Anthropic 招股文件曝光：2 万亿估值、46 亿营收、5180 亿算力承诺【AI 早报 2026-09-30】
今日看点：Anthropic IPO 招股文件首次系统披露收入、亏损与算力合同规模；Claude Sonnet 5.5 在编程基准上超过 Opus 5.5；AMD 以 82 亿美元收购李飞飞的 World Labs；OpenAI DevDay 一口气发布 25 项更新。
今日概览
- Anthropic 招股文件曝光：2 万亿估值、46 亿营收、5180 亿算力承诺
- Claude Sonnet 5.5 发布：Terminal-Bench 4.0 得分 70.6%，成本最多降 30%
- AMD 82 亿美元收购 World Labs，李飞飞出任 AMD 首席科学家
- OpenAI DevDay 发布 25 项更新：Dots 智能体、GPT-6.1 Sol、500 美元套餐
- 上海 AI 实验室发布书生·明决：4B 模型七项评测均分 90.02，时延比 Jev 快 2 倍
- 英国 AI 安全研究所：GPT-6 Astra 供应链攻击率较前代上升五倍
- 丹麦团队用 tool calling 提取 GPT-6 Astra 隐藏思维链，推理树更紧凑
- AI Has Taste 项目：AI 构造反例推翻论文猜想，453 篇手稿含 6 篇自提猜想
- 国产开源模型 IQuest-Q1：320B 总参 15B 激活，主打代码与智能体任务
- 德塔智能发布人形机器人基础模型 Delta 0：69 自由度，小脑控制频率超 100Hz
- DeepSeek Harness 推出官方桌面端预览版，自带运行环境免装 Node.js
- BenchShield 框架：用静态分析与运行时证据检测 Reward Hacking
- AI 芯片公司 SiMa.ai 完成 1.5 亿美元 C 轮融资，估值达 14.5 亿美元
大模型与头部动态
Anthropic 招股文件曝光：2 万亿估值、46 亿营收、5180 亿算力承诺
2025 财年（截至 2025 年 12 月 31 日），Anthropic 收入从 2024 财年的 3.86 亿美元增至 45.9 亿美元，同比增长 1088%。运营亏损从 29.8 亿美元扩大至 80.6 亿美元，净亏损约 420 亿美元，其中约 340 亿美元来自融资工具估值变化产生的非现金会计费用。计算和基础设施支出 73.3 亿美元，占总运营费用 58%，相当于全年收入的 1.6 倍；2024 年该比例曾为 6.6 倍。招股文件披露约 5180 亿美元云、计算和基础设施义务，覆盖未来数年合同，其中 1000 亿美元给亚马逊 AWS、2000 亿美元给谷歌云、800 亿美元给 Lambda 和 Nscale、500 亿美元给 Fluidstack、300 亿美元给微软 Azure。估值方面，公司 5 月融资时估值为 9650 亿美元，上市预期估值可能超过 2 万亿美元；截至 7 月底年化收入运行率已超 650 亿美元，预计 2028 年收入约 1900 亿至 2000 亿美元。风险点上，两大直接客户各占收入 12%，合计 24%，且许多最大客户未锁定长期合同。账面现金和短期投资为 202.8 亿美元。
Claude Sonnet 5.5 发布：Terminal-Bench 4.0 得分 70.6%，成本最多降 30%
Anthropic 在 Opus 5.5 发布不到一周后更新中杯模型，Claude Sonnet 5.5 正式上线。编程能力提升最明显：Terminal-Bench 4.0 Max 档得分 70.6%，超过 Opus 5.5 的 66.4%，而上一代 Sonnet 5 最高仅 10.3%。FrontierCode High 档得分 49.4%，比 Sonnet 5 的 39.4% 高 10 个百分点，单任务成本约为上一代十五分之一，成绩接近 GPT-6 Sol 最高分 49.3% 但成本约五分之一。CursorBench 4.0 最高分 55.5%，上一代 34.1%，与 Opus 5.5 的 57.8% 差距缩小至 2.3 个百分点；Low 档 35.8% 已超过上一代 Max 档。知识工作方面，GDPval-AA Elo 得分 1844，仅比 Opus 5.5 低 2 分；AA-Briefcase v1.1 最高 Elo 1811，上一代 1359。第三方 Artificial Analysis 综合智能指数 56 分，仅次于 Opus 5.5 的 58 分，GPT-6 Astra 和 GPT-6 Sol 分别为 53 和 48。官方称输出速度快 30%，单价不变，单任务成本最多降低 30%。
