Claude Opus 5.5 与 GPT-6 Sol/Luna 同日降价，阿里定下 2032 年 20GW 数据中心目标｜9 月 23 日早报

北京时间 2026 年 9 月 22 日 08:00 至 9 月 23 日 08:00 的增量如下。上期写过美中敲定的深圳 AI 安全对话机制与事故通报渠道、联合国科学小组的首份智能体护栏简报、小米与 xAI 的两款新模型、智谱 ZCode 的数据外传处置，以及德州与加州的数据中心新规，本期只收之后的新进展。排序上先看两家美国实验室在同一个小时里发新模型并同步降价，再看阿里在云栖大会给出的算力与模型路线，然后是 OpenAI 的评测安排、一个把指挥控制交给大模型的恶意样本，最后是高通、Intrinsic、Meta、贝森特与 Snorkel 五条。

发生了什么。 9 月 22 日，Anthropic 发布 Claude Opus 5.5，这是新的 Claude 5.5 系列第一款模型。官方说它在多数工作上达到规模更大的 Claude Fable 5.1 的水平，典型工作量的运行成本比上一代 Opus 5 低 40%：输入每百万 token 收 4 美元、输出收 20 美元（Opus 5 分别是 5 美元和 25 美元），缓存读取 0.20 美元，比 Opus 5 低 60%，输出速度快三成以上。官方基准里，编程智能体基准 Terminal-Bench 4.0 得 66.4%，Opus 5 是 52.3%，Fable 5.1 是 55.8%；电脑操作基准 OSWorld 2.0 得 81.8%。发布前由外部机构 Frontier Design 与 METR 测试。这是 Anthropic 首席执行官达里奥·阿莫代伊发表「必须放缓前沿」长文之后的第一次模型发布，官方同时说明 Sonnet 5.5 与 Haiku 5.5 会在数周内跟进。

约 90 分钟后，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，说这两款的定价是 5.6 系列同档模型的一半，并把降价归因于缓存与推理效率的改进。两款被称为与旗舰 Astra「同一块布料裁出来的」：Sol 面向复杂编码，Luna 面向总结文档、抽取信息、快速问答这类量大且目标明确的工作。OpenAI 称在基于真实对话的内部事实性评测上，GPT-6 Sol 的错误数量约为前代的一半，达到 Astra 级别的可靠程度。两款当天上线 ChatGPT Work、Codex 与 API，Luna 还会进入桌面应用，以及免费版与 Go 用户的使用范围。123

为什么值得关注。 两家在同一个小时里把同档能力的价格往下压了一档，Anthropic 按典型工作量口径降四成，OpenAI 说减半。对按量付费的团队，这是本季度最直接的变量：同样的工作流，月账单会跟着变，换模型的成本也变低，原先因为单价被排除的选项值得重新测一遍。上面所有分数都来自厂商自测，Anthropic 表格里 GPT 那一列也是引用 OpenAI 自己公布的数据，这次没有第三方复现；Anthropic 自己在发布说明里写，到了这个能力水平，基准分的差距已经不是判断现实差异的可靠依据。真正要比的是单任务成本，两家都在强调用更少的 token 完成任务，而这个数字只有在自己任务上跑一遍才算得出来。

发生了什么。 9 月 22 日的杭州云栖大会上，阿里巴巴集团 CEO 吴泳铭围绕 AI 模型、AI 芯片、AI 云三件事给出进展和目标。

云的目标是到 2032 年，阿里云运营的全球数据中心规模超过 20 吉瓦。吴泳铭说中长期需求远超供给能力，AI 数据中心相关供应链的全球性紧缺限制了算力增速。

芯片方面，平头哥发布训推一体 AI 芯片 真武 V900，单芯片性能是上一代真武 M890 的 3 倍，配 216GB 显存，片间互联带宽 1200GB/s，原生支持 FP8 与 FP4 低精度计算，将于 2027 年第一季度量产售卖。搭配自研 ICN Switch 互联芯片等部件，基于真武 V900 的单一集群可扩展至 50 万卡。平头哥称真武系列已服务超过 650 家企业客户，基于 M890 的超节点已跑通 Qwen3.8、Kimi K3 等超 2 万亿参数的模型。平头哥同时首次公布服务器 CPU 倚天的规划：2027 年推出倚天 720 与 730，之后推出基于第二代自研核的 750。

