AI 前沿观察

DeepSeek 在官方 API 文档发布 DeepSeek-V4.1-Flash（News 标注 2026/09/10），面向长上下文与视觉 Agent 团队；Hugging Face 权重近 24 小时仍在更新。官网首页无带日期公告，一手出处是 API News / Change Log / 定价页与模型卡。

• 规格：官方称这是新架构家族里最小的一款，原生看图。552B 参数 MoE；Causal Encoder–Decoder 非对称激活——输入约 8B、输出约 16B。上下文 1M，最大输出 384K。支持 thinking / 非 thinking，推理强度可在 1–100 连续调节。权重 MIT 许可。
• 成本结构：官方对比上一代，KV cache 只要约 1/4 HBM、1/8 SSD；模型卡写明全局 KV 约 890 字节/token。缓存命中往往占 Agent 账单大头，压 cache 就是压长上下文费用。
• 怎么调用：新模型名 `deepseek-flash`。旧名 `deepseek-v4-flash`、`deepseek-v4-flash-vision-exp` 已退役，暂时路由到 V4.1-Flash 并按 Flash 价计费。Flash 支持视觉；V4 Pro 官方定价表写明不支持视觉。并发上限 Flash 2500、Pro 500。官方点名 WorkBuddy（含 CodeBuddy）与 OpenCode 已接好。
• 定价（官方美元，每百万 token）：Flash 非高峰：缓存命中 $0.003、未命中 $0.15、输出 $0.60；高峰为 2 倍。高峰时段为工作日 01:00–04:00 与 06:00–10:00 UTC，其余为非高峰。新定价自 2026-09-10 04:00 UTC 生效。
• V4 Pro 口径必须再核：News 页仍写「2026-09-14 04:00 UTC 起，`deepseek-v4-pro` 将改走 V4.1-Flash 并按 Flash 价」。但 Change Log 与定价页脚注已改口：应需求，9 月 14 日之后继续提供 V4 Pro，计价不变。上线前以 Change Log / Models & Pricing 为准，不要只看 News 旧句。

GitHub 于 2026 年 9 月 11 日更新 Copilot code review，面向已在用 Copilot 审 PR 的工程团队：它会在你改完问题后自动关掉对应评论，并在 Lite 档用多个智能体复审。

• 自动关闭：你推送的后续 commit 若已处理某条 Copilot 评论，复审时会自动 resolve；没改完的继续开着，避免评论区堆着过期意见。
• 智能提交说明：一键应用 Copilot 的改代码建议时，不再套默认 commit message，而是按这次改动生成说明。
• 审得更深：复审现在用上 Copilot SDK 的全套 shell 工具（在 agent 防火墙后），可跑构建、测试、脚本，并向可用工具/API 取证。官方称实验里正面反馈增多，高严重度发现更多、吹毛求疵更少。
• Lite 改集成：Lite 档不再单智能体单干，而是多个智能体各自看、再合成一份审查。官方实验：高/中/低严重度「被采纳评论」分别多 47% / 31% / 11%，审查成本约降 8%。这些改动只提高审查质量，不改变你怎么发起或接收审查。

GitHub 于 2026 年 9 月 11 日宣布 Copilot 用量指标正式纳入 VS Code Agents 专用窗口，面向企业主、组织主和账单管理员，用来看有多少人真在用独立 Agent 窗口、用得有多勤。

• 企业/组织汇总（1 天与 28 天）：新增可选字段 `daily_active_vscode_agent_users`（当日独立活跃用户），以及 `totals_by_vscode_agent`（`session_count` 与 `total_user_messages`）。
• 用户级报告：新增 `used_vscode_agent`（是否用过该窗口），以及每用户的 `totals_by_vscode_agent`。
• 边界：只覆盖 VS Code Agents 专用窗口，与编辑器里的 Agent Mode、通用用量汇总分开。没有数据时字段保持缺省或 `null`，兼容旧报表。
• 谁能看：企业 owner / billing manager、组织 owner，以及被授予 `View Copilot Metrics` 的自定义角色；且必须先打开 Copilot usage metrics 策略。

