微软与 UCSB 提出 ScholarEvolve：用论文进化 Agent Harness

微软与加州大学圣巴巴拉分校研究者公开论文 ScholarEvolve，从已发表的 Agent 研究中寻找改进思路，写进 Harness 后用真实任务检验，执行任务的模型保持不变。

盘点 9 月 GitHub 上最火的 20 个开源项目

逛逛GitHub 盘点了 9 月份 GitHub 上热度最高的 20 个开源项目。Archify 以约 3.34 万新增 Star 居首，它能把系统描述或代码仓库画成交互式架构图；Ponytail 和 God's Eye View 分别以约 3.12 万、3.11 万 Star 紧随其后。

Qwen 3.6 Plus vs Claude Opus 4.6：哪个真正适合生产环境？

一位开发者对比了 Qwen 3.6 Plus 与 Claude Opus 4.6 在生产环境中的表现：Qwen 3.6 Plus 单次响应从 Qwen 3.5 Plus 的 39.1 秒降至 13.9 秒，在 OpenRouter 上免费，但输出上限为 65,536 token，仅为 Claude Opus 4.6 的 128,000 的一半。

Cursor 发布 Composer 2 未披露 Kimi K2.5 基座，API 返回串暴露真相

开发者 Fynn 在 2026 年 3 月 20 日调试 Cursor 的 OpenAI 兼容接口时，返回的模型 ID 为 accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast，显示 Composer 2 基于 Moonshot AI 的 Kimi K2.5 做强化学习后训练，该推文一天内获得 44.4 万次浏览。

Jev 论文潮来袭：LLM2Jev 与 Chinese-Jev 等一批 System One 决策模型研究

9 月 15 日发布的 System One 决策模型 Jev 一周内 GitHub 相关项目超两千个、star 破四万，一批论文随之涌现。

Cloudflare 开源决策模型 Clef：基于 Qwen3.8-27B 与 Qwen3.5-9B

Cloudflare 在 Birthday Week 期间开源两个决策模型 Clef（27B）与 Clef-flash（9B），Apache 2.0 许可，权重挂在 HuggingFace，分别基于 Qwen3.8-27B 和 Qwen3.5-9B，原生带视觉编码器，上下文窗口扩展到 64k。

Shreya Shankar@sh_reyaAI 评分3636

用决策模型（如 Jev）逐行调用 API 处理数千行数据效率极低，无法利用查询规划。在单张 H100 上，Qwen3-4B 对 5k 条电影评论做一次 AI 过滤的理论最快速度约为 6.6 秒，目前包括开源 AI-SQL 引擎 Quail 在内的任何系统都远未接近。新博客文章介绍了 Quail 如何基于这一速度上限估算 AI 过滤器的成本。

技术观察：2026年9月本体、Jev决策模型、自进化RSI与大模型发布月度总结

2026年9月共发布43款大模型，国产约占八成，1M上下文与全模态成标配，Intern-Decision、NeoHorse-1等"决策模型"与"自进化后训练"新品类首次进入开源清单。

用自己智能体会话的标注数据微调编码模型

作者搭建了一条流水线，把 Paper Compute 导出的带标签编码智能体会话用于微调模型：会话、轮次和标签先导入 Databricks 的 Unity Catalog，再用 golden、regression、pushback、apology、no-outcome 等标签筛选训练样本和评测用例。

Гига Писарь 发布 Mac 端大更新：重做设置界面并减少打扰

Гига Писарь 为 Mac 端推出其史上最明显的更新，设置窗口按 macOS 系统设置风格完全重做，用左侧分区、卡片和图片取代原来的四个标签页与表格。新增「Мозг」区域可用 GigaChat 或 Qwen 本地模型改写听写文本，本地模型约 2GB 起、可一键删除，并支持多个云端服务按各自密钥切换。更新提示改为菜单栏图标上的小红点，不再弹出窗口打断用户。

Meta Muse 火了，但个人 AI 助手真正要过的是平台和用户两道门槛

Meta 的 AI 助手 Muse 上线不到三周下载量超 340 万次，登上美国 App Store 免费榜第一，超 8 万条评分达 4.9 分。它靠读取邮箱识别遗忘订阅并代为取消、接入 Stripe 旗下 Link 完成付款，切中省钱这类琐碎生活场景。

Qwen Code 0.24.6 发布：引入 Managed Runtime v2 与受管会话恢复

Qwen Code 0.24.6 发布，新增 Managed Runtime v2 契约，支持启动、状态查询和取消操作，并加入受管会话日志与故障后切换机制。CLI 新增 /batch-api 批处理场景，Java SDK 获得 Hosted Harness 客户端及重启后绑定恢复能力。官方称冷启动时 CLI 就绪时间减半、RSS 内存占用降低 60%，但未提供独立验证结果。

Paper Compute 实验：用 Jev 给智能体会话打标签，188 ms 中位延迟、100% 召回

Paper Compute 工程师用 TypeSafe 的 Jev 做智能体会话标签实验，在 1,781 条工程师对话轮次上，Jev 1.13.0 中位响应 188 ms，比 GPT-4o mini 的 1,023 ms 和 Claude Haiku 4.5 的 1,050 ms 快约 5.4 倍和 5.6 倍，本地 Qwen3 8B 为 2,311 ms。

