每日 AI 前沿技术精选

Anthropic 于 9/28 发布 Claude Sonnet 5.5，为 Claude 5.5 家族第二成员。输出速度较 Sonnet 5 快 30%+，每任务成本最高降 30%（来自 token 与工具调用效率，非降价），per-token 定价维持 $2/$10 不变。Terminal-Bench 4.0 上 Sonnet 5.5 达 70.6%，反超旗舰 Opus 5.5 的 66.4%；GDPval-AA 知识工作得分 1844，仅落后 Opus 5.5（1846）两分。同时是首个搭载网络安全防护层的 Sonnet 模型，高风险安全类请求将自动回退至 Sonnet 5 处理。

• 核心机制：Mid-tier 模型编码能力反超旗舰——FrontierCode 1.1（Max 档）46.2% 超过 GPT-6 Sol xhigh 档 49.3%；OSWorld 2.1 达 80.1% 接近 Opus 5.5 的 81.8%；网络安全防护层将安全能力下沉至中端产品线。
• 实际影响：Box 实测 2.4 倍提速 + 12% token 减少；Lovable 实测工具调用减少约 1/3；Base44 实测每应用构建 3.6 次迭代 vs Opus 5 的 7.7 次。对 Agent 编排平台：Mid-tier 模型在编码子任务上已可替代旗舰，多 Agent 系统成本结构可显著优化；网络安全回退机制要求安全敏感场景显式路由至旗舰。

• Terminal-Bench 4.0 70.6%（vs Opus 5.5 66.4%）；CursorBench 4.0 55.5%（vs 57.8%）；GDPval-AA 1844（vs 1846）；OSWorld 2.1 80.1%；CyScenarioBench 46.1%（vs Sonnet 5 0.7%）（自述数据，未见第三方复现，待核实）
• Anthropic 官方发布页（anthropic.com/claude-sonnet-5-5）；VentureBeat / The Decoder / TechCrunch（9/28 集中报道）

法国 AI 实验室 H Company 于 9/28 发布 Holo4 系列（27B 稠密版 + 35B-A3B MoE 版），定位为「通用计算机操作 Agent 模型」。同一模型支持 GUI 点击、代码生成执行、MCP 工具调用与 API 直接调用四种接口，同一调用范式跑桌面/Web/Android/代码沙箱/业务 API，无需按平台切换模型。权重在 Hugging Face 开放（BF16/FP8/NVFP4/4-bit GGUF），27B 版 CC BY-NC 4.0 非商用，35B-A3B 版 Apache 2.0。同步发布 Holotron4 Nano（基于 NVIDIA Nemotron 3 Nano Omni 基座，NVIDIA 开源模型联盟成员）。

• 核心机制：训练数据来自 Agentic Task Factory（内部自动生成环境工厂），覆盖约 10,000 个任务，含 Web 应用、MCP 服务器、桌面环境及混合 GUI+MCP 环境；推理 harness 经 OSWorld 2.0 失败标签驱动重构，支持跨数百步持久化记忆 + 桌面直接 Shell 访问。「任务工厂自动生成训练数据 + 失败驱动 harness 改进」闭环是典型 RSI 辅助数据生成范式。
• 实际影响：OSWorld 2.0 上 27B 达 61.7%（Opus 5.5 为 81.8%），单任务成本 $1.22 vs Opus 的 $8.48（约 1/7）；基础版 OSWorld 85.2%，单任务 $0.08。Apache 2.0 的 35B-A3B 版（OSWorld 2.0 30.9%）为商用部署唯一选项，长流程场景需结合实际工作流验证。

• OSWorld 85.2%（27B）/ 80.8%（35B-A3B）；OSWorld 2.0 61.7%（27B，$1.22/任务）/ 30.9%（35B-A3B，$0.61）；AutomationBench 45.4%（27B，$0.05/任务）（自述数据，完整轨迹已开放，无第三方独立跑分，待核实）
• Hugging Face Blog（huggingface.co/blog/Hcompany/holo4）；轨迹数据集与 viewer（trajectories.hcompany.ai）；H Models API

