2026-09-07 前沿科技洞见 · 日报

过去 24 小时的新增材料把 Agent 的工程重心指向模型之外：OpenAI 首次披露内部研究人员每天调用 3.1 个“Agent 工作日”，ServiceNow 用自动搜索支架让固定模型提高 20—35 分，亚马逊则把跨会话记忆、并行调度、失败重试和安全控制整合进开源工作台。具身与科研方向也在压缩数据和算力门槛，VLAct 用 16 张 GPU 训练可跨动作头迁移的底座，Axiom Math 借助并行计算与形式化验证刷新素数间隔上界。金融科技侧，三条公链接连停机暴露紧急权限差异，基金公司的 Skill 工作流开始进入投研、交易和合规环节。

📊 今日关键数据

• 3.1 个 Agent 工作日：OpenAI 研究人员平均每个自然工作日调用的 Agent 工作量；重度用户 Token 支出超过 7000 美元/日（来源：OpenAI 数据摘要）
• 92.5%：VLAct 在 RoboTwin 2.0 的成功率，持续预训练使用 16 张 GPU（来源：机器之心）
• 20—35 分：StarHarness 在企业基准上为固定模型带来的性能增量，推理成本最多下降 53%（来源：HuggingPapers）
• 212：Axiom Math 报告的新有界素数间隔上界，原约六天的数值实验被压缩至数小时（来源：Lingowhale 专题）
• 14.8GW：媒体汇总的 Anthropic 已签约算力容量下限，未来十年支出估算最高 5170 亿美元（来源：Techmeme / The Information 摘要）

🔍 今日值得深读

OpenAI 研究人员每天调用 3.1 个“Agent 工作日”

OpenAI 称内部编码 Agent 已达到“自动化研究实习生”目标：研究人员平均每个自然工作日使用 3.1 个 Agent 工作日，重度用户单日 Token 成本超过 7000 美元。这组早期数据把科研 Agent 的价值衡量从单次答题分数推进到实验吞吐、任务复杂度和人机并行程度。

• 发生了什么：编码 Agent 已进入 OpenAI 的研究流程，并以并行工作量而非聊天次数统计使用强度。
• 为什么值得深读：它提供了前沿实验室内部使用 Agent 的首批量化参照，也暴露出高强度自动化所需的真实算力成本。
• 后续看点：实验完成速度、有效研究产出、失败返工率能否随 3.1 倍并行工作量同步改善，以及高额 Token 支出能否下降。

来源：OpenAI · 数据摘要

VLAct 用 16 张 GPU 训练跨动作头迁移的 VLA 底座

StarVLA 团队发现，继续预训练后在原动作头上变强，并不代表视觉语言底座更通用：RoboTwin 中 OFT 头成功率由 61.7% 升至 75.8%，换成 PI 和 GR00T 头却分别降至 55.1% 和 28.9%。VLAct 通过保护视觉编码器与浅层语言层、混入图像描述数据，并用 OFT、PI、GR00T 多头共同监督来减轻这种“动作头特异性表征坍塌”。

• 发生了什么：模型用开源数据和 16 张 GPU 完成持续预训练，RoboTwin 2.0 成功率达到 92.5%；面对未见过的 GR-1 机器人，只用 20% 下游数据便超过 GR00T N1.6 的全量数据基线。
• 为什么值得深读：研究把 VLA 的优化对象从固定策略成功率改成可跨任务、动作头和机器人复用的底座表征，直接对应机器人轨迹昂贵且难扩充的问题。
• 后续看点：开源模型在真实机器人、长程任务和不同硬件形态上的复现结果，以及 20% 数据优势是否能跨数据集保持。

来源：机器之心

ServiceNow 自动搜索 Agent 支架，固定模型提高 20—35 分

StarHarness 不微调模型，而是围绕固定模型搜索更合适的 Agent 支架。在企业基准上，搜索后的支架带来 20—35 分提升，同时把推理成本最多降低 53%；在 ITBench 上，小型开放权重模型搭配演化支架，比 GPT-5.5 使用默认支架高 19.2 分。

• 发生了什么：研究把提示、工具调用与控制流程组成的支架作为可优化对象，在保持模型不变的条件下搜索配置。
• 为什么值得深读：结果说明模型选型并非 Agent 性能的唯一主变量，支架优化可能同时改善正确率和成本。
• 后续看点：搜索预算、训练与测试隔离方式、不同企业任务上的迁移性，以及支架对异常恢复和安全边界的影响。

