2026 年 9 月第一周 AI 行业周报：GPT-6 Astra 落地，GLM-6.0 指向全自训练，Hugging Face 被英伟达收购
上周周报的最后写过一句话：「GPT-6 Astra 带着安全评估报告如约而至」。这周它真的来了，而且来得不太顺利。这一期信息量很大，从头说起。
Part 01 - GPT-6 Astra 发布：一波三折的旗舰
9 月 3 日，OpenAI 正式发布新一代旗舰 GPT-6 Astra，称其在计算机使用、软件工程、科学与网络安全方向达到 SOTA。模型主打计算机与浏览器操作：自主操控浏览器、办公软件与开发工具，根据目标拆解任务，完成资料检索、表格处理、代码开发。上下文 105 万 token，最大输出 12.8 万，支持文本与图像输入。
跑分很猛，但各家的结论并不一致。 FrontierMath Tier 4 得分 97.6%，ARC-AGI-3 在 Provider Adapter harness 下得分 99.9%（还记得两周前黄仁勋宣布英伟达 ARC-AGI-3 满分通关吗），ExploitBench 达到 100%，OSWorld 2.0 得分 72.6%。完成一个复杂任务平均耗时约 40 分钟，上一代 GPT-5.6 Sol 要 75 分钟。Epoch AI 把它排到 267 个模型首位，但 Artificial Analysis 只给出与前代持平的 61 分，不过在 AA 的编码智能体评测里，Astra 得 67 分，追平 Claude Opus 5 与 Fable 5，token 效率比 Sol 高约 70%。
价格涨了。 API 定价每百万 token 输入 10 美元、输出 50 美元，约为 Sol 的 2.5 倍。模型已上线 Microsoft Foundry，Perplexity 也宣布将接入。
发布过程比模型本身更有故事。 Astra 因安全审查数度推迟。上期周报写过，OpenAI 8 月中旬发现它可能触及关键网络安全能力阈值，主动暂停了强化学习训练。上线时 Pro、Enterprise 与 Business Premium 用户优先于 Plus 用户获得访问权，奥尔特曼为此公开致歉并推出补偿机制：付费用户每缺少一天访问权限，即获一次额度重置。模型与 System Card 同步交付，「安全评估直接影响产品上线节奏」这句话本周兑现。
还有个值得留意的细节：Astra 控制自身链式思维的能力从 Sol 的 16.1% 跃升至 60.9%，可监控性随之下降。OpenAI 科学家回应称当前模型计算图深度与 GPT-4 差距不到两倍。旗舰模型的重心从文本推理转向可执行真实任务的智能体形态，安全分级管控与商业发布节奏的冲突，以后只会更频繁。
Part 02 - 大模型混战继续
Anthropic 发布 Fable 5.1 与 Mythos 5.1
Anthropic 一次发了两个版本：Fable 5.1 与 Mythos 5.1 是同一个底层模型，区别在安全防护等级。Fable 5.1 面向全量用户，Mythos 5.1 仅通过可信访问计划提供给网络安全与生命科学领域的受审机构。两者都面向长时间运行的智能体编码、知识工作与研究场景优化，在低或中推理强度下即可达到上一代高推理强度相当或更好的效果。
跑分上，Terminal-Bench 4.0 得分 55.8%（Fable 5 是 42.0%），智能体科学推理能力从 24.7% 提升到 52.6%，多项测试超过 Opus 5 与 GPT-5.6 Sol。
真正的重点是定价。 缓存读取价格从每百万 token 1 美元降到 0.25 美元，降幅 75%；基础价格保持输入 10 美元、输出 50 美元，和 GPT-6 Astra 定在了同一个价位。Anthropic 预计典型负载成本较 Fable 5 下降约 25%，高度 Agent 化工作负载最高降 45%。缓存读取在长程智能体任务里占 token 开销的大头，这一刀直接砍在 Agent 部署的单位经济性上：OpenAI 旗舰涨价 2.5 倍，Anthropic 降价 45%，两条路线正面对冲。
同一模型、不同护栏、面向不同市场，Fable 与 Mythos 的双版本架构可能成为前沿模型发布的通用模板。顺带一提，Fable 5.1 内置了不可见文本水印，以满足欧盟 AI 法案的要求。模型可以自己发现软件漏洞，但不能开发漏洞利用代码，安全防护误报率较上一代降低 60%。
Gemini 3.8 Flash 与 Flash Cyber
