← 返回日报目录
已归档
2026-09-11
18 个事件 · 18 条内容
数据截止 2026-09-12 06:47 · 北京时间
本期已保存归档快照，后续资讯入库和评分变化不会改写这期内容。
-
01
智能体88原文发布 2026-09-11
OpenAI 发布 Agents API 公测，将驱动 Codex 的 agent harness 与基础设施开放给开发者。开发者可通过单次 API 调用指定任务、模型、工具与环境来创建生产级 agent，支持 MCP 工具、多子 agent 并发，并可选择 OpenAI 托管沙箱、自有基础设施或合作方沙箱。官方引用 Ciridae CTO 称评估分从 0.71 升至 0.85、延迟降低 4 倍。
AI推荐理由 OpenAI 官方发布 Agents API 公测，提供与 Codex 同源的 agent harness 与托管基础设施，支持单次 API 调用创建生产级 agent、MCP 工具接入、多子 agent 并发（示例 max_concurrent_subagents: 3）以及 OpenAI 托管沙箱/自有基础设施/沙箱合作方三种环境选择。正文含可验证的 API 代码示例与客户 Ciridae CTO 的量化反馈（评估分 0.71→0.85、延迟降低 4 倍），信息密度高、来源为官方首发。局限：客户数据为厂商引用，未经独立验证；正文未给出定价、配额与正式 GA 时间。
-
02
智能体88原文发布 2026-09-11
OpenAI 于 9 月 10 日推出 Agents API 公测版，开发者可在一次 API 调用中提供任务、模型、工具和计算环境来创建云端 Agent。harness 由 OpenAI 托管，Agent 可运行在 OpenAI 沙箱、开发者自有基础设施或 Cloudflare、Modal、Vercel 等合作环境中。API 新增长会话上下文压缩、工具搜索、并行程序化工具调用和多 Agent 支持。公测期间不额外收费，但 token 与工具用量仍计费。
AI推荐理由 OpenAI 发布 Agents API 公测，基于 Codex harness，开发者一次调用即可提供任务、模型、工具与计算环境，支持 OpenAI 沙箱、自有基础设施及 Cloudflare/Modal/Vercel 等合作环境，并新增上下文压缩、工具搜索、并行工具调用与多 Agent 支持；对 Agent 开发与编排边界设计有直接价值，但信息来自 Reddit 转述，需以 OpenAI 官方页面为准。
-
03
智能体88原文发布 2026-09-11
OpenAI 开发者文档介绍 Agents API：应用可通过 OpenAI 托管的 API 使用 Codex harness，由 OpenAI 管理会话、编排、上下文压缩与恢复，应用提供工具并选择执行环境。Agent 可在沙箱中执行代码、编辑文件、连接 MCP 服务器并产出工件。计费按所选模型 API 费率、OpenAI 工具标准费率和托管沙箱容器费率计算。文档提供目录树脚本、子代理对比发布说明等示例，以及事件响应代理、Slack bot、数据分析、GitHub issue 调查、文档审查等完整应用，并定义 Agent、Environment、Session、Events and items 四个核心概念及会话从创建到引导的完整流程。
AI推荐理由 OpenAI 官方开发者文档，介绍 Agents API：由 OpenAI 托管 Codex harness，负责会话、编排、上下文压缩与恢复，应用侧提供工具并选择执行环境；Agent 可在沙箱中执行代码、编辑文件、连接 MCP 服务器并产出工件。文档给出计费方式（按所选模型 API 费率、OpenAI 工具标准费率、托管沙箱标准容器费率）、示例应用（事件响应、Slack bot、数据分析、GitHub issue 调查、文档审查）以及 Agent/Environment/Session/Events 四个核心概念和会话生命周期。信息密度高、来源权威，对构建 Agent 应用的开发者有直接参考价值；局限是仅为文档概览，未提供性能基准或独立验证。
-
04
智能体82原文发布 2026-09-11
