elvis@omarsar0AI 评分4545

一篇 arXiv 论文（https://arxiv.org/abs/2609.00546）提出一种运行时无关的持久智能体架构，把智能体拆为持久的身份、私有记忆和带版本历史的代码，以及可替换的模型、harness、宿主服务器和交互界面。

Databricks 介绍 Southern Company 的 SCOUT 风暴情报方案后续

Databricks 官方博客发布 Southern Company 的 SCOUT 风暴情报案例续篇，延续此前一篇对该公司相关实践的文章，补完风暴情报的整体故事。

ginobefun@hongming731AI 评分5050

本期早报围绕能力、工作过程与最终成本展开，精讲三篇：Google 发布 Gemini 3.8 Flash 系列含通用 Flash 与 Flash Cyber，内部漏洞发现成功率超 70%。

Rohan Paul@rohanpaul_aiAI 评分7070

Broadcom 最新季度财报显示，AI 半导体收入达 $16.7B，同比增长 221%，占总收入 $29.6B 的约 56%。公司预计 2027 年 AI 半导体收入达 $115B、2028 年达 $230B，连续两年翻倍；Q4 指引 AI 收入 $21.7B、同比增长 236%，总收入指引 $34.8B。

Meta 构建“组织第二大脑”AI Agent，从专家反馈中沉淀机构知识

Meta 发布技术博客，介绍其为合规领域构建的 AI Agent，用结构化知识系统加可组合 recipes 复现专家推理方式，专家反馈经诊断、编译、验证和人工审核后写入 200+ 知识文件，无需重新训练模型。六周三轮开发后，单项评估时间从数天缩短到数分钟，改进周期内零回归，每轮修复自动加入回归测试集。

Aravind Srinivas@AravSrinivasAI 评分6060

Perplexity 开源本地推理引擎 Lily，专为 Apple Silicon 上的 Qwen3.6-35B-A3B 优化，用于支撑 Mac 应用新推出的混合计算功能，避免端侧算力成为 Computer 任务瓶颈。

GitHub 播客解读 AI 开发新术语：loop engineering、Ralph loops、squads、harness 与 hill climbing

GitHub Podcast 一期节目配套文章由 Cassidy Williams 与 Marlene Mhangami 等解读当下 AI 开发常见新术语。

SemiAnalysis@SemiAnalysis_AI 评分3030

SemiAnalysis 发文分析，随着行业转向 Co-Packaged 和 Near-Packaged Optics，光纤连接被迫直接落在 PIC 上。光纤耦合需微米级精度，边缘耦合器要求纤芯与波导偏差约半微米以内，否则耦合损耗在高带宽吞吐下不可承受；主动对准采用亚微米级串行定位加胶合，难以支撑高光纤数量且不可拆卸，而被动对准依靠机械结构将光纤保持在公差内，可实现可重复甚至可重新插拔的连接。

Aravind Srinivas@AravSrinivasAI 评分3131

Perplexity CEO Aravind Srinivas 转发 NVIDIA AI 的直播，现场演示 Perplexity Computer 在 DGX Spark 上完全本地运行。直播链接：https://x.com/i/broadcasts/1jGXgBXzpOXKZ

Rohan Paul@rohanpaul_aiAI 评分4646

Sam Altman 称每 38,000 次 ChatGPT 查询的用水量约等于加州生产一颗杏仁，并称现代大型数据中心用水量相当于一栋办公楼。

NVIDIA 开源 Switchyard：用 Rust 代理在 OpenAI 与 Anthropic API 间路由和翻译 LLM 流量

NVIDIA 发布 Switchyard，一个 Apache 2.0 协议的 Rust 代理和库，用于在多个后端之间路由 LLM 流量，并双向翻译 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种格式，包括流式事件。

GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动：选择性压缩工具输出、移除 view 工具行号前缀（线下推理成本降约 5%，线上用户日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token，每活跃小时归一化成本降 2.9%）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。

llm-gemini 0.34 发布，支持 Gemini 3.8 Flash 并修复异步响应问题

llm-gemini 0.34 新增对 Gemini 3.8 Flash 模型 gemini-3.8-flash 的支持，提供 low、medium 和 high 三档思考级别。修复了异步响应未能记录已解析模型版本的问题（#146，感谢 Charlie Tonneslan），另含 #137 修复。

Cursor 推出 Self-Hosted Machines，云智能体可在企业自有机器上执行

Cursor 发布 Self-Hosted Machines，让云智能体的工具执行迁移到企业自有网络内的机器，智能体循环、推理和规划仍留在 Cursor 云端，通过 worker 的出站 HTTPS 连接对接，Cursor 不会主动连入企业网络。

