📰 每日 AI 前沿技术精选

1. OpenAI 正式通知 SpaceX：11月12日切断 Cursor 模型供应，马斯克回应"毫不在意"

8月28日，OpenAI 宣布已通知 SpaceX，计划终止向其旗下 AI 编程平台 Cursor 提供模型服务，拟定终止日期为 2026年11月12日。OpenAI 给出的理由是 Cursor 被 SpaceX 以 600 亿美元收购后触发「控制权变更」条款，且马斯克旗下多家公司曾出现违约行为，无法确信 SpaceX 会在服务条款框架内使用技术。马斯克次日在 X 平台回应「我根本不在乎」，并回击 OpenAI CEO Altman 与 President Brockman「完全不值得信任」。

• 核心机制（供应链控制博弈）：这是 AI 生态「模型供给方 vs 分发平台方」因资本关系生变而断供的典型案例。Cursor 作为全球主流 AI 编程工具，其约 5% 用户流量依赖 OpenAI 模型，短期影响有限；但长期将失去未来模型（如 Astra）的接入资格，切换成本显著。
• 实际影响：标志着 AI 开发者工具链的「模型—工具」深度绑定关系进入重构期——企业在选择 AI 编程工具时需评估模型供应商的稳定性与可替换性，避免单一依赖带来的断供风险。

• 终止日期：2026年11月12日（合同允许的最大通知期）
• Cursor 受影响比例：约 5% 用户流量依赖 OpenAI 模型
• 收购背景：SpaceX 于 6 月宣布以 600 亿美元全股票交易收购 Cursor 母公司 Anysphere
• 来源：BT财经、环球网、Analytics Insight（2026-08-30）、X @elonmusk、OpenAI 官方博客

2. Recuris——首个将递归自我改进用于 Agent 记忆控制层的架构，3B 小模型到 Claude Opus 5 全线提升

新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进（RSI）应用于智能体记忆控制层的架构。该工作无需训练即可在 4 个长程基准测试、10 个模型上实现全面提升，代码与论文已在 8 月 30 日公开（arXiv:2608.24876，github.com/Gen-Verse/Recuris）。

• 核心机制（Skill Memory 四元组）：将 Agent 外部记忆控制层抽象为 (E, W, ρ, C) 四元组——E（经验记忆，存储可复用技能）、W（工作记忆规范，定义状态模式与更新提案）、ρ（调用策略，决定何时检索哪些技能）、C（检查器集合，验证环境反馈）。关键创新在于：失败定位到具体组件、只修改引起问题的组件、只有通过 held-out 验证集的门控后才被接受。
• 实际影响：传统 RSI 在长程任务中面临两大困境——记忆检索失效（膨胀上下文淹没有效经验）与记忆进化粗放（仅由成败信号决定整体重写）。Recuris 从结构化轨迹进行失败定位准确率达 64.8%（vs 仅从任务结果判断 13.0%），有效终结了六种常见长程失败模式（最高减少 80%）。

• 评测/性能：35/37 模型-基准测试对获得提升；GPT-5.6 Sol τ²-Retail +17.8、Claude Opus 5 +15.6；长时域失败模式减少最高 80%
• 代码/论文：arXiv 2608.24876、github.com/Gen-Verse/Recuris
• 模型覆盖：从 3B 开源模型到 Claude Opus 5 前沿模型均可受益

3. 谷歌 Gemini Omni 1.1 Flash 正式上线：视频生成走向 API 化，支持 40 秒场景扩展与 4K 输出

8月27日，谷歌正式发布 Gemini Omni 1.1 Flash 视频生成模型，现已通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。该模型将单段视频时长从 10 秒延长至 40 秒（以 10 秒为增量扩展），支持起止帧控制与角色一致性，可从 360p 草稿一路生成 4K 成片。同步在 Adobe Firefly、Figma Weave、Runway 等平台上线。

• 核心机制（场景扩展+帧控制+参考视频）：新模型分析最多 10 秒的先前视频上下文（此前版本仅 1 秒），以维持视觉连贯性；支持 FIRST_FRAME 与 LAST_FRAME 标记实现精确的首尾帧控制；可附带最多 3 段各 3 秒的参考视频以保持角色外观一致性；360p 草稿生成速度比 720p 快 60%、成本仅为 1/3。
• 实际影响：视频生成全面 API 化标志着内容生产的产能逻辑被重新定义——过去剪一条视频需数小时，现在用代码即可批量生成。对中小企业意味着无需专业制作团队即可产出产品演示、培训素材等；对开发者意味着生成式视频正从「一次性创意工具」变为「可按量计费的云基础设施」。

• 定价：输入 $1.50/M token，输出 $17.50/M video token（约 $0.10/秒 720p 视频）
• 上下文窗口：最长 40 秒（以 10 秒增量扩展）
• 输出分辨率：360p 草稿 / 720p / 1080p / 4K 超分
• 来源：Google AI Blog、Nowosci.ai、AIToolly（2026-08-27/30）

