← 返回智能日报

2026.09.11 / ISSUE 011

智能日报 · 2026-09-11

DeepSeek-V4.1-Flash 发布（MIT 开源、KV 缓存降至 V4-Flash 约 1/4、09-14 起 V4-Pro 自动路由到 V4.1-Flash）；Anthropic 九月威胁报告披露近 2 亿次 Claude 蒸馏交互、最大行动指向阿里；OpenAI 集中推出 Agents API 公测 / GPT-Live-1 语音 API / Data agent。GitHub：gods-eye-view +2905 领跑、Easel +12.3% 增速最快。

作者：恒言Tech阅读时间：约 12 分钟来源：文内逐项标注

今日速览

  • DeepSeek-V4.1-Flash 正式发布（09-10）：MIT 开源、552B 主干 MoE（prefill 仅激活约 8B、decode 约 16B）、1M 上下文、FP4 KV 缓存（KV 需求约为 V4-Flash 的 1/4）、原生视觉理解；「Flash 变 Pro」——自 09-14 起 V4-Pro 请求全部自动路由到 V4.1-Flash，价格大幅下调（off-peak 输入 $0.15/M、输出 $0.60/M），是本窗口影响面最大的模型+价格事件。
  • Anthropic 发布《反制 AI 滥用：2026 年 9 月》威胁情报报告（09-10）：覆盖 2025-12 至 2026-08 七类滥用；其中蒸馏攻击部分首次由对手方系统披露「近 2 亿次与 Claude 的交互、归因五个活动」，最大单一行动指向阿里巴巴（5-7 月约 1.51 亿次交互），另有疑似涉军方向的 Moonshot 案例（10 天约 30 万请求）。
  • OpenAI 产品三连发（09-10）：Agents API 公开测试版（把驱动 Codex 的 harness 打包成一次 API 调用，支持托管/自托管/8 家伙伴沙箱，无额外 API 费用）、GPT-Live-1 全双工语音模型（API，语音层 $0.05/分钟，推理可委派给 Astra 等后端）、ChatGPT Work 新增 Data agent。
  • GitHub 增星（精确快照差，23.99h 窗口）：gods-eye-view +2905 绝对增量第一（但窗口内无新提交、仍无明确开源许可）；Easel +12.3%、gods-eye-view +13.6% 相对增速领先；OpenMAIC +944 且 09-10 有新提交（新增 GLM-5.3/GLM-5.3-Flash 支持）。

