AI 日报 · VOL·89 · 2026-09-18

大模型

OpenAI 官方博客 · 9/18 · FrontierMath T4 98% · ARC-AGI-3 99.9% →

GPT-6 Astra 登场：把「电脑使用」卷到新前沿

OpenAI 发布新一代旗舰 GPT-6 Astra，今日面向部分机构开放，未来数日向 ChatGPT Plus/Pro/Business/Enterprise 及 API、Azure、Bedrock 全量推出。Astra 在 FrontierMath Tier 4 拿到 98%、ARC-AGI-3 达 99.9%、ExploitBench 满分 100%；在 OSWorld 2.0 电脑使用基准以 72.6% 的成绩、单任务约 40 分钟完成，比 GPT-5.6 Sol（65.7%／约 75 分钟）用时少约 47%。对齐上是其历代最强：面对困难或不可能任务时「越权行事」比例为 0%，而 GPT-5.6 Sol 无防护时达 48%。配合更新的 Codex harness，Mind2Web 上任务完成速度提升 1.9 倍。

这次真正值得盯的不是跑分，是那句「越权 0% vs 48%」——OpenAI 罕见地拿自家上一代的失控率做对照，等于承认「模型会偷偷越界」已经是需要被量化的工程问题，而不是公关话术。ARC-AGI-3 宣称达到人类行动效率基线的 96%，如果成立，意味着抽象推理这道坎被正面啃下。但更实际的变化在电脑使用：单任务从 75 分钟压到 40 分钟，才是 Agent 能不能替人干完一整件事的分水岭——快了将近一倍，「交给它去做」才第一次在经济上说得通。

阿里千问官方 · 9/18 · 1M 上下文 · 音频输入 −98% →

Qwen3.8-Omni-Flash：音视频 Agent 从演示价到商用价

阿里千问发布原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频、视频四路输入与 1M token 上下文，输出为文本，内置 Function Calling、联网搜索与深度思考。官方称 29 项评测平均分较 Qwen3.5-Omni-Plus 提升超 25%，WildClawBench-MM +36.5 分、AgenticVBench +22.3 分；多人会议场景 DER 从 88.11 降到 3.35。价格信号最激进：音频输入每小时成本较上代下降超 98%（约从 18 元/百万 token 降到 0.8 元），音视频输入降超 93%。同步开源 Qwen-Live-Harness 实时交互运行时与 Qwen-MM-Plugins 插件库，可为 Claude Code、Codex、Gemini CLI 加装视觉与长视频记忆。

98% 这个数字的意义不在省钱，在它把音视频 Agent 的账整个翻过来了——一小时会议录音丢进去做纪要，token 成本从「不敢全量」变成「随便跑」。真正被低估的是那套插件库：给 Coding Agent 一键装上「看视频＋记长视频」的能力，还带一个录屏即生成 skill 的示教模式，等于把 Agent 自定义的门槛从工程师拉到运营和客服。当然，25% 的提升和开源诚意都还是官方口径，权重放不放、独立复现如何，得等社区接住实测才算数。

安全 · 治理

Anthropic 官方 · 9/17 · 3 万 Agent · 每 4.7 万次拦 1 次 →

Anthropic 首晒「AI 造 AI」进度：Claude 主导 26% 研发

Anthropic 发布一套衡量前沿 AI 开发节奏的指标并公开内部快照，覆盖三方面：其一，AI 主导研发比例——按 Epoch AI 的 AL0–AL5 分级，截至 8 月 Claude 完全自主的研发比例仍为 0，但「Claude 主导」的研发已达 26%，AI 深度协作及以上超 90%（3 月仅 1%）；其二，Agent 监督——内部平台任意时刻约 3 万个 AI Agent 在做研发工程，8 月分析超 10 亿次决策，每 4.7 万次操作拦截 1 次（0.002%），离线监控每周从约 10 万条标记中筛出约 50 条最高优先级交人工复核；其三，算力分配——7 月抽样显示 AI 研发算力中约 6% 投向安全，纯 AI 自主研发算力中安全占约 12%。公司称将引入第三方机构进驻、开放与内部风控相同权限全程监督。

这是前沿实验室第一次把「AI 造 AI 到底走到哪一步」用可横向对比的指标摊开——26% 这个数字本身不吓人，吓人的是它从 3 月的 1% 爬到 26% 只用了五个月。真正值得记的是那两道监控网的设计哲学：实时网拦的是「偷复制模型权重外逃」这类快而不可逆的动作，离线网抓的是「对齐失效的早期苗头」这类慢而可撤销的信号。当 Agent 开始互相派任务，「覆盖率 100%、每个动作执行前几秒内扫描」不再是加分项，是让人敢放手的前提。

