AI 早报 2026-09-29

今日速览

• NVIDIA 用软件沙箱与硬件监控约束 AI 智能体 #1
• FireRouter 在内部测试中将编码会话成本降低 57% #2
• GitHub 安全团队用 AI 任务流发现 24 个 Android 漏洞 #3
• Claude Sonnet 5.5 在 Artificial Analysis 指数得分 56 #4
• GPT-6 Luna (Max) 进入 Agent Arena 第 23 名 #5
• xAI 推出可由团队共享的 Grok Team Bots #6
• World Labs 签约加入 AMD，李飞飞将出任首席科学家 #7
• 消息称 OpenAI 取消 GPT‑6.1 Astra 发布计划 #8
• H Company 发布 Holo4 智能体模型系列 #9
• Claude Opus 5.5 (High) 进入 Agent Arena 第 2 名 #10

今日重点

（NVIDIA 技术博客，产品发布）

NVIDIA 发布 Open Agent Safety Platform：开源运行时 OpenShell（Apache 2.0）将智能体放进隔离沙箱，并按可验证策略限制其文件、网络、工具、进程和凭据访问。

可选的 Sentry 层通过 BlueField DPU 和 DOCA，在宿主机之外监控智能体行为并执行安全策略。NVIDIA 称方案针对 Vera CPU 与 BlueField 系统优化，同时兼容其他硬件。这是一套参考架构，具体保护效果仍取决于部署方式与策略设置。

来源：NVIDIA 技术博客［1］

值得关注

（Fireworks AI 发布说明，产品发布）

Fireworks AI 发布 FireRouter with Opus，可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 间按任务与缓存成本路由。

Fireworks 称，在一个多月的内部 A/B 测试里，路由方案的编码任务准确率为单用 Opus 的 98.1%，每次会话平均成本从 15.36 美元降至 6.63 美元，降幅 57%。这些是厂商内部工作负载数据，实际节省取决于任务结构。

来源：Fireworks AI 发布说明［2］

（GitHub Security Lab，技巧与观点）

GitHub Security Lab 称，研究人员使用开源 Taskflow Agent，把 Android 应用审计拆成入口收集、行为分类和漏洞验证等任务，迄今发现并报告 24 个漏洞。文章展示了 OsmAnd 等应用中的案例，也提醒 AI 审计会产生误报，仍需研究人员验证。

运行这套任务流需要 GitHub Copilot 许可，并会消耗高级模型请求。

来源：GitHub Security Lab［3］

（Artificial Analysis 测评，模型发布）

Artificial Analysis 测得，Claude Sonnet 5.5 在最高推理档的智能指数得分为 56，比 Opus 5.5 低两分，较 Sonnet 5 高 18 分。它的每任务输出 Token 用量也显著增加；评测机构估算，该档位的任务成本约为 7.60 美元。

比较模型时，需要把推理档位和总成本一起看。Arena 也已将 Sonnet 5.5 纳入 Agent Arena。

来源：Artificial Analysis 测评［4］

快讯

（Arena 公告，模型发布）

Arena 公布的新一轮智能体评测中，GPT-6 Luna (Max) 排名第 23。Arena 称结果来自约 8000 次真实智能体会话，模型相对平均水平的净提升为 1.6%，每任务中位成本约 0.05 美元。这是特定评测设置下的成本与排名，不等同于所有使用场景的表现。

来源：Arena 公告［5］

（xAI 发布说明，产品发布）

xAI 发布 Team Bots 公开测试版，面向 Teams 和 Enterprise 用户。团队可围绕共同角色或工作流设置一个 Bot，连接文件、应用、凭据和记忆，并在 Slack 频道与它协作。xAI 表示，共享 Bot 的个人对话与记忆仍分别保留；团队成员可以共用技能和工作上下文。

