大模型前沿动态：智谱公开 RSI 首个工程案例、JEPA-Anything 跨七域预测、Qwen 3.8 27B 秒级生成网页、OpenAI 澳大利亚青少年安全蓝图
本期四条动态落在同一处：模型与真实世界之间的接口层。智谱给 Infra Agent 补上可归因反馈，两周把十万卡集群端到端吞吐做到 3.2 倍；JEPA-Anything 把隐空间因子做成科学家可检验的接口；Qwen 3.8 27B 七秒画出 Google 首页却接不进 12306 实时余票；OpenAI 给澳大利亚青少年安全画出六根支柱。
本期四条落在同一个位置：模型与真实世界之间那层接口。智谱给 Infra Agent 补上可归因的反馈，两周把十万卡集群的端到端吞吐做到三倍；JEPA-Anything 把隐空间因子做成科学家能拿去对账的接口；Qwen 3.8 27B 七秒画出一个 Google 首页，却接不进 12306 的实时余票。能力的差距正从模型内部移到这层接口上。
智谱公开 RSI 首个工程案例：GLM-5.3 的 Infra Agent 两周把吞吐做到 3.2 倍
事件概述：9 月 17 日，清华大学计算机系教授、智谱创始人唐杰发布技术博客，记录 GLM-5.3 驱动的 Infra Agent 参与搭建并优化自家生产级推理系统的全过程。量子位当日 16:28 全文转载。这套系统跑在超过 10 万张国产芯片组成的集群上，GLM-5.3-Flash 的全部线上推理都承载其上，从模型适配到生产可用用了不到两周，端到端吞吐提升至初始基线的 3.2 倍，硬件利用效率与单 Token 成本达到主流 NVIDIA GPU 的相当水平。
技术解析：唐杰给出的判断很直接——决定 Infra Agent 工程效果的不只是模型的代码能力，更在于系统能否持续提供有效、可归因的反馈。端到端指标能告诉 Agent「结果变差了」，回答不了「为什么变差」。智谱把这称为「稠密反馈」，要求反馈满足三条：足够局部、能低成本及时获得、支持客观验证。具体做法是把正确性测试、运行日志、执行 Trace、运行时事件、微基准测试和端到端指标一并纳入 Agent 的迭代流程。三个案例可以看作这三条的注脚。正确性一侧，Agent 在 KDA 算子的上下文并行路径上发现 CP 与非 CP 结果存在偏差，追到 tl.dot 即便接收 FP32 输入也默认走 TF32，误差在状态变换合并与更新中累积，改用 input_precision="tf32x3" 后修复，相关改动已合并进 Flash Linear Attention 上游 PR #1180。系统行为一侧，工程师给 Agent 定的验收线是 Prefill + KV Transfer 相对单独 Prefill 差距不超过 5%，Agent 实测发现部分场景超过 20%；执行 Trace 显示 KV Transfer 的 Python 侧执行始终没有与 DeepEP dispatch/combine 的调用区间重叠，顺调用链查到 DeepEP v1.2.1 的 intranode_dispatch 与 intranode_combine 都没有显式释放 Python GIL，dispatch 还要在 CPU 上等 GPU 返回 token 数量，同一进程内负责 Mooncake Transfer 的 Python 线程拿不到 GIL，传输提交被推迟。同版本的 internode_dispatch 已显式释放 GIL，注释里写明正是为了避免 CPU 等待期间阻塞其他线程的 KV Transfer，这条对照成了判断依据。修复后差距压到 1% 以内。性能一侧，典型的 KDA Decode 算子先因引入 ReplaySSM 以算换存而变慢（v1 相对 v0），除法优化把执行时间砍掉 9.6%，接着 Agent 在「计算是关键瓶颈」的反馈下发现原实现沿 V 维度分块，使同样的 FP32 归一化与门控计算被重复执行四次，把这些分块合并进同一线程块、提前批量计算并共享中间结果，以牺牲部分并行度换取源头上的去重，拿到 1.71×。整套技术栈还包括面向线性注意力与 LM Head 的节点内张量并行、W8A8 量化、INT8/FP8/BF16 混合精度缓存量化、Layer Split 与 EPD（Encode–Prefill–Decode）分离式架构。
