type
Post
status
Published
date
Sep 23, 2026 05:00
slug
ai-daily-2026-09-23
summary
今日最重磅的是 OpenAI 与 Anthropic 同日打响了 API 价格战：GPT-6 Sol/Luna 单价直接砍半（Sol 输入 $4→$2、输出 $20→$10），约一小时后 Claude Opus 5.5 跟进降价 20% 且缓存读价暴跌 60%，Altman 更直言"按 per-task 计价市场里没有竞品"。与此同时，小米开源 1T-A42B 的 MiMo-V2.6-Pro，自称训练成本仅约 300 万美元并公开全部训练配方，成为非六大厂商首次做出顶级开源权重模型；阿里则发布自研芯片 Zhenwu V900 并给出 2032 年 20GW 数据中心路线图，Qwen 4 已在训
tags
AI
日报
技术趋势
category
AI技术报告
icon
📰
password
priority
1
📊 今日概览
今日最重磅的是 OpenAI 与 Anthropic 同日打响了 API 价格战：GPT-6 Sol/Luna 单价直接砍半（Sol 输入 $4→$2、输出 $20→$10），约一小时后 Claude Opus 5.5 跟进降价 20% 且缓存读价暴跌 60%，Altman 更直言"按 per-task 计价市场里没有竞品"。与此同时，小米开源 1T-A42B 的 MiMo-V2.6-Pro，自称训练成本仅约 300 万美元并公开全部训练配方，成为非六大厂商首次做出顶级开源权重模型；阿里则发布自研芯片 Zhenwu V900 并给出 2032 年 20GW 数据中心路线图，Qwen 4 已在训练。Agent 侧同样密集：StepFun 开源 CLI 编码代理 Step Code、Kimi 浏览器扩展上线、vLLM v0.30.0 携 762 commits 发布。
🔥 趋势洞察
- 前沿模型价格战开打：GPT-6 Sol/Luna 与 Claude Opus 5.5 同日降价，Sol 单任务成本降至 Opus 5 的 9%，与"呼吁放缓"叙事形成鲜明反差
- 开源权重向万亿参数跃迁：小米 MiMo-V2.6-Pro 以约 300 万美元训练成本开源 1T-A42B 模型并公开全部配方，非六大厂商首次触及顶级开源权重
- Agent 工程化全面提速：Step Code、Kimi 浏览器扩展、vLLM v0.30.0、Hamel evals 插件密集落地，评测与 harness 成为新的竞争焦点
🐦 X 推文动态
📈 热点与趋势
- OpenAI 发布 GPT-6 Sol / Luna，单价减半 - Sol 从 $4/$20 降到 $2/$10，Luna 从 $0.20/$1.20 降到 $0.10/$0.50（每百万输入/输出 token），当天在 ChatGPT Work 与 Codex 面向 Plus/Pro/Business/Enterprise/Edu 上线。Artificial Analysis 测出每任务成本 Sol $1.06（前代 $1.99）、Luna $0.07（前代 $0.18）；编码 Agent 指数 Sol 57 升 2 分、Luna 41 降 2 分；AA-Omniscience 幻觉率 Sol 从 92% 降到 60%，但 GDPval-AA v2.1 上 Sol 掉约 100 Elo，主要掉在交付物呈现质量和 rubric 覆盖 @sama @ChatGPT @OpenAIDevs @ArtificialAnlys
- Altman：按 per-task 计价市场里没有竞品 - 称 GPT-6 Sol/Luna 的 per-task 价格市场上无可竞争对象，并说 OpenAI API 的目标是在每个价位都提供最好模型、覆盖文本、代码、图像、视频全模态 @sama @sama
- OpenAI 发布 AI 安全标准提案 - 主张由美国主导，要让实验室外的人对技术走向有真实发言权和判断安全与否的清晰方式；标准应防止权力集中，办法之一是让新公司和开源模型公司能竞争 @sama
- Richard Socher 出新书并创立 Recursive_SI - 《The Eureka Machine》今日出版，主题是全栈科学超级智能：人类知识活地图、物理现实模型、高保真仿真、自主实验室、AI 科学家 agent 集群。8 人团队从 AI 自身的科学做起，再扩到物理、化学与临床前生物 @RichardSocher（Richard Socher，前 Salesforce 首席科学家 / You.com 创始人）
- RAND 报告给出美国超级智能战略两个目标 - 依次为：确保美国地缘优势、确保人类带能动性地存续，结论是最大化可选项 @teortaxesTex（AI 内容博主，转述 RAND 报告）
🔧 工具与产品