9 月 2 日，Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，六周内第三个 Flash 版本（3.6 → 3.7 → 3.8），月度迭代彻底坐实。3.8 Flash 面向智能体任务与软件开发，官方称是迄今最好的 Flash 模型，DeepSWE 得分 71.0%；Cyber 版基于同一底座，针对漏洞检测与自动化修复专项调优，通过 Fairwind 项目仅向受信防御者开放。
价格：年底前早鸟价每百万输入 0.75 美元、输出 3.75 美元，常规价 1.50 与 7.50 美元。1M 上下文，64K 最大输出。Google 还同步推出 Agentic 视频理解，覆盖 3.7、3.6 与 3.5 Flash 系列，动态检索视频片段替代固定帧率采样，token 消耗最高降低 88%。
Cyber 变体的白名单制分发，与 Anthropic 的 Mythos、OpenAI 的受限访问形成呼应，安全专项模型统一采用了封闭分发。用低价档位争夺成本敏感的 Agent 工作负载，开发者按任务复杂度选模型档位的路由模式正在成为常态。
Meta Muse Spark 1.3：五个月第四版
Meta 发布 Muse Spark 1.3，五个月内的第四个版本。AA 智能指数 61 至 62 分，逼近 Fable 5.1 与 GPT-5.6 Sol；AA 编码智能体评测得 68 分，与 Claude Code 加 Opus 5 的组合接近。双轨 API 定价把模型能力与成本选项解耦。
五个月四个版本，说明 Meta 的后训练流程已经工业化到支撑月级迭代，数据、算力与评测管线全部标准化。大模型竞争进入以版本频率论高下的阶段，单一模型的领先窗口持续缩短。
国产动态
DeepSeek 开源 V4-Flash-Vision-Exp。 继 8 月 21 日 API 上线（上期周报写过）之后，DeepSeek 本周在 Hugging Face 开放了权重：MIT License，仓库约 168GB，包含视觉编码器、Aligner、DFlash Attention、MoE 路由等核心模块的最小化推理实现。总参数约 284B、每 token 激活 13B，上下文 1M，ApexBench 从 26.2 升至 36.5。MIT License 没有任何用户门槛和 MaaS 例外条款，在同期开源模型里最为宽松，开源阵营的多模态缺口正在被快速填补。
榜单方面。 凤凰网 AI 大模型周榜显示：Qwen3.8-Max-0902 直接登顶 WebDev 前端榜，GLM-5.3-Flash 首秀杀进代码榜 Top 10。上期周报重点写的 Flash，这周榜单兑现了。另外阿里云千问平台已接入 GLM-5.3 与 DeepSeek-V4-Pro，国产模型之间开始互相接入了。
Mureka V9.5（8/31）：AI 音乐模型新版本，情感表现力与作品连贯性提升。
Part 03 - 唐杰首次披露 GLM-6.0：全自训练
8 月 31 日晚的智谱 2026 年中期业绩会上，唐杰谈到了下一代 GLM-6.0 的技术方向，Fully Self-Training，全自训练。没有公布发布时间，但方向第一次摆上了桌面。
他的出发点是：Scaling 并没有结束，只是变成了另一件事。面对「为什么不继续堆参数」的质疑，他的回答是把问题拆成参数、数据、算力、训练和部署几个变量。GLM-5.3 和 GLM-5.2 用同一个基座，靠扩大长周期任务环境和强化学习后训练拿到提升，就是最直接的验证：模型能不能变强，取决于它在什么环境里训练、训练多久、能完成什么任务、能不能从任务中获得有效反馈。
那么自然的问题是：如果后训练和任务环境本身就是 Scaling 的一部分，这些事能不能也逐渐交给 AI？这就是 Fully Self-Training 的具体设想。过去研究人员设计任务、准备数据、搭建环境、训练模型、判断好坏；往后这些环节一段一段交给 AI：自己生成和筛选训练数据，自己构建任务环境，自己完成任务拿反馈，再进入下一轮训练。甚至连基础设施也可以让 AI 参与优化，智谱已经在用 GLM-5.3 驱动的 Infra Agent 参与推理内核、性能诊断和服务栈优化。
于是一个新的循环出现了：GLM 生成任务环境，下一代 GLM 在环境中训练；GLM 优化训练和推理系统，系统再承载更强的 GLM。在海外讨论里，这条路常被放在 RSI（递归式自我改进）的框架下理解。
唐杰自己也点出了最难的地方：模型必须知道哪些数据值得留下、知道自己什么时候错了、知道什么时候该继续训练什么时候已经足够。一旦模型无法可靠判断对错，错误就会随训练循环不断放大。这种自我判断能力，可能才是全自训练最核心也最难解决的问题。他明确表示目前仍有大量人工环节，但「让模型参与训练下一个自己」这条路，已经开始了。
