每日科技/AI 摘要 2026-09-18

今日共采集 91 条，新增 88 条，科技/AI 相关 8 条入选深挖。

刚刚，Gemini 4 Pro 偷跑上线！碾压 Astra 和 Fable

来源：新智元 · 一句话：Gemini 4 Pro 以「gemini-3.8-flash」名义出现在 LMArena，编码/Agent/推理三项全面压制 GPT-6 Astra、Claude Fable 5.1。

• 要点：
  • LMArena 第一个 checkpoint 暴露身份，体感与实测都压制 Astra / Fable；DeepSWE v1.1 88% 分、GDPval-AA v2 拿到 2064 Elo、Terminal-bench 2.1 95.3%、OSWorld-2.0 86.8%。
  • 定价输入 $2.25 / 1M、输出 $11.25 / 1M，在「御三家」中性价比最高；后端查到 10M 输入 / 256k 输出、永久跨会话记忆、无需 API 即可联网。
  • 「鹈鹕骑自行车」SVG + 3D 测试、3D 宝塔、空客 H145 直升机、单提示直出可玩游戏，几项可视化用例完成度被开发者称为「unreal」。
  • 与 RSI 的关系：DeepMind CSO Jasjeet Sekhon 上月公开把 RSI 当作 AI 巨额投资逻辑的关键一环；14 日挂出的 Dream-RSI 研究则在工程端做 Agent 自我升级的探索。
• 扩展资料：
  • LMArena 当前 leaderboard — 看 gemini-3.8-flash 账号的真实分数与排名（来源未核实，撰文时与新智元报道一致）
  • WSJ 报道 Gemini 3.5 Pro 被取消 — 解释为什么 v4 直接上而非 3.5（来源未核实，新智元原文引用）
  • Google DeepMind Dream-RSI 论文 — DeepMind 公开把 RSI 当作下代模型训练的关键（来源未核实，撰文时未直接搜到原文）

唐杰、GLM 团队长文披露智谱 RSI 最新进展：GLM-5.3 已摸到门槛，“正一步步走向取代我们”

来源：InfoQ · 一句话：智谱把 GLM-5.3 驱动的 Infra Agent 放到 10 万张国产芯片集群上自优化推理，端到端吞吐两周做到基线的 3 倍。

• 要点：
  • GLM-5.3-Flash 全部线上推理跑在 10 万卡国产集群上；用「稠密反馈」组织测试、Trace、运行日志、微基准测试，让 Agent 能定位到算子、并行策略、通信、内存、调度哪一层出问题。
  • 端到端优化落地的栈：节点内张量并行 + ReplaySSM + W8A8 量化 + INT8/FP8/BF16 混合精度 + Layer Split，外加 Encode–Prefill–Decode 分离架构。
  • GLM-5.3-Flash 以 Ox-Alpha 匿名身份在 OpenCode / OpenRouter 上线一周即双平台调用量最大，6 天 token 调用量 62 万亿。
  • 唐杰判断：还不是完整 RSI，但 Agent 已经从"辅助工程师"转向"参与构建继任者"；只要给足算力和时间，终点是能完全自主设计并训练自己继任者的系统。
• 扩展资料：
  • OpenRouter Ox-Alpha 榜单 — 撰文时模型已更名 GLM-5.3-Flash，看历史峰值与定价（来源未核实，原文 9-17 数据）
  • Infra Agent 稠密反馈论文（InfoQ 同源） — 关注发布后续技术报告（来源未核实）

刚刚，Claude Code 大重构！内部 3 万 Agent 管理技术免费开放

来源：量子位 QbitAI · 一句话：Claude Code Projects 重构为 Coordinator 主导的多 Agent 异步协作，与 Anthropic 内部 3 万 Agent、AL4 占 26% 的研发自动化曲线互为印证。

• 要点：
  • Projects 新版以 Coordinator 调度，每个子任务跑在独立 Claude Code 实例 + 独立 Git 分支上，写完自动提 PR；新增长期共享记忆解决多 Agent 上下文对齐。
  • 内部研发平台：每天同时跑 3 万 AI Agent；单月触发决策 10 亿次；AL4 占 26%、AL3+ 已超 90%（半年前 AL4 < 1%，半年 26 倍）。
  • 风险控制：在线 Monitor 100% 拦在执行前，8 月拦截 0.002% 高风险/异常行为；离线 Monitor 每周标 10 万条对话，最高优先级约 50 条/周升级到人工审查。
  • Cursor 9 月 10 日也推 Projects beta，Coordinator + 子 Agent + 云端共享上下文的设计正在成为 Coding 工具的下一道分水岭。
• 扩展资料：
  • Claude Code Projects 重构公告 — Anthropic 官方原文（量子位引用）
  • Anthropic《衡量 AI 研发节奏》 — 26% / 3 万 Agent / 10 亿次决策的数据源（量子位引用）
  • Cursor Projects beta 介绍 — Cursor 的同形态对比（来源未核实）

