2025 年 9 月 AI 新闻：OpenAI 编程测试、Meta REFRAG 与新智能体工具

2025 年 9 月，我在 Meta Connect 现场报道，先来看泄露的画面：未来版本的 Meta Ray-Ban 眼镜可能让助手看到、听到周围世界，同时向佩戴者显示信息。这段视频只是预览，不能证明画面中的所有能力均已提供。我仍不确定原本不戴眼镜的人是否愿意整天佩戴。

OpenAI 研究人员报告，一个推理系统在五小时限时内解决了 2025 年 ICPC 世界总决赛的全部 12 道题，最好的人类队伍解决了 11 道。这是一项特定编程竞赛中令人印象深刻的报告成绩，但不能证明通用超人智能。

据我阅读的说明，该系统收到了相同的 PDF 题目，并在没有专门定制测试时运行框架的情况下选择提交答案。11 道题首次提交即正确，最难的一道提交了九次。OpenAI 描述了一个结合 GPT-5 和实验性推理模型的组合系统；我推测未来是否会发布另一个模型。

Cognition CEO Scott Wu 称赞了这一成绩，OpenAI 的 Mark Chen 则将它与其他竞赛成绩并列。我认为这些是推理能力取得显著进展的迹象，而周边工具和运行框架对实际使用模型也很重要。

接下来是 REFRAG，一种针对检索增强生成的研究方法。它不是以完整 token 细节处理每段检索文本，而是使用压缩、可复用的片段表示，并选择性地展开相关内容。论文报告在实验条件下首个 token 生成时间提升约 30 倍、上下文扩展 16 倍；这并不保证应用端到端速度提高 30 倍，也不保证所有任务都没有准确率损失。

AI 芯片公司 Groq 融资 7.5 亿美元，报道中的投后估值为 69 亿美元。我介绍 CEO Jonathan Ross 所说的扩建数据中心和设立亚太地点的计划。我对推理基础设施很感兴趣；视频简介披露我是 Groq 的小额投资者。

一条社交媒体帖子指出，Google 的开源 Gemini CLI 仓库中出现了 Gemini 3.0 Ultra 的引用。我把它视为关于可能的新模型和测试时间的传闻，而不是 Google 已发布该模型的确认。代码引用本身不能确定发布日期或能力。

画面中的 ARC Prize 帖子报告，自定义方案在 ARC-AGI-1 上达到 79.6%，每题成本 8.42 美元；在 ARC-AGI-2 上达到 29.4%，每题成本 30.40 美元。截图显示了这些金额，自动字幕可能误识别小数位。这些数字是 2025 年 9 月的快照，并非当前排行榜。

帖子称这些开源方案由 Jeremy Berman 和 Eric Pang 提交，使用 Grok 4、程序合成循环和测试时适应。我提到一种受 DreamCoder 启发、存储并重用已学概念的方法，同时指出自己的解释过于简化。埃隆·马斯克还说 Grok 5 将在几周内开始训练；这是他当时表述的计划，并非已确认的发布。

Google 宣布 Agent Payments Protocol，即 AP2，作为协调智能体和商家支付的开放方式。它可以扩展 A2A 和 MCP，公告还列出了一系列合作伙伴。目标是实现互操作和安全支付流程；但宣布协议本身不能证明每个实现都安全，或已准备好无限制使用。

World Labs 展示了一个由图片生成的可导航 3D 环境。我对在场景中自由移动的能力印象深刻，不过当时创建自己的世界仍需排队等候。这是特定环境的演示，并不能保证每个输入都会生成完整或准确的世界。

Tongyi Lab 推出开放研究智能体 Tongyi DeepResearch，其核心是一个约 300 亿总参数、约 30 亿激活参数的混合专家模型。团队报告了多项网络研究基准测试结果，并介绍了多阶段数据策略。激活参数不等于模型总规模，基准数字也取决于各项评估的设置。

画面中的图表显示，Tongyi 报告的 Humanity’s Last Exam 得分为 32.9，BrowseComp 得分为 43.4；后者修正了视频中说出的数字。这些比较有助于了解此次发布，但不能证明该智能体在所有研究任务上都是最好的。我提到其报告使用自动生成的训练数据；至于我更广泛地认为训练必须排除人类，那只是个人观点。

Waymo 获得了旧金山国际机场的试点许可。当时 Waymo 表示将分阶段推出，从员工测试开始；最初计划在乘 AirTrain 可抵达的 Kiss & Fly 区域上下客。这不意味着所有旅客马上就能在航站楼叫车。我还提到 Amazon 旗下 Zoox 在旧金山测试自动驾驶车辆。

OpenAI 的 Alexander Embiricos 表示，GPT-5-Codex 的需求超过预期，团队增加容量期间，服务运行速度约为目标的一半。我将这一报告与持续存在的推理基础设施需求联系起来，不过未来需求和投资仍不确定。

YouTube 宣布集成定制版 Veo 3 Fast，用于生成带声音的 Shorts 片段。我担心生成门槛降低可能让低质量视频充斥信息流，同时也承认创作者可以用同样的工具制作有趣作品。新鲜感是否消退、观众如何反应，都只是预测，并非已经确定的结果。

Tencent 宣布 Hunyuan3D 3.0，介绍了更高的几何分辨率、更精细的 3D 重建和纹理。这些是公司的能力声明；我鼓励设计师查看示例，并针对自己的用途测试工具。

最后我展示了一段人形机器人被推倒后迅速起身的画面。动作速度令人惊讶，但仅凭片段无法确定这一行为在演示之外有多可靠。我开玩笑谈到机器人格斗，也表达了对人们击打机器人的不适。