2026-09-11 这一期
OpenAI 今天密集上线了 Agents API 与 GPT‑Live‑1，同时推出面向金融服务的 ChatGPT，产品矩阵明显加速。另一边，Calif Research 发布了首个零点击微信蠕虫，AI 安全攻防的节奏也在同步加快。
本期收录
- ToolGrad：用文本「梯度」高效生成工具调用数据集 (2026-09-11 · Google Research)
Google 提出先构造工具链再反推用户提问的范式，生成成本更低、成功率接近 100%，微调后的 12B 模型在 BFCL 上追平了 Gemini 2.5 Pro。 - Shopify 移动端回归原生开发 (2026-09-11 · Simon Willison)
从 React Native 迁回 Swift 和 Kotlin，原因是 AI agent 已能承担跨平台开发的大部分工作 - Claude Code v2.1.268 (2026-09-11 · Claude Code Releases)
新增 gateway 定价功能，修复 40 多个 bug，改进全屏模式与启动性能 - 全栈 NIM 优化让 Nemotron 3 Ultra (2026-09-11 · NVIDIA Developer)
在 4 块 B200 上，NIM 2.0.12 优化栈达到每秒 1,997 token，比基线快 2.5 倍。 - 用 Codex 和 ChatGPT 搜索新抗菌分子 (2026-09-11 · OpenAI Blog)
César de la Fuente 实验室用 AI 挖掘现存与灭绝物种基因组，加速发现对抗耐药菌的新分子。 - Cognition 发布 SWE-2 模型 (2026-09-10 · Hacker News)
在 SWE-bench Verified 上得分 72.6%，与 Fable 5.1 和 GPT-Astra 相当。 - 用 BioNeMo Inference Runtime (2026-09-10 · NVIDIA Developer)
在 8×H100 上 Boltz-2 吞吐提升 2.90 倍，能耗降至公开实现的 1/3 - ChatGPT Work 推出 Data agent (2026-09-10 · OpenAI Blog)
用自然语言查询公司数据、生成仪表盘，无需写 SQL。连接 Redshift、Snowflake 等数据源，支持 Tableau、Power BI 等 BI 工具。 - OpenAI 反复自动开启训练设置 (2026-09-10 · Hacker News)
用户手动关闭后仍被重新启用，评论区多人确认同样问题 - 当 AI 开始自我改进 (2026-09-10 · The MAD Podcast with Matt Turck)
Richard Socher 谈科学进步放缓、AI 发现新药与治愈癌症的前景，以及“尤里卡机器”的四个支柱。 - Mistral 与 Cloudera 合作 (2026-09-10 · Mistral AI)
Mistral 模型集成到 Cloudera 混合数据平台，支持私有云、本地和离线环境部署，客户可训练自有模型并保留数据所有权。 - ECCV 上学者研究 AI 如何做生意 (2026-09-10 · 量子位)
多模态 AI 大牛轮番登台，全球 64 支团队组团解题 - Coinbase CEO：万物交易所与 Agentic (2026-09-10 · No Priors)
Brian Armstrong 详述 Coinbase 向代币化资产、稳定币、预测市场的扩展，以及 AI agent 自主交易的愿景。同时公布长寿新公司 New Limit。 - 用 Nemotron 和 Palantir 把供应链决策 (2026-09-10 · NVIDIA Developer)
NVIDIA 用 cuOpt 做定量优化，再用人类决策记录微调 Nemotron 3.5 Lightning，准确率比基础模型高 69 个百分点。 - 高德发布3D原生城市世界模型ABot-Earth 0.7 (2026-09-10 · 量子位)
阿里巴巴旗下高德发布全球首个3D原生城市世界模型，旨在为AI提供理解真实世界的入口。 - HSImul3R：人-场景交互重建框架 (2026-09-10 · 量子位)