Claude 狂写 80% 代码，差点干崩 Anthropic，CI 半年暴涨 25 倍

来源：36 氪（转自新智元） · 一句话：Anthropic 内部 80% 代码由 Claude 编写，工程师季度交付量 8 倍，CI 测试运行量半年涨 25 倍，三次补丁失败后被迫从单体改无状态。

• 要点：
  • 测试影响分析服务最初设计成 Singleton 写入；Claude 每秒持续吐出几千到几万个任务，Listener 一旦滞后 20 分钟就会导致测试选择器拿着陈旧数据瞎猜。
  • 三次补丁都死得很短：换大机器撑 70 天 → 按 package 分片 29 天 → 每日重启当天下午 OOM，连一天都撑不到。
  • 最终方案是 Anthropic 几个月前 Claude 提过的"炸掉重做"：去单体内核、内存存储 + 异步轻量汇聚 + Selector 秒级只读解耦；上线后事件堆积从几十万压成水平线。
  • 文章的核心判断：AI 编程的瓶颈从"模型能力"迁移到了"工程体系承载能力"，单实例服务可能成为整个团队等待的地方。
• 扩展资料：
  • Anthropic《Agentic coding is straining CI》 — 一手工程博客（36 氪引用）
  • Addy Osmani 推文 thread — 对测试影响分析的现场评论（36 氪引用）

Kimi Code 终于有桌面版了！模型不锁死，第三方 API 也能接

来源：智猩猩 · 一句话：月之暗面推出 Kimi Code Desktop，把 Plan/Goal/Swarm、第三方模型 API、浏览器复用登录态整合进图形化开发环境。

• 要点：
  • 桌面端定位明确与 Kimi Work 区分：Work 是面向知识工作者的本地通用 Agent，Code Desktop 专注开发者场景；同时支持 macOS / Windows，算力紧张暂停过的会员订阅重新开放。
  • 三种 Agent 形态：Plan 模式做大改动前出方案；Goal 用于长任务持续执行；Swarm 拆独立子任务并行处理。
  • 设置里手动加第三方供应商（API Key + Base URL + 模型名）即可在桌面端切换，不绑定月之暗面自家模型。
  • 浏览器侧官方给 Chrome / Edge 扩展让 Agent 复用真实登录态，同时内置 Browser；Kimi Computer Use 可操作本机应用，作者演示自动读取多网页生成上海游玩攻略。
• 扩展资料：
  • Kimi Code Desktop 官方页 — 安装包、CLI 下载、第三方接入文档（来源未核实，原文只描述形态未给具体链接）
  • Kimi Computer Use 说明 — 控制台应用、权限模型（来源未核实）

AI Coding 贡献率超 90%，需求交付却只快了 10%：菜鸟如何用 Agent 托管端到端交付？

来源：InfoQ / AICon 上海 · 一句话：菜鸟半年把 AI 写代码贡献率从 10% 推到 90%，但需求变更周期只快 10%，倒逼研发从 Vibe Coding 走向"云端沙箱 + Agent 托管端到端交付"。

• 要点：
  • 增长归因三件事：Opus 4.5 / Sonnet 4.5 后模型能力上抬；Cursor / Claude Code / Codex 把 Agent 产品形态撑起来；内部"AI 布道师 + 引入市场化工具 + 度量公开 + 安全联审"的推广组合。
  • 三个诊断：编码只占交付链路的 30%；其余步骤（设计、测试、部署）的研发系统和流程对 Agent 不友好；阶段间必须人工确认才能推进。
  • 方案是云端沙箱 + 通用 Agent + Plugin + Playbook；强调"长程任务不是把 Skill 串起来"——会撞 Context Rot、上下文耗尽、上下文焦虑三类问题。
  • 对 Workflow、自建 Agent、本地 Skill、Prompt 编排 Skill 四类方案的取舍判断，给企业内部做 Agent 化提供了清晰路径。
• 扩展资料：
  • AICon 全球人工智能开发与应用大会 2026 议程 — 找郭凤钊演讲完整视频与 slides（原文未给链接）
  • Anthropic 长程任务上下文衰减案例 — 原文引用的 Claude Code SDK 官方网站构建案例（来源未核实）