来源：HuggingPapers

S3Gym 显示大模型自测、自评并不会稳定带来自我改进

字节跳动 Seed 用七种文本游戏评测模型能否通过自测和自评持续改进。结果具有明显任务依赖性：没有一种记忆方案在所有游戏中占优，参数训练还可能产生负迁移，因此“模型生成经验—判断经验—再次训练”的闭环不能被视为自动升级机制。

• 发生了什么：S3Gym 把自我改进拆成测试、评价、记忆与参数更新，并在七类交互环境中比较效果。
• 为什么值得深读：它把递归改进从概念判断落到可重复实验，并明确给出跨任务不稳定和负迁移两类失败边界。
• 后续看点：论文公布的各模型基线、评价器可靠性与重复运行方差，以及记忆更新和参数训练何时应停止。

来源：HuggingPapers

Axiom Math 用并行搜索与验证把素数间隔上界推进至 212

Axiom Math 报告将有界素数间隔上界从长期纪录 246 推进至 212。团队沿用 Stadlmann 的解析思想，用分布式数值实验搜索积分区域和参数组合，并以 Python 与 Lean 辅助验证；一次原需约六天的数值实验，经并行化、预计算和特征值求解优化后缩短到数小时。

• 发生了什么：约两周的混合团队项目找到直径为 212 的 45 元 admissible tuple，并形成可供人阅读的论文与形式化验证材料。
• 为什么值得深读：新增不只是数学结果，也展示了 Agent、数值计算与形式化证明如何组成研究流水线。
• 后续看点：212 结果的同行核验，以及材料所述 OpenAI 186 结果能否公开完整证明并获得数学界确认。

来源：Lingowhale 专题

三条公链四天内停机，回滚、暂停出块与事后停机边界不同

Cronos、Ontology 与 ICON 在四天内先后停止出块，但调用的紧急权限并不相同：Cronos 通过验证节点共识回滚部分链历史，Ontology 只暂停新交易确认，ICON 则在多数涉事 ICX 已进入交易所托管账户后停机。停机这一表象背后，对最终性和资产处置的影响差异很大。

• 发生了什么：三条链分别用回滚、暂停出块和事后停机处理攻击或异常；Cronos 的回滚只能控制本链状态，无法撤回已跨链转移的资产。
• 为什么值得深读：事件把“去中心化网络的紧急开关”具体化为验证节点协调、历史改写、结算暂停和跨链资产不可控四个边界。
• 后续看点：各链是否公布完整事故报告、验证节点表决记录、最终损失与恢复后的重组保护措施。

来源：吴说 Real

📰 独立报道

AGI、Agent 与评测

亚马逊开源 Kiro Crew，补齐长程编码任务的控制层

Kiro Crew 把跨会话记忆、多 Agent 并行、任务调度、失败重试与安全控制放进同一工作空间，支持本地或远程无值守运行，并用规范文档约束需求、设计和任务拆解。项目采用 Apache 2.0 许可证，前身 MeshClaw 已有超过 3.9 万名开发者使用；实际边界包括较快的 Token 消耗以及长程任务仍需人工审查。

来源：Lingowhale 专题

Anthropic 电商 Agent 采用单主模型与按需 Skill

Claude Commerce Agents 的公开架构避免按业务域频繁切换子 Agent，改用保留完整对话状态的单一主模型和按需加载 Skill；高频能力进入系统提示，长尾功能动态注入，商品卡片等 UI 则封装成结构化工具。材料给出的现场数据为购物车容量增加 35%、购买概率增加 60%，但仍需结合商户样本和实验口径解读。

来源：华尔街见闻

RLVR 研究转向过程验证、混合信号、自验证与标准编译

一份技术综述梳理 2026 年验证器扩展路线：二元对错奖励无法表达部分正确，在 GRPO 同组响应全对或全错时也不给出有效相对梯度；开放写作与对话又缺少唯一答案。当前研究分别从验证中间过程、混合奖励来源、让模型参与验证，以及把开放标准编译成可执行规则四个方向补足覆盖面。

来源：机器之心

Qwen3.8-Next 用 6B 激活参数匹配 397B 前代模型

阿里披露 Qwen3.8-Next：总参数 125B、每次激活 6B，组合 Gated DeltaNet、稀疏注意力与 n-gram embedding。材料称其以约前代三分之一的激活参数和九分之一 FLOPs，匹配 397B 参数前代模型，并改善训练稳定性；完整消融与稳定性分析随论文发布。

来源：HuggingPapers

Puro-2B 在 RTX 5090 上以低于 5090 美元完成训练

Puro-2B 给出一套消费级 GPU 小模型训练配方：2B 参数模型在 RTX 5090 上完成训练，总成本低于 5090 美元，材料称性能可匹配 Qwen2-1.5B。数据、代码、权重和论文同步开放，使成本核算、数据配方和训练过程可被外部复查。

