今天 AI 圈的热闹不在聊天框,在＂模型怎么动手＂

标题备选

1.今天 AI 圈的热闹不在聊天框，在"模型怎么动手"

2.一天四件事，都在让 AI 伸手去够物理世界

3.9B 模型答对了"左数第二个银盒子"，机器人这仗换了打法

4.宇树把"大脑"开源了，紫东太初连数据管线一起交出来

5.会推理不等于会拧瓶盖：今天两份报告说的是同一件事

导语

先说两组摆在一起有点反差的数字。

一边是 90 亿。紫东太初今天开源的 ZDTaichu5.0-9B，参数只有约 9B，在九项国际空间理解基准里拿下八项同组第一，三维推演基准 MindCube-tiny 拿到 78.27 分，比 Qwen3.5-9B 高 20 个点还多。

另一边是 26%。同一周公开的一份研究报告里，GPT-6 Astra 直接控制机器人做双臂操作任务，独立决策的成功率是 26%；给它配一个会干活的"肌肉"模型当搭档，成功率才到 48%。

一个小模型能把空间题做对，前沿大模型独自上阵却拧不好瓶盖。这两件事摆一起，就是今天 AI 圈真正在讨论的问题：模型一直在变聪明，但它到底什么时候能干活？

今天值得看的四件事，都在往同一个方向使劲。

今日速览

·云知声发布新一代高密度智能模型 U2-Flash（9月15日）：MoE 架构，总参数约 266B、单次推理激活约 10B，首字响应平均 3 秒内，峰值吞吐最高 300 Tokens/s；官方称 DeepSWE v1.1 得 64.6 分，SWE-Bench Pro 61.6 分、较前代提升 10.5 分。（来源：港交所自愿性公告）

·OpenAI 的 Agents API 进入公测（9月10日）：把 Codex 的编排框架做成托管服务，开发者不用自己搭长任务智能体的调度层，OpenAI 负责会话、上下文压缩和故障恢复，不额外收平台费。（来源：The Agent Times）

·OpenAI 给 GPT-6 Astra 出了质量复盘，并全额重置用量（9月12日）：确认三个问题——旧 Skills 过度触发、上下文管理实验的 bug 影响约 4000 到 5000 名用户、部分服务引擎配置不当；9 月 12 日到 13 日零点做了全量用量重置。同期 ChatGPT Pro 新订阅因容量问题暂停。（来源：Big Hat Group Codex 周报）

·OpenClaw 八天连发四个稳定版（9月3日至11日）：版本号 2026.9.1 到 2026.9.4，累计吸收三千多个 PR；要留意 2026.9.3 的破坏性变更——Node 必须升到 24.16.0 以上，否则会出现 SQLite 文本截断。（来源：Big Hat Group OpenClaw 周报）

·第一个 MCP 相关漏洞进了 CISA 的"已被利用漏洞"清单：编号 CVE-2026-59822。同期 MCP 的 SDK 下载量达到 9700 万次，并已由 Linux 基金会托管。（来源：Big Hat Group OpenClaw 周报）

·Nous Research 给 Hermes Desktop 加了一键本地模型配置：应用自己检测硬件、挑最合适的模型版本、下载、配好运行时，全程一次点击，走引导流程或设置里的 Providers 都能触发。该仓库在 9 月 11 日已有 24.4 万以上 star。（来源：HeadsUpAI 月度汇总、Hermes Atlas 手册）

·AWS SageMaker JumpStart 一天上新七个模型（9月15日）：包括 Gemma 4 31B 助手版及其 NVFP4 量化版（显存降到约 18.5GB、减少 68%，速度快约 2.5 倍，保留 97% 到 99% 的原始质量）、Qwen3.6-35B-A3B 的 NVFP4 版、Ministral 3 的 3B 与 8B 版本，以及 1.3B 的文生视频模型 Wan2.1-T2V。（来源：my2cents.ai 的 AWS 更新汇总）

·燧原科技登陆科创板，国产 GPU"四小龙"齐聚资本市场（9月11日）：发行价 142.18 元，收盘 397.00 元，市值超 1700 亿元。同期中国信通院数据显示，2026 年一季度国内 AI 算力需求同比增长 417%，而供给增速为 128%。（来源：中银国际证券 TMT 行业周报）

重点解读

1. 紫东太初开源 ZDTaichu5.0-9B：90 亿参数，专治"机器人换个地方就不认路"