AWS 于 2026 年 9 月 11 日发文，面向已在 Amazon Bedrock AgentCore 上跑多智能体的团队，用一套航空订票演示说明：生产事故经常看起来像「Agent 变笨」，根因却可能是权限或限流。

• 两层监控：AgentCore Evaluations 对线上对话抽样，用 LLM-as-a-Judge 打 helpfulness / correctness / goal completion，并解释低分；AWS DevOps Agent 在出事时自动拉 CloudWatch、跨服务追 IAM / Bedrock / 运行时，给出根因与修复建议。
• 为什么难盯：演示用 Swarm——主管只做入口，专家之间动态交接、共享工作记忆，没有固定调用图可埋点。一次「西雅图→波士顿→迈阿密 + 伴侣券 + 差旅政策 + 金卡升舱」要并行查航线、读会员、再按顺序下单。
• 怎么接：观测数据从 AgentCore runtime 经 OpenTelemetry 进 CloudWatch；质量分也进同一处。事故可通过签名 webhook 交给 DevOps Agent。完整 CDK 与仪表盘在官方样例仓库，并指向 FAST（Fullstack AgentCore Solution Template）里的 Evaluations 指南。
• 核对范围：这是官方 how-to 与参考实现，不是新产品发布日。AgentCore Evaluations、DevOps Agent 的区域、采样比例与报价，请打开对应产品页再写进运维手册。

AWS 于 2026 年 9 月 11 日发文，面向要把业务做成「带界面的 MCP 服务」的团队，示范如何用 Amazon Bedrock AgentCore 托管 MCP Apps：在 ChatGPT、Claude 等支持该扩展的宿主里渲染同一套 HTML 卡片，而不是只回纯文本。

• 协议与平台：MCP Apps 给 MCP 加上可交互 HTML 小组件；AgentCore runtime 提供按会话隔离的无服务器 MCP 宿主，AgentCore Gateway 露出单一安全端点。样例「Unicorn Rentals」可浏览、预订、查看与归还，官方写明在 ChatGPT 与 Claude 里体验一致。
• 请求怎么走：宿主先 `tools/list` / `resources/list`；用户一句话被译成 `tools/call`（如 `list_unicorns`）。有 `_meta.ui.resourceUri` 的工具会再 `resources/read` 取自包含 HTML，在沙箱 iframe 里渲染。业务逻辑在独立 Lambda + DynamoDB，MCP 层只做协议适配。
• 生产注意：Gateway 前可加 WAF（IP 白名单、托管规则、限流）；runtime 用资源策略只允许 Gateway 角色调用。观测走 CloudWatch；非结构化出站文本可用 Bedrock Guardrails。计费按容器时长与调用量。仓库：`aws-samples/sample-agentcore-mcp-apps`。
• 核对范围：这是官方教程 + 样例，不是 MCP Apps 标准本身的发布日。ChatGPT 需打开 Developer Mode 并登记插件；Claude 走 Connectors。具体宿主是否已对你的账号开放 MCP Apps，请打开各宿主设置核对。

Cursor 于 2026 年 9 月 10 日在官方 Changelog 发布 Projects（测试版，即日起向全部用户滚动开放），面向要做大功能、迁移或整站交付的开发团队，用协调智能体把长期任务拆给大量子智能体并行推进。

• 怎么分工：左侧导航进入 Projects。协调智能体自己不写代码，负责规划、把任务派给执行智能体，再把完成件交回给你验收；可按工作量并行拉起所需数量的子智能体。
• 云端不停机：Project 跑在独立的云电脑上，合上笔记本也不会中断。需要本机测试时，协调智能体会再拉起本地智能体。
• 共享上下文：每个 Project 维护一套在云端与本机之间同步的文件，智能体会写入调研、产物，以及它对代码库和你偏好的理解。例如有人摸清了某服务的测试方法，后续智能体都能沿用。
• 订阅信号：可让协调智能体盯 Slack 频道、按日程跑，或跟踪全部 PR；接到信号就行动，不必等你再提示。接到 Slack 报缺陷频道后，可按每条缺陷自动分派。
• 核对范围：官方写明为 beta、即日起滚动开放。额度、价格、企业管控与地区可用性请打开 Changelog 原文核对后再写进团队规范。