Part 04 - 英伟达 129.3 亿美元收购 Hugging Face，然后 HF 卖鸭子
先说收购
上期周报末尾提过这笔交易的传闻，本周官宣：NVIDIA 以 129.3 亿美元收购 Hugging Face，黄仁勋在官方博客公布。对价约为 2023 年融资轮 45 亿美元估值的 2.9 倍，其中约 119 亿美元现金，另设最高 10 亿美元员工留任激励。这是 NVIDIA 史上第二大收购，仅次于去年末约 200 亿美元收购 Groq 相关资产。
Hugging Face 的分量：1800 万开发者、300 万个模型、50 万个数据集、100 万个应用，超过 20 万家企业依托它完成模型选型与部署。NVIDIA 此前已在 2023 年融资轮投入 2.35 亿美元，本身还是平台最大的开源贡献者之一。
黄仁勋承诺平台保持中立：继续作为面向整个 AI 生态的开放平台独立运营，不强制使用 NVIDIA 计算资源，开源属性完整保留，创始人团队留任至少两年。交易尚需监管审批，预计 2027 年上半年交割。社区担忧的焦点也正在这里，微软收购 GitHub 时说过类似的话，后续的整合路径说明承诺与执行之间存在距离。对 NVIDIA 而言，这笔交易把价值链从硬件层延伸到模型分发与开发者入口，从芯片到框架再到模型库的完整布局成型。
再说鸭子
定价逻辑很反直觉：一位法国机器人博主查了零件价，它用的 Dynamixel XL330 舵机单颗零售四十多欧元，十五颗就超过 650 美元，比 399 美元的整机还贵。决定这个价签的不是硬件毛利，主控是国产瑞芯微 RK3566，便宜、量足、资料齐；深圳矽递科技生产，首批计划超 2 万台，中国大陆暂未开放。
真正的核心是软件：七个出厂动作全部是在 MuJoCo 仿真里用 PPO 强化学习训出的神经网络策略，50Hz 每秒重算五十次。整套软件栈按 Apache 2.0 开源，SDK、仿真环境、训练管线都在 GitHub 上，可以 fork、改参数、重训、推回真机。Hugging Face 还上线了浏览器在线仿真器，跑的是和真机同一套策略，不等圣诞发货，现在就能在电脑前教鸭子踢球。硬件图纸不公开，「大脑」可看可改可重训，身体图纸锁着：软件开放为了转飞轮，硬件是护城河。
往前看，这是 HF 具身智能布局的第三步：2024 年初前特斯拉 Optimus 科学家 Remi Cadene 加入牵头 LeRobot，2025 年 4 月收购法国 Pollen Robotics，Reachy Mini 管对话交互（全球出货约一万台），Microduck 管行动。两条线用不到 500 美元把具身智能最主要的两个方向搬上了桌面。它不解决机器人学的核心难题，但过去跑通这套流程的门槛压在几千美元的真机上，坏一次可能搭上一台减速器和几个工程师的下午，现在真正被压低的，是犯错的成本。
一个放大的注脚：一边是芯片厂商 129 亿美元买下全球最大开源模型社区，一边是这个社区用 399 美元的鸭子证明自己能造硬件入口。英伟达缺的从来不是工具链，而是低价硬件入口和愿意折腾的人；而 HF 最值钱的资产之一是中立，归入一家芯片公司后还剩多少，社区会用行动投票。
Part 05 - Claude 用 11 天验证费马大定理
Anthropic 宣布 Claude 完成费马大定理的首个端到端机器验证证明：模型在 11 天内基本自主运行，用 Lean 语言写出约 1300 万行代码，证明约 3 万个定理，其中约 2.95 万个中间定理被纳入最终证明。整个证明经 Lean 检查，仅使用三条标准公理，代码已在 GitHub 公开，帝国理工教授 Kevin Buzzard 审阅。
先把功劳的边界说清楚：这次工作的创新在验证而非发现。费马大定理由怀尔斯 1995 年证明，原始论证 129 页，发表前经历数月人工核查；把它转化为计算机可逐步验证的形式，数学界此前预计需要数年。Claude 做的是把已有证明自动形式化，遵循 Darmon、Diamond 与 Taylor 的简化版本，并让机器逐步校验，不是独立提出新证明。
工程上的看点是多智能体协作：数十个 Claude 智能体分工完成，使用 Tianyi Peng 与哥伦比亚大学合作者开发的 Prove2Me 平台，以有向无环图记录待证定理与依赖关系，人类输入仅限少量高层次指令。项目消耗约 60 亿输出 token，生成的证明规模超过 Mathlib（主要数学证明库）的五倍。用依赖图替代单个智能体的上下文记忆，解决了多 Agent 并行工作时的状态漂移问题，这套机制对长周期科研任务的有效性，可能比证明本身更有迁移价值。
如果自动形式化扩展到更多数学成果，形式化版本可能成为未来数学成果发布的常规配套，数学知识体系的可靠性验证方式正在被重写。