发生了什么。 9月15日，紫东太初正式开源新一代面向物理世界的通用多模态大模型 ZDTaichu5.0-9B，参数量约 9B，支持单图、多图、长序列视频和任意分辨率视觉输入。官方公布的九项国际空间理解基准里，它拿下八项同参数组别第一。具体分数：三维推演基准 MindCube-tiny 78.27 分，比 Qwen3.5-9B 高 20.67 个百分点，比 STEP3-VL-10B 高 15.46 个百分点；跨视角基准 ViewSpatial 62.5 分，对照的 Qwen3.5-9B 是 48.20、STEP3-VL-10B 是 46.14；具身交互基准 ERQA 48 分、RoboSpatial 56 分。通用能力没有被牺牲：AI2D 91.48、OCRBench 85.5、IFEval 93.7、AIME2026 89.2、LiveCodeBench v6 73.4。

比分数更值得看的是两件事。第一，它内置了一套"自适应循环推理"机制，跑在模型前向传播内部——碰到空间变换、物体关系判别这类高不确定性的判断，模型在内部多迭代几轮，而不是靠往外吐思维链一步步来。第二，它不只开权重，连整套数据生产方案也公开了，从哈希与 URL 双重去重、画质过滤、重描述，到三维能力打标签、思维链合成、一致性校验的完整工艺都给了出来。官方称已在科研自动化和智能制造场景做过端到端验证。

为什么重要。 多模态模型这两年主要在"看懂图片"这条赛道上跑分，但在真实物理场景里最要命的不是看懂，而是机器人一移动、机位一变，空间参照系就全乱了。紫东太初这次把火力集中到几个长期被绕开的问题上：实例身份的持续跟踪、跨视角参照系转换、长时序任务状态维护。更关键的是公开数据管线这个动作——它解决的是另一个层面的痛点：很多企业拿到了开源权重，却不知道怎么把自己的车间数据、仿真数据变成能用的训练样本。

对普通用户、创作者、开发者意味着什么。 普通用户短期感受不到，这类模型不直接面向聊天。创作者能用上的是它的长序列视频理解和任意分辨率输入能力。开发者这边最实在：一个 9B 模型单卡就能推理，还附赠一份可以直接改造的数据流水线，做工业质检、科研自动化、机器人上层规划的团队，能省掉最耗人的那一段摸索期。

局限与待验证。 一是所有分数都是官方自报，且"第一"的限定条件是"10B 参数以内、同参数组别"，跨组比不了更大的模型。二是没有看到论文或独立复现，第三方榜单也还没收录。三是官方自己说明了，复杂长程的具身任务仍然要靠外部任务循环接住，模型只负责高层判断，底层导航、抓取、开合由外部控制器完成，它不是一套完整的机器人系统。四是"与业界推测的 GPT-6 Astra 采用同类循环结构、技术前瞻性高度一致"这个说法，官方原话也承认具体实现存在差异，别理解成同一套东西。

2. 智象 HD-V1：这次的视频模型想先搞懂重力

发生了什么。 9月15日下午，智象未来（HiDream.ai）发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0（简称 HD-V1），支持文本、图片、视频等多种输入，一键直出 5 到 20 秒的 1080p 视频。发布同期，它在 Artificial Analysis 的 Image to Video Leaderboard（含音频）上排全球第四，在 Arena.ai 的图生视频盲测里排第八。同一天公司宣布完成 C+ 轮融资，投资方为新微资本、交子资本、工银资本。

路线上的关键差异有两点。一是音画在同一个生成过程里互相约束——画面运动牵引声音节奏，台词和音效反过来影响镜头情绪，而不是"先逐帧出画面、再后期配音"。二是把重力、碰撞、惯性这些物理规律写进了生成逻辑；时长也不再按提示词固定填充，而是交给模型按叙事节奏自己规划。

为什么重要。 视频生成这两年拼的是清晰度和时长，现在开始拼"物理上说不说得通"。这个转向不只智象一家：同一批新闻里，宇树在真机上验证 2500 小时的操作数据，紫东太初专注空间参照系，补的都是同一件事——模型脑子里有没有一个自洽的世界。智象的产品线也是这个逻辑，同一套架构下已经铺了图像、世界模型、具身世界模型几条，公司自己的说法是"一个底座、四个模型同源演进"。这套打法能不能真省成本，还要看后续。

