1. Fortune调查：OpenAI自9月3日发布GPT-6 Astra公告以来多次修改基准测试数据——Astra幻觉率从4.2%降至2%后又回到4.2%；前代GPT-5.6 Sol的ExploitBench成绩从5.5%升至11.5%（OpenAI称11.5%对应未商用的推理等级、正研究改回）；竞对Anthropic Fable 5.1的FrontierMath成绩在页面更新中从87.8%降至78%、目前回到83%；受禁令约束的媒体预稿中ARC-AGI-3为98.6%、公开博客变为99.99%（Arc Prize独立评估：配强力工具框架99.9%、标准框架63%） 📌 续报（详见09-05第🔥1条"GPT-6 Astra正式发布"——本次为发布后基准数据公信力争议） 📌 续报(9-5第1条)
IT之家9月6日报道（转Fortune）：①发布当天博客先撤后上，重新上线后多项数据已变且此后持续调整；OpenAI回应称评测结果因模型检查点、测试框架、运行方式不同存在"几个百分点波动"，修改是为"代表模型可用性能的最佳估计"；②斯坦福智能系统实验室/可信AI实验室研究人员Anka Reuel与Mike Hardy指出其中可能存在"Benchmaxxing"（反复调整测试条件、重新运行评测以尽量提高成绩）现象，且Astra系统卡对内部幻觉率评测"几乎没提供方法细节，连测试项目数量都没列"；Snorkel AI工程师呼吁行业形成新规范：公司修改基准成绩时应明确说明评测条件变化；③背景：Meta曾被曝Llama 4公布内部版本成绩、LeCun后承认"修饰"；对计划2027年IPO的OpenAI而言，"最强模型"叙事是其核心资产。
战略选题AI评测公信力危机的治理窗口：①"评测分数是在任何计算资源投入下能达到的最高成绩"的免责声明+发布后静默改数+竞对成绩代改，三重因素叠加使模型榜单从"技术记分牌"退化为"营销素材"——采购方（含政务、国企）依据榜单选型的决策依据正在失效，可写问题导向选题：大模型评测结果的可比性危机与采购决策风险，建议推动"评测条件强制披露"（检查点版本、工具框架、推理算力、运行次数）与第三方复现机制，与我方测评计量业务直接衔接（业务嵌入点：可复现评测规程与评测条件存证——评测条件上链存证是区块链主线能力天然应用场景）；②"强力工具99.9%vs标准工具63%"的巨大落差说明Agent时代的基准分数本质是"模型+工具框架"的系统分数而非模型分数——评测对象从模型转向"智能体系统"的口径革命已实际发生，我方智能体评测框架设计应前瞻适配；③Benchmaxxing与美国政府"自愿审查"（9-5🔥7）同读：官方审查不透明+厂商自报数据可改，美国前沿模型的"能力证明体系"整体处于低信任区间，为我国"公开规程的上线前安全评估"制度提供了国际比较话语空间
查看选题库 → 2. Anthropic发布Claude Fable 5.1/Mythos 5.1：8项公开基准全部第一、科学代码两域明显甩开Fable 5与GPT-5.6 Sol；缓存读取价降至0.25美元/百万Token（降75%），典型智能体工作负载成本降约25%、高度智能体化任务最多省45%；同步上线"反蒸馏"机制——思维链区块加签名，多轮对话中篡改上下文即校验失败（补录：9月2日发布，量子位当日发稿，此前日报未及收录）[🤖智能体主线（Agent成本/模型安全）]
量子位9月2日报道：①Fable 5.1以中低推理程度即可达到老Mythos 5开到极高推理的效果，擅长多步骤任务全程稳定（第二步小错到第40步全盘崩的问题显著改善）；②科研实战：Mythos 5.1设计高亲和力结合蛋白（三个靶标亲和力为Adaptyv Bio竞赛最佳方案10倍、12靶标命中率近50%vs行业典型10-15%）；Fable 5.1基于NASA麦哲伦号30年前雷达图为金星1/3表面生成2-3km分辨率新地形图（此前仅覆盖1/5且10-20km），CC协议开源；Mythos 5.1写GPU内核将7个开源深度学习模型提速最高2.5倍、GPU成本降30-60%（性能工程团队数周工作→数天）；③反蒸馏机制：新注册API账户无法在手动编辑上下文的同时保留思维链——每个思维链区块附签名，后续请求校验"模型读取权+整段对话前缀一致性"，任何历史消息/系统提示词/工具列表改动都会使后续思维链失效；官方产品自动合规，直接调API开发者需把messages当append-only用；④安全：网络安全误报率降60%、允许发现漏洞但禁止生成利用程序；生医误报降85%、生命科学查询仍路由至Opus。
