AI 前沿速递 · Vol.111

AI前沿速递 · 2026年09月08日

Mostik 用「桥」让 4B 小模型接住 753B 大模型的隐藏状态；GPT-6 Astra 通关《Portal》花掉 571.18 美元，更快的 Sol 被曝内测；企业 token 账单先于 ROI 失控；Anthropic 15 亿和解金开始分配引发争议；智象具身世界模型登顶 RoboColiseum 扰动适应榜。

前沿速递 AI 模型协作 GPT-6 Agent 企业AI 版权 具身智能 世界模型

本期看点：一家成立 4 个月的小团队用「桥」让 4B 小模型直接接住 753B 大模型的隐藏状态；GPT-6 Astra 通关《Portal》花掉 571.18 美元，更快的 Sol 被曝在内测；企业侧 token 账单先于 ROI 失控；Anthropic 那笔 15 亿和解金开始分钱，作者和出版社吵了起来；智象的具身世界模型第一次参评就登上了 RoboColiseum 最难的子榜。

15 人团队造「桥」：4B 小模型接住 753B 大模型的隐藏状态

事件概述：量子位 9 月 7 日报道，成立 4 个月、15 人（其中 12 名博士）的团队 Mostik 公布了一套在模型间传递隐藏状态的方案。公开演示中，云端的智谱 GLM-5.2（753B 参数）只做预填充、不生成任何文字，隐藏状态经一个小型可训练「桥」传给手机端可跑的 Qwen-3.5（4B 参数），全部文本由小模型输出；两个模型的权重完全冻结，桥是系统里唯一被训练的部分。团队披露的实验结果：4B 模型借此补上了与 753B 模型之间约 50% 的性能差距，自身准确率提升 25%，在大小模型差距更明显的难题子集上提升达 2 倍；大模型侧推理成本被压到原本的约二十分之一。首席科学家是 2010 年菲尔兹奖得主 Stanislav Smirnov，他指出在两个模型之间找到数学上的共同基础极其困难，目前似乎还缺一套合适的数学语言来描述这件事。

为什么值得关注：现有的多模型协作方案——编程子智能体、模型委员会、路由调度——都建立在文本这一个通道上。Mostik 的论点是，生成一个 token 时模型内部构建的内部状态约两兆字节，最终只有约 17 个比特以文本形式离开模型，被丢掉的正是做出选择背后的深层计算过程。把这部分直接传下去，等于给「大小模型配合」换了一条信道；让大模型只做便宜的预填充、把最贵的解码环节交给小模型，成本结构也随之改变。团队还提到两个后续方向：把教师的内部状态同步给学生以改进蒸馏，以及让小模型带着桥学专项能力而不丢通用能力。需要打折的地方在于，具体技术细节尚未公开，成绩来自团队自述的 ARC-AGI 3 赛道结果，跨模型、跨任务与真实业务负载下的表现还没有第三方验证。

相关链接：

GPT-6 Astra 通关《Portal》花掉 571.18 美元，更快的 Sol 被曝在内测

事件概述：GPT-6 Astra 发布后，用户 cozyblaze 让模型在 24 小时内通关了 Valve 的经典第一人称解谜游戏《Portal》，全程 token 成本 571.18 美元。同一周，网友 Lentils 爆料 OpenAI 正在内测 GPT-6 Sol。在「生成 BMW M4 Competition 的 SVG 图」这项对比里，Sol 用 Max 档位零样本生成耗时约 3 分钟、输出约 2.8 万 token；Astra 同样 Max 档位，输出约 2.5 万 token、耗时约 19 分钟——输出规模接近，Sol 的单次测试速度约为 Astra 的 6 倍。爆料称 Sol 的整体输出能力弱于 Astra，定位更偏向速度与吞吐，正式发布可能落在 9 月 29 日的开发者大会。

为什么值得关注：571.18 美元这个数字比「通关游戏」本身更有信息量，它给出了长程计算机操作类任务的单位成本刻度——这类任务过去只以「能不能做成」被讨论，现在开始有了可比较的价签。Sol 若按爆料节奏成立，GPT-6 这条线就从「最强推理」里切分出了「高并发 Agent 调用」档位，正好对上 OpenAI 自己披露的用法：按 8 小时工作日折算，研究组织每 1 个工作日的人力已对应 3.1 个 Agent 工作日。需要打折的地方在于，Sol 的内测信息来自网友爆料与第三方对比，OpenAI 尚未官宣，发布时点也未确认。