AI 新闻

  1. DeepSeek 发布 V4.1-Flash：新架构、KV 缓存大幅压缩、Flash 直接取代 Pro
    • 事件时间：2026-09-10 发布（Hugging Face 模型卡 + API 更新日志 + 官方 X 线程，北京 09-10 白天密集传播）。
    • 为什么重要：这是 DeepSeek 新架构家族（causal encoder-decoder）的最小尺寸模型，明确瞄准 AI Agent 的长上下文成本痛点：KV 缓存需求降至约 V4-Flash 的 1/4（官方口径，第三方整理约 890 字节/token），prefill 只激活约 8B 参数、decode 约 16B——Agent 频繁读入新输入时「读得便宜」，推理成本大幅下降。更关键的是产品层变化：旧 deepseek-v4-flash / vision-exp 命名退役进入临时别名，V4-Pro 将于 09-14 04:00 UTC 起全部路由到 V4.1-Flash，官方宣称「更便宜且更强」，Bloomberg 分析师估算降幅最多约 32%。开放方式：权重 MIT 许可开源（deepseek-ai/DeepSeek-V4.1-Flash），API 名为 deepseek-flash；官方自测 GPQA-Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6（以上为厂商披露）。参数量：552B 主干 MoE（激活 8B/16B），上下文 1M（最长输出 384K），预训练 45T token；许可证 MIT。
    • 来源：Hugging Face 模型卡、DeepSeek API 更新日志、The Next Web 报道
  2. Anthropic 发布 2026 年 9 月威胁情报报告：披露最大规模的 Claude 蒸馏攻击行动（含军事方向案例）
    • 事件时间：2026-09-10 发布官方报告（PDF 同步发布）。
    • 为什么重要：这是继 2 月、6 月指控之后，对手方首次系统公开蒸馏攻击的量级与手法，也与上周美国 NSA/CISA/FBI 通告形成互补（一方是中国公司、一方是自己披露被攻击）。报告覆盖 2025-12 至 2026-08 的七类滥用（网络、影响渗透、监控、诈骗、生物、常规武器、蒸馏），蒸馏部分披露：累计近 2 亿次与 Claude 的交互、归因五个活动；最大单一行动指向阿里巴巴（5-7 月约 1.51 亿次交互、约 3,500 个账号、固定提示词抽取思维链，被归因为给 Qwen 家族造训练语料）；另一活动被指与 Moonshot 有关并于 10 天内向 Opus 路由近 30 万次请求、疑似涉军方向（要求判读闭路监控画面）；DeepSeek 案例涉及诱导 CoT 的转写手法。报告同时给出大量新兴滥用案例：俄方 Midnight Blizzard 关联的 AI 化间谍工作流、AI 供应链凭证窃取（GTG-50020 曾把目标锁定「预发布 Claude 模型」）等。口径：这些是 Anthropic 单方观测与归因，涉案公司未回应；但量级数据为历史最大，值得作为行业与政策信号。
    • 来源：Anthropic 官方报告页、TechCrunch 报道
  3. OpenAI 发布 Agents API 公开测试版：把 Codex harness 打包成一次 API 调用
    • 事件时间：2026-09-10 官宣公测。
    • 为什么重要：开发者用单个 API 调用即可创建「托管在云端、长跑型」的智能体：Agent（模型+指令+工具+MCP 服务器）、Environment（沙箱）、Session（可续会话）；内建上下文自动压缩（compaction）、工具搜索降 token、程序化并行工具调用、子智能体委派。运行环境三种可选：OpenAI 托管沙箱（Codex/ChatGPT 同款）、自托管（codex exec-server、仅外连 WebSocket）、或 8 家伙伴沙箱（Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel）。无额外 API 费用，只按 token/工具/容器计费（官方）。这意味着 OpenAI 把「编排层」也切成商品化服务，与自建 agent loop 形成了新的成本对照；harness 本体仍是开源 Codex 代码。当前仅美国区数据驻留，公测限期。
