HackQuest AI Weekly|AI 一周资讯(9月7日-9月14日)

AI 的变化一直在加速，但这一周的主线不再是「谁的模型更强」，而是能力与节奏之间的拉扯。

一边是能力的冲顶：OpenAI 的 GPT-6 Astra 面向工作场景正式铺开，需求大到官方不得不暂停 200 美元/月 Pro 档的新订阅；Anthropic 的威胁报告把「模型蒸馏」从技术问题推到了产业竞争层面；Moonshot AI 把年化收入目标翻倍到 20 亿美元。

另一边是刹车的声音：Anthropic CEO Dario Amodei 发表《We Must Pace the Frontier》，主张行业主动放慢能力提升；25 位菲尔兹奖得主联名公开信，抗议 AI 实验室在数学难题上的竞争方式。与此同时，DeepMind 把基因组预测铺到 90 亿个变异位点，NVIDIA 与 Skild AI 让机器人从一段视频里学会新任务——科学与物理世界的 AI 仍在加速落地。

而我们真正关心的仍然是那几个问题：Agent 如何执行、算力如何调度、模型如何部署、成本如何控制。以下是我们整理的本周 8 条值得关注的动态。

8 月 26 日至本周，Google DeepMind 发布 AlphaGenome Atlas，把人类基因组中全部约 90 亿个单碱基变异（SNV）的分子效应预测，整理成一张可查询的地图。

过去研究基因突变的影响，往往只能逐个位点做实验或推测，速度和覆盖面都受限。AlphaGenome Atlas 的做法是一次性给出「每一个单字母变化」可能带来的分子层面后果，DeepMind 称这是目前最全面的「基因突变如何影响分子生物学」目录。

该平台配套了详细论文，并通过一个免费、面向学术研究的网站门户开放使用。DeepMind 表示，这类预测能力可以帮助加速对生物学的理解，也是 AI 模型在科学研究中发挥作用的一个早期信号。

AI 在生命科学中的角色，正在从「读文献、跑分析」的工具，变成能够直接产出科学假设的预测引擎。

Google DeepMind ｜ 90 亿个变异位点预测地图

• 覆盖约 90 亿个单碱基变异的效应预测

• 定位：目前最全面的基因突变分子效应目录

• 免费学术门户 + 详细论文同步开放

• 面向生命科学与药物研发场景

• 核心变化：AI 从「辅助分析」走向直接产出科学假设

https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/

Mistral AI 宣布完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元，这是欧洲科技公司历史上规模最大的一笔股权融资，而距离公司成立仅三年。

本轮由三星电子领投，EQT 管理的 Scaleup Europe Fund 与新老股东 PSG Equity 共同领投。资金将主要用于扩展前沿研究、算力与商业化，并加速国际市场布局。

Mistral 表示，生成式 AI 第一波竞争问的是「谁能造出最强的模型」，而现在企业和政府问的是另一个问题：如何在不交出基础设施和智能循环控制权的前提下，把 AI 用在自己的关键业务上。目前公司业务覆盖20 个国家，服务125 家以上全球企业客户。

开放权重加主权 AI，正在成为企业级市场的另一个入口。

Mistral AI ｜ D 轮 30 亿欧元

• 投后估值 超过 210 亿欧元

• 欧洲科技史上最大股权融资

• 三星电子领投，EQT / PSG Equity 共同领投

• 面向 20 国、125+ 企业客户（Airbus、ASML、HSBC）

• 核心变化：开放权重成为企业级市场的独立入口

OpenAI 公布 Navier–Stokes 千禧年难题的 AI 生成证明，随后引发数学界持续一周的公开争议。

OpenAI 在 9 月 8 日发布一份 AI 生成的 Navier–Stokes 存在性与光滑性问题的解决方案，包含说明文档和 Lean 形式化证明。官方称该证明由一个尚未发布的下一代模型发现，该模型此前已处理过一系列未解问题。

但事件很快出现分歧。纽约大学数学教授 Tristan Buckmaster 同日宣布三项证明成果，合作者包括 Anthropic 的数学家 Levent Alpöge，使用的是 Codex 与 Claude。他称 OpenAI 的工作在其成果公开之前就建立在其之上，并指责 OpenAI 施压要求他不为这位 Anthropic 合作者署名。