- Claude Opus 5.5 发布，运行成本比 Opus 5 低 40% - 属新的 Claude 5.5 家族首款，多数任务达到 Claude Fable 5.1 水平。Perplexity 同日开放给所有 Computer 用户，在其 Wide-And-Deep-Research 评估上优于 Fable 5.1 且成本更低，Opus 5.5 成为 Pro/Max 用户的 "Standard" effort orchestrator @claudeai @AravSrinivas（Aravind Srinivas，Perplexity CEO）
- StepFun 开源 Step Code v0.1.0 - 一个 CLI 编码代理，覆盖读代码、改代码、跑测试到交付全流程；Terminal-Bench 2.1 得 80.9%，自建 Multi-Frame 150 任务长程基准得 73.3%，MIT 许可，另带 StepPage 一键发布静态站 @StepFun_ai（阶跃星辰）
- Kimi 浏览器扩展上线 - 原 Kimi WebBridge，在浏览器侧栏里对话即可让 Kimi 导航网站、填表单；重复任务录一次步骤存为技能，下次自动执行 @Kimi_Moonshot（月之暗面）
- Hamel Husain 与 Shreya Shankar 放出 evals 技能插件 - 让编码 agent 承担大部分评估搭建工作，两人称基于 50 多家 AI 公司经验。文中案例：Ramp 自动收据采集准确率从 35% 升到 83%，Shopify 的 AI 工作流比原前沿模型方案快 2.2 倍、便宜 68%，Cursor 调 Auto Balance 路由后成本降 41% @lennysan（Lenny Rachitsky，Lenny's Newsletter 作者）
⚙️ 技术实践
- vLLM v0.30.0 发布，762 commits / 315 贡献者 - 混合注意力热点路径优化覆盖 Kimi K3 的 KDA、AttnRes、MLA，DeepSeek-V4.1-Flash 的 MXFP8 KV 与异步 Engram，Qwen3.8-Flash-Next 的 QSA/PLE 融合并压低稀疏 GQA 开销；新增 HiSparse 在 sparse-MLA decode 下挂主机层、Model Runner V2 把 EAGLE3 式起草带进流水线并行、双键 Gumbel-max 水印生成与检测 @vllm_project
- vLLM 在 1000+ TPU 上驱动 MiMo-V2.6 310B 全参数 RL - Peano AI 用 JAX 做训练、vLLM 做 rollout，验证阶段与训练器 bitwise 一致；训练器与采样器共用一条 TPU ICI fabric，310B 参数 2 秒内搬完 @vllm_project @peano_ai（Peano AI，TPU 训练平台）
- Perplexity 用提示引导自蒸馏把工具调用失败降 21% - 后训练方法合并拒绝采样微调（RFT）与提示引导自蒸馏：模仿好轨迹，同时显式纠正"整体轨迹成功但工具调用发错"的情况；线上 A/B 测试中，后训练 checkpoint 比早期 checkpoint 工具调用失败率降 21.2% @AravSrinivas @perplexity_ai
- 10 个 Opus 5.5 agent 用 15 小时做出 Lean 验证过的最短路径算法改进 - Vals AI 让十个 agent 设计更快的最短路径算法并在 Lean 中证明，产出 C-HD：对已发表界的经形式化验证的改进 @ValsAI（Vals AI，AI 评测公司）
⭐ 精选内容
GPT-6 Sol/Luna 与 Claude Opus 5.5 同日发布，API 价格战正式开打 ｜ 前沿实验室集体下探定价，与「呼吁放缓」叙事形成反差
OpenAI 发布 GPT-6 Sol 与 Luna，作为 Astra 之后的成本效率梯队，沿用 Astra 训练方法，API 价格较 GPT-5.6 促销价直接砍半（Sol 输入 $4→$2、输出 $20→$10；Luna $0.20→$0.10、$1.20→$0.50）。AutomationBench 显示 Sol 在 xhigh effort 下超过 Claude Opus 5 max effort，单任务成本仅为其 9%；Luna high effort 较前代提升 5.4 个百分点且成本低 58%。约一小时后 Anthropic 发布 Claude Opus 5.5，输入/输出降至 $4/$20（降 20%），缓存读价暴跌 60%——对 90%+ 输入走缓存的长 agentic 对话意义重大，并预告 Sonnet 5.5/Haiku 5.5。Simon Willison 附完整价格对比表并指出 GPT-5.6 十一月还将涨价 25%，实际降幅更大。对做模型选型、成本核算与 agent 工作流的团队，这是本季度最直接的一手定价与能力对比。
GPT-6 prompt caching 升级：cache miss 返回结构化诊断 JSON ｜ agent 长任务成本结构的官方工程手册