OpenAI 于 2026 年 9 月 10 日通过官方博客 RSS 发布 Agents API，面向要上线云端智能体的产品与平台团队，把它定位为托管服务，底层由 Codex 套件驱动编排、长会话与工具调用。

• 官方一句话：用 Agents API 构建并上线云端智能体；托管服务，由 Codex harness 提供编排、长时间运行的会话，以及工具使用。
• 和「自己拼 Agent 循环」的差别：官方强调的是托管与套件，而不是再发一套提示词模板。适合已经在用 Codex / ChatGPT 工具调用、想把会话和编排交给平台的团队。
• 核对范围：本次抓取官网正文页被 Cloudflare 拦截，卡片只采用官方 RSS 标题与摘要中的事实。定价、配额、地区、是否对所有 API 层级开放，以及和 Assistants / Responses API 的替换关系，请打开原文核对后再写进架构评审。

OpenAI 于 2026 年 9 月 10 日通过官方博客 RSS 介绍 ChatGPT Work 里的 Data agent，面向要在对话里用公司数据出洞察的业务与分析岗，强调用自然语言连接数据、发现洞察，并搭建交互式仪表盘。

• 官方定位：Meet the Data agent in ChatGPT Work——连接公司数据，发现洞察，用自然语言搭建交互式仪表盘。
• 和「把表格贴进聊天」的差别：官方写的是「接上公司数据」再分析、出仪表盘，而不是一次性粘贴一份 CSV。适合已经在用 ChatGPT Work、希望少走一遍 BI 排期的团队。
• 核对范围：本次抓取官网正文页被 Cloudflare 拦截，卡片只采用官方 RSS 摘要。支持哪些数据源、权限模型、是否写入源系统、定价与企业管控，请打开原文核对后再对财务口径负责。

AWS 于 2026 年 9 月 10 日宣布 Amazon Quick 桌面应用在 macOS 与 Windows 正式 GA，面向企业知识工作者；同期给 iOS / Android 增加活动流，把邮件、日历、CRM 与即时消息收成一份按优先级排列的清单。

• 桌面能做什么：用自然语言问复杂问题、在后台组装会议简报，并把一个人搭好的仪表盘、智能体与自动化分享给全组。官方强调数据留在客户环境、对话保持私密，审计走 Amazon CloudWatch 与 AWS CloudTrail。
• 手机活动流：智能体自己能处理的事项从列表里消失，剩下「只有你能拍板」的短队列；会学习关系、优先级与习惯，而不是只按到达时间刷屏。
• 合规与预览客户：官方写明从第一天起带 HIPAA、FedRAMP、SOC 2、ISO 27001。Southwest Airlines、LabCorp、PGA TOUR 等在预览期使用桌面端，原文引用了他们的内部评价，属客户证言，不是可复现基准。
• 不是二手转述：这是 AWS 自有助手产品的桌面 GA，不是在转述另一家模型上架。

AWS 于 2026 年 9 月 10 日为 Amazon SageMaker Inference 实时端点新增 PREFIX_AWARE 路由策略，面向已在实例上打开前缀 KV 缓存的 LLM 服务团队，让带相同提示词开头的请求稳定打到同一台机器。

