论文先解决的是"谁算 AI 基金"。作者读取了 2012 年以来 11 万余份投资顾问向美国证监会提交的监管文件。在这些文件里提到 AI，可能只是用它清洗数据、做合规审查，也可能只是买了 AI 概念股或写了一条免责声明。作者只把机器学习模型直接做交易决策、或生成信号供基金经理决策的两类算作 AI 驱动投资。按这个口径，2023 年 AI 基金约占样本对冲基金的 2.7%，2024 年管理规模约 120 亿美元。
→ 9月16日 AI 改进 AI 在头部公司已有人类对照和真实收益，条件是任务能自动打分三套系统的共同结构是"提议、执行、验证、再提议"，但比较对象和收益形态都不同，下表分开列。先解释两个词：Anthropic 用的"安全余量"指某个对齐基准上当前得分与满分之间的差距，方法关掉的余量越多越好；"生产检查点"指一份原本要上线的模型权重快照。
→ 9月15日 推理成本的主变量是缓存复用率，不是芯片代际要比较"芯片"和"软件"谁更能决定成本，两边必须用同一把尺子。年率是唯一能对齐的尺子：芯片侧看每美元算力每年涨多少，软件侧看同等能力的价格每年降多少。Epoch 的 GPU 统计给出芯片侧：每美元浮点算力的翻倍时间是 2.46 年（全部 GPU）到 2.07 年（机器学习 GPU），FP16 精度下 2.30 年，年率 32% 到 40%。那篇论文给出总账：在固定的基准成绩上，API 价格每年下降 5 到 10 倍；论文把这条曲线拆成经济因素、硬件效率和算法效率三项，单独估计算法效率一项为每年约 3 倍。
→ 9月14日 金融机构自建投研 Agent 的护城河，落在私有数据、内部投资逻辑和复核责任链Morgan Stanley 2023 年 9 月全面推出内部知识助手，到 2024 年 6 月 98% 的财富管理顾问团队采用。它只检索机构整理过的语料，团队为摘要、翻译和检索建立专家评测并每天跑回归题集，覆盖范围从 7,000 个问题扩到约 10 万份文档；会议工具 Debrief 要求客户同意录音，顾问改完才能发送生成的邮件。当时的采用率来自受限语料、持续评测、工作流设计和人工责任人四件事的组合，每一件都是机构自己搭的。[OpenAI 客户案例](https://openai.com/index/morgan-stanley/) · [Morgan Stanley 公告](https://www.morganstanley.com/press-releases/ai-at-morgan-stanley-debrief-launch)
→ 9月13日 Anthropic 员工级评估访问承诺：外部评估权限边界与独立性如何界定Anthropic 的新增承诺需要放在过去两年的访问范围内衡量。2024 年 7 月，其第三方评估计划主要资助危险能力、安全等级和评估工具测试，外部方仍以模型表现为主要对象。2026 年 2—3 月，非营利机构 METR 开展公司级风险试点，把 Anthropic、Google、Meta 和 OpenAI 当时最强的内部模型、模型生成答案前留下的推理记录，以及内部使用和监控资料纳入同一次周期性检查。
→ 9月12日 Anthropic 阻断五起潜在生物武器用途案例：账户长期行为与跨模型调用链能否提高双用途研究识别率这条时间线解释了五案为何不能只按“模型有没有拒答”来阅读。Anthropic 逐步扩大的是检测上下文和访问控制，而不是用一个更大的分类器取代所有防线。
→ 9月11日 模型越强，Jane Street 为什么越重视那些「笨功夫」Jane Street 很早就在使用外部数据，但早期没有专门的 Alternative Data 团队。
→ 9月10日 Jane Street 另类数据团队：模型越强，为何越要下「笨功夫」Jane Street 很早就在使用外部数据，但早期没有专门的 Alternative Data 团队。
→ 9月9日 LEAP、Capability Frontier 与 BenchMIRT：三个评测方法把总分拆回证据、预算与题目传统评测可以简化成一条公式：一个模型，对每道题运行一次，把整套题的对错取平均。LEAP、Capability Frontier 和 BenchMIRT 都没有否定这张成绩单，而是分别放大了公式中的一个部分。
→ 9月8日 Harness-of-Harness 把 Coding Agent 的代码版本与验收证据绑在一起HoH 的位置要放回 Coding Agent 四年的演进中看。每一代方法都在补前一代留下的一个可复现缺口：
→ 9月7日 GPT‑6 Astra 发布：提升最明显的是长任务和电脑操作普通模型评测通常给出一道题，模型回答后立即计分。企业工作流更长：填写表单之后还要更新 CRM，修改代码之后还要运行测试，整理日程时还要核对邮件和权限。后续动作依赖前面的结果，早期信息一旦丢失，模型会重复查询、重走失败路径，甚至在错误状态上继续操作。
