Simon Willison：按量付费服务需要默认硬性预算上限

Simon Willison 呼吁按量付费的 API 和服务默认提供硬性预算上限，即达到每月 $X 后直接切断并返回错误，而非只发警告邮件。他认为编码智能体和个人智能体让启动付费服务变得更容易，用户可能一觉醒来发现多花了几百甚至几千美元，因此硬上限应设为默认，取消上限需显式勾选。AWS 已在 9 月 16 日推出每月支出上限功能，Google Cloud 也在 7 月上线 Spend Caps。

Airbnb CTO 谈内部 AI 改造：60% 代码由 AI 编写，半数客服工单由 AI 解决

Airbnb CTO Ahmad Al-Dahle 披露公司 AI 转型进展：目前 60% 的代码由 AI 编写，功能交付量同比增长近 80%，工程师人均 PR 吞吐量提升约 1.6 倍，约一半客服工单已完全由 AI 解决。

HPE：当 AI 进入生产阶段，如何把算力从支出变成资产

HPE 提出，当 AI 从试验走向客服、IT、研究与业务流程等常驻智能体工作负载后，按 token 逐次消费的模式会让支出难以预测，企业需按自身工作负载测算「自持容量」的盈亏平衡点。

Rohan Paul@rohanpaul_aiAI 评分4545

投资人Chamath Palihapitiya指出，在AI计算中，Prefill阶段是计算受限的，因此随着上下文增长，大规模并行GPU（如Nvidia）占据优势；而Decode阶段受内存带宽限制，因为生成每个新token都需要扫描已生成的内容。

SemiAnalysis 发布中国数据中心模型，测算中国存量容量超过 24GW

SemiAnalysis 发布 China Datacenter Model，追踪中国 1,000 多座数据中心设施、覆盖 60 多家运营商，测算中国存量容量超过 24GW，另有约 20GW 在建和约 30GW 已公布项目。

SemiAnalysis@SemiAnalysis_AI 评分5858

SemiAnalysis 发布 SemiAnalysis China Datacenter Model 分析报告，解读中国 AI 基础设施热潮。报告覆盖 60 多个运营商的 1000 多个设施，指出最大超大规模租约占全国容量约 1/5、12 个月内新增 100MW，并提及零售优先、被 AI 反转以及东数西算等因素，全文见 https://newsletter.semianalysis.com/p/the-chinese-ai-infrastructure-boom。

The Verge 批评 Nvidia CEO 黄仁勋称 AI 需先造成痛苦才能拯救气候

The Verge 记者 Justine Calma 评析黄仁勋在 The Ezra Klein Show 上的言论，黄仁勋称 AI 拯救气候前不得不先使用化石燃料、造成痛苦。

十字路口Crossing解析大模型「斩杀线」：效率如何重塑模型竞争格局

文章以「斩杀线」概念分析2026年模型竞争重心从智能转向智能与成本的前沿。作者复盘小米 MiMo 从 V2-Flash 到 V2.6 的四次迭代，称 9 月 22 日发布并开源的 MiMo-V2.6 系列三款模型智能接近前代两倍。

Cursor 提升 agent 长时运行 token 效率，用户成本降低 7%

Cursor 通过改进 agent harness，在不降低 agent 质量的情况下将用户 token 成本降低 7%。

eric zakariasson@ericzakariassonAI 评分5757

Cursor 宣布在不降低 Agent 质量的前提下将 token 成本降低 7%，手段包括更紧凑的提示词、按需加载工具、更好缓存和压缩文件读取。作者转发并补充称，智能体工作前后会大量读取以收集上下文，因此优化读取收益明显，建议构建 Agent 的读者参考该文章或让 Agent 直接落实这些发现。配图显示 read 是最常用工具，占 91.3% 的 Agent 会话，grep 77.8%、glob 68.5% 次之。

GitHub 联合 Yale 调查 1039 名用户：开发者需要更高效的软件与可测量的节能路径

GitHub 与 Yale Program on Climate Change Communication 对 1039 名 GitHub 美国用户调查显示，80% 有兴趣使用帮助编写更节能代码的工具，74% 想测量软件或开发流程的环境影响，71% 担心 AI 的环境影响。

Simon Willison 评 TypeSafe AI 新形态决策模型 Jev

TypeSafe AI 上周发布 Jev，作者称其为 System One 或决策模型：接受文本输入但输出浮点置信分数而非文本，仅按输入计费 $0.042/百万 tokens，低于 GPT-5 Nano 的 $0.05。

