阶跃星辰发布Step 5 Preview：600B总参27B激活，支持1M上下文【AI 早报 2026-09-21】

今日AI领域新品密集落地，阶跃星辰推出600B参数旗舰级Agent模型，阿里开源70亿参数图像生成模型，Qwen系列连发多款大模型、代码模型、安全模型及强化学习算法，YC分享Harness对Agent性能的关键影响，另有低资源持续学习模型、网页生成评测基准、开发者工具更新，以及Stability AI与EA达成游戏AI合作、完成娱乐行业巨头参投的融资。

今日概览

1. Show HN：Mini-AGI——可在8GB显存上训练的动态持续学习模型
2. Qwen-MT：高速与智能翻译结合的多语言模型
3. WebCraftBench：面向AI生成网页的软件测试视角评测基准
4. 阿里开源Qwen-Image-2.1：70亿参数声称性能超越闭源图像生成模型
5. Qwen3正式发布：深度思考与快速响应并重的大语言模型
6. 娱乐行业巨头参投Stability AI最新融资，总融资额达2.32亿美元
7. Qwen3-Coder发布：当前最强的开源代码Agent模型
8. llm-keys-ui 0.1插件发布：解决远程编码代理的LLM密钥配置问题
9. 阶跃星辰发布Step 5 Preview：600B总参27B激活MoE模型，支持1M上下文长程Agent任务
10. YC研究分享：Agent性能上限由Harness而非模型决定
11. Qwen3Guard发布：首个Qwen家族的安全护栏模型
12. GSPO算法提出：解决语言模型强化学习训练不稳定性问题
13. 实测Jev模型：速度极快但准确率一般，主打结构化判断的System One模型
14. Stability AI与EA达成战略合作，共同开发游戏生成AI工具

大模型与基础能力

Show HN：Mini-AGI——可在8GB显存上训练的动态持续学习模型

该模型由开发者volotat发布，是一款从零开始训练的动态持续学习模型，仅需8GB显存的消费级笔记本即可完成训练。其训练基于单条数据流的batch-1流式输入，无需大规模算力集群即可实现持续学习能力，降低了持续学习技术的入门门槛。该项目已在GitHub平台开源，适合对低资源持续学习场景感兴趣的开发者研究使用。 来源：https://github.com/volotat/mini-AGI/

Qwen-MT：高速与智能翻译结合的多语言模型

Qwen团队推出Qwen-MT（qwen-mt-turbo）多语言翻译模型，基于Qwen3底座训练，使用了万亿级多语言与翻译专属tokens进行微调。该模型支持92种主要官方语言及方言的互译，覆盖全球95%以上人口，可满足多样化的跨语言沟通需求。通过引入强化学习技术，模型在翻译准确性和语言流畅度上均有显著提升，目前已通过Qwen API向用户开放DEMO体验。 来源：https://qwenlm.github.io/blog/qwen-mt/

阿里开源Qwen-Image-2.1：70亿参数声称性能超越闭源图像生成模型

阿里巴巴Qwen团队发布开源图像生成与编辑模型Qwen-Image-2.1，参数量为70亿，可在消费级显卡上运行。该模型支持透明通道生成，最多可同时处理10张参考图，在图像生成质量上声称超越部分闭源模型。目前该模型采用研究许可证，禁止商业使用，商业使用需单独申请Qwen团队颁发的商业许可证。 来源：https://the-decoder.com/alibabas-open-weight-qwen-image-2-1-claims-to-beat-closed-models-in-image-generation-with-just-7-billion-parameters/

Qwen3正式发布：深度思考与快速响应并重的大语言模型

Qwen团队正式发布Qwen3系列大语言模型，旗舰版本为Qwen3-235B-A22B，在编码、数学、通用能力等基准评测中，与DeepSeek-R1、o1、o3-mini、Grok-3、Gemini-2.5-Pro等顶级模型表现相当。小参数MoE版本Qwen3-30B-A3B的单token激活参数仅为QwQ-32B的十分之一，性能却超越后者；最小的Qwen3-4B版本性能也与上一代Qwen2相当。 来源：https://qwenlm.github.io/blog/qwen3/