• 要解决的错位：vLLM / TensorRT-LLM 能缓存共享前缀，但默认随机路由会把同一段 3000 token 系统提示打散到整个机群，每台都冷启动。新策略按请求开头做亲和，并带过载保护：目标实例满了就改道，扩缩容时只挪一小部分流量。
• 官方基准（Llama 3.1 70B Instruct，7 台 ml.p5.48xlarge，vLLM 打开前缀缓存）：8000 token 共享前缀、持续 1 小时时，P50 TTFT 降 71–77%，P90 降 33–37%，KV 缓存命中率从约 25% 升到逾 80%，吞吐升 15–16%。短对话（ShareGPT 风格 30 分钟）P50 降 13–16%，吞吐只升约 2%。路由本身多 1.3–1.9 毫秒。
• 怎么开：在端点配置的 RoutingConfig 里设 RoutingStrategy=PREFIX_AWARE，并配置 PrefixLength（1024–65536）与 ConcurrencyThreshold（1–1024）。原生 Invoke 按请求体字节计，OpenAI 兼容 API 按抽出的消息字符计；多租户可用 X-Amzn-SageMaker-Prefix-Aware-Id 或 prompt_cache_key 做隔离。
• 前提：至少两台实例，且容器侧必须打开前缀缓存。单实例或请求序列化不一致（JSON 空格、键顺序）会让亲和失效。

Anthropic 于 2026 年 9 月 10 日发布《Detecting and countering misuse of AI: September 2026》，汇总 2025 年 12 月至 2026 年 8 月、由其威胁情报团队识别并打断的滥用，覆盖网络攻击、影响力行动、监控、诈骗、生物误用、常规武器与蒸馏七类。官方写明：除一起非法蒸馏外，这些案例用的是 Claude Haiku / Sonnet / Opus，不涉及 Fable / Mythos。以下数字与归因均为 Anthropic 单方叙述；通义、Kimi、DeepSeek 官网近 24 小时未见带日期回应。

• 网络攻击趋势：官方称 AI 已压低「国家队 vs 个人」的技能门槛，多数案例里模型不只回答问题，而是编排侦察、利用与窃取；人仍决定目标并复核结果。报告举俄罗斯关联 GTG-20006 等案例，说明检测规则被绕过的速度在加快。
• 非法蒸馏（官方定义）：工业化、隐蔽地抽取模型能力并复制到另一模型，通常靠被盗信用卡、账号与 API Key。阿里巴巴（通义实验室 / Qwen）：Anthropic 称为其测过最大的思维链蒸馏，针对 Opus 4.6 / 4.7，用于 Qwen 3.5 / 3.6 / 3.7；2026 年 5–7 月归因逾 1.51 亿 次交互，峰值近 300 万次/天、逾 3500 个欺诈账号。月之暗面：官方称其曾把用户请求悄悄转到 Claude（多数打到 Opus）再把回复显示为 Kimi，并抽取思维链；5–7 月归因逾 2300 万 次，其中 10 天内近 30 万次、约 5380 个账号。DeepSeek：官方称其用类似跨会话回放拆出推理痕迹，并在第三方编码套件流量上把部分用户转到 Opus；2026 年 7 月 14 天内归因逾 1210 万 次。
• 边界：这是厂商威胁报告，不是法院判决或被点名公司的承认。能力、定价、产品是否上线不在本报告范围内；亦见于 TechCrunch 对同一份报告的转述。

Hugging Face 于 2026 年 9 月 10 日发文介绍 Workflow1111：用 Gradio Workflow 把 AUTOMATIC1111 稳定扩散 WebUI 的大部分能力收成一张工作流画布，面向要在浏览器里拼出图管线、又想直接当 API 调用的团队。

• 画布上有什么：11 条媒体管线、73 个节点，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测转重绘蒙版、ControlNet 风格标注、去背、PNG Info、图生视频等。节点只有四类：本地 Python 函数、InferenceClient 调模型、调用另一个 Space、读 Hub 数据集。
• 怎么跑：用 Hugging Face 账号登录或提供 access token，模型调用走你自己的配额。也可复制 Space 改线。约三分之二节点是纯本地 fn（36 个算子里 32 个 fn、22 个完全不联网）。
• 每个输出都是接口：官方写明画布上的输出节点会生成 REST 端点（文中列举 /image、/edited_image、/png_info 等 9 个），打开 mcp_server=True 后也可当 MCP 工具；调用方在 X-HF-Token 里带自己的 token，Space 不代持密钥。
• 和 ComfyUI 的官方对照：节点可以跑在你没有的硬件上（Inference Providers / Space）；自定义节点就是普通 Python 函数。这是 Gradio 工作流示例，不是 AUTOMATIC1111 官方迁移公告。