OpenAI 为 GPT-6 家族上线改进版 prompt caching：默认命中率更高，30 分钟窗口内复用共享前缀可享最高 90% 输入 token 折扣。新增 Prompt Caching Dashboard 追踪命中率与输入构成，以及 diagnostics 工具——cache miss 会返回结构化 JSON（如 reason=tools_changed、受影响 token 数），直接定位是模型/工具/设置/输入哪一环破坏了复用。三条保缓存实践：用显式 cache breakpoint 选择缓存前缀；GPT-6 上可中途调整 reasoning effort 而不破缓存（追加 configuration_update）；工具定义/schema/顺序保持稳定，用 allowed_tools 或 tool_choice=none 替代删除定义，新指令追加到上下文末尾。GitHub Copilot 实测未命中 token 占比降超 50%。
来源：openai.com
小米 MiMo-V2.6-Pro 开源：1T-A42B、训练成本约 300 万美元 ｜ 非六大厂商首次做出顶级开源权重模型，训练配方全公开
小米发布 MiMo-V2.6-Pro（1T 总参 / 42B 激活）开源权重模型，自称训练成本仅约 300 万美元，同步推出 Flash 与 UltraSpeed（同质量下输出速度最高 20 倍）。技术报告披露 RL 沿三轴扩展：全异步大 batch（每次更新 1,568 样本、最高 1M 上下文、每步 3.5-3.7B tokens）、多任务多 harness 环境混合、以及组内相对比较的 grader compute 以提供更精确的长程奖励。更关键的是小米把环境代码与训练配方全部开源：code、ARVO 漏洞复现、general、webdev、music 五套 recipe 加可组合 mini-harness 配置。对做 agent RL 与开源模型选型的团队，这是一份可直接抄的训练栈。
来源：latent.space
Hamel evals FAQ：40+ 问答覆盖从最小可行 eval 到 LLM judge 校准 ｜ eval-driven development 的收藏级参考
Hamel Husain 把多年 evals 教学与咨询经验整理成一份 40+ 问答的 FAQ，覆盖从「最小可行 eval 设置」到「LLM judge 与人类不一致怎么办」的全链路。核心观点：坚持二值 pass/fail 而非 1-5 Likert、error analysis 优先于自动化指标、警惕 BERTScore/ROUGE 这类相似度指标、合成数据在长尾场景不可靠、以及「不要为每个失败模式都建自动评估器」。对正在搭 eval 体系的团队，这是一份可直接对照检查的决策清单。
来源：hamel.dev
让 agent 反复优化 Rust 代码，写出比 state-of-the-art 库更快的实现 ｜ 完整可复用的 agentic 迭代优化工作流
Max Woolf 用 agentic LLM 反复迭代优化 Rust 代码，在禁止 unsafe 的前提下写出比现有 state-of-the-art 库更快的实现，累计加速 2x-20x。方法论：用 criterion 做统计显著性基准、把长 prompt 写成 Markdown 文件（全大写+加粗强调细节）、给 agent 自主迭代权限但设护栏、以 UMAP 从零实现为案例。核心洞察是「优化」并不在主流 agentic 模型的 RLHF 训练目标里，但配合基准与约束后 agent 能持续产出真实加速，且随前沿模型迭代效果递增。
Spotify Home 货架生成系统：LLM 生成「货架假设」+ Semantic ID 落地，serving 时零 LLM 推理 ｜ 生成式推荐在真实产品里的三段式架构
Spotify Research 公开 Home 个性化货架（shelf）生成系统：不再从手工模板库挑选，而是用蒸馏开源 LLM 从用户画像生成自然语言「货架假设」（如 glacial ambient post-rock with orchestral textures），再由生成式检索借 Semantic IDs 把假设落地到真实曲库，最后经 alignment 阶段重选条目并重写标题/副标题保证一致性。全流程离线，serving 时无 LLM 推理。离线评测生成式检索在 Hypothesis-to-Shelf Judge 上 0.71 vs 最强基线 0.56（+27%），alignment 把总分从 0.71 提到 1.27（+78%），标题承诺兑现度 0.66→1.31。线上随机曝光显示专辑场景有竞争力，播客/歌单场景落后。
来源：daily.dev
阿里发布自研芯片 Zhenwu V900 与 20GW 数据中心路线图 ｜ 中国云厂商全栈 AI 基建加码，Qwen 4 已在训练
