（本文借助 AI 大模型及工具辅助整理）
一句话总结：9月2日模型军备竞赛向"编程+Agent+自主攻防"收敛------Gemini 3.8 Flash、Claude Fable 5.1、Qwen3.8-Max 同日上新，而 OpenAI 牵头百余家公司预警 AI 网络攻击即将升级，AI 安全从评测走向自动化实战闭环。
🌊 AI 动态与趋势
模型军备竞赛进入"编程与 Agent"深水区。Google Gemini 3.8 Flash、Anthropic Claude Fable 5.1、阿里 Qwen3.8-Max 在同日密集发布，三者不约而同把卖点放在代码能力、Agent 评测榜单与极致成本上：Fable 5.1 在 Artificial Analysis 智能指数登顶并把整体成本压低最多 45%，Qwen3.8-Max 在 Code Arena 登顶且训练成本仅前代约 1/9，Gemini 3.8 Flash 则主打编程并把单价压到约 0.58 美元/任务。这表明"谁更会写代码、谁更便宜、谁的 Agent 更可靠"已成为头部厂商竞争的核心维度。
AI 安全主线正从"评测呼吁"转向"攻防实战"。OpenAI 联合微软、Google、Anthropic、德国电信、SAP 等百余家公司签署公开信，预警 AI 驱动的网络攻击将在未来数月明显升级；NVIDIA 与 CrowdStrike 则直接把"红蓝对抗"做成双模型 Agent 系统 SafeMind------Red Tempest 红队探测、Blue Solano 蓝队即时修补，在客户环境数字孪生上形成自动化闭环。叠加五角大楼 GenAI.mil 接入 ChatGPT Mil 与 Grok、AWS GovCloud 上线 AgentCore Payments（代理可经 x402 协议自主调用并付费第三方 API），AI 正被大规模嵌入关键基础设施与军事/政务体系，安全风险与治理压力同步放大。
开源与效率路线并行爆发。华为开源 openJiuwen 编码 Agent，在 SWE-bench Verified 达 82.6%、Terminal-Bench 2.1 达 87.19%，双双超越官方榜单最强成绩；GitHub 趋势被多智能体互动课堂、从零训练 64M 小模型、165 个科研 Agent 技能库霸榜，社区重心明显从"调大模型"转向"做 Agent 基础设施、压成本、做垂直落地"。ArXiv 同日多篇论文（Graph Machine 用稀疏动态路由替代 75% Transformer 层、Speech BCI 通用度量 OVMI、判别式世界模型提升 Web Agent 决策）也印证架构与评测层面的创新仍在加速。
📰 AI 今日看点
今天最值得盯的有四件事：一是头部模型"编程+Agent"能力同日集中上新，Google、Anthropic、阿里三家把代码榜单、成本与可靠性卷到新高度，且 Qwen3.8-Next 把稀疏 MoE 训练成本压到前代约 1/9；二是 AI 安全主线从预警走向实战，OpenAI 拉百余家公司发公开信、NVIDIA+CrowdStrike 推出自动攻防双模型，关键基础设施防护成为焦点；三是 Agent 走入政务与军事（五角大楼 GenAI.mil、AWS 自主付费代理）与办公（Workspace 图像生成），应用落地的速度与边界都在扩张；四是开源 Agent 与高效小模型在多智能体、科研技能、本地语音等方向热度飙升，社区重心明显向"Agent 基础设施+降本"迁移。
🔥 AI 大事件
- Google 正式发布 Gemini 3.8 Flash --- Google 正式推出 Gemini 3.8 Flash（内部代号"Skimaki"），主打编程能力，内部评测中工程师在 Jetski 编程工具里优先选择 3.8 Flash 而非 Anthropic Opus；定价约 0.58 美元/任务，API 已上线。来源：The Verge
- Anthropic 确认 Claude Fable 5.1 和 Mythos 5.1 上线 --- Fable 5.1 在 Artificial Analysis 智能指数登顶，缓存读取降价 75%、整体成本最多降 45%，Terminal-Bench-Science 得分 52.6%，已上线 Claude Code、Claude 平台、Google Agent Platform 与 OpenRouter。来源：小宇宙播客
