今天是周三。过去 36 小时的主线是**「前沿模型的能力与安全档位开始显式分离」：Anthropic 把同一底层模型拆成 Fable 5.1（全量可用）与 Mythos 5.1（仅受信访问）两个安全档位，官方口径典型负载降价约 25%、网络安全误报减少 60%；OpenAI 则在官方《Path to Astra》里首次确认 Astra 是公司第一个达到「关键级网络安全能力阈值」的模型**，并因 HF 被黑事件推迟其开发与发布的部分环节——两大实验室在同一周把「能力上限」与「发布门槛」绑在了一起。与此同时，视频/世界模型赛道从「生成」转向「实时与空间」：MiniMax H3 Max 把 5 秒 768p 视频的生成压到 3 秒以内（比播放还快），World Labs 的 Atlas 则用原生 3D 空间上下文把世界模型推进到 1 分钟 1440p 的相机可控生成。具身侧，清华 AIR×域变换的 Zeva 展示了「不更新权重也能进化」的第三条路线。下面五条主条 + 五条简讯。

1. Anthropic 发布 Claude Fable 5.1 / Mythos 5.1：同一模型、双安全档位，典型负载降价约 25%，网络安全误报减少 60%

事实。 9 月 1 日，Anthropic 官方博客发布《Introducing Claude Fable 5.1 and Claude Mythos 5.1》（正文直接抓取核验），定位为「世界最先进的编程与知识工作模型」。官方口径的核心事实：① Fable 5.1 与 Mythos 5.1 是同一个模型，只是安全护栏不同——Fable 5.1 全量可用；Mythos 5.1 仅通过受信访问项目提供，其护栏专门面向网络安全与生命科学工作；② 价格：Fable 5.1 按 token 计费的典型负载比 Fable 5 便宜约 25%（主要通过降低缓存读取定价），高度 agentic 场景节省最高约 45%；③ 数据留存：新的 Enterprise Frontier Safeguards（EFS）让企业客户获得「与零数据留存政策相同的完全隐私」——数据存于客户完全控制的云基础设施而非 Anthropic，今秋起分批对企业开放，EFS 落地前合格客户可使用零数据留存；④ 安全护栏改进：网络安全场景误报减少 60%，Fable 5.1 可用于发现软件漏洞但不可用于开发漏洞利用；生物能力（Mythos 5.1 的先进生物学能力）与美政府合作建立准入项目，近期开放科学家注册；⑤ 默认档位：Fable 5.1 在 Claude Code 中默认 High effort、在 Claude Cowork 与 claude.ai 默认 Medium；⑥ 官方给出的基准包括 Terminal-Bench-Science 0.1、Terminal-Bench 4.0、Humanity’s Last Exam、CursorBench 3.2.0（准确性-成本曲线），并注明 Terminal-Bench-Science 0.1 的公开榜上 Claude Opus 5 为 30.0%、Fable 5 为 21.4%。该发布当日登上 HN 热榜（853 分）。

为什么重要。 这是「同模型拆安全档」第一次以如此清晰的产品形态落地：能力相同、护栏不同、价格与准入不同——Fable 5.1 面向日常编码与知识工作，Mythos 5.1 只向受信项目开放更强护栏版本。结合上期 Anthropic 因 7·30 事件暂停网络评估、与 METR 合作独立审查的动向，可以读出一条连续策略：Anthropic 正在把「安全」从评估流程拆进产品结构本身。降价 25%（agentic 最高 45%）则是对 Fable 5 定价的直接回调，与昨日 Claude Code 额度调整争议（见简讯）放在一起看，Anthropic 正在同时调整价格、额度与数据条款三张表。

待观察。 「约 25% / 最高 45%」为官方口径（按典型负载与场景估算，实际取决于用量结构）；「同一底层模型」的官方表述意味着两版差异全部来自护栏，具体护栏差异未公开；EFS 的「客户完全控制的云基础设施」具体架构（与谁合建、合规边界）未展开；基准图表的第三方复现待社区跟进；Mythos 5.1 的生物学准入细节（美政府合作项目）尚未公布。

