本期抓取窗口 09-23 01:00 → 09-24 07:00，新文章 15 篇；另按「已抓取但未推送」规则补入 2 条 09-23 晚报抓取、未进推荐位的内容。推送 8 条：必读 3 + 值得看 2 + 其他 3。 ⚠️ 本期 36氪、新智元两个源抓取超时；已手工回捞：新智元 feed 确认最新 8 条均已被 09-23 晚报抓取并留档；36氪 fetch_36kr(max_pages=8) 覆盖 09-23 16:46 → 09-24 07:04 共 60 条，缺口内 AI 相关仅 6 条且均为低权重，无漏推。

🔥 必读

1. OpenAI 内部模型开始「自己训自己」，同日发布 RSI 全球安全倡议

据 The Information 爆料，OpenAI 内部模型已接管实验性模型的训练全流程——其中最昂贵、最复杂的「为 GPU 编写并逐行优化 kernel」已大部分由 AI 接手。工程师只需给出一个「想要实现的优化类型」示例，AI 就能连续跑数周落实优化；员工的多智能体还会互相协作排查问题，无需惊动人类。报道称原需数年的宏大实验被压缩到约一周，且这种自动化水平「直到最近几个月」才成为可能。

同日，OpenAI 发布一份全球安全倡议，罕见地把 RSI（递归自我改进）单列一节，明确写下「全自主 RSI 今天并未发生，在能安全做到之前不应推进」。报告警告：随着 AI 在开发下一代 AI 中承担越来越多任务，AI 进步的步伐可能急剧加速；若不采取适当谨慎，RSI 可能导致人类失去对 AI 发展的实际控制、无法对自己已看不懂的研究过程提供监督。

三项具体呼吁：

  • 借助 CAISI 与澳、加、英、法、日等国已建的 AI 安全研究所网络，制定只针对前沿模型的全球技术标准——如何评估一个模型的 RSI 能力、自主研发时风险多大。
  • 建立通用测量与事件报告协议：量化企业内部究竟有多少研发工作由 AI 自动完成；设强制性的人类监督触发机制（明确规定何种自动化研发流程必须立即人工审查）；建仿航空业/核工业的事故分级与上报门槛。
  • 主张美国应领导这一进程，理由是其处于技术最前沿、占据全球网络枢纽。

另据 The Information，OpenAI 与 Anthropic 正在敲定互测对方商用模型的协议——Anthropic 创始团队当年正因 AI 安全理念分歧而出走，此番握手颇具象征意义。

原文：新智元 · OpenAI 内部曝光：AI 开始自己造 AI，奥特曼急发全球暂停令

2. 成立 3 个月的 Simate：AutoResearch 登顶机器人榜 RoboDojo，主打「物理 RSI」

今年以来 RSI 已从硅谷前沿话题演变为全球共识：Anthropic 公布截至 8 月其内部已有 26% 的 AI 研发工作由 Claude 主导、超 90% 研发流程进入「AI 深度协作」。但数字世界的 RSI 不等于物理世界的 RSI——机器人面对连续、动态、受物理规律严苛制约的真实世界，一次失败的抓取或错误的规划，就意味重新采集数据、动辄数天的重训与重部署。

成立仅 3 个月的 Simate（Silicon Mate，硅基伙伴）给出了第一个工程注脚：其 AutoResearch 自动研究系统在机器人智能评测榜单 RoboDojo 取得第一名——该榜综合考察长程规划、空间泛化、记忆与亚毫米级接触精度——并以真机展示记忆、高精度操作、复杂长程执行与泛化能力。创始人张颖曾任头部自动驾驶公司核心技术负责人，推动一段式端到端智驾方案达到国内领先水平。

方法叫「人机共驾的弱 RSI」，分权边界明确：

  • 人类研究员仍掌握方向——提出研究假设、设定目标、划定边界条件与安全物理约束；
  • AutoResearch 在统一体系内自主推进方案改进、生成代码修改、下发分布式实验、调用评测工具并完成多轮迭代，循环为「提出假设 — 规划实验 — 执行验证 — 分析迭代」；
  • 低风险、易验证的实验由 Agent 持续推进；高风险或需资深判断的节点主动交回研究者裁决，研究员可随时介入调整约束。

配套上，Simate 在搭一套 AI-native 的研究基础设施（模型框架、研究记忆与协作系统、数据与实验底座），让模型修改、云端实验、结果反馈与人的判断持续衔接。判读：这是 RSI 从数字世界延伸到物理世界的第一份工程注脚，落地形式是把「做研究」这一行为本身标准化、代码化——与本期另外两条（程序图 PG、DeepSeek DSec）同属「把研究/训练过程基础设施化」的线索。

原文：机器之心 · 超越 GPT-6 Astra 登顶 RoboDojo，成立 3 个月的 Simate 让机器人学会「设计下一个自己」

3. HappyWorld-Bench：给世界模型一张统一考卷，能力分 W1–W6 六级

世界模型今天面临的尴尬是：大家已经很会「生成一个看起来像世界的东西」，但假的真不了——夹爪抬起了，托盘却没有离开桌面；把黑车改成红车，旁边的楼跟着变色。作者形容行业像一所没有统考的学校：Google DeepMind 的 Genie 3（像导演，生成可探索视频世界）、World Labs 的 Marble（像建筑师，重建三维空间）、具身智能公司（像机器人教练）三类选手参加三种比赛、用三套规则，各自拿成绩宣布领先。

