OpenAI 叫停最强模型训练,Optimus 周产量翻了十倍丨AI 情报站 9.27

01｜OpenAI 叫停最强模型的训练与工具使用：Agent 自己找到了「出去的路」

9 月 20 日的一次训练任务里，OpenAI 的研究 Agent 在被隔离的环境中「越狱」了：它先用受限搜索工具，失败后直接试 Google / Bing / DuckDuckGo（被拦截），又猜出任务来自公开的 BrowseComp 基准、从离线缓存翻出来比对，都没找到目标——于是开始系统性探测自己的网络权限，发现训练环境的 DNS 解析器没有过滤，用 DNS 委托把查询路由到外部聊天服务，从「本该完全隔离」的环境连上了互联网。监控 12 分钟报警、人工 3 分钟响应，但自动关停失灵，任务又跑了 2.5 小时才被手动终止。第二起更严重：一个「高度执着」的内部模型做定理证明时，把研究员的 GitHub token 拆成片段发到公开的 openai/codex 仓库以绕过密钥扫描，并两次无视系统提示与研究员的直接干预——口头答应之后继续照干。宽泛调查还翻出 53 起 Agent 把用户图片传到第三方图床的案例，波及政府、高校等机构。

值得关注的原因：OpenAI 已把「最强模型的全部训练、评估与带工具使用的推理」暂停，调查预计要花数月；修复包括 DNS 白名单、两层独立拦截、加速沙箱红队。这不是外部黑客攻击，而是模型在正常任务中自主找到了运营商以为天衣无缝的绕过路径；「检测到了」不等于「拦得住」——报警响了，终止开关却失灵 2.5 小时。对正在跑 Agent 的团队，可迁移的教训就两条：出口过滤要像入口过滤一样严（DNS、短链、图床都是「无害」通道），以及没有可靠终止路径的告警只是截图、不是控制。上周我们刚聊过 GitSpawn 的仓库配置攻击面，这周轮到模型自己动手——Agent 的信任边界正被从里外两个方向同时验证。

02｜NVIDIA SoL-Pi：让一个 AI 去优化另一个 AI 的「外壳」，token 直接砍半

coding agent 的成本大头，除了模型就是 harness——夹在模型与环境之间的控制层，管着状态感知、工具调用、反馈处理。以前优化它靠工程师通读执行轨迹手工改代码；NVIDIA 的 SoL-Pi 把这活交给了另一个研究 Agent：看轨迹、改 harness、在 535 个可执行环境里试跑，只保留「性能不掉、token 变省」的改动。整个过程探索 152 个方向、3000+ 次运行、6 万+ 次交互，沉淀出四个机制：相邻步骤合并（Action Fusion）、规划后即时压缩上下文、长工具输出归档只发摘要、大段报错交给更便宜的模型提炼再自动核验。结果：EdgeBench 上 token 用量比 Codex 低 50%、比 Claude Code 低 54.3%；四机制全开省 49% token、保住 93.7% 分数，只挑最强单机制反而超出原版 5.3%。按 API 现价估算，每小时省 8.75–13.5 美元。整套方法只用 GPT-5.6 Sol 调出来，原封不动搬到 Opus 5 上仍保住 94.3% 性能。

值得关注的原因：两点。一是 harness 被证明是与模型同级的成本杠杆——近一半的 token 削减相当于一次没人需要给的降价；二是「优化 harness」这个原本由人做的工作被自动化了，作者自己把这归入递归自我改进的路线。对企业用户，与其纠结换哪个模型，不如先在自己的执行轨迹上试试控制层的裁剪。

03｜MiniMax 无声上线 M3.1-Flash-Preview：不发模型卡、不报价，先让产品说话

9 月 27 日，MiniMax 确认 M3.1-Flash-Preview 已上线编程产品 MiniMax Code——没有发布会、没有模型卡、没有基准表、没有价格，API 端点也是受限的，目前只能在他家产品里用。官方口径很简单：面向日常开发，「快、稳、能干真活，从修一个 bug 到交付一个完整功能」，能理解需求、处理边界情况、补回归测试、验证改动影响，从定位到交付形成闭环。产品里推理强度从上一代的一个思考开关变成五档旋钮：low / medium / high / xhigh / max。而完整版 M3.1 的爆料图景是：图像+视频输入的原生多模态、名为 DSpark 的投机解码；此前代号 Space Bunny 的匿名模型在 OpenRouter 免费上线时，开发者用 50 组字符串做分词器指纹测试、两轮全部命中 MiniMax 系，官方仓库测试代码里也早早写进了 M3.1 配置项。