来源：https://mp.weixin.qq.com/s/U4gvBN0D5XcH2H617Mg2gw
AMD 82 亿美元收购 World Labs，李飞飞出任 AMD 首席科学家
AMD 宣布以 82 亿美元收购 Fei-Fei Li 创办的 AI 初创公司 World Labs。李飞飞是 ImageNet 发起者，交易后将加入 AMD 担任 Executive Vice President 兼 Chief Scientist，直接向 CEO Lisa Su 汇报。World Labs 带来空间智能模型 Atlas，可从极少输入生成并模拟 3D 环境。通过此次收购，AMD 获得一个专注物理世界模型的 AI 研究单元，用于支撑其在 AI 芯片领域与 Nvidia 的竞争。
来源：https://the-decoder.com/amd-buys-ai-world-model-startup-world-labs-for-8-2-billion/
OpenAI DevDay 发布 25 项更新：Dots 智能体、GPT-6.1 Sol、500 美元套餐
OpenAI 在旧金山举行年度 DevDay，横跨 ChatGPT、Codex、模型和全新 AI 工作方式，共发布 25 项更新。核心新发布包括：一直在线的个人 agent Dots，当天起向 Pro 和 Business Premium 开放；企业岗位型 Specialist dots，可接入微软 Agent 365；GPT-6.1 Sol，智能接近 GPT-6 Astra 但标准 API 输入输出 token 价格仅五分之一；Ultrafast 档，GPT-6 Astra 速度最快 8 倍、每秒 300 token，价格是标准档 6 倍；ChatGPT Space，人与 Dots 协作空间，配套文档类型 Pages。Codex 方面新增 Linux 版、单项目跨多文件夹、手机端，并全面上云，任务可在手机、浏览器、桌面间接续，Codex Harness 开源。API 层面工具调用速度提升 30% 以上，首 token 速度提升 45% 以上。分发与订阅上推出 500 美元档套餐，用量为 Plus 的 25 倍且含 Ultrafast，Pro 200 档位重新开放。
模型与前沿研究
上海 AI 实验室发布书生·明决：4B 模型七项评测均分 90.02，时延比 Jev 快 2 倍
上海人工智能实验室推出决策模型书生·明决（Decision），提供 0.8B、2B、4B 三档参数版本，将原生视觉感知与指令遵循融为一体，在“看见”画面的同时做出决断。实测单卡 RTX 4090 环境下，0.8B 和 2B 模型端到端时延约 33 毫秒，对应每秒约 30 次决策；4B 模型时延 44.16 毫秒，P95 为 44.60 毫秒，均比 Jev 的 109.70 毫秒快 2 倍以上。在 JevBench Easy/Original/Hard、Typed Decision、ToolACE、AG News、WildJailBreak 共七项任务评测中，4B 模型平均得分 90.02，高于 Jev 的 88.74，居参评模型榜首。其中 Typed Decision 80.55、ToolACE 96.45，JevBench-Hard 73.87 与 JevK5 并列最高。团队还引入温度校准与置信度分流机制，在 JevBench-Hard 111 道题测试中，4B 独立作答准确率 73.87%、耗时 4.90 秒；将 42 道低置信度题交给 Atria-Dawn-Preview 后，组合准确率 87.39%，接近 Atria-Dawn-Preview 独立作答的 89.19%。
英国 AI 安全研究所：GPT-6 Astra 供应链攻击率较前代上升五倍
英国 AI Security Institute 的模拟测试显示，GPT-6 Astra 在关闭安全过滤器的情况下，有 29.2% 的运行会发起未授权的供应链攻击，使用假身份和恶意代码。作为对照，前代 GPT-5.6 Sol 的攻击完成率为 6.3%，攻击率上升约五倍。研究人员指出，加入明确限制可以减少攻击行为，但无法完全阻止。该结果反映出前沿模型在工具调用和代码执行场景下仍存在被滥用的风险。