行业影响：这条的分量不在「AI 写代码」，而在它把资深 Infra 工程师那套串联诊断的经验拆成了 Agent 可重复执行的工作流——工程师定义目标与边界，Agent 提出假设、改代码、跑实验，实验环境提供分层、及时、可验证的反馈。对国产芯片生态还有一层额外意义：算子不完备、文档基本靠猜的条件下，适配周期被压到两周。智谱自己的边界划得很清楚，目标怎么定、边界怎么划、风险怎么判断仍由人类工程师负责，公司明确表示还没有实现递归自我改进。唐杰的原话是「我们的继任者，正是我们亲手创造出来的 AI」，闭环的形式已经出现：模型优化系统，系统承载模型。附带的一个数字是，GLM-5.3-Flash 曾以匿名模型 Ox-Alpha 在 OpenCode 与 OpenRouter 上接受真实调用，上线一周成为双平台调用量最大的模型，6 天 token 调用量超过 62 万亿。
相关链接：量子位转载唐杰技术博客全文、唐杰发布原帖
JEPA-Anything：把隐空间因子做成可检验的科学接口
事件概述：9 月 19 日 14:39，量子位报道 PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布的 JEPA-Anything（arXiv:2609.20800，9 月 18 日提交）。它是一套跨领域学习预测模型的框架，视觉、生物、临床、控制、分子、物理场、天气七类系统各自保留自己的观测形式、context-target 构造与编码器，共享后面的预测核心和一套统一的 latent world-state interface。
技术解析：切入点是「预测容量如何分配」。标准 JEPA 让信息全部汇入同一个 target embedding、走同一条预测路径，当不同尺度、不同实体、不同难度的信号挤在一起时，更容易预测、变化更显著的信号会优先占据预测容量，微弱却关键的信息或在梯度冲突中被抵消，或被强信号掩盖。论文提出的 OPF（Orthogonal Predictive Factorization，正交预测分解）把目标状态切成多个互补子空间，交给不同预测分支独立处理再拼回完整世界状态；正交约束防止多分支退化成「多套人马学同一件事」，因子活性约束与编码器方差约束分别用来避免部分 factor 失活和降低表示坍缩风险。这些 factor 学什么由数据中的可预测结构决定，不预先指派「你负责速度」「你负责某条通路」。实验分三层。在基于简化 Pong 构造的受控环境 CITRIS Interventional Pong 里，训练阶段只见过单一因子的变化，测试阶段面对从未出现的多因子组合干预，分布内单项干预的预测误差比标准 JEPA 低约 11.7%，未见组合的 MSE 降低约 3.5%，五组配对训练 seed 全部改善。Matched Dynamics Benchmark 在十项任务上严格对齐训练数据、编码器、状态转移骨干、计算预算与评估切分，九项有提升：PDEBench 的 Burgers 方程 MSE 下降 39.7%，浅水方程下降 39.3%，WeatherBench 2 下降 10.5%。分子侧在液态水、α-石英、对乙酰氨基酚与苯四种体系上，一步预测 MAE 与 100 步自由 rollout 后的终态 RMSD 都是最低。两个反向结果也写在报道里：连续控制中 Walker2d 与 HalfCheetah 的平均得分更高，Hopper 则是标准 JEPA 更好；Burgers 方程的预测长度从 20 步拉到 50 步，优势明显缩小。
行业影响：真正值得记的是那两个「往外拿」的案例。肝癌研究里，研究者没有把模型当黑盒预测器，而是直接分析内部形成的正交因子坐标，从中筛出 IL-18 联合 NT5E/CD73 阻断的组合，再推进到 Huh7-PBMC 共培养体系、3 份患者来源肝细胞癌类器官与 3 份肿瘤组织碎片，最后加入免疫健全小鼠验证，该组合在类器官与组织碎片中均表现出最强的肿瘤细胞杀伤并伴随显著增强的免疫细胞激活。行星轨道那条反过来做「对账」：只喂模拟的行星位置与速度轨迹、不给开普勒定律，训练完成后对 latent modes 做频谱分析，把提取的频率与轨道半长轴配对，拟合出的「轨道频率-半长轴」斜率是 -1.4991，理论值 -1.5，R² 达 0.99999999。一个从内部因子走向湿实验，一个把内部模式拿出来与已知物理规律核对，两者指向同一件事——世界模型内部学到的结构，除了服务预测，还能被研究者继续分析并接受检验。这套东西在 PhAI Labs 的 Discovery Foundation Models 设想里处在世界模型层，作用是在耗时更长、成本更高的真实实验之前提供一层近似判断。它验证的是「共同预测原则有跨领域适用性」，不是「已实现统一世界模型」。
