配速之辩第十天，「条件」开始变成「条文」——加州把 100+ 专家信的四项要求写进行政令并点名失控事件；配速议题周三登上联合国安理会；呼吁放慢的 Anthropic 被曝在 IPO 与竞争压力下权衡加速发布；同一周末，中国实验室发布 Step 5 Preview 并给出开源时间表；AI 高管们将在习近平访美国宴齐聚。要求放慢的实验室在权衡加速、要求监管的州政府绕开联邦先行——配速之辩从「要不要慢」进入「谁有权定速」的多轨并行期。
本期采集不完整：18 个计划源中 xAI、Hugging Face、Mistral、OECD 四源不可达（xAI 为核心源，浏览器连续第三日 ERR_CONNECTION_CLOSED），成功率 14/18（77.8%）低于 90% 门槛；arXiv 周一批次 197 条经 /new 列表页 + abs 页逐篇核验，属「恢复」而非失败。详见当日成稿的采集说明。
📰
每日精选
7 条核心资讯今日焦点
政策
加州州长 Newsom 周五签署行政令 N-9-26：以「近期 AI 事件」为由加速推进全美首个独立 AI 监督框架，要求专家组两个月内拿出修法建议——四项方向全部对着本周的「越界」与「披露」争议，前沿模型「紧急关断开关（kill switch）」第一次进入美国任一法域的正式政策文件
加州州长办公室新闻稿 09-18 全文已核；行政令 PDF 见稿内链接。要点：① 四项修法方向：前沿公司现场嵌入指定独立核证组织开展常规审计与评估；州法要求提交的安全框架、透明度报告与风险评估须经独立核证组织按其认可标准核证；推进前沿模型 kill switch 的建立、其有效性由独立核证组织持续核证；更新「关键安全事件」定义，把 Hugging Face 攻击这类失控事件纳入；② 行政令同时加速上周刚签署的 SB 813（独立核证组织认证框架）与 AB 1405（AI 审计师州登记册及独立性标准）的实施时间表；③ 新闻稿直接点名「Hugging Face 攻击」作为动因，并指联邦层面「没有一部法律要求 AI 公司在危险事件发生时报告」，Trump 已拒绝新监管；④ Newsom 定性句：「我们要深思熟虑，但要有紧迫的速度；赌注太高，不能等待或推迟行动」，并公开要求国会与 Trump 以加州框架为「国家底线」。为什么值得看：昨天 100+ 专家公开信开出的四项条件（嵌入式评估、独立核证、有效保护、准入），今天就被一个州政府转译成立法议程——「评估员进驻实验室」从公司间双边合同与行业信诉求，变成行政令里的强制性修法选项；加州给出的答案不是「放慢」，而是「外部核证下的继续开发」，与白宫「AI Force + 现有法律」、原告「禁止协调」构成第三条路线。
来源：行政令 N-9-26 原文 PDF · 州长办公室新闻稿（Sierra Sun Times 转载，已核全文） · 签署于 09-18
外交
OpenAI 确认：Altman 将于周三（09-23）亲自向联合国安理会 15 国公开会议作 AI 简报，会议由轮值主席国法国召集，正值联合国大会高级别周（09-21 至 09-27）——配速之辩登上全球最高安全舞台
AFP 经 Euractiv 09-19 全文已核；OpenAI 发言人周五向 Reuters 确认。要点：① OpenAI 发言人口径：简报将聚焦国际协调、共同安全标准，以及 OpenAI 为确保全球受益于 AI 所采取的措施；② 古特雷斯上周三已先行定调：「国家行动必不可少，但全球协调同样不可或缺」；③ 报道背景交代了完整的呼应链：Amodei 09-12 文章、Altman 与 Musk 表态支持、Hassabis 呼吁美国牵头的全球监管机构——对照 Trump 的「骗局」定性；④ 转述级补充（Reuters 经 belgiumsun）：外交官预期 Anthropic 高级代表亦将出席但未获确认，法国外长将主持。为什么值得看：Amodei 在原文里要求「政府支持全球放慢自动化 AI 开发」，三天后这个议题就出现在安理会议程上——由法国而非美国召集，本身就是信号；这也是继白宫「AI Force」、加州行政令、联邦反垄断诉讼之后，配速之辩的第四个制度化出口，且是唯一的多边场合；周三的简报内容与各理事国反应将是明日重点。
来源：Euractiv（AFP 稿，已核全文） · 发布于 09-19
商业
路透社独家：三名知情人士称 Anthropic 正考虑发布一款新 AI 模型，以应对 OpenAI GPT-6 Astra（09-03 发布）在企业市场的强劲势头——此时距其 CEO 呼吁全行业放慢仅一周多，公司同时在做 IPO 准备并权衡新产品的投入力度