【GitHub 趋势】BrowserSkill：让 AI 复用浏览器登录态，减少重复操作

来源：编程充电站 · 一句话：腾讯开源 BrowserSkill，给 Agent 接上已登录 Chrome / Edge，独立 Agent Window + 借用确认 + 人工接管是默认开关。

• 要点：
  • 三层结构：bsk CLI + 本地后台进程 + 浏览器扩展；CLI 给任何能调 Shell 的 Agent 用，Cursor / Claude Code / Codex 都能装。
  • 操作隔离：任务在独立 Agent Window 里跑；需要用用户当前标签页时显式"借用"，任务结束归还；默认开启借用确认与人工协助两个独立开关。
  • 长截图能力可在扩展内或 Agent 调用模式下使用；自动滚动覆盖不到嵌套滚动容器和虚拟化列表。
  • 环境依赖：CLI + 后台进程 + 扩展需要版本匹配；沙箱环境会清后台进程的，需要额外配置持久运行。
• 扩展资料：
  • Tencent/BrowserSkill GitHub 仓库 — 仓库地址、Skill 安装流程、健康检查命令（原文已给出项目名与 Fork 数）
  • Chrome Web Store BrowserSkill 扩展页 — 安装入口与权限说明（原文未给具体链接）

DeepSeek V4.1 Flash 是 552B 参数的 MoE 模型，采用全新非对称结构

来源：浪里白条王（头条） · 一句话：DeepSeek V4.1 Flash 以 552B 总参 / 8B 输入激活 / 16B 输出激活的非对称 MoE，基准超越 V4 Pro 旗舰、成本显著更低。

• 要点：
  • 总参数 552B MoE；输入阶段激活 8B、输出阶段激活 16B，非对称结构让推理时按需分配容量。
  • 基准测试超越 DeepSeek V4 Pro 等同代旗舰，成本显著低于同尺寸模型，定位是把旗舰能力下放到 Flash 价位。
  • 与本周 Google Gemini 4 Pro / 智谱 GLM-5.3-Flash 同档窗口，「国产模型在 MoE 容量分布上做差异化」这条线被 DeepSeek 又往前推了一步。
  • 微头条原文未列具体 benchmark 数字与定价，仅给出"超越 V4 Pro"的定性结论；详细测评待官方 repo / 技术报告。
• 扩展资料：
  • DeepSeek 官方仓库 — V4.1 Flash 权重、推理代码与基准（来源未核实，原文未给链接）
  • DeepSeek V3 / V4 系列对比 — 历史架构演进与激活参对比（来源未核实）

今日一句话

• Manus 重生第 17 天，估值居然就翻倍了 — 36 氪消息：Manus 团队重组后短期内估值翻倍，AI Agent 产品赛道估值波动仍剧烈。
• Claude 自我进化突然变快：半年时间，从 1% 到 26% — 机器之心 Pro：与今日头条第三条同源报告，把 1%→26% 的曲线单独拉出来看 RSI 临近度。
• Claude Code 团队讲究啊，这都往外说 — 量子位补记：Claude Code 团队在工程博客外对外部声音的进一步解释。
• 腾讯刚入局，Manus 又要融资 33 亿 — 人人都是产品经理：腾讯加码 Agent 赛道，Manus 估值节奏继续推高。
• 国产 RSI 模型交卷！Flash 模型靠它反打旗舰 — 量子位：GLM-5.3-Flash 之外的另一条国产 RSI 实践线，与今日第二条可对照。
• ArcLoop 做了个全栈 AI 故事引擎 — 人人都是产品经理：围绕 IP World 长线连载的 AI 漫剧生产引擎，关注 Library/Asset 拆分的资产管理思路。
• 【GitHub 趋势】FileMarkd 正式开源 — AI 驱动的 PDF / Word / PPT / Excel / 图片 / EPUB 转 Markdown 工具，MIT 协议。
• Yovoice：开源离线文字转语音创作工具 — 本地生成带情绪人声 + 音色复刻，无云端 API、按字计费烦恼。