07:02华尔街见闻（RSS）
Anthropic推迟IPO，OpenAI发布GPT-6 Astra
Anthropic宣布将IPO推迟至10月中旬，目标估值2万亿美元。OpenAI总裁称Astra是首个在10万块GPU上训练的模型，已面向高阶付费用户及API全面开放，具备直接操作软件能力。国内大模型厂商Kimi、MiniMax即将入驻天猫销售订阅服务。华为何庭波发表论文回应3D堆叠芯片散热质疑。美国8月非农就业大幅超预期，市场重新押注美联储9月加息。挪威主权基金拟减持800亿美元美债。
日报
LIVE每早八时发报 · 更新于 08:00NewsHub Daily · 中文 AI 资讯精选
每早八时出报
AI · 模型 · 产业
新闻枢纽 · 日报
中文 AI 资讯
NEWSHUB DAILY
本期 14 事件 · 1 一手信源 · 覆盖 6 家信源
今日头条 · Lead
OpenAI发布GPT-6 Astra，实测更可靠自然
OpenAI今日发布GPT-6 Astra，基于超10万块GPU训练，已面向高阶用户及API开放，长程任务与自然交互能力显著提升。同日，阿里开源自动驾驶VLM，中国首款AI辅助研发创新药获批上市，AI正加速向高可靠行业场景落地。
01:53OpenAI（YouTube）
OpenAI发布GPT-6 Astra，用户实测展现高可靠性与自然交互
OpenAI通过YouTube频道发布了名为Astra的模型（被标识为GPT-6），并邀请开发者Peter Gostev进行深度体验。Gostev在3D视觉任务、代码重构及复杂提示词测试中验证了该模型的能力。他特别指出，与之前的Sol版本相比，Astra在交互上更加自然，能够像人类一样接受批评或反驳，而非机械附和。在拥有15万行代码的应用迁移项目中，Astra展现出极高的可靠性，无需人工调试即可直接运行，显著降低了维护成本。目前主要性能瓶颈已转移至CPU算力，需借助Linux服务器远程处理。该演示旨在展示模型在长程任务中的稳定性与自主性提升。
01
模型发布/更新
Model Releases4 篇05:24Rohan Paul
黄仁勋确认GPT-6 Astra训练使用超10万块Grace
英伟达创始人兼CEO黄仁勋近日确认了OpenAI下一代模型GPT-6（代号Astra）的训练硬件规模。该模型训练使用了超过10万块基于NVIDIA Grace Blackwell架构的NVLink72集群节点。此外，另有约40万块GPU预计将在下一阶段投入运行。这一数据揭示了当前顶级大模型在算力基础设施上的巨大投入与部署规模，反映了行业对高性能计算资源的持续渴求。
05:06MarkTechPost（RSS）
H公司发布NeoMME：去视觉塔的单塔多模态编码器
H公司发布NeoMME，包含260M与800M参数量的单塔双向多模态编码器。该架构摒弃传统分离的视觉塔与因果解码器，使用单一Transformer处理文本与32x32图像块，支持16,384上下文长度。预训练采用离散掩码扩散，检索微调版在ViDoRe v3基准上取得0.523/0.556 nDCG@10成绩，260M模型性能逼近3.75B参数的ColQwen2.5。通过分层Token池化与量化技术，索引体积从1.5MB压缩至6KB，且在L40S上实现51.3页/秒的编码速度。模型以Apache 2.0协议开源，已集成至Hugging Face Transformers。
17:15IT之家（RSS）
阿里开源首个自动驾驶VLM Qwen-Drive-1.0-4B
阿里千问于9月6日开源Qwen-Drive-1.0-4B，这是首个面向自动驾驶的视觉语言基础模型。该模型基于Qwen3.5-4B构建，在预训练阶段统一了3D感知、视觉问答与运动规划，并保留原始架构。采用分阶段训练方案，结合驾驶监督数据与通用视觉语言数据，提供SFT和RL两个规划专家。官方评测覆盖3D感知、场景理解及开环、伪闭环和闭环运动规划。SFT模型具备竞争力，强化学习后在人类偏好对齐和闭环安全性上全面提升，仅以微小开环位移误差为代价。代码与权重已在GitHub、Hugging Face等平台公开。
02
产品发布/更新
Products3 篇23:16券商中国
中国首款AI辅助研发创新药获批上市
9月6日，由西湖大学、西湖实验室与西湖制药联合研发的盐酸伊司特韦片（艾普司韦）获国家药监局附条件批准上市，系国内首款凭借人工智能辅助研发而获批的原创药。该药用于成人轻型、中型新冠治疗，从源头发现至完成临床试验仅用时三年半。研发团队利用AI模型对490亿种DNA编码化合物库进行筛选，精准锁定候选分子WLU6937，并通过计算预测与实验验证的闭环迭代优化。此外，复星医药等药企加速布局AI工具，已有多个AI辅助项目进入PCC阶段，显示AIDD赛道持续升温。
08:29meng shao
GitHub 发布 HydraFusion：多模型动态编排实现低成本前沿代码质量
GitHub 推出研究预览版复合模型 HydraFusion，旨在通过动态构建跨供应商、多模型的执行流程，以更低成本达到前沿代码质量。其核心机制将任务求解视为优化问题，依据能力信号在 Single（单模型）、Cascade（廉价模型起草+质量门升级）和 Critique（独立批评者审阅修订）三种模式间选择，优先采用预期满足质量要求的最简流程。系统遵循五项工程原则，包括完整核算成本、有界执行超时、隔离审查上下文、故障安全回退及验证路由。