Meta 于 9 月 8 日发布个人智能体 Muse，面向普通用户与个人效率场景，强调「不只回答问题，而是替你把事做完」。引擎是 Muse Spark；对话入口是独立 App 或 WhatsApp，使用方式按官方说法接近给人发消息。

• 能做什么：接到目标后帮你做计划、协调时间与资源，并在关 App 后继续干活；需要发邮件或付款时再回来征求批准。官方举例包括填表、订旅行、议价降账单、把 Instagram 收藏的食谱 Reel 变成购物清单。
• 安全边界：每个用户有一台隔离的 Muse Secure VM，数据与凭证存在这台机器上。同机另有 Sentinel 智能体，Muse 的外网请求须经其批准。Muse 看不到密码和支付方式，凭证进安全存储后才能代填；敏感动作前会征求确认，并提供完整审计轨迹。用户自选连接哪些 App、给多少权限，可随时断开，也可要求它「忘记」已学内容。对话与 VM 内数据不进 Meta 广告系统；可选择不把互动用于训练。
• 支付：可用 Stripe 的 Link 结账，官方称是首个被 Link 购买保障覆盖的 AI 智能体（符合条件的损坏/丢失、降价、免手续费退货与退货保障）；钱包生成一次性卡，不暴露真实卡号。Shop Pay 与 1Password 登录支持「即将推出」。
• 可用性：正在美国的 iOS、Android 和 muse.ai 推出，随后会上 AI 眼镜。多数常用能力免费，想做更多可订阅。今年晚些时候将推出 Muse Confidential VM：整台虚拟机（含数据与对话）用用户自持密钥加密，连 Meta 也无法读取。

AWS 于 9 月 8 日宣布 OpenAI 旗舰模型 GPT-6 Astra 在 Amazon Bedrock 正式 GA。OpenAI 原发布页已写明 Astra 将经 OpenAI API、Microsoft Azure 与 AWS Bedrock 提供；本次是云上生产可用性落地。亦见于 AWS 机器学习博客。

• 怎么调用：可直接走支持的 Bedrock API；也可把 ChatGPT Work 与 Codex 配成使用 Bedrock 上的 Astra。AWS 称适用自主智能体、大规模文档分析、复杂软件排障，以及需要在冲突信息之间做判断的应用。
• 模型能力（以 OpenAI 一手公告为准）：官方定位为当前最强对齐模型之一；计算机/浏览器使用、软件工程与专业交付是主场。上下文窗口在 AWS 公告中写到最多 100 万 input tokens；支持隐式与显式提示缓存（可设断点）。它是首个达到 OpenAI Preparedness Framework Critical 网络安全能力分级的模型，滥用监控可暂停或终止越界活动。
• Bedrock 侧治理：推理数据默认不用于训练，也不要求把数据分享给 OpenAI。AWS 写明芯片级零运维人员访问、传输与静态加密、IAM 控权、CloudTrail 留痕，可走 PrivateLink VPC 端点。被分类器标记的流量默认由 AWS 保留最多 30 天做滥用检测；需要零留存须通过 AWS 客户团队申请。
• 未在 OpenAI 官网复核的部分：AWS 公告称 OpenAI 同期为 ChatGPT Work 增加企业插件、把浏览器使用扩到常见业务应用。插件名单、定价、可用 Region 与推理配置请打开 Bedrock 文档与 ChatGPT Work 后台核对，本文不把渠道稿里的插件细节写成已核实能力。

Amazon SageMaker Feature Store 新增 UpdateRecord API，面向实时特征与多流水线共用同一实体的团队，允许一次只写一个或多个特征值，不必再 GetRecord → 合并 → PutRecord 整行覆盖。