- OpenAI 联合百余家公司预警 AI 网络攻击 --- OpenAI 联合微软、Google、Anthropic、德国电信、SAP 等百余家公司签署公开信，警告 AI 驱动的网络攻击可能在未来数月明显升级，呼吁加强威胁情报共享与跨行业协作。来源：The Decoder
- NVIDIA 与 CrowdStrike 联合发布 SafeMind --- 在 Fal.Con 2026 发布双模型 Agent 系统：Red Tempest 进攻模型（15 年红队数据训练）探测攻击路径，Blue Solano 防御模型即时修补，形成自动化攻防闭环，运行在 NVIDIA 客户环境数字孪生上。来源：Silicon Angle
- 阿里 Qwen 团队发布 Qwen3.8-Max-0902 --- Code Arena 登顶（WebDev 1691 分，比 Claude Opus 5 Max 高 3 分），定价 2 输入/6 输出每百万 Token；同步公开 Qwen3.8-Next 架构论文，125B 总参/6B 激活稀疏 MoE，训练成本约为前代 1/9。来源：The Decoder
🛠️ AI 应用前线
- 五角大楼 GenAI.mil 扩展至 ChatGPT Mil 和 Grok for Government --- 美国国防部 GenAI.mil 门户新增 ChatGPT Mil（OpenAI for Government 定制版）和 Grok for Government（SpaceX Starshield 网络支撑），覆盖 3M 人员、1.7M 已注册；Anthropic 缺席（仍在诉讼政府供应链风险认定）。来源：TechCrunch
- AWS 在 GovCloud 全面上线 Claude Fable 5.1 及第三方模型 --- AWS GovCloud 通过 Bedrock 新增 Anthropic、Meta、OpenAI、xAI、NVIDIA 全家桶；AgentCore Payments 达 GA，代理可经 x402 协议自主发现、调用并支付第三方 API。来源：AI Briefing
- Google 在 Workspace 上线基于 Nano Banana 的图像生成编辑 --- Google 在 Docs 和 Slides 中推出 Gemini Pics 功能，用户可直接通过提示框生成或编辑图像，直面 Canva 竞争。来源：AI Daily Post
- HiddenLayer 融资 1 亿美元 --- AI 安全公司 HiddenLayer 获 1 亿美元融资，客户涵盖金融和国防领域，专注企业 AI 部署安全防护。来源：TechCrunch
- 华为开源 openJiuwen 编码 Agent --- 在 SWE-bench Verified 达 82.6%、Terminal-Bench 2.1 达 87.19%，分别超越最强官方榜单成绩 3.4 和 3.39 个百分点。来源：小宇宙播客
📊 数据速递
- 1080 亿美元 --- 英伟达 Q3 营收指引，首次单季破千亿（来源：小宇宙播客）
- 约 350 亿美元 --- Anthropic 与 Lambda 签署的算力协议规模（来源：The Greiners Daily AI Brief）
- 超 250 亿美元 / 4960 亿美元 --- AWS Bedrock 年度运行率超 250 亿、积压订单 4960 亿（来源：AI Briefing）
- 32 亿美元 --- Perplexity 最新估值，5 个月内增长 10 倍（来源：The Greiners）
- 9 月 12 日 --- Grok 4.7 预计发布日期（来源：daily.dev）
- 超 700 吉瓦 --- 美国 AI 数据中心用电申请量，约为实际需求十倍，多州已出手整治（来源：小宇宙播客）
📊 今日概览
| 维度 | 数据 |
|---|---|
| 📅 日期 | 2026-09-02 |
| 🔬 ArXiv 精选论文 | 13 篇 |
| 🚀 GitHub 趋势项目 | 15 个 |
| 📰 新闻事件 | 10 条 |
🔬 ArXiv 今日精选论文
大模型与 Agent
- Post-Training Language Models for Gold-Medal Performance in Coding Competitions --- NVIDIA 提出端到端专精管线，训练 Nemotron-3-Nano-CC（30B-A3B）与 Ultra-CC（550B-A55B），并在 IOI 2026 实测中取得 535.4/600，首次超过该届人类最高分 498.27。来源：arXiv