对普通用户、创作者、开发者意味着什么。 普通用户最直接的收益是音画同步，过去 AI 视频最容易露馅的地方就是嘴型和音效对不上。创作者这边，"时长由模型按叙事节奏自己定"其实挺实用，做 15 秒短片不用再为凑时长硬塞镜头。开发者该关注的是它多模态输入的稳定性和物理约束是否可复现，以及 API 什么时候开。

局限与待验证。 一是两张榜单的名次是厂商引用第三方榜单的结果，Artificial Analysis 与 Arena.ai 的具体评测配置未完全公开，名次能参考，不宜当作绝对能力证明。二是第四和第八这两个数字本身也说明它还没进第一梯队头部。三是公开信息里没有开源、没有 API 时间表、也没有定价，普通人今天用不上。四是"首个原生全模态世界模型体系已成型"是公司自己的表述，四个模型是否真的同源共用底座，目前缺少第三方拆解。

3. 宇树把"大脑"完全开源：一个 6B 模型统筹 64 件家务

发生了什么。 9月10日，宇树科技宣布完全开源新一代通用人形机器人基座模型 UnifoLM-WLA-1.0，代码、模型权重、数据集同步放上 Hugging Face 与 GitHub（项目页在 unigen-x.github.io，仓库是 unitreerobotics/unifolm-wla）。模型 6B 参数，基于约 2500 小时真机数据训练，在宇树 G1 上以单模型完成 64 项任务：54 项桌面精细操作（叠毛巾、收纳餐盘、电池充电、整理厨房浴室）加 10 项全身移动操作（倒垃圾、把衣服放进洗衣机、铺床、取蔬菜）。

架构分三层。底层是 UnifoLM-ER-1-4B，负责多模态空间理解和推理；中间是 ER-Flow，动手之前先预测场景哪些地方会变；最上层是 MMDiT 动作专家，把决策解码成 106 毫秒级的高频电机指令。两个容易忽略的细节：一是不绑定末端执行器，平行夹爪和两类灵巧手装哪种都能跑；二是官方称在 RefSpatial-Bench、Where2Place、EGO-PLAN2 等多项开源评测里拿了第一，其中 Where2Place 比 GPT-6 Astra 高 13 分。宇树核心零部件自研率超 90%，G1 售价不到 3 万美元，累计生产已超 18000 台。

为什么重要。 人形机器人的瓶颈早就不是会不会走路——宇树自己就量产了上万台，但大多还困在实验室里，能表演不能干活。真正卡住的是软件：过去每换一个任务要单独训一个模型，换个夹爪就得重新采一遍数据。这次把桌面操作、全身移动、跨末端执行器统一进同一套权重，还完全开源，等于把中小机器人公司的入场门槛拉低了一大截。

对普通用户、创作者、开发者意味着什么。 普通用户大概还要等几年，但"机器人店员""机器人保洁"这类场景的成本曲线会先动。创作者可以关注它放出的动作数据集，2500 小时真机数据是很好的素材。开发者是最大受益方：权重、代码、数据都放出来了，有硬件条件的团队可以直接在同一套基座上做垂直应用，不用从头开始。

局限与待验证。 一是成绩属厂商自报，多项"第一"限定在开源模型范围内，评测配置未完全公开。二是部分媒体转述的"空间能力超过 GPT-6"这类说法偏夸张，官方数据是 Where2Place 高 13 分、EmbSpatial 高 5.6 分，跟"全面超过"不是一回事。三是没有机器人本体的开发者拿到权重也验证不了真实操作效果，仿真和真机之间那道坎还在。四是完整的 6B 系统与后训练代码属于"陆续开放"，目前放出的主要是约 4B 的感知推理与动作建模部分。

4. 推理强就等于动作稳吗？今天这组数字说"不"

发生了什么。 一份题为《GPT 6 Astra as an Embodied Policy》的研究报告，把 GPT-6 Astra 放进机器人操作任务做了两轮对照测试。第一轮是 RoboDojo 仿真上的十项双臂操作任务，每个任务跑五次。两种架构对比：让 Astra 直接输出末端执行器指令的"独立控制"，成功率 26%、平均分 37.81；让已经会干活的策略模型 π0.5 先给出候选动作、再由 Astra 在每个决策点审核并决定沿用还是修正的"混合方案"，成功率 48%、平均分 62.60。混合方案里 Astra 实际只改掉了 14.4% 的控制步，其余 85.6% 直接用了 π0.5 的动作，累计 token 从约 11.3 亿降到约 6.25 亿，少了 44.8%。第二轮换到单臂 Franka 的 RoboLab 基准上，结果反了过来：Astra 独立控制拿到 49/50（98%），混合方案 92%，而 π0.5 单独上只有 36%。报告作者为 Yu-Mool Shu 和 Lipxin Zheng，目前公开的是匿名版本。