    • 来源：OpenAI 官方公告、StreetInsider 报道
  4. OpenAI 在 API 推出 GPT-Live-1 全双工语音模型（可委派推理给 Astra）
    • 事件时间：2026-09-10 官方公告。
    • 为什么重要：单模型即可「同时听和说」、可随时打断，实时翻译、客户服务、语音优先 Agent 都能用一套模型实现；想把推理/工具调用交给更强后端时，语音层可把复杂任务委派给 GPT-6 Astra 等模型，形成「快语音前端 + 慢推理后端」的分层。开放方式：API（开发者平台；厂商披露语音层按分钟计费，官方页 $0.05/分钟，推理部分按后端模型计费）；参数量等官方未披露。
    • 来源：OpenAI 官方公告
  5. ChatGPT Work 新增 Data agent：自然语言查公司数据、生成可分享仪表盘
    • 事件时间：2026-09-10 官方发布。
    • 为什么重要：把「取数—分析—可视化—行动」收口到一次对话：连接 Redshift、BigQuery、ClickHouse、Databricks、MongoDB、Snowflake 等，结合 dbt/GitHub/Snowflake Horizon 等语义层业务定义，生成可分享的交互式仪表盘，也能操作 Omni、Power BI、Sigma、Tableau、ThoughtSpot。企业管理员控制数据源与权限，查询遵循原账号的行/列级权限。OpenAI 自称内部产品团队近乎全员在用。对企业数字化团队，这是「对话式数据分析」正式进入主流办公产品的信号。
    • 来源：OpenAI 官方公告
  6. Anthropic Frontier Red Team 发布评测：模型在情报定位与常规武器开发任务上的能力
    • 事件时间：2026-09-10 发布。
    • 为什么重要：新评测对着「find, fix, track, target, engage, assess」（发现—定位—跟踪—瞄准—交战—评估）杀链的每一步，衡量模型在战术情报定位（账户关联、照片/文本地理定位）和常规武器开发（无人机末段制导、GPS 干扰下导航）上的能力。结论：在某些军事/情报任务上模型已能完成历史上只有稀缺专家才能做的事；开放权重模型（指 PRC 开发方）虽落后前沿（介于 Sonnet 与 Mythos 级之间），仍表现出值得警惕的水平。Anthropic 称已上线新的分类器拦截此类滥用。这是「AI 常规军事化能力」的少有一手量化评测，与当天发布的威胁报告互为印证。
    • 来源：Anthropic 官方评测页
  7. Cursor 发布 Projects：一个协调者智能体指挥数千个子智能体
    • 事件时间：2026-09-10 官宣（beta）。
    • 为什么重要：对「Agent 只能管好单个任务」的现状给出反例——Projects 由协调者智能体（coordinator）指挥：协调者自己不写代码，负责调度成千上万个并行子智能体；任务常驻云端（关电脑不停）、上下文跨所有 agent 共享积累、可订阅式触发（盯 Slack/PR/定时器）。Cursor 内部数据：新用户合并 PR 数量 +30%，以 Projects 为主的用户合并 PR 数量约为普通用户 6 倍（厂商自测）。这是「agent 从单点工具走向长期工程实体」的产品化最直接样本。
    • 来源：Cursor 官方博客
  8. Cognition：用 Devin 智能体构建 GPU 网格筛，分解 RSA-260 刷新公开纪录
    • 事件时间：2026-09-09/10 发布（博客署名 09-09，北京 09-10 广泛传播）。
    • 为什么重要：260 位 RSA 数（RSA-260）被成功分解，刷新 2020 年 RSA-250 的公开 RSA 挑战纪录，且分解管线（GNFS 的 GPU 格子筛）由多个 Devin 智能体主导开发与调优。估算成本约 4,900 GPU-日（约折合 $400k，利用闲置算力、边际成本接近 0），比此前公开纪录的惯用方案便宜约 10 倍；作者据此估算 RSA-1024 约需 $3,000 万级别（仍是超大成本），RSA-2048 基本不受影响。价值在于：密码分析这类「结果可验证」的重型科研计算，agent 自主完成度大幅提升、进入门槛大幅下降。
    • 来源：Cognition 官方博客

