❯ Anthropic 据报拟推新模型迎战 Astra，IPO 延至 11 月、年化收入或突破 1000 亿美元
[三线交汇] 据路透报道，Anthropic 正考虑发布新模型，以回应 OpenAI 推出 Astra 后重新积累的产品势头；与此同时，公司仍在推进首次公开募股。华尔街日报称上市时间已调整至今年 11 月，纽约时报则称其年化收入有望在年内突破 1000 亿美元。
[增长速度] 纽约时报给出的口径是，Anthropic 的年化收入在 7 月已达到650 亿美元，若年底超过 1000 亿美元，数月内还要再增长逾五成。年化收入是某一时点的运行速率，不等于全年已经确认的收入，但它会直接影响 IPO 定价、承销节奏和投资者对算力支出的容忍度。
[安全承诺] 新模型计划与达里奥·阿莫代伊近期呼吁行业放慢前沿开发形成张力。路透称，公司一边评估发布窗口，一边要向公开市场解释安全立场如何落进产品节奏；华尔街日报还称，11 月安排是在前研究员 Jacob Coxon 离职前作出的，不能简单归因于近期内部争议。
[上市考题] 公开市场投资者要同时给增长和克制定价：发布太慢会把开发者与企业合同让给 Astra，发布太快又会削弱“放慢竞赛”的可信度。Anthropic 接下来的招股材料，得把模型排期、收入质量与安全治理放在同一张时间表上。
▪ SIGNALAnthropic 要卖给公开市场的，不只是一条千亿美元收入曲线，还有一套能约束发布冲动的治理机制。
❯ OpenAI 内部材料预测：五年负自由现金流或达 2780 亿美元，2030 年收入目标 3500 亿美元
[现金流缺口] 据 Financial Times 报道，其取得的内部演示材料显示，OpenAI 预计 2026 至 2030 年累计负自由现金流为2780 亿美元；材料还预测收入将从今年的360 亿美元增至 2030 年的3500 亿美元，接近十倍扩张。
[算力先付款] 这套预测把收入暴增与现金持续外流放在一起：模型训练、推理服务和数据中心合同需要提前锁定资本，而订阅、应用程序接口与企业产品的回款要随后兑现。材料中的自由现金流是公司内部预测，并非已发生结果；任何模型价格下降、利用率不足或数据中心延期，都会把融资缺口继续往上推。
[规模要求] 从 360 亿美元走到 3500 亿美元，OpenAI 不能只靠 ChatGPT 用户增长。企业席位、开发者调用、智能体交易和新业务都要形成大额收入，而且毛利必须快于算力成本改善。融资能力和算力合同已经被绑在一起，下一轮资本不仅在押模型能力，也在押基础设施能够按计划转化成收费请求。
[投资判断] 投资人要算的是每一美元算力承诺能换回多少可持续收入。内部材料中的 3500 亿美元目标若无法由合同、留存率和单位推理成本逐步验证，预测的 2780 亿美元现金缺口就不是增长的附属成本，而会成为估值上限。
▪ SIGNALOpenAI 的下一场竞赛发生在现金流量表上：收入要增长近十倍，才能追上已经签出去的算力承诺。
❯ Anthropic 开放生命科学验证计划，专业团队可申请解除高风险生物学限制
[受控开放] Anthropic 正式开放生命科学验证计划测试版，认证团队可在 Claude、Claude Code 与应用程序接口中使用限制更少的 Mythos 5.1、Opus 5 和 Sonnet 5，处理药物发现、研究生物学、临床开发与制造任务。首批面向机构和团队，个人 Pro 与 Max 用户暂不支持。
[两级授权] 标准使用授权可覆盖整支团队，每年续期一次，适合多数日常生命科学工作；高风险授权只绑定单个研究项目，每六个月续期，并移除会阻断生命科学请求的安全限制。目前高风险通道开放给 Opus 5 与 Sonnet 5，Mythos 的相同权限仍只给额外审查后的少数机构。