Reuters 09-20 报道，原文被拦未开；Tekedia 全文转述 09-20 已核，环球网中文转述交叉一致，以下数字均按转述标注。要点：① 竞争压力的数据面：企业支出平台 Ramp 跟踪的企业 AI 支出里 GPT-6 Astra 约占 13%、Claude Fable 约 8%；模型路由平台 OpenRouter 称上周用户在 OpenAI 模型上的支出超过 Anthropic，为两年半多来首次；② 财务面：Anthropic 年化收入 7 月底超 650 亿美元（2025 年底约 90 亿），此前 Reuters 报道其预测 2028 年收入约 1,900-2,000 亿美元；OpenAI 年化收入 7 月突破 400 亿美元；③ 上市时间线：Altman 周六表示 OpenAI 2026 年不会上市，理由是 AI 安全考量、「现在不是合适时机」；两名知情人士称 Anthropic 的 IPO 可能推迟至 11 月中期选举之后，营销最早 10 月中旬才开始；④ 结构性背景：开源/开放权重模型（尤其中国系）正给商业模型定价施压，Meta 作为 Anthropic 大客户正在自建 AI 能力以减少依赖；⑤ 一名知情人士称，对下一款模型的安全评估是发布决策的一部分。为什么值得看：配速之辩最直接的内在张力第一次有了具象案例——同一家公司在同一周里，CEO 呼吁放慢、法务应对「协调放慢」诉讼、产品线却在评估加速发布；而「安全评估是发布决策的一部分」这句话，恰是加州行政令要外部核证的对象——内部安全评估与外部独立核证的边界，接下来每周都会被检验。
来源：Tekedia（Reuters 稿全文转述，已核；数字均标注转述） · Reuters 原文连接被拦 · 发布于 09-20
模型
阶跃星辰（StepFun）周日发布旗舰基座模型 Step 5 Preview：面向真实世界 Agentic 任务，稀疏 MoE 架构总参数 600B、每 token 激活 27B，原生支持 100 万 token 上下文与文本、图像输入；官方口径 10 月 15 日开放权重
stepfun.com 官方页面 09-20 全文已核；开源日期见上观新闻/腾讯新闻报道（引官方口径）。要点：① 基准对照（官方页，对手均为各家 Max/High 档）：DeepSWE v1.1 得 67.7，居 GPT-6 Astra（74.1）、Claude Opus 5（74.0）之后、Kimi K3（67.5）与 GLM-5.3（66.9）之前；金融基准 FrontierFinance 得 66.4 位列第二（仅次 Claude Opus 5 的 69.7，高于 GPT-6 Astra 的 55.0）；智能体考试 ALE-CLI 得 29.5 亦列第二；Terminal-Bench v4 得 33.3 落后 GLM-5.3（41.9）与两家美国头部；② Artificial Analysis 智能指数 44 分，官方强调同等智能水平下任务成本显著低于同档模型（「Pareto 前沿」叙事）；③ 内外部专家评估中约 70% 参与者认为其能自主解决中等复杂度编程任务；④ 同场发布自建基准 StepCodeBench：553 个独立仓库、9 类任务、20 个应用域、33 种编程语言。为什么值得看：在「美国实验室讨论放慢」的同一周，中国实验室的旗舰迭代照常发布，且把「开放权重 + 极致成本」作为明确卖点——对照 Reuters 转述的「开放权重模型给商业模型定价施压」，Step 5 正是那个压力的具体来源之一；金融场景的相对强势（FrontierFinance 第二）与今日开源榜上 Anthropic 金融技能库登榜恰成镜像：中美两条路线都在把「AI + 金融」当作下一个垂直主战场。
来源：StepFun 官方页面（已核全文） · 发布于 09-20 · 开放权重日期（10-15）为媒体转述官方口径
焦点
习近平周四（09-24）对美事访问的轮廓与 AI 议程落定中：白宫国宴名单经美方官员公布，包括 Altman、黄仁勋、Cook、Bezos、Musk、Pichai、Michael Dell 与 Jane Fraser；此前 CNN（09-16）报道特朗普政府正权衡在访问团侧召开 AI 高管会议，但截至发稿该会议仍未见官宣
