把今天的 AI
一杯咖啡读完

9/10，OpenAI 宣布 Agents API 进入公开测试，把驱动 Codex 的 harness（编排层）与沙箱打包成托管服务开放给所有开发者，且不额外收费。分工是：OpenAI 负责会话生命周期、编排、上下文压缩与故障恢复，应用侧负责提供工具并选择执行环境。一次 API 调用即可创建 agent——示例代码以 gpt-6-astra 为模型，通过 MCP 挂载外部可观测性服务，用 multi_agent 打开子代理并发上限（示例为 3），环境写 openai_hosted。harness 近期新增三项能力：跨长会话的上下文自动压缩（接近上限时压缩早期内容，开发者不必自己写压缩逻辑）、tool search 按需加载工具定义以省 token 并保住缓存、programmatic tool calling 让 agent 在代码里并行调用并过滤合并结果、只把有用部分带回上下文。沙箱支持 OpenAI 托管、九家伙伴（Modal、Cloudflare、Daytona、Blaxel、Runloop、Vercel、Oracle、E2B、DigitalOcean）、自建，或不开沙箱。harness 本身开源。两个已知限制：数据驻留目前仅限美国，且即便选择自托管沙箱也不支持零数据保留（ZDR）。

9/10，OpenAI 宣布 GPT-Live-1 在 API 上线，把 ChatGPT 里那套全双工（边听边说）语音能力开放给开发者。传统语音 Agent 要把 STT、推理模型、TTS 串成链，每一次交接都加延迟；GPT-Live-1 在单一模型里同时处理进出的音频，把打断、停顿、背景噪声交给模型自己判，深度推理与工具调用则委派给后端文本模型（如 GPT-6 Astra 或第三方模型）。官方数据：Full Duplex Bench v1.5 交互性 80.1%，对比 GPT-Realtime-2.1 的 45.4% 与 GPT-Realtime-2 的 47.8%；轮次接管延迟 0.798 秒，对比 1.41 秒与 1.63 秒；Tau3（Voice）智能 Pass@1 为 86.2%，对比 45.7% 与 42.4%；Tau Banking 语音知识任务完成率 32.0%，对比 12.4% 与 10.3%；Artificial Analysis 对话动态 97.3%。定价上前端语音层 0.05 美元/分钟（约 3 美元/小时），后端模型与工具另计；同步新增 Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta、Cinder 十二种声音，并支持电话场景。早期客户侧：语言学习平台 Speak 的误打断减少近 80%；某医疗平台 CTO 称代码量减少 80%、删掉约 2.3 万行代码。

9/10，Anthropic 发布《Detecting and countering misuse of AI: September 2026》威胁情报报告，覆盖 2025 年 12 月至 2026 年 8 月被识别并阻断的滥用行为，分七类危害：网络攻击、影响力行动、监控、诈骗欺诈、生物滥用、常规武器开发、违规蒸馏。涉案模型为 Claude Haiku / Sonnet / Opus，Fable 与 Mythos 级别仅出现一例蒸馏。几个硬数据：自 2026 年 2 月起阻断来自 7 家中国实验室的蒸馏攻击，其中与阿里巴巴相关的活动在 5–7 月抽取超过 1.51 亿次对话，峰值近 300 万次/天，动用 3,500 多个虚假账号；俄罗斯关联组织 GTG-20006（归属与 Midnight Blizzard 公开报道一致）针对 20 多家乌克兰及欧洲政府、军事、外交机构，其 AI 代理会在恶意软件被安全产品标记后自动改写重建；与 ShinyHunters 相关的团伙在约 34 小时内，从一家 SaaS 供应商约 200 家下游客户中捞走 2,100 多套 Azure AD 令牌、覆盖 40 多个企业租户，几乎全部由 AI 代理完成；马里一名顾问以 Claude 作为"工程团队"搭建 Lakana 360 平台，监控该国三大运营商约 2,500 万张 SIM 卡。常规武器方向共 6 例（中国 3、俄罗斯 2、也门 1），也门一处用 Claude Code 开发制导火箭及射程目标超 2,000 公里多级弹道导弹的制导导航控制软件，并做了实弹试射（据报告似未成功）。

9/10，法律 AI 公司 Harvey 宣布完成 5.5 亿美元融资，估值 155 亿美元（彭博口径为 156 亿），由 Diffusion 与 Lightspeed Venture Partners 联合领投，Sapphire Ventures、Whale Rock 新进，红杉、Kleiner Perkins、a16z、Coatue、Conviction、Elad Gil、GIC、Goldman Sachs Alternatives 等老股东跟投。估值轨迹：2025 年 2 月 30 亿 → 同年 6 月 50 亿 → 12 月 80 亿 → 2026 年 3 月 110 亿 → 现在 155 亿，14 个月涨了两倍多。商业数据：服务 3,000 多家机构（今年 3 月约 1,300 家），ARR 超过 4 亿美元，Am Law 100 律所约 80% 在用，客户含 Latham & Watkins、微软法务团队及 5 家 Fortune 10 公司，估值约为 ARR 的 39 倍。同步动作：收购 AI 代理安全公司 Guardrails AI（2026 年内第四笔，此前为 1 月 Hexus、3 月 Lume AI 团队、7 月 Benchmark）；8 月发布首个自有后训练模型 Tenet，基座用的是 Moonshot AI 的开源模型 Kimi K3，由 Fireworks AI 协助训练；另推出法律代理基准 Harvey LAB。

