2026-09-24 这一期
Claude Opus 5.5 成为默认模型，形式验证已从中发现 16 个实际 bug。多篇论文聚焦跨精度输出发散、隐藏思维链提取与 Grokking 谱理论——模型内部机理解析正成为核心议题。
本期收录
- Claude Code Projects 新增本地支持 (2026-09-24 · Cat Wu)
Claude Code 的 Projects 功能现在可以在本地运行，无需依赖远程服务器。 - Mercury 2.5 LLM 每秒 770 token (2026-09-24 · Hacker News)
推理速度达到 770 token/s，是当前最快的开源模型之一。 - Claude.ai 两周提速 3 倍的方法 (2026-09-24 · Cat Wu)
Anthropic 团队用 Claude 自身来测量、调试和优化性能，并公开了所用提示词。 - NVIDIA验证GPU集群AI负载就绪 (2026-09-24 · NVIDIA Developer)
NVIDIA开源Cluster Readiness Engine（NVCRE），在AI负载部署前运行分布式测试，自动找出导致失败的节点并报告原因。 - Gemini 3.8 TTS Playground (2026-09-24 · Simon Willison)
Google 发布两个 TTS 模型，Simon Willison 用 GPT-6 Astra 编写交互式 Playground，支持多角色对话和自定义声音。 - Private AI Compute 新增安全服务器端内 (2026-09-24 · Google DeepMind)
持久内存使用硬件安全飞地与设备端密钥，实现云端处理的设备级隐私，连谷歌也无法访问。 - SWE-Serve 揭示本地测试与线上部署的差距 (2026-09-24 · NVIDIA Developer)
NVIDIA 推出 SWE-Serve，53 个推理工程任务中，带在线验证的通过率仅 45.9%，比排除时低 23.5 个百分点。 - Gemini 3.8 文本转语音上线 (2026-09-23 · Google DeepMind)
Google DeepMind 推出 Flash 和 Flash-Lite 两个 TTS 模型，支持自定义声音和逐行表演控制，在 Hume AI 语音设计基准上综合排名第一（71.4 分）。 - 生物安全是AI军备竞赛 (2026-09-23 · Latent Space)
Radical Numerics CEO Eric Nguyen 认为，防御方正在输掉生物安全军备竞赛，AI驱动的生物防御需要更激进地推进前沿。 - OpenAI 向乌克兰扩展网络访问 (2026-09-23 · OpenAI Blog)
将 Daybreak 网络安全项目扩展至乌克兰政府，用于民用基础设施的防御。 - Harvey 用 GPT-6 Astra 改进法律草稿 (2026-09-23 · OpenAI Blog)
GPT-6 Astra 帮助 Harvey 生成更结构化且上下文感知的法律文书，让律师专注策略。 - Ringg 用 OpenAI 解决 65% 客户电话 (2026-09-23 · OpenAI Blog)
使用 GPT-5.6，成本比 GPT-4.1 低 90%，支持语音、聊天、WhatsApp 和网页等多语言代理。 - invideo GPT‑6 Astra 调色快3倍 (2026-09-23 · OpenAI Blog)
色彩校正与分级提升3倍，编辑计划更精确，一天可生成50种自定义效果。 - Sam Altman在联合国安理会的讲话 (2026-09-23 · OpenAI Blog)
在联合国安理会上，OpenAI CEO Sam Altman 讨论了 AI 安全、人类控制与国际合作。 - OpenAI 发布 MentalHealthBench (2026-09-23 · OpenAI Blog)
由专家设计，评估 AI 在真实心理健康对话中的安全与助益。 - 汇智智能发布国内首个FDE直连智能体服务平台 (2026-09-23 · 量子位)
汇智智能推出Hellome，号称将AI交付周期压缩至周级别。 - WorkBuddy把办公Agent做成「赛博乐高 (2026-09-23 · APPSO)
WorkBuddy 让办公 Agent 从个人助手进化为组织操作系统，企业可像搭乐高一样组合自动化模块。 - 斑马智能发布AutoOmni 2.0端模型 (2026-09-23 · 量子位)
9月23日云栖大会发布，23B参数3B激活，全模态端侧大模型，用于元神AI。 - Qwen一号位定了 刘大一恒接棒 (2026-09-23 · 量子位)