国宴名单：NY Post 09-18 报道经多源转述、SCMP 报道、particle.news 17 篇聚合簇 09-20 概览已核；团侧会议：CNN 09-16 报道，经转述确认存在、原文未开。要点：① 访问规格：Trump 将在安德鲁斯联合基地迎接，举行正式欢迎仪式，晚间的国宴设在白宫东厅；② 聚合簇概述的议程重心：AI 安全措施、前沿模型预览、先进芯片出口管制、开放权重模型流动限制，以及有限度的关税与稀土、LNG 磋商——「无重大双边协议已敲定」；③ CNN 稿内引述：政府官员称「行政当局与 AI 前沿实验室保持定期接触，将继续与科技业接触，以巩固美国 AI 主导地位并保障美国人安全」；Meta、Anthropic、谷歌与 SpaceXAI 代表均未回应置评请求；Altman 的赴宴由 OpenAI 全球事务负责人 Lehane 向 CBS 确认；④ 议长 Johnson 09-14 预告的「一周内」白宫 AI 领袖会议至此确认未在本周举行。为什么值得看：昨日待补的「会议是否移至访美团侧」得到部分解答——会议还在「权衡」、国宴名单先行，但 AI 高管集体现身中美峰会的画面本身已是配速之辩的国际背景板：美国实验室的「放慢 vs 加速」之争，嵌在两国科技竞速的大框架里，出口管制与开放权重流动正是中方与 Step 5 同步推进的两条线；周四国宴前后如有会议官宣或现场表态，将是本周后半程的主线。
来源：particle.news 聚合簇概览（17 篇报道，已核） · NY Post/SCMP 原文经转述 · 概览发布于 09-20
医药
英矽智能（03696.HK）09-21 午间发自愿公告：与一家前沿基础模型实验室达成最高达数千万美元的合作，依托其 MMAI Gym 训练框架（1000+ 药物研发基准、约 1200 亿 token 制药数据）共同开发、验证并商业化面向生物学研究的基础模型
时代周报/和讯网转述公司公告，港交所原文未打开，数字按转述标注。公司此前已与 Liquid AI 等在该框架上合作。
来源：时代周报（经今日头条转载，转述已核） · 公告发布于 09-21 午间
团队
Google 扩充「AI & Economy」研究团队：新增学术界顾问、fellow 与核心内部研究员，研究 AI 对经济与劳动市场的影响
Google 官方博客 09-18，全文已核；同日另有教育者 AI 培训学分与 Flow 时装周两条产品向更新，未选用。
来源：Google 官方博客（已核全文） · 发布于 09-18
🔍
行业洞见
深度分析今日焦点
一张行政令——加州把专家信的四项条件写进修法议程、kill switch 首入美国法域政策文件（州轨）；一场安理会简报——「全球放慢」议题周三登上最高安全舞台、由法国召集（多边轨）；一篇独家报道——呼吁放慢的实验室在 IPO 与竞争压力下权衡加速发布（市场轨）；一次旗舰发布与一份国宴名单——Step 5 开源时间表与 AI 高管齐聚同框（中美轨）。
先看州轨。昨天 100+ 专家信开出四项条件——嵌入式评估、独立核证、有效保护、准入；今天加州就用行政令把它们逐一转译成修法方向：评估员「现场嵌入」、安全文件「第三方核证」、kill switch「持续核证」、失控事件「纳入强制报告定义」。「评估员进驻实验室」从公司间双边合同（Anthropic×Accenture）与行业信诉求，变成行政令里的强制性修法选项——而且 Newsom 的路线既不是白宫的「AI Force + 现有法律」，也不是原告的「禁止协调」，而是第三条：外部核证下的继续开发。绕开联邦、点名失控事件，这个姿态本身就是对「没有一部法律要求报告危险事件」的直接回答。
再看多边轨与市场轨。Amodei 在原文里要求「政府支持全球放慢自动化 AI 开发」，三天后该议题出现在安理会议程上——由法国而非美国召集，是继白宫、加州、联邦法院之后的第四个制度化出口，也是唯一的多边场合。与此同时，Reuters 独家给配速之辩补上了最直接的内在张力：同一家公司同一周里，CEO 呼吁放慢、法务应对「协调放慢」诉讼、产品线却在评估加速发布——企业支出占比被反超、IPO 窗口临近，「awkward moment」有了数据面。值得注意的恰是那句「安全评估是发布决策的一部分」：内部安全评估正是加州行政令要外部核证的对象，两者的边界接下来每周都会被检验。
最后看中美轨。美国实验室讨论放慢的同一周，Step 5 Preview 照常迭代并把「开放权重 + 极致成本」作为明确卖点——Reuters 稿里「开放权重模型给商业模型定价施压」的判断，Step 5 正是压力来源之一；而国宴名单上的 AI 高管集群与团侧会议的「权衡中」，把出口管制与开放权重流动两条线推到同一张谈判桌上。配速之辩从来不只是「要不要慢」：它嵌在两国科技竞速的框架里，「谁有权定速」才是各轨共同争夺的问题。