模型方面，吴泳铭说 Qwen 团队在递归式自我改进（RSI，指让模型参与开发下一代模型的技术路径）上取得进展，计划训练参数规模 5 万亿至 10 万亿的新一代模型，目标是完成更复杂、更长程的任务。消息公布后，阿里港股一度涨超 4%。45

为什么值得关注。 这三个数字的时间点并不一样：20 吉瓦是 2032 年的运营目标，50 万卡是集群的设计上限，真武 V900 要等到 2027 年第一季度才量产。今天在国内真正可用的，是已经规模应用的 M890 超节点。所以这条给出的是国产算力供给的时间表：如果你在规划 2027 年之后的超大参数模型训练，真武 V900、倚天 CPU 与 ICN 互联是目前给出了完整节点级自研方案的国内路线；如果只用现有供给，短期没有变化。5 万亿至 10 万亿的口径说明阿里仍把参数规模当作提升能力的主要路径。以上性能与客户数均为厂商自报，目前没有第三方对 V900 的实测数据。

发生了什么。 彭博 9 月 22 日报道，OpenAI 计划让第三方机构在模型训练、评测与上线的各个阶段做技术安全评估，比过去通行的「开发完成后再测」更早介入。OpenAI 同日发布文章，列出这类评估要真正有效所需的几项条件：独立性机制要强、方法要严谨、安全实践要可靠、责任划分要清楚。奥特曼此前承诺把独立评估者嵌入开发流程。报道也提到，上周 CNBC 与 TechCrunch 曾质疑「嵌入实验室内部的评估者」能否保持独立。6

为什么值得关注。 变化发生在时间点上：评测从发布前的一道门，前移到训练过程里，理论上发现问题更早、修起来更便宜，代价是「什么算问题」这件事要更多地交给外部判断。做安全评测的机构可以把它当成一个可以争取的位置；企业采购方则会发现「独立性机制」这四个字以后会出现在自己的问卷里。目前公开的只有 OpenAI 自己的口径与媒体转述，评估机构名单、权限边界与披露义务都还没有。

发生了什么。 思科 Talos 团队 9 月 22 日发布开源工具 CAIRN，它从恶意样本的元数据里提取 AI 痕迹——提示词模板、模型服务商端点、API 密钥前缀、越狱字符串——不下载、不执行二进制文件就能筛出与 AI 有关的恶意软件。同一天，他们公布用这套方法找到的样本 CLOSEDQUORUM。

CLOSEDQUORUM 是一个 16.4MB 的 64 位 Windows 可执行文件，用 Go 编译。它把战术指挥控制交给最多四家商业大模型：DeepSeek、Qwen、Mistral 与 Google Gemini。每次循环依次询问这四家，各自给出一个动作决定，按票数取多数执行；出现平票时按固定顺序裁决，DeepSeek 优先，依次是 Qwen、Mistral、Gemini。可选动作包括窃取凭据（读取 Windows 内存里的账号密码、Chrome、Edge、Firefox 保存的密码，以及 MetaMask、Exodus 等加密钱包）、进程注入与建立持久化。窃取到的内容通过 Discord 的 webhook 回传，用按日期派生的密钥加密。

Talos 明确说明没有确认这个样本在野外被使用：公开分发的版本里，API 密钥与 webhook 都是占位符，静态分析与开发构建足以还原整个决策循环。他们把它当作攻击链自动化的一个方向性信号，并指出从「大模型作为可选功能」到「完全自主的多模型共识编排」，这个变化只用了不到一年。78

