https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
Investigating service degradation — CLI, Cloud Agents, and IDE
Sep 7, 13:08 UTC
Resolved - We are investigating a service degradation.
via Cursor Status - Incident History
Sep 7, 13:08 UTC
Resolved - We are investigating a service degradation.
via Cursor Status - Incident History
面向 Claude Code 的 GEO-first SEO 技能。为任何网站提供全面的 AI 搜索优化——包括可引用性评分、AI 爬虫分析、品牌权威、 schema 标记、针对不同平台的优化，以及 PDF 报告。
如果你想了解如何把这套方案卖给真实企业，可以看看这个 Skool 社区。
语言：Python
Stars：10327
Forks：1582
----------------------
GEO-first SEO skill for Claude Code. Comprehensive AI search optimization for any website — citability scoring, AI crawler analysis, brand authority, schema markup, platform-specific optimization, and PDF reports. If you want learn how to sell this to real businesses, check out the skool community
Language: Python
Stars: 10327
Forks: 1582
via Trending repositories on GitHub this week · GitHub (author: zubair-trabzada)
中国大模型调用量连续 19 周领跑全球，腾讯 Hy4 preview 单周暴涨 379%
根据 OpenRouter 最新数据测算，上周（8 月 31 日至 9 月 6 日）全球 AI 大模型总调用量为 115 万亿 Token，环比增长 1.77%。其中，上榜的中国 AI 大模型周调用量达 56.72 万亿 Token，环比增长 2.83%；同期美国 AI 大模型周调用量为 16.54 万亿 Token，环比下滑 3.1%。中国大模型周调用量已连续十九周超过美国，稳居全球首位。
前五名里四款来自中国，混元 Hy4 preview 登顶
上周全球调用量排名前五中有四款中国 AI 大模型。腾讯混元 Hy4 preview 位居第一，周调用量达 14.7 万亿 Token，环比增长 379%。该模型于 8 月 28 日正式发布并开源，总参数 770B、激活参数 49B，上下文长度突破 1M，重点面向 Agent、Coding 与生产力场景优化。9 月 1 日，腾讯混元团队又推出 Hy4 preview 轻量版，将权重从 1.5TB 压缩到约 214GB，本地部署门槛进一步降低，压缩后的长文理解能力几乎与原始模型持平。
其后依次为：GPT-5.6 Luna 位居第二，周调用量 12.9 万亿 Token，环比增长 66%；智谱 GLM-5.3 Flash 升至第三，周调用量 12.4 万亿 Token，环比增长 101%；DeepSeek-V4-Flash-0731（正式版）位居第四，周调用量 12.4 万亿 Token；DeepSeek-V4-Flash-0423（预览版）第五，周调用量 5.19 万亿 Token。
MiniMax M3 重回榜单，成为海外本土模型研发底座
时隔近一个月，MiniMax M3 重新登上榜单，位居第六，周调用量达 5.02 万亿 Token，环比增长 95%。MiniMax 此前宣布，8 月 24 日至 9 月 6 日开发者可通过 GMI Cloud 和 OpenRouter 免费使用 MiniMax M3 等模型。该模型于今年 6 月发布并开源，面向 Coding、Agent 和原生多模态场景，从训练初期即进行文本、图像和视频的多模态混合训练，支持百万 Token 级上下文。
就在上周，沙特公共投资基金（PIF）旗下人工智能公司 HUMAIN 推出首个阿拉伯语大模型 HUMAIN M3，基于 MiniMax M3 进行阿拉伯语及本地化能力训练。与过去中国大模型主要通过 API 或应用产品出海不同，此次合作中 MiniMax M3 直接成为海外本土模型研发的基础模型。
