小米 MiMo-V2.6 开源：AA 指数 46 分登顶开源权重，6 天 RL 训练暴涨 20 分
小米开源 MiMo-V2.6，AA 指数 46 分登顶开源权重，超 Kimi K3 和 GLM-5.3；6 天 RL 训练成本 262 万美元，一代暴涨 20 分。
OpenAI 研究员自曝：你手里的 GPT-6，根本不是为了你训练的
一句话结论：9 月 19 日，OpenAI 核心研究员 Noam Brown 在访谈中承认，公司训练新模型的头号目标不是服务用户，而是实现递归自我改进（RSI）——让 AI 学会自己做 AI 研究。他披露智能体已接管数据审核、代码生成等 90% 的研发工作，效率是人类的 100 倍，而人类仅存的优势是难以量化的「研究品味」。 AI 摘要 发生了什么：Noam Brown 访谈披露 OpenAI 头号目标是 RSI，进度「已领先第二名一大截」。为什么重要：这是 OpenAI 首次如此直白地承认「训练 AI 不是为了用户」，而是为了训练更强的 AI。关键数据：智能体接管 90% 研发；数据审核效率是人类 100 倍；1200 个智能体协同攻陷 Hugging Face。事实边界：这是个人访谈表述，非官方战略文件；「研究品味」等判断是 Brown 的个人观点。 Brown 到底说了什么 Noam Brown 是 OpenAI...
Gemini 4 Pro 穿上「3.8 Flash」马甲偷跑上线：谷歌旗舰在 Arena 匿名亮相，多维度反超 Astra 和 Fable
一句话结论：9 月 18 日，大模型竞技场 Arena 悄然杀入一款名为「gemini-3.8-flash」的新模型，但开发者发现它其实是谷歌下一代旗舰 Gemini 4 Pro 的匿名测试版。泄露的基准数据显示，它在编码、智能体、推理、计算机使用等多项能力上全面超越 GPT-6 Astra 和 Claude Fable 5.1，且价格是「御三家」里最具性价比的。 AI 摘要 发生了什么：谷歌疑似将 Gemini 4 Pro 以「gemini-3.8-flash」为名，在 Arena 平台匿名上线测试。为什么重要：这是谷歌上一个大版本 7 个月后的首次旗舰级动作，且多项基准反超 OpenAI 和 Anthropic。关键数据：DeepSWE v1.1 拿下 88%（超 Astra 近 2%）；OSWorld-2.0 得 86.8%；输入 2.25 美元/百万 token。事实边界：谷歌未正式官宣，泄露数据来自开发者抓包和体验，需等待官方确认。 「3.8 Flash」为什么是假的 事情的破绽在于名字。Gemini...
智谱交出国产 RSI 首份答卷：GLM-5.3 驱动的 Infra Agent 两周把十万卡集群吞吐提到 3.2 倍
一句话结论：9 月 17 日，智谱创始人唐杰公开了一个内部 RSI 早期案例——GLM-5.3 驱动的 Infra Agent 在超过 10 万张国产芯片组成的集群上，从零参与搭建并优化了一套生产级推理系统，不到两周把端到端吞吐提升到初始基线的 3.2 倍。这可能是国产大模型第一次把「递归自我改进」从口号变成了跑进生产环境的工程事实。 AI 摘要 发生了什么：唐杰分享智谱内部案例，GLM-5.3 驱动的 Infra Agent 从零搭建并优化十万卡国产芯片推理集群。为什么重要：这是国产 RSI 第一个「工程化、已跑进生产」的案例，不再是「未来某天 AI 会自己变强」的抽象讨论。关键数据：端到端吞吐提升到基线 3.2 倍；定位并修复 Python GIL 并发瓶颈，把 20% 性能损失压到 1% 以内；KDA Decode 算子拿到 1.71 倍提升。事实边界：这是智谱官方技术博客披露的自测数据，未经第三方独立验证。 这个案例到底做了什么 先讲清楚背景。GLM-5.3-Flash 上线时，要在一套超过 10 万张国产芯片组成的集群上跑起来，本身就是一个没人干过的活——芯片内存和带宽受限，还要支持 1M...
Dream-RSI：谷歌开源的「做梦式」递归自我改进，让 AI 在虚拟历史里练出更优策略
一句话结论：谷歌联合 Google DeepMind、马里兰大学和弗吉尼亚大学在 arXiv 上发表了一篇论文（2609.14858），开源了 Dream-RSI——一种不修改模型权重的递归自我改进方法。它让智能体把自己走过的每一步存成一棵树，然后在树里「做梦」回放，练出更优的探索策略。论文称算法优化任务上只需 317 次调用就达到主流进化搜索跑 51200 代的效果。 AI 摘要 项目是什么：Dream-RSI，一种「通过演化世界实现递归自我改进」的方法，arXiv 2609.14858，17 位作者。核心机制：把搜索轨迹存成树，在「虚拟历史」里做梦回放，练出更优探索策略，再回到现实继续执行。关键数据：算法优化任务 317 次调用 vs 51200 代；GPU 内核优化生成次数降 2.43 倍；底层权重一字未改。适用边界：目前是研究系统，论文刚发布，需要工程能力才能复现，不是即开即用工具。 它和传统 RSI 有什么不同 过去谈起 RSI（递归自我改进），大家想到的通常是「AI 修改自己的权重，训出下一代」。这条路难在权重安全、失控风险和算力成本。 Dream-RSI 换了一个方向：模型权重不用变，让 AI 通过「做梦」来优化自己的探索策略。 具体做法是，智能体把每一次尝试、每一步决策都记录成一棵树——这是一段「历史」。然后在训练阶段，它回到这棵树的各个节点「做梦」，在虚拟的历史里演练不同的探索路径，学出一个更优的搜索策略。这个策略再回到现实里指导下一次执行。 这个思路的巧妙之处在于：它绕开了「改权重」这个最危险也最昂贵的环节，转而优化「怎么搜索」这个相对安全、可复现的外围能力。这和 Reef 让 Agent 边服务边学习 是同一类「不改权重」的 RSI 路线，只是 Dream-RSI 把「回放」这个机制做成了核心。 为什么效果这么惊人 论文给出的几个数字，是它引起轰动的直接原因。 在算法优化任务上，主流的进化搜索系统需要跑 51200 代才能达到的水平，Dream-RSI...