行业资讯

谷歌下一代旗舰模型Gemini 4 Pro疑似披“gemini-3.8-flash”马甲现身大模型竞技场Arena盲测。最新流出的基准数据显示：DeepSWE v1.1智能体编码88.7%（超GPT-6 Astra的86.9%）、Terminal-bench 2.1终端编码95.3%全场最高、OSWorld-2.0电脑操作86.8%第一、GDPval-AA v2真实知识工作任务2064 Elo（唯一破2000分模型）；Terminal-Bench 4.0上与自家Flash版本差距从上代3.2%拉大到13.9%。实测中Gemini 4 Pro用Three.js十分钟生成复杂机械蝴蝶，而Claude Fable 5.1耗时约30分钟。流传定价为每百万token输入2.25美元、输出11.25美元，约为对手的1/5。谷歌官方尚未确认。

商汤大装置智算中心总经理林海在华为全连接大会同期的华为AIDC基础设施峰会上提出，智算中心效率评价应从PUE、算力规模延伸至TPW（Token Per Watt，单位电力Token产出）。商汤大装置日均Token服务量约4.5万亿，全年Token量级预计较年初增长约25倍；其算电协同体系使单位电力成本Token产出提升80%，IT有效容量产出提升60%，平均电费单价较同地区IDC低约10%；临港AIDC 18MW扩容项目全链路供电效率97.8%、占地减少70%。

硬件开发社区与底层技术人员最新深度分析显示，现代英伟达GPU内部隐匿着数十个基于开放指令集架构RISC-V的处理器核心（每颗GPU含10-40个），这些低功耗核心充当微型中央处理器，已全面接管原本由主系统CPU执行的显卡驱动管理与硬件调度工作。英伟达2024年曾披露当年其GPU产品共使用逾10亿个RISC-V核心。此前英伟达使用私有微控制器Falcon（2005年随G98引入，十年间累计约30亿个，负责视频编解码、电源管理、安全引擎等），但Falcon为32位核心且无数据缓存，不再满足需求；在评估Arm、MIPS等架构后，英伟达最终选择开源RISC-V。

9月20日，阶跃科技推出旗舰模型Step 5 Preview，面向AI编程、软件工程、专业知识工作及金融领域。模型采用稀疏MoE混合专家架构，600B总参数量、27B激活参数，支持100万Token上下文，可处理文本与视觉输入，在Artificial Analysis榜单跻身全球开源模型前三。执行单个任务成本仅为Anthropic Claude Opus 5的八分之一；阶跃专为其开发覆盖553个独立代码库的StepCodeBench评测平台。模型已全面开放使用，完整权重计划于10月15日公开。

阿里Qwen团队开源图像生成与编辑模型Qwen-Image-2.1：70亿参数，声称图像生成能力可击败闭源模型，可在消费级GPU本地运行；支持图像编辑、透明度处理（原生透明底输出）与单次最多10张参考图输入，适用于风格迁移、角色一致性、多素材融合等场景。该模型采用研究许可证，明确禁止商业用途，商用需另行申请Qwen商业许可证——开源权重降低了试用成本，但未降低商用门槛。沐曦等国产GPU厂商已宣布完成Day0适配。

SpaceXAI（原 xAI）于当地时间 2026 年 9 月 18 日发布 Grok Voice Transcribe 2.0 语音转文本模型，词错误率较 1.0 版本降低约一半，而价格保持不变：批量转录每小时音频 0.10 美元，实时流式转录每小时 0.20 美元，说话人分离、精确时间戳与自定义关键词功能全部包含、无需额外付费。该模型基于 Grok Voice 底层音频基础模型构建；Grok Voice 目前已支撑每天数万通客服电话、数百万小时视频旁白转录，并驱动包括特斯拉车内 Grok 助手在内的实体硬件语音智能体。在 Artificial Analysis 榜单上，2.0 版本在全部 32 款流式模型中准确率第一；SpaceXAI 还用客服电话、日常对话、口述联系信息、多语种短指令四个内部业务数据集做了词错误率评测，2.0 全面超越 1.0。多语种转录是其提升最大的方向之一。

机器之心报道，开源项目 Editable-Design（github.com/yejy53/Editable-Design，论文 2609.04034）针对 AI 生图「好看但改不动」、代码生成「改得动但不好看」的两难，提出可编辑视觉设计框架：视觉模型负责构图/层级/色彩等艺术指导，语义化 HTML 负责结构化表达，一个持续工作的 Agent 衔接两者并负责渲染、检查与修复，最终交付真实文字+独立图层、可直接双击改字拖拽图层的设计文件。项目附带 Agent Design Replay 过程回放（记录需求理解→构图规划→素材生成→HTML 实现→渲染观察→局部修复全路径）与确定性检查（画布尺寸/字体/图层约定/渲染/编辑器往返），仓库已展示覆盖营销、信息设计、海报、学术海报、艺术设计等 6 类任务的 14 组案例，支持导出为元素独立可选的 PowerPoint，试图把 AI 设计的交付物从一张 PNG 推进到可继续生产的设计稿。

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，字均延迟（LAAL）从2.8秒降至2.3秒，准确度、流畅度、简洁度全面提升。模型采用基于Hybrid MoE的Thinker-Talker双模块设计，将视频、音频、原文与译文编排进同一条因果序列，端到端产出，实现原文译文同帧同出。在覆盖14个语向的多说话人长音频评测集Omnilingua-MSpeaker上，翻译忠实度、流畅度、简洁度及说话人分离错误率DER四个维度均优于行业主流实时同传系统；在FLEURS音频测试集70个语言方向的实时同传评测中，翻译质量、字均延迟、语音识别准确率与语音合成质量四个维度领先上一代及主流系统。

Anthropic 公司 Claude Code 团队工程师萨里克·希希帕尔（Thariq Shihipar）在 X 平台宣布，9 月 19 日发布的 2.1.277 版本 Claude Code 添加了对 AGENTS.md 的支持。AGENTS.md 旨在让不同 AI 工具共享项目级基础规则，可视为所有 AI 都应该遵守的通用规则；对开发者而言可降低工具切换成本和配置成本，不管用户使用哪个 AI 工具，项目都可以有一份统一的“给 AI 看的使用说明”，换工具、接手项目和参与开源时不必重新配置。

Anthropic发布研究：在不到四周内由Claude优化了30多个开源生物分子模型（含AlphaFold3、Boltz-2、Chai-1、ESMFold2、RFdiffusion），允许少量数值精度变化时任务平均加速约4倍、要求输出完全一致时接近2倍，代码已开源；背后仅两名不具备GPU kernel工程背景的技术人员监督。同时，AItonomy Foundation发布开源项目ScienceIDE（PhAI Labs与阿里Qwen赞助），把科学代码库转化为可执行、可验证的智能体学习环境，含27个代码库的64个环境、2812个任务、1076项科学检查；ScienceIDE-Hard评测中Claude Fable 5.1得分67.1%居首。团队还用验证轨迹微调并开源了PhAI-IDE-4B/9B/72B模型。