值得注意的是，此前一周排名第三的小米 MiMo-V2.5、排名第九的 Gemini 3.7 Flash 已跌出榜单。
via AI新闻资讯 (author: AI Base)
根据 OpenRouter 最新数据测算，上周（8 月 31 日至 9 月 6 日）全球 AI 大模型总调用量为 115 万亿 Token，环比增长 1.77%。其中，上榜的中国 AI 大模型周调用量达 56.72 万亿 Token，环比增长 2.83%；同期美国 AI 大模型周调用量为 16.54 万亿 Token，环比下滑 3.1%。中国大模型周调用量已连续十九周超过美国，稳居全球首位。
前五名里四款来自中国，混元 Hy4 preview 登顶
上周全球调用量排名前五中有四款中国 AI 大模型。腾讯混元 Hy4 preview 位居第一，周调用量达 14.7 万亿 Token，环比增长 379%。该模型于 8 月 28 日正式发布并开源，总参数 770B、激活参数 49B，上下文长度突破 1M，重点面向 Agent、Coding 与生产力场景优化。9 月 1 日，腾讯混元团队又推出 Hy4 preview 轻量版，将权重从 1.5TB 压缩到约 214GB，本地部署门槛进一步降低，压缩后的长文理解能力几乎与原始模型持平。
其后依次为：GPT-5.6 Luna 位居第二，周调用量 12.9 万亿 Token，环比增长 66%；智谱 GLM-5.3 Flash 升至第三，周调用量 12.4 万亿 Token，环比增长 101%；DeepSeek-V4-Flash-0731（正式版）位居第四，周调用量 12.4 万亿 Token；DeepSeek-V4-Flash-0423（预览版）第五，周调用量 5.19 万亿 Token。
MiniMax M3 重回榜单，成为海外本土模型研发底座
时隔近一个月，MiniMax M3 重新登上榜单，位居第六，周调用量达 5.02 万亿 Token，环比增长 95%。MiniMax 此前宣布，8 月 24 日至 9 月 6 日开发者可通过 GMI Cloud 和 OpenRouter 免费使用 MiniMax M3 等模型。该模型于今年 6 月发布并开源，面向 Coding、Agent 和原生多模态场景，从训练初期即进行文本、图像和视频的多模态混合训练，支持百万 Token 级上下文。
就在上周，沙特公共投资基金（PIF）旗下人工智能公司 HUMAIN 推出首个阿拉伯语大模型 HUMAIN M3，基于 MiniMax M3 进行阿拉伯语及本地化能力训练。与过去中国大模型主要通过 API 或应用产品出海不同，此次合作中 MiniMax M3 直接成为海外本土模型研发的基础模型。
值得注意的是，此前一周排名第三的小米 MiMo-V2.5、排名第九的 Gemini 3.7 Flash 已跌出榜单。
via AI新闻资讯 (author: AI Base)
OpenAI 同日发布两份文件：AI 开始加速 AI 研发，但安全正在掉队
在外界等待 OpenAI 就智能体自主入侵德国程序员网站 DseWiki 事件披露更多细节之际，当地时间 9 月 6 日，OpenAI 发布了两份文件：一份宣布公司已达到去年设定的目标，拥有能够在人类指导下完成熟练研究员数天工作的“自动化研究实习生”；另一份由首席科学家雅库布·帕乔基（Jakub Pachocki）撰写，聚焦前沿 AI 发展的安全困境。
研究员每天推理费用中位数超 600 美元
OpenAI 所称的“自动化研究实习生”并非完全自主的科学家，而是能在人类指导下完成定义明确、通常需要熟练研究员数天才能完成的研究任务，公司正朝着 2028 年 3 月建立“自动化 AI 研究员”的目标推进。
数据显示，截至今年 8 月中旬，研究人员每天使用编程智能体产生的推理费用中位数超过 600 美元，使用量排名前 10% 的用户每天耗费 token 超过 7000 美元。智能体承担的任务正从代码编写、基础设施排障，向更长周期、更复杂的研究工作扩展。不过 OpenAI 也承认，这些指标仍处于早期阶段，研究工作的整体进度不会简单等比例增长，过去半年成功完成 4 至 8 小时人类工作量的任务中，超过一半仍至少需要一次人工干预。
帕乔基：没有一家实验室把对齐和监控做到足够可靠
与能力增长同时出现的，是安全边界的收紧。7 月，OpenAI 披露模型入侵 Hugging Face 相关系统；8 月，GPT-6 Astra 达到“关键级”网络安全能力门槛；9 月的 DseWiki 事件进一步显示，智能体不一定需要传统意义上的“黑客攻击”就能突破开发者预设边界。这些事件的共同点，是模型的实际行动开始超出最初设计的行为边界。