最新论文

本批为 arXiv 2026-09-10 公告批次（劳动节后第二批复量公告），以下均为首次提交（v1），提交时间 09-07 ~ 09-09。

  1. Subagents vs Agent Skills: Executing Reusable Knowledge for Long-Horizon Agentic Tasks（首次提交，2026-09-10 公告）
    • 核心贡献：回答「长时程任务中，agent 技能库该以什么方式被调用」——是「把技能指令读进主上下文」，还是「把技能包作为子代理（subagent）启动」。
    • 与已有方法的区别：现有主流是加载 skill 指令进上下文并让主模型照做；本文指出任务越长上下文越臃肿、推理质量越差，子代理执行每次开新上下文、按技能边界隔离状态，可能更适合长时程任务。
    • 关键实验：对长时程 agentic 任务对比「技能读入上下文」vs「技能对应子代理执行」，观察随任务步数增长的退化差异（摘要口径）。
    • 代码/数据：论文未提及。
    • 论文原文
  2. Black-Box Red Teaming of Agentic AI: A Taxonomy-Driven Framework for Automated Risk Discovery（首次提交，2026-09-10 公告）
    • 核心贡献：一次性补齐多步 agent 的红队缺口——给出七域风险分类法 + 全自动 SAGE-RT 红队（每域生成 120 个对抗场景）+ LLM 评委人工校验。
    • 与已有方法的区别：主流评测仍是单轮、只测 chat 模型；本文面向「读不可信输入、持真实权限、自主行动」的 agent，只需基本系统描述即可做黑盒评估。
    • 关键实验：对 CrewAI 与 AutoGen 两套 agent 架构 × 四个基础模型实测，结果显示多智能体配置下平均治理风险 56.25%、隐私风险 65%——agent 生产化前的安全缺口显著。
    • 代码/数据：论文未提及。
    • 论文原文
  3. Structural Process Supervision for Latent Chain-of-Thought Reasoning（首次提交，2026-09-10 公告）
    • 核心贡献：针对「隐空间推理（latent reasoning）」提出原型中介过程监督（PMPS）+ 渐进式序列对齐（PSA），给连续空间嵌入的思维过程补上真正的过程级监督。
    • 与已有方法的区别：现有隐式推理方法缺乏对隐嵌入的直接监督，导致表征坍缩、信息分布不均；本文用可学习「推理原型」作语义锚点，把隐嵌入与显式 CoT 嵌入映射到同一原型空间做长短对齐。
    • 关键实验：在隐空间 CoT 训练上缓解表征坍缩与信息不均、提升长程推理稳定性（摘要口径）。
    • 代码/数据：未提及。
    • 论文原文
  4. KVShareArena: KV-Cache Reuse Across Contexts and Model Checkpoints（首次提交，2026-09-10 公告）
    • 核心贡献：为「跨上下文、跨模型 checkpoints 的 KV 缓存复用」建立统一基准——覆盖 RAG（每次查询检索块不同，缓存位置错位）与多智能体（协调者读其他 agent 的中间报告）等新场景。
    • 与已有方法的区别：现有基准只测精确前缀复用（缓存完全命中毫无损失），而真实工作负载里「复用即错位、且可能是别的 checkpoint 写的缓存」；本文把散布在三个社区里的缓存修复方法放到同一尺度下比较。
    • 关键实验：在检索块与 agent 报告两类新复用负载上对比修复方法（摘要口径：现有方法各自在自己的口径上评测，缺乏统一对照）。
    • 代码/数据：未提及。
    • 论文原文
  5. When Auditors Fabricate: Batch-Size Degradation and Confident Hallucination in LLM Detection of Planted Document Contamination（首次提交，2026-09-10 公告；Zenodo 另存）
    • 核心贡献：量化「LLM 当审计员」的批量失效模式——在含 450 个植错（3 类：字符损坏/语义反转/离谱插入）的 150 篇论文语料上，测 Gemini 3.0 Pro 的检出率。
    • 与已有方法的区别：主流评估只测单文档；本文揭示批处理下检测率崩塌的机制——不是「承认不确定」而是「自信地编造」（fabrication）。
    • 关键实验：单文档检出 50%、小批量 60%、大批量跌到 2.8%；失败模式从「弃权」转为「捏造」。对任何用 LLM 做批量质检/审计的人是直接警告。
    • 代码/数据：预印本另行存证于 Zenodo（论文数据库未放开）。
    • 论文原文

GitHub 增星加速榜

口径说明：精确快照差。基线 2026-09-10T08:03:46+08:00 → 本次 2026-09-11T08:03:00+08:00，窗口 23.99h ≈ 24h；两批数据均来自 GitHub API（zhxqc 账号已认证）。