有意思的是外部还有一组完全不同的数字。机器人基准评测机构 Robocurve 的创始人 Jay Chui 在 9 月 5 日给出：Astra 在机器人控制任务上拿到 95%，Anthropic 的 Fable 5.1 是 40%，同时 Astra 输出 token 少 6.2 倍、成本低 2.3 倍。加州大学伯克利分校的机器人学者 Ken Goldberg 则在 9 月 11 日的 K-AI Tech Week 上表态：Astra 在"智能体式机器人"方向看起来非常强，他希望机器人领域也能等来自己的 ChatGPT 时刻。不过他补了一句更冷静的话——纯靠数据学习的方法，成功率往往卡在 80% 左右，到不了工业要的 95% 到 99%，所以数据驱动和数学建模得一起上。

为什么重要。 这组数字回答的是大模型进物理世界最核心的疑问：会推理，是不是就会干活？看起来是"不完全"。在 RoboDojo 那十个任务里，Astra 犯的错不是理解错了目标，而是抓取不稳、碰到容器边缘、在动作段内滑落却没及时察觉。它能说出一套漂亮的方案，但把方案稳定地做出来是另一回事。反过来在 RoboLab 那些语义要求明确的抓放任务上，Astra 靠空间判断和反馈调整直接拿到 98%。结论挺清楚：任务越依赖"想清楚"，大模型越占优；越依赖手感，就越需要专门的动作先验。（这是观点，不是事实）

对普通用户、创作者、开发者意味着什么。 普通用户可以把"机器人马上进家庭"的预期往后放一放。创作者若拿到这类数据，其实是个不错的选题素材——那些失败案例比成功案例更好看。开发者最该记的是"混合优于单打"这条经验：给大模型配一个动作先验，往往比逼它从零生成底层动作更划算，还能省下四成多的 token。

局限与待验证。 一是报告目前是匿名版本，作者机构与同行评审状态都不明确，数据要打折看。二是 95% 和 26% 差距极大，口径不同——Robocurve 用的是它自己的控制任务评测，这份报告用的是 RoboDojo 十项双臂任务，两者不能直接比，别拿单一数字下结论。三是两轮测试的结论互相矛盾（RoboDojo 上混合方案赢、RoboLab 上独立控制赢），报告自己的解释是任务构成和学生策略的适配程度不同，解释合理但仍是推测。四是延迟问题没有解决，报告明确说真实世界没有暂停键，混合方案提升了成功率，实时部署仍卡在延迟上。五是部分第三方转载用了"碾压式领先"这类措辞，建议以报告原文为准。

结尾

今天这四件事串起来看，其实是同一个问题的四个侧面：模型在数字世界里的能力已经溢出，真正的稀缺品是"把能力落到物理动作上"的那一环。谁先把这一环做便宜、做开源、做能复现，谁就拿到下一轮的入场券。

表格一：今天这些东西，你什么时候能上手

表格二：如果今天只有 10 分钟

按这个顺序看：

·先看第 4 条。 它用一组对照实验讲清了一件事：大模型的推理能力不等于机器人的动手能力。这个判断对接下来半年所有"具身智能"新闻都适用。（这是观点，不是事实）

·再看第 1 条。 90 亿参数的模型能在空间题上压过更大的对手，说明这条赛道的竞争重点已经从"参数堆多少"挪到了"数据怎么造"；紫东太初把数据管线一起开源，比单开权重更难也更值钱。（这是观点，不是事实）

·还有时间就翻第 3 条的架构。 三层拆得很清楚——感知推理、动态预测、动作解码各管一段，这是目前开源人形机器人方案里少见的一份把"看得懂、想得清、动得准"分开讲明白的设计。

关掉页面前记一件事：今天所有让人兴奋的分数，基本都来自厂商自报或匿名报告，还没有独立第三方复现。等到年底再回看谁的数字还在。

来源

·云知声自愿性公告（港交所，2026-09-15）：https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0915/2026091500090_c.pdf