战略选题智能体主线——两条被忽视的产业信号：①"缓存读取降75%、智能体任务总成本最多省45%"说明Agent成本结构中"重复读取长上下文"占大头——KV Cache缓存计费正成为MaaS价格战的下一战场，与趋境Token工厂（9-6🔥5）、GPT-6任务计价（9-5）同读，全球Agent计量计费体系加速成熟，我方Token计量观察点再获实证；②"思维链签名+前缀绑定"的反蒸馏机制是模型安全基础设施的首创性工程——把"防上下文篡改重放"做进API层，本质是给推理过程加"防伪存证"，该思路对Agent操作留痕审计、模型输出溯源（我方可研的方向：智能体操作链签名存证，区块链主线能力场景）有直接借鉴；③"允许找漏洞、禁止造利用"的能力分级路由说明前沿厂商正把双重用途管控做成产品级细粒度策略，与我国生成式AI分类分级监管思路可对照互鉴
查看选题库 → 3. 公安部宣布"国家反诈AI"App正式上线：公安部刑侦局指导、上海市公安局自主研发，融合大语言、多模态模型和智能体技术——用户输入可疑场景即可完成风险研判、识别诈骗套路、推送典型案例；三大功能为AI大模型智能问答（风险分析/类型识别/防范建议+关联视频案例）、反诈资讯（内嵌国家反诈中心与上海"803"矩阵）、反诈辞典（手册电子版+语音朗读）；各大应用市场可下载，微信、支付宝小程序同步开放 [🤖智能体主线（政务公共服务智能体）]
IT之家9月6日报道（公安部发布）：①定位"随时能问、随手可查"的反诈智能助手，从"文字+语音+视频"多维度拆解诈骗手法、提供识别防范对策；②以App+双小程序的全渠道形态触达群众，是公安系统首个面向全国公众的AI智能体应用；③反诈是电信网络诈骗治理从"拦截封堵"向"全民识诈能力供给"的延伸。
热点选题智能体主线——公共服务智能体化的国家样本：①"部委指导+地方公安研发+全国推广+小程序全渠道"的模式跑通了政务智能体从试点到普适的路径——场景选择（反诈：高频、痛点强、容错相对高、知识库可标准化）对行业智能体选型方法论有直接参考：政务智能体应优先"问答+研判"类场景而非"执行"类场景起步；②"输入可疑场景→风险研判+套路识别+案例推送"的交互设计实质是"知识型智能体"的标准范式，与产业侧"组织上下文+典型案例库"架构同构，可写成果导向选题：我国公共服务AI化的智能体路径观察（嵌入我方行业智能体知识库与研判能力）；③反诈AI的下一站大概率是"主动预警+劝阻自动化"（与联通反诈大模型捣毁VOIP黑盒同日披露，运营商+公安的AI反诈体系正在闭环），诈骗手法与反诈AI的对抗演化将持续产生新治理议题
查看选题库 → 4. 财联社多方信源：有关部门正全面摸底储能产能、暂缓未开工新建项目审批——储能电芯为重点领域，尚处规划阶段、未正式开工的项目暂缓审批和推进，已备案在建项目不受影响，后续有望根据市场需求动态调整；远景高级副总裁田庆军：今年行业储能电芯规划扩产已超800GWh、年底建成产能约1.2-1.5TWh、规划总产能超2TWh，"已远远超越全球市场真实需求"，电芯生产需连续性、产能过剩必然打价格战
IT之家9月6日报道（转财联社）：①此次收紧并非全面叫停，是"摸清底数+暂缓增量"的组合动作；②政策脉络：2025-11-28工信部动力和储能电池行业制造业企业座谈会明确"依法依规治理非理性竞争"；2026-1-7工信部、发改委、市场监管总局、能源局四部门座谈会部署规范竞争秩序；2026-7-30《动力和储能电池成本核算模型通则》团体标准启动会召开——从喊话到标准再到审批端动作，治理工具逐步升级。
