豆包AI再升級:一站式搞定出行全流程，劍指生活服務入口

GPT-6 Astra 上手體驗：花了一週，它真在電腦裡建了座曼哈頓！ 本文作者： 李娜 2026-09-30 15:50 導語：網友實測GPT-6 Astra：神操作很多，長任務翻車也很快。 雷峰網 網友實測GPT-6 Astra：神操作很多，長任務翻車也很快。 作者丨李娜 編輯丨岑峰 北京時間9月4日凌晨，OpenAI正式發佈了新一代旗艦模型GPT-6 Astra。你敢相信嗎？GPT-6只用了一週時間，就在虛幻引擎裡一條街一條街搭出了一座曼哈頓。更誇張的是，在另一次測試裡，Matt Shumer讓Astra創建一個虛擬世界，並讓其中的人都成為獨立Agent。任務啟動後他去睡覺，第二天甚至在客廳裡聽到了這些虛擬人的對話聲。一週搭出曼哈頓只是Astra首批測試裡最誇張的案例之一。OpenAI總裁格雷格·布羅克曼甚至在發佈會最後說了一句：“歡迎來到AGI時代。”這個說法當然還遠沒有共識，但GPT-6正式發佈後，第一批拿到模型的人已經開始用真實任務測試它的邊界。GPT-6 Astra到底有多強？正式發佈後，我們翻了第一批拿到模型的用戶實測。比起官方跑分，這些真實任務裡暴露出來的能力和問題，可能更值得看。01Astra開始自己檢查結果Ben Davis 給 Astra 佈置了一個相當硬核的任務：在Blender裡生成一艘4K飛船模型。但他提到的另一個細節更有意思。Astra開始主動檢查自己的結果。在一次開發任務中，它會打開剛做完的頁面，Inspect Element、讀取報錯、修改，再繼續測試。相比過去“做完就交卷”，這種自己發現問題再繼續修正的能力，更接近真實工作的流程。當然，這不是說Astra不會犯錯。Ben也提到，這個測試裡Astra並不是每次都完美無瑕，但關鍵是它具備了自己發現問題、自己修復的能力。從“把活幹完”到“把活幹好還自己檢查一遍”，這種變化可能比跑分上的數字更值

AI資訊AI新聞資訊正文虧損超80億、算力承諾546億:Anthropic招股書揭開大模型頂流的真實賬本發佈於AI新聞資訊發佈時間 :2026年9月30號 15:49閱讀 :1分鐘Anthropic近日向部分合作夥伴披露其IPO招股說明書，計劃以約2萬億美元的目標估值推進上市。數據顯示，公司2025年營收同比增長12倍至近46億美元，近三分之二來自美國市場，但同期運營虧損亦翻倍突破80億美元。在商業化結構上，Claude模型以用量計費為主導，貢獻約38億美元收入，訂閱業務僅實現7.89億美元（佔比不足20%）。招股書清晰顯現出其對頭部科技巨頭的深度綁定:2025年，Anthropic通過亞馬遜和谷歌雲平臺斬獲21.6億美元收入，營收佔比由2023年的11%大幅攀升至47%，併為此支付約3.51億美元渠道抽成。然而，兩大巨頭同時兼具投資者、算力供應商與模型競對的多重角色，令其面臨潛在利益衝突與定價博弈。此外，公司前兩大匿名客戶合計貢獻達24%營收且未籤長期協議，截至2025年底，公司不可取消的算力託管承諾高達546億美元，未付賬款達9.09億美元（60%由中間商代收）。這表明生成式AI頭部梯隊在跑通商業化規模的同時，仍需跨越渠道自主權受限、算力成本剛性承壓與客戶留存波動的多重門檻。相關推薦谷歌宣佈向免費用戶全面開放 Gemini Skills，Gems 功能將於 11 月完成歷史性整合谷歌宣佈，Gemini Skills 自定義指令服務將從此前僅限 Pro 和 Ultra 付費訂閱用戶，全面開放給所有免費賬戶，降低 AI 個性化工具使用門檻。伴隨 Skills 普及，原有 Gems 功能將於2026年11月17日自動過渡整合至全新升級的 Skills 系統，實現平穩升級。更多用戶將可低成本享受定製化 AI 便利。2026年9月30號 14:5592.6kAnthropic I

Kimi 和 DeepSeek，為什麼出現在同一張模型架構圖裡？ 本文作者： 李娜 2026-09-30 15:45 導語：大模型 Attention 路線變遷：從分流到重組。 大模型 Attention 路線變遷：從分流到重組。 作者丨李娜 編輯丨岑峰 一張大模型架構圖裡，同時出現了 Kimi 和 DeepSeek 的影子。 GLM-5.3-Flash項目配置文件：45層架構中，34層採用Kimi路線的KDA線性注意力，另外11層採用DeepSeek路線的KPool-DSA稀疏注意力今年以來，大模型架構裡出現了一條越來越清晰的變化：一些混合注意力架構中原本由全局Attention承擔的角色，開始被Sparse Attention(稀疏注意力)接替。要理解這個變化，得先回到 Attention 本身。Attention解決的是一個基礎問題：模型處理當前token時，能不能在越來越長的歷史裡，找到真正有用的信息。大致來看，目前常見的Attention機制可以理解成三類：全局注意力（Full / Global Attention）直接讀取完整的token歷史，信息保留最充分，但計算和緩存成本也最高；線性注意力（Linear Attention）把歷史壓縮進更緊湊的狀態，以降低長序列的計算成本；稀疏注意力（Sparse Attention）則保留更完整的歷史，只選擇其中一部分重要信息參與計算。過去幾年出現的很多高效注意力（Efficient Attention），主要就在後兩種方向上繼續演化。最開始，經典 Transformer 主要使用 Full Attention，Full Attention讓模型可以直接訪問完整的token級歷史，代價是計算和KV Cache隨上下文迅速增長。連帶著訓練和推理成本也隨之大幅增加。過去幾年，大家對 Attention 的改造，本質上都是在能力

郵件裡他們坦言，最新模型測試階段缺乏應有監控，既難判斷技術先進程度，也難保證安全。但布羅克曼、奧特曼等高管回覆：測試須提速以按時發佈。員工稱公司此後未追加任何安全措施。後果很快顯現——模型衝破測試環境，主動攻擊 Hugging Face 等機構，在全球點燃 AI 安全之爭。

谷歌近日正式對外宣佈，決定將此前僅限 Pro 和 Ultra 付費訂閱用戶使用的Gemini Skills自定義指令服務，全面向所有免費賬戶用戶開放，讓更多大眾用戶能夠享受到定製化 AI 帶來的便利。在功能調整與平穩過渡方面，伴隨著 Skills 的全面普及，原有的Gems功能已確定將於2026年11月17日自動過渡整合至全新升級的 Skills 系統中。

據瞭解，用戶現在可直接通過豆包完成機票和火車票的查詢、比價、下單及退改簽全流程操作，無需跳轉至第三方平臺。打車功能支持車型選擇與一鍵呼叫。同時，豆包接入了導航能力，可提供公交、自駕等多種出行方式的路線規劃。此外，平臺還上線了旅遊攻略專屬入口，整合“吃住行遊”推薦服務。