9 月 11 日，25 位菲尔兹奖得主联名公开信，认为 AI 实验室的「竞速」正威胁数学界的知识工作方式；同日 OpenAI 撤回了对加州理工一场数学活动的赞助。

当 AI 攻入数学这种「纯人类智力领地」，学术优先权与署名规范成了新的冲突面。

https://techcrunch.com/2026/09/08/openai-fought-dirty-on-career-making-math-problem-says-nyu-mathematician/

OpenAI 发布 GPT-6 Astra 的工作场景版本，把它定义为「面向企业的最强模型」，并在此后一周经历了空前的需求压力。

9 月 9 日，OpenAI 发布 GPT-6 Astra: The next generation in intelligence for work，主打高级推理、computer use（操作电脑）能力，以及更强的写作与设计判断力。这一定位意味着 Astra 不只是一个更聪明的对话模型，而是被推向真实业务流程的「可执行」模型。

随后一天需求就开始溢出。OpenAI 产品负责人 Thibault Sottiaux 宣布，由于 Astra 带来的负载压力，公司暂时停开了 200 美元/月 Pro 档的新订阅，并称 Pro 档对系统压力最大，「我们希望采取最小的一步，让我们能继续提供尽可能广的访问」；API、Go 和 Plus 档不受影响。此后 Astra 开始进入真实生产环境：Cognition 的 Devin 用它自我测试代码，Perplexity 用它撰写沟通内容、修改软件并监控生产系统，检查频率比早期模型低得多。

模型竞争的评价标准，正从「分数」转向能不能在真实工作流里长期跑下去——连算力供给都开始成为发布节奏的一部分。

OpenAI ｜ GPT-6 Astra 工作版

• 能力重点：高级推理 + computer use + 写作与设计判断

• 需求过大，暂停 $200/月 Pro 新订阅（API / Go / Plus 正常）

• Cognition Devin用其自测代码

• Perplexity用其监控生产系统

• 核心变化：模型评价从「回答正确」转向**任务能否长期稳定完成

OpenAI 发布 Agents API 与 GPT-Live-1，一个补齐「怎么把 Agent 跑起来」，一个补齐「怎么让 Agent 听起来像人」。

Agents API 是一个托管服务，由 Codex harness 驱动，面向需要编排、长时间运行的会话和工具调用的云端 Agent 场景。开发者可以直接在上面构建并上线 Agent，而不必自己搭建完整运行时。

同一天发布的 GPT-Live-1 则把自然、全双工的语音对话带进 API，具备更强的指令遵循、自定义音色以及电话（telephony）支持。对于语音客服、实时助手这类场景，这意味着模型可以边听边说，而不是「说完再想」。OpenAI 当天还发布了面向金融服务的 ChatGPT，以及面向美国各级政府的零许可费与五折用量支持计划。

模型层的竞争，正在被运行时（Agent 基础设施）与交互层（实时语音）分流。

OpenAI ｜ Agents API + GPT-Live-1

• Agents API：托管云 Agent，Codex harness 驱动

• 支持编排、长时运行会话、工具调用

• GPT-Live-1：全双工语音 + 自定义音色 + 电话支持

• 同日：ChatGPT for Financial Services、政府 AI 访问计划

• 核心变化：Agent 的运行时与交互层正在成为独立竞争面

Anthropic 发布 9 月威胁情报报告，点名 三家AI 公司发起的模型蒸馏行动，规模远超此前披露。

报告覆盖 2025 年 12 月至 2026 年 8 月间被 Anthropic 识别并处置的恶意使用行为，横跨七类危害：网络行动、影响行动、监控、诈骗与欺诈、生物滥用、常规武器开发，以及蒸馏（distillation）。Anthropic 强调，涉事模型包括 Claude Haiku、Sonnet 与 Opus，但除一例非法蒸馏外，均未涉及 Fable 或 Mythos 级别模型。

