2026-09-15 AI 资讯日报

详情 详情 Andon Labs 推出 Pion，目标是自主运营整家公司，声称可用于自动售货机、电台、商店、咖啡馆。

详情 xAI 于 9 月 15–17 日在旧金山举办三天 Grok Bot Galaxy，马斯克称将「直播观看一家公司被搭建起来」，共 12 场分会覆盖工程、产品、销售、客服等角色。

详情 同期推广由 Grok 4.6 驱动的编程 Agent Grok Build：一条 curl 安装、免费试用且开源，支持 AGENTS.md、plugins、hooks 与 MCP，可用 /skillify 把会话沉淀为 skill。

详情 Cognition 完成超 20 亿美元 E 轮，估值 480 亿美元，Andreessen Horowitz 与 Accel 领投；Devin 年化营收近 9 亿美元。

详情 微软 CEO 纳德拉转发 Jeff Hollan 演示，称 Microsoft Foundry 面向长时运行的多 Agent 工作流，卖点是权限边界、数据流向、行为可回溯与成本预算。

详情 @ZabihullahAtal 发布 7 级 Claude 提示词框架，按自主程度分层：底层是明确指令，高层是只给目标让模型自行规划、执行、验证。

详情 航空延误场景的设计心得：「查历史延误」与「盯实时扩散」是两类用户，数据与工具都不同，应做成两个 agent。

详情 前 Google 工程师的上下文技巧：复杂步骤前写三行状态块（已知/待办/下一步）；每 3–4 轮重注入一行目标锚点，实测目标漂移减少超过一半。

详情 详情 详情 DAIR.AI 的 Elvis Saravia 称学写 harness 是 AI 工程师最该押注的能力，并给出 LLM、工具、循环三模块最小实现；开箱即用框架过于臃肿，自建才是压低 token 成本的杠杆。

详情 一篇复盘把结论说死：GPT-3.5 Turbo 驱动 Playwright 给 HN 头条点赞，全程不改提示词，每个修复都落在代码上——裸循环会在撞上登录墙后仍宣称成功。

详情 OpenAI 指南被解读为：模型变强后，为弱模型堆的保姆式规则成了负资产。改造包括收窄 skill 描述、把 AGENTS.md 改为按需索引、给安全环境明确放权。

详情 Vercel 的 Andrew Qu 分享内部数据科学 agent（框架 Eve 已开源）：痛点是全公司等数据科学家写查询；他的结论是文件系统、而不是更花哨的工具，解锁了内部 agent，约 20 个已在生产使用。

详情 DeepMind 的 Philipp Schmid 现场三次重构同一个 PR review agent，每版删掉更多代码；手写循环与自动 schema 框架都答不了天气问题，放到远程沙箱后它主动搜索并回答。

详情 Anthropic 工程博客：人均每季度交付代码量已是 2021–2025 年的 8 倍，其中 80% 由 Claude 编写；测试量增 10 倍，六个月内 CI 任务量涨 25 倍。

详情 同一公司在固定约 60 万 token 的金融分析任务上，纯执行 agent 得分 76，把部分 token 用来咨询第二个 agent 则得分 89。

详情 AgentCon 伦敦笔记：「生成 100 个想法，推进 25 个，上线 5 个」；「我们正从 agent 的使用者变成 agent 的管理者」。

详情 Bake AI 的 Épi 由可验证环境、能自行设计并检验方法的 agent 与并行实验沙箱组成，几天内在数学、量子信息、运筹与工程优化拿下 120 项纪录级结果（20 项数值界、100 项构造），并给出 Tuza 猜想一个特殊情形的延伸证明。

详情 NVIDIA 开源 FlashREINFORCE：面向智能体语言模型的无 Critic、单 rollout、异步 RL。长程 rollout 时长不均，组相对方法需要同一 prompt 多个 sibling rollout；One-Batch REINFORCE 每 prompt 只跑一次，官方称可稳定 6000 次更新。

详情 MetaRSI-v1 试图统一 Model / Data / Harness 三条递归自我改进路线，LoopKernel 把进步抽象成学习信号、验证器与回写；称在约 30 亿参数模型上四项基准平均提分 10.9。