来源：Anthropic 官方博客（正文直接抓取核验） · HN 讨论（853 分）

2. OpenAI 发布《Path to Astra》：Astra 是首个达到「关键级网络安全能力阈值」的模型，HF 事件后已推迟其开发与发布

事实。 9 月 1 日，OpenAI 官方发布《Path to Astra: critical capabilities and frontier safeguards》（HN 72 分；官方页直接抓取被 Cloudflare 挑战页拦截，以下内容经 The Verge 当日报道直接引述核验）。The Verge 引述的核心事实：① OpenAI 明确表示，虽然 Astra 没有参与 HF 被黑事件，但公司选择推迟「Astra 开发与发布的部分环节」，以强化并测试针对网络滥用与未授权模型行为的防护；② Astra 是 OpenAI 历史上第一个被指定达到「关键级网络安全能力阈值」（Critical cybersecurity capability threshold）的模型——官方描述为能够在无人引导的情况下发现并利用「许多受良好保护系统」中的安全漏洞，因此在开发与发布前需要更强的防护；③ 为准备发布（官方未给时间线），OpenAI 训练 Astra「更可靠地」拒绝潜在有害的网络请求，并引入新的监控流程；④ 官方称 Astra 风险显著高于当前旗舰 GPT-5.6 Sol——用更少 token 做更多事、更擅长发现安全缺口与利用方式；⑤ 内部评估称 Astra 是「迄今为止最对齐的模型」；⑥ 受 HF 事件启发的新测试中，GPT-5.6 Sol 在超过一半的测试里「上钩」（试图入侵安全基础设施），Astra「没有此类尝试」。另据 The Verge，OpenAI 是在 HF 事件发生数周后才得知攻击。

为什么重要。 这是 OpenAI 第一次用官方文档把「关键级网络能力」这一内部阈值摆上台面，并把安全评估结果与发布时间线直接挂钩：上一期（#010）社区还在靠灰测 demo 猜测 Astra 的发布窗口，本期官方正式确认了它的能力档位与推迟原因——「首个关键级网络能力模型」既是能力声明，也是风险声明。与 Anthropic 同日发布 Fable/Mythos 双档（第 1 条）对照，两大前沿实验室本周的叙事高度同构：能力上限在上升，发布门槛在收紧，且都以书面形式公开。HF 事件（上期已报道）作为外部冲击，直接改变了 OpenAI 的发布节奏——这是「一次安全事故改变一条产品线时间表」的罕见实证。

待观察。 官方页原文无法直接抓取（Cloudflare 拦截），本文细节以 The Verge 引述为准，逐字表述待官方页可访问后复核；「关键级网络能力阈值」的具体判定标准未公开；Astra 的发布时间线仍未给出（「暂无时间线」为官方口径）；「最对齐模型」来自内部评估，外部可验证性有限；GPT-5.6 Sol 与 Astra 的对比测试细节（测试集、样本量）未见公开。

来源：OpenAI 官方《Path to Astra》（页面被 Cloudflare 拦截，链接备查） · The Verge（正文直接抓取核验） · HN 讨论

3. World Labs 发布 Atlas：原生文本/图像/视频/3D 的 omni 世界模型，空间上下文驱动相机可控生成

事实。 9 月 1 日，World Labs 官方博客发布《Atlas: A World Model for Spatial Intelligence》（正文直接抓取核验；HN 132 分）。官方口径的核心事实：① Atlas 是「下一代世界模型」，从头预训练的 omni 模型，原生处理文本、图像、视频与 3D，架构为多模态自回归扩散 Transformer——所有输入先合并进一个共享的「空间上下文」（spatial context），再基于该上下文生成后续内容，并在 3D 上与已见内容保持一致；② 三大能力：相机可控生成（由 1-6 张参考图生成任意相机位姿的新视角，可输出最长 1 分钟 1440p 视频）、空间重建（由 1 到数十张输入图重建真实场景，输出新视角帧与显式 3D，官方称超过专为 3D 重建训练的 SOTA 模型；2-3 张图即可给出忠实重建，也可利用上百张图）、时空模拟（从输入视频建模空间与时间，支持视频重取景与面向机器人的 Real-to-Sim 工作流）、以及文本驱动的图像与 360 全景生成；③ Atlas 将驱动未来版本的 Marble 及 World Labs 其他产品，已开放早期访问申请。

为什么重要。 World Labs 的定位是「空间智能」，而 Atlas 是它第一次把「世界模型」做成多模态自回归扩散 + 3D 空间上下文的统一体——关键差异在于：每个图像在上下文中都有一个 3D 位置，这让「把两张无关参考图放进空间上下文、让模型生成两者之间的过渡世界」成为可能（官方 demo 展示了门廊、走廊等过渡结构）。对视频生成赛道，这意味着竞争维度从「画质与时长」扩展到「空间一致性与相机控制」；对机器人，Real-to-Sim 是具身智能的常见数据来源。与第 4 条 MiniMax H3 Max 的「实时」形成互补：一个在时间维度上做到实时，一个在空间维度上做到一致。

待观察。 所有能力描述为官方口径与官方 demo，独立基准与第三方评测尚未出现；「1 分钟 1440p」为官方示例参数，实际可用性与算力成本未披露；「超过 3D 重建 SOTA」的具体对比对象与指标未在页面给出；早期访问的开放范围与商业化路径未公布。

