本期抓取窗口 09-22 13:00 → 09-23 19:00（近 30 小时），新文章 138 篇，九源全部取到。推送 8 条：必读 3 + 值得看 2 + 其他 3（推送文案 1788 字符）。 一条补入：InfoQ《不受控的 Agent，凭什么上生产系统？》真实发布于 09-22 18:58，因 InfoQ feed 时间戳疑似整体 +8 小时被前一轮判为「未来条目」漏过，本期首次推送。

🔥 必读

1. GPT-6 Sol/Luna 与 Claude Opus 5.5 同日对决：API 价格腰斩，比的是「单任务成本」

OpenAI 与 Anthropic 同在 09-23 发新模型，且都把「单位任务成本（per-task pricing）」写成公开卖点。

  • OpenAI：GPT-6 Sol 与 GPT-6 Luna 脱胎于 GPT-6 Astra 底座，定位「把 Astra 能力规模化下放」。API 价较 GPT-5.6 对应模型降 50%——Sol 输入 4→2 美元 / 百万 token、输出 20→10；Luna 输入 0.20→0.10、输出 1.20→0.50（已低于 DeepSeek-V4.1-Flash 空闲时段价）。已开放 API，并向 Plus / Pro / Business / Enterprise 逐步推送至 Codex 与 ChatGPT Work。
  • Anthropic：Claude Opus 5.5 是 Claude 5.5 系列首款，多数任务达 Fable 5.1 水平，典型任务成本较 Opus 5 降约 40%、输出速度 提升 30% 以上。官方 9 项测试中 7 项领先（对比 Fable 5.1 / Opus 5 / GPT-6 Astra / GPT-5.6 Sol），三项编程测试均最高分，但业务流程与科研 Agent 测试仍落后 GPT-6 Astra。
  • 关键数字：AutomationBench（跨应用企业工作流）上 Sol（xhigh）超 Opus 5（max），单任务成本仅其 9%；编程 DeepSWE v1.1 上 Sol（max）68.8% vs Fable 5（max）69.9%（仅差 1.1pp）而成本低约 80%；OSWorld 2.0 offline 上 Sol（max）60.5% ≈ Opus 5（medium）60.3%，成本低 80%。
  • 不只降价：OpenAI 改进 Prompt Caching，Agent 调整推理强度或工具时可复用更多上下文，缓存输入 token 读取享 90% 折扣。

判读：竞争度量正从「模型能力」转向「单任务成本 + 推理基建效率」。

原文：机器之心 · 突发！GPT-6 Sol 与 Claude Opus 5.5 同日开打，谁是「性价比之王」 ｜ 多源：智东西、爱范儿、极客公园

2. DeepSeek 公开 Agent 训练基础设施 DSec：每秒造 5000+ 沙盒，梁文锋署名

核心判断：大模型训练拼算力，Agent 训练拼环境——Agent 要在沙盒里写代码、跑编译、开浏览器甚至装系统，每执行一步都改变环境状态，每轮训练都要干净沙盒、随用随抛。

  • 规模：DSec（DeepSeek Elastic Compute）每秒生成 5000+ 沙盒、日产 300 万、峰值并发 38 万；单集群约 160 节点 / 3 万核 CPU / 250TB 内存。
  • 四类后端按隔离强度递增：无状态函数调用 / Docker 容器 / Firecracker MicroVM / QEMU 全虚拟（跑完整 Windows、macOS），统一走 Python SDK libdsec。调度链路六层：IAM → API Server → Placement Engine → Edge；Aether 代理网络出口与镜像，Chronus 把沙盒内命令与输出中转回训练框架。
  • 环境构建（最硬的工程）：把环境拆成基础镜像 / 工作区 / 工具包三层 EROFS 只读镜像，按需 overlay 组合，工具包更新成本从 O(m·N) 降到 O(m)+O(k)。实测 Agent 只真读到镜像的 6–9%（Python 6.0GB 碰 6.0%、Java 12.1GB 碰 9.2%），故改为从 3FS 按需加载：8192 容器突发部署 35 分钟（Docker 冷拉 60+ 分钟），写盘 1600GB→700GB。
  • 资源争抢：virtio-pmem+DAX 共享映射省内存 40.2%，DAMON 再省 21.2%；50% 背景负载下延迟膨胀由 45.2% 降到 17.3%；利用率超 80% 时自动 cloud bursting，200 台云 VM 吸收约 30% 峰值。
  • 安全面：论文披露多起 Agent 在训练中自行发现的 reward hacking 手法。