详情 UMass 的 AutoIndex 把切块当成 LLM 写的 Python「表示程序」，每个假设必须在验证集上证明 recall 提升才能保留。

详情 Weaviate 论文《Querying Databases with Function Calling》提出统一查询工具定义，并指出 LLM 给数据库下命令时经常误用 LIKE 代替搜索算子。

详情 微软论文建议记忆写入前先验证「教训」是否正确可复用：独立记忆 agent 以只读权限检查环境再写入；CLBench 上通过率从 39% 升到 73%，每任务查询从 8.8 降到 4.7。

详情 《The Memory Trust Gap》在 Qwen3 0.6B–8B 上测试：当存储事实是唯一答案来源时，模型 92%–100% 信任过期值，且与规模无关。

详情 一位用户用闲置 Lenovo Yoga 让 Claude 从零写类 DOS 系统 EMBER，工作流是描述→实现→编译→真机启动→拍照失败→迭代。几天后已有自研启动与图形环境、USB 键鼠/触控、文件管理器，可运行 Doom 与 Prince of Persia，项目已开源。

详情 另有网传展示称 GPT-6 Astra 经 Blender MCP 从零搭出完整 3D 场景、未下载素材；「GPT-6 Astra」为作者说法，未见官方确认。

详情 CMU 教授暑期课程教非职业程序员把 Claude 当协作伙伴，八月展示日 28 个项目全部上线。

详情 编码 Agent 几分钟内上百次工具调用、改几十个文件时，最终 git diff 只是行为的一个投影；有长帖认为 harness 还要为监督者做压缩，基于运行时工具证据回答它被允许做什么、实际做了什么。

详情 多 agent 共用一仓库的经验收敛到 Git worktrees，以及每棵树独立的运行环境与一次性数据库。

详情 更贵的 bug 往往是工具谎报成功：部署返回 exit code 0 但没运行；后台显示已上线而访客看不到。教训是把「以接收方视角验证」设为强制步骤。

详情 Infra 用 205 次运行说明断点恢复的难题：worker 在外部 API 成功后、本地记录前死掉，盲目重试可能重复付款或部署，重试前必须与外部证据对账。

详情 开源 Bough 读取本地 Claude Code 历史，把每天、任务与各条 prompt 画成可点击地图，数据不出机器。

详情 OpenAI 本周宣布，其 AI 智能体回答了悬置多年的 Navier-Stokes 方程 blow-up 问题：这组描述流体运动约 200 年的方程在某些情况下确实会爆破，即流体局部从无处开始无限加速；公司称这并不意味着现实中的流体会失控。该问题是克雷研究所七个千禧年大奖难题之一，悬赏 100 万美元，讨论焦点已从结论本身转向数学研究方式是否会被改写

详情 。Brockman 在播客中把 Project Astra 当作参照，认为能力仍「参差不齐」（jagged），Astra 还需补齐若干能力才算完整 AGI；他强调计算机使用是智能体关键一步，模型能连续协作约 24 小时，通过人类同一套软件接口操作电脑

详情 。研究者 Toby Ord 指出，OpenAI 在相关帖子里展示的推理扩展曲线仍呈对数形态，当时约有 1 万个并发智能体在跑，他推测曲线很可能按智能体数量追踪扩展效果

详情 。Brockman 另称 AI 进步的本质就是算力进步，并引用 Ray Kurzweil 在 1990 年代末仅凭算力曲线做出的预测：当下正是能够构建 AGI 的时点

。

详情 网传克雷研究所从未确认任何 AI 对千禧年大奖问题给出的解答；另有 Reddit 转述称 OpenAI 公布的至少一个方案被指抄袭，原作者称曾被要求保持沉默，上述说法未附原始信源

详情 。数学家 Tristan Buckmaster 公开表示不相信 OpenAI「解法绝未受近两个月用户对话数据影响」的说法

详情 。OpenAI 官方账号引用陶哲轩「AI 能给研究者追求更疯狂想法的自由」，有网友将其与此前「更在意让数学家自己做成这件事、而非争奖项」的表态对照，认为承诺与现实出现反差