• 解决什么：以前改一个 `risk_score` 也要读出整条记录再写回，既多耗读容量，也容易被另一条流水线覆盖——典型的 lost-update。UpdateRecord 做原子合并，未出现在请求里的字段保持原样。
• 约束：记录必须先存在（不是 upsert），主键不可改，一次最多 100 个特征，特征名必须已在 schema 里。带 EventTime 时，新时间戳必须不早于已存值，否则整单以 HTTP 409 拒绝；省略 EventTime 则只改特征、不推进时间，方便多流水线各写各的字段。
• 存储格式：内存档（ElastiCache）现有特征组即可用。标准档（DynamoDB）需 `Standard_V2`：新建时指定，或对现有组调用 UpdateFeatureGroup；就地切换不可逆，从未被写到的冷记录会留在旧格式直到被触达。也可新建 V2 组再批量迁移，便于回滚。
• 治理与价格：新增 IAM 条件键 `sagemaker:IsUpdateRecord` 与 `sagemaker:UpdatableFeatures`，可只允许改非敏感字段。离线库仍会收到完整快照。计费模型与 PutRecord 相同，省的是过去每次更新多出来的读容量。已在所有提供 Feature Store 的 Region 可用。

GitHub 于 9 月 8 日更新 Copilot for JetBrains 插件，面向企业管理员与 JetBrains IDE 用户，把沙箱策略收到组织级，并让终端里的 Copilot CLI 能读到当前 IDE 上下文。

• 企业托管沙箱（公开预览）：管理员可集中配置是否启用沙箱，以及文件系统/网络、代理、开发者工具、macOS Keychain 等访问范围。托管限制优先于用户设置，IDE 会锁定被管控件并标明「由组织管理」。沙箱设置页仅在打开 `Editor Preview` 功能开关、或已下发启用/禁用沙箱的托管项时出现。
• 编码体验：Next edit suggestions 支持跨文件跳转光标；聊天可加入全局文件/文件夹作项目级上下文。新增企业策略诊断，用来确认本机是否真正吃到了组织策略。
• CLI 接回 IDE（公开预览）：在 Copilot CLI 里用 `/ide`，终端会话可读取 JetBrains 的选区、诊断和文件引用。Shell 命令还能用 IDE 终端环境变量和项目配置的 Python 解释器，并激活本地虚拟环境。
• 同步 GA：Chat 里的 OpenTelemetry 设置对所有用户正式可用。此版本还修了 MCP / Agent 会话的一批稳定性问题（BYOK 持久化、OAuth、空白本地聊天、只读文件误编、自动压缩后聊天无响应等）。

Amazon SageMaker AI 上的托管 MLflow 与 Model Registry 同步能力升级，面向实验科学与治理分岗的团队：注册到 MLflow 的模型会自动在 Registry 建 Model Package Group / 版本，并带上训练指标、评估结果、可部署推理规格和血缘。系列第二篇讲跨账号拓扑。

• 以前缺什么：模型能同步过去，但不带指标、评估和血缘，治理人员无法只在 Registry 里完成评审；生命周期晋级也不能从 MLflow 侧驱动。
• 怎么打开：创建或更新 MLflow app 时设 `model-registration-mode AutoModelRegistrationEnabled`（默认关闭），并给 app 的 IAM 角色开通建包、打标签和写血缘的权限。插件需 `sagemaker-mlflow>=0.5.0`。
• 科学家侧：训练后 `log_model` → 可选 `evaluate` 与 `log_inference_specification` → `register_model`。用别名 `sagemakerlifecycle-{stage}-{status}`（如 `staging-pending` / `production-active`）推动预置或自定义生命周期。
• 治理侧：Studio 的 Models 视图可看训练指标、Evaluate 页的评估卡和血缘图。可用 IAM 条件键拦住科学家把模型推到 production；批准后可用资源标签冻结 Package Group，阻止再从 MLflow 改。生命周期变更会发 EventBridge 事件。
• 部署注意：推理规格要指向容器镜像和 `inference.py` 等 handler，包才真正能从 Registry 一键部署。本期是单账号、用 IAM 分岗；跨账号 / RAM 共享见 Part 2。