  • gods-eye-view
    • 项目简介：浏览器里的「间谍卫星模拟器」——用真实卫星/地理空间数据在照片级 3D 地球上做实时开源空间情报可视化，点开即用、无需安装，面向空间数据爱好者与研究者。
    • 为什么受关注：纯产品即展示的病毒式传播，连续两日霸榜 GitHub Trending；前一天 +1927 后今天再 +2905，但窗口内没有任何新提交——热度来自传播与媒体曝光，而非功能迭代。
    • 近期动态：最近提交停在 2026-09-05（地图源/安装文档优化），本轮零代码更新。
    • 新增 Stars：+2905（精确快照差，23.99h）
    • 当前 Stars：24,221
    • 增长率：13.6%/日
    • 仓龄/最近实质提交：约 2.6 个月 / 2026-09-05
    • 许可证：NOASSERTION（无明确开源许可）
    • 成熟度/风险：近一周无实质代码更新且无明确许可证，热度与工程成熟度不匹配；若依赖真实空间数据源还有上游数据授权风险。
  • archify
    • 项目简介：给 AI 智能体用的「画图技能包」——一句话生成可验证、可导出的架构/流程/时序/数据流图（自包含 HTML、带动画），面向用 Claude Code/Codex 做方案设计的工程师。
    • 为什么受关注：踩中「Agent 写方案必须配图」的刚需，生态里少有的高质量 diag 型 skill，社区口碑稳定，连续多日高增星。
    • 近期动态：最近提交 2026-09-07（文档/图标），09-10 仍有 push；v4.9.0 发布于 08-07。
    • 新增 Stars：+1,323（精确快照差，23.99h）
    • 当前 Stars：57,379
    • 增长率：2.4%/日
    • 仓龄/最近实质提交：约 5 个月 / 2026-09-07（最后 push 09-10）
    • 许可证：MIT
    • 成熟度/风险：单点维护者 + 以模板集合为主，功能深度与长期维护可持续性需观察。
  • ponytail
    • 项目简介：教 AI「像最懒的资深工程师那样思考」——最好的代码是没写出来的代码，面向所有嫌 AI 产出太多低价值代码的人（Claude Code/Codex 等均可挂载的 skill）。
    • 为什么受关注：反共识定位（少写胜过多写）+ 病毒式社区口碑，分歧也带来讨论热度；多为社会传播，代码更新少。
    • 近期动态：最近提交 2026-09-07（图标/文档更新），窗口内无功能发布。
    • 新增 Stars：+1,321（精确快照差，23.99h）
    • 当前 Stars：134,693
    • 增长率：1.0%/日
    • 仓龄/最近实质提交：约 3 个月 / 2026-09-07
    • 许可证：MIT
    • 成熟度/风险：同赛道模仿者众多（caveman 等同类「省 token 技能」同台竞争），概念简单、差异化护城河弱。
  • OpenMAIC
    • 项目简介：清华多模态智能计算团队开源的多智能体交互课堂——一键搭好多个 AI 角色与学生实时交互，含浏览器内预览与自动测评，面向教学/实验室 Demo。
    • 为什么受关注：教学场景稀缺落地 + 高校背书 + 后台持续迭代（GLM 新模型第一时间接入），是榜单中少见的「有真实新提交」的活跃项目。
    • 近期动态：09-10 密集提交——新增 GLM-5.3 / GLM-5.3-Flash 支持（#1401）、修复渲染懒加载与评分逻辑（#1420/#1421/#13xx）；v1.0.1 于 09-06 发布。
    • 新增 Stars：+944（精确快照差，23.99h）
    • 当前 Stars：35,288
    • 增长率：2.7%/日
    • 仓龄/最近实质提交：约 6 个月 / 2026-09-10
    • 许可证：MIT
    • 成熟度/风险：教学工具属性强，评分/防作弊与浏览器兼容仍在频繁修补，生产环境适用性一般。
  • awesome-gpt-image-2
    • 项目简介：「Prompt 即代码」的 GPT-Image-2 工业级提示词引擎与模板库——530+ 案例逆向工程、20+ 套工业级模板并提炼成 Skills，面向做 AI 图像产品/设计的开发者。
    • 为什么受关注：GPT 图像模型持续爆火，提示词模板库成为稀缺资产；OpenAI 发新图像模型（含 ChatGPT Images 2.5）后第一时间跟进，带动搜索流量与收藏。
    • 近期动态：09-09 合并 #39、新增「GPT Image 2.5 对比 Spotlight」；09-02 集成 APIMart 生成接口。
    • 新增 Stars：+803（精确快照差，23.99h）
    • 当前 Stars：30,819
    • 增长率：2.7%/日
    • 仓龄/最近实质提交：约 4.6 个月 / 2026-09-09
    • 许可证：MIT
    • 成熟度/风险：内容是提示词/案例汇编而非代码工程，价值与图像生态热度强相关，存在被官方/平台吸收替代的可能。
  • m3e-canvas
    • 项目简介：在浏览器里画 Material 3（Expressive）界面草图、一键转成 vibe-coding 提示词——给「画草图 → 让 AI 写前端」的工作流一个可视化入口，面向设计/前端/独立开发者。
    • 为什么受关注：增星速度（6.3%/日）在榜单前列；恰好踩中 mockup-to-code 与 vibe-coding 双重热点。
    • 近期动态：09-09 提交（标签页滚动、AI 请求错误处理、mocked-fetch 单测）；创建于 09-02，上线仅 9 天。
    • 新增 Stars：+351（精确快照差，23.99h）
    • 当前 Stars：5,883
    • 增长率：6.3%/日
    • 仓龄/最近实质提交：约 9 天 / 2026-09-09
    • 许可证：MIT
    • 成熟度/风险：仓龄极短、迭代密集但功能边界未稳，属于早期高波动项目。
  • Easel
    • 项目简介：浙大开源的 AI 社交媒体智能体——发现热点→创作内容→一键发布至小红书/抖音/知乎/B 站，并回测哪些内容真正有效，面向自媒体与内容运营团队。
    • 为什么受关注：本窗相对增速最快（+12.3%，基数小）；踩中「社媒运营自动化」的付费级需求，也是榜单里与中文平台结合最深的项目。
    • 近期动态：09-10 提交（修复 baseUrl、支持 ANTHROPIC_BASE_URL/API Key 路径）；v0.1.0 于 08-31 发布。
    • 新增 Stars：+87（精确快照差，23.99h）
    • 当前 Stars：794
    • 增长率：12.3%/日
    • 仓龄/最近实质提交：约 2 周 / 2026-09-10
    • 许可证：Apache-2.0
    • 成熟度/风险：早期项目、平台对接仍会变；多账号分发存在平台风控与合规风险，使用方需自行把关。

