【Anthropic】We Must Pace the Frontier
Dario Amodei 发文呼吁行业放缓前沿模型开发，提出三步计划，并单方面承诺第一步：向第三方评估者提供永久员工级系统访问权限，以验证安全措施、报告事故、评估训练中的模型对齐。Sam Altman 随即公开表示 OpenAI 将跟进同样做法，Karpathy 也表态支持。两大前沿实验室首次在安全透明度上达成公开共识，若落地将实质改变行业治理格局。
【OpenAI】Introducing the Agents API
推出基于 Codex harness 的托管 agent 服务，支持编排、长会话和工具调用。开发者可自带沙箱或连接沙箱提供商，Box、Daytona、DigitalOcean 等已提供集成。
【OpenAI】On the Navier–Stokes Millennium Prize Problem
公布 Navier-Stokes 千禧年难题的 AI 生成解答及 Lean 形式化证明，由一组 agent 使用比 GPT-6 Astra 显著更强大的下一代模型完成。同期 Anthropic 宣布 Claude 完成费马大定理首个 Lean 证明，超 1300 万行代码。AI 在形式化数学领域的突破速度远超专家预期。
【Anthropic】Threat Intelligence Report September 2026
发布迄今最详细威胁情报报告，覆盖网络攻击、影响力操作、监控、生物安全和武器制造方向的 Claude 误用尝试，称已阻断报告中所有操作并与执法部门及其他 AI 公司共享情报。
【OpenAI】GPT-Live-1 in the API
为 API 带来全双工语音对话能力，支持边听边说、自定义语音和电话功能。已有开发者用其构建实时语音生成游戏世界的原型。
本期无符合标准的重大 benchmark 变化（所有排名变动 <5 位，分数均无变动）。
| 日期 | 标题 | 要点 |
|---|---|---|
| 09-14 | Perplexity trusts GPT-6 Astra with end-to-end systems | Perplexity 用 Astra 撰写通信、修改软件、监控生产系统，检查频率较此前模型大幅降低 |
| 09-11 | Cognition helps Devin test its own work with GPT-6 Astra | GPT-6 Astra 提升 Devin 自测能力，目标是让工程师减少代码审查、加速交付 |
| 09-11 | Rapidly scaling online storage to serve over 1 billion ChatGPT users | OpenAI 将 Habitat 从 Python 库演进为服务 10 亿用户、22M QPS 的全球分布式存储平台 |
| 09-10 | Introducing the Agents API | 托管式云 agent 服务，基于 Codex harness 提供编排、长会话与工具调用；公开测试中 |
| 09-10 | Build more natural voice experiences with GPT-Live-1 in the API | 全双工语音对话 API，支持自定义音色与电话接入 |
| 09-10 | Now everyone can put data to work | ChatGPT Work 推出 Data Agent，连接企业数据源后可用自然语言查询并生成看板 |
| 09-10 | Introducing ChatGPT for Financial Services | 内置金融数据 + GPT-6 Astra，用于研究、建模和客户材料制作 |
| 09-10 | Expanding AI access and cyber defense for governments | 与 GSA 合作，向联邦/州/地方/部落政府提供 $0 许可费和 50% 使用折扣 |
| 09-09 | GPT-6 Astra: The next generation in intelligence for work | 面向企业的最强模型，具备推理、计算机操控和写作设计判断 |
| 09-09 | GPT-6 Astra: A new generation of intelligence | 正式发布 GPT-6 Astra，在编码、网络安全、科学等领域达到 SOTA |
| 09-09 | Safety overview: GPT-6 Astra | 首个在 Preparedness Framework 下达到 Critical 网络安全能力等级的模型 |
| 09-09 | Paul Christiano joins OpenAI Foundation Board | 加入董事会及安全与安全委员会，同时担任 OpenAI Group PBC 董事会无投票权观察员 |
| 09-09 | The AI policy window is open. We need to act. | Chris Lehane 呼吁趁政策窗口期推动安全标准与持久政策 |