GitHub Enterprise Server 3.22 正式 GA，面向自建 / 隔离部署的企业。平台侧补齐企业团队、密钥扫描工单排序、规则集按人绕过和必审人规则；与 AI 编码直接相关的是：可在不连 GitHub Cloud 的环境里为 Copilot CLI 配置模型提供方。

• Copilot CLI（技术预览）：管理员在 GHES 上配置一次模型提供方后，终端用户用 GHES 凭证即可使用 Copilot CLI。官方写明面向断网或隔离环境，能力仍是技术预览，后续可能改。
• 权限与评审：企业团队（原公开预览）GA，可在整个企业内集中管人与仓库权限。仓库规则集支持把绕过权授给个人（例如服务账号，不必再为此建角色）。可在规则集里按分支/文件模式要求特定审阅人，并设定每团队最少评审数，与 CODEOWNERS 并行——例如所有 `*.sql` 必须过数据平台组。
• 安全运营：密钥扫描的推送保护绕过与告警关闭请求，可在仓库/组织/企业范围按日期正序或倒序排，方便堆积工单时分优先级。
• 协作可见性：Issue 侧栏显示关联 PR 是否已进 Latest / Pre-release；公开仓库的 PR 列表直接标出 First-time contributor / Contributor / Member。

OpenAI 发布 ChatGPT Images 2.5，面向需要出图的产品、运营与设计岗，把点子、草图和参考照片转成更个性化、更成品化的图像。

• 官方定位：帮助把想法、草图与参考图变成更贴合原意、更精致的图像。
• 输入形态：不只靠纯文字提示词，草图和参考照片被明确写进能力描述——适合「先出一版再改」的日常出图。
• 核对范围：官方 RSS 只给出能力定位，定价、额度、画质指标与是否对免费用户开放，请打开原文核对后再写进工作流。

OpenAI 公布由内部模型生成的 Navier–Stokes 存在与光滑性问题证明，并附 Lean 形式化；面向数学与科研团队，结论是初始光滑的三维不可压缩流体可在有限时间内形成奇点。

• 证明了什么：对应 Clay 千禧年问题官方表述的 C / D——奇点可以发生，而不是「解永远保持光滑」。流体从静止出发，外力保持光滑、能量全程有限，漩涡向内螺旋并被拉长后速度无界。
• 怎么做出来的：约 1 万个并发智能体协作约 88 小时找到解析证明，再用 GPT-6 Astra 花 17 小时做 Lean 形式化；该问题路径上约 270 万条消息、约 1300 亿输出 token。内部模型能力显著高于已发布的 GPT-6 Astra，训练仍在继续。
• 同期工作：Anthropic 的 Levent Alpöge 与 NYU 的 Tristan Buckmaster 优先完成了有外力 Euler 问题；OpenAI 智能体另外解决了无外力 Euler 正则性反例。OpenAI 明确表示不申领千禧年奖金。

Google DeepMind 上线 AlphaGenome Atlas，面向遗传与罕见病研究团队，把人类基因组约 90 亿种单碱基变异的分子效应预计算成可检索图谱。

• 体量：约 1 PB 数据集，体积超过 AlphaFold 数据库 30 倍以上；每个变异带有跨数百种人/鼠细胞与组织的调控效应预测。
• AVI 分数：把 AlphaGenome 与 AlphaMissense 压成一个可排序的影响分数，覆盖编码区（约 2%）和非编码区（约 98%）；并给出剪接、表达、染色质可及性等特征归因。
• 已验证用例：GREGoR / Broad 用 AVI 在未解罕见病里找到影响 DNM1 的剪接变异并经实验验证；Exeter 在逾 5.4 万名 UK Biobank 全基因组上，按预测分子效应分组后非编码关联多检出约 22%。
• 怎么用：学术研究可免费走网站门户与 AlphaGenome API，也可作为 Google Antigravity 的 skill；商业用途将上 Google Cloud。官方写明不替代临床诊断、未获批临床使用。

