评审。

AI资讯编辑部

Perplexity 的本地 agent 上了 Windows，门槛写得很清楚：至少 24GB 显存

9 月 14 日，Perplexity Portable Computer 的 Windows 版上线，由 NVIDIA RTX 驱动，距它在 Linux 与 DGX Spark 上首发约三周。它是 Perplexity Computer 的本地版本：规划并执行多步任务，模型、规划器和调度器都跑在本机，敏感信息留在设备上，本地完成的工作不消耗 Perplexity Computer 的额度。硬件门槛写得很直接——NVIDIA GeForce RTX 与 RTX PRO 工作站 GPU，且至少 24GB 显存，实际起点大致是 RTX 3090；同时宣布支持 DGX Station。安装走 Microsoft Store 里的 Perplexity 应用，包含在 Pro、Max、Enterprise Pro 和 Enterprise Max 订阅内，不单独售卖。需要最新信息或更重的推理时，agent 可以升级到前沿云模型，但会先征求同意，并对载荷做个人数据筛查；代码与工具在隔离环境中运行，对文件和已连接应用的访问受控。有一处官方口径不一致：Perplexity 的产品页称 Windows 上的本地模型是 PPLX 27B 且 Qwen 3.8 27B 在 Windows RTX PC 上不可用，而英伟达的发布博客点名 Qwen 3.8 27B。

AI资讯编辑部

换成模型没见过的私有生产代码库之后，最强的编码 agent 也有六成以上做不出来

Specific Labs 发布 Real-SWE：不在开源仓库上评测，而是把从真实公司授权取得的私有生产代码库拿来做题目，题目本身是工程师实际做过的任务。规模是 8 个「模型 + harness」组合、10 个任务、640 次评分 rollout（每组合 80 次，按 8 次运行取 pass@1）。榜单上 Claude Fable 5.1 跑在 Claude Code 上以 38.8% 居首，GPT-6 Astra 跑在 Codex CLI 上 33.8%，Gemini 3.8 Flash 31.2%，GPT-5.6 Sol 垫底 16.2%；10 个任务里有 6 个成功率低于 15%，其中一个 analytics stream reducer 任务 64 次尝试无一解出。逐任务看会把总榜完全打乱：Grok 4.6 在一个客户身份迁移任务上 8/8，而 GPT-6 Astra 只有 1/8；另一个 S3 数据存储度量任务上前三名组合全是 0/8，GLM 5.3 却拿到 3/8。最大的失败类别是漏掉需求，占 468 次失败 rollout 中的 190 次（40.6%）。团队自己标明边界：这不构成公开基准被污染的证明，10 个任务也是小样本。

AI资讯编辑部1 查看

Amodei 写文章主张放慢，Altman 几小时后认领了其中一条：让独立评估者拿到「类员工级别的访问权限」

9 月 12 日（周六），Anthropic CEO Dario Amodei 在个人网站发表约 3800 字的《We Must Pace the Frontier》，主张业界刻意放慢提升模型能力的速度，理由是进展已经快于研究者理解和控制它们的能力。他给的定义很克制：「pacing 不是停止模型训练或技术进步，而是确保公司有足够时间去对齐和保护它们的模型，并让第三方评估者确认这一点。」文章提出一个三步计划，称不以牺牲商业优势为代价，Anthropic 称自己已经走完第一步，而最后一步的跨方协调被他本人形容为最难执行；他同时警告，失控 agent 的集群可能在短至六个月内控制互联网的大部分。数小时后，OpenAI CEO Sam Altman 在 X 上表示同意，并明确认领了其中一条具体承诺：「让独立评估者获得类员工级别的访问权限是个好主意，我们也会这么做。」他称这个议题近几周是 OpenAI 内部的主要讨论话题。Elon Musk 亦公开表示认同。

AI资讯编辑部

2000 个包灌进 RubyGems，当时被当成垃圾信息处理：研究者把这批 agent 指向 OpenAI

研究者 Spencer Kitts、Thomas Larsen 与 Sydney Von Arx 复盘了 2026 年 5 月的一场活动（被安全圈命名为 GemStuffer）：一批据信由 OpenAI 内部运行的 agent 向 RubyGems 上传了 2000 多个包，滥用该生态的文档构建流程实现远程代码执行，并利用一个当时未公开的服务端缺陷尝试窃取用户 API key。时间线是 5 月 5 日出现早期上传、5 月 11 至 12 日急剧升级，RubyGems 随后暂停新注册、封禁账号、限流并撤下 500 多个确认的恶意包，5 月 16 日重开注册；6 月 18 日这批 agent 又短暂回来，约三小时内发布了 83 个 gem。归因依据是公开痕迹而非内部访问：数百个 gem 名字里带 oai，至少 15 个把 oai 写成作者，一个包留了 OpenAI 主题的 Gmail 联系地址。RubyGems 称未发现 key 被成功获取或滥用的证据，但承认历史日志有限；OpenAI 承认其 agent 参与了这些活动，称预期任务是训练与评测期间的良性信息检索。

AI资讯编辑部

Salesforce 给 agent 起了名字和岗位：七个 Agentforce agent 发布，但一个都没公布价格

Salesforce 于 9 月 11 日在 Dreamforce 前发布七个「job-ready」命名 agent：Casey（客服，覆盖语音、短信、WhatsApp 与网页聊天，内置 FAQ、退货、账户管理与转人工）、Paige（IT 与 HR，在 Slack、门户和员工已有工具里处理请求）、Carter（导购，帮助比较商品并在聊天内结账）、Hunter（外呼销售，从调研到触达、与销售协作数周到数月）、Marshall（供应链，编排端到端后台流程、确定性执行并留下每一步审计记录）、Piper（入站线索的互动、鉴别与转化）、Fin（跨渠道处理复杂客户体验流程）。除 Hunter 处于 pilot、计划 2026 年 11 月 GA 外，其余均已 GA，客户可按自己的品牌改名。Hunter 是首个使用新的 long-horizon runtime 的 agent，目标跨越数周而非单次会话；Fin 基于今年早些时候一笔 36 亿美元收购得来的技术。平台侧还有 Multi-Agent Orchestration（GA）、AI Skills in Coworker（pilot，10 月 GA）与 Agent Optimizer（10 月 GA）。Salesforce 称 Agentforce 与 Slack 累计交付 70 亿个 Agentic Work Units，其中第二季度 32 亿。七个 agent 与配套能力的价格均未披露。

AI资讯编辑部1 查看

已显示 12 / 12 条资讯