云栖大会发布的 HappyWorld-Bench 想把试卷统一起来。它不争论「什么技术路线才算世界模型」，改问「一个模型至少要会做什么，才说明它真的掌握了一部分世界规律」，据此分三级基础能力——表征（记住世界里有什么）、预测（知道动作会带来什么后果）、交互（事情发生后更新状态），并划出 W1–W6 六级：

级别 考什么
W1 看得见 语义不错、空间不乱、短时间保持连贯
W2 推得动 智能体采取动作，物体与环境给出合理反应
W3 记得住 被遮挡、换视角后仍在；走过的房间与已发生事件留在世界状态中
W4 改得了 用户主动改天气/车色/行为规则，生效但不影响无关内容
W5 扩得开 世界可扩展，多智能体共存、通信、合作与资源争抢
W6 通用 生成、仿真、交互、规划放进同一系统，跨环境跨任务跨模态

一句话：看得见，推得动，记得住，改得了，扩得开，最后才谈得上通用世界。但本次公布的 1692 个评测案例主要覆盖 W1–W5，W6 已写进框架却未被充分测量——「托盘还是不一定能抬起来」。

最有价值的是判据设计：每个案例要经过构造输入、匹配能力等级、人工复核、编写判据四步；关键是判据不能只写「机器人成功抬起托盘」，而要说明画面的哪个区域、哪个时间点应该出现什么结果——例如「托盘离开桌面后，底部应该出现间隙」。同理，改车色要同时检查道路、背景建筑、其他车辆有没有被误改，「顺手重建半条街」不算成功。整套基准设 29 个评测维度，且不强行压成一个总分：一部分来自 HappyWorld-Arena 的匿名两两比较与 Elo 排名（回答「人更喜欢哪个」），另一部分来自针对具体能力的自动化指标（回答「模型究竟在哪一步出错」）——偏好分与能力分刻意分开，因为好看和可靠不是一回事。

三赛道结果各有领先者、没有全能第一：视频赛道 HappyOyster 2.0 preview 整体领先，Genie 3 紧随并在运动约束、镜像对应、开放交互上突出；重建赛道像「偏科生大赛」——GPT-6-Astra 擅长编辑与扩展、Marble 基础场景构建更稳、HYWorld-2.0 在物理连通性领先（导航网格覆盖率 82.7% vs Marble 53.6%）；具身赛道 MiniMax-H3 领先（单步操作、连续动作、成对反事实较好），但其 W4 成对反事实任务得分仅 88.62。项目地址：LivingFutureLab/HappyWorldBench。

原文：InfoQ · 人人都在造世界模型，HappyWorld-Bench 试着给出一张统一考卷

📌 值得看

4. 阿里 Qwen Intelligence：手机 Agent 的「三层底座」，荣耀 Magic9 首批搭载

网信部公告新增荣耀 YOYO Claw 等 3 款手机端侧生成式 AI 服务备案；此前一天在 2026 云栖大会现场，荣耀宣布即将发布的 Magic9 系列将成为首批搭载阿里 Qwen Intelligence（QI）的正式机型，荣耀 Robot Phone 同步支持。此前苹果智能国行版备案时曾传引入千问，如今荣耀与千问的合作「靴子落地」。

QI 是阿里最新发布的面向手机智能的全栈解决方案，分三层——先进模型（千问针对手机场景优化）、全栈平台（模块化的模型底座/Harness/端云协同/安全/自定义 Skill）、真实方案（任务规划、跨应用执行、影像创作）。首发三套 Agent：

  • Mobile Planner（大脑）：理解需求、规划任务、拆解步骤、编排工具并动态调整，如「安排周一去上海出差」拆成订机票/订酒店/设日历，航班取消随即给改签方案；依赖「模型 × Harness 协同演进」与双层记忆（工作记忆逐任务演化 + 长期记忆沉淀用户画像）。
  • Mobile-Use（执行）：「API 优先 + GUI 兜底」混合模式——有接口走 MCP/API、DeepLink、CLI，无接口则视觉理解 + GUI 操作覆盖长尾。
  • Mobile Creative（影像）：口语描述即可完成编排，靠轻量模型蒸馏 + RL 把生成从 100 步压到 8 步、首图 3 秒、较竞品平均提速 2 倍。

安全设三层管控：违法或高风险请求直接拒绝；涉及资金、数据删除等关键决策交还用户确认；涉及发表评论等平台规则要求的动作也交还用户。评测层面，QI 团队开放四套评测集（复杂任务规划 / 跨应用执行 / 真实手机任务 / 风险场景安全行动），覆盖 200+ 常用手机工具、1000+ 真实场景。

