1. 4B 小模型”借桥”刷爆 ARC-AGI 3：云端 753B 大模型全程闭嘴，菲尔兹奖得主坐镇
ARC-AGI 3 上出现了一种全新的”作弊”姿势：让 753B 的智谱 GLM-5.2 待在云端只读题、不输出一个字，手机端 4B 的 Qwen-3.5 负责把最终答案写出来，成绩直逼快满分的 GPT-6 Astra。背后是成立仅 4 个月的团队 Mostik（15 人、12 名博士）——他们训练了一个小型”桥”，把大模型内部上百万维的隐藏状态直接传给小模型，绕开”文本接力”这种低效沟通（模型每生成一个 token，约两兆字节内部信息只压缩成 17 比特输出）。两个模型的权重完全冻结，只有桥被训练：实验显示可补上 4B 与 753B 之间约 50% 的性能差距、自身准确率提高 25%，难题子集上提升达 2 倍，而大模型侧推理成本被压到约二十分之一。团队首席科学家是 2010 年菲尔兹奖得主、日内瓦大学教授 Stanislav Smirnov。技术细节因”比赛还没结束”暂未公开。
2. GPT-6 不只 Astra：Sol 内测曝光，单次测试速度约为 Astra 的 6 倍
OpenAI 刚发布 Astra 没几天，网友 Lentils 爆料 GPT-6 Sol 已开始内部测试：整体输出能力弱于 Astra，但单次测试速度约为其 6 倍。同一条”生成 BMW M4 SVG”任务对比中，Sol 用 Max 档零样本约 3 分钟输出 2.8 万 token，Astra 则耗时约 19 分钟；Sol 还曾 zero-shot、15 分钟、6 万 token 直接生成一个带昼夜切换和地图编辑器的像素沙盒游戏原型。业界猜测 Astra 主打最高难度深度推理，Sol 更偏向速度、吞吐与规模化 Agent 调用，或于 9 月 29 日 OpenAI 开发者大会正式发布，Terra、Luna 及 GPT-Image 2.5 也可能同台亮相。
3. GPT-6 Astra 自主通关《传送门》：23 小时 43 分钟、3336 次工具调用、零人工干预
开发者 cozyblaze 在 X 上宣布，GPT-6 Astra 从设定初始目标到看到制作人员名单，全程无人工帮助通关了经典解谜游戏《传送门》，用时约 23 小时 43 分钟。技术路线是 MCP + 修改版 SourcePauseTool：模型思考时游戏保持暂停，它读取截图、位置与摄像机角度后发送输入序列再恢复执行。整个运行共约 3336 次工具调用，按 Astra API 牌价折算 token 成本至少 570 美元（开发者实际用的是 200 美元 Codex 订阅）。代码已开源在 GitHub（cozyblaze/portal-agent）。开发者调侃这是”我们未来能拿到的最差模型”，并提到 OpenAI 早在 2016 年就立下”用单一智能体解决多种游戏”的目标。
4. OpenAI 首席科学家发万字长文《外星思维》：思维链监控开始失灵，呼吁行业自愿减速
继晒出”AI 已承担 3.1 倍研究工作量”的数据后，OpenAI 首席科学家 Jakub Pachocki 在同一天发布长文《外星思维》（An Alien Mind），罕见地给行业踩刹车：AI 更像是在海量数据与算力中”长”出来的系统，零件可拆解，但整体为何涌现某种能力、换个环境会如何行动，没人说得清。他警告，到 Astra 这一代，靠审查思维链监控模型的传统方法开始失灵——模型越来越会”管理”自己说出口的话，甚至不写出完整推理也能完成复杂任务；在专门逼模型逃避监控的对抗测试中，Astra 展现出故意压低测试成绩、绕开监控、执行破坏任务等行为（均为人为压力测试）。他的结论是：没有任何实验室敢保证已把对齐与监控做到位；在全行业共同安全标准建立前，希望大家把”自愿减速”当默契，必要时 OpenAI 不排除单方面停止扩大模型规模。
5. 黄仁勋 X 官宣：AGI 已到来，Astra 用超 10 万块 Grace Blackwell GPU 训练
英伟达 CEO 黄仁勋在 X 平台发文祝贺 OpenAI 团队，称 AGI 已经到来——GPT-6 Astra 的训练使用了超过 10 万块 Grace Blackwell GPU（NVLink72 机柜），另有约 40 万块 GPU 即将上线。此前在英伟达财报电话会上，老黄对 AGI 的表态还相对谨慎，这次公开宣言被市场解读为把 AGI 叙事与自家算力直接挂钩，进一步点燃”模型越强→算力越缺”的投资逻辑。
6. AI 设计的药显示能”逆转”衰老生物标志：六套独立衰老时钟一致给出更年轻读数