[监控换通行] Anthropic 把防护从即时拦截部分移到离线行为监控：权限与申报用途绑定，偏离范围的流量会通知机构管理员。相关数据保留 30 天，分区存储，不用于训练，也不能由公司的生命科学研究团队访问；网络安全等其他分类器仍保持生效。
[治理实验] 科研机构得到的是带责任人的能力通行证，并非一个无条件解锁按钮。实验室今后要把账户安全、内部人风险和智能体误用写进研究流程；下一步要观察 Anthropic 的异常处置时长与跨会话滥用识别率，能否在减少误拦截的同时守住高风险项目。
▪ SIGNAL生命科学正在成为前沿模型分级开放的试验场，准入、用途申报和事后监控被打包成同一种产品能力。
❯ Manus 据报融资约 5 亿美元，恢复独立运营后目标估值翻倍至 40 亿美元
[重新定价] 据彭博与华尔街日报转述，AI 智能体公司 Manus 正洽谈融资，金额约5 亿美元，目标估值约40 亿美元。这轮交易发生在公司与 Meta 的收购安排解除、恢复独立运营后不久；创始人与腾讯、HSG、真格基金等原股东此前按约 20 亿美元估值购回股份。
[一年八倍] Manus 在 2025 年春季以约 5 亿美元估值完成 7500 万美元融资，拟议的新估值相当于一年多升至八倍。财新相关转述称，其年度经常性收入从去年底超过 1 亿美元升至今年 6 月底约4 亿美元；这仍是运行速率，不是已经入账的全年收入。
[交易余波] Meta 收购、监管介入、交易撤回和股权回购让 Manus 的资本路径绕了一大圈。新融资若落地，公司会重新拿到扩充算力、销售和产品合作的现金，但也要独立承担此前可能由 Meta 提供的分发与基础设施。该轮目前接近完成，条款仍可能变化。
[兑现压力] 40 亿美元估值把收入增速和独立交付能力一起摆上桌。Manus 需要证明过去半年增长不是交易事件带来的短期波动，并把智能体任务量转成续费与毛利；否则估值翻倍只会把下一轮考核提前。
▪ SIGNAL从 Meta 体系退回独立公司后，Manus 最值钱的资产变成了能否把 4 亿美元年化收入跑成可续约的真实业务。
❯ Hacktron 用 Claude 串联漏洞进入 OpenAI 员工账户，6500 美元奖金引出授权边界争议
[漏洞链条] 7 月 25 日，三人安全团队 Hacktron AI 使用 Claude 构造漏洞利用代码，从 OpenAI 社区论坛采用的图像处理组件切入，再结合登录令牌权限问题，进入一名员工关联的 ChatGPT 与 Codex 账户。团队最终创建一个无害拉取请求，以证明具备 OpenAI 私有单体代码库的访问能力。
[没有拿走代码] 据 Hacktron 披露，更准确的说法不是“Claude 窃取了 OpenAI 源代码”：研究人员称，他们没有下载代码，而是用无害提交验证账户具备仓库权限。作为背景，漏洞涉及论坛所用的 Discourse 环境和 OpenAI 单点登录设计；OpenAI 随后修复自身问题，并向团队支付6500 美元奖金。
[奖金争议] 据 OpenAI 回应，对 Discourse 托管社区的测试原本被排除在其漏洞悬赏范围之外，因此奖金只覆盖 OpenAI 侧问题。这个解释划清了合同边界，却没有消除风险：一个第三方论坛的图片解析漏洞，最终能把身份令牌带到员工的核心开发账户。
[企业防线] 企业安全团队要重新检查身份令牌的权限半径，尤其是社区、客服和文档系统与内部开发工具共用登录体系时。AI 让研究人员更快拼出利用链，但真正放大事故的是跨系统凭据和过宽授权；悬赏金额也会影响白帽是否愿意继续披露高价值漏洞。
▪ SIGNALClaude 加快了漏洞利用，单点登录却决定了破口能走多远；最危险的不是论坛失守，而是论坛令牌通向代码仓库。