刘大一恒（与稚晖君同届天才少年）接任 Qwen 团队负责人 - PixVerse R2 实时世界模型发布 (2026-09-23 · 量子位)
PixVerse R2 在实时性和通用能力上取得突破，进入“全科生”阶段。 - 自己生成部署，软件永远不灭 (2026-09-23 · Guillermo Rauch)
Vercel CEO Guillermo Rauch表示，即使像Google Reader这样的服务关闭，用户也可以自行生成并部署一份，永久使用。 - Agentic Engineering 非正式交流 (2026-09-23 · Simon Willison)
Simon Willison 与 Jesse Vincent 主持，10月14日旧金山举办，邀请 coding agent 开发者分享未公开的奇思妙想。 - Airbnb 扩大 GPT-6 Astra 访问 (2026-09-23 · OpenAI Blog)
Airbnb 工程师将能用 GPT-6 Astra 和 OpenAI 前沿模型来调试系统、设计架构并加快发布速度。 - Claude Marketplace发现插件和Agent (2026-09-23 · Claude Blog)
已上线 2000+ 插件和连接器，可购买 CrowdStrike 等 Agent 产品，伙伴可申请入驻。 - 如何为AI驱动的代码现代化项目做准备 (2026-09-23 · Claude Blog)
Anthropic前延部署工程师分享，面向受监管企业的六个组织准备步骤 - Grab和OpenAI为东南亚带来实用AI技能 (2026-09-23 · OpenAI Blog)
OpenAI与Grab合作，为东南亚3万合作伙伴提供实用AI技能培训。 - GPT-6 Sol/Luna 与 Opus 5.5 (2026-09-23 · Simon Willison)
GPT-6 价格仅为 5.6 的一半，Luna 输入每百万 token 仅 $0.10；Opus 5.5 降价 20% 但 max 模式易超限失败。 - Opus 5.5 形式验证发现 16 个 bug (2026-09-23 · Boris Cherny)
Boris Cherny 用 Opus 5.5 对 Claude Agent SDK 做形式验证，发现16个bug，并探讨形式验证是否将成编码未来。 - ChatGPT 崩溃牵出 libuv 14 年旧 bug (2026-09-23 · Peter Steinberger)
ChatGPT 在 macOS 27 更新后崩溃，经 Astra 工具排查，发现 libuv 内一个存在约 14 年的 bug。 - Fable 级智能可经济地配合工作流 (2026-09-23 · Thariq)
Anthropic 的 Thariq 表示，工作流是他使用 Claude 的核心，Fable 级智能在成本上能很好地支持工作流。 - AI成本降速史无前例，扩大agent用例 (2026-09-23 · Aaron Levie)
Box CEO Aaron Levie称，Opus 5.5已降价，GPT-6 Sol/Luna token价格再降50%，AI每任务成本降速史无前例，agent用例随之大幅增加，是杰文斯悖论。 - Claude Opus 5.5 正式发布 (2026-09-23 · Claude)
Anthropic 推出最新旗舰模型，官方仅透露已可用，未公布改进详情。 - 算法绘图程序，每张图基于不同种子 (2026-09-23 · Claude)
由 Kevin T. Ngo 创建，每张图形使用不同的种子生成。 - Claude 发布积木搭建应用 (2026-09-23 · Claude)
上传照片或描述，即可生成可搭建的积木模型，并附带自定义搭建指令。 - LLM 0.36 (2026-09-23 · Simon Willison)
新增 GPT-6 Sol 和 Luna 支持，插件可声明不支持对话 - Claude Tag prompt 重建 1906 街景 (2026-09-23 · Alex Albert)
要求从 Sanborn 火灾保险地图、1906 年电影片段、历史照片和 USGS 地形数据构建建筑信息，再用 Blender Python 生成所有模型并输出 10 秒视频。 - Opus 5.5 单提示词生成 3D 世界 (2026-09-23 · Alex Albert)
Anthropic 的 Alex Albert 用 Opus 5.5 从单个提示重建 1906 年地震前的旧金山 Market Street，展示其 3D 建模与视觉能力。 - GPT-6 Sol和Luna发布，API降价50% (2026-09-23 · Thibault Sottiaux)
