Firefox 助手换上 Mistral Small 4

概览

本期共 10 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · Firefox 的 AI 助手换成 Mistral Small 4
2. 重点 · Salesforce 首个 CRM 推理模型 Koa 基于 Nemotron 3 Super

全球 AI 资讯

3. 重点 · 扎克伯格反对协同减速，主张各家自己踩刹车
4. 曼彻斯特大学用 Earth-2 做全英空气污染预报
5. Google 汇总科研与健康成果：结核筛查读过 2.5 万张 X 光
6. SageMaker 训练作业可以填一串备选实例
7. OpenAI 把成立三个月的 Telon 列为法律 AI 部署伙伴
8. 美国民调：61% 的可能选民反对建 AI 数据中心

区域与早期信号

9. 豆包 2.1 Pro 更新 0915 版，接入豆包工作
10. 蚂蚁灵波把具身模型押在「大脑」上，药房方案已进门店

九凤根据本期已引用来源整理。

热门模型动态

Mozilla 把 Smart Window 的底层模型交给 Mistral，先开美国、加拿大和法国。

Mistral 与 Mozilla 9 月 16 日宣布合作：Firefox 的可选 AI 浏览助手 Smart Window（beta）改由 Mistral 模型驱动。按 Mozilla 的说明，选中的型号是 Mistral Small 4，评估项里包含多语种表现。Smart Window 可以调用打开的标签页、浏览历史和用户保存的「Memories」，做页面摘要、信息比对、找回此前看过的内容以及整理标签页。

局限：Smart Window 仍是 beta，而且是可选功能，Mozilla 保留了用户切换模型的能力，这不是一个独占的默认位；Mistral Small 4 的参数量、上下文长度和评测分数都没有公布，官方只说评估包含多语种表现；英国和德国目前只有「年内」这一个时间说法。

来源：Mistral 官方公告 · RuntimeWire

用 Nemotron 3 Super 做监督微调加强化学习，自建 CRM Bench 上称错误少 3 倍。

Salesforce 在 Dreamforce 上发布 Koa，这是它的第一个 CRM 推理模型，发布与黄仁勋、Marc Benioff 的同台安排在同一天。按 NVIDIA 的说法，Koa 的做法是对 NVIDIA Nemotron 3 Super 做后训练。

• 训练：监督微调加强化学习，工具链用 NVIDIA NeMo RL、NeMo Gym 与 NeMo AutoModel
• 语料：Salesforce 自有的合成数据集，素材取自将近三十年的企业 CRM 部署，覆盖 14 个以上行业
• 榜单：在 Salesforce 自建的 CRM Bench 上，Koa 在 CRM 操作任务上持平或超过领先模型，错误少 3 倍

局限：CRM Bench 是 Salesforce 自建的基准，「错误少 3 倍」也是厂商口径，外部无法复现；训练语料同样是自有合成数据；客户要到 10 月的试点才真正上手，正式可用还排在冬季；这条消息来自 NVIDIA 官方博客一家。

来源：NVIDIA 官方博客

全球 AI 资讯

他的理由是竞争、法律责任和外部评估已经够用，不需要行业公约。

Mark Zuckerberg 9 月 15 日公开反对「协同放慢前沿 AI 研发」的提议，理由是竞争、法律责任和独立评估已经让每家实验室有足够动机把模型训得安全。他的说法是：每家实验室可以自己决定什么时候该为安全工作推迟发布；用户会躲开不听指令的智能体，所以信任和对齐是产品竞争力，而不是需要行业公约兜底的义务。这场争论三天前由 Anthropic 的 Dario Amodei 用《We Must Pace the Frontier》挑起，据路透报道，Sam Altman 和 Elon Musk 随后都认可了「控速」这个大方向。

局限：到目前为止双方都只是表态，没有任何一家实验室公布可核查的减速阈值或时间表；Altman 与 Musk 的背书是路透的转述，不是他们的直接声明。

来源：RuntimeWire · Mark Zuckerberg 原帖

用生成式降尺度模型绕开化学模式的算力成本。

英国去年约有 3 万人的死亡与空气污染相关。曼彻斯特大学地球与环境科学系教授 David Topping 的路径是：先用已有的化学-气候模拟生成训练数据，再在英国国家 AI 超算 Isambard-AI（位于布里斯托）上训练 NVIDIA Earth-2 的 CorrDiff——一个生成式降尺度模型——用它来出污染场。他给出的动机很直接：「一旦把化学过程放进天气模型，它们就会变得非常非常慢」，算力成本限制了空气质量预报能做多细、多频繁。

局限：训练数据来自既有的化学-气候模拟而不是新的观测，模型学的是对已有模拟结果的降尺度；这条消息出自 NVIDIA 自己的博客，没有第三方复核，也没有说这套预报什么时候进入公共服务。

图片来源：NVIDIA Blog；已转存至九凤 R2。

来源：NVIDIA 官方博客

9 月 15 日的一篇成果汇编，数字全是自报口径。

Google 9 月 15 日发布《Building AI to accelerate science and improve lives》，把自家 AI 在科研与健康上的落地集中列了一遍。

• 结核筛查：相关筛查已在 6 个国家、40 个点位读过 2.5 万张以上 X 光片
• 科研工具：文章称相关结构预测工具已被 190 个国家的 400 万名研究者使用，用于药物发现，以及恰加斯病、利什曼病等被忽视疾病的研究
• 开源：DeepConsensus 等 AI 工具已放在 GitHub 上开源

