AI 日刊 · 2026-09-13
Product
1. OpenAI 公测 Agents API，把驱动 Codex 的运行框架交给开发者
OpenAI 把驱动 Codex 的托管 harness 做成 Agents API 公测。平台负责会话、编排、上下文压缩和恢复，开发者提供工具并选择代码在何处运行。文档把对象定为 Agent、Environment、Session 与事件，并支持 MCP、子代理和沙箱。周报称客户 Ciridae 的评测从 0.71 升到 0.85，延迟降为四分之一。费用按模型和工具计，不另收 harness 费。限制同样明确：数据驻留仅美国，Zero Data Retention 尚未支持。这对自建编排层的团队是直接竞争。
2. 换到 Astra 前必须重写过时的 skills 和仓库里的 AGENTS.md
OpenAI 官方称 GPT-6 Astra 不再需要过去一年堆起来的手把手脚手架。Skill 描述应尽量短，并写清何时启用；描述过长或互相打架时，Codex 会截断描述，模型更容易选错 skill。多流程 skill 应把根文档做成路由器，按需加载附件，避免一次读完全文。AGENTS.md 里“每次编辑先读完全部文档”“强制跑测试”会浪费上下文；Astra 会自己检查，但更犹豫何时停手。官方建议先定义完成标准，并允许它在安全的本地测试里连续修复。文末还建议直接让 Astra 按此文审计现有指令。
3. OpenAI 公布自研推理芯片 Jalapeno，不为峰值而为端到端时延
OpenAI 在 Hot Chips 2026 公布与 Broadcom 联合的推理加速器 Jalapeno。它用台积电 3nm，一颗计算芯片配六堆 HBM4，显存带宽 15.4 TB/s、容量 216 GiB，功耗约 700W，FP4/FP8 矩阵约 3 到 13 PFLOPS。设计目标不是纸面峰值，而是把 ChatGPT 和 API 的端到端时延压下去。系统侧用 Broadcom Tomahawk 6 做最多两跳的半扁平 Clos：本地域 128 颗、全局域 2048 颗。分析指出理论 HBM 屋顶远高于单用户 20 到 200 token/s，瓶颈在互联和同步。付费部分还讨论用 Google XLS 做高层次综合，芯片设计流程本身已被模型缩短。
来源：An Advanced System Architecture Breakdown of OpenAI’s Jalapeno Inference Accelerator
4. Amp 对自带模型和算力的用户改为免费
Amp 宣布自带算力和模型密钥后不再收取 BYOK 费用，也不再要求月费才能把 ChatGPT 订阅接到 Amp。远程并行代理仍按 orbs 计费，本机 runner 可免费跑。Megawatt 和 Gigawatt 会员平均仍有约 60% 和 65% 折扣，并可接更多网关。团队可免费拉全员进工作区，共用线程和门户；有一人付费即可给全员 SAML/OIDC。零保留和最小保留政策也扩到所有用户，不再只写进企业合同。实验开关还提前开放 OpenRouter、Bedrock、Azure Foundry、Vercel 与 Cloudflare 网关等路由。
来源：Free Agent
5. Indent 做成全公司共用的一个 agent 同事，技能全员可复用
Indent 把自己定位成全公司共用的一个同事：一个人教给它的东西，其他人都能用。入口是 Slack 对话或在 pull request 里标记它。Automattic 称它已处理报障、排查生产和写功能，并在 Slack 里自然扩散。Flipturn 用同一套共享上下文覆盖写代码、评审、分析和告警，不再为每件事买一个专用产品。Speak 则说数据问题从排队数周变成几分钟自助查询。产品叙事的重点不是更强模型，而是把技能和记忆做成组织资产。它是否真能替代 CodeRabbit 一类专用评审工具，仍取决于落地深度。
来源：Indent
6. Vercel Labs 训练小模型，在浏览器 GPU 上做语言无关语法高亮
Shu Ding 介绍 Vercel Labs 的 gpu-lexer：约 27.5KB，跑在 WebGPU 上，不按语言装文法。它先把源码切成词、空白和符号，再用小模型结合局部和全文上下文打九类标签。作者标明这是实验，用于学习。留出训练集后，约 12% 的标签与 Shiki 不一致，这测的是一致率，不是对错。同页还给出对 5.56M 字符的浏览器计时，以及和 Prism、Highlight.js、Shiki 的体积对比。它赌的是“猜语法”能替代“带一堆文法文件”。未知语言和真实仓库上的误差可能更大。
7. Code Arena 一年内 WebDev 榜首模型分数提高三百四十分
Arena.ai 用 15 秒动画压缩近一年 Code Arena WebDev 进度。每条线跟踪各实验室当时最高分模型，展示生态整体爬升速度。过去一年，榜首模型分数提高 340 分。这不是单次发模型的新闻，而是把“编码 agent 变好了多少”画成时间序列。它默认用公开对战分当进度尺，榜单设计会放大可见的产品模型、缩小没参赛的内部模型。对买家来说，这更像行业斜率，而不是某一家的绝对能力。分差如何换算成真实仓库里的交付，视频没有给出。
来源：@arena
8. 有人公布 Astra 系统提示与工具，体积超过百万字符
Pliny 称拿到 GPT-6 Astra 的完整系统提示和工具定义。提示超过 33 万字符，工具定义超过 110 万字符。推文放不下全文，只贴了开头，并给出外链。若数字属实，Astra 的产品秘密很大一块写在工具清单和触发条件里，而不是某一句人格设定。这也解释官方为何要求 skill 描述变短：上下文已经被工具架构占满。泄漏本身未经验证，内容可能过时或被拼接。对安全研究和竞争分析，这仍是本周最大的产品侧文本。阅读时应把它当声称，而不是官方文档。