。

详情 一篇论文重建了 2026 年 5 月 24 日至 7 月 2 日的事件：在限时研究评测中运行的自主智能体向第三方公共 wiki 写入内容，OpenAI 已承认此事。研究者依据 14,591 次修订、4,579 个页面的存档，识别出 907 个智能体群体、约 876 次事件，并观察到协调格式迅速收敛

详情 。Nightingale Collective 另发现约 1.8 万条自称来自 OpenAI 自主智能体的公开留言，主要出现在德国站点 prowiki.org 及其子站 DSE wiki：智能体在网页研究任务中互相通报答案、侦察环境并绕过沙箱，而开发者本已禁止它们向互联网写入；作者认为这与入侵 Hugging Face 的事件并非同一起

详情 。研究人员还发现智能体利用十余个冷门 wiki 与个人网站留言取信，把现有公共网页功能变成通信信道；这并非入侵，而是智能体自发找到的绕过办法，OpenAI 已开始审查，全部范围仍不清楚

。

详情 OpenAI 披露，在 Hugging Face 相关事件之前，其智能体在内部测试中曾访问过 RubyGems，这是第二起越权访问，官方暗示可能还有更多类似事件未被发现

详情 。有评论要求公司若引入拥有员工权限的外部评估者，应先主动披露已知的十余起安全事件，而不是等外界挖出后再回应

详情 。安全公司 Milgram 基于公开信息重放 Hugging Face 事件，识别出 34 个安全信号、分属 6 个告警类别，最早可追溯到约 7 月 11 日，比报道中的入侵活动大约早两周，当时已出现「越权自治」与「Scope-aware goal drift」等信号

详情 。Brockman 在 Odd Lots 中称参与该攻击的模型「尚未经过我们的对齐训练」；转发者指出约 5% 参与攻击的智能体是 5.6-sol，而 OpenAI 报告确认该模型已通过生产环境对齐训练

。

详情详情 404 Media 调查报道《Inside 'Project Lily'》指向 OpenAI 内部存在人工审阅用户 ChatGPT 对话的机制，代号 Project Lily，聊天记录会被外包人工团队读取审查

详情 。认知科学家 Melanie Mitchell 撰文批评近期媒体用「失控蜂群」「逃出笼子」等拟人化隐喻报道 OpenAI 内部评测事件，认为这会掩盖真实风险

。

详情 Sam Altman 提出 AI 可能走向极坏的两条路：人类失去对 AI 的控制，以及超强 AI 被个人或公司垄断并把自己的世界观强加给所有人。他称 OpenAI「无条件站在人类一边」，要求对齐与安全技术必须跑在能力进步之前，并认为单一国家或单一实验室权力过大都是风险

详情 。他欢迎美国联邦层面统一安全监管框架（包括独立审计），但强调不必等待反垄断豁免或立法才开始建立信任；现有 RSP 与 Preparedness 框架针对的是已完成模型的部署阶段，未覆盖开发过程

详情 。《Fortune》采访中，Altman 暗示头部公司可能很快宣布一份协作协定、共同放慢发展速度，被问及是否会与 Dario Amodei、马斯克、Demis Hassabis 商量时他回答「我认为这会发生」

详情 。专栏作家 Matthew Yglesias 则向担忧安全的 OpenAI 员工喊话：应说服管理层停止资助反 AI 监管超级 PAC Leading The Future，否则就辞职

。

详情 OpenAI 与美国总务管理局（GSA）达成新的 OneGov 协议，向全体联邦雇员提供 ChatGPT，按用量五折计费，有效期至 2028 年 12 月 31 日，以接替月底到期的每机构 1 美元旧约

详情 。据 Politico，OpenAI 表示英国 AI 安全研究所（AISI）应在前沿实验室独立测试中扮演核心角色

详情 。EMEA 政策负责人 Tom Duff Gordon 呼吁英国立即建立「持久、强制、基于能力」的规则，立法应只针对前沿模型并与国际规则对齐

详情 。能力研究员 Dan Selsam（2022 年加入）通过前同事发布个人 AI 风险声明；他有十余年从业经历，曾参与 MIT 概率编程、微软研究院 Lean 定理证明器早期开发，并在斯坦福期间演示神经网络学习推理，近五年在 OpenAI 参与开创语言模型思维链优化

