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。
SiliconANGLE 报道，Anthropic 发布 Claude Opus 5.5 并将价格下调 20%；数分钟后 OpenAI 推出两款新 GPT-6 模型 Sol 与 Luna，定价约为前代的一半。报道称 Opus 5.5 的输入成本等细节已公布，显示两家头部厂商在模型能力与价格上继续正面竞争。
AI推荐理由 SiliconANGLE 报道 Anthropic 发布 Claude Opus 5.5 并降价 20%，随后 OpenAI 推出两款更便宜的 GPT-6 模型 Sol 与 Luna，价格约为前代一半。这是头部模型厂商同日发布与价格竞争的重要动态，对模型选型与成本有直接影响；但摘要未给出完整基准数据，具体能力仍需以官方信息核实。
Gizmodo 援引 Bloomberg 调查报道称，美国中央司令部人员过度依赖 Palantir 开发的 Maven Smart System 进行目标分析，该系统将因数据过时而误标为伊斯兰革命卫队设施的 Minab 学校列为开战首日推荐目标，最终两枚战斧导弹击中该校，造成至少 150 人死亡，其中包括 123 名儿童。官员称这是可预防的连锁失误之一，目标清单工作从数小时缩短至数分钟。Palantir 表示不对底层数据负责，也无证据表明其软件有错；事后该公司新增了复核底层情报、标记矛盾与异常的功能。五角大楼以调查仍在进行为由未公开回应。
AI推荐理由 输入基于 Bloomberg 对未公开五角大楼内部审查的报道，具体指出 Maven Smart System 被过度依赖、过时数据将学校误标为 IRGC 设施、目标清单流程从数小时压缩到数分钟等可核查细节，并包含 Palantir 的否认与事后新增复核功能。局限是全文为二手转述，五角大楼未公开回应，报告尚未正式发布，部分因果仍属官员说法。
AWS 官方博客称，OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 已在 Amazon Bedrock 正式可用。GPT-6 Sol 面向开发与运维中反复出现的高难度任务，覆盖编码、调试、重构、代码审查、数据分析及跨工具多步流程，OpenAI 内部事实性评测显示其事实错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向高并发、可重复的聚焦任务，强调延迟与成本在大量请求下的累积效应。两款模型 API 定价均显著低于 GPT-5.6 前代，运行于为高性能、安全与规模化可靠性构建的推理引擎上。
AI推荐理由 AWS 官方博客宣布 OpenAI 的 GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用，并给出定位差异（Sol 面向高频复杂推理与编码，Luna 面向高并发重复任务）、相对 GPT-5.6 前代 API 定价显著降低，以及 OpenAI 内部事实性评测中 Sol 的事实错误约为 GPT-5.6 Sol 一半。属于官方首发信息，含具体产品分层与可核验的评测口径，对模型选型与成本评估有直接价值；局限是正文未给出具体价格数字与完整基准数据。
OpenAI 在 GPT-6 Astra 之后推出 GPT-6 Sol 和 Luna，沿用 Astra 的训练方法，将专业工作、事实性、编程、计算机使用与对齐方面的能力下放到更快、更便宜的模型。官方称通过缓存与推理优化降低成本，Sol 与 Luna 的 API 价格较 GPT-5.6 促销价下降 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，按每百万 token 计）。在 AutomationBench 1.0.6（47 个工具、覆盖销售/营销/运营/支持/财务/HR 的端到端工作流）上，GPT-6 Sol xhigh 得分 33.2%、每任务成本 $0.27，官方称优于 Claude Opus 5 max（26.9%）且成本仅为其约 9%；GPT-6 Luna high 较前代提升 5.4 个百分点、每任务成本低 58%。Astra 仍为最强模型。
AI推荐理由 OpenAI 官方发布页，给出 GPT-6 Sol/Luna 的定位、API 定价（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，均较 GPT-5.6 促销价降 50%）以及 AutomationBench 对比数据（Sol xhigh 33.2%、$0.27/任务，对比 Claude Opus 5 max 26.9%）。信息密度高、来源为官方首发，属可验证的一手材料；局限是正文片段在对比表格处被截断，部分竞品成本数据不完整，且基准为厂商自测，需谨慎看待。