战略选题"反内卷"政策工具从口头治理进入行政审批端的标志事件：①"摸底→暂缓审批→动态调整"三步走说明中央对产能治理采取"先看清再动手"的稳健策略——摸底数据的口径统一（规划/在建/建成三态）是政策有效性的前提，产能数据申报的真实性核验（多源交叉：备案、电力接入、环评数据）存在数据基础设施需求，可写问题导向选题：产能治理的数据底座问题（嵌入我方工业数据核验能力）；②"规划2TWhvs全球真实需求"的缺口测算背后是地方政府招商驱动的新能源产能重复建设——央地博弈下"暂缓审批"的执行刚性存疑（地方发改委是否跟进、未开工项目变相抢跑），政策落地跟踪是政务信息的好选题；③与光伏、动力电池此前产能治理对照：储能是第三个进入产能管制序列的新能源赛道，"成本核算团体标准+审批暂缓"的组合若有效，可能成为其他过剩行业（如充电桩、算力中心）治理的模板——建议前瞻储备"算力设施产能摸底"研判（部分区域智算中心利用率低下与储能产能问题同构）
查看选题库 → 5. 具身智能"上下文Scaling"成新赛道：Skild AI机器人基础模型S1看一遍演示视频即可不微调完成新任务（时长可达10分钟、几十个操作步骤）；Generalist AI发布GEN-1.5主打One-Shot Learning；李飞飞、Jim Fan等7月合著RoboTTT首次系统把"上下文Scaling"搬到机器人视动策略；国内创业公司可可矩阵（COCO Matrix）把ICL前置到预训练阶段——创始人高宇翔（西安交大少年班、JHU博士辍学、曾带队傅利叶全尺寸人形全链路）提出"强理解、轻生成"：条件表征按任务意图动态提取信息，60M动作头效果可超1.1B对照 [🤖智能体主线（具身智能）]
量子位9月6日报道（对谈实录）：①行业困境：单一任务采集约200条数据可拟合很好（新任务演示到适配约18小时），但继续堆数据一直没出现期待中的通用泛化——数据覆盖路线边际递减；②新方向：RoboTTT解决更长历史的编码压缩利用，Skild/Generalist展示"看一次就会"的One-Shot能力——Scaling维度从"模型/数据/任务覆盖"扩展到"部署后持续学习能力"；③技术要点：长上下文重点不是窗口拉长而是"流式记忆"（持续筛选压缩历史、保留真正有用经验）；数据缺口在"人机教学、实时纠偏、协同作业"类数据——行业尚无成熟定义与采集标准（哪些信息要记录、纠错时点、人机动作对齐都缺统一标准）；④可可矩阵4月成立，不到一个月跑通技术方案验证，"强理解轻生成"路线已在八、九类视觉任务验证。
热点选题智能体主线——具身智能范式从"堆数据"转向"学得快"的拐点信号：①"200条数据拟合单任务但堆不出泛化"是数据规模路线失效的实证——ICL路线把竞争焦点转向"新环境新任务的适应速度"，具身智能评测指标应从"任务成功率"扩展到"适应成本"（学会新任务需要多少演示、多少时间），我方具身智能测评框架可前瞻布局"One-Shot适应能力"维度（业务嵌入点）；②"人机教学数据无采集标准"是教科书级的标准空白——记录什么、怎么对齐、如何标注纠错时点，恰是我们做产业标准的方法论强项，可写储备建议：具身智能人机交互教学数据的标准体系预研；③"60M动作头超1.1B"的架构证据说明具身模型小型化的可行路径是"前置理解、后置轻生成"——与光象ActEffect"世界模型退场"（9-6📦2）共同指向"部署侧轻量化"共识，具身智能落地成本曲线可据此研判
查看选题库 → 6. B站首届"AI创造公开赛"收官：总奖金池143万元、《猫娘计划Project N.E.K.O.》获一等奖独享100万；超3万份投稿、1.34万创作者参与、累计播放时长超3.5亿分钟；**非专业开发者占比超六成、超八成参赛者为一人团队、万粉以下创作者占88%、前10名获奖者约半数赛前粉丝不足1万**；26%的开发者参赛后开始考虑创业；《破壳机器人》《AI时空电话》等参赛产品已获外部投资；2026年Q2 B站AI知识内容消费时长同比+72%、月观看AI内容用户超1.9亿、AI广告收入同比+100%+；第二届即将开启（十亿级流量扶持）
量子位/IT之家9月6日报道（B站供稿）：①一等奖产品带鲜明ACG色彩，公布后18位UP主参与共同开发插件，注册用户10万、DAU增长超100%；二等奖《元气骑士3D版》为玩家游戏3D化改编；三等奖《世界之门》为AI生成式世界游戏（广告学出身、赛前0粉丝UP主获10万奖金）；②英伟达、智谱、vivo、红杉中国、真格基金以工具/硬件/算力/流量形式支持；③头部企业投资机构参与使比赛成为产品孵化场。