18:51IT之家（RSS）
微软提出无计量智能战略，推动AI在PC本地运行
微软在IFA 2026上由Windows与设备部门副总裁Mark Linton提出“无计量智能”（unmetered intelligence）概念，旨在重塑Windows AI战略。该策略主张将日常AI工作负载从云端转移至用户本地PC，利用CPU、GPU或NPU直接运行模型，从而摆脱对Copilot订阅及云端Token计量的依赖。微软计划通过构建面向AI的容器和子系统，增强本地智能体的安全性与管理性，并优化开发者体验，致力于将Windows打造为支持本地大模型运行的最佳AI平台。此举标志着微软从单纯增加AI功能按钮转向强化本地算力底座与智能体生态。
03
行业动态
Industry3 篇04:46Chubby♨️
英伟达拟25亿美元投资Mira Murati创立的Thinking
据The Information报道，英伟达正与Mira Murati创立的Thinking Machines Lab（TML）洽谈一笔约25亿美元的投资。TML目前寻求50亿至60亿美元的融资，投前估值至少为400亿美元，Accel正在洽谈领投该轮尚未完成的融资。英伟达此举旨在支持OpenAI和Anthropic之外的开源权重模型替代方案。TML于7月发布了开源权重模型Inkling，其商业模式主要为帮助企业利用自有数据定制模型。
01:00Rohan Paul
Anthropic获14.8GW算力承诺，年营收超650亿美元
据The Information报道，Anthropic自今年10月以来已锁定至少14.8GW的新增算力，未来十年潜在成本高达5170亿美元。其年化收入已突破650亿美元，超过OpenAI的400多亿美元，但后者规划的算力规模约为前者的两倍。Claude模型目前运行于AWS Trainium、Google TPUs及Nvidia硬件之上，并计划从2027年起部署2GW AMD系统。供应商通过融资与采购承诺深度绑定：亚马逊提供5至20亿美元投资及超千亿美元算力承诺；微软和英伟达分别承诺50亿和100亿美元，Anthropic则承诺购买300亿美元的Azure容量。
18:22券商中国
七部门发文推进AI与算力绿色化，工信部拟培育万家AI中小企业
近日，中央网信办等七部门联合印发《促进数字化绿色化协同转型发展实施方案（2026—2030年）》，提出到2030年人工智能低成本、高效率优势更加彰显，推动算力设施等重点领域可再生能源电力消费水平达到所在省份消纳责任权重。方案明确探索算力设施800V高压直流供电架构，推动超百千瓦单机柜部署，并引入液体冷却等散热技术。同日，工信部发布《人工智能中小企业创业支持计划（2026—2028年）》，明确三年内在行业应用、数据服务、智能算力等领域新培育科技和创新型中小企业1万家以上，专精特新“小巨人”企业突破2000家，高标准建设10个科技型企业孵化器及10个国家级中小企业特色产业集群。
04
论文研究
Research1 篇01:23Rohan Paul
微软论文：用规则蒸馏替代部分测试时推理以降本增效
微软新论文提出一种低成本替代方案，将昂贵的测试时推理替换为从历史智能体运行中学习到的少量规则。该方法收集35至50条过往轨迹，利用编码智能体提取重复出现的失败模式，并将其转化为小型Markdown技能加入非推理模型的系统提示词中。在GPT-5.4-mini上，这些技能在四个智能体基准测试中恢复了55%至100%以上的性能差距，同时输出Token数减少2.9至4.5倍。在ALFWorld和tau-retail任务中，具备技能的模型甚至超越了推理模式。该蒸馏过程无需推理轨迹，仅凭廉价非推理 rollout 即可在所有领域保持竞争力。
05
技巧与观点
Tips2 篇08:49meng shao
Perplexity 详解：通过 CUDA Graph 与异步追踪优化嵌入推理
Perplexity 发布技术博客，详解其如何极致压缩嵌入模型推理开销。团队将嵌入流量映射为 LLM 的 Prefill 与 Decode 阶段，采用 Ivy、Tulip、ROSE 三层架构。核心优化包括整模型级 CUDA Graph 以消除 CPU 调度与 Kernel 启动延迟，以及 LazyTensor 机制实现主机与设备计算的异步重叠。配合多后端 Attention Kernel 选型，该方案在多项基准测试中优于 vLLM v0.22.0，显著降低尾延迟并提升吞吐。文章提供了完整的工程取舍细节与参数配置，对构建高并发向量检索服务具有直接参考价值。
07:27meng shao
从零构建AI工程：523节课的完整学习路径与Agent技能库
GitHub项目ai-engineering-from-scratch提供一套从线性代数到自主智能体的连贯学习主干，包含20个阶段、523节课及约342小时内容。课程分层覆盖基础数学、深度学习、LLM训练与工程、智能体协议（如MCP）、多模态及生产合规。其核心特色在于每课遵循固定六拍教学法，强调先手写算法再使用框架复现，确保底层原理掌握。项目累计产出396个SKILL.md定义的技能与99个Prompt，支持通过脚本一键安装至Claude或Cursor等Agent环境。
往期存档