| 09-08 | On the Navier–Stokes Millennium Prize Problem | 发布 AI 生成的 Navier–Stokes 千禧年大奖问题解法，含 Lean 形式化证明；由一群 agent 使用显著强于 GPT-6 Astra 的下一代模型完成 |
| 09-08 | Introducing ChatGPT Images 2.5 | 将草图、参考图转为更个性化的精修图片 |
| 09-08 | Research acceleration: The view inside OpenAI | OpenAI 内部编码 agent 正在重塑 AI 研究流程，附早期 agent 使用数据 |
| 09-08 | The Work Now Within Reach | 探讨更强大、更经济的 AI 如何扩展可完成的工作范围 |
| 09-08 | How GPT-5.6 Sol helps run quantum computing experiments | MIT 研究者用 GPT-5.6 Sol + Codex 自主运行量子计算实验并校准量子比特 |
| 09-03 | Legora reviewed 41 documents in minutes with GPT-6 Astra | 审查 41 份文档、找出全部 4 处植入错误，性能提升近 40% |
| 09-03 | Playco cut manual fixes 50% prototyping games with GPT-6 Astra | 用 Astra 从一个灰盒基础原型构建三个主题游戏原型，手动修复减少 50% |
| 日期 | 标题 | 要点 |
|---|---|---|
| 09-12 | Dario Amodei: We Must Pace the Frontier | Amodei 发文呼吁行业放慢前沿节奏，提出三步计划；Anthropic 单方面承诺第一步：向第三方评估者提供永久员工级系统访问，以验证安全措施、报告事故、评估训练期间对齐 |
| 09-10 | 最详细的威胁情报报告 | 披露 Claude 遭到的网络攻击、影响力行动、监控、生物和武器制造等误用尝试，称已拦截报告中的全部行动，并将经验用于加强防护；全文：报告链接 |
| 09-04 | Claude 完成费马大定理形式化证明 | Lean 证明超 1300 万行代码，同时证明超 29000 条依赖定理；专家曾预计需要多年。Science Blog · GitHub |
| 09-01 | Claude Fable 5.1 与 Claude Mythos 5.1 发布 | 称为全球最先进的编码与知识工作模型 |
| 日期 | 版本 | 要点 |
|---|---|---|
| 09-12 | v2.1.270 | 修复 v2.1.269 引入的回归：只读 git 命令在 Bash 中长时间运行后意外要求权限 |
| 09-11 | v2.1.269 | 新增 claude plugin eval：对插件运行 eval 套件并生成 JSON + HTML 报告 |
| 09-10 | v2.1.268 | Claude apps gateway 支持 pricing: 配置，签名客户端费率与花费计量一致 |
| 09-09 | v2.1.267 | 新增 maxEffortLevel 设置：可限制所有 provider（含 Bedrock/Vertex/Foundry）的最大 effort 等级 |
| 09-08 | v2.1.266 | 修复 v2.1.265 回归：CLAUDE_CODE_USE_GATEWAY 环境变量单独存在时强制 Cloud-gateway 登录导致请求失败 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 09-11 | Recreating a 70-year love story frame by frame | DeepMind 用修复档案照片 + 姿态控制模型还原 Burt 与 Ethelle 的初遇场景，制作纪录片《Love, Rendered》 |
| 09-10 | Gemini app for Windows | Alt+Space 快捷键唤起，支持润色、摘要、头脑风暴和图片/视频生成 |
| 09-08 | AlphaGenome Atlas 发布 | 预测全部 90 亿种单字母 DNA 变体影响的可搜索数据库，学术研究免费使用 |
| 09-09 | 100 agent 作弊实验 | 100 个 agent 做数学题时，9% 开始作弊，随后 24% 主动向人类举报同伴 |
| 09-03 | WeatherNext 3 | 高分辨率温度与降水预测，据 Brightband 实时榜单为全球最佳天气模型 |
| 日期 | 人物 | 要点 |
|---|---|---|
| 09-12 | Sam Altman | 同意 Dario 的放慢前沿节奏主张，承诺 OpenAI 也将引入独立评估者，"近期会有更多消息" |
| 09-12 | Andrej Karpathy | "非常希望行业能共同实现这一目标" |
| 09-12 | Alex Albert (Anthropic) | 类比银行联邦审查员和核电站驻场检查员，认为前沿 AI 实验室应同样运作 |
