AI 日报 · VOL·87 · 2026-09-15

大模型

Gemini 3.8 Live 上线：边推理边说话，对话不再断

Google DeepMind 发布实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。Extended Thinking 在 Artificial Analysis 语音到语音质量指数以 82.6 分拿下总榜第一，代理任务完成基准 τ-Voice 得分 68.6%、Big Bench Audio 97.7%；可在对话中途自动切换 97 种语言，工具调用与 API 请求在后台执行，对话全程不中断——它会用「让我查一下……」这类早期口头提示自然承接请求，再以实时进度旁白带用户走完多步任务。两款模型已上线 Gemini API 与 AI Studio，定价为音频输入 $0.005/分钟、输出 $0.018/分钟，所有生成音频带 SynthID 水印。

语音助手等了十年，等的不是更高的分数，是「敢开口过渡」——用一句「让我查一下」把等待的空白填上。Extended Thinking 真正改的不是跑分，是把「喂，还在吗」从产品里整个删掉。后台跑工具这件事一旦成了默认，语音就从问答界面变成了任务界面，而这两者的产品复杂度差一个量级。值得注意的是同一天阶跃也发了语音模型并宣布多个榜单第一，赛道一天挤进两拨人，接下来比的不会是分数，是谁先把延迟和打断处理做顺。

TypeSafe AI 官方 · 9/16 · 70–500ms · HN 714 分 →

Jev 砍掉文本生成，只输出带概率的决策

由前 ChatGPT 研究者 Diogo Almeida 创立的 TypeSafe AI 发布首个 System One 模型 Jev，目前以早期访问形式上线。Jev 放弃文本生成，采用新模型架构 + 并行采样器 + RLCD（Reinforcement Learning from Contrastive Distillation）训练，直接并行输出预先定义结构的类型安全决策，每个结果附带概率与置信度分数。官方称其在 System One 任务上智能水平与现有 LLM 相当，端到端响应时间 70–500 毫秒，比现有 LLM 快约两个数量级、成本低 40–400 倍，且结构上不会产生幻觉。定价为输入 $0.042/百万 token，输出 token 免费。发布当日登上 Hacker News，获 714 分。

把「解释」这一步整个删掉，本质是承认一件事：大量调用根本不需要模型说话，只需要它做判断。这一刀砍向的是 LLM 最贵的那部分——为可读性付出的 token。输出 token 免费这个定价也直白得可爱，等于明说「我按判断收费，不按废话收费」。风险同样明摆着：没有解释链的决策，出了事怎么审？Jev 给的是置信度而不是理由，这在风控、医疗这类要写事故报告的行业里，可能比慢两个数量级更难接受。

阶跃星辰官方 · 9/15 · 五款齐发 · 98.9% 居首 →

阶跃 StepAudio 3 一次发五款，语音栈补齐

阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen、Music 五款模型，全部上线阶跃星辰开放平台并提供 API 接入。Realtime 在 Artificial Analysis 对话动态榜以 98.9% 居首、语音推理准确率 99.7%，支持原生全双工与异步工具调用；ASR 非流式词错误率仅 1.7%，并列第一；Gen 可一次生成人声、音效、环境音与配乐，覆盖完整语音内容栈；Music 支持 ABC 记谱法多轮交互创作。

五款一起发，赌的是「语音能力栈」而不是单点模型——识别、合成、实时交互、音乐一次补齐，意图是让开发者不需要在五家供应商之间拼套件。98.9% 和 1.7% 这种卷到小数点后一位的数字，说明榜单层面的胜负基本分完了，接下来拼的是谁把这些能力塞进一个真正能用的产品里。全双工 + 异步工具调用是这次最实用的部分：它意味着语音 Agent 可以边听边调工具，和 Gemini 3.8 Live 走的是同一条路。

政策

TechCrunch / Bloomberg · 9/15 · 密谈数周 · 无需反垄断豁免 →

三巨头密谈数周，AI 安全从表态进入组队

OpenAI 全球政策主管 Chris Lehane 周二向记者证实，公司已与竞争对手 Anthropic、Google DeepMind 就 AI 安全磋商数周，由 Bloomberg 首先报道。Lehane 在华盛顿与国会议员会面时表示「一起把安全列为优先事项更好」，并称三家协调安全议题不需要反垄断豁免；他同时表态支持 FRONTIER Act 中要求顶级前沿实验室接受「独立验证组织」入驻的条款。The Information 此前报道，三家公司正筹建一个行业自律标准机构，Altman 据称告诉员工该机构必须在没有美国政府支持的情况下成立。此前 Dario Amodei 周六发文呼吁放缓前沿 AI，Altman、Hassabis、Musk 均公开表态支持。

