Claude Opus 5.5 打印桥承重 130 磅拿下第一

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 · Claude Opus 5.5 打印桥承重约 130 磅，五模型第一
2. 重点 · GPT-6 Astra 直连机器人，在陌生厨房自己收拾
3. 重点 · Ember-1 基于 Kimi K3 改造，推理 token 少四成
4. 744B 的 Atria Dawn Preview 复盘：智能体提方案、人类拍板

全球 AI 资讯

5. Jev 在 Minecraft 里 24 毫秒做一次决策
6. TinyAIArena 让四个模型在 8×8 格子上对决
7. Engram 用机上小模型把 AI 幻觉做成声音

区域与早期信号

8. 匿名模型 Space Bunny 登顶 OpenRouter 调用日榜
9. FermiQLLM 1.0 在千问基座上做量子增强
10. 豆包手机助手用户在《王者荣耀》里被踢下线

九凤根据本期已引用来源整理。

热门模型动态

Anthropic 的 Claude Opus 5.5 在一场五模型 3D 打印承重桥比试里排第一，桥体承重约 130 磅。

Roberto Nickson（@rpnickson）9 月 27 日在 X 上公布了这场比试的结果。参赛的是 Anthropic Claude Opus 5.5、月之暗面 Kimi K3、Meta Muse Spark 1.3、OpenAI GPT-6 Astra 和 SpaceXAI Grok 4.7，他把五个模型都设在「High」推理档。题目有三条硬约束：桥要跨过两英尺、耗材不超过 500 克、打印时间少于 18 小时；配重的种类和压在桥上的位置也由他指定。

RuntimeWire 写道，在 Nickson 的这组对比里，Claude 在承重和打印效率两项都领先。

局限：这是一个人在自己设定的条件下跑出来的结果，报道明确说它描述的是他测试条件下的这几个设计，而不是五个模型工程能力的通用排名；130 磅与 17.5 磅都被明确标注为估计值，结果出自 Nickson 自述，他在 X 帖里附了一段约 15 分钟的视频。

来源：RuntimeWire · Roberto Nickson 在 X 的原帖 · Claude Opus 5.5 产品页

斯坦福与加州理工把 GPT-6 Astra 直接接到 Unitree G1 上，跳过了中间那层专门训练的控制模型。

这套系统叫 HomeBody。它把语言模型与机器人之间常见的已训练控制层去掉，换成一个可替换的视觉语言模型（这里是 GPT Astra）直接调用可扩展的技能库——抓取、导航、开抽屉。机器人先在房间里探索，在 NVIDIA Isaac Sim 里建一个数字孪生，把物体和位置记进空间记忆，因此东西离开视野后它仍能找到。遇到「把厨房收拾一下」这类任务，语言模型逐步规划，出错就自我纠正。

局限：研究者列出的短板是 Astra 的延迟、手指伺服过热和高算力成本。这是一套研究系统，目前能依据的只有研究团队自述的运行结果，没有第三方复现。

图片来源：GitHub；已转存至九凤 R2。

来源：The Decoder · HomeBody 项目仓库 · NVIDIA Isaac Sim 文档

Fireworks 说这个从 Kimi K3 改出来的模型能给出相当的答案，但少生成约 40% 的 token。

Fireworks AI 联合创始人 Dmytro Dzhulgakov（@dzhulgakov）9 月 27 日在 X 上推广 Ember-1。公司 9 月 23 日推出这个模型，定位是压低推理密集的编码与智能体负载的成本，官方发布材料用基准测试和客户实测结果支撑了「少 40% token」这一项。Dzhulgakov 在帖子里说它「在 HN 上很热」，并称它快 40%、更便宜。他是 Fireworks 七位联合创始人之一，团队页写明他曾是 Meta 的 PyTorch 核心维护者。

局限：RuntimeWire 指出，官方材料并不支持「响应速度普遍快 40%」这个说法——少生成 token 能降低单任务成本，但不等于跨负载的延迟更低。40% 是厂商自测数字，且与具体负载相关。

来源：RuntimeWire · Dmytro Dzhulgakov 在 X 的原帖

一支含复旦大学研究者的团队复盘自家模型的开发日志：智能体贡献了最多 55% 的方法提案，但超过 85% 的最终决定还是人做的。

• 样本：769 条任务日志，来自 56 名参与者，另加他们使用的智能体日志
• 被开发的模型：Atria Dawn Preview，混合专家架构、7440 亿参数，面向研究与工程任务
• 训练方式：每个任务绑定一个真实执行环境，调用工具、产出中间结果，再用测试、指标或来源证据这类外部信号校验
• 自述成绩：团队称在 16 个基准里有 5 项领先，含网页搜索与网络安全

局限：这是团队对自己项目的复盘，不是第三方观察；16 项基准里另外 11 项并未称第一，成绩也全部来自团队自述。

来源：The Decoder · Atria Dawn Preview

全球 AI 资讯

Hao AI Lab 放出一段 Minecraft 对战演示，称 TypeSafe 的 Jev 每次决策约 24 毫秒。

演示发布于 9 月 27 日。实验室说，在一块 NVIDIA B200 上跑 DJev，系统每秒最多能做 40 次决策，并把这个速度描述为快过人类反应时间。这套设计的前提是：给软件一组预先定义好的选项，让模型快速给它们打分，而不是让通用聊天模型现场生成一段回复。实现记在 Matt Mastracci（@mmastrac）名下，他的 DJev 仓库描述的正是这种结构化决策服务端。TypeSafe 9 月 15 日完成 4000 万美元种子轮，由 DCVC 领投。

