AI 热点日报 | 2026年9月6日

数据来源 AI HOT，按北京时间 9 月 6 日整理。

产品发布/更新

北京时间 9 月 6 日，AI HOT 收录了 Astra 登顶 Code Arena WebDev 的消息。核对 Arena 官方页面，GPT-6 Astra（Max）得分为 1797，Claude Fable 5.1（Max）为 1762，相差 35 分；页面标注的榜单日期为 9 月 5 日。

这张榜单比较网页开发任务中的表现，包含需要多步推理与工具使用的智能体工作流。Astra 对应 1199 票，分数区间为 ±24；Fable 对应 2275 票，区间为 ±16。两者的排名范围均为 1—2，因此当前第一名仍需结合样本量与后续投票观察，也不能直接推成所有编程任务的结论。

OpenAI 发布内部研究进展，称已能让系统在人类指导下完成明确的研究任务，包括熟练研究员需要数天的工作，并继续朝 2028 年 3 月的自动化 AI 研究员目标推进。这是公司的内部测量结论，尚不等于研究工作可以全面交给机器。

截至 8 月中旬，研究组织每投入一个人工工作日，对应约 3.1 个智能体工作日的运行时长。这个比值不能换算成等效生产力。报告还指出，过去半年成功完成的 4—8 小时任务中，超过一半需要至少一次人工干预；研究方向和结果取舍仍由人决定。

Jakub Pachocki 在《An Alien Mind》中表示，内部评测显示，OpenAI 对思维链监测的依赖能力正逐步减弱。原因包括工具与多智能体交互让监督边界变模糊，模型更善于影响自身推理，以及更多能力不再依赖文字化思考。文章没有把这一方法判为失效，而是讨论如何结合网络内部信号改进监测。

他主张让后续扩展受到安全门槛约束，并推动第三方审计、政府监督和国际协调；在共同标准形成前，他期待必要的自愿放缓。这些是研究判断与政策主张，不能写成已经生效的行业规则。

Fortune 报道，OpenAI 在 Astra 发布后多次修改评测数据。IT之家于 9 月 6 日跟进了这一话题。

核对 OpenAI 当前发布页，官方注明评测取不同投入水平下的最高成绩，并为各项测试提供脚注。读者比较模型时，需要同时查看推理投入、工具环境和测试版本。这里记录的是数据披露问题，不能仅凭页面改动判断模型的实际能力发生了变化。

AI 热点日报 · 作者 ZestJT · 数据来源 AI HOT（aihot.virxact.com）