Simon Willison 记录 Anthropic 发布 Claude Opus 5.5、约一小时后 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，并给出当日价格对比：GPT-6 Luna 输入 0.10 美元、缓存输入 0.01 美元、输出 0.50 美元每百万 Token；GPT-6 Sol 为 2/0.20/10 美元；Claude Opus 5.5 为 4/0.20/20 美元；Grok 4.7 为 2/0.50/6 美元。作者称 GPT-6 Luna 价格约为 GPT-5.6 Luna 的一半，并强调对新模型能力的判断仍需时间。
AI推荐理由 Simon Willison 作为长期跟踪模型与开发工具的实践者，给出了 GPT-6 Sol/Luna 与 Claude Opus 5.5 的横向价格对比表，并明确表示对新模型能力仍需时间评估，属于有具体数据、保留不确定性的第一手观察，对开发者选型有直接参考价值。
OpenAI 正式发布 GPT-6 Sol 与 GPT-6 Luna，称两者基于 GPT-6 Astra 的技术进展，将 Astra 的部分能力带入更快、更经济的模型以支持规模化工作。OpenAI 表示已提升缓存与推理效率，并将节省直接传导给用户：Sol 与 Luna 的 API 价格较 GPT-5.6 促销价低 50%。
AI推荐理由 OpenAI 官方主账号的正式发布帖，明确 GPT-6 Sol 与 Luna 基于 GPT-6 Astra 的能力，定位更快更便宜以支持规模化工作，并说明通过缓存与推理效率优化将 API 价格较 GPT-5.6 促销价下调 50%。属于一手官方信息，含定价与效率改进要点。
该论文指出，大语言模型在相同硬件上以 BF16 与 FP16 执行贪心解码时会产生不同输出，即贪心解码并非精度不变。作者在 6 个模型（1.1B-7B，四个家族，另在 12B 上补充刻画）和 3 个基准上评估，发现 49-100% 的提示出现分歧，单个 token 翻转常级联为轨迹级分歧。误差传播分析表明，22 层累积误差无法区分翻转与非翻转步骤，结果主要取决于 LM head 处 top-2 logit 间距与候选间方向扰动的关系；该分析给出 5 项可检验预测且实验全部匹配。作者评估的低开销干预——仅在间距低于阈值时选择性重算 FP32 LM head——在 A10G 上带来 +22-36pp 精确一致率（L4 与 A100 上 +12-21pp），低批量（batch size=8 及以下）延迟开销低于 4%。
AI推荐理由 arXiv 论文，作者与摘要信息完整，实验覆盖 6 个模型（1.1B-7B，四个家族，另在 12B 上补充刻画）和 3 个基准，给出 49-100% 提示出现分歧、单 token 翻转引发轨迹级分歧等具体数据，并提出可检验的误差传播分析（5 项预测全部被实验匹配）与低开销干预（选择性 FP32 LM head 重算，A10G 上 +22-36pp 精确一致率，延迟开销 <4%）。新信息在于揭示贪心解码并非精度不变，对推理部署与可复现性有直接价值；局限是结论基于特定硬件与模型规模，摘要未给出全部基准细节。
论文提出 Growing Harness 失败引导训练范式，从仅暴露固定模型与工具接口、不含任务求解控制器的无策略脚手架出发，利用函数级执行轨迹把失败定位到有限代码面，由优化器联合修复一组失败，并用成功优先的留出集门控回滚损害既有能力的修复序列，使控制结构从任务反馈中逐步生长为共享工具框架。在 BrowseComp-Plus 与 WebArena-Verified 上使用 4B 至 120B 三种部署模型，六种基准-模型组合中五种平均成功率最高，第六种落后最优 0.7 个百分点；相比 Tool-Calling 智能体减少 76.0–91.8% 的 LLM 调用、降低 74.4–98.6% 部署推理成本。WebArena-Verified 上其成功率跨模型规模保持 44.7–45.3%，而 Tool-Calling 在 4B 模型降至 6.7%。消融表明轨迹局部编辑、联合修复与门控回滚均提升最终成功率。
AI推荐理由 arXiv 新论文（v1，2026-09-22 提交），提出 Growing Harness 失败引导训练范式：从无策略脚手架出发，用函数级执行轨迹定位失败、联合修复并加成功优先的留出回滚门，把重复控制逻辑沉淀为可复用代码。在 BrowseComp-Plus 与 WebArena-Verified 上，用 4B–120B 三种部署模型测试，六种设置中五种平均成功率最高，第六种落后 0.7 个百分点；相比 Tool-Calling 智能体减少 76.0–91.8% 的 LLM 调用、降低 74.4–98.6% 推理成本，WebArena-Verified 上跨模型规模成功率保持 44.7–45.3%，而 Tool-Calling 在 4B 模型下降到 6.7%。消融显示轨迹局部编辑、联合修复与门控回滚各自有效。局限是仅摘要级证据、基准与实现细节未展开，且为单篇预印本，尚无独立复现。