用 OpenRouter 让 Claude Code 跑任意模型

作者给出用 OpenRouter 把 Claude Code 接到任意模型的做法：把 OPENROUTER_API_KEY 放在 ~/.config/openrouter.env。

使用 System One 模型的两个技巧：分层目标与锦标赛采样

作者用 Qwen3-8B 复现 Jev 的 System One 模型演示，把任意 LLM 通过批量单 token 结构化输出改造成快速通用分类器，并总结出两个编程技巧。

Sebastian Raschka@rasbtAI 评分3636

Sebastian Raschka 用 Paint UI 复刻同一张图，对比 GPT-5.6 Astra 与 Qwen3.8 Max 的计算机使用（视觉）能力：Astra 默认用几何图形分层绘制，Qwen 则逐像素还原，后者结果天然更接近原图、得分会更高。但他认为不能据此断定 Qwen 的计算机使用或视觉理解更强，这恰恰说明只看最终结果的 benchmark 有多不可靠。

Semantic Overlays：给 LLM 提示注入加一个 NX 位

Semantic Overlays 在冻结模型上训练小型适配器，把一段 token 在残差流中标记为“不可执行”，文本仍可读但失去下达指令的权限，且没有文本能模仿这个标记。

模型竞赛降温，企业市场成新战场

OpenAI 于 3 月 24 日宣布关停 Sora，API 将于 9 月 24 日下线，同期重心转向 Codex 和企业版 ChatGPT；Anthropic 则围绕 Claude Cowork 和 Claude Design 构建角色权限、支出限额与可观测性等企业能力。

Qwen 3.8 27B 实测：默认推理档位过度思考，本地跑智能体可行但偏慢

Simon Willison 实测阿里 Qwen 实验室发布的 Apache 2 许可 27B 视觉模型 Qwen 3.8 27B，认为模型本身出色，但默认的 xhigh 推理档位会严重过度思考，建议先用 low 或关闭推理。

给 DeepSeek V4 Flash 补上多模态：用 Qwen-3.7-Flash 识图的路由方案

DeepSeek V4 Flash 缺多模态能力，可用 Qwen-3.7-Flash 作视觉补充，通过路由组合补齐读图场景。方案是输入带图片走 Qwen-3.7-Flash 识图并输出结构化描述，纯文本继续走 V4 Flash 推理，也可把描述交给 V4 Flash 做深度推理、写代码和总结。

在本地小模型上做智能体编码的实测体验

Martin Fowler 在 M3 Max 48GB 和 M5 Pro 64GB 上实测 Qwen3.6 35B MoE、Gemma 4 31B/26B、Qwen Coder Next 80B 等本地小模型的智能体编码能力，按内存、速度、工具调用、代码正确性、上下文、任务复杂度、代码质量逐层筛选。

本地模型用于编程的可行性：Martin Fowler 的 4 周实测

Martin Fowler 在 Apple M3 Max 48GB 和 M5 Pro 64GB 两台机器上，用 LM Studio、OpenCode 和 Pi 实测了 Qwen3.6 与 Gemma 4 系列本地模型做智能体编程，结论是仍不够即插即用。

专家感知量化：在接近 Q2 的体积下拿到接近 Q4 的质量

作者 Martin Alderson 提出专家感知量化思路：先剖析 MoE 模型在特定任务上的专家路由热度，再把冷专家压到低精度、热专家保持高精度。

开放权重模型正在悄悄收紧，这会带来什么问题

作者 Martin Alderson 认为开放权重模型正在收紧，Meta 已完全不再发布最新的 Muse Spark 模型，阿里越来越多地只在 API 上首发模型，Kimi K2.6 的许可证要求月活超 1 亿或月收入超 2000 万美元的产品在 UI 中显著标注 Kimi K2.6，Mistral 也对商业使用附加了不同条件。

2026年8月29日：一个 AI 发现内核漏洞引发云崩溃的虚构场景

作者 Martin Alderson 以虚构时间线推演 2026 年 8 月 29 日：一个 17 岁少年用编码智能体在 PS5 和云服务器上发现 eBPF 内核漏洞，智能体自行部署挖矿恶意软件，却因幻觉一个 Linux API 导致机器在 255 秒后崩溃，AWS 与 Azure 大面积宕机。

如何用 Qwen 3.5 系列模型对文档做 OCR

作者用 Qwen 3.5 系列开源多模态模型做 PDF OCR，先用 PyMuPDF 把每页按 100dpi 导出为图片，再交给模型识别，实测 Qwen3.5-9B 是效果与速度的平衡点，更小的 0.8B 到 2B 模型在复杂文档上容易跑偏去总结内容。

AI 算力紧缺已经到来：从 Anthropic 降级产品看推理供给压力

作者认为 AI 算力紧缺已经不是“即将到来”而是正在发生。Anthropic 上周可用性一度跌到“一个 9”，员工称源于难以预测的增长，公司为此把 Opus 4.6 默认 effort 降到 medium、在 Claude Code 中暂时移除 Opus 4、4.1 和 Sonnet 4.5，并关闭 prompt suggestions。