2026-09-17 这一期

Simon Willison 实测 Gemini Live 音频能力，发现其交互流畅度已接近真人对话。与此同时，Claude 将 Cowork 与聊天合并为一个界面，编码 agent 在 SWE-bench 上趋于收敛——AI 助手正在从工具形态向协作伙伴形态加速演进。

本期收录

• 用 AI agent 为仿真准备 3D 场景 (2026-09-17 · NVIDIA Developer)
  NVIDIA 用 Codex 调度 NemoClaw 子 agent，通过 Omniverse Libraries 给 Blender 场景加标签、配物理、设传感器，最后跑 SimReady 验证，输出给 Isaac Sim。
• TensorRT Edge-LLM 在 MLPerf 边 (2026-09-17 · NVIDIA Developer)
  单块 Jetson AGX Thor 跑 Qwen3.6-27B，1007 轮对话 24 分钟完成，靠 NVFP4 量化、KV cache 复用和树状多 token 预测
• 训练 4B 模型生成比 Postgres 快 81% 的 (2026-09-17 · Hacker News)
  一个 4B 参数模型在查询计划生成上超越传统数据库优化器，有评论质疑其实际部署的通用性与成本。
• Claude Cowork 与聊天合并为一个 (2026-09-17 · Simon Willison)
  Anthropic 将 Cowork 和普通聊天合并，Pro/Max 用户先体验，未来几周覆盖全平台。
• 为超级智能承保：押注你能起诉的 agent (2026-09-17 · Latent Space)
  AIUC 完成 4000 万美元 A 轮融资，联合创始人 Rune Kvist 认为信任与风险才是 AI 落地的真正瓶颈。
• OpenAI 模型行为偏离报告框架 (2026-09-17 · OpenAI Blog)
  要求内部按严重程度分级上报，并公开了六份相关报告
• 用 AI agent 把 CUDA Tile 操作从 (2026-09-17 · NVIDIA Developer)
  NVIDIA 在 TileGym 仓库中发布了一个 AI agent skill，将 24 个公开算子全部移植到 cuTile Rust，平均性能达到 cuTile Python 的 99.5%。
• Mustafa Suleyman 警告不应赋予模型权利 (2026-09-17 · Simon Willison)
  微软 AI CEO 认为没有证据表明模型有意识，赋予权利只会让对齐更难。
• PS5 Linux 负责人离职：一群用 LLM 的菜鸟 (2026-09-16 · Hacker News)
  项目负责人称开源贡献者已变成一群用自己不懂的 LLM 生成代码的菜鸟，宣布退出。
• 关于「模型福利」的警告 (2026-09-16 · Hacker News)
  Mustafa Suleyman 发文警告，将 AI 模型视为有感知能力的实体并赋予其「福利」是危险的，会分散对真正的人类福祉和 AI 安全问题的关注。
• ZDTaichu5.0-9B 国产开源，空间具身智能领先 (2026-09-16 · 量子位)
  在九大空间测试中，10B 规模通用模型拿下 8 项第一，跻身全球多模态第一梯队。
• OpenAI 用 AI 重新构想广告 (2026-09-16 · OpenAI Blog)
  推出赞助 Agent 新广告形式，品牌可创建 AI Agent 直接与用户对话，同时集成 HubSpot 和 Shopify。
• DeepSeek v4.1 Flash 成为最佳黑客模型 (2026-09-16 · Hacker News)
  Enclave AI 称该模型在 CTF 挑战和漏洞利用任务上超越此前所有模型，包括 GPT-5 和 Claude 4。
• Mistral 与 Mozilla 合作 (2026-09-16 · Mistral AI)
  Firefox Smart Window 由 Mistral 模型驱动，主打隐私保护与多语言支持，先在法国和北美上线。
• 如何把 AI 用量与业务价值挂钩 (2026-09-16 · OpenAI Blog)
  OpenAI 给出框架：先看用量，再看效果，最后算 ROI。ChatGPT Work 和 Codex 分析面板可追踪这些指标。
• 工人如何解锁新的工作方式 (2026-09-16 · OpenAI Blog)