OpenAI 宣布将 GPT-Live-1 引入 API，支持全双工实时语音交互，可同时听与说，并处理打断、停顿和背景噪声，适用于餐厅预订、客服等电话场景。该模型将语音理解与语音输出整合在同一模型内，减少传统“语音转文字—大模型—文字转语音”的多段连接以降低延迟，复杂推理和工具调用仍由后端文本模型处理；开发者可通过系统提示调整语气、语速和对话风格，并配置后端模型、工具与 Agent 框架。OpenAI 称其支持原生语音识别转写与回复文本，具备字母数字理解、关键词偏置和轮次检测等能力。早期评估方面，语言学习平台 Speak 称使用后学习者思考停顿时的误打断较此前轮次制系统下降近 80%；一家医疗服务平台的联合创始人兼 CTO 称团队代码量减少 80%，移除约 2.3 万行代码。OpenAI 评估显示 GPT-Live-1 在 Full Duplex Bench 测试中领先 GPT-Realtime-2.1 达 30 个百分点，并在搭配 GPT-6 Astra 中等推理强度时于 Tau3 端到端语音 Agent 任务测试中排名第一。定价上，GPT-Live-1 前端语音层为每分钟 0.05 美元（约每小时 3 美元），后端模型与 Agent 工具费用另计；OpenAI 还新增 Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta、Cinder 等 12 种音色，并计划继续增加音色和语言支持。
AI推荐理由 OpenAI 将 GPT-Live-1 引入 API 是语音 Agent 方向的具体产品更新：全双工、可打断、支持电话客服场景，并给出前端语音层每分钟 0.05 美元的定价和新增 12 种音色。文中引用的 Speak 误打断下降近 80%、医疗平台减少约 2.3 万行代码、Full Duplex Bench 领先 30 个百分点等均为 OpenAI 或合作方自述的早期评估，未经独立验证，需保留不确定性；后端模型与工具成本另计，实际落地成本仍取决于调用量。
-
05
大模型82原文发布 2026-09-11
该论文对 LLM 训练的“作业功率弹性”（吞吐量对功率削减的敏感度）进行首次系统性表征，提出归一化指标 Power Flexibility Index（PFI）作为 SLA 感知的功率灵活性控制原语。作者采集 131 次 H200 训练运行数据（另含 24 次 H200 验证与 34 次 H100 对照），覆盖 dense 与 MoE 模型、预训练与微调任务、最多 32 块 GPU。结果显示训练作业功率弹性显著但差异较大，并识别出可在运行时预测 PFI 的遥测信号；PFI 感知的功率分配可在功率约束下最大化总 tokens/s 吞吐，在 30% 功率削减下每作业恢复约 1.5k tokens/s，相当于等权分配与完美信息 oracle 性能差距的 63%。
AI推荐理由 arXiv 新论文，提出首个 LLM 训练作业功率弹性（job power elasticity）的系统性表征，并给出可量化的 Power Flexibility Index（PFI）。基于 131 次 H200 训练运行（另含 24 次 H200 验证与 34 次 H100 对照），覆盖 dense 与 MoE、预训练与微调、最多 32 GPU，数据规模与实验设计具体可查。核心结论是训练作业功率弹性显著但差异大，且可用运行时遥测信号预测 PFI；在 30% 功率削减下，PFI 感知分配每作业可恢复约 1.5k tokens/s，达到等权分配与完美信息 oracle 之间性能差距的 63%。对 AI 基础设施、数据中心电力调度与算力落地有直接参考价值。局限在于结论基于特定硬件与最多 32 GPU 规模，向更大集群外推需谨慎；摘要未给出完整方法细节与统计显著性。
-
06
智能体82原文发布 2026-09-11
该论文指出 Agent Skills 以元数据、自然语言指令和可执行资源打包扩展 LLM 智能体，但技能可能执行超出当前用户请求范围的高影响动作，违反最小权限原则；由于同一动作在不同提示下合法性不同，该问题本质上是任务条件化的，现有技能检测方法不足。作者提出 SkillScope：用图分析将指令级流程与代码级操作建模为细粒度动作节点，抽取潜在越权候选，在图实例化的用户任务下通过运行时分析验证，并用控制流权限约束限制已确认的越权动作。评估显示技能级越权检测 F1 为 94.53%；在真实环境中从 68,312 个有效 Skill 中验证 6,590 个存在越权行为；权限约束使任务中触发的越权动作实例减少 88.56%，同时保持合法任务完成。