4. IBM Granite 4.2 开源发布：企业级推理模型内置 agentic RL，SWE-Bench Verified 8B 达 47.67

IBM 于 8 月 25–30 日期间正式发布 Granite 4.2 开源权重语言模型家族（Apache 2.0），包含 3B、8B、30B 三种参数规模。所有模型从零开始、基于约 15 万亿 token 训练，支持最高 512,000 token 上下文窗口；8B 和 30B 版本额外经过 agentic RL 训练，可在真实沙盒环境中学习使用工具、编写运行代码、搜索网页。

• 核心机制（Thinking/Non-thinking 模式切换 + Agentic RL）：Granite 4.2 在所有三个尺寸上原生支持「thinking」与「non-thinking」模式切换——复杂任务启用完整思维链，简单查询跳过推理 token 以最小化延迟；新增「low-effort」模式为中等模糊查询分配有界的推理预算。8B 和 30B 版本的 agentic RL 训练使其学会在沙盒环境中调用工具、编辑运行代码、驱动终端。
• 实际影响：填补了「企业内部部署 frontier 级推理能力」的市场空白——企业不再需要在「租用闭源 API（合规风险）」和「部署未经审查的开源权重（质量不确定）」之间做妥协。Dense transformer 架构回归表明 IBM 认为结构化基础架构配合 advanced agentic RL 比 hybrid 方案更可控，适合对可审计性要求高的金融、法律、合规场景。

• SWE-Bench Verified pass@1：8B 版本 47.67，30B 版本 57.00
• 上下文窗口：最高 512K tokens
• 许可证：Apache 2.0
• 部署：Hugging Face、Ollama、GitHub 均可获取；兼容 vLLM/SGLang
• 来源：IBM Granite 官方博客、The Value Engineering、答鸭AI（2026-08-25/30）

5. Dyna-2——百万小时人类视频验证具身智能 Scaling Law：「数据越多，机器人能力持续提升不 plateau」

Dyna Robotics 于 8 月初发布 Dyna-2（World-Action Model），使用超过 100 万小时的人类第一视角（egocentric）视频进行预训练，首次在机器人学习领域正式确立了 Scaling Law：随着人类行为视频数据量的增加，机器人的实际操作能力持续提升而不会出现 plateau。该工作在 8 月 30 日获得多家科技媒体详细报道。

• 核心机制（World-Action Model）：Dyna-2 同时推断视频中下一个场景（Next-frame）和该场景下机器人最合适的动作（Next-action），从人类视角而非机器人视角学习世界规律——相当于让机器人用「人的眼睛」观察世界，自行领悟「如何将人类行为传递给机器人」。从 1,000 小时增至 100 万小时的实验中，性能持续上升未见停滞。
• 实际影响：这是具身智能领域自 ChatGPT 以来最重要的范式突破之一——语言模型通过互联网文本 Scaling Law 实现指数级增长，而机器人学习长期受限于高质量遥操作数据的稀缺。Dyna-2 证明用人类日常行为视频即可训练通用机器人策略，跨具身智能迁移的关键数据拐点在 1 万到 10 万小时之间。

• 训练数据：100 万小时人类第一视角视频（相当于人类 170 年不间断经验）
• 数据拐点：跨具身智能迁移的关键数据区间为 1 万–10 万小时
• 论文/项目：Dyna Robotics 官方博客、geekpark.net 报道
• 来源：Gi PyeongLee's Tech Blog、博客园具身智能综述（2026-08-30）

本轮排除记录

📌 今日主线

「模型供应链控制权博弈 × Agent 记忆从存储走向自进化 × 视频生成 API 化 × 具身智能 Scaling Law 确立」

1. OpenAI 切断 Cursor 供应是本期最具生态冲击性的一条——它把「模型—工具」深度绑定的脆弱性暴露无遗。当 Cursor 约 5% 的用户流量依赖 OpenAI，而 SpaceX 600 亿收购后 OpenAI 立即援引「控制权变更」条款，这不仅是两家公司的商业博弈，更是整个 AI 开发者工具链的生存警示。
2. Recuris 把递归自我改进从「改模型权重」推进到「改记忆控制层」——这是 RSI 工程化的一个重要分水岭：前者成本高、不可逆、难审计；后者冻结下游模型、仅迭代外部化记忆组件，每次修改都有组件级定位+held-out 验证门控，实现了「可逆的自我改进」。
3. Gemini Omni 1.1 Flash 和 IBM Granite 4.2 分别代表两种 API 化路径：前者把视频生成能力变成按秒计费的云基础设施，后者把 frontier 级推理能力变成可本地部署的开源权重。二者共同指向同一趋势——AI 能力正在从「产品化」走向「基础设施化」。
4. Dyna-2 确立的具身智能 Scaling Law 是本期最具基础科学意义的发现：它证明机器人学习也存在「数据越多性能越稳」的数学规律，把具身智能从「工程堆料」推向「可预测的科学」。