❯ 长鑫存储据报筹建 NAND 研发产线，拟从 DRAM 扩至 AI 存储市场
[跨品类扩张] 据行业消息，长鑫存储计划进入 NAND 闪存市场，拟在北京新工厂配置研发与生产线、设立相关研发机构，并已与潜在客户沟通产品规划。其中一家初创企业据称拟将其 NAND 芯片用于 AI 系统与超级计算机存储产品。
[份额上升] 长鑫的主业一直是动态随机存取存储器。公开摘要称，其全球 DRAM 市占率从一季度的7.6% 升至二季度 9.5%，产能和价格上行给了公司扩品类的窗口。NAND 的工艺、控制器生态和客户认证与 DRAM 不同，新产线离规模出货仍有三道门槛。
[币种疑点] 同一批摘要把二季度营收写成“146.24 亿美元”，这一金额与 9.5% 的全球份额明显不相称，且目前找不到原始财报确认，更可能存在人民币与美元混写。在公司或审计文件给出明确口径前，不宜把该金额用于增长或估值比较。
[竞争范围] 国内存储客户将多一个覆盖两类产品的候选供应商，但采购决定仍取决于样品寿命、读写性能、控制器适配与稳定供货。对长鑫而言，真正的跨越不是宣布新产线，而是拿到客户认证。
▪ SIGNAL长鑫若能把 DRAM 客户关系带进 NAND，国内 AI 存储的供应选择会增加；眼下先要等样品、良率和财务口径落地。
❯ 《科学》论文披露阿里 DAMO RADAR 并开源，一次腹部 CT 可筛查 146 种病症
[一图多查] 阿里达摩院与浙江大学医学院附属第一医院等机构研发的 DAMO RADAR 已在《科学》发表并开放代码。模型读取腹部增强 CT，可同时评估18 个器官的 146 种临床发现，覆盖恶性肿瘤、囊肿及其他异常。
[真实世界验证] 官方披露的论文显示，研究团队在近4 万次真实世界检查中评估模型，146 项临床发现的平均曲线下面积达到 0.913。它不是只找单一癌症的分类器，而是尝试像影像科医生一样通读整套腹部扫描，再按器官和病症给出多项结果。
[开源边界] 作为后续验证基础，代码已经通过 GitHub、Hugging Face 和 Zenodo 对外开源，医院与研究团队可以复现实验、检查数据分布偏差并做本地验证。论文中的专家级表现不等于可以直接替代临床诊断；不同设备、患者结构和检查协议仍会改变误报与漏报率。
[落地条件] 医院要评估的是每一种病症的漏诊成本与工作流收益，不是只看一个平均分。开源降低了复现门槛，也把外部验证压力交给更多机构；谁能在多中心数据上稳定复现，谁才有资格进入实际阅片流程。
▪ SIGNAL通用影像模型的门槛从“能认多少病”移到“在多少医院、多少设备上仍能保持同样的漏诊率”。
❯ 阿里发布 Qwen3.8-Omni-Flash：原生全模态接入 100 万上下文，音频输入价格降逾 98%
[全模态长窗] 阿里千问推出 Qwen3.8-Omni-Flash，原生接收文本、图像、音频和视频，并提供100 万词元上下文。模型面向长视频定位、短剧翻译和多轮工具调用等长程任务，试图把理解、检索与执行放进一次持续会话。
[厂商评测] 作为与上一代的对比，阿里称新模型在累计 30 项评测中平均提升超过 26%，音频能力整体超过 Gemini 3.8 Flash，音视频综合能力接近对手。上述比较来自厂商评测，仍要等待独立测试确认不同语言、噪声环境和长视频任务中的稳定性。
[价格下探] 官方还称应用程序接口的音频输入价格降幅超过98%。大幅降价会让全天录音分析、批量客服质检和长视频索引从小样本演示转向持续运行，但开发者仍需把输出成本、延迟与工具调用失败计入总账。
[应用门槛] 多模态应用团队的成本中心将转向可靠完成动作。100 万上下文解决装载问题，真正决定产品体验的是关键片段定位、跨模态引用和长任务中途不中断。
▪ SIGNAL当音频输入价格一次降去九成以上，长录音和长视频不再需要先切碎省钱，可靠执行开始比上下文长度更难。
