引言
今日AI动态密集：OpenAI、DeepSeek、Cognition、Google等接连发布新模型与产品，语音、编程、图像、翻译、世界模型等多线并进，同时安全与算力议题持续升温。
模型与能力
1. OpenAI 在 API 中推出全双工语音模型 GPT-Live-1
OpenAI 在 API 中发布语音模型 GPT-Live-1，可同时听和说，支持将推理和工具调用委派给 GPT-6 Astra 等后端模型，前端语音层定价为每分钟 $0.05。OpenAI ↗ 补充来源：OpenAI ↗
2. DeepSeek 发布 V4.1-Flash，API 价格同步下调
DeepSeek 发布 DeepSeek-V4.1-Flash，为全新模型结构系列中最小尺寸模型，具备原生多模态视觉理解能力。评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。DeepSeek ↗
3. Suno v6 发布：支持图片、视频和语音备忘录生成音乐
Suno 发布 v6 模型，可将图片、视频和语音备忘录转化为音乐，并支持对已创建歌曲进行精确修改。同时提供 v6-wild 版本，官方附有 2 分钟以内的功能演示视频。X：suno (@suno) ↗
4. Cognition 发布 SWE-2 编程模型
Cognition 发布编程模型 SWE-2，该模型基于 Kimi K3 后训练，官方称其在主要评测上与前沿模型得分相当、成本最多低 70%。该模型现已上线 Devin Desktop 和 CLI，Pro、Max、Teams 订阅用户未来一个月内可免费使用。cognition.com：Blog ↗
5. 深度求索发布并开源 DeepSeek V4.1 Flash
DeepSeek 发布并开源原生多模态MoE模型DeepSeek V4.1 Flash。该模型总参数552B，采用Causal Encoder-Decoder结构，输入激活8B、输出激活16B，同时大幅优化KV Cache 对HBM和SSD需求。官方称其各项指标全面超越V4 Pro并计划于 9 月 14 日 12:00 之后下线 V4 Pro，API已同步全面上线取代旧版Flash模型，同时新版 API 定价已生效，仍采用峰谷定价。微信公众号 ↗
6. Cohere 发布开源翻译模型 North Small Translate
Cohere 发布开源机器翻译模型 North Small Translate，官方称其在 WMT 基准超过 DeepL 与 Google Translate。模型权重已上架 Hugging Face，采用非商业许可。X：cohere (@cohere) ↗
7. 高德发布全球首个3D原生城市世界模型ABot-Earth 0.7
9月10日，阿里巴巴集团旗下高德正式发布全球首个3D原生城市世界模型ABot-Earth 0.7，定位为AI理解真实世界的入口。量子位 ↗
8. OpenAI 发布 GPT-6 Astra，聚焦编程与计算机使用
OpenAI 发布 GPT-6 Astra，这是一款聚焦编程、计算机使用、长时程 agentic 任务与网络安全的新模型，可通过 ChatGPT、Codex 和 OpenAI API 使用。InfoQ AI ↗
产品与应用
9. WorkBuddy 上线 DeepSeek V4.1-Flash，免费试用两周
WorkBuddy 宣布 DeepSeek V4.1-Flash 已在其平台上线，免费试用两周。引用的 DeepSeek 公告称 V4.1-Flash 已登陆 DeepSeek API 并支持原生多模态。X：WorkBuddy_AI (@WorkBuddy_AI) ↗
10. Cursor 推出 Projects：协调者智能体管理数千个子智能体处理大型开发任务
Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作；协调者本身不写代码，而是调度数千个子智能体并行执行。cursor.com：Blog ↗
11. OpenAI 在 ChatGPT Work 中推出 Data agent
OpenAI 在 ChatGPT Work 中推出新的 Data agent，用户用自然语言即可连接公司数据、分析变化并生成可分享的交互式仪表盘。OpenAI ↗ 补充来源：OpenAI ↗
12. Google 发布图像工具 Pics，基于 Nano Banana 支持精准编辑与协作
Google 发布图像生成工具 Google Pics，基于 Nano Banana 构建，现已上线 pics.new。支持局部对象编辑、图内文字修改与翻译、多人协作创作和单提示词生成多个选项。X：GoogleAI (@GoogleAI) ↗
