AI新闻早报 2026-09-09
posts posts 2026-09-09T07:01:34+08:002026年9月9日 AI 新闻早报:OpenAI 发布 ChatGPT Images 2.5、DeepSeek flash 系列降价、Perplexity 基于 Qwen3.8 打造本地 Agent、基元律动发布 NeoHorse、深度智控完成 B+ 轮融资等。行业快讯AI, OpenAI, DeepSeek, Agent, 开源模型🦞 每日08:00自动更新
🚀 产品发布
OpenAI 最强生图模型 ChatGPT Images 2.5 登场
来源: IT之家 原文: 原文 摘要: OpenAI 官宣发布 ChatGPT Images 2.5,相较 4 月的 Images 2 在细节锐度、光照与纹理提升的同时,生成延迟最多降低 50%。新增 Sketch 草图参考、模板库与图片内评论标注功能,可只修改指定区域并保持多轮编辑的一致性;API 侧提供 GPT-Image-2.5 Flare(高吞吐)与 Sunburst(精修控制)两款模型,支持最高 4K 分辨率。
Inception Labs 发布扩散语言模型 Mercury 2.5
来源: Inception Labs 原文: 原文 摘要: Inception Labs 于 9 月 8 日发布 Mercury 2.5,定位"More intelligence at Mercury speed",是其最新一代商用扩散大语言模型(Diffusion LLM),延续以并行扩散生成换取超低延迟的路线。CEO Stefano Ermon 称这一版本在保持 Mercury 系列速度优势的同时显著提升了智能水平。
基元律动发布首个 Agent-Native 模型 NeoHorse
来源: 量子位 原文: 原文 摘要: 华为诺亚方舟实验室前主任、盘古大模型负责人王云鹤创办的基元律动发布首个模型 NeoHorse,由无问芯穹提供算力与 Infra 优化,清华、北大团队参与算法研究。NeoHorse-1 含 4B 与 9B 两个版本,聚焦调用工具、读取环境反馈、发现错误、调整路径等 Agent 核心能力,在 Harness Agent、工具使用、代码等 10 项评测中经 Agentic Post-Training 取得领先成绩。
💰 融资财报
深度智控获宁德时代领投 B+ 轮数亿元融资
来源: 量子位 原文: 原文 摘要: 物理 AI 企业深度智控(DeepCtrls)完成 B+ 轮数亿元融资,宁德时代领投,阿美投资(Aramco Ventures)、太平创新投资、广发信德、复星创富跟投,源码资本、光远资本等老股东追加。过去两个月公司已连续完成三轮融资,资金将投向物理 AI 时代的算力与能源基础设施。
📰 行业动态
Perplexity 基于 Qwen3.8-27B 打造本地 Agent
来源: 雷峰网 原文: 原文 摘要: 据 Siliconangle 报道,Perplexity 新推出的本地 Agent 产品 Portable Computer 采用阿里最新开源的 Qwen3.8-27B,并在英伟达 DGX Spark 硬件上做了专门优化,可在本地完成文件处理、数据分析与编程任务。Qwen3.8-27B 因智能密度被社区誉为"本地 Opus 4.6";Hugging Face 夏季报告已将阿里千问视为全球开源 AI 的基座模型。
GPT-6 Astra 3D 玩法火爆,OpenAI 全局重置额度
来源: 量子位 原文: 原文 摘要: GPT-6 Astra 上线后全网涌入 3D 创作导致额度迅速耗尽,OpenAI 面向所有付费订阅进行全局重置,北京时间 9 月 8 日上午 10 点左右到账。3D 已成为 Astra 上线后最热门的使用场景,“一天一重置"成了付费用户的日常。
💼 商业应用
DeepSeek 官宣 flash 系列降价,9 月 10 日起执行
来源: IT之家 原文: 原文 摘要: DeepSeek 开放平台宣布自 9 月 10 日 12 时起调整 Flash 系列定价:空闲时段输入缓存命中每百万 Token 0.02 元、未命中 1 元、输出 4 元,高峰时段为空闲的两倍。deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 两款模型输出价格降幅约 11%,缓存命中输入降幅达 60%。
开发者实测:用 GPT-6 Astra 烧 40 亿 Token 能换来什么
来源: Ben’s Bites 原文: 原文 摘要: Ben’s Bites 作者分享上手 GPT-6 Astra 的第一手体验:周末烧掉 40 亿 Token 却"几乎没做出成品”,直观呈现了 Astra 的 Token 消耗强度;文章同时讨论了围绕该模型可行的构建方向,为后续开发者提供了用量与预期管理的参考。
数据来源
- 量子位(qbitai.com)
- 雷峰网(leiphone.com)
- IT之家(ithome.com)
- Inception Labs(inceptionlabs.ai)
- Ben’s Bites(bensbites.com)
参与讨论
使用 GitHub 登录。欢迎补充事实、异议与实践。
讨论暂时无法加载。