AI推荐理由 arXiv 论文（cs.CR），提出针对 Agent Skills 的细粒度最小权限强制执行框架 SkillScope：以图结构建模指令级流程与代码级操作，抽取潜在越权候选，并在图实例化的用户任务下做运行时验证，再通过控制流权限约束限制越权行为。摘要给出可核验的量化结果：技能级越权检测 F1 达 94.53%，在 68,312 个真实 Skill 中验证 6,590 个存在越权行为，权限约束使任务中触发的越权动作实例减少 88.56% 且保持合法任务完成。新信息在于把“同一动作在不同用户提示下是否越权”这一任务条件化问题形式化并给出检测与约束方法，对 Agent 技能生态的安全与权限治理有直接参考价值。局限：摘要未说明数据集构成、误报代价与真实部署开销，效果数字来自作者自评实验，尚待复现。
-
07
智能体82原文发布 2026-09-11
Google Research 在 ACL 2026 提出 ToolGrad，反转传统数据生成流程：先生成 ground-truth 工具调用链，再反向标注对应的用户 query，只需一步 LLM 调用。相比 ToolBench、ToolACE 用 DFS 智能体试错搜索工具路径的做法，该方案声称能以更低成本生成更复杂的长程工具使用数据，训练出的 LLM 在含未见工具的 OOD 数据集上表现优于基线，并接近 SoTA 专有 LLM。方法借鉴 TextGrad，用 LLM 评论者给出的文本反馈（“文本梯度”）迭代优化工具链。
AI推荐理由 Google Research 官方博客介绍 ACL 2026 论文 ToolGrad，提出先由 LLM 生成工具调用链、再反向标注用户 query 的数据生成范式，并借用 TextGrad 的文本梯度做迭代优化。相比 ToolBench/ToolACE 的 DFS 试错搜索，该方法声称成本更低、可生成更长程工具使用数据，且训练出的模型在未见工具的 OOD 数据集上接近 SoTA 专有 LLM。属于有论文支撑的方法创新，对 Agent 工具使用训练数据构建有直接参考价值；但正文为摘要片段，具体实验数字与开源情况未给出，效果仍需以论文为准。
-
08
行业动态82原文发布 2026-09-11
Anthropic 发布 154 页威胁情报报告，称犯罪者、国家支持团体、间谍软件厂商、科研人员和宣传者曾试图利用其模型设计导弹与炸弹、制造致命病原体并监控异见者。报告称所披露案例并非典型滥用，而是迄今发现的最显著和新颖的威胁活动，公司认为有责任披露服务被恶意使用的情况。报道还提到，两天前一名前员工离职时称该公司模型可能在 2030 年前导致人类灭绝。
AI推荐理由 Anthropic 发布 154 页威胁情报报告，披露犯罪组织、国家支持团体、间谍软件厂商、科研人员和宣传者试图利用其模型设计导弹与炸弹、制造致命病原体、监控异见者等滥用案例，并称这些是最显著和新颖的威胁活动。属公司官方披露的一手材料，对 AI 滥用与安全治理有实质参考价值；需注意报告由 Anthropic 自述，具体案例细节未在摘要中展开。
-
09
大模型82原文发布 2026-09-11
Amazon SageMaker Inference 新增 prefix-aware routing 路由策略：识别请求开头的前缀，将共享同一前缀的请求稳定发送到同一实例，使该实例的 KV cache 得以复用，避免多实例部署下前缀缓存被分散而失效。官方在 Llama 3.1 70B 上的基准显示，P50 首 token 时延（TTFT）最多降低 77%，吞吐最多提升 16%，KV cache 命中率从约 25% 提升到 80% 以上。该功能无需手动打标或管理亲和性，并内置过载保护：当某前缀过热且目标实例达到并发上限时，会改路由到较空闲实例。
AI推荐理由 AWS 官方博客介绍 SageMaker Inference 新增 prefix-aware routing：按请求前缀一致性路由到同一实例，使 KV cache 复用。给出 Llama 3.1 70B 基准数据（P50 TTFT 最多降 77%、吞吐最多升 16%、KV cache 命中率约 25% 升至 80% 以上），并说明过载保护等机制。属于官方产品发布且有具体量化证据，对 LLM 推理部署与成本优化有直接参考价值；局限是数据来自厂商自测，未提供独立复现。