欧盟委员会首次动用《AI 法案》新授予的执法权，向部分最强通用 AI 模型的开发方发出信息请求，要求说明网络安全、安全与版权合规情况。欧盟委员会技术主权、安全与民主事务执行副主席 Henna Virkkunen 接受 Euractiv 采访时确认了这一动作，但未点名收件方；她表示请求并未覆盖所有提供方，因为委员会近几个月已与部分开发商保持密切对话。Euractiv 就此事联系 Anthropic、OpenAI、Google、Meta 与 Mistral，截至发稿均未回应。另据一路报道，AI 办公室已于 9 月 1 日向 30 多家 AI 公司发出第一批信息请求，重点是那些未参与此前非正式合规对话的提供方。问询内容包括：模型与物理基础设施的网络安全防护、防止模型被人或其他 AI 系统窃取的证据、给外部评估方的访问程度、对其安全建议的跟进情况，以及发布后的使用监测。通用 AI 模型规则自 2025 年 8 月 2 日起适用，要求维护技术文档、建立版权政策、公开训练内容摘要；AI 办公室可要求整改、限制模型可得性，并处以最高全球年营收 3% 或 1,500 万欧元罚款（取高者）。高风险 AI 系统义务已推迟至 2027 年 12 月 2 日。

9/10，宇树科技宣布新一代通用人形机器人基础模型 UnifoLM-WLA-1.0 全面开源，同步开放代码、模型权重与训练数据集，并可免费商用。模型为 60 亿参数的视觉-语言-动作（VLA）基座，架构由两部分堆叠：一是 UnifoLM-ER-1-4B，基于 Qwen3-VL-4B 的具身推理主干，在超过 500 万条具身样本（图像点预测、目标检测、多图推理、2D 轨迹预测、3D 检测、多图空间问答）上与通用图文数据共训；二是基于 MMDiT 的动作专家，把 VLM 隐状态与带噪动作 token 去噪成连续控制量。中间的关键设计是"以交互为中心的世界建模"：对相邻帧做光流估计、抽取运动像素得到动态区域掩码，再用 VQ-VAE 压成离散 token，让模型只预测"场景里哪里会变"，而不是重建整帧未来。动作空间拆成末端位姿、手/夹爪关节、下肢关节三路，各自用残差向量量化（RVQ）离散化后同步喂入模型，实现跨本体先验迁移。训练用约 2,500 小时高质量真机数据（含宇树开源数据集、BitRobot-HIW-500 等）。真机评测单模型完成 64 项任务，其中 54 项桌面精细操作、10 项全身移动作业，可跨任务、跨末端执行器（平行夹爪与多种五指灵巧手）泛化；4B 的 ER 模型在 16 项空间与多模态基准中的 7 项取得开源第一，部分指标对标闭源模型；实机策略推理延迟低于 105 毫秒。

PI-Desktop 是一个本地优先（local-first）的 AI 编程 Agent 桌面应用，架构为 Electron 外壳 + Rust 编写的 host core + pi Agent Harness + 用户可自行安装的插件体系，主要语言 TypeScript。仓库 2023 年 3 月创建，2026 年 9 月 11 日仍在高频提交，当前 2,355 星、当日新增 624。Topics 覆盖 ai-agent、coding-agent、local-first、mcp、pi-agent、plugins、rust 等。它把"Agent 跑在用户自己的机器上"当成默认形态：文件读写、命令执行、工具调用都发生在本地，而不是托管沙箱里。

okf-agent-memory 为 AI 编程 Agent 提供持久化记忆，实现 Google 提出的 Open Knowledge Format（OKF）v0.2 规范。技术要点：把记忆以 Markdown 形式存进 Git 仓库，用 Git 本身做版本与同步，零外部数据库、零依赖；检索侧在内存中跑 BM25，延迟做到 sub-300µs；采用渐进式披露（progressive disclosure）策略，只按需加载相关片段，官方称可将 token 膨胀削减 80%；同时内嵌一个 MCP server，可被任意支持 MCP 的 Agent 直接挂载。纯 Go 实现，2026 年 9 月 5 日创建、9 月 10 日仍在更新，当前 549 星。Topics 含 mcp、mcp-server、model-context-protocol、agent-memory、bm25、git-native、okf、knowledge-graph 等。

论文《Eliciting Weak-to-Strong Generalization with On-Policy Reverse Distillation》，9 月 8 日提交，共 38 页、18 图、10 表，作者包括 Pashmina Cameron、Aaron Courville、Se-Young Yun 等 9 人，方向为 cs.LG / cs.CL。核心问题：强模型能否从更弱的监督者身上学到东西并反超？传统蒸馏把弱老师当作优化目标，等于把老师的能力天花板压在学生头上。OPRD 的做法是：在学生自己的 rollout 上，评估老师的策略相对于其参考策略的偏移方向，然后把学生的 verifier 驱动策略梯度中"沿着这个方向"的分量放大。关键约束是只 rescale 被 verifier 支持的更新，因此保留了策略优化的驻点（stationary points）不变——老师加速学习，但不改变优化目标本身。实验上，在连续代际模型迁移与多老师蒸馏两种设定里，OPRD 用更少的学生更新步数取得更高性能；响应风格分析显示，OPRD 的学生更接近"纯 verifier RL 训练出的模型"而非弱老师，佐证了"老师是指南针而非终点"这一设计意图。