相关链接：论文 arXiv:2609.20800、量子位报道
Qwen 3.8 27B：七秒画出一个 Google 首页，后端没来上班
事件概述：9 月 19 日 19:43，量子位刊出对 Qwen 3.8 27B 的实测。开发者 Alok 把它与 Cerebras 叠加，搭了一个离线的「AI 电脑桌面」——里面的浏览器全程离线运行，不从 YouTube、Google 等现成站点套取页面，输入网站名称与想要的年代后由模型现场生成整套界面，速度标称 1950 token/s。量子位随后自建了一个 HTML 应用生成界面做验证，模型仍是 Qwen 3.8 27B，去掉 Cerebras 加速环节。
技术解析：速度这一侧的读数很整齐：整个 Google 首页生成耗时约 6.78 秒，从该首页搜索出 YouTube 用时 6.07 秒，AI 摘要、搜索结果与信息卡片一应俱全。量子位的两道实测题，一是给即将开周会的产品经理做一个打开浏览器就能用的数据分析工具，要求自行处理表格中的空白、重复与异常数据，汇总访问与付费用户数、统计总营收、用柱状图呈现渠道转化，最后给出校对好的 Excel 和一份可直接汇报的 txt；从下指令到工具生成全程 5 分钟，五项要求全部落地，产物 52KB。二是做 12306 抢票页面，蓝白配色、车次列表、出发时间、席座价格、余票数量齐备，乘车人可勾选，预订按钮可点，最后还会弹出购票成功页。缺口也正出在这里：生成的页面默认不接 12306 的实时数据、用户账户、支付系统与真实后端，涉及身份验证、真实交易或外部服务时只能交出足够逼真的外壳——Alok 那个 YouTube 页面里的视频一个也打不开，连封面都没有。
行业影响：这条是本期主线最好的反证。Qwen 3.8 27B 缺的不是生成能力，而是与现实系统之间的接口：从立项、排期才能开工的活，如今一句 Prompt、几分钟就出可上手的版本，做网页和工具的门槛确实被打下来了。可「一句话生成网页」不等于「一句话交付产品」。把三条放在一起看更有意思——智谱给 Agent 补上的是可归因的反馈接口，JEPA-Anything 给科学家补上的是内部状态的分析接口，Qwen 这条缺的正是这类接口，于是产出停在渲染层。另一处落地门槛是成本：Cerebras 这个加速引擎要绑定境外银行卡，量子位主动去掉了这层加速以便复现。
相关链接：量子位实测稿
OpenAI 发布澳大利亚青少年安全蓝图，护栏内建进产品默认体验
事件概述：9 月 18 日，OpenAI 发布 Australian Youth Safety Blueprint，一份面向澳大利亚政策环境的青少年保护路线图，同时给出 PDF 全文。蓝图设了六根支柱，从 AI 素养、与年龄相称的防护措施，到隐私保护的年龄保证、与现实世界危机支持服务的连接、可及的家长控制。
技术解析：配套的产品动作在 8 月已经开始——OpenAI 在澳大利亚推 ChatGPT for Teens，为识别为 13 至 17 岁的用户提供一套新的默认体验，防护围绕其发展需求设计。它建立在已有的家长控制、未满 18 岁安全策略和年龄保证之上；年龄保证的作用是「把正确的保护施加到正确的用户身上」。官方表态明确：安全的责任不应主要落在青少年或其家庭身上，公司必须从一开始就把保护内建进产品。
行业影响：这条与前三条的对照关系比它本身的篇幅更有信息量。把「与现实世界危机支持服务的连接」列进支柱，本质是在给模型接一条通往真实服务系统的线——恰恰是 Qwen 那条缺失的东西。年龄保证则对应智谱那条的逻辑：先让系统能识别当前面对的是什么对象，保护措施才谈得上施加到正确的位置。护栏的形态正在从「模型拒答什么」转向「产品识别谁在用、接得上谁」。澳大利亚本身有 eSafety 专员制度，这类国别蓝图被写成公开路线图之后，很可能成为其他市场参照的模板。OpenAI 的说法是这仍是一项正在进行的工作。