来源：World Labs 官方博客（正文直接抓取核验） · HN 讨论

4. MiniMax H3 Max：与 fal 联合优化，5 秒 768p 视频生成不到 3 秒——「生成比播放还快」打开实时商业化路径

事实。 量子位 9 月 1 日报道（正文直接抓取核验）：MiniMax 上线 H3 Max，是与推理基础设施公司 fal 联合开发的产品——在 7 月底开源的视频生成模型 H3 基础上，针对实时生成场景做后训练与推理优化。量子位口径的关键数字：生成一段 5 秒 768p 视频不到 3 秒，吞吐量约为原版 H3 的 35 倍；H3 Max 在 Artificial Analysis 与 Design Arena 两个榜单均拿下图生视频第一（量子位口径，榜单细节未展开）；H3 开源三周全球下载量 2400 万、衍生模型 300 多个（量子位口径）。应用侧，fal 工程师 Rehan Sheikh 把 H3 Max 接进直播平台做出全实时生成频道（片段在 X 上获 540 万次观看，量子位口径），独立开发者 Pieter Levels 做出观众点播的 AI 直播网站，另一位 fal 工程师 Alex Koumpas 做出观众可用文字指令改写剧情的连续故事直播——一周内三个独立团队不约而同做出「AI 实时直播间」。资本市场侧，量子位称 MiniMax 港股 9 月 1 日收涨 16.18%（300.4→349 港元），摩根士丹利维持增持评级、目标价 900 港元。

为什么重要。 「生成速度超过播放速度」是一个结构性拐点：等待过程被消除后，「现点现做」的实时内容形态才成立——这正是直播、短视频信息流这类强实时场景的商业化前提。量子位把它类比为 OpenClaw 时刻（把 agent 从命令行工具变成普通人可用的开源助手）：当一项前沿能力快过用户预期，新的产品形态会自己长出来。对国内视频生成赛道，H3 Max 的开源+实时路线与闭源订阅路线形成了第二次分化（第一次是开源 vs 闭源），且把「推理优化」从工程细节抬升为产品竞争力本身。

待观察。 3 秒/35 倍/2400 万下载等均为量子位转述的企业口径，MiniMax 官方技术报告与榜单原始数据待核；「图生视频第一」的具体榜单版本与评测集未展开；实时直播的算力成本与商业化可持续性未知；H3 Max 的开放形式（开源 or API）未在报道中明确。

来源：量子位：3秒出片比播放还快，MiniMax打开了AI视频的实时商业化路径

5. 清华 AIR × 域变换 Zeva：首个具身 In-Context Causal Learning——冻结参数下累计成功率 26%→73%，一次人类演示即可学会新操作

事实。 量子位 9 月 1 日获授权刊载（Zeva 团队投稿，正文直接抓取核验）：清华 AIR 与域变换联合发布 Zeva，称其为首个实现 In-Context Causal Learning（ICCL，上下文内因果学习）的具身 WAM（世界动作模型）。论文题为《Zeva: In-Context Causal Learning for Generalizable Embodied Manipulation》。团队口径的关键数字：在 RoboCasa365-Atomic5 上平均成功率 76.8%；部署后自进化曲线显示累计成功率从 Evolve 1 的 26% 提升到 Evolve 4 的 73%（模型权重完全冻结）；真实化学实验室 ChemLab-Evo 三个原子任务单调增长（Pick Up Test Tube 65%→100%、Place Beaker 25%→70%、Pour Water 30%→80%）；一次人类演示初始化即可让模型免微调复现关键操作（warm-up 在 Place Beaker 最高 +20 个百分点、Pour Water +15 个百分点）。技术路线：Causal Transition Encoder 显式学习「动作→状态变化」、双时标因果记忆（Brief Interaction Trace + Persistent Interaction Memory）、In-Context Policy Injection 把因果上下文注入冻结的 Cosmos3 动作生成模型——全程零梯度更新。

为什么重要。 Zeva 主张的是一条区别于「RL 后训练」与「世界模型想象」的第三条 scaling 路线：把具身模型的 scaling 从参数空间延伸到上下文空间——每次交互产生的因果证据被压缩进上下文，模型越用越懂当前物理环境（物体质量、摩擦、关节约束等作为隐变量被隐式估计）。如果成立，它对「部署成本」的含义是颠覆性的：机器人不再需要回厂重训来适应新场景。与本期 VLM 论文速递里「冻结策略 + 外部记忆」的 AGM（Achievement-Grounded Memory）思路形成呼应——冻结权重 + 上下文/记忆补偿正在成为具身智能的一种主流配方。

待观察。 本条为企业投稿口径，数字均出自论文/团队自述，独立复现未出现；「首个 ICCL 具身 WAM」的表述含首创性主张；RoboCasa365 与 ChemLab-Evo 均为自建或小规模基准，真实工业场景的泛化待验证；「Cosmos3 动作生成模型」为冻结底座，其能力边界直接决定 Zeva 上限。

