企业官网建设流程全解析

AI创业者通识日报 | 2026年9月7日

📊今日导读：ARC Prize 双口径炸场——GPT-6 Astra 同一基准标准 harness 62.7%、Provider Adapter 99.9%，「99.9%」被指出是装配系统而非模型本身，OpenAI 发布后还改了 5 项指标 | Anthropic 首次向外部研究者开放 25 万段 Claude 真实使用数据 | CNBC 用「模型疲劳」形容四大实验室一周连发 | Anthropic 2026 算力合约合计已超 2750 亿美元 本期为「评测口径」+「数据开放 + 算力军备」主题合集，图表达量级。

🚀 今日头条 · ARC Prize 给了同一个模型两个「AGI 成绩」

62.7% 还是 99.9%？同一个模型、同一个基准、同一周发布两个成绩

9 月 3 日，ARC Prize（这套基准的作者机构）在同一篇报告里，为 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上同时给出两个分数：

两个分数都是真的，但含义完全不同：标准 harness 让模型自己决定带哪些「笔记」到下一轮；Provider Adapter 则把模型内部不透明的推理状态在请求间持续保留，并用压缩让之前的工作可复用。差 37 个百分点的不是模型，是套在模型外面的脚手架（harness）。

对创业者的启示：当 AI 厂商把「评测环境」当作能力卖点时，你要问的不是「分数多少」，而是「在什么 harness 下跑的、跟谁同口径比」。你的选型评测如果不统一此口径，买回来的可能只是对方的脚手架厉害。

来源：ARC Prize 官网/博客 / The Next Web / IQ Metrics

🔬 技术前沿 · 推理强度関掉也能 96.7%：脚手架比推理更「通神」？

两行数据让「99.9% » AGI」的推理链条破裂

ARC Prize 公布的分档表里有一行比任何争论都有说服力：把推理强度（reasoning effort）关到None，标准 harness 只有35.2%，而 Provider Adapter 仍有96.7%——比前者跑满 Max（62.7%）还高 34 个百分点。

也就是说，不带明面推理，装配上厂商的上下文管理能力，得分依然接近满分——产出这分数的更多是「带状态的脚手架」，而非基准想测的「通用推理」。

ARC Prize 联合创始人 Mike Knoop 明确回应：「我们还缺乏把这件事称为 AGI 的证据。」OpenAI 也自称：99.9% 是在自家 responses API harness 下跑的，而非给对比模型用的口径。

对技术决策者的启示：99.9% vs 7.8%这组「十三倍差距」是不同口径；同口径下62.7% vs 7.8%依然是巨大跃迁。真进步不必靠夸大叙事——真正该记住的是：模型能力评测正在从「测模型」变成「测系统部署方式」。

来源：ARC Prize / YFarmX / 赢政天下 / The New Stack

📊 评测与数字 · 发布后还在变的「成绩单」

Fortune 扒出：Astra 发布后至少有 5 项对外指标被改动

《Fortune》对比了 OpenAI 发布帖的存档快照发现：Astra 发布后至少5 项数字被修订——幻觉率先 4.2% 改 2% 又改回 4.2%；Anthropic Fable 5.1 的 FrontierMath 从 87.8% 降到 78% 再回升到 83%；Sol 的 ExploitBench 从 5.5% 翻倍到 11.5%；媒体解禁稿里 ARC-AGI-3 是 98.6%，正式帖则写 99.99%（两种写法）。

Snorkel AI 的 Vincent Sunn Chen 指出：发布前最后一刻调整成绩在业内很常见，问题是「修订公开数字时应同步标注」。业内建议已出现：以后修订已发布评测数字，应像修正论文一样留痕。

对创业者的启示：评测数字是「会呼吸的营销物料」，不是合同附件。你的选型决策应锚定第三方复测（ARC Prize 同口径 / Artificial Analysis），而不是厂商发布稿的快照。

