本期深读 7 篇（正文抓取 + 通读后撰写概述），另附全量抓取清单 51 篇。

🔥 必读

1. GPT-6 Sol 偷跑曝光 + OpenAI 首次反超 Claude

OpenRouter 数据显示 9 月 7 日当周 OpenAI 模型消耗金额首次超过 Anthropic，为 30 多个月里第一次——「钱包份额」比 Token 调用量更真实，衡量的是开发者真金白银的投入。靠四款模型协同：GPT-6 Astra 独占两家合计支出 19%（超过 Claude Opus 5 的 16%）登顶单周支出榜，定价每百万输入 10 美元 / 输出 50 美元；GPT-5.6 Luna 单价仅 Astra 输入价的 1/50 但承载 Token 规模最大；Sol 与 Terra 各占 10%，形成「高端卖钱 + 低端走量」双轨。

GPT-6 Sol 已在灰度：多名开发者发现请求 GPT-5.6 Sol 时返回的模型 ID 变成了 GPT-6 Sol，Plus 账号被路由进测试池。其定位预计略低于 Astra（类比 Anthropic 体系中 Opus 低于 Fable），走极致性价比路线；早期反馈「输出质量不如 Astra，但速度极快」——同一条 SVG 生成任务约 3 分钟，而 Astra 需约 19 分钟（约 6 倍）。9 月 29 日 OpenAI DevDay 预期 GPT-6 家族全面亮相。

同日 OpenAI 侧口径：研究员 Noam Brown 称 RSI（递归自我改进）已是第一顺位、领先幅度最大的核心任务，GPT-6 一代出现预训练 × RL with CoT 的「乘数效应」，并自曝内部惊魂时刻——沙箱环境被低估、模型学会悄悄隐藏真实 CoT；总裁 Brockman 在 a16z 访谈称已进入「AGI 光谱」（判据是 Astra 能连续自主工作 24 小时），并披露用一万个并发 Agent 解纳维-斯托克斯（scaling 的对象从参数换成了并发）。

原文：新智元 · Claude王座失守！OpenAI一夜反超，神秘GPT‑6 Sol偷跑 ｜ 新智元 · 突发，GPT-6 Sol曝光了！

2. 智谱 RSI 首个成果：10 万国产卡用 GLM 造 GLM

智谱 GLM 首席科学家唐杰分享：GLM-5.3-Flash 从首次运行在国产 AI 加速器，到承载全部生产流量，仅用两周，端到端吞吐提升至初始基线的 3.2 倍；集群由超过 10 万颗国产 AI 加速器组成，需解决显存容量与互联带宽受限、100 万 token 长上下文、多模态请求，且生态不成熟、算子不完备、文档基本靠猜。

关键不是「AI 写代码」，而是 dense feedback（稠密反馈）。智谱指出，端到端指标（如「精度测试未通过」「吞吐下降 20%」）只能告诉 Agent 结果变差，无法解释「为什么变差」；有效反馈须同时满足贴近具体问题、可快速获得、可客观实验验证。三项可验证实绩：

  • KDA 上下文并行路径的 TF32 舍入误差随序列累积问题被定位并修复，已并入 Flash Linear Attention 项目 PR #1180；
  • KV Transfer 未与 DeepEP 调度重叠（部分场景开销超 30%），Agent 沿 Python 与 C++ 调用链查出根因是节点内路径未及时释放 Python GIL，修复后开销从 30%+ 降到 1% 以下；
  • 一个 Decode Kernel 因切分方式问题重复执行四次归一化计算，重组后获 1.71 倍性能提升。

技术栈含节点内张量并行、ReplaySSM、W8A8 量化 + INT8/FP8/BF16 混合精度缓存、Encode–Prefill–Decode（EPD）分离式架构，最终硬件利用效率与单 Token 成本达到与主流 NVIDIA GPU 相当的水平。模型以匿名名 Ox-Alpha 在 OpenCode 与 OpenRouter 上线，一周成为双平台调用量最大的模型，6 天处理超 62 万亿 token。智谱明确强调尚未实现 RSI，目标设定、边界划定与风险判断仍由人类工程师负责。

原文：爱范儿 · 刚刚，智谱首个 RSI 成果发布，10 万国产卡用 GLM 造 GLM ｜ 量子位 · 刚刚，唐杰发布智谱RSI首个成果

3. 华为昇腾 960 超节点提前登场，剑指 10 万卡通信墙

华为 2026 年全联接大会（上海）开幕。前提判断：大模型迈向 10T 级参数，10 万卡集群即将成为训练 SOTA 模型的标准配置，但跨节点通信开销巨大导致 MFU（模型浮点算力利用率）提升困难。