局限：帖子没有公布比赛结果、对照实验或对手信息，24 毫秒和「很难打赢它」都是实验室自述，不是第三方实测；在预设动作里选得快，也不等于在生产软件里可靠。

来源：RuntimeWire · DJev 代码仓

一个 Show HN 项目把四个模型放进 8×8 的格子里打生死局，访客可以点开任意一场旁观。

作者 hp6 把 TinyAIArena 发上 Hacker News，说它针对的是「点进一个 AI Arena、期待一场恶战，结果只看到一张跑分表」的失望。页面上每一场对局都可以点进去观战，代码放在 ai-arena 仓库，README 把规则写全了：

• 胜负：最后存活的模型获胜，违规动作由服务端裁判驳回
• 行动：每轮行动顺序随机；移动、攻击（15–24 点伤害）、等待各耗 1 点行动力
• 地图与道具：8×8 棋盘上随机放 4 个障碍格；拾取金币 +1 行动力，击杀 +1 行动力并回 50 HP
• 排名：排行榜按 Elo 计算

帖子在约 8 小时内拿到 93 分、40 条评论。

局限：胜负与排名都出自这个项目自己的服务端裁判和 Elo 排行榜，不是独立评测；本条的证据只有作者自述与代码仓，Hacker News 讨论只能算线索。

来源：Show HN 讨论 · ai-arena 代码仓

Thoughtful Things 给它的第一台乐器 Engram 开了 Kickstarter：一台用 AI 揉碎输入音频、甚至凭空生成声音的采样器。

Engram 是采样器加 groovebox，公司把它形容成「潜空间里的一台现场录音机」，做的是对小模型的电路弯折。它刻意不做一键出歌那种设备——目标是实验性的、听起来不对劲的声音，把 AI 音频模型推到它的边界之外。设备不联网，机上跑一颗 tiny AI；按 Kickstarter 页面的说法，这颗模型由公司自研设计并自行训练。

局限：这是众筹阶段的硬件，成品表现要等交付后才能判断，声音效果取决于那颗自研小模型；目前可依据的只有公司自述与众筹页面的描述。

来源：The Verge

区域与早期信号

一个没有厂商认领的匿名模型几天内冲到 OpenRouter 与 OpenCode 的调用日榜第一，量子位做了一轮编码实测。

量子位从 OpenRouter 取 API，接进 DeepSeek Harness 跑了四个随机抽取的 case。用 Three.js 搭一座带交互细节的立方体风格天坛，模型在一到两小时内跑完，还自行加了没被要求的东西：底部控制条里有夜、黎明、正午三个时刻和雨、烟两个天气开关；昼夜自动循环，一天约 3.5 分钟，时辰文字从子时走到亥时。第二题做仿苹果系统的闹钟，追加了每个月闹铃响不响的开关，起床时间设到 7:23。第三题做一个 App，首版窗口不能拖动，也没有关闭和最小化按钮。

局限：模型仍是匿名的，参数、定价与归属都要等厂商认领才知道；两张榜排的是调用量，不是能力。实测是一个人的非受控评测，模型自己也说合成鼠标事件在那个环境里会被系统丢掉一部分，拖动是否与指针同步它没法在无头环境里断言。本条目前只有中文来源（量子位），没有对应的英文报道。

来源：量子位 · @Fei2411 的原帖

清华背景的初创公司费米宇宙称推出了全链路量子增强大模型，基于 Qwen 开源基座改造。

• 公司：费米宇宙，专注 Q4AI（Quantum for AI）；项目今年 3 月启动，先用 4B 小模型验证可行性，5 月正式成立公司
• 融资：种子轮累计 1 亿元人民币，投后估值约 10 亿元，资金正在陆续交割
• 做法：把张量网络、量子模拟退火、规范自由度等方法嵌进数据表征、模型结构、训练、强化、评测五个环节；不依赖容错量子计算机，在现有 GPU 上训练和部署
• 内测数字：对标同参数量级传统模型，推理性能提升超 15%、持续强化学习环节训练成本降 25% 以上；MATH-500、GPQA-Diamond、BBH 等基准相较同规模开源基座综合提升 10%~20%

局限：所有数字都来自公司内测和量子位的独家报道，没有公开的模型权重、技术报告或第三方复现，也没有披露具体参数规模与基座版本；融资还在陆续交割中。本条只有中文来源（量子位）。

来源：量子位

搭载豆包手机助手的努比亚 NaviX Ultra 上，用户登录《王者荣耀》会被提示设备环境异常并强制下线，双方口径还没对上。

按 IT之家 9 月 27 日的消息，字节跳动旗下豆包手机助手 9 月 25 日在官方社区发文说明：从 9 月 24 日晚开始陆续收到多条用户反馈，在这台机器上登录《王者荣耀》或进行匹配对战时，会被提示设备环境异常、被强制踢下线。声明称全程未对腾讯游戏系统做任何操作，AI 不存在违规点击、外挂或模拟行为，团队仍在与腾讯相关方接洽，截至发文未收到明确回复。官方建议用户暂时不要在该机型上反复尝试登录，账号已被封禁的通过官方游戏客服渠道申诉。努比亚 NaviX Ultra 是第二代豆包手机，5999 元起。

局限：两边口径没对上——豆包侧称自己没动游戏系统，腾讯侧没有公开回应，只有知情人士称安全风险策略是为保障游戏公平、没有做针对性调整；受影响用户数与封号数都没有公开数字。本条只有中文来源（IT之家）。

来源：IT之家