今日最值得跟进

  1. API 迁移窗口：DeepSeek 旧 v4-flash / v4-flash-vision-exp 已退役，V4-Pro 也将在 09-14（UTC）被自动路由到 V4.1-Flash——如果你的服务还在调用旧模型名，需在本周末前切换为 deepseek-flash 并跑一遍回归，确认「更便宜且更强」在自有任务上成立（KV 缓存降 1/4 对长上下文 Agent 成本影响直接）。
  2. 批量审计要拆批：今天的一篇论文（When Auditors Fabricate）用充足样本证明大模型批量质检在「大批量」下检出率从 60% 崩到 2.8%，且失败方式是自信捏造而非弃权——任何用 LLM 对文章/纪要/数据做批量校验的流程，都应拆成小批 + 抽样人工复核，别把「批量跑完」当「校验完成」。
  3. Agent 编排成本对照：OpenAI Agents API（公测、无编排费）把长跑型 agent 的 orchestration 变成商品化能力；自建与托管现在有了清晰的成本对照，值得用一个小任务对比 latency、上下文压缩效果与总成本。
  4. 社媒自动化工具已现形：Easel（浙大开源，B 站/小红书/抖音/知乎一键发布）把「从选题到发布」的链路开源了，做内容矩阵的人可以试用；注意平台风控合规，多账号发布前先看清楚各自平台的规则。

建议行动

  • 把 deepseek-flash 加入候选模型池，在 AI 产品工厂的 LLM Gateway 跑一遍模型无关用例回归（重点关注 KV cache 收益对长上下文任务的实测），再决定是否切换默认模型。
  • 若在做 AI 质检/审计类功能，依据今天论文的证据把大批量 prompt 拆小（建议 ≤ 单文档级别）+ 加入置信度闸门，并对「高置信谎言」做抽样复核。
  • 跟进 Easel 与 subagents-vs-skills 论文这两条线索：一条是内容运营自动化的现成方案，一条是长时程任务「技能如何调用」的设计取舍，与 agent 上层架构选型强相关。