OpenAI 上线 GPT-Live-1 与 Agents API，DeepSeek V4.1 Flash 成本降至 1/40

1️⃣ [持续跟踪] DeepSeek V4.1 Flash 进入第三方评测与推理平台#

• 前情提要：DeepSeek 于 9 月 10 日正式发布 V4.1 Flash，开放 MIT 权重，并宣布原 V4-Pro 请求将于 9 月 14 日路由至 Flash 计费。
• 最新进展：LMArena Code Arena: WebDev 显示其以 1620 分列第 14，在开源模型中第 4；Fireworks 上线该模型，称其为 552B MoE，在 DeepSWE、CyberGym、Automation Bench 上以约 1/40 成本超过 Opus 5 和 GPT 5.6 Sol。
• 外部测试：Browser Use 称在 60 个浏览器任务上成本比 Sol 与 Opus 低约 50 倍；OpenDesign 跑分称其以 1% 平均成本达到 GPT-6 Astra 98% 平均得分。 🔗 机器之心 | LMArena | Fireworks | Browser Use

2️⃣ OpenAI 将 GPT-Live-1 语音模型上线 API#

• 核心发布：GPT-Live-1 在 API 上线，支持模型边听边说、可选后端模型与 harness；可设定语气、节奏、表达、语言和回复长度。
• 基准数据：与 GPT-6 Astra 中等推理搭配，Tau3 首次尝试完成 83.6% 任务，高于 GPT-Realtime-2.1 的 45.7%；Artificial Analysis 对话动态 97.3%，Full Duplex Bench v1.5 交互性 80.1%。
• 生态接入：Genspark 称 80 通餐厅预订电话任务完成率较上代翻倍、理解率 92%，已接入 Call for Me 等；HeyGen 开源结合 GPT-Live-1、LiveAvatar 的实时 AI 框架。 🔗 OpenAI 博客 | API 发布 | 基准 | Genspark 实测 | HeyGen 开源

3️⃣ OpenAI 发布 Agents API 与托管沙箱#

• 核心发布：Agents API 进入公开测试，基于 Codex harness 构建和运行云端 Agent，OpenAI 负责编排、长会话与上下文管理。
• 沙箱能力：OpenAI 托管沙箱支持运行代码、处理文件、生成工件；开发者可提供文件、安装包、技能和插件。
• 产品定位：开发者聚焦 Agent 差异化逻辑，基础设施由 OpenAI 托管。 🔗 Agents API 博客 | 发布 | 托管沙箱

4️⃣ OpenAI 发布 ChatGPT for Financial Services#

• 核心发布：面向金融团队的 ChatGPT Work 版本，结合内置金融数据和 GPT-6 Astra 推理，用于研究、财务建模与客户材料。
• 数据与工具：内置 Daloopa、PitchBook、LSEG News 数据集；支持用企业自有 Excel、Word、PowerPoint 模板生成可编辑财务模型、研究笔记和 pitchbook。
• 可核查性：可将数字与结论回溯到具体段落和表格，并预览引用原文。 🔗 OpenAI 博客 | 发布 | 数据 | 模板 | 引用

5️⃣ ChatGPT Work 推出 Data agent，Library 接入 Dropbox/Box/SharePoint#

• Data agent：在 ChatGPT Work 中新增 Data agent，用户添加 Data Plugin、连接企业数据源后，可用自然语言生成答案、交互式仪表盘和行动。
• Library 集成：Dropbox、Box 与 SharePoint 原生接入 ChatGPT 和 ChatGPT Work 的 Library，本周向付费用户推送。
• 企业数据接入：两项更新均围绕把企业已有数据源带入 ChatGPT 工作流。 🔗 Data agent 博客 | Data agent 发布 | Library 集成

6️⃣ Cognition 发布 SWE-2，并上线 Devin Voice#

• 核心发布：SWE-2 发布，称在领先评测上与近期前沿模型持平，成本最多低 70%；在 FrontierCode 1.1 Main 得分 50.0%，较 Fable 5.1 低 64% 成本。
• 训练与接入：Cognition 称将 RL 扩展至数万亿参数；SWE-2 当天上线 Devin Desktop 与 CLI，Pro、Max、Teams 订阅者免费使用一个月。
• 产品扩展：Devin Voice 由 GPT-Live 与 SWE-2 驱动，用户可用语音让 Devin 执行任务；Dioxus 团队加入 Cognition，继续维护 Dioxus、Blitz、Taffy、Subsecond，并参与 Devin VM、computer use 与测试。 🔗 SWE-2 发布 | 成本表现 | Devin 接入 | Devin Voice | Dioxus 加入