大晓机器人联合南洋理工大学、上海人工智能实验室发布，可从人类视频重建交互场景，为机器人提供技能来源。 - 开源世界模型 LingBot-World 2.0 仅 1 (2026-09-10 · 量子位)
单卡即可实时运行，降低了世界模型的使用门槛。 - ChatGPT Images 2.5 上线 (2026-09-10 · 量子位)
OpenAI 发布新一代生图模型，主打生成速度更快、细节更好，并大幅提升了图像编辑的真实感。 - OpenAI 扩大对美国各级政府的 AI 接入与网络防御 (2026-09-10 · OpenAI Blog)
符合条件的政府机构可获零许可费、五折使用费及增强的网络安全支持。 - OpenAI 推出面向金融服务的 ChatGPT (2026-09-10 · OpenAI Blog)
内置金融数据与 GPT-6 Astra，支持研究、建模和客户资料生成。 - 研究者能否信任 OpenAI 接触未发表数学成果 (2026-09-10 · Hacker News)
数学家投稿后，OpenAI 审稿团队在正式审稿前要求提供完整证明，引发信任争议。 - OpenClaw 的云会话终于跑快了 (2026-09-10 · Peter Steinberger)
Peter Steinberger 让远程终端、WebVNC 和 CUA 在云上流畅运行 - 降低代码成本后我们会用更多代码 (2026-09-10 · Aaron Levie)
Box CEO Aaron Levie 认为，AI 编程 agent 将催生大量新用例，工程师需求反而会增加。 - 一周连发6个具身智能模型 (2026-09-10 · 量子位)
灵初智能在一周内连续发布6个具身智能模型，并分享了从仿真到真机的部署经验，强调开源模型之外，部署经验才是关键壁垒。 - OpenAI 可能又剽窃了一个重要证明 (2026-09-10 · Hacker News)
HN 热帖，指控 OpenAI 在论文中未恰当引用他人的数学证明，引发社区对学术诚信的讨论。 - Dashboard 取代了团队自建工具 (2026-09-10 · Peter Steinberger)
Peter Steinberger 两个月前推动的 Dashboard/Mini-Apps 功能，现已取代围绕 OC 搭建的大量自定义工具。 - 京东发布物理AI建设最新成果 (2026-09-10 · 量子位)
京东在JDDiscovery大会上宣布打造10万卡国产算力集群，并推出JoyAI世界模型。 - Calif Research 发布首个零点击微信蠕虫 (2026-09-10 · Simon Willison)
无需接听电话即可感染，团队用 AI 在两天内完成漏洞利用开发。 - 实测星火X2.5：手搓粒子月亮、拆完61页财报 (2026-09-10 · 量子位)
星火X2.5在代码生成、文档分析等任务上展示了能力，能生成粒子动画、分析财报并发现代码bug。 - Vercel 将举办 AI 基准测试活动 (2026-09-10 · Guillermo Rauch)
CEO Guillermo Rauch 宣布与 Benchmark 合作，称这是「命名最贴切的旧金山活动」。 - Anthropic 从 1000 位中小企业主那里学到了 (2026-09-10 · Claude Blog)
巡讲覆盖十个城市，企业主用 Claude 在 15 分钟内建成了对账工具，燃油税申报错误率从 7% 降至零。 - 用 Gradio Workflow 重建 (2026-09-10 · Hugging Face)
Hugging Face 用 73 个节点、11 条媒体管线复刻了 A1111 的主要功能，所有模型调用走 Inference Providers，无需自备 GPU。 - 衡量 AI 的情报定位与常规武器能力 (2026-09-10 · Anthropic Research)
Anthropic Frontier Red Team 新评测：Mythos Preview 定位照片中位误差 37 公里，超过人类顶级玩家（151 公里）。 - GPT‑Live‑1 在 API 中上线 (2026-09-10 · OpenAI Blog)
支持全双工对话、自定义音色和电话集成，按音频时长计费 - OpenAI 推出 Agents API (2026-09-10 · OpenAI Blog)