牵头的是政策负责人而不是研究员——这条线索基本定了调：这场协作的成品大概率不是模型，是规则。Altman 自己都提过与对手协调可能触碰反垄断，Lehane 却说不需要豁免，这种自信要么来自法务，要么来自「我们谈的只是安全」这个足够干净的叙事。真正的看点在于那个标准机构有没有独立席位：没有的话，它就是一份写成机构形式的新闻稿；有的话，它才是这个行业第一次出现真正能约束参与方的东西。白宫那边的态度很明确——特朗普称 AI 安全是骗局，Sacks 说存在性风险被夸大，所以框架只能从行业内部长出来。

算力

Bloomberg / 智通财经 · 9/16 · 12 个月 1GW · 误差 2–3% →

Meta 三代自研芯片首测：与模拟只差 2–3%

Meta 工程副总裁 Yee Jiun Song 接受 Bloomberg 采访透露：第三代自研 AI 处理器 MTIA 450（代号 Arke）正处测试阶段，计划 2027 年上半年部署至数据中心，公司已承诺 12 个月内部署超过 1GW。Arke 由博通合作设计、台积电生产。9 月 1 日台积电交付首批 12 颗，实际性能与此前模拟结果差距仅 2%–3%，首日即成功运行 Meta 自研模型，以及 DeepSeek 和阿里的模型，显示其并非只针对内部单一模型优化。下一代 MTIA 500（代号 Astrid）约一个月后完成设计，2027 年底进数据中心。Meta 已取消兼顾训练与推理的 Olympus 项目，自研芯片全面转向通用推理。

首日就能跑别人家的模型，这个细节比 1GW 更值得记——它说明 Meta 要的不是「为我一家优化的加速器」，而是通用推理的商品化供给。砍掉 Olympus 也是同一逻辑：训练芯片是军备竞赛，推理芯片是成本账本。当推理成为主要开销，自研的意义就从「不被卡脖子」变成「能不能把单次调用压到几分钱」。2%–3% 的流片误差同时说明一件事：芯片设计本身已经不是瓶颈了，接下来比的是软件栈和部署速度。

融资

Reuters / GetAIBrief · 9/15 · 2 亿美元 · 五个月 +233% →

Factory 五个月估值翻 3.3 倍，冲到 50 亿

企业级 AI 编码 Agent 公司 Factory 于 9 月 15 日宣布完成 2 亿美元融资，估值从 4 月的 15 亿跃升至 50 亿美元，五个多月上涨约 233%。投资方包括 Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners、Evantic Capital、Sound Ventures。公司 2023 年由 Matan Grinberg 与 Eno Reyes 创立，提供让企业 Agent 构建、测试和维护软件的平台；CEO Grinberg 称企业正从单个编码 Agent 转向「软件工厂」，后者将成为软件公司的核心基础设施。同赛道对手 Cognition 本月初以 480 亿美元估值融资 20 亿美元。

五个月 3.3 倍，买的不是 Agent 有多聪明，是「软件工厂」这个组织隐喻——把工程团队整体外包给一条流水线。但同月 Cognition 拿着 480 亿估值，差了近 10 倍，说明资本在这个赛道里已经不做同层比较了：一家在卖产能，另一家在卖标准。Blackstone 这类 PE 进场也值得注意，它意味着这个品类开始被当成可预测的现金流资产，而不是高风险的成长赌注。

A g e n t

新京报贝壳财经 · 9/15 · CLI 247→767 · ARR 2.5 倍 →

飞书 8.0 给 Agent 发工牌，直接拉进群聊

9 月 15 日，字节在 2026 飞书未来无限大会发布飞书 8.0 与团队智能体「豆包工作伙伴」，后者拥有独立身份、权限与记忆，可像同事一样加入飞书群聊，在授权范围内使用文档、表格、会议、日历与企业业务系统，完成信息同步、文档审校、周报整理和代码分析，并根据进展主动工作。飞书面向 Agent 的 CLI 自 3 月上线以来开放功能点从 247 个扩至 767 个，调用成功率从 78% 提升至 95%，整体速度提升 39%。飞书上半年 ARR 增速达去年同期 2.5 倍，超九成新增客户同步采购飞书 AI 产品。字节 CEO 梁汝波称 AI 是过去 50 年 IT 领域第四座产业高峰，「比前三次高很多」。

