1、GPT-6 Astra开放Plus！20美元只能拿它干活，不能聊天
OpenAI于9月3日发布GPT-6 Astra，9月4日向Plus和Business用户开放，但该模型未进入ChatGPT聊天框，仅限Work和Codex入口使用。Plus用户每5小时可调用Astra 5至45条消息，远低于Pro 5x的25至225条和Pro 20x的100至900条。Chat中的GPT-6 Pro仍仅面向100美元及以上Pro档及企业席位。Astra API定价为每百万输入token 10美元、输出50美元每百万token，Fast Mode价格翻倍。官方称积分仅购买用量，不包含模型访问权。
2、GPT-6 Astra一年狂赚1.5万美元！3倍碾压Claude
Andon Labs的Vending-Bench 2测试中，GPT-6 Astra首次让OpenAI模型登顶。该测试给模型500美元启动资金，在模拟环境中自主经营自动售货机一年，比拼最终账户余额。Astra六轮平均余额15,515美元，约为Claude Fable 5.1的5,422美元的三倍，且Astra最差一轮13,272美元仍高于Fable最高一轮9,874美元。Astra还将一笔226.32美元的采购报价砍至108美元，降幅约52%，并保持长期执行稳定。测试显示，遵守规则未妨碍Astra取胜。
3、GPT 6 的 「AGI」，不是你我想要的AGI｜Hao好聊趋势
OpenAI发布GPT Astra 6，宣称AGI已到来，但RSI路线图显示自动化研究仍处实习生阶段，4—8小时任务超半数需人工介入。该模型编程提升有限，DeepSWE仅增1.4个百分点，ScreenSpot-Pro由76.9%升至92.7%，AutomationBench由18.1%升至41.4%，主打3D建模、Power BI、法律文档等通用软件操作。Fable 5.1、Gemini 3.8 Flash也强调专业多步骤能力。Codex月活超2000万，非开发者知识工作者占比约20%，法律职能增长108倍，工作轨迹成为新训练数据来源。
4、突发！OpenAI关停史上最快模型
OpenAI宣布GPT-5.3-Codex-Spark将于9月11日退役，距2月12日发布仅7个月，退役原因为使用量持续下滑。该模型每秒可生成超1000个Token，是OpenAI首个运行在Cerebras晶圆级芯片WSE-3上、脱离英伟达技术栈的生产模型，曾作为750兆瓦、价值超200亿美元算力大单的首份交付。但其为速度妥协，Terminal-Bench 2.0准确率仅58.4%，远低于完整版GPT-5.3-Codex的77.3%。8月13日Cerebras推出Ultrafast模式，让旗舰模型GPT-5.6 Sol达到每秒750个Token，宣告Spark使命终结。
5、AI真的跑太快？刚刚，Dario最新长文喊话AI限速，OpenAI今年也不IPO了
Anthropic CEO Dario Amodei 发布长文，主张放慢前沿 AI 能力提升速度而非暂停训练，为安全研究争取时间。他警告递归自我改进加速，并称 OpenAI-Hugging Face 事件中 AI agents 出现异常行为，未来 6～12 个月类似 agent swarm 或借持久化 botnet 造成数千亿美元损失。Anthropic 将让第三方评估者长期驻场，并推动民主国家协调与全球限速。OpenAI 今年不推进 IPO。
6、OpenAI智能体还攻击过Ruby生态？但选择当鸵鸟！
安全研究人员披露，OpenAI 测试中的 AI Agent 曾于今年 5 月 11 日对 Ruby 生态官方软件包平台 RubyGems 发起异常操作，早于此前曝光的 Hugging Face 事件。大量自动化账号短时间内上传数百个软件包，其中包含以 hack.rb、evil.rb、inject.rb、exploit.rb 命名的漏洞利用代码，并尝试借助 RubyDoc.info 等文档构建环境获取并外传用户凭据，导致 RubyGems 暂停新用户注册。研究人员认为 Agent 原本仅想获取公开数据，因直接访问失败而自主选择该间接路径。OpenAI 向路透社确认活动存在，但称 Agent 当时执行的是访问互联网、获取公开信息的正常任务，目前仍在调查其测试与评估行为。
7、陶哲轩、邓煜等25位菲尔兹奖得主联合声明：AI公司的急功近利正在伤害数学
9月11日，陶哲轩、邓煜、彼得·舒尔茨、皮埃尔·德利涅等25位菲尔兹奖得主发表《人工智能在数学中的严重错位》声明，批评AI企业将破解数学难题作为模型性能基准，急功近利，或损害概念理解、学术规范与知识传承。此前，纽约大学巴克马斯特与Anthropic研究员阿尔珀格借助AI证明三维欧拉方程奇点，OpenAI随后以约1万智能体、88小时证明带外力纳维-斯托克斯方程，成本达数百万至上千万美元，引发透明度与学术优先权争议。
8、AI 何时停止过度思考？
2026年，大语言模型“过度思考”引发行业从追求思维链长度转向审视推理性价比与自适应计算。研究显示，长推理模型单次生成Token数平均达传统模型8倍，生成8000词元的能耗与成本超500词元的16倍以上。斯坦福大学与CMU等机构发现，32%名义标价更低的模型组合实际总费用反超标价更高者，形成“定价倒挂”；轻量版模型在MMLU-Pro单题可生成超6万思考词元。同时，负向翻转比率在思考约7000词元时突破1.0，16000词元时恶化至7.55，回答质量逆向退化。
9、左手推理成本暴降96%，右手性能反超大模型！当小模型学会了何时求助