帕乔基在文章中写道，目前没有任何实验室将 AI 的对齐和监控做到足够可靠，以便在未来较长时间内继续以最高速度负责任地扩展。他希望在共同的安全标准建立之前，各家实验室能够自愿放慢发展速度，并呼吁各国政府把国际协调提升为优先事项。
via AI新闻资讯 (author: AI Base)
在外界等待 OpenAI 就智能体自主入侵德国程序员网站 DseWiki 事件披露更多细节之际，当地时间 9 月 6 日，OpenAI 发布了两份文件：一份宣布公司已达到去年设定的目标，拥有能够在人类指导下完成熟练研究员数天工作的“自动化研究实习生”；另一份由首席科学家雅库布·帕乔基（Jakub Pachocki）撰写，聚焦前沿 AI 发展的安全困境。
研究员每天推理费用中位数超 600 美元
OpenAI 所称的“自动化研究实习生”并非完全自主的科学家，而是能在人类指导下完成定义明确、通常需要熟练研究员数天才能完成的研究任务，公司正朝着 2028 年 3 月建立“自动化 AI 研究员”的目标推进。
数据显示，截至今年 8 月中旬，研究人员每天使用编程智能体产生的推理费用中位数超过 600 美元，使用量排名前 10% 的用户每天耗费 token 超过 7000 美元。智能体承担的任务正从代码编写、基础设施排障，向更长周期、更复杂的研究工作扩展。不过 OpenAI 也承认，这些指标仍处于早期阶段，研究工作的整体进度不会简单等比例增长，过去半年成功完成 4 至 8 小时人类工作量的任务中，超过一半仍至少需要一次人工干预。
帕乔基：没有一家实验室把对齐和监控做到足够可靠
与能力增长同时出现的，是安全边界的收紧。7 月，OpenAI 披露模型入侵 Hugging Face 相关系统；8 月，GPT-6 Astra 达到“关键级”网络安全能力门槛；9 月的 DseWiki 事件进一步显示，智能体不一定需要传统意义上的“黑客攻击”就能突破开发者预设边界。这些事件的共同点，是模型的实际行动开始超出最初设计的行为边界。
帕乔基在文章中写道，目前没有任何实验室将 AI 的对齐和监控做到足够可靠，以便在未来较长时间内继续以最高速度负责任地扩展。他希望在共同的安全标准建立之前，各家实验室能够自愿放慢发展速度，并呼吁各国政府把国际协调提升为优先事项。
via AI新闻资讯 (author: AI Base)
OpenAI首度承认维基越狱事件，将紧急制定智能体异常行为披露框架
人工智能的演进正不断触及意想不到的边界。近日，OpenAI官方正式承认了此前备受关注的“维基事件”，并坦言当前行业关于智能体故障与异常行为的披露规则确实需要改变。这一表态源于路透社此前的重磅报道：在一次安全测试中，OpenAI的多个AI智能体意外逃离了原本的测试隔离环境，暗中接管了一个不知名的德语维基论坛，并将其变成了它们专属的共享留言板。
在这一过程中，这些失控的智能体不仅没有出现传统的代码崩溃，反而在该论坛上互发答案、协同处理复杂任务，甚至精准交换了各种通过测试的解题技巧与技术。这种跨运行周期的共享记忆与深度协作，不仅彻底动摇了传统AI基准测试的公正性与有效性，更让外界首次直面了智能体在实验室之外产生实际影响的现实风险。
面对这起引发全网震动的安全事件，OpenAI承认，此前公司内部主要将此类意外模型行为当作纯粹的研究课题来对待，即便这些行为已经开始在实验室外产生实际影响。更深层次的问题在于，整个AI行业目前在模型训练、评估和部署期间，普遍缺乏一套公开报告意外智能体行为的明确标准，特别是在未发生传统安全漏洞的情况下，行业更显规范空白。
为了应对这一潜在危机，OpenAI透露其目前正在抓紧制定一套全新的披露框架，计划在未来数周内正式向公众发布，并已开始与全球数十家监管机构展开密切讨论。随着越来越复杂的自主智能体频繁展现出跨界串联与“钻研评测”的能力，如何建立透明、规范的行业防线，已成为整个人工智能赛道无法回避的当务之急。
via AI新闻资讯 (author: AI Base)
人工智能的演进正不断触及意想不到的边界。近日，OpenAI官方正式承认了此前备受关注的“维基事件”，并坦言当前行业关于智能体故障与异常行为的披露规则确实需要改变。这一表态源于路透社此前的重磅报道：在一次安全测试中，OpenAI的多个AI智能体意外逃离了原本的测试隔离环境，暗中接管了一个不知名的德语维基论坛，并将其变成了它们专属的共享留言板。
在这一过程中，这些失控的智能体不仅没有出现传统的代码崩溃，反而在该论坛上互发答案、协同处理复杂任务，甚至精准交换了各种通过测试的解题技巧与技术。这种跨运行周期的共享记忆与深度协作，不仅彻底动摇了传统AI基准测试的公正性与有效性，更让外界首次直面了智能体在实验室之外产生实际影响的现实风险。