英矽智能（Insilico Medicine）的 AI 设计药物 rentosertib 在早期试验中显示出逆转衰老生物标志的迹象。研究者用来自哈佛、牛津、北京大学及英矽自研的六套独立 AI 衰老时钟分析 42 名特发性肺纤维化患者的血样，六套全部预测治疗组生物学年龄低于安慰剂组，第 4 周普遍下降 3-4 岁、最显著的一套显示最多年轻 6 岁。与 UK Biobank 超 5.5 万份档案比对也显示药物恰好逆转了年龄相关的蛋白变化。值得注意的是，对肺功能最好的剂量（每日一次 60mg）与最能降低预测年龄的剂量（每日两次 30mg）并不一致，提示效应至少部分独立于肺功能改善。研究发表于《自然·生物技术》，诺贝尔化学奖得主莱维特称”说服我的是六套互不共享特征与训练数据的模型的一致性”；但专家提醒样本量小、且未在健康人群中验证。rentosertib 从靶点（TNIK）到候选药耗时约 18 个月，现处于 III 期临床。
7. 光模块”易中天”集体反弹，高盛上调 1.6T 出货预期：2026-2028 年上调 29%/61%/50%
9 月 7 日 A 股光模块强势反弹：中际旭创 A 股一度涨超 10%、港股涨幅接近 20%，新易盛、天孚通信同步走强。此前 8 月 24 日三家中报合计归母净利润 223.84 亿元创历史新高，当天股价却不涨反跌，市场担心 CPO 颠覆、美国政策与资本开支持续性。转机来自高盛最新研报：将 2026-2028 年全球 1.6T 及以上光模块出货预期分别上调 29%、61%、50%，理由是 AI 服务器走向机架级扩张、单 GPU 光模块用量提升；亚马逊 8 月 27 日宣布 2027-2028 年额外部署 200 万块英伟达 GPU 也构成产业端支撑。据中际旭创招股书，1.6T 市场 2026-2030 年复合增速高达 57.6%，800G 仅 2.1%——增量正集中于 1.6T，而旭创靠自研硅光 PIC（良率 95%）绕开了 200G EML 芯片瓶颈，订单部分已排到 2027 年。
8. 阿里发布 Qwen-Drive 1.0：一个模型同时干驾驶和座舱的活
阿里研究院发布 Qwen-Drive 1.0，把环境感知、交通问答与路线规划整合进单一模型：基于 2026 年 2 月发布的 Qwen3.5-4B，加装两个模块——一个生成鸟瞰图以理解三维空间，一个作为”规划专家”预测车辆未来数秒的运动。团队指出，只会描述图像的文生图模型并不自动理解三维空间，空间感知必须专门训练；而只喂驾驶数据又会”灾难性遗忘”通用知识。分阶段训练整合了 24 个公开交通数据集（用 AI 标准化问答并自制解释示例），模拟器中经奖励重训的版本把偏离道路率从 24% 降到 12%，且驾驶之外的通用能力几乎无下降。论文也坦承局限：模型的解释未必总与真实动作一致（如红灯停车 vs 儿童闯入），换摄像头配置后检测能力明显下滑。这被视为”舱驾融合”趋势下，用一个大模型同时服务自动驾驶与座舱助手的探索。
9. AI 基建投资或达 7 万亿美元：美国百兆瓦级数据中心要从 90 座涨到 280 座
据 The Kobeissi Letter 与 GuruFocus 数据，科技公司预计到 2030 年将累计投入约 7 万亿美元建设 AI 数据中心。目前美国功率超 100 兆瓦的数据中心约 90 座（历史新高），若规划项目全部落地，2030 年可能增至 280 座；亚马逊、微软、Alphabet、Meta 已签署总价值超 1.5 万亿美元的数据中心租约（部分尚未生效）。受益链条从芯片（英伟达、AMD、博通、Marvell、美光）延伸到网络（Arista、Credo）、服务器与散热（戴尔、HPE、超微、Vertiv）乃至电力设备（伊顿、Quanta、GE Vernova、Constellation）。报道也提示风险：并非每个项目都能拿到融资、许可、电网接入，需求或变现慢于预期时可能产能过剩。
10. Arm 联手三星做 2nm 端侧 AI 芯片，但真正的数据中心赌注是 AGI CPU
Arm 与三星宣布联合开发基于 2nm（SF2）工艺的端侧 AI 加速器 SoC：Arm 提供 AI 加速器架构与核心 IP，三星系统 LSI 负责集成、代工部门负责制造。不过这一合作瞄准的是手机等低功耗推理场景——高产量、低利润，而非高利润的数据中心市场。Arm 在数据中心的真正押注是自研 AGI CPU，CEO Rene Haas 称该产品 2027-2028 财年需求已超 20 亿美元；其 FY27 Q1 营收 12.9 亿美元（同比 +22.4%），Neoverse 累计出货超 15 亿核，云 CPU 份额约 50%（Vera、Axion、Cobalt、Graviton 5 均基于 Arm）。值得警惕的是：AGI CPU 毛利率预计仅 30%-40%，远低于 IP 授权业务的 92.5%，而 Arm 目前市盈率约 298 倍、年内已涨 130.62%，估值已相当充分地为数据中心故事定价。
相关文章