为什么值得关注。 这条值得注意的地方在于它把攻击链的哪一段交了出去。过去大模型让攻击者更快、产量更大，人始终在环里；这里被交出去的是「下一步做什么」这个判断本身，攻击可以在操作者离线时继续。防御侧能做的动作很具体：Talos 建议观察行为的组合——一个不该联网的 Windows 程序同时在向多家模型服务商发请求，又在读取系统凭据或做进程注入，还连着一个 Discord webhook，并按 5 到 15 分钟的随机间隔反复执行。这个样本也有弱点：模型拒答、限流、返回格式错误都会让循环失败，可选动作被约束在一个很小的集合里，平票规则完全固定。

发生了什么。 高通在今年的骁龙峰会上发布骁龙 8 Elite Gen 6 与 8 Elite Extreme Gen 6 两款移动平台，消息北京时间 9 月 23 日凌晨落地。两款都基于 2nm 制程，采用自研 Oryon CPU、重新设计的 Adreno GPU 与 Hexagon NPU。官方把 Extreme 定位为最强平台，新能力包括面向「日常智能体」的体验、用 AI 参与图形渲染的 Adreno Neural Fusion，以及支持 Advanced Professional Video 的影像能力。8 Elite Gen 6 用同一制程与同代核心，把大部分能力带到更多高端机型上。会采用这两款平台的品牌包括荣耀、iQOO、摩托罗拉、一加、OPPO、REDMI、红魔、vivo 与小米。9

为什么值得关注。 高通这次用两个旗舰覆盖不同价位，官方说法是多旗舰策略让手机厂商有更多选择。对做端侧 AI 的应用团队，这意味着可用的算力会更快下沉到次旗舰机型。把「智能体」写进芯片的卖点也透露了一个默认假设：端侧模型常驻、跨应用调用会成为明年新机的常规能力，内存与功耗预算可以照此安排。官方这次没有给出可比的性能与能效数字，也没有第三方实测。

发生了什么。 9 月 22 日，在加拿大多伦多举行的 ROSCon 2026 上，Alphabet 旗下的机器人软件公司 Intrinsic 宣布把平台的核心能力开源，名为 Intrinsic Core，采用 Apache 2.0 许可，代码已放在 GitHub 上。

开源的部分包括：与硬件无关的实时控制框架 Intrinsic Control，能在运动过程中根据传感器反馈改变轨迹；基于英伟达 FoundationPose 的六自由度位姿估计；自动生成避障路径的运动规划；抓取规划；基于 Gazebo 的仿真服务；相机标定；以及 Intrinsic-ROS 驱动。Intrinsic 同时发布开源参考设计 Open Machine Tending Solution，面向数控机床的上下料工序，支持 FANUC 与 Universal Robots 的硬件。公司说，美国和欧洲有数万家加工零件的企业，其中只有很小一部分用了任何形式的自动化。1011

为什么值得关注。 这是「物理 AI」这一层第一次有人把可复用的基础设施整套开源，而且用的是宽松许可。做工业自动化与具身智能的团队不用再从驱动、标定、抓取规划这些底层重写一遍，可以把人力放到具体工艺上。边界也要看清：开源的是基础设施，Intrinsic 的 AI 模型与企业服务仍是商业产品，参考设计针对的也是上下料这类相对低价值的工序。

发生了什么。 9 月 22 日，Meta 超级智能实验室（MSL）产品负责人纳特·弗里德曼在 X 上回应外界质疑：Muse 确实「作为一个产品深受 OpenClaw 启发」，但代码是「从零构建」的。