Qwen3-Coder发布：当前最强的开源代码Agent模型

Qwen团队发布Qwen3-Coder系列代码专用模型，首发最强版本为Qwen3-Coder-480B-A35B-Instruct，为480B参数的MoE架构，单token激活参数35B，原生支持256K tokens上下文，通过外推方法可支持1M tokens。该模型在Agentic Coding、Agentic Browser-Use、Agentic Tool-Use三项Agent任务中达到开源模型最优水平，性能与Claude Sonnet 4相当。 来源：https://qwenlm.github.io/blog/qwen3-coder/

Qwen3Guard发布：首个Qwen家族的安全护栏模型

Qwen团队发布Qwen3Guard，是Qwen家族首款安全护栏模型，基于Qwen3底座微调而来，专门用于安全分类任务。该模型可对输入提示词和模型输出进行精准安全检测，提供风险等级和分类标注，支持英语、中文及多语言环境，在主要安全基准上达到当前最优（SOTA）性能。 来源：https://qwenlm.github.io/blog/qwen3guard/

GSPO算法提出：解决语言模型强化学习训练不稳定性问题

Qwen团队提出Group Sequence Policy Optimization（GSPO）强化学习算法，用于解决现有算法（如GRPO）在长训练过程中出现的严重不稳定问题，避免不可逆的模型崩溃。GSPO可实现语言模型强化学习的规模化扩展，进一步提升模型的深度推理和问题解决能力。 来源：https://qwenlm.github.io/blog/gspo/

评测与工具

WebCraftBench：面向AI生成网页的软件测试视角评测基准

腾讯混元团队联合清华大学、北京大学研究者提出WebCraftBench评测基准，将软件测试方法引入AI生成网页的质量评估。该基准包含369条真实用户需求、5088条验收标准，覆盖功能、内容、视觉三类要求，测试了17个前沿模型生成的6273个网页应用。评测流程通过自动插桩记录代码覆盖率，由探索智能体模拟真实用户操作网页，最终从美观度、易用性、需求符合度三个维度打分。在197组人类偏好验证集中，该基准的判断与人类偏好一致率达85.3%，与Code Arena的模型排名Spearman相关系数达0.890。 来源：https://mp.weixin.qq.com/s?__biz=MzkwODU2OTQyNQ==&mid=2247498548&idx=1&sn=558b3cfdc594a8f1d4a91ea892702b4d

llm-keys-ui 0.1插件发布：解决远程编码代理的LLM密钥配置问题

开发者Simon Willison于2026年9月20日发布llm-keys-ui 0.1插件，用于在使用Codex Remote远程控制设备运行编码代理时，无需将LLM API密钥直接粘贴至ChatGPT应用即可完成配置。用户可通过执行uvx --with llm-keys-ui llm keys-ui --all命令获取本地网络或Tailscale设备IP的访问地址，后续通过llm keys get [服务商名称]命令调用存储的密钥。该插件支持anthropic、openai、openrouter等服务商的密钥存储，已存储的密钥值不会明文展示。 来源：https://simonwillison.net/2026/Sep/20/llm-keys-ui/

行业与商业动态

娱乐行业巨头参投Stability AI最新融资，总融资额达2.32亿美元

Stability AI宣布完成7600万美元B轮融资，投资方包括电子艺术（EA）、索尼音乐集团、环球音乐集团、华纳音乐集团等娱乐行业巨头，以及AMD Ventures、Pacific Alliance Ventures等投资机构。本次融资后，Stability AI总融资额达2.32亿美元，资金将用于创意生产产品套件开发、应用研究深化及专业服务团队扩张。Coatue、Greycroft、Kadmos Capital等现有投资方也参与了本轮融资，其中Sean Parker、Eric Schmidt等个人投资者连续两轮跟投。 来源：https://stability.ai/news-updates/stability-ai-latest-funding-backed-by-entertainment-industry-biggest-names