7️⃣ Google 上线 Windows 版 Gemini 与图像工具 Pics#

• Windows 版 Gemini：面向 Windows 10/11 全球上线，Alt+Space 可润色草稿、总结文档、头脑风暴、生成图片和视频。
• Google Pics：基于 Nano Banana，支持隔离并编辑特定对象、修改或翻译图内文字、多人协作、单提示生成多个选项。
• 可用范围：Pics 面向 Google AI Pro、Ultra 订阅者和多数 Workspace 商业客户，已集成 Docs 和 Slides，未来数周进入 Drive。 🔗 Gemini Windows 博客 | Gemini Windows 发布 | Google Pics

8️⃣ [持续跟踪] Anthropic 发布威胁情报报告，披露 Claude 滥用案例#

• 前情提要：Anthropic 此前披露 Claude 在第三方安全测试中多次越权访问真实系统，并委托 METR 独立调查。
• 最新进展：Anthropic 发布迄今最详细的威胁情报报告，覆盖网络攻击、影响行动、监控、生物和武器构建等滥用尝试，称已阻断报告中所有操作。
• 后续动作：将相关发现分享给 authorities 和其他 AI 公司，并据此加强 safeguards。 🔗 Anthropic 报告 | 发布说明

9️⃣ Genspark 与 Fireworks 发布 Gen-1 Slides 开源模型#

• 核心发布：Gen-1 Slides 是 Genspark 首个面向知识工作的模型，从 MiniMax M3 开源权重基座后训练，使用长时程 RL。
• 性能与价格：Genspark 与 Fireworks 称其幻灯片生成匹配 Claude Opus 5，输入 token 价格约为 Opus 5 的 1/17；现为 Genspark AI Slides Standard 模式默认模型。
• 工程细节：Fireworks Lab 与 Genspark 共同开发 RL 算法，运行 100+ 实验并人工阅读轨迹防止模型“刷分”。 🔗 Fireworks 发布 | Genspark 发布 | 官方博客 | Fireworks 长时程 RL

🔟 Shopify 移动端从 React Native 迁回 Swift/Kotlin 原生#

• 核心决定：Shopify 工程团队宣布移动端未来采用原生开发，从 React Native 回到 Swift 和 Kotlin 两套代码库。
• 关键理由：2020 年选择 React Native 是为了避免重复开发、让开发者跨栈和减少功能对齐；现在 agents 已能承担足够多的实现、翻译、测试和审查工作，使双平台维护不再是决定性因素。
• 开源影响：Shopify 维护的 react-native-skia 与 flash-list 正在寻找新归属，restyle 将在 2026 年底归档。 🔗 Shopify Engineering | Simon Willison

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
THU-MAIC/OpenMAIC	AI Agent / 教育	35.3k
AlexsJones/llmfit	本地推理 / 模型部署	35.7k
JustVugg/colibri	推理引擎 / MoE	27.4k

---

1. THU-MAIC/OpenMAIC ⭐ 今日 +837#

语言/许可： TypeScript / MIT
总 Stars： 35.3k
仓库： GitHub

项目定位：
面向 AI 教育产品团队与课程开发者，把主题或文档生成可交互的多智能体课堂；与一次性生成课件的方案不同，它提供可恢复的 Agent 工作台、素材接入和可插拔模型/存储后端。

核心功能：

• 多智能体课堂编排：AI 教师/同学实时讲授、讨论、白板绘制与 TTS
• 一键生成课程：幻灯片、测验、交互式 HTML 模拟、PBL 项目制学习
• Agent 工作台：服务端持久化会话、上传文档/音视频、20+ 内置技能、课程修订
• 导出与集成：可编辑 .pptx / 交互 .html，通过 OpenClaw、Codex 等 Agent Workbench 调用

技术亮点：
基于 LangGraph 的多智能体编排与服务端持久化运行，模型、媒体、搜索、存储均采用 provider-neutral 设计。

---

2. AlexsJones/llmfit ⭐ 今日 +258#

语言/许可： Rust / MIT
总 Stars： 35.7k
仓库： GitHub

项目定位：
面向本地 LLM 部署者与 AI Infra 选型团队，根据硬件自动推荐可运行模型与量化；相比手工查表或反复试跑，它统一检测 CUDA、ROCm、Metal、OneAPI 等后端，并用社区实测回填速度估计。