Rohan Paul@rohanpaul_aiAI 评分4848

X Square Robot 发布 TwinDEX，一对协同设计的三指九自由度灵巧操作接口，一个可穿戴用于数据采集，一个用于机器人部署，两者共享相同的运动学、接触面、外观和传感器。

SemiAnalysis@SemiAnalysis_AI 评分1818

SemiAnalysis 发推称，OpenAI 的 Jalapeno ASIC 及其系统备受好评，但存在一个几乎无人谈论的重大缺陷，并以六条推文串（1/6）的形式展开分析。附图显示两人手持一块标注 Jalapeno Intelligence Processor 的晶圆纪念牌。

elvis@omarsar0AI 评分3232

Elvis Saravia 称赞 exo harness 出色，并给出入门教程链接 https://academy.dair.ai/labs/intro-to-exo，介绍 exo 如何支持递归自我改进。

OpenRouter@OpenRouterAI 评分2323

OpenRouter 宣布 Intelligence on Ice 活动，与 @UseCorgi Cafe 合作，在 SF 或 NY 的门店提供内含免费 OpenRouter credits 的冰焦糖拿铁。用户拍照发帖还有机会获得更多 credits 和周边。

Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber：同一核心模型、两种访问方式

Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，两者基于同一核心智能，区别在于安全包络和访问方式。

Anthropic 发布 Claude 电商智能体构建指南及参考实现

Anthropic 发布构建电商智能体的指南，总结架构、延迟与成本优化、生产运维三部分实践，涉及购物和商家两类智能体，企业客户部署后出现购物车变大和卖家运营效率提升。核心建议包括用单个智能体加技能而非子智能体、将 UI 组件做成工具、用提示词缓存实现 90-99% 命中率、在 harness 中强制安全规则，并开源参考实现 anthropics/commerce-agents。

Google AI 团队分享如何为 LLM-as-a-Judge 评测编写可靠的评分标准

Google AI 团队发布教程，讲解如何为 LLM-as-a-Judge 评测编写可靠的布尔式评分标准，指出模糊提示会导致评估不一致和浪费 token。文中给出四条经验：问题保持原子化且互不重叠、只让评判模型评估客观事实（可用 RFC 2119 术语如 MUST 表述）、只评 prompt 中明确要求的内容、用专家标注的 golden set 校准评判模型直至与人类评分一致。

Google DeepMind 推出 Fairwind Program，用 Gemini 3.8 Flash Cyber 与 CodeMender 主动防御网络威胁

Google DeepMind 推出 Fairwind Program，一项面向政府和可信合作伙伴的有限准入计划，提供 Gemini 3.8 Flash Cyber 网络安全模型与 CodeMender，可自主发现、验证并修复漏洞，在组织安全云环境中数分钟内生成可部署补丁。

谷歌拆解退役服务器回收 DDR4 内存，重新部署至新型 AI 服务器

据 Wccftech 报道，谷歌供应链基础设施高级总监尼基尔·切里安在峰会论坛上透露，AI 产业已由算力受限转变为内存受限，高性能内存约占单台 AI 服务器物料成本的 75%。谷歌为此拆解退役服务器回收 DDR4 内存模组，并设计专用转接卡，在部分场景用 DDR4 替代新型 AI 服务器原规划的 DDR5；同时谷歌还在优化底层函数库、模型架构及 KV 缓存压缩算法以降低内存开销。

特朗普称反对AI数据中心抗议正中中国下怀

特朗普在Truth Social上强烈回击美国各地对AI数据中心的反对声浪，称拒绝数据中心的社区将变得"落后和贫穷"，中国会很乐见这一反数据中心运动，因为美国建设放缓会让北京在AI竞赛中占优。

美光探索近 GPU NAND 闪存，可支撑更大规模 AI 模型

据 DigiTimes 9 月 2 日报道，美光正在研究高耐久性 NAND 闪存模块，计划部署在距离 GPU 更近的位置，当前被称为“近 GPU NAND”。该方案可让 GPU 直接访问数百 GB 的 NAND 存储池，放置在 GPU 封装内部或 PCB，工作方式类似 HBM、GDDR7；与传统 TLC 或 QLC NAND 相比密度更低，重点提升 I/O 速度和带宽。

IBM 与 Confluent 发布 Granite 时间序列模型 Early Access，可在流数据上实时预测与检测异常

IBM 与 Confluent 宣布四款 IBM Granite 时间序列基础模型（PatchTST-FM、FlowState、TTM、TSPulse）以 Early Access 形式上线 Confluent Cloud。

Unsloth AI@UnslothAI精选AI 评分6666

Unsloth 通过 MTP（Multi-Token Prediction）让 Qwen3.8-Flash-Next 本地推理提速约 1.3 至 1.7 倍且精度不变，GGUF 在单张 RTX PRO 6000 上可达 170 tokens/s（基线 100 tokens/s）。