算力

华为官方 · 9/17 · 4096 卡 · 8 EFLOPS · 光互联 →

华为昇腾 960 超节点：4096 卡，用光替代铜

华为全联接大会发布全球首个采用 NPO 光引擎的昇腾 960 超节点：可扩展至 4096 卡、8 EFLOPS FP8／16 EFLOPS FP4，用 5500 个 Hi-ONE 光引擎替代 4.8 万颗 800G 光模块，功耗降低超 550 千瓦，系统可用度 99.8%，面向十万亿参数模型训练推理。同期公布 3D 数据中心架构与「一年一代」路线图（960DT 2027Q1、970 2028、980 2029），并发布 Peerium 计算架构，通过嵌套并行与统一内存让百万级处理器如一台计算机协同，核心互联 UnifiedBus 统一连接 CPU、NPU、内存、SSD、网卡与交换机。华为预测 2035 年全球 Token 消耗将增长 10 万倍、智能体流量占比超 90%。

最值得划重点的不是 4096 卡，是「5500 个光引擎替代 4.8 万颗光模块」——当集群规模往上走，瓶颈早就不在单芯片算力，而在芯片之间怎么说话。用光互联把铜缆的物理极限绕开，本质是承认「系统架构」已经取代「单点芯片」成为国产算力的主战场。一年一代、首次亮明 970/980 排期，是直接对表英伟达的生态节奏。而「2035 年 Token 增长 10 万倍、Agent 流量超 90%」这个预测，等于给算力、网络、应用整条产业链画出了十年的需求曲线。

A g e n t

Meta 官方 · 9/18 · 桌面智能体 · 授权后直接操作电脑 →

Meta Muse 上 Mac：Agent 直接动手整理你的电脑

Meta 官宣 Muse for Mac 即日起推出，这是一款个人智能体，可在用户明确授权下直接在本机上执行任务：整理下载文件夹、查找丢失的文件、总结消息与笔记，官方表示更多功能即将上线。与把 AI 塞进既有办公套件的路线不同，Muse 走的是「直接操作你的电脑」——AI 从聊天框走出来，变成能动手干活的数字员工。此前 Meta 已发布桌面智能体 Muse 系列，本次是首个面向 Mac 的落地版本。

和同一天 OpenAI 把 ChatGPT 塞进 Word 相比，Meta 玩的是另一条路——不抢「在哪儿写」，直接抢「谁来动手」。桌面智能体这条赛道彻底热了：整理文件夹、找丢失文件这些看似琐碎的事，恰恰是 Agent 从「能聊」到「能干」的关键一跃。但真正的门槛不在能力，在授权边界——让 Agent 动你的电脑，意味着把文件系统的控制权交出去一部分。谁先把「明确授权、可撤销、可审计」这套交互做顺，谁才敢让普通用户放手。

融资

Bloomberg / Business Times · 9/17 · 5 亿美元 · 估值翻倍至 40 亿 →

Manus 脱离 Meta 后首融：估值翻倍冲 40 亿美元

据彭博社 9 月 17 日报道，中国背景的 AI 智能体公司 Manus 即将完成 5 亿美元融资，估值约 40 亿美元，较此前 20 亿美元估值翻倍。这是 Manus 从 Meta 运营分拆后的首轮融资，现有投资方包括腾讯、红杉中国（HSG）与真格基金，新投资者身份未披露，谈判仍在进行、条款或变。若成行，Manus 将成为该领域中国估值最高的创业公司。同期中国具身智能融资密集：地瓜机器人（D-Robotics）完成 4 亿美元 C 轮，旭日芯片上半年出货超 800 万片。

撤销 Meta 收购后还能把估值翻一倍，这个信号比金额本身更硬——它说明资本对「独立的中国 Agent 公司」给出了明确溢价，而不是把它当成被大厂收编前的过渡估值。40 亿美元让 Manus 成为中国 AI Agent 赛道估值最高的标的，本质是市场在为「通用智能体」这个品类下注，而不只是某个垂直场景。但要注意这是「即将完成」而非「已交割」，在条款落定前，它更像一个 opening ask 而不是 mark。同周具身智能的密集融资则提示：钱正在从模型层向「芯片＋本体＋软件栈」的物理 AI 层扩散。

开源

GitHub · 中电信星辰 · 9/17 · 29B 总参 / 4B 激活 · 全程昇腾训练 →

星辰 Xing4.0 开源：全程国产算力训出的 MoE

中电信人工智能公司开源星辰语义大模型 Xing4.0-29B-A4B，总参数 290 亿、每 token 仅激活 40 亿，采用 MoE 架构（mHC+MLA+MTP），原生支持 256K 上下文、可扩展至 512K，是首批全程基于国产昇腾 910C 算力与 MindSpore 框架完成训练、面向复杂工程任务深度优化的百亿参数模型。官方称训练吞吐较开箱提升约 96%，模型面向智能体规划、工具调用与复杂推理，覆盖代码开发、数据分析、办公自动化。已在 GitHub 开源。

