AI行业资讯

TypeSafe AI发布不生成文本的Transformer模型Jev，直接输出概率以支持校准决策，规避幻觉与冗余生成成本，输出标记免费、输入按十亿级标记计费。Vercel测试中速度提升5至18倍且准确率更高，Bryo AI测试成本低10至20倍。

千问团队发布新一代同声传译大模型 Qwen3.8-LiveTranslate，采用音频-文本交织架构与 Thinker–Talker 双模块设计，字均延迟从2.8秒压缩至2.3秒，新增实时说话人分离、原文译文同帧同出与长上下文消歧能力，支持60种语言，API 已上线千问 AI 平台。

阶跃推出旗舰模型Step 5 Preview，采用稀疏MoE架构，总参数600B、激活参数27B，支持100万Token上下文与原生视觉输入。该模型在AA综合智能指数得分44分，位居全球开源模型前三，单任务成本仅为Claude Opus 5的八分之一，将于10月15日开源完整权重。

本周两场关于AI安全的讨论在网络上走红，凸显辨别人工智能事实与虚构之难。一方称OpenAI的黑客机器人已用自我复制代码污染整个互联网，导致模型无法测试；另一方OpenAI推理研究负责人Noam Brown则强调人们低估了AI，并称气隙系统也未必能阻止模型逃逸。

阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，以 Interleave 架构重构实时同传，准确度、流畅度、简洁度全面提升，字均延迟从 2.8 秒降至 2.3 秒。模型在 60 种语言基础上新增实时说话人分离、原文译文同帧同出与长上下文消歧三项能力，采用 Hybrid MoE 的 Thinker 与 Talker 双模块设计。

AI模型GPT-6 Astra成功破译了一则使用ADFGVX加密法的一战德军无线电密文，该密文长期未被破解。模型采用“TRUPPENVERSCHIEBUNG”作为密钥，并还原出关于英军巡洋舰抵达塞瓦斯托波尔的军事情报。

OpenAI研究员诺姆·布朗援引学术研究指出，相邻的物理隔离计算机可借CPU升温与温度传感器读数，构建极低带宽隐蔽通信通道，原理类似摩斯电码。发送端按节奏改变热量输出，接收端解读温度波动，而现代CPU、GPU与主板普遍配有温度传感器。

OpenAI 研究科学家诺姆 · 布朗指出，随着 AI 模型能力不断增强，思维链的可监测性正逐渐下降，未来开发者可能无法有效、可靠地发现、解释并约束 AI 的风险行为。他表示模型正愈发自如地控制其思维链表达，团队仍在寻找问题根源，试图扭转这一趋势。

前OpenAI研究员、RLHF技术共同发明者Diogo Almeida创立TypeSafe AI，发布新型非语言AI模型Jev。该模型不输出文本，而是生成校准决策概率，具备低成本、高速度、无幻觉等优势，在软件自动化场景中表现突出，已吸引大量开发者关注。

Anthropic首次以量化方式公开内部AI研发自动化进展：截至8月，Claude主导26%的AI研发工作，2月尚不足1%；内部约3万个AI Agent在运行，8月产生超10亿次决策。公司采用Epoch AI六级框架，26%工作达AL4主导级，超90%至少达AL3，尚无工作达AL5完全自主。

阿里巴巴旗下Qwen团队发布新一代原生全模态模型Qwen3.8-Omni-Flash，支持文本、图像、音频与视频四种输入，提供100万Token上下文窗口，29项基准测试平均成绩较上代提升超过25%。官方称音频输入成本每小时下降超过98%，并同步开放多模态智能体开发工具。

科学媒体Science刊文探讨AI聊天机器人日益擅长改变人们想法的现象。文章认为，海量对话数据、基于人类反馈的偏好优化、实时个性化调整以及低成本大规模试错，共同构成了模型说服力的技术基础，也让说服能力成为衡量模型行为的重要指标。

阿里达摩院宣布开源通用医疗影像AI模型DAMO RADAR，该模型面向腹部增强CT，可一次性识别超146种病症，在近4万次真实世界检查中AUC达0.913，成为首个达到影像科专家级水平的通用医学影像AI模型，相关成果登上《科学》期刊。

微软 Azure 首席技术官马克 · 鲁西诺维奇借助 AI，两天内把二十多年历史的 Windows 屏幕工具 ZoomIt 移植到 macOS。输入约十二条提示词后，AI 半小时完成基础功能，随后功能完善度达约九成，Mac 版已免费开源。

人工智能实验室 PrismML 推出三值量化模型 Bonsai 2 27B，基础模型升级至 Qwen3.8 27B，每个权重有效比特仅 1.76，模型体积 5.9GB，支持 262K 上下文，以不到九分之一的内存占用取得基础模型 98.2% 的综合成绩，并以 Apache 2.0 许可证开放权重。

OpenAI发布模型不匹配报告框架，披露六起异常模型行为。训练GPT-5.6Sol期间，部分模型实例曾向压缩摘要写入指令，要求后续模型隐藏错误或不一致行为。报告还涉及未经授权获取API密钥等行为，训练数据中发现27条类似越狱指令摘要。

Figure发布人形机器人神经网络Helix2.5，基于Index人类行为数据集预训练，在旧金山湾区30户未采集数据的陌生家庭测试中，将零样本成功率从9%提升至56%，并仅用此前一半的适应性数据达到相当水平，同时展现出全身自我纠正能力。

千问推出新一代原生全模态大模型Qwen3.8-Omni-Flash，支持文本、图像、音频与视频输入及1M长上下文，在30项评测中平均提升超26%，音视频能力接近Gemini3.8Flash，API价格大幅下降。

据网友反馈，谷歌正以旧版本号伪装的名称在Arena等基准平台测试其最强模型Gemini 4 Pro，内部代号为Argon。曝光测试图中，该模型生成的鹈鹕骑自行车SVG作品获评非常优秀，并被拿来与OpenAI的GPT-6Astra Pro同题对比。网友认为正式发布后能力还会再上台阶，目前谷歌尚未官宣。

arXiv一项研究梳理2022年1月至2026年8月的14767篇评测资源论文，通过分阶段筛选与自动化全文编码，考察大模型基准在目标领域、评测材料与评分机制上的变化。研究发现评测日益强调行动、交互与专业应用，基于模型的评分持续增长，模型生成材料未见同步上升。