- EarlyEval: Cheaper Agent Evaluation via Early Outcome Prediction --- 提出"早期结果预测"框架，用一对 LightGBM 分类器在 Agent 执行中途提前终止，在 SWE-bench Verified、TerminalBench、Toolathlon 上削减 13%--26% 步骤、最高 44.1% 输入 Token，准确率仍保持 89%--97%。来源：arXiv
- Discriminative World Models for Web Agents --- 提出"预测状态匹配"训练目标，让世界模型表征能区分真实状态与候选动作结果，在 WebPRMBench 动作排序与 WebArena-Lite 端到端成功率上均优于监督式下一状态预测。来源：arXiv
- SafeEvolve: Harness-Policy Co-Evolution from Agent Experience for Safety Alignment --- 主张基座模型与运行 harness 协同演化以实现安全对齐，同时约束有害最终回复与多步执行轨迹中的风险。来源：arXiv
机器学习理论与方法
- Graph Machine: Towards Better Pretraining via Edges --- 提出以"边"为指针对象的稀疏动态路由架构，维持 O(n) 状态规模，用其替换 Qwen3-0.6B 中 75% 的稠密 Transformer 层并从头预训练，仅轻微损失甚至略优。来源：arXiv
- UE5M3 FP4 Block Scaling for Stable Language Model Pretraining --- 采用无符号 E5M3 块缩放配对 E2M1，配合选择性随机舍入，在 Nemotron-H 8B 上以近 190B Token 完成稳定 4-bit 预训练，模型主体吞吐提升 21.2%。来源：arXiv
- Dutch Books for Language Models --- 用 de Finetti 定理的思路检验 LLM 概率预测的"一致性"，发现事件间逻辑关系越丰富、无关上下文越杂，模型预测不一致性越大甚至高一个数量级。来源：arXiv
多模态与视觉语言
- ShallowStream: Index Shallow then Answer Deep for Streaming Video Understanding --- 利用 MLLM 浅层同时做帧编码与检索索引，查询时再深层层回答，将每帧 prefill 延迟与 10 秒端到端延迟最高降低 52.1× 与 11.9×。来源：arXiv
- DiscoSign: Discourse-Aware Text to Sign Language Gloss Translation --- 面向手语翻译首次系统化处理话语层现象（空间共指、QAC 结构、概念-手势一致性），在句级与话语级数据上显著提升空间一致性与实体追踪。来源：arXiv
安全、机器人与交叉应用
- The Implications of Linguistic Illegibility for LLM Security --- 提出"语言不可读性"概念，论证依赖模型语言自报告（思维链监控、宪法自批判、激活探测）的安全机制无法完全可靠，主张以污点追踪等不依赖语言状态的沙箱作为底线。来源：arXiv
- Towards Trustworthy Autonomous Robots: TRACE --- 提出四层可审计决策框架（语义感知→信念推理→动作合成→执行验证），在仓库机器人导航 500 个决策周期上取得 98.6% 证据可追溯性与 99.0% 时间连续性，契合 EU AI Act 高风险系统透明要求。来源：arXiv
- A Common Measure of Communication for Speech Brain-Computer Interfaces (OVMI) --- 推导开词汇互信息 OVMI 作为语音脑机接口通用度量，统一不同词汇/数据集下的能力比较，并证明按 OVMI 选词可在三个语音域带来最高 16.3% 相对准确率提升。来源：arXiv