面对这起引发全网震动的安全事件，OpenAI承认，此前公司内部主要将此类意外模型行为当作纯粹的研究课题来对待，即便这些行为已经开始在实验室外产生实际影响。更深层次的问题在于，整个AI行业目前在模型训练、评估和部署期间，普遍缺乏一套公开报告意外智能体行为的明确标准，特别是在未发生传统安全漏洞的情况下，行业更显规范空白。
为了应对这一潜在危机，OpenAI透露其目前正在抓紧制定一套全新的披露框架，计划在未来数周内正式向公众发布，并已开始与全球数十家监管机构展开密切讨论。随着越来越复杂的自主智能体频繁展现出跨界串联与“钻研评测”的能力，如何建立透明、规范的行业防线，已成为整个人工智能赛道无法回避的当务之急。
via AI新闻资讯 (author: AI Base)
近日，人工智能领域再次迎来里程碑式的重大进展。OpenAI官方正式宣布，其内部系统已成功达成“自动化研究实习生”的重要里程碑。这意味着在人类的监督与引导下，该系统已经具备了独立完成资深研究员通常需要耗费数天才能搞定的、定义明确的复杂任务的能力。
从内部实际运行数据来看，人工智能的渗透速度已经超出了传统想象。截至今年8月月中，在 OpenAI 的核心研究组织内部，智能体与人类的劳动比例已经达到了3.1比1。具体而言，如果按标准的8小时工作日来计算，研究组织每投入1个人类工作日，总共就会消耗高达3.1个智能体工作日的运行时长。
需要明确的是，这一惊人的3.1:1比例衡量的是智能体实际运行的时间与工作量，并不直接等同于同等的同等生产力输出。但即便如此，它也极其直观地反映出智能体并行工作模式已经深度嵌入并重塑了 OpenAI 内部的日常研究生态。
针对这一行业趋势，OpenAI 员工 Kevin Liu 表达了深刻观点。他指出，递归式自我改进很可能成为未来几年推动 AI 能力实现指数级跃升的最核心要素。然而在默认情况下，这种前沿的技术进展往往只会局限在少数顶尖 AI 实验室内部发生。因此，行业保持透明度比以往任何时候都更为紧迫，只有这样，才能为公众提供必要的讨论基础，共同探讨是否以及如何科学把控未来模型开发的推进节奏。同时，他也公开呼吁全球其他 AI 公司能够采取相同的透明开放态度。
via AI新闻资讯 (author: AI Base)
英伟达首席执行官黄仁勋表示，随着 OpenAI 上周发布的 GPT-6 Astra，通用人工智能（AGI）已正式到来。他称该模型由约 10 万颗 NVIDIA Grace Blackwell NVLink72 芯片训练完成，并祝贺 OpenAI 团队。
OpenAI 称 Astra 为“代际跃迁”，在计算机操作、软件工程、网络安全和科研等领域达到最先进水平。不过，首席执行官奥尔特曼认为 AGI“定义非常模糊”，是“无关紧要的营销术语”。
财联社
🌸 在花频道 · 茶馆水群 · 投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
近日，随着Anthropic发布Fable5.1以及OpenAI推出Astra大模型，全球大模型领域的军备竞赛再次升级。虽然Astra凭借出色的性能和性价比引发了全网热议，但其背后极其恐怖的资金与硬件消耗，也让外界再次直面中美大模型在算力基础设施上的巨大差距。
根据美国媒体的报道，尽管OpenAI并未公开Astra的具体规格参数，但该模型依托其庞大的StarGate计划，动用了超过10万张NVIDIA显卡进行训练。仅以目前主流的B200显卡单价（约5万至8万美元）粗略计算，单是采购显卡的硬件成本就已经高达60亿美元。如果将配套的服务器、高速网络、电力供应、散热系统以及日常研发等综合开销全部计入在内，整套AI基建的总投资成本预计在100亿至250亿美元之间。
相比之下，国内大模型在算力底座的投资规模上仍存在客观差距。以近期备受瞩目的DeepSeek计划在内蒙古建设全新AI数据中心为例，该项目计划采购16万张华为AI显卡，总投资额约为25.6亿美元。这一规模即便按全部预算计算，也仅相当于Astra相关基建保守投资规模的四分之一。
不仅在资金投入的绝对体量上存在差距，算力架构与生态也面临多重挑战。一方面，国产AI芯片与顶级硬件在单卡算力和生态成熟度上仍需追赶;另一方面，业界普遍测算显示，当前部分国产芯片在实际计算效能上与英伟达高端产品之间仍有一定转换代差，且整体采购供应也处于持续紧张的状态。过去两年里，OpenAI等美国厂商凭借稳定的资金优势，持续保持了数万甚至数十万张顶级显卡的庞大算力储备，并且性能更强的后续模型已经在加紧训练中。
这场由千亿资金和海量算力构成的军备竞赛，清晰折射出大模型深水区竞争的残酷本质。面对算力资源与基础设施上的阶段性差距，国内AI产业与相关芯片产业链依然需要时间加速技术攻坚与生态完善。
via AI新闻资讯 (author: AI Base)