Tomer Tunguz 谈 AI 优化 if-then 判断：专用决策器把分类成本降近百倍

Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语，Jev 与 SemIf 这类专用决策器以数百毫秒返回结果，成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用，在 98 条人工核验的生产邮件线程上，Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率，高于生产模型的 47%。

X.PIN@thexpinAI 评分5454

X.PIN 发布 9.21 中国科技周报，梳理本周多条动态。Z.ai 因 ZCode 在用户登录时将约 345MB 商业项目数据打包上传至阿里云遭批评，公司道歉称系代码库索引功能默认开启所致，已修复并将开源 ZCode、接受第三方审计并补偿用户。

Dan McKinley：Prompts Aren't Real，生产级 Agent 应靠评测与优化而非人工打磨提示词

工程师 Dan McKinley 撰文《Prompts Aren't Real》，基于在生产环境让 Agent 可靠运行的经验，提出提示词不是核心资产，可自我修正的评测与优化系统才是。

Rohan Paul@rohanpaul_aiAI 评分6464

Bending Spoons CEO Luca Ferrari 表示，公司约 99% 的 AI 请求和 token 运行在自托管的开源权重模型上，成本基本只有少量云端费用。约 1% 的请求走闭源前沿模型 API，只用于最复杂任务，或像资深工程师检查初级工程师那样自动复核开源模型的产出。

Jev 发布两天内出现 6 个复现版本

Latent Space 的 AINews 汇总了 Jev 发布两天内出现的 6 个复现版本，包括基于 ModernBERT 的 Laya、基于扩散模型的 DiffusionGemmaJev。

X.PIN@thexpinAI 评分5252

Z.ai 宣布其 GLM-5.3 驱动的 Infra Agent 为 GLM-5.3-Flash 设计、调试并优化了生产推理基础设施，覆盖 100,000+ 中国芯片。不到两周吞吐达到初始基线的 3 倍，硬件效率和单 token 成本据称与主流 Nvidia GPU 相当。团队称之为递归自我改进，即模型改进运行自身的基础设施。

Rohan Paul@rohanpaul_aiAI 评分6464

智谱（Zai）分享 GLM-5.3 帮助构建并优化 GLM-5.3-Flash 推理基础设施的过程，系统从首次成功运行到生产就绪用时不到两周，端到端吞吐相对初始基线提升至 3 倍。

SemiAnalysis@SemiAnalysis_AI 评分5151

SemiAnalysis 称智能体流量现已占全部推理流量 70% 以上，并总结了智能体负载的四个特征：多轮会话带来高 KV-cache 复用潜力、系统提示词与工具定义使上下文快速累积、线性对话使多数上下文可由 KV cache 直接服务（随轮数增长缓存输入与未缓存输入之比趋于 1）、以及子智能体突发产生的短上下文突发式 KV-cache 模式。

jietang@jietangAI 评分6464

唐杰撰文称，GLM-5.3 驱动的 Infra Agent 用两周时间让 GLM-5.3-Flash 在国产加速器上从首次运行到承接全部生产流量，端到端吞吐达 3.2 倍。

Silicon Data 数据显示英伟达 B200 二手残值达首发价 158%，直线折旧在 AI 加速器市场失效

数据分析公司 Silicon Data 数据显示，英伟达 B200 出货约一年后二手残值涨至原价的 158%，A100 与 H100 残值也远超 3 年或 5 年直线折旧应有水平。

GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust

GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust，AI 智能体完成大部分代码，共 128 个 PR 增量合入 main 并持续发布。

Barret李靖@Barret_ChinaAI 评分5858

作者研究算力供给后估算，市场约有 2000 万张 H100 等效卡，年 Token 消耗量达几十万亿亿，相比去年增长接近一个数量级。过去三年 AI 芯片算力供给每年约增长 3 倍，叠加单卡性能提升和推理效率优化，实际可用 Token 算力年增长可能接近 10 倍。

凡人小北@frxiaobeiAI 评分6464

Anthropic 分享了大规模使用 Coding Agent 后 CI 系统承压的完整经历：工程师每季度交付的代码量是过去的 8 倍，其中 80% 由 Claude 完成，测试数量涨了 10 倍，半年内 CI 任务量增加 25 倍。