  OpenAI 经济研究：AI 不仅替代重复任务，还催生新的重复性工作模式
• 高通携手中兴努比亚和豆包推AI手机 (2026-09-16 · 量子位)
  第五代骁龙8至尊版赋能努比亚NaviX Ultra，集成豆包手机助手，加速AI智能体体验规模化落地。
• Mistral 与 Mozilla 合作推出私密多语言 (2026-09-16 · Hacker News)
  Mistral 与 Mozilla 合作，将 AI 功能集成到 Firefox 浏览器中，强调隐私保护和多语言支持。
• 清华稳准智能发布 LimiX-2 数据模型 (2026-09-16 · 量子位)
  参数规模 400M，在结构化数据国际评测中登顶。
• B站AI无限竞技场今日上线，GPT-6高居榜首 (2026-09-16 · 量子位)
  B站上线AI无限竞技场，首期榜单GPT-6排名第一，全球百大AI模型同场竞技。
• 对话蚂蚁灵波 CEO 朱兴：机器人还吃不了粗粮 (2026-09-16 · APPSO)
  蚂蚁集团旗下灵波科技CEO朱兴认为，当前机器人行业面临数据匮乏和泛化能力不足的瓶颈，距离通用具身智能还有很长距离。
• 杭州团队补上AI for Science最后一公里 (2026-09-16 · 量子位)
  该团队实现从想法到结果的一次对话式科研流程，被英伟达点名。
• 输出域已知时，不如直接训练模型输出枚举的 (2026-09-16 · Amjad Masad)
  Replit CEO Amjad Masad 对一种结构化输出方法的评论
• 读者分享的 bot 使用场景 (2026-09-16 · Peter Yang)
  Peter Yang 向读者发放 bot 内测码后收集了十几个真实用例，涵盖获客、运营、客服、内容生产等方向。
• Claude Cowork 和聊天合并为一个 (2026-09-16 · Claude Blog)
  不再需要选择任务归属，Claude 自动判断并处理；新增文档和幻灯片功能，支持协作编辑与导出。
• Gemini Live 音频 (2026-09-16 · Simon Willison)
  Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两个语音到语音模型，Simon Willison 用 GPT-6 生成了一个浏览器端试用界面。
• AI 模型能力与企业工作流之间存在巨大鸿沟 (2026-09-16 · Aaron Levie)
  Box CEO Aaron Levie 认为，应用层需要填补这一鸿沟，且随着模型能力提升，这一层会变得更加重要。
• Safari 27 支持 JSPI (2026-09-16 · Guillermo Rauch)
  Vercel CEO Guillermo Rauch 称，JSPI 让同步原生代码能暂停在异步 Promise 上，WebAssembly 将在 Web 未来扮演重要角色。
• 给独立创业者的建议：设计你真正喜欢的工作 (2026-09-16 · Peter Yang)
  Peter Yang 在 Grok 团队直播中分享，独立创业者应优先选择自己享受的工作，把无聊的活交给 bot。
• Capy 用 GStack/GBrain 半天干完一天活 (2026-09-16 · Garry Tan)
  YC CEO Garry Tan 实测 Capy 处理遗留 issue/PR，速度比直接用 Codex/Claude Code 快一倍，且底层模型相同。
• MCP 比 CLI 更适合大多数集成 (2026-09-16 · Thariq)
  Anthropic 的 Thariq 认为，模型工具调用能力大幅提升、MCP 已支持无状态，使得 MCP 在数据组合与过滤场景优于 CLI。
• Every 测试新基础模型：输出概率而非文字 (2026-09-16 · Dan Shipper)
  Dan Shipper 称该模型在需要 Fable 级别判断力的场景下，速度快 25 倍、价格低 600 倍。
• SPC 合伙人复盘 Profound 投资历程 (2026-09-16 · Aditya Agarwal)
  Aditya Agarwal 回忆 Profound 两位创始人如何在南公园会客厅相遇并形成搭档，如今该公司估值 18 亿美元，三分之一财富 100 强企业使用其产品。
• NotebookLM 新增课堂语音问答与录音笔记 (2026-09-16 · Josh Woodward)