该论文提出 BigO(Bench)，用于评估生成式语言模型理解和生成指定时间与空间复杂度代码的能力，填补现有评测忽视计算复杂度约束的空白。基准包含从 profiling 测量推断任意 Python 函数算法复杂度的工具，以及 3,105 道编程题、1,190,250 个来自 Code Contests 的解答，附带推断（合成）的时间与空间复杂度标签及多输入规模下的运行时间和内存占用数据。作者评测了多个前沿语言模型，发现 token-space 推理模型在代码生成上表现突出，但在复杂度理解上并非如此，暗示其可能难以泛化到训练时未获奖励的任务。
AI推荐理由 arXiv 论文（v3，2026-09-22 修订），作者含 Meta 的 Baptiste Roziere、Gabriel Synnaeve 等，事实明确、信息密度高。核心新信息是 BigO(Bench)：一个评估 LLM 生成具有指定时间/空间复杂度代码能力的基准，含从 profiling 测量推断 Python 函数算法复杂度的工具，以及 3,105 道题、1,190,250 个 Code Contests 解答并标注推断（合成）复杂度标签和不同输入规模下的运行时间/内存数据。摘要指出 token-space 推理模型在代码生成上领先但在复杂度理解上并非如此，提示其可能难以泛化到训练时未给奖励的任务。局限：复杂度标签为推断的合成标签，非人工验证；摘要未给出具体模型分数。
据知情人士透露，Anthropic 正与 Apollo Global Management 控股的数据中心开发商 Stream Data Centers 进行早期谈判，计划以直接租户身份租用最多 1 吉瓦算力，并部署由 Broadcom 和 Google 设计的 TPU，以减少对云服务商的依赖。谈判仍处早期阶段。
AI推荐理由 The Information 报道 Anthropic 正就租用最多 1GW 算力与 Apollo 控股的 Stream Data Centers 早期谈判，并计划部署 Broadcom/Google 设计的 TPU，属于 AI 公司自建算力、降低云依赖的具体动向；但消息源为匿名知情人士，谈判尚处早期，未获官方确认。
该论文提出 MONA 优化器，在 Muon 的矩阵正交化框架中引入曲率感知加速项，该加速项由梯度差的指数移动平均计算，并给出收敛性分析，表明其在保留 Muon 谱范数正则化的同时引入曲率敏感修正。实验在 1B 至 68B 参数的 MoE 预训练（最大模型 1 万亿 token）上对比 Muon 与 AdamW，报告更好的收敛与下游任务表现；并在 MOE-68B-A3B 上做监督微调，在通用能力、数学推理和代码生成基准上报告 SOTA。
AI推荐理由 arXiv 论文（v2，2026-09-22 修订），提出 MONA 优化器，在 Muon 的正交化梯度处理流程中加入基于梯度差指数移动平均的 Nesterov 加速项，并给出收敛性分析。实验覆盖 1B 至 68B 参数的 MoE 预训练（最大模型 1T token），报告收敛与下游任务优于 Muon 和 AdamW，并在 MOE-68B-A3B 的 SFT 上取得 SOTA。新信息具体、可验证（论文与 DOI 可查），对大规模语言模型训练优化器选择有直接参考价值；局限是结论来自作者自述实验，尚无第三方复现，SOTA 表述需以论文基准为准。
该论文针对智能体 LLM 多轮会话中 KV 状态被逐出导致重算或慢速传输的问题，利用高带宽闪存（HBF）容量远大于 HBM 但读能耗高、写耐久有限的特点，按访问模式将 KV 状态分层：频繁读取的热集放 HBM，仅在会话恢复时读取的冷池放 HBF。在 Qwen3-Coder-30B-A3B 的智能体负载上，方案实现 14ms 的 token 间隔、在预填充基础上仅增加约 0.1ms 恢复延迟，每 GPU 可承载的并发会话数提升 24 倍，并使每 8-GPU 节点读功耗较全部 KV 放闪存降低 7.6kW，作者据此认为 HBF 是 HBM 的冷层补充而非替代。
AI推荐理由 arXiv 硬件架构论文，提出将 HBM 与高带宽闪存（HBF）按冷热分层用于智能体 LLM 服务：热 KV 集放 HBM、冷池放 HBF。摘要给出具体数据（Qwen3-Coder-30B-A3B 上 TBT 14ms、恢复延迟约 0.1ms、每 GPU 并发会话数提升 24 倍、每 8-GPU 节点读功耗降低 7.6kW），信息密度高、问题定义清晰，对 Agent 推理的显存与成本瓶颈有直接参考价值。局限在于为单篇论文的仿真/设计结果，尚无独立复现或生产部署证据，且 HBF 的写耐久与读能耗约束仍需验证。