OpenAI 发布 GPT-6 Sol 和 Luna，在写作等各方面质量显著提升；API 永久降价 50%；Plus/Pro/Business 用户将获得一次账户额度重置。 - AI安全最初是对自动驾驶的争论 (2026-09-23 · Aditya Agarwal)
South Park Commons合伙人Aditya Agarwal称Waymo的测试基础设施是AI安全最早且最完整的实践。 - SWE-Serve：面向生产推理服务的工程化智能体基准测 (2026-09-23 · arXiv)
Cornell大学提出的推理工程基准，含53个SGLang生产级任务，最佳模型平均通过率75%，端到端测试显示约1/3补丁不满足生产正确性。 - A2M：基于迹优化的MCP生态Agent劫持 (2026-09-23 · arXiv)
两阶段黑盒攻击框架，在GLM-4.6上达到93.6%恶意工具调用率与74.4%攻击成功率，可迁移到其他模型。 - Opus 5.5 在复杂企业任务中优于 Opus 5 (2026-09-23 · Aaron Levie)
Token 减少 63%，速度提升 30%，多个行业测试准确率提升 15% 到 65%。 - llm-anthropic 0.29 (2026-09-23 · Simon Willison)
新增对 Claude Opus 5.5 模型的支持。 - 超越重复采样：为LLM推理学习搜索策略 (2026-09-23 · arXiv)
Cornell等研究者训练小模型生成概念，引导大模型推理，在数学难题上显著优于重复采样策略，且能迁移至其他模型。 - Opus 5.5 移植代码比 Fable 5.1 更优 (2026-09-23 · Boris Cherny)
Anthropic 研究员 Boris Cherny 称 Opus 5.5 移植 HAProxy 比 Fable 5.1 快 26%，成本低 51%。 - Claude Opus 5.5 成为默认模型 (2026-09-23 · Cat Wu)
Anthropic 在 Claude Code 和 Claude app 中默认启用 Opus 5.5，Pro/Max/Team 用户可用。速度接近 Fable 5.1，rate limit 比 Opus 5 多 25%。 - Grokking的谱理论：权重衰减诱导特征学习 (2026-09-23 · arXiv)
提出grokking的定量理论：泛化时间由学习率与权重衰减的乘积控制，在MLP和Transformer上验证 - 扩散起草，自回归验证：用自推测解码加速文档OCR (2026-09-23 · arXiv)
Cornell 团队提出 GravityOCR，用扩散并行起草、自回归验证，每轮平均提交 9.7 个 token，区域裁剪解码加速 3.94 倍，整页处理加速 1.32 倍，分数接近 GLM-OCR 的 95.48。 - 提取并表征前沿模型隐藏思维链 (2026-09-23 · arXiv)
通过标准API诱导闭源模型外部化中间推理，提取的CoT在数学、科学、编程上媲美原生推理，且Astra采用token高效的定向推理。 - 贪婪解码并非精度不变：跨精度输出发散 (2026-09-22 · arXiv)
相同模型、提示与贪婪解码，BF16与FP16输出差异显著，49-100%提示发散；选择性FP32 LM头重算提升+22-36pp一致率，延迟<4%。 - 接受性，而非谄媚：区分参与与屈从 (2026-09-22 · arXiv)
研究指出社会谄媚评估可能误将期望的接受性行为识别为谄媚；参与者更偏好接受性回应，即使认为提问者观点错误。 - JEV-as-a-Judge: 自信接受，不确定升级 (2026-09-22 · arXiv)
康奈尔大学提出的 JEV 裁判，以最强 LLM 裁判 0.36% 的费用实现接近的准确率（差距 <3 个百分点），不确定案例可升级保留 99% 准确率。 - REFLEX 与 Jev：高效选择性控制 (2026-09-22 · arXiv)
康奈尔大学提出 REFLEX 架构，用 Jev 快速层处理简单决策，强模型调用减少 72.7%，成功率仍达 95%。 - 从Google到地板软件，1000万美金转型 (2026-09-22 · Nikunj Kothari)
前Google员工Todd Saunders创立地板软件公司，经历1000万美金转型并退出，现在再次创业。 - 更大批次何时帮助扩展LLM强化学习 (2026-09-22 · Tencent Hunyuan Research)
研究发现，更大批次加速LLM RL训练的条件是吞吐量增益超过样本成本增加（r_q>r_N）。通过重调学习率可建立近似批次不变性，此时优化吞吐量直接缩短训练时间。