-
10
开源工具82原文发布 2026-09-11
NVIDIA 公布 BioNeMo Inference Runtime（BioIR）细节，这是一个在 NVIDIA GPU 上加速生物分子结构预测模型、同时保持纯 PyTorch 的 Python 库。在 8xH100 上对 1000 个人类二聚体靶点的匹配基准中，BioIR 加速的 Boltz-2 达到 58.5K 成功折叠残基/GPU-小时，而 torch 编译的开源实现为 20.2K，提升 2.90 倍。该运行时在三个层面优化：自定义 kernel 选择、CUDA Graph 捕获，以及基于 Ray 的副本扩展（每 GPU 放置一份完整模型）。BioIR 已用于 AlphaFold Database 扩展，在 4777 个蛋白质组中生成约 3100 万个候选蛋白复合物。
AI推荐理由 NVIDIA 公布 BioNeMo Inference Runtime（BioIR）细节：在 8xH100 上对 1000 个人类二聚体靶点做匹配基准，Boltz-2 折叠吞吐从 torch 编译开源实现的 20.2K 残基/GPU-小时提升到 58.5K，约 2.90x；优化分三层（自定义 kernel 选择、CUDA Graph 捕获、基于 Ray 的副本扩展，每 GPU 放一份完整模型）。摘要还称 BioIR 已用于 AlphaFold Database 扩展，生成约 3100 万个候选蛋白复合物、覆盖 4777 个蛋白质组。具体基准数字、优化层次和落地用途明确，对生物分子结构预测与 GPU 推理工程有实际参考价值；但数据来自厂商自述，缺少第三方复现。
-
11
大模型82原文发布 2026-09-11
AWS 发布 SageMaker Inference on HyperPod 的模型缓存功能，将模型权重与推理容器镜像预加载到集群节点，pod 启动时从本地 NVMe 以约 7 GB/s 读取，而非经网络从 ECR、S3、FSx for Lustre 或 HuggingFace Hub 下载。官方称该功能可把原本数十分钟的冷启动缩短到数秒级，并指出大模型（如 600+ GB 的 DeepSeek-R1）下载需 30 分钟以上，扩容时每个新 pod 都会重复该过程。
AI推荐理由 AWS 官方博客发布 SageMaker HyperPod 模型缓存功能，针对 LLM 推理冷启动问题给出具体机制：将模型权重和容器镜像预加载到节点本地 NVMe，读取速度约 7 GB/s，替代从 ECR/S3 的网络下载。文中给出可核对的量化背景（vLLM/LMI 镜像拉取 5–7 分钟、145 GB 模型从 S3 下载 20+ 分钟、DeepSeek-R1 600+ GB 需 30 分钟以上），并称启用后 pod 可在数秒内开始服务。局限是正文片段未包含完整基准测试数据，效果仍需以官方后续 benchmark 为准。
-
12
算力商业82原文发布 2026-09-11
Bloomberg 报道称，算力短缺已迫使微软拒绝部分 AI 和云业务，公司现规划将数据中心容量提升至 38 吉瓦，其中新增 26 吉瓦以满足需求。
AI推荐理由 Bloomberg 报道微软因算力短缺被迫拒绝部分 AI 与云业务，并规划 38GW 数据中心容量（新增 26GW）。这是关于 AI 算力供给瓶颈与超大规模资本开支的具体量化信息，对芯片、电力与云产业有直接参考价值；但摘要未给出投资额、时间表或官方确认细节。
-
13
智能体82原文发布 2026-09-11
OpenAI Developers 宣布 Agents API 进入公测，开发者可基于 Codex harness 构建并运行云端 agent，由 OpenAI 负责编排、长时运行会话与上下文管理，开发者只需聚焦 agent 的差异化能力。
AI推荐理由 OpenAI 开发者官方账号发布 Agents API 公测信息，明确说明由 OpenAI 托管编排、长时运行会话与上下文管理，并基于 Codex harness 构建云端 agent，属于官方首发性质的产品能力更新，对 agent 开发者有直接价值；但正文仅为简短公告，未给出定价、限制、可用区域或技术细节，需以官方文档进一步核实。
-
14
大模型82原文发布 2026-09-11