SiliconFlow@SiliconFlowAIAI 评分3434

SiliconFlow 宣布 Kimi K3 即日起降价 10%，默认 TPM 从 100K 提升至 2M。新价格为 Cache input $0.30/M → $0.27/M，Input $3.00/M → $2.70/M，Output $15.00/M → $13.50/M，对所有用户开放。

月之暗面宣布 Kimi API 原生支持 Codex 和 Claude Code

月之暗面宣布 Kimi API 已支持 OpenAI 的 Responses API 格式（base_url 为 https://api.moonshot.cn/v1）和 Anthropic 的 Messages API 格式（base_url 为 https://api.moonshot.cn/anthropic）。

宏碁推出 SFF RTX Spark 迷你主机，最高可选 128GB 统一内存

宏碁在全球市场推出 SFF RTX Spark 迷你主机，采用英伟达 RTX Spark 平台。新品搭载 20 核 RTX Spark Superchip 芯片，集成 Blackwell 架构 GPU，含 6144 个 CUDA 核心，最高可选 128GB 统一内存，配备一个 HDMI、一个 RJ45 以太网和四个 USB Type-C 接口，上市时间和售价暂未公布。

Baseten 解析后训练最佳开源模型并按成本分档推荐

Baseten 发文解析开源模型后训练的成本驱动因素，指出活跃参数量是 RL 后训练成本的最大来源，总参数和 KV cache 主要限制推理速度，并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

论文提出用生产流量驱动的后训练将 200+ 内部应用流量整合到单一自托管 LLM

一篇 arXiv 论文提出在数据驻留约束下，将超过 200 个内部应用的流量整合到单个自托管模型，通过生产错误分析沿指令遵循、函数调用和内部任务分布三个轴弥补质量差距。

实测 Claude Fable 5.1：长时 Agent 任务与浏览器自动化表现突出

作者实测 Anthropic 新发布的 Claude Fable 5.1，认为其在长时间 Agent 任务和浏览器自动化上超过 GPT 5.6。

Rohan Paul@rohanpaul_aiAI 评分4848

Microsoft 论文《Sliding-window beats linear attention》发现，目标是降低推理内存时，免训练的滑动窗口注意力（SWA）优于多数改造的线性注意力方法，只需保留小窗口加前 4 个 sink token。

Baseten 工程师解析 LLM 推理的有效边界与两类优化技术

Baseten 工程师 Philip Kiely 撰文解析 LLM 推理的"有效边界"框架，将推理技术分为两类：在延迟与吞吐之间做取舍以命中边界上某一点的技术，以及把整条边界外推、创造整体效率提升的技术。

腾讯 WorkBuddy 开放平台上线，全面开放 Agent 基座能力

腾讯 WorkBuddy 开放平台于 9 月 2 日上线，首批入驻共创伙伴超百家，面向智能硬件、行业应用与开发者开放底层 Agent 基座能力。开发者通过资质审核后可进行技能、专家、连接器、外部应用接入等开发管理；现场还发布了 9 款联名智能硬件，合作方包括 Plaud、Rokid、影石、科大讯飞、安克等，30 余个行业应用覆盖金融、法律、医疗等 20 多个领域。

合见工软发布国内首款三维芯片物理设计工具 UniVista 3DIC Designer

合见工软在 2026 IDAS 设计自动化产业峰会期间发布国内首款三维芯片物理设计工具 UniVista 3DIC Designer，宣称专为国产先进工艺节点打造，适配逻辑折叠与韬定律技术路线。

Microsoft 谈 AI 基础设施的“良率”命题：从芯片到智能体

Microsoft 提出 AI 基础设施的“良率命题”，主张用半导体行业 60 年来的良率思维衡量 AI 投入的实际产出，而非只看建了多少算力。文中指出全球 AI 渗透率仅为劳动人口的 18%，且单个智能体任务的 token 消耗可达普通对话的 3400 倍以上，电力、内存与封装正成为瓶颈。

Meta Superintelligence Labs 发布 Muse Voice Transcribe：一个实时模型同时完成流式 ASR、说话人分离和端点检测

Meta Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe，将流式 ASR、20+ 说话人的说话人分离和端点检测合并为一个自回归模型，无需后处理。

Perplexity 在 Mac 上推出 Hybrid Compute，云端智能体把敏感步骤下发给本地模型并由端侧隐私门控把关

Perplexity 在 Mac 上推出 Hybrid Compute，Computer 任务从云端前沿模型起步，遇到私有文件时把该步骤下发给本地模型再合并结果。