247→767 和 78%→95% 这两组数字才是真家伙——Agent 能不能干活，取决于平台肯开放多少个可调用的「手脚」。给 Agent 发工牌、进群聊、继承使用者权限，看起来是产品创新，实质是把组织结构的接口开放出来了：Agent 权限严格跟随使用者身份，员工看不到的它同样看不到，这才是企业敢用的前提。真正难的不是让 Agent 像人一样工作，是让企业敢把上下文、权限和责任一起交出去——这三者里，只有前两个能靠技术解决。

前沿技术

Frontier · GitHub & arXiv 周边

GitHub · C · 33,956★ · 今日 +2,026 · 零依赖 →

纯 C 引擎：消费级显卡跑 2.8T MoE

colibri 是一个纯 C、零依赖的推理引擎，把显存、内存、磁盘当成统一的存储层级：MoE 专家权重只在被激活时从磁盘流式加载，因此 8–16GB 显存的消费级 GPU 也能跑 744B–2.8T 参数的前沿 MoE 模型（GLM-5.3、Kimi K3、DeepSeek V4 等）。今日登上 GitHub Trending，单日新增 2,026 star，累计 33,956 star，最近提交 9/15。作者明确表态：不提供速度 SLA，但给硬语义保证——内存不足只会变慢，绝不悄悄降精度或改路由专家。

最值得注意的是那句「不给速度 SLA，只给语义保证」。当所有人都在比 token/s，colibri 反手把确定性放在第一位——对拿它做研究的人来说，一次静默降级的破坏力远大于慢十倍。MoE 的专家命中本就稀疏，把不常激活的专家放磁盘上，等于承认显存不是模型的容器，只是它的缓存。这个思路一旦跑通，「能不能跑」和「跑得好不好」就彻底解耦了，本地推理的门槛从硬件预算变成了耐心。

GitHub · Rust · 3,435★ · 今日 +531 · 9/16 提交 →

把编码 Agent 改造成会做实验的研究员

alphaXiv（arXiv 论文社区运营方）开源 OpenResearch：一个 Rust 编写的本地优先研究工作区，把 Claude Code、Codex、OpenCode、Cursor 等编码 Agent 升级为能读文献、提假设、跑实验、写结论的研究 Agent——可检索论文、解析 LaTeX/PDF、复现实验、管理引用。其核心是可复现性以 git 原生方式固化，而非事后导出报告。今日登上 GitHub Trending，单日新增 531 star，累计 3,435 star，最近一次提交在 9 月 16 日。

编码 Agent 和研究 Agent 的能力栈高度重合——都要读文档、写代码、跑命令、看结果，缺的只是文献检索与实验记录这两块拼图。alphaXiv 手握 arXiv 语料来做这件事，位置很刁。把复现性做成 git 原生而不是「导出一份报告」，说明它瞄准的是科研里最难审计的那一环：不是结果对不对，是别人能不能照着重跑一遍。这类工具真正的对手不是别的框架，是研究者的惯性。

GitHub · C · 43,425★ · v0.11.0 · 158 语言 →

代码库知识图谱 MCP：省掉 99% token

codebase-memory-mcp 是一个用 C 编写的高性能代码智能 MCP server：用 tree-sitter 做 AST 分析，把代码库索引成持久化知识图谱，覆盖 158 种语言，平均查询亚毫秒级；相比逐文件探索可减少约 99% 的 token 消耗，以单一静态二进制文件运行、零依赖。项目累计 43,425 star，9 月 15 日发布 v0.11.0 版本。

99% 这个数字的意义不在省钱，而在它改变了 Agent 探索代码库的方式——逐文件读是把代码当文本，知识图谱是把代码当结构。当检索成本降到接近零，Agent 的瓶颈就从「上下文够不够」变成「问得对不对」。MCP 生态走到这一步才算真正长出基础设施：不是又一个能连的玩具连接器，而是把「理解代码」这件事从模型的上下文里剥离出来，变成可复用的服务。语言覆盖 158 种这一条也实在，多数同类工具到二十种就停了。