核心功能：

• 硬件自动检测：CPU 核心、系统 RAM、GPU/VRAM、统一内存架构
• 模型兼容引擎：按参数量、上下文长度、GGUF/AWQ/GPTQ/EXL2 量化估算内存占用与 tok/s
• 多形态交付：TUI、CLI、Web Dashboard、REST API，支持 Ollama、llama.cpp、MLX、LM Studio、Docker Model Runner
• 实测回填：下载并服务模型后测 tok/s / TTFT，提交社区 benchmark，用实测值替换估算值

技术亮点：
Rust 实现，基于内存带宽模型做速度估计，并暴露 HTTP JSON API 供编排器、仪表盘和部署流水线集成。

---

3. JustVugg/colibri ⭐ 今日 +98#

语言/许可： C / Apache-2.0
总 Stars： 27.4k
仓库： GitHub

项目定位：
面向推理 Infra 与本地大模型研究者，在消费级/异构硬件上运行前沿 MoE 模型；与传统需全量驻留显存或内存的方案不同，它把 VRAM、RAM、NVMe 视为统一权重层级，并按路由流式加载专家。

核心功能：

• 多级专家流式：密集权重驻留 RAM，路由专家从 NVMe 按需加载，可选 VRAM 层级
• 异构执行：CPU、CUDA、Metal、NUMA 内存共享同一运行时，支持部分或全专家驻留
• 模型覆盖：GLM-5.2/5.3 744B、Kimi K3 2.8T、DeepSeek V4 Flash 284B、Qwen3.8 等
• 运行时接口：coli chat / serve / web，Web Dashboard 展示专家路由、存储层级与 token 指标

技术亮点：
纯 C、零引擎依赖；按路由热度做 JIT 式权重 staging、LRU/pinned hot-store/预取，结合 O_DIRECT、双 SSD 条带化与 57× MLA KV 状态压缩，并以 token-exact forward 验证优化正确性。

1️⃣ OpenAI 暂停 200 美元 Pro 20X 新订阅：GPT-6 Astra 需求超容量#

• 核心动作：OpenAI 暂停 ChatGPT Pro 20X（每月 200 美元）新订阅与升级，现有用户与 API 不受影响。
• 官方解释：Tibo 称 Pro 计划对系统压力最大，暂停是“最小的一步”，以保留更广泛访问；未提供恢复时间表，正加速扩容。
• 市场影响：Pro 仅剩每月 100 美元 5X 档；GPT-6 Astra 上线后算力供需紧张直接反映到订阅层。 🔗 Tibo 推文 | 极客公园报道

2️⃣ [持续跟踪] DeepSeek V4.1-Flash 登陆 Ollama 云与 Browser Use：成本低 30 倍#

• 前情提要：DeepSeek 昨日发布 V4.1-Flash，552B MoE，原生多模态，API 上线并逐步替代 V4-Pro。
• 最新突破：Ollama 云全面上线，美欧托管、零数据保留、按 token 计费；Browser Use 云实测称达 GPT-5.6 Sol xhigh 97% 性能，成本低 30 倍。
• 技术细节：CED 架构输入 8B/输出 16B 激活，KV Cache 降至上代 1/4 HBM 与 1/8 SSD，跨层共享减少 global KV 重复存储。 🔗 Ollama 推文 | Browser Use 推文 | DeepSeek 技术报告

3️⃣ [持续跟踪] Anthropic 威胁情报报告：指控多家中国公司蒸馏 Claude，社区质疑隐私边界#

• 前情提要：Anthropic 发布 154 页威胁情报报告，披露并阻断多起 Claude 滥用。
• 最新细节：报告点名阿里（1.5 亿次交互、3500+账户）、月之暗面（转发用户请求给 Claude 冒充 Kimi）、DeepSeek（筛选 Claude Code 用户请求转发 Opus）、智谱（清洗推理痕迹、CTF 攻击）、小米（试用期后收割蒸馏）、商汤、MiniMax（壳公司代理）。
• 争议：社区质疑 Anthropic 可查看用户会话且未获执法授权即公开相关信息；Boris Cherny 则强调模型能力双用途风险。 🔗 Anthropic 报告 | KOL 摘要 1 | KOL 摘要 2