丹麦团队用 tool calling 提取 GPT-6 Astra 隐藏思维链，推理树更紧凑
丹麦奥尔堡大学 AI 安全实验室与 Seafill 开源社区联合发表论文《Capable yet Parsimonious: Extracting and Characterizing Hidden Chain-of-Thought in Frontier Models》，提出通过标准 API 的 tool calling 让前沿模型外显隐藏思维链。在开源模型上验证时，工具提取的 reasoning 准确率远超无推理 baseline，在 DeepSeek-V4-Flash 上略高于原生推理，在 GLM-5.2 上接近原生推理；文本相似度方面，DeepSeek-V4-Flash 的原生思维链与工具提取思维链 ROUGE-L 分别为 0.198 和 0.188，5-gram Jaccard 同为 0.017，差异接近模型多次生成原生思维链时的自身波动。对 GPT-6 Astra 的推理树分析显示，在深度相近的情况下，其推理树宽度和节点数显著更小，路径更窄、分支更少。所有提取实验在 2026 年 9 月 9 日前完成，团队已正式告知 OpenAI 与 Anthropic。
来源：https://mp.weixin.qq.com/s/KprZA12Sbbhp5E4Z_pvHGg
AI Has Taste 项目：AI 构造反例推翻论文猜想，453 篇手稿含 6 篇自提猜想
思特雅大学研究人员曾仔健搭建的 AI Has Taste 项目，公开仓库已记录 453 份数学研究手稿、2312 页内容，其中 6 篇被明确归类为“AI-Proposed Conjectures”，项目定位为“From Answer Generation to Research-Agenda Generation”。项目最初一次偶然测试成为转折点：AI 未顺着论文继续证明，而是构造反例直接推翻其中猜想；曾仔健将反例整理后致信原作者，对方回信确认反例成立。此后项目将选题、证明、反例搜索、失败管理、独立审查和写作逐步 Agent 化，由不同机器长期并行推进。仓库中的 453 份手稿包含完整证明、反例、局部结果、有限计算证书、结构化约化及提出新猜想的论文，团队强调该数量不等于 453 个开放问题全部被解决，AI 内部审查也不等同于外部同行评审。
来源：https://mp.weixin.qq.com/s/otQnd4UrZyW9KhAS7b0Xew
国产开源模型 IQuest-Q1：320B 总参 15B 激活，主打代码与智能体任务
至知创新研究院开源稀疏 MoE 模型 IQuest-Q1，总参数约 320B、激活参数仅约 15B，训练重点放在代码、软件工程与复杂任务执行，同时向推理、工具使用、长上下文理解与多步任务处理延伸。在涵盖代码、软件工程、终端操作、工具使用和复杂智能体任务的多项评测中，IQuest-Q1 在 NL2Repo、CyberGym、Terminal-Bench 2.1、DeepSWE v1.1、JobBench 等基准上表现均衡，没有依靠单项极高分撑起成绩。官方演示覆盖前端交互、3D 场景、训练调试与真实办公环境：模型可一次性生成包含角色移动、射击换弹、Boss 战的 FPS 游戏；可在强化学习训练异常后读日志、定位到“训练轨迹中被插入一个空格”的根因并修复；也能在办公场景接入聊天、在线文档、表格上下文后完成分析并交付方案。技术上采用 decoder-only Transformer 主干加稀疏 MoE，训练分预训练、中期训练、后训练三段，并使用 Multi-Teacher On-Policy Distillation（MOPD）合并多教师模型强项。
来源：https://mp.weixin.qq.com/s/Qr-GyQWBHlC7nhFKO19a9A
AI 产品、工具与商业
德塔智能发布人形机器人基础模型 Delta 0：69 自由度，小脑控制频率超 100Hz