OpenAI 披露 MIT 工程量子系统组（EQuS）用 GPT-5.6 Sol 接入 Codex、再接到实验室软件，面向超导量子实验团队，让常规校准与测量可以少人值守甚至过夜跑。

• 实验对象：未校准的标准六比特芯片；智能体根据测量技能与设计指标选择参数、操作硬件、分析结果，再决定重测还是写入下一步。
• 能独立完成的：信号清晰时，可自主找到跃迁频率、校准控制/读出脉冲、测量量子信息保持时间。该组已把这类常规表征交给智能体，因为每片芯片人工表征往往要数天。
• 仍要人接手的：信号弱或噪声大时，找参数更慢，有时需要有经验的研究者指路。新实验则给更窄的目标，更多依赖智能体改代码、对着真实测量做测试。
• 现场用法：研究者可在无尘室或手机上查看进度并改方向，「多个智能体同时处理测量、理论与芯片设计」。

OpenAI CFO Sarah Friar 发文谈能力与成本如何互相放大，面向关注推理成本与算力策略的团队，给出一组可核对的生产与芯片数字。

• 服务侧：GPT-5.6 Sol 帮助改进生产推理软件，端到端服务成本降 20%；另有优化使 token 生成效率再提升逾 15%。
• 芯片侧：首款自研推理芯片 Jalapeño 在 InferenceX 对三款公开模型的测试中，按额定芯片功耗归一化后，峰值 token 吞吐为对照商用系统的 1.5–1.9 倍，端到端延迟低 1.7–3.6 倍；计划今年年底开始部署，并与 NVIDIA、AMD 及其他伙伴的加速器并存。
• 使用侧：官方称产品覆盖逾 10 亿周活用户、250 万家企业；内部研究组织目前每 1 个人工工作日对应 3.1 个智能体工作日。文中同时把 GPT-6 Astra 定位为当前最强对齐模型之一。

OpenAI 承诺投入 500 万美元，资助针对 13–17 岁青少年使用生成式 AI 的独立研究，面向发展心理学、公共卫生、HCI 与 AI 安全等团队。

• 资助什么：使用方式与发展结果、社交与情绪影响、不同年龄/文化/社会经济背景下的差异，以及护栏、产品设计和政策是否真能增加收益或降低风险。
• 额度与资格：总盘 500 万美元，单项最高 100 万美元；间接费用上限 10%。申请人须年满 18 岁，且隶属研究机构或具备相关经验；不优先资助营利项目。资金由 OpenAI Group PBC 拨付。
• 时间表：即日起至 2026 年 10 月 6 日 提交英文申请；滚动评审，入选结果不晚于 2026 年 11 月 13 日 通知。涉未成年人研究必须写明伦理审查、知情同意、隐私与伤害披露响应。
• 产出要求：须向 OpenAI 提交最终报告，2027 年一季度交中期进展；鼓励公开论文或预印本，但发表不是拨款条件。

Multiverse Computing 在 Hugging Face 博客介绍论文 *Safety for Whom?*，面向要按部署场景划安全边界的模型团队，主张拒答应切到「同一主题里真正有害的那一子集」，而不是把整类话题封死。

• 问题设定：以政治提示词为试验场——事实性选举问答应回答，针对性政治操纵应拒绝。主题级护栏（如 LlamaGuard-3 的分类）表达不了这种切分。
• 数据坑：单次自生成拒答会丢掉约 19.88% 提示（8009 条）；加强重试后残留失败降到 0.20%。另构造 11955 条「看起来危险、实际应回答」的样本，避免只在评测时才见到这类题。
• 数字对照（Qwen3-8B）：政治有害拒答从 9.47% 升到 84.75%，HarmBench / StrongREJECT / WildJailbreak 平均不安全回复从 26.26% 降到 0.14%；但若只追这条曲线，XSTest 过度拒绝会从 2% 飙到 74%——那是拒答机器，不是更安全的模型。
• 边界对效果：加入有害/无害成对样本后，应回答一侧的过度拒绝从 32.94% 降到 4.16%，有害一侧拒答仅从 91.88% 降到 87.72%。