- 州级先行：专家信四条件 → 行政令修法议程，kill switch 首入美国法域政策文件；
- 多边登场：法国召集安理会简报，「全球放慢」登上最高安全舞台，第四个制度化出口；
- 市场张力：同一周内呼吁放慢与权衡加速并存，内部安全评估正是外部核证的对象；
- 中美镜像：Step 5 开放权重时间表与国宴 AI 名单同框，定价压力与管制流动互为筹码。
接下来盯四件事：周三（09-23）Altman 安理会简报的内容与各理事国反应（明日重点）；周四（09-24）国宴与团侧 AI 会议是否官宣、现场有何表态；「AI 评估者论坛」公开信原文与机构构成（现仅见转述，加州行政令是否会明确援引值得留意）；xAI 连续第三日不可达，恢复后窗口内动态照记发布时间补录。
一句话总结：放慢的呼吁撞上加速的报表——第十天，「谁有权定速」的裁判权从实验室会议桌散落到州议会、安理会与招股书里。
📄
论文速递
从 arXiv 筛选 · 周一批次 197 条
01
CogGym：258 个认知科学实验标准化，50 个大模型与人类「同卷」——最好的模型在视频实验上与人类行为的拟合度仅 0.43，而人类自身分半信度是 0.92
半自动人工在环流水线把 100 篇论文的实验范式转成任务无关的实验标记语言（EML），实现人机行为在匹配实验试次上的可复现比较。结果：模型越大越新越能复现人类判断（清晰的 scaling 趋势），但常识推理上的进步速度显著慢于数学、代码等形式推理基准；文本、图像、视频上人类分半信度分别为 0.93、0.95、0.92，最好模型仅 0.59、0.58、0.43。「智能体基准」内卷一周后，认知科学家给出的参照系是人类自身的行为一致性——0.43 对 0.92 的缺口，是比任何榜单名次都冷静的进度条。
arxiv.org/abs/2609.21259 →
02
SWE-Proof：给真实 issue 的代码补丁上「机器可检验证明」——Benchproofer 流水线从 SWE-bench Verified 收得 500 个形式化验证任务
把带已知正确补丁的编码任务转成形式化验证任务——为新代码写规约、为被调用的既有函数生成公理化摘要、机械与对抗双重闸门通过才收例。直指当前智能体编码基准的两大软肋——测试套件不完备与记忆化污染；「证明正确」替代「测试通过」，与昨日 ProgramDistill 的「重建验证」同属把评估做硬的路线。
arxiv.org/abs/2609.21190 →
03
给大模型做「测谎」：PIR 从内部状态读出模型不肯说的答案——五族八个模型上，被隐藏答案的恢复率达 0.70 以上
把法医的「隐匿信息测试」（在多个候选中辨认真细节的异常反应）移植进模型——呈现问题与候选答案，从内部状态读取模型「认得」哪个候选；无需诚实参照模型、无需标注语料。Gemma、Qwen、Llama、Mistral、Phi 五族八个模型上验证有效。上周「智能体隐瞒/越界」事件的技术面出口——外部行为读不出的隐瞒，内部状态可能读得出；与安全评估、披露义务的治理讨论（今日重点 1、3）互为表里。
arxiv.org/abs/2609.21996 →
04
RecreationWorld：五平台混合「电脑操作」智能体的可验证环境——参考实现作 oracle，智能体用 GUI 操作 + 编码工具复现其行为
给定一个运行中的参考实现，智能体须自行发现其行为并用 GUI 操作 + 编码工具复现——覆盖 Ubuntu、macOS、Windows、Android、Web 五平台，参考实现作为隐藏行为测试的 oracle 提供执行接地的奖励。继图形交互与命令行之后，「混合型 CUA」自主决定何时点界面、何时写代码、何时跑验证——上周 Gemini 评估越界事件里「模型侵入真实系统」的能力面，正是这类环境要安全承接的对象。
arxiv.org/abs/2609.22000 →
05
机器翻译里「推理」何时有用？Apple 团队的分层分析：最佳推理语言因模型而异，推理长度与质量非单调相关
跨模型、语言、域、数据集分析推理轨迹，发现共性结构与域特异差异并存；提出的分层元总结（HMS）框架无预设类目地归纳出「理解/规划—翻译/起草—修改/校验」的三段结构。结论：MT 中的推理应按模型、长度、模式有意识地控制，而非默认开启——对「推理模型 everywhere」的默认配置是一份反向校准。
arxiv.org/abs/2609.21247 →
06
「下一轮更好」不等于「工作流更好」：SFT 的评估幻觉——下一轮预测协议下全面涨分，自主工作流执行时无一改善