Part 06 - 工具、资本与行业
Anthropic IPO 推迟至 10 月中旬启动路演。 招股书披露从原定的最早本周推迟至 9 月下旬，路演最早 10 月中旬，挂牌可能落在 11 月。推迟与一笔 150 亿美元循环信贷额度的落实安排有关。部分投资者给出的估值预期达 2 万亿美元，若实现将超过 SpaceX 上市时的 1.77 万亿，成为史上最大 IPO，目标募资额高达 1000 亿美元。支撑数据：截至 7 月底年化营收超 650 亿美元，较去年底增长逾 7 倍，公司对 2028 年收入预测约 1900 亿至 2000 亿美元。用远期收入定 30 倍年化收入的估值，在传统 IPO 里并不常见。高盛预计多家人工智能企业集中上市将令今年美股 IPO 募资总额攀升至创纪录的 2250 亿美元。上期周报写过 OpenAI 最迟 2027 年上市，两家的资本市场竞赛已经白热化。
xAI 发布 Grok Bot 企业版。 定位持久化智能体：拥有身份、记忆、自有计算机与工具，可超越单次会话持续执行任务。产品以 Bot 为主要交互对象而非会话，头像动效呈现空闲、工作、阻塞、思考等状态，工作区提供状态、预览与接管三级访问。Grok 与 Cursor Enterprise 客户未来两周免费可用。最有说服力的是 xAI 自己的落地账本：让 Grok Bot 访问供应商支出、合同与使用数据后，Haggle Bot 已识别超过 10 万美元直接节省。在一个 SaaS 产品里发现 43 个 90 天无活动的付费席位（省 14220 美元），在另一个产品里找出每年 85662 美元的未用 SKU。企业级智能体的价值评估，正从功能演示转向可量化产出。
OpenClaw 2.0 发布。 开源可自托管的 Agent 网关（把 Discord / Telegram / WhatsApp / Slack 接入大模型，24/7 跑任务）迎来史上最大更新：跨设备续接，没做完的任务换设备、换云端 worker 接着跑；共享云会话，队友可实时查看、加入、接管任务；全新聊天式 Web 控制台，安装时自动检测已有的 Claude/ChatGPT 订阅和本地 Ollama 模型。宣传语很直白：「Agent 终于能把没做完的事接着做」, 与 GitHub 上“Agent 持续在线”的主线正好合流。
行业数据。 ChatGPT 与 Gemini 用户双双破 10 亿；记忆张量（Agent 长期记忆方向）完成 Pre-A+ 轮融资，东方富海领投，Agent 记忆赛道从开源项目火到了一级市场；三部门联合发文支持 AI 智能体产业；海外方面，AI 行业向 2026 中期选举投入 2.65 亿美元，数据中心在多地遭遇社区反弹。
Part 07 - GitHub 热榜速报
本周主题延续了上期的判断：AI 项目从「能演示」走向「能评测、能接进代码库、能服务具体流程」，另外本地运行类工具集中上榜。
增量榜 TOP5
① archify | +19,480 | JavaScript
连续两周增量第一（上期 +11.1k，本期 +19.5k，总星 49.7k）。把代码库或系统描述变成可验证的交互式架构图：agent 产出类型化 JSON IR，确定性编译输出 HTML/SVG，支持 Before/Delta/After 三态架构变更对比。本周新增 Proof Lab 在线画廊（11 个可交互验证场景）、三种新预设，并提供了 DeepSeek Harness 集成。图表 skill 赛道从 diagram-design 到 archify，关注点彻底从「画得好看」转向「画得可信、可溯源」。
项目地址：https://github.com/tt-a1i/archify
② THU-MAIC/OpenMAIC | +10,109 | TypeScript
清华大学的多智能体互动课堂：输入主题即可生成完整课程，AI 教师授课、AI 同学实时讨论，支持白板画图、语音问答、随堂测验、3D 交互模拟与项目制学习。8 月 27 日的 v1.0.0 新增 Pro agent 工作台，可聊天式规划课纲、逐页构建课程、上传文档音视频做教材。附带清华 JCST’26 论文，支持 OpenClaw 集成。AI 教育场景开始升温的标志性项目。
项目地址：https://github.com/THU-MAIC/OpenMAIC
③ debpalash/VoiceStudio | +6,761 | Python