阿里 T-Head 发布自研加速器 Zhenwu V900，性能为上一代 M890 的 3 倍，216GB 显存、片间带宽 1.2TB/s，2027 Q1 商用；配套 Panjiu 超节点可扩展至 50 万卡集群。公司目标 2032 年全球数据中心容量超 20GW，支撑其「agentic cloud」战略。硬数据：6 月季度资本开支 677 亿元（同比 +75%），自由现金流 -447 亿元；AI 云与算力收入同比 +44.9% 至 484 亿元，云调整后 EBITA 同比 +133%。Qwen 4 已在训练，Qwen 4.5/5 预计达 5-10 万亿参数。港股当日涨约 3%。
自建 eval 打败公开榜单：35B 模型 95% 成功率反超 120B 的 53% ｜ agent eval harness 的隔离与可复现设计
作者用自建 benchmark 对比 Qwen3.6-35B 与 GPT-OSS-120B 跑自家 coding agent，结果小模型 95% 成功率反超 120B 的 53%，核心论点是「公开榜单和模型规模在自建 eval 面前毫无意义」。文章给出 eval harness 的工程做法：eval 与 agent 完全解耦、通过 CLI 子进程调用、用固定 commit 的 seed repo 保证每次 trial 起点一致、agent 以 git branch 交回结果、用结构化 summary.json 评分而不解析 trace。适合正在给 agent 搭评测层的工程师参考其隔离与可复现设计。
🎙️ 播客精选
Agent Wars!
📍 来源：AI Daily Brief | ⭐ ⭐⭐⭐/5 | 🏷️ Agent, Product, Regulation | ⏱️ 00:30:57
讨论个人 Agent 主导购物决策时客户关系归属之争：Meta 的 Muse 在 App Store 超越 ChatGPT，Amazon 封锁其购物功能，Shopify 则选择开放接入。头条还包括 Grok 4.7、AI 责任归属及跨实验室安全测试。对关注 Agent 商业化、平台生态博弈的从业者有参考价值。
💡 推荐理由： AI 新闻日报类，聚焦 Agent 商业生态竞争（Meta Muse vs ChatGPT、Amazon 封锁、Shopify 开放），有信息量但缺乏独家深度观点
📄 今日论文精选
Agensh: Scaling Organizational Intelligence to 1,024 Agents
Microsoft Research ｜ 🏷️ Multi-Agent, Agent Framework, Agentic Workflow
提出无中心编排器的自组织多智能体 harness，靠共享工作区、消息接口与共享上下文支撑异步协作，在 pandoc 从零构建任务上把 1,024 智能体的通过率从 33.89% 拉到 55.06%，并观察到协作模式自发涌现。
Qwen3.8-Omni: Towards Native Omni-Modal Agents
Alibaba / Qwen Team ｜ 🏷️ Multimodal, Agent Framework, MoE
原生全模态 MoE 模型，上下文扩至 100 万 token，把文本域的 agentic 能力迁移到音频与视频，并开源 Qwen-MM-Plugins 与 Qwen-Live-Harness，直接面向视频编辑、长音频翻译等生产工作流。
Clarification Is Not Correction: LLMs Fail to Let Go
Meta ｜ 🏷️ Agent Memory, Reasoning, Agent Framework
提出并刻画"早期后验坍缩"这一新失败模式：模型在歧义未解决前就把意图固化为单一任务状态，后续澄清被当作额外上下文而非纠正信号。编码任务最脆弱，摘要式记忆反而加剧问题。
🐙 GitHub 热门项目
Step Code v0.1.0 ｜ 阶跃星辰开源的 CLI 编码代理
覆盖读代码、改代码、跑测试到交付的全流程，Terminal-Bench 2.1 得 80.9%，自建 Multi-Frame 150 任务长程基准得 73.3%，MIT 许可，另附 StepPage 一键发布静态站，适合想自建编码 agent 工作流的团队直接上手。
GitHub ｜ ⭐ 8,900 ｜ 🗣️ Python ｜ 🏷️ Code Agent, CLI, DevTool
vLLM v0.30.0 ｜ 高吞吐 LLM 推理与服务引擎
本次 762 commits / 315 贡献者，混合注意力热点路径优化覆盖 Kimi K3 的 KDA、DeepSeek-V4.1-Flash 的 MXFP8 KV 与 Qwen3.8-Flash-Next 的 QSA/PLE 融合；新增 HiSparse、Model Runner V2 与双键 Gumbel-max 水印，是自建推理服务的基础设施首选。
GitHub ｜ ⭐ 62,400 ｜ 🗣️ Python ｜ 🏷️ Inference, Serving, LLM