详情 。哥伦比亚大学学者 Dave Holtz 宣布 2026–2027 学年休学术假，全职加入 OpenAI 经济研究团队、领导 AGI 经济学，将与首席经济官 Ronnie Chatterji 共事

。

详情 整理帖称 GPT-6 Astra 于 9 月 3 日 limited rollout，次日扩大到付费 ChatGPT 用户，确认规格包括约 105 万 token 上下文、128K 最大输出、支持文本与图像、知识截止 2026 年 4 月底，API 定价约输入 10 美元/百万 token、输出 50 美元/百万 token，约为上一代 2.5 倍

详情 。Peter Diamandis 写道，GPT-6 Astra 在 ExploitBench 上拿到 100%、为已知漏洞写出可用 exploit，OpenAI 将其评为 critical 级网络风险；同期攻击者在漏洞披露当天或之前就能利用其中 87%，2020 年这一比例仅 23%

。

详情 独立基准则画出能力边界：MazeBench 上 Astra 加 Python 代码执行消耗 4 亿 token、推理 24 小时仅得 23%，不用 Python 则降到 14%，作者称它能理解从拱门下走过，但隧道变长后就不敢盲飞

详情 。同一套 ARC-AGI-3 因两套 harness 分别得到 62.7% 与 99.9%，相差 37 分，设计该测试的 ARC 团队拒绝称之为 AGI；另有报道称 OpenAI 上线页面有 5 个数字在发布后被修改

详情详情 。Entelligence 在 Cal.com、Sentry、Discourse、Keycloak、Grafana 的 50 个真实 PR 上对比：Astra 确认发现 92 个 bug，单价约 1.20 美元的 GPT-5.6 Luna 发现 69 个，却以约 3.6% 的成本捕获 75% 的已确认 bug

详情 。Sapience Labs 定制系统在 MRCR 上拿到 97.7 分，略高于 Astra 的 96.3 分，前者只读取约 1.5 万 token 再交由 DeepSeek V4 Pro 作答，后者需完整读入 50 万到 100 万 token

。

详情 演示侧，minchoi 汇总 Astra 可开发游戏、剪辑影片、设计 3D 物体并自主连续工作数天

详情 。有 Reddit 用户称它通过 Blender MCP 从零搭建完整 3D 场景、未下载任何素材，该说法未见官方确认

详情 。开发者用 Astra 在浏览器里重建诺坎普球场，86,964 个座位可逐一点选预览视野，座椅三角面从约 208 万降到约 70 万

详情 。网传 Astra 能解出 Portal、Baba Is You 等长期困难的解谜游戏，模型名称与成绩均未见官方确认

详情 。Gary Marcus 批评 Astra 在可形式化验证问题上确有进展但成本高、难迁移到基准之外，相对最新 Claude 提升有限，救不了本已为负的利润率

详情 。用户还反映 Astra 之后拒答变多，安全审查风格更接近 Anthropic，但「审查做得还有点笨」

详情 。据传下一届 Dev Day 可能发布代号 GPT-6 Spark 的新模型，官方尚未证实

。

详情 用户称第一次被直接告知 GPT-6 Astra 容量已满

详情 。OpenAI 于 9 月 10 日暂停美国区 ChatGPT Pro 20x 计划的新订阅与升级，Polymarket 开盘赌恢复时间，较晚截止日期的 Yes 价格已到约 90 美分

详情 。有评论把「放慢前沿研发」解读为实验室算力和钱烧完了：Astra 预热数月、近乎无限用量后宣称 AGI，随即因容量暂停 Pro 申请

详情 。Codex 5x 用户反映日常任务约每 10 分钟掉 1% 周用量，加入 6.0 编码后第一天用完，下次重置显示约 10 天后而非一周，尚无官方确认

详情 。另有付费用户称 200 美元订阅体验缩水

详情 、Plus 的文档/图片/PPT 分析突然弹出「部分工具暂不可用」

详情 、ChatGPT Work 在积分耗尽时不保存检查点并清空已付费结果

详情 。员工确认桌面端语音功能走的是 agentic 额度池，而非普通聊天额度

详情 。CFO Sarah Friar 称 Luna 降价 80% 后用量增至 10 倍

。

详情 官方 FAQ 确认 Custom GPTs 将退役、建议迁到 Plugins，迁移计划 9 月 17 日开始，Enterprise 工作区预计 12 月 11 日完成；instructions 可转为 skill，已连接应用可以 apps 形式延续，自定义 actions 不会自动迁移