事情起于用户发现 Muse 的工作区文件名与 OpenClaw 高度一致，用来定义智能体人格、沟通风格与行为边界的配置文件 SOUL.md 内容也几乎相同；有帖子称「Muse 就是给普通人用的 OpenClaw」，还有人贴出 Muse 自己承认两者相似的回答。弗里德曼没有反驳文件层面的质疑，只说「我们认为 Peter（OpenClaw 作者 Peter Steinberger）把这些东西做得完全正确」，并说他 1 月用过 OpenClaw 之后，为团队买了几百台 Mac mini。OpenClaw 是开源项目，作者今年早些时候被 OpenAI 招入。Muse 上线后一度登顶美国 App Store 免费榜，有数据称它的早期移动端表现超过了 ChatGPT 同期。另据 404 Media 报道，Meta 对外宣传的 Muse 代打电话能力，内部沟通显示许多通话实际被转接到人工呼叫中心，测试者称通话结束前并不知道对面是人。1213

为什么值得关注。 这里有一层技术事实对做智能体产品的人有用：一个开源项目建立的工作区约定——文件名、配置格式、人格定义方式——正在变成事实标准，连 Meta 都直接沿用。以后要把不同厂商的智能体接进同一套流程，这些约定可能是少有的共通点。另一层提醒是，产品之间的相似既可能来自合法的开源继承，也可能来自宣传与实际功能的差距，这两件事要分开评估。Meta 的回应停在产品灵感层面，没有说明配置文件与代码的来源和许可问题。

发生了什么。 Semafor 9 月 22 日引三名知情人士报道，美国财长贝森特正成为特朗普新设「AI 沙皇」职位的热门人选。其他被提到的名字包括白宫科技政策办公室主任克拉齐奥斯（Michael Kratsios）与人事管理局局长库珀尔（Scott Kupor）。贝森特本周已在联大场边与副总理何立峰对话，谈两国间通报 AI 事件的机制；他上周对 CNBC 说，特朗普提出设这个职位，是为了给这些问题「提供语境、形状与轮廓」。白宫发言人回应称，任何关于尚未由官方宣布的人事决定的报道都应被视为没有根据的猜测；财政部未回应置评请求。Semafor 强调这个决定还没定，特朗普一向偏爱黑马人选。14

为什么值得关注。 这个位置本身还没定，方向已经清楚：AI 政策正在从分散在各个机构的职责，收拢到一个跨部门的协调人手里。谁上任，会影响出口管制、算力基建与模型评测标准三条线的优先级。对做跨境业务的团队，值得记住的是贝森特目前同时握着贸易谈判与美中 AI 对话两条线。这条消息目前只有一家媒体、三个匿名消息源，白宫明确否认，属于尚未证实的传闻。

发生了什么。 路透 9 月 22 日报道，数据公司 Snorkel AI 完成 3.5 亿美元融资，投后估值 35 亿美元，由 Insight Partners 与 S32 领投，既有投资方 Addition、Greylock 与富国银行参与。这个估值约为 2025 年 5 月那轮 1 亿美元融资时 13 亿美元估值的近三倍。

公司首席执行官亚历克斯·拉特纳说，年化营收已超过 3.5 亿美元，一年前约为 2000 万美元，增长来自 2025 年 9 月启动的「数据即服务」业务：从卖软件转向直接供应成品数据集与强化学习环境。做法是人机结合，专家设计场景、任务与评分标准，AI 承担大量质量检查；公司称客户包括前沿实验室、超大规模云厂商、企业与美国联邦政府，编码数据是需求最大的方向之一，并预计今年实现盈利。15

为什么值得关注。 把两个数字放在一起看就有分量：一年前年化营收约 2000 万美元，今天超过 3.5 亿美元；估值从 13 亿到 35 亿。这条赛道在 Meta 以 143 亿美元买下 Scale AI 49% 股权之后被重新定价，Mercor、Surge AI 等同类公司也在融资。对做数据与标注的团队，比金额更值得看的是买家要的东西变了：简单标注已经卖不上价，模拟环境与评分标准这类更接近成品的东西才有溢价。营收与盈利预期均为公司自报，出自路透对首席执行官的采访。