Anthropic 工程师复盘：智能体编程压力下如何扩展测试影响分析服务

Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。

SemiAnalysis 分析机器人智能应放机上还是放数据中心：B300 卸载 TCO 约为 Jetson Thor 机上方案的 46%

SemiAnalysis 长文分析通用机器人模型的智能应放在机器人本体还是数据中心。受实时性和单机成本约束，当前机器人模型仍为数十亿参数级，如 Physical Intelligence 的 π0 约 3B。

为何大多数企业 Agent 试点无法走向生产部署

Deloitte 2026 研究显示企业 AI Agent 试点到生产部署的失败率为 89%，Teradata 调查中 78% 的企业至少有一个试点，但仅 14% 实现组织级规模化。

SemiAnalysis 长文解析：为什么 4-hi HBM 将成为推理最优配置

SemiAnalysis 长文论证 HBM 堆叠层数持续走高的趋势正在逆转，下一代 Rubin Ultra 每颗 GPU 的 HBM 将从 288GB 降至 192GB（8-hi）。

OpenAI 将在线存储平台 Habitat 从 Python 迁移至 Rust，CPU 效率提升 6 倍

OpenAI 发文介绍其在线存储平台 Habitat 从 Python 迁移至 Rust 的过程，该平台每秒处理超 7000 万次请求、每周服务超 10 亿用户、管理数据超 500PB。

OpenRouter@OpenRouterAI 评分6565

OpenRouter 称 DeepSeek V4.1 Flash 在其平台上 24 小时内处理了 1T token，预计 48 小时约 2.8T，将成付费模型发布中最大的 48 小时。其中 90% 为缓存读取，市场定价约 $0.006/M，比 GLM-5.3 Flash 等同类模型便宜 5 倍。

OpenAI 详解存储平台 Habitat 如何扩展支撑超 10 亿 ChatGPT 用户（上篇）

OpenAI 发文（系列上篇）讲述其在线存储平台 Habitat 的演进：现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据，覆盖近 40 个地区。

Beren Millidge、John Schulman、Charlie O'Neill 对谈递归自我改进离我们还有多远

Dwarkesh Patel 与 Zyphra CTO Beren Millidge、Thinking Machines 首席科学家 John Schulman、Baseten 模型训练负责人 Charlie O'Neill 三位研究者对谈递归自我改进（RSI）的前景。

GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI

GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。

Augment 复盘软件工厂建设：人均规模调整产出增长 4.5 倍

Augment Code 发布长文，复盘其九个月建设的软件工厂：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台在需求、工单、PR、生产四个环节部署 PR Author。

SemiAnalysis 解析数据中心表后供电为何难落地，75GW 确定订单揭示六大执行门槛

SemiAnalysis 发布长文分析数据中心表后（BTM）供电的现状与难点，其 Energy Model 追踪到 75GW 面向 BTM AI 算力的确定性订单，2026 年底预计美国约 3GW 数据中心 IT 容量由表后电站供电。

OpenAI CFO：自研 AI 加速 Jalapeno 芯片设计，Luna 部署成本低于开源方案

据路透社报道，OpenAI CFO Sarah Friar 在高盛会议上表示，OpenAI 用自研模型参与 Jalapeno 芯片开发并在 9 个月内完成流片，且部署 Luna 模型的成本低于云端运行开源方案，如智谱 AI 的 GLM 5.3。

SemiAnalysis@SemiAnalysis_AI 评分5757

SemiAnalysis 称在 InferenceX 同口径对比中，TPUv7 Ironwood 借助新推出的 TorchTPU 外部推理栈，单位美元性能比 Blackwell Ultra 高 50%。TorchTPU 为 TPU 带来原生 PyTorch 支持，加上 Google 开源多款 Pascal 推理内核，SemiAnalysis 认为 TPU 外部化正在快速推进。

微软提出让每张办公桌每个家庭拥有不受限制的智能的新愿景

微软 Windows 与设备销售企业副总裁 Mark Linton 在 IFA 2026 上提出新愿景，让每张办公桌、每个家庭都拥有不受限制的智能，即本地运行日常 AI 模型、云端只留给复杂任务。

vLLM x AgentX：面向真实世界智能体推理服务的全栈优化

vLLM 团队发布针对智能体负载优化的博客，基于 SemiAnalysis 的公开 AgentX 基准展示成果：DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。