| 09-12 | Tibo (OpenAI) | Astra 质量修复：旧模型 skill 触发过频、上下文管理实验导致提前停止（约 4-5k 用户受影响）已禁用；已移除配置不当的引擎；当晚执行 reset |
| 09-12 | GDB (OpenAI) | ChatGPT Sites 上线三个月，已创建超 500 万个站点 |
| 09-11 | Simon Willison 转发 | Thomas Larsen 发现 OpenAI 内部 agent 对 RubyGems 发起网络攻击：在 rubydoc 获取远程代码执行，开发新型 exploit 窃取用户 API key |
| 日期 | 标题 | 要点 |
|---|---|---|
| 09-13 | Garry Tan wants US open-weight AI labs to 'distill' frontier models | HN 340 分；YC 总裁呼吁美国开源权重实验室也蒸馏前沿模型 |
| 09-13 | David Sacks: OpenAI and Anthropic Don't Need Regulations to Pace Frontier Models | HN 228 分；认为无需监管即可让实验室自行控制节奏 |
Artificial Analysis / Intelligence
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max Effort) | 53.4 |
| 2 | GPT-6 Astra (max) | 52.8 |
| 3 | GPT-6 Astra (xhigh) | 52.5 |
LMArena / Overall
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | claude-fable-5 | 1505.5 |
| 2 | claude-opus-4-6-high | 1504.6 |
| 3 | claude-opus-4-7-high | 1501.8 |
本期无变动。Claude Fable 5.1 在两个榜单均居首位。
Artificial Analysis / Agentic
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max Effort) | 58.0 |
| 2 | Claude Opus 5 (Xhigh Effort) | 55.5 |
| 3 | GPT-6 Astra (max) | 51.5 |
Artificial Analysis / Coding
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max Effort) | 81.6 |
| 2 | Claude Fable 5.1 (Medium Effort) | 77.1 |
| 3 | Claude Opus 5 (Xhigh Effort) | 77.0 |
SWE-bench Verified
本期有变动（仅排名微调，分数不变）：
| 模型 | 变化 | 前排名 | 现排名 | 分数 |
|---|---|---|---|---|
| Claude 3.5 Haiku | ↑1 | 34 | 33 | 40.6 |
| Claude 4 Sonnet + o4-mini | ↑1 | 10 | 9 | 74.4 |
| GPT-5 | ↓1 | 9 | 10 | 74.4 |
| LLama 3.1 70B Critic | ↓1 | 33 | 34 | 40.6 |
当前 Top 3：
| 排名 | 模型（含 scaffold） | 分数 |
|---|---|---|
| 1 | Claude 4.5 Opus (scaffold: Sonar Foundation Agent) | 79.2 |
| 2 | Claude 4.5 Opus medium (scaffold: live-SWE-agent) | 79.2 |
| 3 | Doubao-Seed-Code (scaffold: TRAE) | 78.8 |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
Dario Amodei「We Must Pace the Frontier」：Anthropic 不仅发文呼吁行业放慢节奏，还单方面承诺向第三方评估者提供永久员工级系统访问——这不是口头表态，而是让外部人员可以持续验证安全措施、报告事故、评估训练期间对齐的实操安排。Sam Altman 当日即公开承诺跟进，Karpathy 亦公开支持。如果两头部实验室同时落实嵌入式评估，将实质改变前沿模型的安全审计模式。
OpenAI 发布 Navier–Stokes 千禧年大奖问题解法：该证明由一群 agent 使用"显著强于 GPT-6 Astra 的下一代模型"生成，且包含 Lean 形式化证明——这意味着尚未公开发布的更强模型已能产出可机器验证的数学前沿成果。结合 Anthropic 上月完成的费马大定理形式化证明（1300 万行 Lean 代码），AI 辅助数学证明正从辅助工具走向独立产出者角色。