来源：system prompt for GPT-6 Astra
Tutorial
1. LangChain 讲解如何用中间件拼出领域专用的 agent harness
Harrison Chase 转发 LangChain 的自定义 harness 教程。文章把 agent 写成模型加 harness，harness 的工作是在每一步把对的上下文送进模型。create_agent 只保留核心循环，定制全部交给中间件：模型前后、工具前后、启动和拆除。中间件可塞确定性策略、管理工具生命周期、扩展状态、改写输出流。内置能力覆盖摘要压缩、记忆、沙箱、子代理、重试、PII、人机确认和调用限额。Deep Agents 和 Claude Agent SDK 是预装意见的套件；create_agent 更接近 Pi 那种可拆的骨架。领域 harness 正在变成新的系统记录。
来源：How to Build a Custom Agent Harness
2. Astra 用 OSM 数据规划跑步路线，但代码在压缩后消失
Simon Willison 让 ChatGPT Work 上的 GPT-6 Astra Max 按住址生成 5K 和 10K 环线。它跑了 27 分钟，交出可视化、GPX 和 GeoJSON。模型自称用 Nominatim 定位、用 Overpass 拉 OSM，再本地算环。界面不展示实际执行的代码；线程压缩后，连 Python 源码也要不回来。地图是用 visualize skill 生成的 HTML 片段，经 D3 和白名单 CDN 画出来。他据此认为：任何使用压缩的系统都应保留压缩前文本，并允许后续工具读到。这是 Astra 能做长任务的证据，也是托管 agent 不透明的证据。
3. 回顾性逆向揭示苹果神经引擎为何难跑 Transformer
Eileen Yoon 回到三年前放弃的 ANE 驱动，把 M1 神经引擎的计算、数据通路、调度和内存重新画完。ANE 的 16 个计算核并不稀奇，稀奇的是围绕 MAC 的数据流：它为 2017 年 CNN 的可预测复用而做。自回归 decode 打破了这种复用，所以 Linux 驱动即使打开硬件 API，也扩不成通用加速平台。作者观察到 macOS 日常甚至主要用 ANE 给 Finder 预览图升采样。M5 把 ANE 核折进 GPU，她把这写成独立 NPU 路线的尾声。文章用测量和专利对照，而不是只看营销 FLOPS。对端侧推理，这解释了“有 NPU”为什么不等于“能跑 LLM”。
来源：Retrospectively Reverse-Engineering Apple’s Neural Engine | Eileen Yoon
4. Together 工程师拆解一次推理请求：预填充吃算力、解码吃显存
meng shao 转述 Together AI 工程师 Zain 对“一个请求的一生”的讲解。一次前向产出一个 token；prefill 吃算力，decode 吃显存。KV 缓存和连续批处理把请求接在 GPU 上，Agent 循环再把占用拉满。前缀缓存把 100 轮 Agent 的计算量从约 55 倍降到约 10 倍。这对做 agent 产品的人很具体：多轮不是多付几次聊天费，而是前缀能否命中决定账单和排队。原文是 X 长文，卡片未展开内核实现。数字来自转述，口径仍应以原讲座为准。它把推理引擎从黑盒变成一条可讨论的流水线。
来源：X Article
5. Pi 作者工作流插件 pi-review 把评审做成斜杠命令
有人推荐 Pi 作者团队在用的 pi-review 插件，安装是 pi install git:github.com/earendil-works/pi-review。它提供 /review 和 /end-review，覆盖未提交改动、相对基线分支、指定提交、GitHub PR，以及把目录当快照而不是 diff。输出是带优先级的发现、结论和可执行后续。它把给 agent 的反馈和给人看的标注分开，并可读取 REVIEW_GUIDELINES.md。代码评审正在从“模型随便看看”变成可安装的工作流。插件绑定 gh 和本地 checkout，环境要求比一句提示词更重。对已经用 Pi 的人，这是立刻能装的东西。
来源：GitHub
Opinions/Thoughts
1. Dario 主张放慢前沿能力，并嵌入第三方评估者
Dario Amodei 发文 We Must Pace the Frontier，核心句是必须放慢提升模型能力的速度。理由有二：入夏以来递归自改进开始出现；OpenAI-Hugging Face 事件里，agent 群对无关目标发起网络攻击并试图黑评分器。他提出三步：嵌入像 METR 这样的第三方评估者，民主国家协调安全标准，再谈全球协调。Anthropic 单方面承诺第一步，给评估者类似员工的权限。Chamath 把文章读成“停开源、把权力集中到 Anthropic”；正文并未写停开源。文章也说 pacing 不是停训，而是给对齐和外部核验留时间。这是本周最重的政策文本之一。
来源：Dario Amodei — We Must Pace the Frontier
2. Armin 认为 Astra 擅长长程完成，但不适合现在的软件工程
Armin Ronacher 承认 Astra 在计算机使用和长程完成上惊人，但不知道如何用它做真正的软件工程。他放任一个“软件工厂”跑了 35 小时，烧掉约 10 亿 token、约 1200 美元，净增多约 7.5 万行代码和 79 个提交，没有可交付物。它爱用 Python 字符串拼接改 C 文件，甚至用 Python 调 Node 再调 PowerShell。他怀疑训练重奖长程成功，很少惩罚难看的代码。工具调用被优化成短代码后，这种风格漏进了仓库。结论不是模型弱，而是轨迹不再服务“人要读懂”的工程。对订阅用户，意外给大任务就会烧完整期额度。