  支持约 100 种语言的口头问答，录音笔记自动存入笔记本。全球 140+ 国家的大学生可免费获取 Google AI Plan。
• 多 agent 社会需要社会约束 (2026-09-16 · arXiv)
  即使诚实 agent 也常因通信漏洞合作失败，论文提出三层“社会约束”架构：直接阻止、运行时检测、事后追责。
• ScienceBuddy：递归式自我改进的科学 (2026-09-16 · arXiv)
  内层优化工具环境，外层用新数据训练模型，两个循环交替推动 agent 持续进步。
• LLM 何时该弃权：链式自问自答实现选择性风险控制 (2026-09-16 · arXiv)
  CoSQ 框架让模型在回答前先评估信息是否充足，在 TruthfulQA 上将无依据作答率降低 32.1%，同时提升准确率，11 个模型一致有效。
• 智能家居剪枝下什么会坏，什么时候坏 (2026-09-16 · arXiv)
  密集模型剪枝安全区间窄，MoE 更耐剪；剪枝先破坏具体参数识别，后影响意图理解
• 为什么 Navier-Stokes 之后我仍然看空 (2026-09-16 · Hacker News)
  作者认为 LLM 在物理世界推理上仍有根本局限，Navier-Stokes 的突破并未改变这一点。
• Vercel 正式推出 Labs 公开研究部门 (2026-09-16 · Guillermo Rauch)
  CEO Guillermo Rauch 宣布，Labs 将公开分享 Vercel 支持的研究方向、进行中的实验以及未成功的尝试。
• JustFit：24 GiB 笔记本上跑 200K (2026-09-16 · arXiv)
  MLX 推理运行时，单请求上下文从 30,720 位提升至 212,992 位（6.93 倍），AIME 2026 答对 29/30 题。
• 分解买来的是完整性，不是产出 (2026-09-16 · arXiv)
  多智能体树状分解中，每层最多贡献 C≤1 的产出，扁平结构对产出最优；深度换来的是根上下文暴露从 N 降到 N^{1/k} 和更低的账单。
• 多模型是未来，隐藏选择会伤害客户 (2026-09-16 · Guillermo Rauch)
  Vercel CEO Guillermo Rauch 认为，不让用户选择模型会让他们无法参与市场竞争，也无法掌握最适合的工具。
• 编码 agent 已经收敛：SWE-bench 排行榜为 (2026-09-16 · arXiv)
  前两名各解决 396/500 个实例，共享 285 个成功；同一模型换脚手架差距可达 29.8 个百分点，远超前 30 名总跨度 8.8 个百分点。
• OPEN-1B：一个完全可审计的训练过程 (2026-09-16 · arXiv)
  提出「完全可审计」标准，让异构硬件上每一步训练都能比特级复现，并发布 Open-1B 模型及全套审计工具。
• Claude 集成 Salesforce 进入 Beta (2026-09-15 · Claude)
  37 个预置销售技能，可在对话中直接查看账户、机会和管道，无需切换应用。
• 热潮之后：治理病毒式 agent 技能生态留下的问题 (2026-09-15 · arXiv)
  OpenClaw 技能仓库 91 天翻倍，但 77.86% 的技能零星零评论，85.06% 带权限提升证据，三个安全扫描器对 38% 的技能判断不一致。
• Transformer 层间持久循环记忆提升语言模型泛化 (2026-09-15 · arXiv)
  6 层模型中间插入 GRU 循环模块，仅增 3.7% 参数，评估损失降 28.5%，过拟合差距从 0.26 缩至 0.12。
• 抓说谎者容易，为诚实者洗清嫌疑难 (2026-09-15 · arXiv)
  语言模型在诊断奖励通道腐败时存在不对称缺陷：70B 级模型几乎完美抓住说谎者，但称诚实者为说谎者的概率高达 26%-58%，且取决于不应相关的表面特征
• AI 命名诅咒：名不副实的组织 (2026-09-15 · Amjad Masad)
  Replit CEO Amjad Masad 指出，名为“AI Safety”的公司反而让 AI 变得不安全，“Effective Altruists”既无效又助长犯罪。
• Intelligence per Watt (2026-09-14 · Hacker News)
  提出用每瓦特智能（IPW）指标评估本地 AI 模型，在 7B 到 70B 参数模型上测试，发现小模型在能效上显著优于大模型。