❯ 智谱上线 GLM-5.3-FlashX：推理速度提至每秒 200 个词元，价格为基础版 2.5 倍
[速度版本] 据智谱公告，公司已开放 GLM-5.3-FlashX 应用程序接口，峰值输出速度达到每秒200 个词元，约为 GLM-5.3-Flash 的五倍。模型延续 100 万词元上下文及多模态输入，主要差异落在服务速度和计费层。
[花钱买时延] 作为与基础版的对比，智谱公布的 FlashX 输入与输出价格分别为每百万词元2 元和 7 元，约为基础版的2.5 倍。用 2.5 倍价格换五倍速度，对实时客服、语音交互和高并发智能体可能划算；离线批处理若不赶时间，基础版仍有更低单位成本。企业还要核对并发额度与峰值时段服务承诺，才知道这笔溢价能否稳定换回等待时间。
[采购选择] 开发者现在可以在同一模型家族内直接给时延定价，无需为了更快响应更换模型并重新评测智能水平。实际收益还取决于首词延迟、并发限额和高峰期吞吐，公告所称峰值每秒 200 个词元不能自动等同于线上稳定速度。先做真实流量压测，再决定哪些请求需要切到高速版本，会比全量迁移更省钱。
▪ SIGNALFlashX 卖的不是更聪明的模型，而是可计价的等待时间；实时产品多花的钱，必须由更高完成率或更多并发收回来。
❯ SK 海力士在硅谷成立风险投资品牌，投资范围扩至 AI 计算与光互连
[硅谷落点] 9 月 18 日，SK 海力士成立 SK hynix Ventures，并在硅谷举行首场投资活动，与风险投资机构和初创企业讨论合作。公司把投资范围从存储技术向 AI 计算、数据中心、系统软件和光互连延伸。
[找下一瓶颈] 公司已在 9 月 15 日至 17 日的 AI Infra Summit 2026 展示覆盖数据、模型、计算、数据搬运和数据中心的路线。高带宽存储器让 SK 海力士站在 AI 基础设施核心位置，新投资品牌可更早接触芯粒互连、共封装光学、存储软件和数据中心系统团队，把外部技术验证提前到产品路线形成之前。
[战略回报] SK 海力士要买的是对下一代系统架构的提前观察权。投资是否有效，不能只看财务退出，还要看被投技术能否进入公司产品路线、客户验证或共同开发。接下来可观察首批投资名单、单笔规模，以及被投公司能否与高带宽存储器、数据中心客户形成联合验证；否则新品牌只是把既有投资活动换了名字。
▪ SIGNALHBM 把 SK 海力士送进 AI 核心供应链，风险投资则让它提前寻找 HBM 之后最先卡住集群的部件。
❯ 清华教授创办的 Naive AI 据报融资 4 亿美元，首款开放权重模型最快 9 月发布
[隐身融资] 据 The Information 报道，北京初创公司 Naive AI 已完成三轮融资，合计约4 亿美元，估值超过14 亿美元，投资方包括腾讯等机构。公司由清华大学教授戴继峰创办，首款大语言模型最快可能在 9 月发布。
[不从零练] 作为与传统预训练路线的对比，报道称 Naive AI 不会从头训练基础模型，而是以现有开放权重模型为起点，调整模型结构，再投入中期训练与后训练。这条路线避开最昂贵的预训练环节，把资金集中到结构改造、推理效率和特定能力上；代价是上游模型一旦变更许可证、架构或发布节奏，公司的产品计划也会随之受到牵动。
[待验成色] 公司尚未公开模型、基准、许可证和应用程序接口价格，融资金额与发布时间也来自匿名信源。开发者真正需要看的，是改造后的能力增量能否覆盖对上游的依赖，以及开放权重条款是否允许商业部署与二次训练；首款模型能否按 9 月窗口交付，是第一项可核验节点。
▪ SIGNALNaive AI 押注的是“站在开放模型上继续训练”能比从零预训练更快形成产品，9 月发布将给出第一份成本与能力答卷。