来源：Fortune / The Next Web / IQ Metrics

🛡 安全与治理 · Anthropic 首次开放 Claude 真实使用数据

25 万段真实对话交给斯坦福 / 牛津 / METR 独立提问

Anthropic 宣布完成首个「外部独立研究用好自家真实使用数据」的试点：通过隐私保护分析工具Anthropic Insights（原 Clio），向三组外部团队开放了约25 万段 2026 年 4-5 月 Claude.ai / Claude Code 对话的聚合数据：

研究者从未接触原始对话，只看聚合输出；Anthropic 的合同审查权被限制在隐私等四个窄项，且结果不利也照发。聚合数据集已公开发布，下一步正在评估是否规模化。

对数据产品团队的启示：「隐私保护聚合分析 + 外部提问权 + 结果公开」正在成为一种新的数据开放模板。做数据/Agent 产品的团队可以提前想：如果某天你的真实使用数据要被第三方审计，你的遥测与脱敏管线今天够不够格？

来源：Anthropic 官方博客 / AI 快讯 / EntAIne

📅 行业脉络 · 一周连发与 2750 亿美元算力合约

四大实验室一周内全部上新，CNBC 起名「模型疲劳」

9 月首周，Anthropic（9.1 Fable/Mythos 5.1）→ Meta（9.2 Muse Spark 1.3）→ 谷歌（9.2 Gemini 3.8 Flash + Flash Cyber）→ OpenAI（9.3 GPT-6 Astra）密集上新，CNBC 在 9 月 6 日直接以「model fatigue（模型疲劳）」概括买家心态：评测记分牌更新太快，IT 采购已经跟不上。

同一周，英伟达以129.3 亿美元收购 Hugging Face落定。而在 IPO 之前，Anthropic 2026 年签下的算力合约合计已达2700 亿+美元（AWS 千亿级 / Fluidstack 500 亿 / Nscale 450 亿 / SpaceX 450 亿 / Lambda 350 亿），接近其 9650 亿美元私有估值的3 成。

对创业者的启示：当巨头同时「打排位赛」和「囤算力」，留给创业者的时间窗口在两边被同时压缩——要么赶在生态被巨头锁死前做差异化，要么想办法成为算力/评测/数据开放链条上不可替代的一环。

来源：CNBC via AI 中文社区 / 网易 / Value Add Pulse / 彭博

🤔 今日思考题

ARC Prize 给同一个模型贴了两个分数——法律一样的严谨（62.7%），营销一样的性感（99.9%）。OpenAI 总裁布罗克曼喊「欢迎来到 AGI 时代」，而基准作者自己说「这不是 AGI」。

🤖 当「厂商自测」可以比「中立复测」高 37 个百分点，当基准的记分牌一周就能改三次——你还会用「满分/第一名」判断该不该采某一个模型吗？如果你要给公司搭一条不被评测叙事绑架的选型流水线，第一步会做什么？

欢迎在知识星球分享你的判断，我们一起跟踪 AGI 时代的产业化进程。

来源汇总 ARC-AGI 双口径：ARC Prize 官网/博客、YFarmX、赢政天下、The Next Web、IQ Metrics。 指标修订：Fortune、The Next Web。 Claude 数据开放：Anthropic 官方博客、AI 快讯（lzw.me）、EntAIne。 模型疲劳与行业脉络：CNBC via AI 中文社区、网易（第一财经来源）、Value Add Pulse、彭博。 本日报基于公开网络信息整理，旨在为 AI 创业者提供行业参考，不构成任何投资建议。 AI创业者通识日报 · 2026年9月7日 · AI辅助生成

📚 延伸阅读 · 我的付费专栏

觉得这篇文章对你有帮助？我把同类主题的系统化内容沉淀成了付费专栏，欢迎订阅支持持续输出：

💡 一杯咖啡的价格，换来系统化的知识体系；你的订阅，是我持续创作的最大动力。