由 Codex 框架驱动的托管服务，支持编排、长会话和工具调用。 - T. Rowe Price 将 Claude 扩展到投资 (2026-09-10 · Claude Blog)
投资经理用 Cowork 做研究，开发者用 Code 构建工具，人类判断保持中心地位。 - Muse 乐队社交媒体账号被 Meta 同名 AI 抢注 (2026-09-10 · Hacker News)
Meta 推出名为 Muse 的 AI agent，导致同名的英国乐队在多个平台失去 @muse 账号 - Vercel 半年内 8 次降价 (2026-09-10 · Guillermo Rauch)
CEO Guillermo Rauch 称，过去半年 Vercel 共实施 8 次价格下调、取消多项费用并改进结构，另有 16 个模型折扣。 - Codex 的移动端支持何时到来 (2026-09-10 · Peter Yang)
Peter Yang 询问 Codex 的移动端支持何时扩展到 Work 和 Remote Codex 线程，目前似乎仅限 Chat 线程。 - 自动化不一定会减少人类工作 (2026-09-10 · Dan Shipper)
Dan Shipper 指出两份关键假设：工作可分解为任务、自动化总是减少人力，但现实恰恰相反 - ChatGPT Work 和 Codex 重置未完全生效 (2026-09-10 · Thibault Sottiaux)
受影响用户将获得额外重置次数并收到致歉邮件 - IdeaAMBIG：研究论文方法规格的缺陷定位基准 (2026-09-10 · arXiv)
660 个实例，最佳模型缺陷定位仅 9.6%，但给定缺陷后澄清成功率 80.6% - Show-Harness：VLM agent 也能玩机器 (2026-09-10 · arXiv)
用语义接口把机器人动作拆成离散单元，闭源 VLM 可零样本控制，开源小模型只需几 GPU 小时微调。 - IBIB：按服务路由而非模型标识评测企业 AI 系统 (2026-09-10 · arXiv)
现有基准只按模型标识打分，但企业用的是系统。IBIB 协议把路由、精度、输出契约等变量纳入评测，在 11 个系统上发现路由选择能让同一模型分数差 5 个点。 - AI 扩散速度比多数人想的慢 (2026-09-10 · Aaron Levie)
Box CEO Aaron Levie 认为，即使超级智能就绪，企业流程、数据准备和现实世界速度仍是瓶颈。 - Waymo 是人本技术的典范 (2026-09-10 · Aditya Agarwal)
SPC 合伙人 Aditya Agarwal 称 Waymo 是人本技术的最佳案例，其联合 CEO Dmitri Dolgov 自 2009 年加入 Google 自动驾驶项目至今。 - JarvisGUI：跨设备 GUI agent 的动态任 (2026-09-10 · arXiv)
现有评测只测单设备静态任务，JarvisGUI 在 Android/Windows/Ubuntu 上自动组合跨设备工作流，开源 agent 全部翻车 - 构建多语言桥梁：数据混合是语言内推理泛化的支柱 (2026-09-10 · arXiv)
3.35B 模型在 60 种语言上实现 93%+ 的 L2 推理率，无需每种语言都做推理监督。 - ConvMem：用于长上下文推理的卷积记忆 (2026-09-10 · arXiv)
无需训练、高度可并行的框架，将长上下文推理重构为层次化卷积，在 RULER 基准上超越无训练基线。 - 用新模型测盲点，Astra 反馈最直白 (2026-09-10 · Peter Yang)
Peter Yang 分享了一个测试模型思考能力的 prompt：让模型给出关于你盲点的直白反馈。 - Claude Marketplace 新增五款产品 (2026-09-10 · Claude)
CrowdStrike、Cursor、Factory AI、Gamma、Vercel 入驻，企业可用 Anthropic 承诺消费额购买更多 Claude 驱动的产品与 agent。 - 服务优先，直到恢复 (2026-09-09 · Sam Altman)
Sam Altman 回应某事件，表示将优先保障客户服务质量 - AI 政策窗口是开放的，我们需要行动 (2026-09-09 · OpenAI Blog)
OpenAI 全球事务副总裁 Chris Lehane 撰文，呼吁行业与政府共同建立可验证的安全标准