局限：这是 Google 自己的成果汇编，所有数字都是自报口径，没有第三方核验；给出的是使用规模而不是效果——「读过 2.5 万张 X 光」只说了读过多少，本条引用的几个来源里都没有对应的准确率或假阳性率。

来源：Google AI · DeepMind · 恰加斯病与利什曼病 · DeepConsensus 代码库

一次提交最多五种实例类型，按优先级抓第一个有容量的。

AWS 给 Amazon SageMaker AI 的 Training Jobs 和 Processing Jobs 加了「实例偏好列表」：提交作业时可以按优先级写最多五种可接受的实例类型，SageMaker 会按顺序检查，在第一个有 on-demand 容量的类型上启动。此前作业绑死一种 GPU 配置，遇上高峰期首选机型没货，只能干等或手动换别的类型。

局限：只覆盖训练与处理作业，不涉及推理端点；上限是五种实例类型；AWS 的博客没有给出等待时间实际缩短多少的量化数据，也是厂商自家的一手来源。

来源：AWS 官方博客

30 人团队派驻律所，替共同客户配模型、写提示词、搭智能体。

按 Business Insider 的报道，OpenAI 把法律 AI 服务公司 Telon 列为「select partner」，距这家公司 6 月成立只有三个月。Telon 由 Lewis Bretts 和 Tom Mellor 创办，30 人团队负责为双方共同客户配置模型、编写提示词、构建智能体并培训律师。它招募和训练「法律工程师」（其中很多人是前律师），把人派进律所和企业法务部，把 AI 工具变成能跑起来的流程。两位创始人此前在 SYKE 共事，做的也是 AI 化的法律交付。OpenAI 这一侧的公开框架是此前上线的 OpenAI Partner Network。

局限：合作的商业条款、客户数量和收入都没有公开；一手消息是 Business Insider 的报道，OpenAI 只有合作伙伴网络的公开说明；RuntimeWire 自己也点出了风险——这套模式重人力，能不能把劳动密集的法律实施变成可复用的智能体和手册，目前还没有验证。

来源：RuntimeWire · OpenAI Partner Network

纽约时报与锡耶纳大学 9 月初调查 1503 名可能选民，强烈支持的只有 14%。

The Verge 报道的这份民调由《纽约时报》和锡耶纳大学发布，样本是 9 月初接受调查的 1503 名「可能选民」。被问到是否支持为 AI 建设数据中心时，61% 表示反对，只有 14% 表示强烈支持。The Verge 指出，两大党在这个问题上没有明显分野，2024 年投给特朗普的选民内部意见也大致对半。

局限：调查在 9 月初完成，早于最近这轮 AI 安全减速讨论，不反映争论发酵之后的态度；样本只覆盖美国「可能选民」；问题问的是笼统的「为 AI 建数据中心」，没有涉及具体项目或地点。

来源：The Verge

区域与早期信号

火山引擎自测：38.7 万行代码的仓库、1000 个历史 Issue，36 小时修好 83%。

火山引擎 9 月 16 日消息，豆包 2.1 Pro 更新到 0915 版本，新模型 API 已在火山方舟全量上线，豆包工作里可以直接选「豆包 2.1 Pro（0915 新版）」。

• 编程（厂商自测）：面对开源游戏 Luanti（约 38.7 万行代码）仓库中的 1000 个真实历史 Issue，调度多个子 Agent 并行开发，近 36 小时内把 83% 修复到可合并级标准
• 多模态：视频推理、3D 物体图像识别等理解任务增强，可按庭院四季设计图生成可控制镜头的 3D 动态场景
• 成本：图像推理和视频推理的 Token 消耗较上一代减少 30% 以上，推理轮次和工具调用次数下降
• 长程 Agent：金融投研、办公自动化场景强化了证据溯源、权威信源检索、时效判断与数据核验

局限：所有数字都出自火山引擎自述，没有第三方榜单，也没有公开可复现的评测脚本；「可合并级标准」由谁判定没有说明；「国内领先水平」是厂商措辞，没有对照分数。本条目前只有中文来源。

来源：雷锋网（中文来源）

CEO 朱兴：今天的机器人还吃不了「粗粮」，能力和成本都还不够。

蚂蚁灵波在 2026 外滩大会上展示了药品拣选、物流分拣和工业上下料操作，其中药房演示的货架通道只有 80 厘米宽，相关方案已经在国大药房的零售门店部署。与围绕整机做研发的本体厂商不同，灵波把重心放在具身「大脑」：希望同一套基础模型适配不同构型、不同任务，再靠后训练降低具体场景的使用门槛。它的模型摊开是一条链——生成可交互世界的 LingBot-World、面向具身的视频生成基座 LingBot-Video，以及在此之上训练的动作模型 LingBot-VLA 2.0，外加数据管线、后训练和部署工具；自家 R 系列本体保留用于研发和生活服务探索。

局限：这些都是厂商在大会现场的说法和演示，没有公布成功率、节拍或部署台数；朱兴自己承认小卖部这类场景「也很难落地」，今天「能力和成本两个都有问题」，日常生活里产生的数据也还喂不进模型。本条目前只有中文来源。

来源：爱范儿（中文来源）