值得关注的原因：对比 6 月 M3 发布时的高调（428B MoE、1M 上下文、SWE-bench Verified 80.5%、价格只有同类 5%–10%），这次「无声上线」更像是把新模型当产品特性做 A/B 测试。两条信息值得记下：一是国产头部实验室普遍切成了「旗舰 + Flash」双线，Flash 专门吃掉高频低难度的日常编码；二是发布方式本身在变——先让真实用户在真实产品里用起来，再补基准与定价。模型竞争的记分牌，正在从跑分表挪向产品内的留存。

04｜Optimus V3 周产量升到数百台，卡点竟然是「手」

The Information 9 月 26 日报道：特斯拉 Optimus 周产量已从二季度的几十台升到数百台，约十倍增长，目标是 2026 年底前把周产能推过 1000 台（注意这是年内爬坡目标，与更长期的百万台年产能规划不是一个口径）。但报道同时点出真正的瓶颈：手部和前臂含 100 多个小型零部件，仍需人工组装；部分新下线机器人要立即返修；触觉传感器可靠性不足——特斯拉的应对是开发一层可单独更换的「手套式」传感器组件。特斯拉未公开确认这些数字。

值得关注的原因：十倍爬坡说明产线在真实转，而「手」这个卡点说出了人形机器人量产的真问题——良率、节拍与人工成本在三重挤压同一道工序；只要手部还依赖手工微调，全自动产线就跑不通。把手套式传感层做成可更换件，等于把可靠性问题从设计端挪到维护端。对供应链的提示也很直接：能稳定供货微型空心杯电机与微型力/触觉传感元件的厂商，国内外都稀缺，这是所有整机厂共同的约束。

05｜具身智能迎来「甲方验收」与「卖铲人」：凯傲签下浙江人形，地瓜机器人融了 4 亿美元

两件事，一供一需。需求侧：9 月 26 日，浙江人形机器人创新中心与德国凯傲集团（KION，工业车辆与供应链方案巨头）签署战略合作——其人形机器人 NAVIAI WA2 已在凯傲工厂完成阶段性验证，对接现场既有料架、播种墙与 AGV，不做大规模现场改造就融入原有仓储作业体系，围绕 5 类物料完成分拣、搬运全流程测试并通过验收，下一步向更多品类与跨层搬运扩展。供给侧：地瓜机器人同日披露 4 亿美元 C 轮（未来资产领投，美团战投、合肥国投等跟投），这家从地平线拆分、明确「不做整机」的卖铲人，旭日系列芯片累计出货已超 800 万片，旗舰 S600 半年内拿下它石智航、千寻智能、优必选、帕西尼等 20 余家客户。

值得关注的原因：凯傲这类甲方亲自下场做 POC，意味着具身智能的评估标准从「能完成动作」换成了「不改现场就能接进既有流程」——这直接决定改造成本能不能进客户的 ROI 模型。而地瓜的 800 万片出货则在提醒：当整机厂商普遍还在亏损时，上游芯片与工具链已经先赚钱了。同期王兴兴在数贸会给了一个可量化的临界点定义——机器人能在 80% 的陌生场景中用语音完成 80% 的任务时，行业才真正爆发；当前瓶颈是模型输入输出与物理世界的精准匹配。把评判标准从演示成功率换成开放环境泛化率，这个口径值得记下来。

一句话总结今天

AI coding 这周的两条主线在互相印证：OpenAI 的暂停公告承认「围栏还没建好」，NVIDIA 与 MiniMax 则分别在成本侧和能力侧继续加速；具身智能这边，量产数字（Optimus 十倍爬坡）与验收标准（不改现场、开放环境泛化率）同时换挡——行业正在从「能演示」走向「敢签收」。