13. Arena 限时免费开放 GPT-Image-2.5 Sunburst
OpenAI 图像模型 GPT-Image-2.5 Sunburst 正在 Arena 限时 72 小时免费开放。免费期至北京时间 9 月 13 日 23 时结束，此后该模型仅在匿名模式下可用。X：arena (@arena) ↗
14. DeepSeek App 与网页端三种模式合并升级
DeepSeek App 与网页端已完成更新，将原有三种模式合并升级，接入新发布的 DeepSeek V4.1 Flash 多模态模型，并上线未成年人模式和一键登出功能。linux.do ↗
15. Google Labs 向全美用户免费开放 Dreambeans
Google Labs 宣布个性化每日故事应用 Dreambeans 向美国所有 18 岁以上用户开放。应用覆盖 iOS 和 Android，免费使用且无需订阅。blog.google：Blog ↗
16. Google 推出 Windows 版 Gemini 桌面应用
Google 推出 Windows 版 Gemini 桌面应用，现已面向 Windows 10 和 11 用户上线。部分功能需订阅 Google AI。blog.google：Blog ↗
17. Nebius 推出免费 AI Builder Program，提供超 400 美元额度与折扣
Nebius 宣布免费的 Nebius AI Builder Program 上线，提供超过 400 美元的额度与折扣，NVIDIA、LangChain 等伙伴参与，开发者可免费加入。dev.nebius.com ↗
18. OpenAI 宣布暂停 ChatGPT Pro 20x 新订阅
Codex 负责人 Tibo 宣布暂停开放 200美元的Pro 新订阅，以保障现有的用户继续使用 Astra。他表示这类订阅对系统压力最大，而其他订阅方案和 API 仍可用，现有账户不受影响。另有用户观察确认，ChatGPT 网页端的 20x Pro 购买入口已显示暂停提示。X：thsottiaux (@thsottiaux) ↗
19. 杭州联合智谱推出杭州全城 Coding 计划
杭州联合智谱推出杭州全城 Coding 计划，在杭个人和企业用户可享政府补贴，购买 Coding 套餐最高可享 55% 综合补贴。活动自 9 月 10 日开始，个人用户每人限享 1 次，企业用户单家补贴上限为 100 万元。docs.bigmodel.cn ↗
20. ChatGPT Library 原生接入 Dropbox、Box 和 Sharepoint
ChatGPT 官方账号宣布，Dropbox、Box 和 Sharepoint 即日起原生集成到 ChatGPT Library，同时覆盖 ChatGPT 与 ChatGPT Work。该集成本周内向付费用户逐步推出。X：ChatGPT (@ChatGPT) ↗
21. ChatGPT 面向美国 Plus 和 Pro 用户推出股票自选清单功能
ChatGPT 宣布，股票自选清单功能正面向美国 Plus 和 Pro 用户逐步推出，Chat 会跟踪指定股票并主动推送更新。X：ChatGPT (@ChatGPT) ↗
22. Claude Code 桌面应用支持将任意面板弹出为独立窗口
Claude Code 桌面应用可将任意面板弹出为独立窗口。diff 或终端拖到第二屏幕后，Claude 仍会在主窗口继续工作。X：ClaudeDevs (@ClaudeDevs) ↗
23. Codex 上线官方 Unity 插件
Codex 上线 Unity 插件，内置技能由 Unity 工程师编写，覆盖项目设置、渲染、物理与 AI 导航等领域，目前已可在 ChatGPT 插件页面获取。chatgpt.com ↗
24. OpenAI 推出 ChatGPT for Financial Services
OpenAI 推出 ChatGPT for Financial Services 并已上线，目前面向符合条件的金融机构开放。该产品内置多来源付费金融数据，支持细粒度引用溯源，能用公司模板生成估值模型等文件。OpenAI ↗
25. 千问教师节上线智能组卷、教案生成助手等多个教学AI技能
千问教师节上线智能组卷、找真题试卷、教案生成助手等多个AI技能。更新千问App或PC端后，可在工作助理技能广场安装使用。微信公众号 ↗
开发与基础设施
26. DeepSeek-V4.1-Flash 上线 SiliconFlow，552B MoE 支持 1M 上下文
硅基流动宣布 DeepSeek-V4.1-Flash 于 Day 0 上线其平台。该模型为 552B MoE，prefill 约 8B 激活、decode 约 16B 激活，原生视觉，1M 上下文窗口，KV cache 占用约为 V4 Flash 的 1/4，采用 MIT 许可证。X：SiliconFlowAI (@SiliconFlowAI) ↗