来源：HuggingPapers

NVIDIA Scal3R 用冻结底座重建公里级三维序列

Scal3R 面向在线长序列三维重建，在冻结底座上只增加约 1% 参数，支持公里尺度序列；材料称模型可在单张 GPU 上用 8 小时完成训练。论文、项目页和代码入口均已发布，后续应重点比较长序列累计漂移、实时吞吐与不同相机条件下的精度。

来源：HuggingPapers

Editable Visual Design 让生成海报保留文本与分层编辑能力

该方法让编码 Agent 调用 VLM 负责设计推理、图像模型负责视觉模拟，输出包含真实文本、解耦图层和可编辑结构的海报与信息图，而非单张不可修改的位图。项目还提供逐步设计回放，便于检查 Agent 的布局与修改过程。

来源：HuggingPapers

AI 战略与工程

AI BioDesign 获 9460 万美元，建立实验—模型闭环

Allen Institute、华盛顿大学与 Fred Hutch 联合启动五年期 AI BioDesign 项目，62 人团队将围绕蛋白质、DNA 调控元件和细胞功能定向生成实验数据，再由模型提出下一轮设计与实验。项目总投入 9460 万美元，承诺开放成果，并要求 18—24 个月内给出首批可验证进展。

来源：DeepTech 深科技

中国首款 AI 辅助研发原创药获附条件批准

盐酸伊司特韦片获国家药监局附条件批准，用于成人轻型、中型新冠病毒感染治疗。西湖大学、西湖实验室与西湖制药称，这是国内首款借助 AI 从源头发现并最终获批的原创药，从发现到完成临床试验历时三年半；公开快讯未披露 AI 在靶点、分子筛选和临床环节的具体贡献比例。

来源：华尔街见闻

Anthropic 签约算力规模据估至少 14.8GW

The Information 的汇总分析称，Anthropic 自去年 10 月以来签署的算力协议至少达到 14.8GW，未来十年相关支出可能高达 5170 亿美元。该数字是媒体依据多笔协议作出的估算，不是公司财务指引；决策价值在于它给出了前沿模型公司电力、云资源与资本承诺的数量级。

来源：Techmeme / The Information 摘要

资管金融与区块链

基金公司把 Skill 扩展到投研、交易与合规工作流

财联社调查显示，基金公司的 AI 应用正从接入模型和知识库转向员工自建 Skill 与 Agent。易方达澄清“上千个公开 Skill”说法不准确：内部 EWork 的公开 Skill 覆盖投研、交易等环节，另有大量仅个人或小组使用的工具，无法准确统计。变化重点是可复用工作流进入业务系统，而不是 Skill 数量。

来源：财联社

英国 FCA 与平台接触，研究调整金融预测市场限制

英国 FCA 据报已与交易平台接触，讨论是否放宽金融类预测市场限制，但尚未正式解禁。现行规则仍可能把相关合约视作禁止向零售用户销售的二元期权；体育和政治事件则可能归博彩委员会管辖。后续需看 FCA 是否发布正式咨询或规则文本，以及金融与非金融事件如何划界。

来源：Lingowhale 专题

SEC 拟更新过户代理规则以适配代币化证券

美国证券市场的过户代理规则正面临数十年来的重要更新，讨论范围覆盖电子记录、分布式账本和代币化证券如何进入股权登记、变更与公司行动流程。现阶段应关注正式提案对链上记录法律效力、过户代理责任、系统韧性和投资者资产核对的具体要求，而不能把规则更新等同于代币化证券全面获准。

来源：数字财经趋势

BIS 区分稳定币与代币化存款的货币属性

BIS 总经理 Pablo Hernández de Cos 的杰克逊霍尔讲话以怀俄明州公共稳定币 FRNT 为切口，讨论稳定币与代币化存款如何在数字账本上延伸货币功能。材料强调创新不能脱离货币的统一性、可兑换性和受监管中介责任，技术形式相似并不代表两类负债拥有相同信用基础。

来源：通证经济

硬件与算力

TCS 规划 74 亿美元 AI 数据中心园区

印度 TCS 计划建设占地 264 英亩的 AI 数据中心园区，项目金额约 74 亿美元，并采用液冷基础设施。公开材料尚未给出供电规模、芯片配置与投产节奏；这些指标将决定该园区是通用托管能力，还是面向大模型训练和推理的高密度算力设施。

来源：Tech in Asia