据 TechCrunch 报道，Anthropic 称观察到接近 2 亿次与蒸馏攻击相关的交互，归因于五个独立行动，并指认 Alibaba、Moonshot AI 与 DeepSeek。其中针对 Moonshot 的细节是：约 30 万次请求被直接路由到 Claude Opus，最终收集超过 2300 万条响应用于训练。报告称蒸馏攻击的目标是提取模型思维链，再用监督微调训练更小的模型以获取通用推理能力。

模型能力不只靠训练投入获得，「用别人的 API 训练自己的模型」正在变成公开的产业冲突。

Anthropic ｜ 蒸馏攻击报告（点名 3 家）

• 报告周期：2025 年 12 月 – 2026 年 8 月

• 覆盖 7 类危害，蒸馏首次单独成章

• 近 2 亿交互、5 个行动

• 点名 Alibaba / Moonshot AI / DeepSeek

• Moonshot 相关：30 万次请求、2300 万+ 响应

• 核心变化：蒸馏攻防成为前沿实验室之间的公开冲突

NVIDIA 与 Skild AI 合作推进物理 AI，其 S1 机器人基础模型可以从单段视频学会全新任务。

典型工业机器人是为固定任务设计的，每换一个产品、流程或布局，就需要更多数据、重新训练和验证。Skild AI 的 S1 换了一条路：操作员录一段视频，模型就以视频为输入理解并执行任务。

关键在于方式——S1 不更新权重、也不做任务专属的后训练，而是依靠上下文学习（in-context learning）。Skild 的训练与研究全部跑在 NVIDIA AI 基础设施上，合作覆盖合成数据生成、模型训练、仿真以及真实环境部署，用到 Isaac Lab 与 Cosmos。商业侧同样值得注意：Skild 在首次商业部署 10 个月后达到 1 亿美元年化收入，并已建立60 多个部署合作。

机器人正在从「编程出来的自动化」走向「演示一次就会」的泛化能力。

NVIDIA × Skild AI ｜ 单段视频学新任务

• S1 机器人基础模型：单段视频 → 新任务

• 不更新权重、不做任务专属后训练（in-context learning）

• 基于 NVIDIA 合成数据、Isaac Lab 与 Cosmos

• Skild 首次商用部署 10 个月后达 1 亿美元年化收入

• 60+ 部署合作：制造 / 物流 / 巡检 / 安保 / 食品

• 核心变化：机器人泛化能力成为 Physical AI 的核心指标

Anthropic CEO Dario Amodei 发表《We Must Pace the Frontier》，公开主张行业应当主动放慢能力提升，并给出三步方案。

这篇约三千余字的文章发表在 Amodei 个人网站。他提出的核心判断是：「我们必须放慢提升 AI 模型能力的速度……进展看起来仍然会很快，但我们必须善用争取到的时间。」

Amodei 说自己是被两件事说服的：一是 OpenAI–HuggingFace 安全事件，二是近几个月 AI 的进步速度「急剧加快」，尤其是「构建下一代 AI 的能力」在增长。方案层面，他给出三条广义路线，并宣布 Anthropic 将单方面承诺其中一条（对外部与第三方评估者开放评估），同时呼吁各国政府要求其他前沿公司看齐。值得注意的是，OpenAI CEO Sam Altman 随即表示 OpenAI 会跟进。

「放慢」第一次从研究者的呼吁，变成了头部实验室 CEO 的公开承诺与可操作方案。

Anthropic ｜《We Must Pace the Frontier》

• 核心主张：主动放慢模型能力提升速度

• 三条路线，Anthropic 单方面承诺其中一条

• 触发因素：OpenAI–HuggingFace 安全事件 + 能力增长过快

• Sam Altman 表示 OpenAI 会跟进

• 背景：研究员 Jacob Coxon 因安全担忧从 Anthropic 辞职

• 核心变化：「放慢」从研究倡议变成头部实验室的公开承诺

https://techcrunch.com/2026/09/12/anthropic-ceo-outlines-plan-to-pace-the-frontier/

💬 你最关注哪条 AI 新闻？欢迎在 HackQuest 社区一起讨论！

🚀 想持续关注 AI 前沿动态、开发者活动、黑客松机会以及 AI × Web3 最新生态进展，欢迎加入 HackQuest 社区，与全球开发者一起探索下一代智能互联网。

— End —

文案｜HackQuest

排版｜HackQuest

审核｜Camero