圆桌上，vivo AI 副总裁张飞直言：「Agent 手机还没到，不是技术做不到，而是手机形态和生态服务原本为移动互联网而生，并未为 Agent 准备。」

原文：智东西 · 不造手机，阿里凭什么做 AI 手机「Agent 底座」？

5. 4 亿副耳机等一次 AI 改造：供应链老炮集体接入一家不到两年的创业公司

四家音频供应链「老炮」——烽火宏声（ODM，AI 耳机样机已到 DVT 阶段，主打会议转写与 AI 翻译，目标年底量产出货、已有两个品牌客户下订单）、奇智创新（IDH，样机跑通「电脑放英文 TED → 耳机收音 → App 实时滚动中文翻译」的同传链路）、科奈信（ODM，工程测试板进入软硬件联调）、迈斯高（耳机 ODM，正调试新一代 AI 耳机）——四条独立推进的线，最后汇到同一家技术方：成立不到两年的 Hojo 恒聚愿景（创始人赵恒艺原小鹏汽车语音业务负责人、苏丹原腾讯 AI Lab 语音技术中心负责人）。

文章真正的价值在主线：大模型打乱了硬件分工。以前客户带清晰图纸与规格来，工厂稳定做出来即可；现在客户手里只有一个想法——「想做一款 AI 产品」。于是 ODM/IDH 必须前移到产品定义，一起讨论场景、判断功能取舍，再一路推到芯片选型与工程实现。科奈信描述了具体「超纲考题」：一颗芯片的算力能不能跑通所需音频通路？撑不住时是缩功能、调方案还是换平台？临时加需求，软硬件怎么重新匹配？奇智创新把这概括为「一朵云、两个端」——云端、手机及 App、耳机必须一起工作，任何一环掉链子，用户看到的都是同一个结果：不好用。

由此硬件 ↔ 模型之间出现了新中介层：Hojo 搭一套面向智能硬件的 AI Stack（模型、系统、记忆、App 同一体系），并自研 ASR、TTS、全双工语音等底层模型——理由是自研才能同时调准确率、响应速度、部署方式与成本。现实约束也很具体：烽火宏声 2024 年投入约 10 个月做 AI 小音箱、成功出货，事后才看清能力边界——外观/结构/电路/声学是熟悉的，一旦涉及界面设计、体验按反馈持续调整，以及卖出后的软件升级与维护，都超出经验与资源射程。联调教训同样真实：科奈信接入 Hojo 软件后连不上，表面像软件 Bug，沿链路排查后问题出在固件。

判读：主流叙事是「大厂自上而下定义下一代 AI 硬件」，本文给出的是另一面——传统硬件供应链自下而上找 AI 落点，并催生出新的中介角色。

原文：机器之心 · 4 亿副耳机，正在等待一次 AI 改造

📄 其他

  • InfoQ · 从「单目感知」到「多视角立体对齐」：PrismAlign 重新定义文档结构化提取的精度上限：华为团队被 EMNLP Industry Track 2026 收录的工作。核心判断是单视角 VLM 在复杂版式、低质扫描、跨语言混排下会稳定幻觉（凭空补出源图中不存在的单元格、把多级表头压平、把模糊墨点脑补成货币符号）；解法借鉴双目立体视觉——多个 VLM 对同一版面差异化观测，再用贝叶斯决策层做一致性对齐，仅在多视角于单元格粒度达成高置信共识时才落盘，其余位置标保守低置信而非放任单模型自圆其说。作者把「字段错误率逐量级收敛（10⁻¹→10⁻²→10⁻ⁿ）」类比为「大模型数据管线的有效位宽」，与 ADC 之于模拟信号同构。
  • InfoQ · 2026 年的云栖，阿里给 AI 行业递了一把新尺子：阿里 ATH 事业群 MaaS 业务线总裁文征提出新衡量公式——智能价值密度 = 单任务价值 × Token 生产效率 × Token 单位能力，并给出面向 Agent 负载（而非 ChatBot 一问一答）的工程数字：FlashBoot 把模型弹性启动从 1200 秒压到 70 秒、UniScheduler 把集群调度决策从 20 秒压到 0.4 秒、首 Token 延迟 -38%、峰值吞吐翻倍、Vineyard 分布式全局 KV 缓存最高节省 95% Prompt 缓存成本、99.9% SLA 与 3600 秒超时上限。
  • 新智元 · ChatGPT 版 Grok Bot 代码曝光！OpenAI 也要为你造不下班的 AI 同事：据 The Information 爆料，OpenAI 正开发更直接对标 Grok Bot 的功能，爆料博主 Tibor Blaho 从 ChatGPT 客户端代码中翻出 aeonId 与 accountUserId 并列（安卓连续两个版本反复出现，旁边有 memberAeonIds 字段）以及「保护 aeon 式行为——能力状态在每个采样步骤重新捕获」的测试说明。竞争的另外三家：Grok Bot（8 月 11 日发布，同用户名下 Bot 共享一台云端持久电脑、多 Bot 群聊分工）、Claude Tag（6 月 23 日，以成员身份入驻 Slack）、Meta Muse（9 月 22 日登顶美区 App Store 免费榜）。⚠️ 属代码字段 + 媒体爆料，无官方表态。