- LLMs for Telecom Root Cause Analysis: A Structured Reasoning Framework --- 综述电信 RCA 从规则/ML 到 LLM 的演进，并提出将异构遥测组织为规范上下文、强制决策路径推理、生成证据支撑解释的结构化框架，在两个 5G 数据集上提升诊断准确率与一致性。来源：arXiv
🚀 GitHub AI 趋势日榜 Top 15
| 排名 | 项目 | 语言 | ⭐ 今日获星 | 说明 |
|---|---|---|---|---|
| 1 | THU-MAIC/OpenMAIC | TypeScript | 3128 | 多智能体互动课堂（9月2日增量） |
| 2 | jingyaogong/minimind | Python | 1005 | 从零训练 64M LLM |
| 3 | K-Dense-AI/scientific-agent-skills | Python | 912 | 165 个科研 Agent 技能库 |
| 4 | stablyai/orca | TypeScript | 896 | 并行 Agent 舰队编排平台（周增 5017⭐） |
| 5 | debpalash/VoiceStudio | Python | 832 | 本地语音克隆/配音/转录，支持 646 种语言（周增 2103⭐） |
| 6 | nousresearch/hermes-agent | Python | 533 | 自适应成长 AI Agent 框架（周增 5183⭐） |
| 7 | Google-Research/timesfm | Python | 343 | Google 时序基础模型，零样本多变量预测 |
| 8 | handsomestWei/patent-disclosure-skill | Python | 501 | 中国专利挖掘与交底书编写 |
| 9 | affaan-m/ECC | JavaScript | 623 | Agent harness 性能优化 |
| 10 | openclaw/openclaw | TypeScript | 333 | 个人 AI 助手，支持 20+ 平台（周增 817⭐） |
| 11 | colinhacks/zod | TypeScript | 2165 | 类型安全 Schema 验证（今日 2165⭐，累计 43749⭐） |
| 12 | langgenius/dify | TypeScript | 114 | 开源 LLM 应用开发平台（累计 154175⭐） |
| 13 | ChromeDevTools/chrome-devtools-mcp | TypeScript | 148 | AI 控制调试 Chrome 的 MCP 服务器 |
| 14 | deepseek-ai/deepseek-harness | TypeScript | 533 | 插件化 DeepSeek Agent 框架（累计 208095⭐） |
| 15 | browser-use/video-use | Python | 472 | 用编程 Agent 编辑视频 |
💡 今日洞察
- 模型竞争焦点彻底转向"编程+Agent+成本"：三家头部同日上新且卖点高度重合，说明代码能力、Agent 可靠性与极致性价比已成为决定平台胜负的核心指标，单纯堆参数的叙事正在退场。
- AI 安全进入"实战化"阶段：从公开信预警到 NVIDIA+CrowdStrike 的自动攻防双模型，安全不再只是评测榜单，而是直接以 Agent 闭环嵌入关键基础设施，红蓝对抗自动化会是接下来一年的主线。
- Agent 正大规模进入政务、军事与办公核心流程：五角大楼 GenAI.mil、AWS 自主付费代理、Workspace 图像生成共同表明，Agent 的"可执行、可付费、可合规"能力正在成为落地门槛。
- 开源与高效路线形成对冲力量：华为 openJiuwen、社区多智能体/小模型/科研技能库走热，叠加 Graph Machine、FP4 预训练等论文，说明"更低成本、更强可控"的路线正在与闭源前沿模型分庭抗礼。
- 评测方法学在同步进化：EarlyEval 把 Agent 评测成本砍掉近半、OVMI 统一语音 BCI 度量、判别式世界模型改写 Web Agent 训练目标，工具与基准的创新速度已追上模型本身。
✍️ 编辑策划 / 整理 ：Fan Jun AI Tech Notes 组
📅 发布日期 ：2026-09-02
数据来源：ArXiv API、GitHub API、TechCrunch、The Verge、Wired、VentureBeat、机器之心、量子位等