来源：xAI 发布说明［6］

（World Labs 公告，行业动态）

World Labs 宣布已签署加入 AMD 的最终协议。按公告，李飞飞将出任 AMD 执行副总裁兼首席科学家，Justin Johnson 和 Ben Mildenhall 将继续参与领导 World Labs 团队。双方此前已合作优化世界模型在 AMD GPU 上的训练与推理。

交易预计在 2026 年底前完成，仍须满足监管审批等条件。

来源：World Labs 公告［7］

（IT之家转述华尔街日报，行业动态）

据《华尔街日报》报道，OpenAI 因内部对齐测试未达标准，取消原计划在 10 月发布的 GPT‑6.1 Astra。报道援引 OpenAI 安全负责人称，该模型在诚实报告任务进展和权限范围控制方面表现不稳定。

OpenAI 尚未在其官方发布渠道公布这一取消决定；目前应把它视为媒体报道，而非已上线产品变动。

来源：IT之家转述华尔街日报［8］

（H Company 发布文章，模型发布）

H Company 发布 Holo4-27B 稠密模型和 Holo4-35B-A3B 混合专家模型，两者均面向跨图形界面、代码与 API 的计算机操作任务，已通过 H Models API 提供，并开放不同精度的模型权重。

公司同时推出基于 Nemotron 3 Nano Omni 后训练的 Holotron4 Nano。其性能数字主要来自厂商公布的评测，选型前仍应在自己的任务上测试。

来源：H Company 发布文章［9］

（Arena 公告，模型发布）

Arena 公布，Claude Opus 5.5 (High) 在 Agent Arena 排名第 2，净提升分为 12.15%，每任务中位成本约 1.31 美元。按 Arena 的同一口径，它比 Opus 5 (High) 低 40%，比 Opus 5 (Max) 低 56%。

榜单和价格会随评测样本、模型版本与使用方式变化。

来源：Arena 公告［10］

参考来源与配图说明

• NVIDIA、Fireworks AI、GitHub、xAI、World Labs 和 H Company 的正文图片取自各自的来源页面，用于说明产品架构、审计示例或发布主题；图中的演示和厂商测试数据不代表本账号独立实测。
• Arena 排名和 Artificial Analysis 指数均为对应机构在其评测设置下公布的结果。
• ［1］NVIDIA 用软件沙箱与硬件监控约束 AI 智能体 · NVIDIA 技术博客：https://developer.nvidia.com/blog/nvidia-open-agent-safety-platform-a-reference-for-continuous-in-silicon-agent-monitoring/
• ［2］FireRouter 在内部测试中将编码会话成本降低 57% · Fireworks AI 发布说明：https://fireworks.ai/blog/introducing-firerouter-with-opus
• ［3］GitHub 安全团队用 AI 任务流发现 24 个 Android 漏洞 · GitHub Security Lab：https://github.blog/security/how-we-found-24-android-vulnerabilities-using-our-open-source-ai-security-agent/
• ［4］Claude Sonnet 5.5 在 Artificial Analysis 指数得分 56 · Artificial Analysis 测评：https://artificialanalysis.ai/articles/claude-sonnet-5-5
• ［5］GPT-6 Luna (Max) 进入 Agent Arena 第 23 名 · Arena 公告：https://x.com/arena/status/2104673568776990762
• ［6］xAI 推出可由团队共享的 Grok Team Bots · xAI 发布说明：https://x.ai/news/team-bots
• ［7］World Labs 签约加入 AMD，李飞飞将出任首席科学家 · World Labs 公告：https://www.worldlabs.ai/blog/amd-announcement
• ［8］消息称 OpenAI 取消 GPT‑6.1 Astra 发布计划 · IT之家转述华尔街日报：https://www.ithome.com/1/008/090.htm
• ［9］H Company 发布 Holo4 智能体模型系列 · H Company 发布文章：https://huggingface.co/blog/Hcompany/holo4
• ［10］Claude Opus 5.5 (High) 进入 Agent Arena 第 2 名 · Arena 公告：https://x.com/arena/status/2104617283679379704