该 arXiv 技术报告介绍 DeepSeek Elastic Compute (DSec)，一个生产级沙箱平台，通过统一 SDK 提供 FnCall、容器、microVM 和 full-VM 四类沙箱后端。报告指出，大规模 LLM Agent 训练与评估需要隔离、有状态的执行环境，模型需检查代码仓库、调用工具、执行命令并与任务服务交互，这类负载会突发创建大量沙箱、功能与隔离需求异构、长交互中需保留状态，且镜像语料庞大而复用有限，因此需要弹性执行平台而非单一沙箱运行时。DSec 在集群层面协调放置与生命周期管理，以独立版本化层组合环境，并结合内存共享、回收与 CPU 调度等机制。
AI推荐理由 arXiv 技术报告，作者署名含 DeepSeek 团队，摘要明确描述 DSec 是生产级沙箱平台，统一 SDK 暴露 FnCall、容器、microVM 和 full-VM 后端，并涉及集群调度、分层环境组合、内存共享与回收等机制。对 Agent 训练与评估的隔离执行基础设施有直接参考价值；但正文片段在 CPU 调度处截断，缺少性能数据与实测结果，无法验证其规模与效果。
Latent Space 访谈 Google 研究者 John Platt，介绍其团队提出的 Empirical Research Assistance（ERA）：把可写成评分函数的科学问题交给 LLM，用类似 Monte Carlo Tree Search 的方式维护实验 notebook 树，按 Upper Confidence Bound 选择分支并批量生成变异，作者形容其像'不睡觉的超级积极研究生'。文中称 Gemini 2.0 到 2.5 之间出现从不可用到效果良好的跃变，并据此产出至少十篇论文，涉及气候变化等方向。上述效果与论文数量为受访者自述，正文片段未提供可验证的基准或链接。
AI推荐理由 Latent Space 对 Google 研究者 John Platt 的深度访谈，具体介绍了 Google 的 Empirical Research Assistance（ERA）系统：用 Gemini 维护实验 notebook 树、以 UCB 规则选择分支并批量提出变异，类似 Monte Carlo Tree Search 的自动化科研流程；文中提到 Gemini 2.0 到 2.5 出现从不可用到效果良好的跃变，并称由此产出至少十篇论文。这些是访谈中的具体技术细节与研究者自述，但正文片段未给出论文链接、基准数据或可复现证据，'至少十篇论文'等说法需以原文/论文核实，不能视为已验证结论。
AWS 官方博客宣布 Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 家族首个模型，面向 agentic coding、知识工作和长时任务。据 Anthropic 称，该模型以更少 token 完成更多工作，单 token 价格更低、缓存读取更便宜，单任务平均成本低于 Opus 5；自适应思考常开，用户可用 effort 控制推理量；首次在生物、网络安全和 AI 开发领域引入类似 Claude Fable 5.1 的安全分类器，拒答频率高于此前 Opus 版本。文章给出在 Bedrock 控制台 Playground 试用及通过 Anthropic Messages API 调用 bedrock-runtime、bedrock-mantle 的方式。
AI推荐理由 AWS 官方博客宣布 Claude Opus 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上线，属官方首发信息，含具体能力与接入方式：据 Anthropic 称更省 token、单任务平均成本低于 Opus 5、缓存读取更便宜、自适应思考常开、以 effort 替代手动 thinking budget，并首次在生物、网络安全和 AI 开发领域配备类似 Claude Fable 5.1 的安全分类器，拒答更频繁。局限是性能与成本数据均转述 Anthropic 说法，未给出独立评测或基准数字。
Anthropic 发布新一代首个模型 Claude Opus 5.5。公司称其在多数任务上匹配 Claude Fable 5.1，运行成本较 Opus 5 低约 40%，其基准还显示在多数任务上领先 OpenAI 的 GPT-6 Astra，且价格明显更低。Sonnet 5.5 与 Haiku 5.5 预计在未来数周推出。上述性能与成本数据来自 Anthropic 自述基准，尚待独立验证。