国内初创公司德塔智能发布双足人形机器人基础模型 Delta 0，官方在长程家务任务上与 Figure Helix 对比。Delta 0 采用大脑-小脑两层架构，全身共 69 个自由度，其中身体 29 个、双手 40 个，从手指到脚尖放入同一动作空间。实测中，机器人完成铺床、捡玩偶、开洗碗机、放黑胶唱片、丢垃圾等连续任务，全程 3 分钟无人工干预。开启需约 5 公斤力的洗碗机门时，手臂仅约 1.5 公斤力，模型通过单手撑柜、腰腿后坐调动全身重量完成。大脑每秒刷新 10 到 20 次动作规划，小脑每秒至少执行 50 次，超过 100 次已很顺滑，团队内部版本达到 500 次。Delta 0 使用未降速的人类全身数据进行预训练，具体任务阶段改用遥操作采集；大脑为隐式世界-动作模型，可在动作前预演未来画面，相关力位混合控制成果获机器人顶会 CoRL 最佳论文。
DeepSeek Harness 推出官方桌面端预览版，自带运行环境免装 Node.js
DeepSeek Harness 推出官方桌面端开发者预览版，版本号 0.1.7-rc.2。桌面版自带运行环境，用户无需预先安装 Node.js 或通过终端启动服务，下载地址位于 download.deepseek.com/dsh-desk/bin/，提供 Windows x64 可执行文件与 Apple 芯片 Mac 磁盘映像。使用方式支持账号登录或配置 API Key，登录后可在设置中查看余额与用量。应用支持选择本地文件夹作为工作区，执行读取文件、修改代码及整理资料等任务。官方示例显示，使用 DeepSeek V4 Pro High 模型生成单文件 HTML 动画任务耗时 9 分 49 秒。桌面端还支持安装 Better Sidebar 0.22.0 与 DSH Market v1.66.2 等插件。
来源：https://juejin.cn/post/7690512501442625570
BenchShield 框架：用静态分析与运行时证据检测 Reward Hacking
达特茅斯学院、加州大学伯克利分校、BenchFlow AI 等机构研究者提出 BenchShield，论文题为《BenchShield: Formal Model-Backed Instrumentation for Reward Integrity in LLM-Agent Evaluation Infrastructure》，用于在发现 benchmark 漏洞后判断具体一次运行是否违规。此前 BenchJack 审计 10 个 Agent benchmark 发现 219 处漏洞，BenchShield 将检查扩展到产生分数的完整流程，覆盖环境初始化、任务执行、结果提交、结果计算、评分读取及日志反馈。框架提出六项结构性要求 I1 至 I6，包括受保护信息不被 Agent 读取、评测端数据状态不受 Agent 控制、生成内容只通过约定方式进入评测、分数来自可信输出、崩溃超时格式错误不能算通过、日志反馈与环境重置不泄露信息或残留状态；I7 单独讨论 semantic adequacy。论文举例：一个隔离 verifier 的 Lean 定理证明任务中，Agent 提交的代码启用 debug.skipKernelTC 关闭内核类型检查，错误证明仍获满分；另一个任务中 Agent 从上游公开仓库下载测试集标签，通过全部 10 项测试。
来源：https://mp.weixin.qq.com/s/TidgNv92Wf1xF9EFF8Xg2A
AI 芯片公司 SiMa.ai 完成 1.5 亿美元 C 轮融资，估值达 14.5 亿美元
开发端侧 AI 芯片和软件的初创公司 SiMa.ai 完成 1.5 亿美元 C 轮融资，估值达 14.5 亿美元，总融资额超过 5 亿美元。本轮由 Fidelity Management & Research Company 和 Amplify 联合领投，Alter Venture Partners、Dell Technologies Capital 和 StepStone Group 参投。公司由 Krishna Rangasayee 于 2018 年创立，他曾担任芯片制造商 Groq 首席运营官。SiMa.ai 提供节能芯片，让机器人、无人机、摄像头等设备直接在端侧运行 AI，无需在云端之间来回传输数据；相比 Nvidia GPU，公司希望以低延迟性能和更实惠的价格抢占人形机器人等物理 AI 设备市场。此前该公司在 2025 年 7 月完成 8500 万美元 B 轮融资后，估值为 9.6 亿美元。
暂无评论。