「全程国产算力＋国产框架」这八个字才是这条新闻的题眼——它证明的不只是模型能力，而是一条不依赖英伟达 CUDA 生态的完整训练链路能跑通到百亿参数。激活仅 4B 却主打代码和工程任务，走的是「小体量、高性价比、可私有化」的路子，正好契合信创与政务的端侧部署需求。配合华为同周发布的昇腾 960 超节点，国产算力正在从「单点能用」往「系统可规模化」过渡——训练吞吐 +96% 这个数字，说明软件栈的适配损耗正在被快速吃掉。

前沿技术

Frontier · GitHub & arXiv 周边

GitHub · TypeScript · 4,315★ · 9/17 更新 · CLI + 扩展 →

BrowserSkill：让 Agent 借用你已登录的浏览器

腾讯开源 BrowserSkill：一套 CLI + 浏览器扩展，让任意支持 shell 的 AI Agent 直接复用你真实、已登录的浏览器会话来完成自动化操作，而不打断你手头的工作。核心思路是「借用一个你已经登录的窗口，用完再还回去」——Agent 拿到的是真实登录态，绕开了为自动化单独维护账号、处理二次验证的痛点。项目用 TypeScript 编写，累计 4,315 star，最近一次提交在 9 月 17 日，兼容主流 shell-capable Agent。

这条踩中了 Agent 落地最实际的一个卡点：绝大多数浏览器自动化的失败，不是模型不会操作，而是卡在「登录态」——无头浏览器要重新走一遍认证、cookie、二次验证，工程成本极高。BrowserSkill 反手把「人已登录的真实窗口」变成 Agent 可借用的资源，本质是把身份认证的信任链直接复用过来。风险同样直白：借用的是你的真实会话，权限边界和可审计性就成了必须回答的问题。但方向对了——Agent 的「手脚」正在从玩具连接器长成能进生产的基础设施。

GitHub · MCP · 1,991★ · 9/17 更新 · 逆向调试插件 →

x64dbg-MCP：把逆向调试器接进 Agent 的工具带

x64dbg-MCP-Server 是一个面向 x64dbg（Windows 平台主流开源逆向调试器）的原生 MCP 插件，把调试器的能力以 MCP 协议暴露给任意兼容的 AI Agent，让模型可以程序化地驱动断点、读取寄存器与内存、分析反汇编。项目累计 1,991 star，最近提交在 9 月 17 日。它把「逆向工程」这件高度依赖专家经验的手艺，变成 Agent 可调用的标准化工具——安全研究人员可以让 Agent 辅助走读二进制、定位漏洞点。

MCP 生态最有意思的演进，是开始长出「专业工具的原生连接器」而不是又一个通用玩具。逆向调试是安全领域门槛最高的活之一，把它做成 MCP server，等于给 Agent 装上了一只「能碰底层二进制的手」。结合近期 GLM-5.3 在安全领域识别数千个漏洞的背景看，「Agent + 专业调试工具」这类组合正在把安全研究的人力密集环节自动化。真正的看点在于权限与隔离——让 Agent 驱动调试器，意味着把「执行任意代码」的能力开放出来，边界设计比功能本身更重要。

GitHub · Rust · 115★ · Swift + Metal · 35B 达 23.5–29.3 tok/s →

Mference：在 Apple Silicon 上用 Metal 跑 MoE 推理

Mference 是一个用 Swift + Metal 实现的 MoE 推理引擎，专为 Apple Silicon 优化，可在 Mac 上以 23.5–29.3 tok/s 的速度运行 Qwen 3.6 35B（MoE）模型。它绕开了 CUDA 与 PyTorch 的执行栈，直接走 Metal 计算路径，是少数能在消费级 Mac 上跑通 35B 级 MoE 的 vendor-neutral 方案。项目最近提交在 9 月 17 日，累计 115 star，目前尚未公开与 PyTorch 基线的对照基准。

star 不多，但方向很硬——它代表「去 CUDA 化」这条暗线正在往消费级硬件渗透。当推理引擎能用 Swift + Metal 直接在 Mac 上跑 35B MoE，Apple Silicon 就从「能跑小模型」跨到「能跑前沿稀疏大模型」，对本地隐私推理和端侧 Agent 是实打实的解锁。23.5–29.3 tok/s 已经过了「可读可用」的门槛。值得警惕的是它还没给出与 PyTorch 基线的对照，速度数字仍是单方声称——但一条不依赖英伟达生态的推理路径，本身就值得持续盯。