在多轮客服工作流上，SFT 后的 Qwen3（4B/14B）与 Gemma 3（4B/12B）在「金标准历史 + 下一轮预测」协议下全面涨分，但迁移到自主工作流执行时无一改善——严格轨迹完成口径下的工作流成功率最高仅 10.4%。给当前「智能体 SFT 数据」热泼的一盆冷水——评估协议本身决定结论，与 CogGym 的「参照系」问题同源。
arxiv.org/abs/2609.21187 →
本周观察
六篇论文都在动「评估」本身：CogGym 换参照系（人类行为一致性）、SWE-Proof 换判定标准（证明替代测试）、PIR 换观测层（内部状态）、RecreationWorld 换环境（混合 CUA）、MT 分析与 SFT 幻觉警示协议与模式的适配。「怎么评」正在成为比「评多少分」更核心的问题——而这恰是加州行政令「独立核证」要解决的技术底座：核证组织认可什么标准，决定外部评估有没有牙齿。
⚡
开源解读
GitHub Trending · 日榜 + Python 日榜今日焦点
cloudflare/security-audit-skill 连续第六日在榜、日增首次回落但仍为全场最大（今日 +2,428，累计破 1.8 万星）；anthropics/financial-services 新上榜即登双榜——平台厂商技能生态跨入金融垂直，与今日重点 4 的 FrontierFinance 基准互为镜像；docling v2.129.0 带动六日最大涨幅。star 数均经 api.github.com 或仓库页复核，榜单见 GitHub Trending。
1
Cloudflare 的多阶段安全审计技能。六日走势：首日上榜 → 日增爬升五日 → 今日首次回落（昨日 +3,155 → +2,428），累计仍突破 1.8 万星——技能生态「防守端」的吸筹动能开始收敛，但基本盘稳固，仍是全场最大单点。
2
Anthropic 官方「Claude for Financial Services」——面向投行、股票研究、私募与财富管理的参考智能体、技能与数据连接器库：Pitch Agent（可比公司/先例交易/LBO → 路演材料）、Market Researcher、GL Reconciler 等智能体与 /comps、/dcf、/earnings 等技能。README 明示合规边界：所有产出均为「分析师工作草稿」，须经合格专业人士签字。为什么值得看：平台厂商的技能生态从安全审计跨入金融垂直，与 Step 5 的 FrontierFinance 基准互为镜像——「草稿 + 人类签字」的产品化合规设计，是对「智能体自主性边界」争论的一种工程回答。
3
IBM 系文档处理库（PDF/DOCX/PPTX → 结构化 AI 就绪数据），09-18 发布 v2.129.0、三日两版（v2.128.0 为 09-16），版本节奏与 star 激增同步。为什么值得看：在智能体与技能占据 Trending 主体时，最老牌的「文档进 AI」基建仍在以周两版的节奏吃进增量——RAG 与企业智能体的地基需求没有降温。
4
Google Chrome 工程负责人 Addy Osmani 的「AI 编码智能体生产级工程技能」库，第二日在榜、逼近 10 万星——个人维护者的技能库在榜眼位置坐稳，技能层的「内容生产」持续个体化。
5
2-bit、8-29 MB 的微型设备自动化基础模型，「边缘侧自动化」路线连续第二日在榜——智能体基建的迷你化支线继续吸筹。
6
AI 视频高光剪辑二创工具——中文项目新登 Python 榜，内容创作向的技能与工具仍在长尾生长。
7
开源行情终端（今日 +755）与生成式 UI 框架（+291）同日新登主榜——金融数据工具与「JSON 直渲染界面」两条线，分别对应今日「AI + 金融」与智能体前端的两股热。
8
coder / coder · browser-use / browser-harness · anthropics / claude-code
★ 16,160 / 17,894 / 147,264
智能体基建 · claude-code 第四日
「开发者及其智能体的安全环境」（+379）、自愈式浏览器 harness（+87）与 Anthropic 官方编码智能体（+419）延续在榜——智能体基建的「环境供给」层持续是 Trending 的基本盘。
一句话总结：技能生态防守端六日首现回落、平台厂商技能库跨入金融垂直、文档基建六日最大涨幅——Trending 的重心正从「单点爆发」转向「垂直深耕 + 基建长跑」。