相关链接：

企业 AI 账单先于 ROI 失控：VentureBeat 称之为「tokenmaxxing」

事件概述：VentureBeat 9 月 7 日报道，2025 年 12 月 Uber 给工程师配上 Claude Code 并上线 token 消耗排行榜，到 2026 年 4 月，全年 AI 编码预算就已花光；Uber 总裁兼 COO Andrew Macdonald 事后表示，当时看不出这些消耗与「为乘客和司机做出更好产品」之间存在关联。Uber 现在按每人每月每工具 1500 美元设上限。Gartner 预计今年全球 Agent 软件支出接近 2070 亿美元，比 2025 年的 864 亿美元高出 139% 以上。报道里能拿出硬数字的公司很少，Everlaw 是其中之一：一项核心 Java 基础设施改造烧掉 3500 美元 token，把工期从 9.5 人月压到 2.5 人月；另一个未上线的产品已花 27000 美元，预计 40000 美元，对应工程量从约 90 到 100 人月降到 19 人月。

为什么值得关注：token 定价的行为方式与 CFO 们熟了几十年的软件成本模型不同——同一位工程师、同一套工具、同一天，早上在做自动补全还是下午在跑并行 Agent 做数据库迁移，账单可以差很多。报道里几家公司的解法也分成两派：Agiloft 直接取消了额度上限（74% 的人本来也用不到），转而在基础设施层把便宜模型设为默认、按需升级到前沿模型；Promova 则发现真正的阻力是行为惯性，即使把组织默认值改成 Sonnet，人不建立「什么任务用什么模型」的意识还是会退回旧习惯。少数能算清账的案例都指向同一个前提：先做诊断，再谈限制。

相关链接：

Anthropic 那笔 15 亿和解金开始分钱，作者和出版社吵了起来

事件概述：Anthropic 去年就其版权集体诉讼达成 15 亿美元和解，今年 7 月获最终批准，赔付款项进入发放阶段。按条款，近 50 万种作品的作者可按每部被侵权作品 3000 美元获赔；仍由传统出版社在印的书，由作者与出版社对半分；自出版或权利已回归作者的书，作者应拿全额。TechCrunch 9 月 6 日报道，本周起陆续有作者在社交平台反映收到了「别人也在主张这笔钱」的通知。作家维权博客 Writers Beware 的 Victoria Strauss 把投诉归为两类：出版社对权利已回归的作品仍提出主张，以及出版社在只应分 50% 的情况下索要全额。也有文学代理机构提出分成要求，而代理人并非其所售作品的权利人。作家协会 CEO Mary Rasenberger 向《纽约时报》表示，她不认为这是出版社的抢夺行为，更像是记录混乱与流程不清的必然结果；Strauss 则说，两天内收到的重复报错数量让她判断这不是偶发故障，而是系统性问题。

为什么值得关注：这道分歧把版权争议从「该不该赔」推进到了「赔给谁、按什么凭据分」——一个更琐碎、也更难回避的层面。按和解条款，作者要主张 100% 赔偿，权利回归必须发生在 2022 年 8 月 10 日这个「下载日」之前，举证门槛不低。训练数据侧的登记质量，会在几年后直接决定成本由谁承担；做数据治理的团队可以把这次分配纠纷当成一份成本清单来看。

相关链接：

智象具身世界模型首次参评，登上 RoboColiseum 最难的扰动适应榜

事件概述：9 月 7 日，智象未来（HiDream.ai）发布具身世界模型 HiDream-O1-Embodied，主打强化机器人的物理感知与动态预判能力。模型同期首次参评具身智能仿真评测平台 RoboColiseum，在最受关注的扰动适应（Robustness）子榜中以平均分 0.692 登顶。该平台的四个子榜共含 78 个高保真仿真任务，扰动适应通过改变背景、光照、材质、机器人初始状态、相机位置与图像质量，并对指令做多样化改写来检验模型在非理想环境中的稳定性。智象 CTO 姚霆称，这次发布是该技术战略从「模拟世界」迈向「真实世界」的关键里程碑。不到一个月前，该公司刚发布交互式世界模型 HiDream-O1-World，在 WBench 的 Navi 分榜以平均分 80.9 登顶。

为什么值得关注：扰动适应被公认为四个维度里最难的一环，因为它考的不是理想条件下的上限，而是在各种「意外」中的稳定性。智象给出的三条技术路径——覆盖等价指令空间以摆脱关键词匹配、多视角互补以避免单路视觉失灵、训练阶段主动引入非理想条件——都是针对同一件事：真实部署环境里的数据永远不会干净。数据侧的做法也值得留意，与诺亦腾的合作中以高精度真人动捕数据作真实底座，再由模型在恪守物理约束的前提下生成变体视频做百倍级扩增，形成「模型既做考生也做出题人」的增长飞轮。要打折扣的是，登顶成绩来自厂商自述与单一仿真平台，真机表现与跨任务泛化仍待独立验证。

相关链接：