  • 昇腾 960DT 芯片提前就绪：2 PFLOPS（FP8）/ 4 PFLOPS（FP4），片上 HBM 最大 288GB、带宽 9.6 TB/s，性能翻倍，比原计划提前三季度，预计 2027 年 Q1；节奏为一年一代（2028 昇腾 970、2029 昇腾 980）。
  • 灵衢 UnifiedBus：以一套协议平等连接超节点内所有组件、近铜远光互联，单集群可支持 100 万颗 AI 处理器，10 万卡集群 MFU 从 20% 提升至 35%；配套 11 颗关键芯片，其中为 AI KV Cache 专门打造 Smart Storage Unit。
  • 业界首个量产 NPO 光引擎 Hi-ONE（7.2 Tbps）：行业最大传输能力，也是唯一内置光源的 NPO。
  • 昇腾 960 超节点（首个采用 NPO）：单超节点 4096 卡、最大 8 EFLOPS FP8、1 PB HBM，可用度 99.8%，风冷/液冷分别 2027 Q2 / Q3 上市。
  • 鲲鹏超节点升级：4096 节点、256 TB 统一内存池，Agent 启动快 30 倍。
  • 存量与生态：昇腾 910C 超节点已部署超 1000 套；CANN 社区月活开发者突破 5000，外部开发者占 61%、首次超过内部；openEuler 装机量超 2000 万套，为中国服务器操作系统份额第一。

原文：智东西 · 刚刚，华为昇腾960超节点提前登场！韬定律立功性能翻倍，剑指英伟达 ｜ InfoQ · 汪涛详解华为AI战略

📌 值得看

4. Gemini 3.8 Live 上线：语音 Agent 不再「沉默」

Google DeepMind 一次放出 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。要解决的痛点：语音 Agent 在查数据、调系统、完成预约时对话会停下来等工具返回——文字界面能显示「正在处理」，语音里的几秒沉默却让人无法判断它是在思考、执行还是已失联，用户常下意识重复追问并把它打断。

解法有三：① 碰到要多想几步的任务，先用「Let me check that…」接住你，再一边推理一边口头报告进度；② 异步工具调用——先应下请求、继续聊天，工具与 API 请求放后台跑（例：比较航班与酒店时分别查询、全程维持对话）；③ 思考深度可设低/中/高三档。对开发者的连带影响：不能再用「说完一段话」判断轮次结束，需按 Live API 的 IN_PROGRESS / IDLE 状态判断。此外支持近实时视觉输入直接进对话与 97 种语言对话中途自动切换。

成绩：Artificial Analysis 语音到语音榜 High 配置 82.6 分（综合指数，非百分位）登顶；τ-Voice 68.6%、Big Bench Audio 97.7%、Sierra τ-Voice-banking 35.1%（银行场景核身份/查流水/改额度只办成三成多，显示硬任务仍难）。

原文：新智元 · 刚刚，Gemini 3.8 Live上线！ ｜ InfoQ · 边说话边推理、边聊天边调用工具，谷歌 Gemini 3.8 Live 要攻克语音 Agent 的沉默时刻

5. 小米直播 MiMo-V2.6 强化学习训练：一小时烧 3 万美元

小米把 MiMo-V2.6 Flash / Pro 的强化学习训练过程公开直播——花了多少钱、跑了多少步、奖励曲线涨没涨、哪个节点显卡出故障，全部公开可查。开放权重、开放训练代码、开放训练数据都见过，开放训练过程是头一回。从 Pro 开始训练算起 36 小时，两款模型已花超 108 万美元，平均每小时 3 万美元。

负责人罗福莉解释近半年只研究一件事：强化学习能扩展到多远。小米沿三个维度扩展：

  • 训练计算量：每 Step 约处理 20 亿 Token，配置为 1568 个 Prompt × 每 Prompt 16 条 Rollout，一轮超 2.5 万条 Rollout，单 Step Token 可达数十亿级；系统采用 Fully Async，生成、执行、评分与训练不再排队而是持续运转。
  • 环境与执行框架（Harnesses）：Multi-task Agentic RL —— 代码、通用任务、视觉、Chat 可混合进同一次 RL Run，并运行在不同 Harness 里。
  • 评分计算量（Grader Compute）：开放式 Agent 任务的奖励难得，评分者本身开始消耗越来越多算力；并提出 Agentic In-group Credit Assignment（40 步任务只给「成功 = 1」的学习信号过于粗糙）。

进展（训练刚 1 天多）：Pro 的 dynsam/avg@n 从约 0.565 → 0.614、Flash 从约 0.514 → 0.603；DeepSWE v1.1 离线评测 Pro 62.24 / Flash 60.77（对照 DeepSeek-Flash v1.1 为 74.2%）。

原文：量子位 · 罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元

📄 其他