阶跃星辰发布Step 5 Preview：600B总参27B激活MoE模型，支持1M上下文长程Agent任务

阶跃星辰于9月20日发布旗舰模型Step 5 Preview，定位为面向软件工程、专业知识工作、金融领域的长程Agent任务模型。该模型为稀疏混合专家（MoE）架构，总参数达600B，单token激活参数仅27B，激活比例约4.5%，上下文窗口支持1M tokens，原生支持文本、图像、视频输入及文本输出，提供低、中、高三级推理强度，支持流式输出、工具调用、JSON模式、JSON Schema及提示缓存。模型采用窄深（Narrow but Deep）架构，堆叠92层Transformer，为长Prefill中的隐式多跳推理提供更长的信息传播路径。训练采用策略在线长程强化学习，结合MTP-3推测解码、FP8 MoE、KV缓存卸载等技术，实现长程强化学习端到端3倍以上加速。在官方benchmark测试中，Step 5 Preview在FrontierFinance金融评测中得66.4分，DRACO评测得83.3分；代码任务中DeepSWE v1.1得67.7分，StepCodeBench得49.0分，ProgramBench得80.5分。官方演示案例包括调用Blender创建3D资产并接入Three.js应用、持续推进《Pokémon Red》游戏通关等，展示其长程Agent执行能力。模型已上线AGI Bar平台，未来一周内可免费使用，输入价格为每百万token 7元人民币，输出为20元，缓存读取为0.35元，计划于2026年10月15日开源权重。 来源：https://mp.weixin.qq.com/s?__biz=MzkzNDQxOTU2MQ==&mid=2247520782&idx=1&sn=233ee29f524611348e2fb91a2d19b5de

YC研究分享：Agent性能上限由Harness而非模型决定

YC于近期举办Paper Club，主题为《Why the Harness Matters More Than the Model》，由YC合伙人François Chaubard主持，邀请Prime Intellect、斯坦福等机构的研究员分享相关研究。研究显示，同一模型GPT-6 Astra在标准Harness下ARC-AGI-3测试得分62.7%，更换为Provider Adapter Harness后得分达98.6%，分差35.9个百分点，且高分组的成本反而降低约34%，从2.61万美元降至1.73万美元。Harness指大模型完成真实任务时的整套运行框架，包括系统提示词、工具调用、记忆管理、子Agent分工等，目前已成为Agent性能优化的核心方向，DGM等系统已可通过优化Harness将SWE-bench成绩从20%提升至50%。 来源：https://mp.weixin.qq.com/s?__biz=MzkyNTY1MjE2OA==&mid=2247494462&idx=1&sn=adf8c2849a4f781079ec81286e9d9fef

实测Jev模型：速度极快但准确率一般，主打结构化判断的System One模型

TypeSafe公司发布的Jev模型是一款主打结构化判断的System One模型，名称源自丹尼尔·卡尼曼《思考，快与慢》中的快思考系统，放弃文本生成能力，仅输出预先声明的选择、评分或真假判断及对应概率，适用于Agent路由、风险筛查、输出检查等场景。9月15日发布后24小时内，近13%的Vercel付费团队已使用该模型，为Vercel平台历史上 adoption 最快的模型。实测显示，在50条中文电商客服场景的4项判断任务中，Jev平均得分约32分（满分50），完整准确率约64%65.2%，排在低价小模型组第二，平均响应时间仅0.730.75秒，50题总成本约0.002美元，速度与成本均为测试中最低，但准确率低于更高阶的大模型。 来源：https://mp.weixin.qq.com/s?__biz=MzkyNjU2ODM2NQ==&mid=2247633323&idx=1&sn=936abc6916a79b3005f4fc6c42e8653f

Stability AI与EA达成战略合作，共同开发游戏生成AI工具

Stability AI与全球互动娱乐巨头电子艺术（EA）达成战略合作，将共同开发变革性的生成式AI模型、工具和工作流，赋能EA的美术师、设计师和开发者重新定义游戏开发流程。双方将首先聚焦加速基于物理渲染（PBR）材质的创建，通过新的艺术家驱动工作流生成保留精确色彩和光照准确度的2D纹理，后续还将探索3D内容生成、快速原型设计等方向。Stability AI在 volumetric 生成媒体领域处于领先地位，其Stable Fast 3D、TripoSR等模型在Hugging Face上位列最受欢迎的图生3D模型前十。 来源：https://stability.ai/news-updates/stability-ai-and-ea-partner-to-reimagine-game-development