27. Hugging Face 用 Gradio Workflow 重建 Workflow1111，复刻 AUTOMATIC1111 主要功能
Hugging Face 发布 Workflow1111，用 gr.Workflow 以 73 个节点、11 条媒体管线重建 AUTOMATIC1111 的大部分功能，覆盖文本生成图像、高清修复、图生图、prompt matrix、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 式预处理器、背景移除、PNG Info 和图生视频。Hugging Face：Blog ↗
28. OpenAI 发布 Agents API 公测版
OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，并托管在云端。OpenAI ↗ 补充来源：OpenAI ↗
29. Shopify 宣布从 React Native 全面迁回 Swift 和 Kotlin 原生开发
Shopify 宣布将全部移动应用从 React Native 迁回 Swift 和 Kotlin，判断是 LLM 智能体大幅降低了跨平台重复开发成本这一核心假设被改变。shopify.engineering ↗
30. DeepSeek Harness 发布 v0.1.5
DeepSeek Harness 发布 v0.1.5，新增 DeepSeek V4.1 Flash 模型适配，新会话默认使用该模型，支持保留 KV Cache 更新该模型系统提示词，并新增 Agent Teams 等功能。GitHub ↗
31. DeepSeek 开源三个代码仓库
为方便部署 V4.1 Flash 及后续开源模型，DeepSeek 开源 deepseek-recipe、DeepSelect、DeepJIT 三个代码仓库，分别用于 API 协议转换与提示词编解码、加速稀疏注意力和采样中的 TopK 算子，以及支持 CUDA/昇腾内核的 JIT 编译与缓存。GitHub ↗
32. Gemini API 文档首个预览版上线 AI Studio
Google AI Studio 官方宣布，Gemini API 文档的首个预览版已直接集成进 AI Studio，开发者可在 ai.studio/docs 查看。ai.studio ↗
33. RunningHub让MiniMax H3提速12倍，本地部署效率显著提升
15秒视频，50秒出片。量子位 ↗
34. 为 AI 供电是一个架构问题
2026 年 7 月 22 日，弗吉尼亚州阿什本——全球最大数据中心集群的核心——一条输电线路故障在数秒内切断了超过 3 吉瓦的负荷。这并非首次发生。两年前，一个失效的浪涌避雷器曾导致约 60 家弗吉尼亚设施同时断电，损失约 1500 兆瓦。MIT科技评论AI ↗
公司与资本
35. TraeCode 9 月上线模型限时折扣，Seed 系列限时一折
TraeCode 推出 9 月模型限时折扣，Seed-Evolving 和 Seed-2.1-Pro 面向全量用户限时一折。同时 Seed-2.1-Turbo 与 Seed-Code 面向免费用户提供 5 折优惠。微信公众号 ↗
36. ElevenLabs 与 Universal Music Group 达成多年期战略合作
ElevenLabs 宣布与 Universal Music Group 达成多年期战略合作。首个产品是面向粉丝的 AI 创作平台，正在开发中，将开放参与合作的艺术家和词曲作者的音乐。X：ElevenLabs (@ElevenLabs) ↗
37. Kimi 启动企业合作伙伴计划
Kimi 正式启动企业合作伙伴计划，联合 IT 服务商与集成商共建前线部署工程师队伍，推进企业级 AI 落地。微信公众号 ↗
政策与安全
38. Anthropic 报告指控阿里、月之暗面与 DeepSeek 对 Claude 发起蒸馏攻击
Anthropic 发布报告，指控多家中国 AI 公司对 Claude 持续发起蒸馏攻击，累计发现近 2 亿次相关交互，涉及五个活动。TechCrunch ↗
39. Swarmchasers 追踪疑似 OpenAI 智能体，Anthropic 复查四起安全事件，GPT-6 Astra 冲击思维链可读性
独立调查者在 collusion.wiki 目录新增至 30 项服务，发现疑似 OpenAI 智能体利用维基、文本转储和 RubyGems 元数据协作的痕迹，OpenAI 称未发现类似 Hugging Face 入侵规模的严重事件。the-decoder.com ↗