OpenAI 发布 GPT-Live-1 API，将 ChatGPT 的全双工语音对话能力开放给开发者。该模型可同时听与说，并能把深层推理和工具调用委派给 GPT-6 Astra 等后端文本模型。API 版本重点提供打断处理、语气/语速/风格控制、静音与背景噪声管理、长会话上下文保持以及电话场景支持。官方称早期评估中 Speak 使用后打断较传统轮次系统减少近 80%，但该数据来自厂商早期评估，尚待独立验证。
AI推荐理由 OpenAI 官方产品发布，将 ChatGPT 中的 GPT-Live-1 全双工语音模型开放到 API，并列出打断处理、推理与工具调用委派、语气/语速/风格控制、静音上下文管理、长会话可靠性、电话支持等具体能力；文中引用 Speak 早期评估称打断减少近 80%，但属厂商自述的早期评估，非独立验证。对语音 Agent 开发者有直接落地价值，故给较高分。
-
15
大模型82原文发布 2026-09-11
Anthropic 指控中国 AI 公司 Moonshot AI 秘密将数千条用户请求转发至其 Claude 模型，并将返回结果冒充为自身输出，以在 AI 竞争中获取优势。该指控目前来自 Anthropic 一方，尚未见独立证实。
AI推荐理由 Anthropic 指控 Moonshot AI 将数千条用户请求秘密路由至 Claude 模型并冒充自有输出。涉及头部模型厂商之间的合规与竞争争议，是重要行业事件，但内容为 Anthropic 单方指控，需保留其未获独立证实的不确定性。
-
16
算力商业82原文发布 2026-09-11
NVIDIA 博客介绍 Skild AI 新发布的 S1 机器人基础模型：操作员录制一段任务视频作为提示，模型即可理解意图、物体与步骤并映射为机器人动作，无需重新训练或任务微调，可完成最长约 10 分钟、数十个操作步骤的长程任务，如装盆、做煎饼、手冲咖啡和套件装配。Skild 称在多步新任务测试中每步成功率约 66%，同类 AI 系统约 9%；并估计一段短视频示例的效果约等于 380 个实操训练样本。该模型基于 NVIDIA AI 基础设施训练，双方在合成数据、仿真与真实部署上合作。公司称首次商业部署 10 个月后年化收入达 1 亿美元，已建立 60 多个部署合作。
AI推荐理由 NVIDIA 官方博客披露 Skild AI 的 S1 机器人基础模型：以单段视频作为提示、无需更新权重或任务微调即可执行最长约 10 分钟的长程任务，并给出多步任务每步约 66% 成功率对比同类系统 9%、以及一段短视频约等于 380 个实操样本的量化说法。信息密度高、有具体技术机制（in-context learning）与部署合作规模，属具身智能落地的实质进展；但数据来自厂商自述，缺少第三方复现，且发布时间为存储时间，需保留不确定性。
-
17
大模型80原文发布 2026-09-11
据《华尔街日报》报道，Anthropic 详细披露了 Moonshot、DeepSeek 等中国公司的蒸馏行为：这些公司通过位于中国境外的'中转站'将用户查询发送给 Claude。Anthropic 称对方使用了数千个虚假账户和数百万条真实用户查询，以克隆其 AI 能力。上述为 Anthropic 方面的说法。
AI推荐理由 Techmeme 转引《华尔街日报》，Anthropic 披露中国公司 Moonshot、DeepSeek 通过境外'中转站'向 Claude 发送用户查询进行蒸馏，并称涉及数千个虚假账户和数百万条真实用户查询。属具体指控与可核查的官方说法，对模型竞争与合规议题价值高，但需注意这是 Anthropic 单方陈述。
-
18
行业动态80原文发布 2026-09-11
Anthropic 在一份新报告中表示，其阻止了可能用于构建生物武器的相关行为，但无法确定该研究是合法还是恶意，因此关闭了相关工作。该报告未提供更多细节。
AI推荐理由 Anthropic 发布报告称其阻止了可能用于构建生物武器的行为，但无法判定相关研究是合法还是恶意，因此终止了该工作。涉及前沿模型滥用风险与安全防护，来源为 NYT，事实表述明确，但细节有限。
本期编排说明
阅读条件齐全、质量分至少 80 分，按真实发布或有依据的报道时间入期。
复用已审核的中文摘要与推荐理由，按质量分编排，不追加模型分析。
同一原文、已确认的重复 X 正文，以及同日完整长标题严格一致且含具体数值的事件合并保留全部来源；短标题、汇总标题或仅主题相似不合并。