·云知声早盘涨超 7% 公司发布新一代高密度智能模型 U2-Flash（新浪财经，2026-09-15）：https://finance.sina.com.cn/stock/hkstock/marketalerts/2026-09-15/doc-inirwmwe3669552.shtml

·紫东太初开源通用多模态大模型 ZDTaichu5.0-9B（界面新闻，2026-09-15）：https://k.sina.com.cn/article_5953189932_162d6782c06704y90c.html

·紫东太初开源 ZDTaichu5.0-9B（第一财经，2026-09-15）：https://finance.eastmoney.com/a/202609153874673433.html

·紫东太初开源 ZDTaichu5.0-9B：10B 参数内空间具身能力领跑的通用多模态大模型（财联社，2026-09-15）：https://www.cls.cn/detail/2483647

·智象发布首款物理规律导向视频模型（36氪，2026-09-15）：https://36kr.com/newsflashes/3984369793022726

·智象宣布获 C+ 轮融资，同步发布"HD-V1"全模态视频生成模型（新浪科技，2026-09-15）：https://www.toutiao.com/article/7685675578493518387/

·智象未来发布全模态视频模型 HD-V1·图生视频榜单全球第四（观点网，2026-09-15）：https://www.guandian.hk/article/20260915/601891.html

·Unitree Open-Sources UnifoLM-WLA-1.0 Humanoid Foundation Model（RoboticFirms）：https://www.roboticfirms.com/article/unitree-open-sources-unifolm-wla-1-0-humanoid-foundation-model

·宇树机器人，终于长脑子了！（与非网）：https://www.eefocus.com/article/2087311.html

·宇树把"大脑"开源，零售业离"机器人店员"还差几步（零售前沿社，2026-09-15）：https://www.163.com/dy/article/L6S31VRK0511MKLQ.html

·UnifoLM-WLA-1.0 项目页与仓库（宇树）：https://unigen-x.github.io/unifolm-wla.github.io/ ｜ https://github.com/unitreerobotics/unifolm-wla

·GPT 6 Astra as an Embodied Policy（Papers with Code 收录条目）：https://paperswithcode.co/paper/114186

·New GPT-6 Astra Policy Annihilates Robot Manipulation Benchmark（RoboHorizon，2026-09）：https://robohorizon.uk/en-gb/news/2026/09/new-gpt-6-astra-policy-annihilates-robot-manipulation-benchmark

·Robotics Awaits Its ChatGPT Moment, Berkeley Expert Says（Seoul Economic Daily，2026-09-15）：https://en.sedaily.com/international/2026/09/15/robotics-awaits-its-chatgpt-moment-berkeley-expert-says

·OpenAI Exposes Codex Agent Harness as Public API for Autonomous Workflows（The Agent Times，2026-09-11）：https://theagenttimes.com/agents/article/openai-exposes-codex-agent-harness-as-public-api-for-autonom-d1e1a0a9

·Codex Weekly: Astra Bugs, Agents API Beta, CLI Worktrees（Big Hat Group，2026-09-14）：https://www.bighatgroup.com/blog/codex-weekly-2026-09-14

·OpenClaw Weekly: Four Releases, OpenAI Agents API, MCP Security（Big Hat Group，2026-09-14）：https://www.bighatgroup.com/blog/openclaw-weekly-2026-09-14

·Hermes Agent v0.21.2：The Complete Beginner's Guide（Hermes Atlas，2026-09）：https://hermesatlas.com/guide/

·Biggest AI News This Month (September 2026)（HeadsUpAI）：https://headsupai.io/ai-news-and-updates/this-month

·AWS AI Updates: September 15, 2026（my2cents.ai，2026-09-15）：https://www.my2cents.ai/news/2026-09-15-aws

·TMT 行业周报：新模型密集发布，国产算力供给紧俏（中银国际证券，2026-09-15）：https://pdf.dfcfw.com/pdf/H3_AP202609151829393134_1.pdf

说明：本文事实部分均来自上列公开来源，数字与时间以原始公告、官方发布页与权威媒体为准；"厂商自报""官方称""待验证"等标注，表示该信息尚未获得独立第三方确认。文中标明"这是观点，不是事实"的句子属于作者判断，不构成任何投资建议。部分条目发布于 12 小时窗口之外但仍在 24 小时内，已在正文中逐条标注日期。