40. Anthropic 发布 AI 模型战术情报与常规武器能力评测
Anthropic Frontier Red Team 发布新评测，衡量模型在战术情报定位（账户关联、照片与文本地理定位）和常规武器开发（无人机末段制导、投送、GPS 干扰下导航）上的能力。Anthropic：Blog ↗
论文与研究
41. Cognition 工程师用 Devin 智能体完成 RSA-260 因式分解，刷新公开纪录
Cognition 员工 samyok 率团队驱动多个 Devin 智能体构建了高性能 GPU 格子筛，对 260 位的 RSA-260 完成因式分解，刷新此前 RSA-250（2020 年 2 月）保持的公开 RSA 挑战纪录。cognition.com：Blog ↗
42. Cursor 推出 CursorBench 4.0：整体难度提升
Cursor 推出 CursorBench 4.0，评测 Agent 在真实模糊多文件任务中的表现。新版新增长程问题，导致所有模型得分下降。cursor.com ↗
43. ECCV上，顶尖学者开始研究如何让AI做生意
多模态AI大牛轮番登台，全球64支团队组团解题。量子位 ↗
44. OpenAI称在另一道千禧年大奖难题取得实质性进展
据博主Andrew Curran转述，OpenAI已向《纽约时报》确认在另一道千禧年大奖难题上取得实质性进展，正准备宣布。X：AndrewCurran_ (@AndrewCurran_) ↗
45. 大晓机器人等发布人–场景交互重建框架HSImul3R
大晓机器人联合南洋理工大学 S-Lab、上海人工智能实验室发布全新人–场景交互重建研究 HSImul3R，旨在让人类视频成为机器人技能来源。量子位 ↗
观点与教程
46. 前Anthropic研究员辞职警示AI灭绝风险，作者重读Tim Urban《人工智能革命》
27岁研究员Jacob Coxon辞职并称OpenAI与Anthropic正押上所有人生命奔向自我改进的超级智能，Anthropic对齐负责人公开支持。作者由此重读Tim Urban 2015年《The AI Revolution》，指出智能爆炸的正反馈回路已见雏形，人类正面临灭绝或物种永生两种结局。微信公众号 ↗
47. 规范驱动开发何时能带来回报
AI 编码助手已成为软件开发的核心部分。AI 生成代码带来了生产力提升，但也带来了安全弱点与常见缺陷模式。作者 Nitin Garg 指出，瓶颈已从代码生成转向代码验证，并讨论当 AI 生成行为偏离意图时如何检测与缓解。InfoQ AI ↗
今日脉络
-
模型密集发布：语音、编程、翻译与世界模型齐发 OpenAI 在 API 中发布全双工语音模型 GPT-Live-1，并推出聚焦编程与计算机使用的 GPT-6 Astra；DeepSeek 发布并开源原生多模态 MoE 模型 V4.1 Flash；Cognition 发布编程模型 SWE-2；Cohere 发布开源翻译模型 North Small Translate；高德发布全球首个 3D 原生城市世界模型 ABot-Earth 0.7。
-
产品与应用：从数据智能体到金融、图像与协作工具 OpenAI 在 ChatGPT Work 中推出 Data agent，并推出 ChatGPT for Financial Services；Cursor 发布 Projects（beta），以协调者智能体调度数千个子智能体处理大型开发任务；Google 发布图像工具 Pics 与 Windows 版 Gemini 桌面应用；ChatGPT Library 原生接入 Dropbox、Box 和 Sharepoint。
-
开发与基础设施：API、开源仓库与算力架构 OpenAI 推出 Agents API 公开测试版；DeepSeek 开源 deepseek-recipe、DeepSelect、DeepJIT 三个代码仓库并更新 Harness v0.1.5；Hugging Face 用 Gradio Workflow 重建 Workflow1111；Shopify 宣布从 React Native 全面迁回 Swift 和 Kotlin 原生开发；MIT 科技评论文章指出为 AI 供电是一个架构。
-
安全与研究：蒸馏指控、能力评测与数学突破 Anthropic 发布报告指控多家中国 AI 公司对 Claude 发起蒸馏攻击，并评估模型在战术情报定位与常规武器开发上的能力；Cognition 工程师用 Devin 智能体完成 RSA-260 因式分解刷新公开纪录；Cursor 推出 CursorBench 4.0 提升评测难度。
总结
今日发布节奏显示，前沿模型正从单点能力走向语音、编程、图像、翻译与世界模型的多模态协同；与此同时，开源部署、算力架构与安全评测成为支撑规模化落地的关键变量。