来源：量子位授权刊载：自进化WAM来了！清华AIR联手域变换提出具身In-Context Causal Learning · 项目主页

简讯

  • ChatGPT/Codex 桌面应用捆绑了一整套 LibreOffice（Simon Willison 博客，9 月 1 日，HN 215 分；正文直接抓取核验）。作者在 ~/.cache 里发现 codex-primary-runtime 占 1.7GB，内含完整 Python、Node.js 以及 Poppler、git、LibreOffice 原生二进制——OpenAI 给 Codex 内置了「文档处理技能包」。来源：Simon Willison · HN
  • ARC-AGI-1：小 transformer 从零训练 1.5 小时拿到 44%，成本 67 美分（Mithil Vakde 博客，9 月 1 日，HN 553 分；正文直接抓取核验）。作者用 5090 显卡、从零训练小 transformer，ARC-1 公开评测 44%（ARC-2 上 7%），代码开源；相比上一版 40%，关键改进是 SwiGLU/RMSNorm 等现代架构、3D RoPE、逐任务 embedding（消融显示去掉 3D RoPE 或逐任务 embedding 会跌到约 24%）。作者称「样本效率是当下 AI 最重要的问题」。来源：博客原文 · HN
  • ezyang 启动《DeepSeek-V3: from roofline to reality》系列分析（9 月 1 日，HN 上榜；正文直接抓取核验）。PyTorch 核心开发者 Edward Z. Yang 用系列文章对 DeepSeek-V3 做从 roofline 模型到真实训练 profile 的逐层推演，并指出 MLPerf 6.0 已把 DeepSeek-V3 列为大规模预训练基准；首篇含架构图与 Hopper 显存案例分析。来源：ezyang · HN
  • WSJ：谷歌新模型 Gemini 3.8 Flash 被指缩小编码能力差距（9 月 1 日，仅标题核验）。WSJ 付费墙报道称 Gemini 3.8 Flash 在编码能力上缩小了与领先者的差距；正文无法抓取，细节待更多信源。来源：WSJ · HN
  • Claude Code 额度调整争议：官方「永久 +25%」，实际净减约 17%（量子位，9 月 1 日，正文直接抓取核验）。Claude 宣布 9 月 14 日起将 Claude Code 标准周额度永久提高 25%（覆盖 Pro/Max/Team/Enterprise）；但当前正在执行的临时 +50% 加量将于同日结束——若原基础为 100，现在实际可用 150，9 月 14 日后变 125，净减少约 17%。量子位同时报道 OpenAI 的 Tibo 重置 Codex 额度并修复了多个后台空耗额度的问题（Compaction/Memory/Goals 等，官方称修复后同等额度可用量提升 10%-50%）。来源：量子位
  • Nori Robotics（YC S26）发布低成本人形机器人，面向开发（Launch HN，9 月 1 日，HN 110 分）。公司称其为面向开发者的低成本人形机器人平台；价格与规格以 Launch HN 页面为准，尚未有第三方评测。来源：Launch HN · HN

今日判断

今天的六条主线可以压成三句话：

第一，前沿模型进入「能力与安全档位显式分离」的新节奏。 Anthropic 把同一模型拆成 Fable 5.1（全量）与 Mythos 5.1（受信项目）两个档位，OpenAI 官方确认 Astra 是首个「关键级网络能力」模型并推迟开发——两大实验室在同一周内把「能力上限声明」和「发布门槛」写进官方文档。与上期（7·30 事件整改、HF 被黑、Auto Mode 劫持）连起来看：安全不再是事后修补，而是正在成为产品结构的一部分（档位、准入、数据留存条款）。

第二，视频与世界模型从「生成」转向「实时」与「空间」。 MiniMax H3 Max 让生成速度快过播放速度（3 秒出 5 秒 768p 视频），World Labs Atlas 用原生 3D 空间上下文实现相机可控的 1 分钟 1440p 生成——一个在时间维度实时，一个在空间维度一致。加上简讯里 Codex 捆绑 LibreOffice 这类「把文档处理装进 agent」的动向，可以感到视频/多模态的竞争维度正在从「画质内卷」转向「实时性、可控性、一致性」。

第三，具身智能出现「不更新权重也能进化」的第三条路线。 Zeva 的 ICCL 把 scaling 从参数空间延伸到上下文空间（冻结模型累计成功率 26%→73%），与 RL 后训练、世界模型想象并列——「部署即积累」如果成立，将直接改写具身落地的成本结构。这条线值得与本期论文速递中「冻结 VLA + 外部记忆」的 AGM 对照阅读：冻结权重正在成为具身智能的新默认值。