完全本地运行的开源语音工具（原 OmniVoice-Studio）：语音克隆、视频配音、听写、有声书制作，整合 16 个 TTS 引擎与 11 个 ASR 引擎，支持 646 种语言，无账号、无 API key、无用量计费，本地版 ElevenLabs。会根据硬件自动推荐引擎组合：Apple Silicon 用 MLX-Audio，NVIDIA 用 CosyVoice 3，纯 CPU 用 PocketTTS。
项目地址：https://github.com/debpalash/VoiceStudio
④ bilawalsidhu/gods-eye-view | +5,926 | JavaScript
浏览器中的实时卫星仿真器，数据全部来自公开实时信号：航班应答机、船舶 AIS、卫星轨道、地震、野火与城市公共摄像头，融合在一个 3D 地球上。可以进入飞机座舱视角跟随飞行，切换 NVG/FLIR/CRT 传感器滤镜，带军用风格 HUD。免 API key 即可启动，作者 Bilawal Sidhu 是前 Google 的科技博主，曾登 Trending 首位。
项目地址：https://github.com/bilawalsidhu/gods-eye-view
⑤ Gitlawb/openclaude | +1,839 | TypeScript
「runs anywhere, uses anything」的开放终端编码 agent，通过统一抽象接入不同模型与工具，首次进入周榜就有 32.7k 星。codex、Claude Code 开源后的替代终端生态还在持续发酵。
项目地址：https://github.com/Gitlawb/openclaude
增长榜与新秀
tailscale/tailcat（+3,187）
bradfitz 参与的项目：类似 netcat 的端口直连工具，走 Tailscale 的 WireGuard 数据面但不依赖控制面，两台机器点对点直连。
handsomestWei/patent-disclosure-skill（+1,996）
中文专利 skill：专利点挖掘、交底书编写、通俗解读、审查答复辅助，中文垂直岗位 skill 化的又一案例。
anthropics/commerce-agents（2.1k 星 · 09-01）
Anthropic 官方电商 agent 参考蓝图，双 agent 架构（shopping agent + merchant agent），覆盖零售、电商、电信、娱乐四类场景。
lnkiai/m3e-canvas（3.9k 星 · 09-02）
浏览器里画 Material 3 界面草图，直接生成 vibe-coding 提示词，纯前端实现，3 天 3.9k 星。
shadcn-ui/cn（1.2k 星 · 08-31）
shadcn 团队新库：Tailwind class 合并与冲突处理，官方称兼容 tailwind-merge 与 clsx 的 API，速度快约 30 倍。
老项目方面，deepseek-harness 本周仍 +10.3k（总星 203k+），awesome-gpt-image-2 的周增量从 +12.9k 回落至 +3.0k。新项目热度周期在缩短，能连续上榜的要么迭代快，要么真需求。
一个甄别提醒
本周趋势榜出现一批星数异常高的 skills 合集仓库：ECC（250.1k）、mattpocock/skills（253k）、NousResearch/hermes-agent（242k）等，星数全部高于 openai/codex 的 121.8k，部分 README 含引导点赞文案。代码内容是真的，但星数与内容体量是否匹配存疑。选品时多看账号注册时间与星数增长曲线，GitHub 星数作为参考需要交叉验证。
写在最后
9 月第一周，最值得记住的五件事：
一是 GPT-6 Astra 一波三折地落地，被安全审查数度推迟后，模型与 System Card 一起交付，旗舰模型的重心彻底转向可执行真实任务的智能体形态。
二是定价路线分裂：GPT-6 旗舰涨价 2.5 倍，Anthropic 把缓存读取砍到四分之一、Agent 化负载成本降 45%，同一个价位上，两条相反的策略在对冲。
三是 Scaling 叙事转向：唐杰把 GLM-6.0 指向全自训练，Meta 用五个月四个版本证明后训练已经工业化，参数规模竞赛让位于单位成本下的有效智能。
四是英伟达 129.3 亿美元拿下 Hugging Face，从芯片到模型库的布局成型；而 HF 自己用一只 399 美元、4 秒卖一台的机器鸭，把具身智能的犯错成本压到了桌面级。
五是 Claude 11 天完成费马大定理的机器验证，多智能体加依赖图这套机制对长周期科研的有效性，可能比证明本身更重要。
下周见。
关于作者
持续分享 AI 工具、效率软件和实用黑科技。
如果觉得有用，欢迎点赞、在看、转发三连。