北京 NaiveAI 于 9/27 发布 Naive-N0.5-Flash（基于小米 MiMo-V2.5 开放权重基座中训 + 后训），309B 总参数 / 15.5B 激活 MoE，MIT 协议开放权重与推理代码，原生 1M token 上下文。架构核心创新：48 层全部为混合注意力（39 层滑动窗口 128 token + 9 层 DeepSeek 稀疏注意力选 top-2048 token），全栈无任何 Full Attention 层。NaiveAI 称该混合注意力架构由 AI 系统自主探索设计，人类研究者仅负责设定方向与约束。

• 核心机制：去 Full Attention 化将长上下文解码开销降至接近局部注意力水平——1M token 上下文中绝大多数层只需计算 128 token 窗口，稀疏层用 indexer 选出 2048 个关键 token，从根本上规避 Full Attention 随上下文线性增长的 O(n) 瓶颈。配套 NaiveRT 推理栈融合 mega-kernel 融合 + PDL + 投机解码，厂商自述标准模式 50 tok/s/用户，极速模式 2,000 tok/s。全程 3.25T token 在 1M 原生长度完成训练。
• 实际影响：MIT 协议 + 开放权重 + 1M 上下文 + 极低推理成本（$0.10/M 输入），对端侧与中小团队部署长上下文 Coding Agent 有直接工程价值。厂商自述 SWE-Bench Pro 73.6 / Terminal-Bench 2.1 86.7（基准以图片发布，对照口径不完全可比，待核实）。RSI 叙事：内部 RSI 回路每周近 1000 万沙箱环境（峰值 10 万并发），缺乏可量化自持性验证门槛，属厂商自述定位（待核实）。

• SWE-Bench Pro 73.6 / Terminal-Bench 2.1 86.7 / Agents' Last Exam 32.4 / ProgramBench Almost@1 17.5（厂商自述，图片发布，无结构化数据，未见第三方复现，待核实）；API $0.10/M 输入 / $0.40/M 输出 / $0.01/M 缓存
• Hugging Face 模型卡（NaiveAI/Naive-N0.5-Flash，约 315GB，49 文件，含 FP8 + 投机解码 drafter）；NaiveAI 技术博客；Pondero（9/28）/ Pandaily 技术分析

剑桥 CASP 于 9/28 上线 22 位研究者联署论文，作者涵盖 Geoffrey Hinton（多伦多大学荣休教授）、Yoshua Bengio（蒙特利尔大学教授）、Jakub Pachocki（OpenAI 首席科学家，个人身份）、Jack Clark（Anthropic 联合创始人，个人身份）、Eric Horvitz（微软首席科学官）、Dawn Song（Meta AI 研究副总裁）。核心论断：若 RSI 回路在约两年内闭合，将触发「智能爆炸」，极端情形下可能导致人类边缘化甚至灭绝。

• 核心机制：引据 Anthropic 内部数据——AI 自研代码占比 2025 年 1 月个位数 → 2026 年 5 月 80%+，AI 主导 R&D 任务从 3 月 1% → 8 月 26%；OpenAI 设定「2028 全自动 AI 研究者」目标。三类风险：① 能力增长快于社会适应；② 人类监控能力失效（Dawn Song：「今天已需要 AI 监控 AI Agent，仅靠人类不够」）；③ 现有权力制衡机制因 AI 超算能力而失效。
• 实际影响：政策建议四条——强制标准化 R&D 自动化程度上报；派驻常驻监察员（类比 NRC/OCC）；建立可调节或暂停 AI R&D 工作负载的控制机制；制定劳动力市场与地缘政治剧变应急预案。本条是「定速前沿四家协议」（9/15）与「OpenAI 暂停训练」（9/27）主线的直接升级——治理主体从实验室内部协议扩展至跨企业研究者联署 + 政府介入呼吁。

• 22 位署名者；Anthropic AI 代码占比 80%+ / R&D 任务 AI 主导 26%（截至 2026 年 8 月，论文引据，非独立审计，待核实）；OpenAI 2028 全自动 AI 研究者目标（官方表述，验证标准未公开，待核实）
• Cambridge CASP（9/28 上线）；The Guardian / WSJ / Axios / Bloomberg 集中报道（9/28 美东）；Yonhap / 朝鲜日报 9/29 跟进