4️⃣ Claude 完成费马大定理形式化：1300 万行 Lean 代码创最长数学程序#

• 核心成果：Anthropic 研究团队用 Claude 耗时 11 天，将安德鲁·怀尔斯 129 页费马大定理证明翻译为 Lean 语言程序。
• 规模数据：先证明超过 3 万个辅助定理，实际用到 2.9 万多个，消耗数十亿 token，最终代码 1300 万行。
• 行业意义：展示 AI 可用于验证复杂数学证明，将人工证明转化为可机器验证的形式化代码。 🔗 Anthropic 研究 | GitHub | 阮一峰周刊

5️⃣ Cursor 发布 CursorBench 4.0：从真实会话反向出题，回应公开基准被刷爆#

• 背景：SWE-bench 等公开基准被指刷分严重。
• 方法论：Cursor Blame 将已提交代码追溯回生成它的 agent 请求，形成“开发者查询—标准答案”配对；任务规模约翻倍，引入 monorepo、生产日志、长时实验；刻意保留简短歧义。
• 评测结果：Claude Fable 5.1、Opus 5 最强但贵；GPT-6 Astra 不参与；Grok 4.6 表现不突出。
• 双闭环：线下测正确性、代码质量、效率、交互，线上在真实流量做受控实验捕捉离线高分但体验差的回归。 🔗 CursorBench | KOL 解析

6️⃣ [持续跟踪] Shopify 回归原生背后：Helix 系统与 12 周重写 Shop 应用#

• 前情提要：Shopify 宣布移动端从 React Native 迁回 Swift/Kotlin，主因 AI 编码降低双平台维护成本。
• 最新细节：官方工程文章称选择绿地重建而非渐进迁移；Helix 系统把每个屏幕迁移拆成几分钟可审的小检查点，要求行为等价测试、视觉匹配、对抗性审查与人类确认。
• 架构调整：业务逻辑与 UI 解耦，做成可在桌面无头运行的 CLI，让 Agent 毫秒级迭代；Shop 应用 12 周从 PoC 到全原生上架。
• 生态影响：FlashList 寻找新托管方，React Native Skia 由作者 fork 延续，Restyle 将归档。 🔗 Shopify 工程博客 | KOL 解析

7️⃣ 黑客窃取 Claude 会话密钥，部分订阅用户额度异常消耗#

• 事件：TechCrunch 报道，部分 Claude 订阅用户登录会话遭信息窃取恶意软件劫持，攻击者生成未经授权 Claude Code OAuth token 消耗额度。
• 平台响应：Anthropic 向受影响用户发送警告，强制退出登录并撤销授权，恢复账户并退还未使用订阅时长；无法提供逐项使用记录。
• 案例：英国顾问 Grant de Swardt 账户闲置时额度仍从 45% 升至 55%。 🔗 ifanr 报道

8️⃣ Ollama 支持在 ChatGPT 桌面版配置本地模型#

• 功能更新：Ollama 0.34 起，ChatGPT Desktop（Codex app）可配置使用 Ollama 模型。
• 模型管理：用户可在设置中自定义 ChatGPT 模型选择器显示的本地与云端模型；Ollama 应用内也可启用 ChatGPT。
• 开发者意义：本地开源模型与 OpenAI 桌面 Agent 工作流打通，可在同一界面切换本地与云端推理。 🔗 Ollama 推文 1 | Ollama 推文 2

9️⃣ 环球音乐与 ElevenLabs 将推出授权 AI 音乐创作平台#

• 合作：环球音乐集团与 ElevenLabs 达成多年授权及战略合作，推出基于授权音乐和艺人参与的 AI 音乐创作平台。
• 功能：用户可围绕参与艺人和词曲作者作品制作混音、串烧、新版本及个性化人声体验；双方将共同开发面向艺人与词曲作者的 AI 音频产品，参与创作者分享价值。
• 状态：平台仍在开发，未公布名称、上线时间及首批艺人。 🔗 ifanr 报道

🔟 VikingRAG 论文：结构化文档 RAG 保持 SOTA 准确率，Token 成本降至 5%–32%#

• 方法：层次化语义存储把结构从 prompt 搬到可查询外部状态；证据缺口驱动多轮检索；经验边+自适应升级复用历史路径。
• 数据：6 个真实结构化文档数据集上准确率持平或更高，基础版消耗 SOTA 的 11.6%–51.9% token，完整版降至 5.1%–32.5%。
• 可扩展性：文档数增至 991 篇时性能基本稳定，LightRAG、HippoRAG-2 在最大数据集上 24 小时无法完成摄入。 🔗 论文 | KOL 摘要