热点选题AI创造"个体化时代"的结构性证据：①"八成一人团队+六成非专业开发者+88%万粉以下"的组合是AI降低软件创造门槛迄今最完整的量化画像——"一人公司"从概念变为可统计的产业现象，与人工智能应用服务商培育行动（资源池2000→3000家）对照：供给侧组织形态正在两极化（专业服务商+个体创造者），中间层的生存空间被挤压，可写研判：AI应用供给结构的"哑铃化"及其对产业政策的意义（就业、创业扶持口径需适配个体开发者）；②"26%参赛者考虑创业+多产品获投资"说明大赛成为低成本创业试错场——平台流量扶持（十亿级）实质承担了早期孵化器职能，"平台大赛+基金跟投"模式对地方AI产业孵化有直接借鉴；③B站AI内容消费数据（月1.9亿观众、广告收入翻倍）为"AI内容消费"这一新内需板块提供了平台级证据，与微短剧400亿市场（本日🔥8）同读：AI内容产业已成为确定性的增长赛道
查看选题库 → 7. 工信部装备工业发展中心课题组发布动力电池产业发展指数：2026年1-7月我国动力电池累计销量790.4吉瓦时、同比增长37.1%；全球装机量前十电池企业中中国企业占六席、合计市场份额超70%（较去年提升3个百分点）；中国汽研联合华为终端、宁德时代、比亚迪等十余家企业攻关突破"只检测新电池"局限——模拟电池耐久老化后真实状态、跟踪从新到旧各阶段安全表现，让测评更贴近实际使用 🔍 我方相关
IT之家9月6日报道（转央视财经）：①我国已建成完备的动力电池产业体系，产业综合实力与国际竞争力持续提升；②老化耐久测评是对现行"新电池测评"的方法论升级——电池安全隐患多发生在老化后，测评口径向全生命周期延伸；③背景：工信部相关负责人9月3日在2026世界动力电池大会表示我国已建成全球领先的动力电池产业体系。
热点选题产业指数发布的三层解读：①"1-7月+37.1%、全球六席超70%"的整体向好之下需注意结构性分化——动力电池高增长与储能产能过剩（本日🔥4）并存，同一电池产业的两个市场面截然不同，"动力强、储能卷"的背离是数据异常类选题的典型样本（整体增长但关键细分市场恶化）；②"老化后耐久测评"是从"出厂合格"到"全周期安全"的测评范式升级——十余家企业联合攻关的形态说明单一企业数据不足以支撑老化测评（需长周期跟踪数据共享），"电池全生命周期数据跨主体共享"的数据基础设施命题随之浮现（与电池护照、碳足迹标识衔接——标识解析主线业务嵌入点：一电池一码+全生命周期数据挂载）；③装备中心课题组发布指数是部属单位"以指数引导产业预期"的治理工具，指数方法论（指标选取、权重、口径）的公开透明度值得跟踪
查看选题库 → 8. 央视财经：AI短剧制作价格"大跳水"——每分钟报价从5000元跌至几百元、逼近成本线，定制短剧业务仍可达每分钟1万-2万元；技术门槛下降、大量从业者涌入、产能快速扩张，行业竞争从拼产量、拼价格转向拼内容、拼市场；预计2026年国内AI剧漫剧市场规模超400亿元（同比+138%）、海外规模突破40亿美元（占海外微短剧整体近70%）
IT之家9月6日报道（转央视财经）：①"会制作"不再是稀缺能力，价格战已打到成本线；②高附加值的定制化业务保持高价，AI内容产业出现"量产红线+定制溢价"的双层市场；③海外市场成为AI短剧主要增量。
热点选题AI应用落地的"价格通缩"样本：①"每分钟5000元→几百元"的跌幅是AI能力商品化速度的最新量化——任何"会操作AI工具"型业务都会快速进入成本线竞争，AI服务业的可持续价值只能建立在行业知识、数据资产与交付确定性上（与AI服务商培育行动的资源池逻辑互证：必须培育"懂行业"的服务商而非"会用工具"的服务商）；②"量产逼近成本线+定制维持1-2万"的双层市场结构与GEO服务市场（同日观察：IT之家单日刊发十余篇GEO服务商软文，行业竞争白热化）同构——AI内容与AI营销服务两个赛道的"内卷化"速度远超预期，为"防止内卷式竞争"政策提供了新案例领域；③400亿+138%的规模与增速说明"价格崩、规模涨"并存——量价背离是典型的早期爆发市场特征，内容质量与版权治理（AI生成内容的权属、备案，与苔花标体系衔接）将成下一阶段监管焦点
查看选题库 →