原文：量子位 · DeepSeek 新论文公开 Agent 训练！梁文锋署名

3. 华为大模型双子星创业息壤开物：从底层原生造「物理基础模型 LPM」

  • 融资与团队：物理 AI 公司息壤开物（XIRRA）两个月连拿数亿元种子轮与天使轮，敦鸿资产领投，华控基金、三花控股等跟投。CEO 李寅曾任华为云大模型 CTO；联合创始人/首席科学家张含望为南洋理工大学教授（因果机器学习与多模态智能，引用超 4.2 万）。
  • 不跟主流路线：主流多做「VLM + Action Head」增训，见效快但受限于视觉语言模型对物理规律的理解。息壤开物选择从底层原生预训练大型物理基础模型 LPM，以贝尔曼方程最优性原理为理论基础，把世界模型与策略统一进一个模型；架构上解耦——AR 自回归推演「发生什么」，Diffusion 渲染「看起来什么样」。
  • 成果：9 月 16 日 WorldArena 2.0 全球总决赛中，其在 Track 1 视频质量赛道取得轨迹精度全球第一、物理合规性全球前三。
  • 路线：配套 XR 数据平台与 XR 评测平台，通过标准化「具身大脑 API」开放能力，让行业客户在通用底座上做行业增训（授人以渔）。

原文：智东西 · 华为大模型双子星联手造物理基模，刚融资数亿元

📌 值得看

4. 爱诗科技 PixVerse R2：首个具备 Scaling 路径的通用实时世界模型

实时世界模型过去被迫二选一——要实时就得把模型压小，要通用就得做大。爱诗把「能力」与「效率」解耦成两个引擎：Omni Causal AR 当能力引擎持续吸收数据与任务，Real-Time Acceleration 把能力无损压进严格实时延迟约束，让实时世界模型首次有了像 LLM 那样可验证的持续扩展路径（Scaling 发生在模型、数据、任务、控制信号、时间尺度五个维度）。体验上文字或图像即可生成「可走进去」的世界，WASD 控制角色移动跳跃、随时改 Prompt 换角色加物体，角色与环境保持遮挡、接触、碰撞等物理逻辑；互动影游《畸变回声》中的实时数字人 Eve 统一表演、语音、人设、记忆与关系状态，多轮交流不「出戏」。

原文：机器之心 · 爱诗科技 PixVerse R2 破解 Scaling 难题 ｜ 量子位同题报道

5. 不受控的 Agent，凭什么上生产系统？——Agent DLC：放行由评估决定

起因是美联航客服聊天机器人把客户旅行积分的有效期答错、还坚称「没问题」。文章给出的行业数据很硬：Gartner 预测超 40% 的 Agentic AI 项目将在 2027 年底前被取消，原因之一是风控不足；Scale AI 论文《READY》直言「一个 Agent 可以在基准测试上表现出色，却仍不适合部署」——模型只代表能力，外围系统才是生产力。

文章梳理了概念演进：Harness Engineering（Agent = Model + Harness，模型外的循环控制/工具调度/记忆/护栏/沙箱才把能力变成可用性）→ Graph Engineering（把多 Agent 编排成图）→ 但两者只回答「怎么造」。AWS 白皮书《企业生产级智能体开发部署指南》提出 Agent DLC：定义 / 构建 / 评估 / 发布 / 观测 / 回流六环节闭环，核心机制是「放行由评估决定」——达标即放行、未达标返工，不由人在会上拍板；生产中的失败模式自动回流进黄金标准。三大云厂已同时重金押注「部署」这一环：AWS 投 10 亿美元建前置部署工程（FDE）、OpenAI 成立专门部署公司、微软设 Microsoft Frontier Company。

原文：InfoQ · 不受控的 Agent，凭什么上生产系统？

📄 其他

本期另剔除同事件换源报道若干（启元 Q1/T1 开售 = 09-21 早报、智谱 ZCode 开源 = 09-21 早报后续、OpenAI 数学 100+ = 09-22 晚报、Grok 4.7 = 09-22 晚报、Jev 系列 = 09-22 早报、腾讯混元 Hy Image3.5 = 09-23 早报等），详见知识库归档 raw/blog/2026-09-23/ai-news-digest-晚报.md 第二节。