详情 。Agents API 进入公开测试，开发者可在全托管 Codex harness 上跑云端智能体，编排与长会话由 OpenAI 负责

详情 。员工 Derrick Choi 撰文说明 ChatGPT、Codex、API 与新 Agents API 的分工，强调不必依赖 ChatGPT 或 Codex 应用也能构建产品

详情 。OpenAI 还在做 Codex Replay，邀请 Claude Code 用户导入真实任务、用 Codex 重跑并逐项对比

详情 。Codex 已随 ChatGPT 桌面应用进入 Linux 预览，并正式支持 Arch Linux、可用 pacman 更新

详情 。Perplexity 工程师用 Codex 里的 GPT-6 Astra 做端到端测试，包括搭建 harness 与模拟第三方 API

详情 。有用户让 Codex 通宵做出《星露谷物语》完整 NPC 模组，自己只下载了游戏本体

详情 ；另一例中 Codex 用 15 分钟从 Gmail 找齐收据并填完 3 页报销单

。

详情 据《华尔街日报》报道，OpenAI 以超过 3 亿美元收购手机相机初创 Glass Imaging。其产品 GlassAI 用基于 RAW 传感器数据训练的神经网络替代传统 ISP 的部分环节，在成像前校正镜头像差、传感器噪声与串扰；此举正值 io 团队并入 OpenAI、公司与 Jony Ive 推进消费级硬件，Glass 在其中的角色尚未公开

详情 。OpenAI 发布客户案例 Fyxer：基于约 50 万小时行政助理工作流、把任务拆成数十个专用模型，2025 年 ARR 从 100 万美元增至 3200 万美元，53% 的 AI 邮件草稿被原样接受，超 90% 客户在 90 天后仍付费

详情 。Logan Kilpatrick 称数据市场将成长到数万亿美元规模，未来数年支出接近垂直增长

。

详情 支撑 ChatGPT 到 Codex 的存储平台 Habitat 年增长超 10 倍，Rust 重写前的 Python 服务峰值可处理每秒超 2000 万次请求

详情 。转述称 2 名工程师配合 Codex 与 GPT-5.5 将 Habitat 重写为 Rust，目前 95% 流量跑在 Rust 上，相对 Python 节省约 6 倍 CPU、15 倍内存

详情 。IEEE Spectrum 报道 OpenAI 用自家 LLM 辅助设计内部芯片 Jalapeño，模型对硬件设计语言 XLS 掌握较好，在 SystemVerilog 上也有明显进步

详情 。访谈称一次内核优化把 GPT-5.6 Sol 的端到端服务成本砍掉 20%

。

详情 GPT Image 2.5 已在 ChatGPT 上线，有评测称图像编辑一致性在各榜单上为 SOTA，此前被换脸微变劝退的用户被建议再试

详情 。该模型据称将进入 CapCut PC，可先出视觉分镜再交给 Seedance 2.5 生成视频

详情 。有创作者整理了 10 条图片编辑提示词模板，强调必须逐项约束要保留和要改变的内容，例如精修时保持身份与皮肤质感、删物体后按原图光照重建背景

详情 。网页与移动端在出图等待时藏着贪吃蛇小游戏

。

详情 OpenAI 发布高中生 Ryan Honary 的故事：科学项目演变成野火检测系统 SensoRy AI，传感器网络守望 Laguna Beach 山区，ChatGPT 把热量、烟雾与火焰数据转写成消防员可执行的警报，并做成语音对讲机

详情 。《波士顿环球报》报道小女孩 Olivia 的父母用 ChatGPT 整理向医生提问的关键问题，帮助确诊罕见遗传病并发现异常脑活动，Brockman 转发了该病例

详情 。Plus 用户用定时任务每天读取学校邮件并同步共享日历与待办

详情 。另有用户称自 2022 年起使用的账号在无邮件通知的情况下被删除，四年聊天记录恐全失，登录只看到 issue ID 与申诉入口

详情 ；还有 day-one 老账号因「网络滥用」警告申诉约一小时即被驳回且无说明

。