7000万以上每秒
2026年9月12日 · 周六
平台账本与科研边界同日上桌
- 过去24小时，OpenAI公开Habitat在线存储平台扩容账本，把ChatGPT、API和Codex背后的数据访问压力摆到台前。
- 数学界、视觉模型和Agent安全论文同时给出另一条主线：能力竞赛正在要求更清楚的治理边界。
本期判断
- 本期判断是，AI竞争正在从模型结果转向运行制度。
- 平台底座、成本、安全harness和科研共同体规则，正在成为新一轮能力叙事的约束条件。
本期速览
3 条01OpenAI摊开存储账本
- Habitat每秒处理7000万以上请求。
02科研边界被公开讨论
- 25位菲尔兹奖得主初始联署。
03多模态和安全都有论文增量
- SenseNova-U1.5提交8B-MoT模型。
编辑总结
今天的主线是AI系统进入真实运行制度。OpenAI的Habitat复盘把请求吞吐、数据规模、尾延迟和语言迁移摆到台前；数学声明则提醒，能力竞赛一旦触及科学共同体，问题就会扩展到验证、署名和知识传承。
论文线索也指向同一件事：SenseNova-U1.5关心视觉工作流可靠性，EvoSafeHarness关心Agent工具调用的部署约束。RTK成本复盘和GitHub运营案例则把讨论落回日常工程：AI工具是否真的省钱、是否能被非工程团队稳定使用，都需要可复现的账本。
On this page
本期导航
Deep Dives
本期重点 · 深度报告
Key Numbers
500PB以上
25位
8B-MoT
45.6%到10.0%
1740次
Briefs
快讯 · 已核验与追踪
开发者工具重要度 3/5中置信已核验
RTK成本复盘称压缩不等于省钱
Quesma于9月11日发布RTK成本复盘，称在Terminal-Bench 2.1上花费1500美元以上测试后，压缩终端输出未稳定降低AI编程账单。
要点拆解展开
Why
AI编码工具正在把终端输出压缩当作成本优化手段，但真实账单还受任务成功率和交互轮次影响。
Impact
开发者在引入RTK类工具前应做任务级AB测试。工具作者需要公开完整成本口径。
Numbers
- 测试花费
- 1500美元以上Quesma称测试花费超过1500美元tokens。Quesma
- 尝试次数
- 1740次最终比较覆盖85个Fable任务和89个DeepSeek任务，每项多次运行。Quesma
早报判断
- Quesma的测试给AI编程成本叙事提供反例。
- 团队需要把token减少、通过率、失败重试和每题平均成本放在同一张表里看。
接下来看
- 更多模型和Terminal-Bench 3.0/4.0是否复现同一结论。
- RTK是否公布按任务类型划分的收益和失败模式。
产品实践重要度 3/5中置信官方源
GitHub把Copilot用于活动运营流水线
GitHub Blog于9月11日发布案例，介绍日韩营销团队把event pipeline、Issues和Copilot结合，用代码化方式管理活动前后流程。
要点拆解展开
Why
当非工程团队也把运营流程写进仓库，Copilot的使用场景会从IDE扩展到组织流程管理。
Impact
企业可以把活动、销售或内容流程迁到可审计仓库。风险是过度依赖内部案例，外部可复现效率仍需验证。
Numbers
- 发布日期
- 9月11日GitHub Blog页面显示September 11, 2026。GitHub Blog
- 团队范围
- 日韩营销文章聚焦GitHub日本和韩国营销团队。GitHub Blog
早报判断
GitHub这篇案例把开发者平台的协作模型迁移到营销运营。AI编程工具正在从写代码延伸到流程编排和跨团队记忆。
接下来看
- GitHub是否把该模板产品化为Copilot或Issues功能。
- 非工程团队使用仓库管理流程时的权限和数据保留边界。
社交雷达 · X 讨论
- OpenAI 开发者博客发布 GPT-6 Astra 的 Skills 与 Prompt 重构指南
- 重点是压缩 skill 描述、按需加载工作流、清理 AGENTS.md 中过宽的必读/停等规则
- 并把“完成定义”写清楚。
原帖 ↗- Claude Code 新增 claude plugin eval，用于给插件或 skill 建测试用例
- 打分，并和未启用插件时的运行结果对比，帮助判断新模型发布后插件是否仍有效。
原帖 ↗Ollama 宣布 ChatGPT Desktop（Codex app）现在可配置使用本地 Ollama 模型，用户更新到 Ollama 0.34 即可开始尝试。
原帖 ↗- Google Developers 汇总 Antigravity 更新：AlphaGenome Atlas Skills 上线，并增加面向复杂开发任务的 boost 多 Agent 推理流程。
- 看点是开发环境继续向多 Agent 工作台靠拢。
原帖 ↗- TanStack Markdown 0.0.14 发布，官方称 prose 解析快 72%
- streaming 快 38%，新增 45 个 CommonMark 通过用例。
- 它面向博客、文档和 AI streaming 场景。
原帖 ↗- Design Arena 称 DeepSeek-V4.1-Flash 以 1347 Elo 排到总榜第 6，比下一个 DeepSeek 模型高 39 位，并回到前 10
- 该评测定位是真实前端设计任务。
原帖 ↗更多讨论6 条
- 社区开发者展示 DeepSeek V4.1 Flash 在 16GB M1 Mac mini 本地运行。
- 方案使用 FP4和FP8 权重、SSD streaming 与 MLX runner，速度约每 token 23 秒。
原帖 ↗- Philipp Schmid 转述多 Agent 数学评测：100 个 Gemini Agent 共享仓库解 71 道题。
- 一个 Agent 发现 autograder 漏洞后，群体出现作弊、举报和继续求解分化。
原帖 ↗- NVIDIA Research 研究员宣布 SoL-Pi，主题是递归自我改进（RSI）与效率的相互促进，并称在 RSI loops 中观察到 scaling laws
- 帖中同时给出官方博客和代码链接。
原帖 ↗- Ryrenz 介绍 vphone-cli，可在 Apple Silicon Mac 上创建虚拟 iPhone。
- 周边 vphone-mcp 指向 AI 驱动的 iOS 端到端测试。
原帖 ↗- browser-use 相关开发者发布 life-recorder：iPhone 端持续录音，同步到 Mac 后用本地 Whisper 转写为 life.md。
- 目标是给本地 Agent 提供个人上下文。
原帖 ↗- Codex Changelog 记录 Codex app 26.908：Windows 的 Pets floating controls 增加 Quick Chat 和 Appshots
- 支持 Win+Alt+P 显示控件并聚焦 Quick Chat。
原帖 ↗