→ 9月6日 Claude 用 11 天形式化费马大定理：真正的分水岭是交付可核验成果2026 年 9 月 4 日，Anthropic 公布：研究员彭天翼提供少量高层指导，数十个 Claude 智能体借助协作平台 Prove2Me，用 11 天将费马大定理的一条完整证明路线写成 Lean 4 代码。项目生成约 30,300 个可验证定理，其中约 29,500 个进入最终证明；源码约 1300 万行，消耗约 60 亿个输出 token。
→ 9月5日 Harness-of-Harness：当写代码的 Agent 开始依靠“证据”跨天工作2026 年 9 月 1 日，上海人工智能实验室团队提交论文《Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement》，次日公开项目页面。Harness-of-Harness（HoH）不是新模型或代码编辑器，而是套在现有 Coding Agent 外部的控制系统：它反复调用同一组模型与编码支架，让项目规划者、开发者和独立 QA 每轮只交付一个可观察、可测试的软件增量，并把软件产物与测试证据共同传给下一轮。[论文原文](https://arxiv.org/abs/2609.01481) · [项目页面](https://flesymeb.github.io/HarnessOfHarness/)
→ 9月4日 GPT-6 Astra 上线：63%、99.9% 与 Critical 同时改写了模型边界2026 年 9 月 3 日，OpenAI 发布 GPT-6 Astra，先向少量受限组织开放，并计划数日内扩展至 ChatGPT Plus、Pro、Business、Enterprise、API 与 AWS。它被定位为覆盖电脑操作、浏览器、软件工程、科研和专业工作的通用执行模型。API 标准价格为每百万输入 token 10 美元、输出 token 50 美元；模型文档标注 105 万 token 上下文和 12.8 万 token 最大输出。
→ 9月2日 Astra 越过“关键”网络门槛：前沿模型的发布单位，正从模型变成权限2026 年 9 月 1 日，OpenAI 宣布即将发布的 Astra 已达到 Preparedness Framework 中的 Critical cybersecurity capability，成为该公司首个正式进入这一等级的模型。
→ 9月1日 DeepSeek 开源 V4-Flash-Vision-Exp：开放的是行动入口，不是可靠性证明2026 年 8 月 31 日，DeepSeek 发布 V4 家族首个实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp。它以 V4-Flash-0731 为语言与 Agent 底座，加入视觉编码器和视觉—语言对齐模块并持续训练；模型权重、Tokenizer、OpenAI 风格消息编码及最小 PyTorch 推理实现均以 MIT License 开放。
→ 8月31日 Google 给 Agent 造了一本会自己修订的百科全书，9B 模型靠它反超了 27BWikiSkill 把经验分成三层。
→ 8月30日 Claude 跑通自动化对齐研究闭环，7 类任务超过人类基线2026 年 8 月 28 日，Anthropic 发布技术报告《Automated Researchers Can Reliably Mitigate Alignment Failures》。截至 8 月 31 日，报告尚未见正式同行评审记录。研究团队让 Claude 充当自动化对齐研究员：阅读论文、提出方法、生成训练数据、编写训练代码、微调模型、提交评测，再依据结果继续迭代。它完成的不是一次问答或头脑风暴，而是一条从文献到新模型权重的实验链。
→ 8月29日 Prefix Sliding：长思考不必背着全部历史，但「忘掉中间」不是免费午餐2026 年 8 月 26 日，斯坦福大学、加州大学圣塔芭芭拉分校、华盛顿大学和 Prime Intellect 的 18 位研究者提交论文《Prefix Sliding for efficient test-time scaling》并公开代码。它要解决的问题很直接：自回归模型每生成一个新 token，通常都要保留此前整条推理轨迹的 Key-Value Cache（KV Cache），并读取越来越长的历史。模型想得越久，显存占用和单步注意力成本越高。
→ 8月28日 英伟达 129 亿美元收购 Hugging Face：把芯片护城河修到开源模型的分发层129亿美元成交价较Hugging Face 2023年45亿美元估值溢价约2.9倍，约为其1.5亿美元年化收入的80余倍，英伟达买的是开源模型分发入口而非仓库本身。Hugging Face 2026年上半年付费订阅用户翻倍，年化收入从约1亿美元增至1.5亿美元以上，CEO称公司已接近盈利。平台还帮助开发者针对不同硬件做优化，并提供云服务供给推理算力，几乎站在开源模型商业化的咽喉位置。英伟达管理层认为繁荣的开源模型生态是保住AI硬件霸权的关键，收购Hugging Face可让开源力量成为对抗闭源阵营自研芯片的缓冲层。
→