AI推荐理由 The Decoder 报道 Anthropic 发布新一代首个模型 Claude Opus 5.5，称其在多数任务上匹配 Claude Fable 5.1，运行成本较 Opus 5 低约 40%，并在多数任务上领先 OpenAI GPT-6 Astra，同时预告 Sonnet 5.5 与 Haiku 5.5。信息密度高、涉及模型能力与定价对比，但性能与成本数据均来自 Anthropic 自述基准，需独立验证。
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格约为上一代一半：Sol 从每百万 token 4/20 美元降至 2/10 美元，Luna 从 0.2/1.2 美元降至 0.1/0.5 美元。官方称降价源于推理基础设施与缓存效率改善。评测方面，Sol 在 AutomationBench 以 xhigh 强度得 33.2%（高于 Claude Opus 5 的 26.9%，单项成本仅其 9%），Agents' Last Exam 得 56.4%，DeepSWE v1.1 得 68.8%（低于 DeepSeek V4.1 Flash 的 74.2%），OSWorld 2.0 得 60.5%；Luna 在较高推理强度下以约 1% 成本追平 GPT-5.6 Sol。文章还对比了 DeepSeek V4.1 Flash 的闲时缓存命中价（0.02 元/百万 token）等价格优势，并收录开发者与网友在编程、3D 场景生成上的首批实测，评价存在分歧。
AI推荐理由 爱范儿报道 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，给出具体 API 定价（Luna 输入 0.1 美元/输出 0.5 美元每百万 token）、与 DeepSeek V4.1 Flash 的价格对比，以及 AutomationBench、Agents' Last Exam、FrontierCode、DeepSWE v1.1、OSWorld 2.0 等评测分数和成本倍数。信息密度高、涉及价格战与 Agent 成本结构，对开发者和产业判断有实际价值；但属二手转述，部分数据来自厂商内部测试与网友自述，需保留不确定性。
GitHub 宣布 OpenAI GPT-6 系列在 GitHub Copilot 中扩展，新增两款正式可用模型：GPT-6 Sol 定位为面向交互式与 agentic 编码的均衡模型；GPT-6 Luna 为轻量、低成本模型，适合较小任务，是该系列中价格最低的选项。用户可在 GitHub Copilot 应用或相关代码工具中试用，详情见 GitHub 官方 changelog。
AI推荐理由 GitHub 官方账号发布，附官方 changelog 链接，信息明确：OpenAI GPT-6 系列在 GitHub Copilot 中新增 GPT-6 Sol（面向交互式与 agentic 编码的均衡模型）和 GPT-6 Luna（轻量低成本，家族中价格最低）两款正式可用模型。属产品首发/上线类信息，对开发者选型有直接参考价值；但正文未给出定价、上下文长度、基准分数等细节，需查阅 changelog。
据 ZDNET 的 David Gewirtz 报道，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，称 Sol 的错误数量约为 GPT-5.6 的一半，Luna 则以约 1% 的成本达到 GPT-5.6 Sol 的性能水平。两款模型距 GPT-5.6 发布不到三个月，OpenAI 宣称在准确率上有大幅提升并显著降低成本。上述性能与成本数据为 OpenAI 单方说法。
AI推荐理由 涉及 OpenAI 发布 GPT-6 Sol 与 Luna 的具体性能与成本主张（Sol 错误率约为 GPT-5.6 的一半，Luna 以约 1% 成本达到 GPT-5.6 Sol 水平），对模型能力与成本评估有直接价值；来源为 Techmeme 转述 ZDNET，性能数据为 OpenAI 单方声明，尚待独立验证。
OpenAI 开发者账号宣布，GPT-6 Sol 和 GPT-6 Luna 已在 API 中可用，并正在向 Codex 和 ChatGPT Work 的 Plus、Pro、Business 和 Enterprise 用户逐步推送，同时附上官方介绍页面链接。该信息确认了模型的可用渠道与用户范围。
AI推荐理由 OpenAI 开发者官方账号确认 GPT-6 Sol 和 Luna 已在 API 上线，并逐步推送至 Codex 和 ChatGPT Work 的 Plus、Pro、Business、Enterprise 用户，附官方介绍链接。属官方渠道的可用性确认，对开发者有直接价值。
本期按质量分选出前 20 个事件，其余 1 个合格事件可在全部动态中阅读。
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。