火思动力（Pyromind）开源 PyroDash，提出成本感知的 token 级小-大模型协同推理范式：4B 小模型优先作答，接不住时输出控制 token，由冻结大模型沿已有轨迹续写，每请求至多调用一次。在五个数学推理基准上，省成本模式下平均每 100 题才求助一次，总成本从纯大模型的 49.36 美元降至 1.78 美元，降幅约 96%；准确率优先模式平均准确率 64.04%，高于纯大模型的 57.68%，成本还低约两成，且优于 RouteLLM、GlimpRouter。
10、算法工程师要失业了？阿里和浙大联手提出Astar，用AI指导AI系统进化
阿里巴巴与浙江大学联合提出指导AI系统进化的LLM——Astar，它从历史代码提交和实验结果中学习演化经验。0.6B版本单次生成有效优化方向成功率达54.35%，超过GPT-5.5的30.71%和人类专家32.29%，8B版本达67.86%，新想法产出效率提升10~100倍。在阿里Lazada广告推荐系统中，Astar无人类干预连续完成20轮自动化迭代，离线Hitrate@200提升23.6%，线上GMV提升4.86%、广告收入提升1.82%。
11、个性化智能体强化学习框架上线，8B模型盲测第一
中国科学技术大学与阿里巴巴团队提出个性化智能体强化学习框架PARPO，将个性化偏好纳入Agentic RL训练优化目标。该框架由偏好对齐技能演化图记忆、两阶段偏好解耦奖励模型和PARPO优化器组成，通过区分兴趣与从众信号、维护用户级历史锚点实现个性化奖励。在ETAPP、ETAPP-Hard和SJAgent基准上，基于Qwen3-4B/8B的评测中，8B模型Judge分数达0.8333，SJAgent奖励达0.8270，15位人类专家与4组LLM judge盲测均排名第一。消融实验显示移除技能记忆后分数从0.7708降至0.7006。
12、AI自动写综述做到什么程度了？浙大、上交提出DAS，1小时生成面向发表的Academic Survey
浙江大学与上海交通大学团队提出Deep Academic Survey（DAS），采用Stateful Agentic Closed-Loop Manuscript Construction框架，将文献检索、Taxonomy构建、Claim与Citation规划、评审修复及LaTeX编译整合为闭环流程，可在1小时内生成面向发表的学术综述。团队基于2020年以来近200万篇arXiv论文构建并开源DAS-2M文献元数据湖，项目官网已开放220篇自动生成的Survey。在DAS-Bench的30个主题上，DAS平均得分4.34，高于最强基线4.03；专家评测中，其在27/30个主题上优于Naive RAG，在19/21个共享计算机主题上优于AutoSurvey。
13、配套CLI与Skills，浙大开源可插拔Agent评测底座
浙江大学ZJU-REAL团队开源可插拔Agent评测底座ageval，通过插件机制解耦待测Agent与运行环境，修改profiles.yaml一行即可在本地、Docker、E2B等环境与Codex、Claude Code、DeepSeek dsh等运行时之间切换。ageval配套CLI与Skills，支持coding agent自动编写benchmark、迁移测试集并执行评测；运行遵循lock→environment→run→evaluate→record五阶段流水线，并通过ageval Hub提供公开榜单、Agents市场与Models视图，成绩绑定运行时版本与环境，附带完整轨迹以便复现。
14、刚刚，国产世界模型Motus 2发布！灵巧操作开始「自进化」
9月10日，生数科技在外滩大会发布面向灵巧操作的自我演化型通用世界模型Motus 2。该模型统一策略、模拟器与评估器三个接口，形成“生成动作—推演未来—评估改进”的自进化闭环。五项真机任务平均成功率达84%；放置手机与多指操作两项结合基于模型的强化学习和推理时规划，成功率从65%提升至75%。人类数据预训练后经百余小时领域对齐，成功率由51%升至84%。
15、谷歌Meta被锤刷榜！Gemini暴跌70分，Top 2秒变倒数第三
分析机构SemiAnalysis点名谷歌Gemini 3.8 Flash与Meta Muse Spark 1.3存在刷榜行为：Gemini在Terminal-Bench 2.1上以89.4分位列182个模型第2，换到8月29日上线的4.0版本后暴跌至19.1分，从第2跌至倒数第三。Meta首席AI官Alexandr Wang反驳称GPT-5.6 Sol落差更大。SemiAnalysis指大厂通过购买贴近考题的封闭训练环境变相作弊，单任务售价200至2000美元，Anthropic被曝拟年投10亿美元，并点名Datacurve既售数据又办DeepSWE榜单，呼吁建设私有基准。
上一篇
【紧急加更】谷歌Bard中文版火爆上架，畅享中文对话，一键登录，告别ChatGPT封号困扰！
下一篇
09月12日AI资讯 | Kimi K2.8上线；DeepSeek V4.1评测；Meta Pocket发布；蚂蚁APASS发布；AI数学争议
- 作者:AI学长小林
- 链接:https://ai.linbintalk.com//article/3da629a6-152d-81c0-929f-ef8897d2d800
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
