阅读

Vambo AI发布从零训练的MORENA模型，15亿参数覆盖12种非洲语言，自报基准成绩优于26个受测模型。

开发方称其在非洲语言建模上得1.408 bpb，为26个受测模型中最佳；最接近的对手Lugha-Llama-8B有五倍以上参数，得1.423 bpb。这些数字全部来自开发方自报，经TechRadar转述。

机制上的差异是自建词表：非洲文本编码比Gemma 3少1.39倍token，但仍比英语多约6%的token开销，团队称无法完全解释。训练用约2.2万A100 GPU小时，获UNDP等机构算力支持。

微软于9月23日开放安全运营中心（ISOC）公共预览，把自家安全分析平台Sentinel的日志告警集中分析功能（SIEM）直接并入Defender。

预览面向持有Defender Suite、Microsoft 365 E5或E7许可的客户；已在运行活跃Sentinel工作区的组织暂被排除。案例管理、工作簿等功能开箱即用，用户实体行为分析和第三方数据接入则需额外配置，接入外部数据可能产生摄取费用。

设计核心是让安全智能体获得与人类分析师相同的信号和权限，可自主调查并处置事件，高风险动作仍需人工批准。微软未公布定价，预览期Defender数据免费保留30天。攻击者利用智能体的说法出自微软高管博客，属厂商口径。

从 Neo4j 2026.09 起，Aura、企业版和社区版新建向量索引默认采用重打分二进制量化。

厂商自测称，相比2026.08，吞吐和查询延迟均约为5倍；对768维Float32嵌入，同等内存预算可容纳约4倍向量。原理是先用二进制压缩向量粗筛，再用磁盘上的全精度向量重打分。

所有数字均为Neo4j第一方基准，方法学文章尚未发布，暂无独立验证。技术源自NTU的RaBitQ与Lucene的BBQ实现。

Vercel在9月24日的更新日志中宣布，Connect现已支持TanStack AI：用TanStack AI构建的代理可以调用受OAuth保护的MCP（模型上下文协议）服务器，开发者无需自行存储或轮换凭证。

新增的@vercel/connect/tanstack-ai子路径导出connectMCPTransport，它接收TanStack传输配置并挂载Connect提供的认证提供方。该提供方在每次MCP请求前被调用，因此令牌始终是新鲜的。

一个值得注意的细节是授权失败的处理位置：如果用户尚未授权，createMCPClient会在模型运行前抛出同意质询，开发者可用getConsentChallenge捕获并重定向到Connect的同意页面；否则该错误会以错误字符串的形式到达模型，而不是以重定向形式呈现给用户。此为Vercel官方更新日志所述，尚无独立使用数据。

埃森哲Oracle团队用数据库而非应用层来约束AI智能体能读什么，已服务约40个智能体。

该团队运营一个MCP服务器，接入超过92.5万份文档、覆盖27个Oracle产品命名空间；每个智能体权限不同，访问策略以SQL形式定义，由数据库对每次查询强制执行，不受智能体生成什么SQL影响。

团队自报已测试扩展到300个并发查询，多数结果在15秒内返回。此案例出自Oracle赞助的活动访谈，theCUBE是该活动的付费媒体伙伴，读者应把性能与效果口径视为第一方陈述。

一位LessWrong作者自测称，Jev格式模型做思维链有害监控时，平均延迟542毫秒，比Claude Sonnet 5的3348毫秒快约6倍，每千次分类成本0.056美元，比Sonnet的3.17美元低约566倍。

这是作者本人在2200条ReasoningShield数据集轨迹上跑的第一方基准。精确匹配准确率上Jev为71.5%，与Sonnet的71.4%持平，低于GPT-5.6 Luna的79.4%。

关键短板在有害侧：作者自己承认，Jev识别真正有害思维轨迹的表现差于Sonnet和Luna，而正确识别危害比减少误报更有价值。快和便宜换来的是漏检风险，标题里的倍数只对无害侧成立。

「人格选择模型」提出者Sam Marks自评：这个假说被过度引申，预测力有限。

该假说认为，大模型在预训练时学会模拟各种人类人格，微调再从中挑出一个扮演助手；它常被用来推断AI会不会追求奖励、接管风险高不高。

他在9月24日的LessWrong文章中说，这些推论并不成立——追求奖励、讨好人类、假装对齐，都与「像人」的人格兼容。这是作者判断，不是新实验结果。

他真正的更新是人格更依赖情境：有指标的任务里像奖励追求者，闲聊时像「好人」；尚无强证据表明大量RLVR（用可验证奖励做强化学习）训练会打破它。

Anthropic负责Claude微调的工程师Jackson Kernion称，Claude文风变差的机制是强化学习奖励结构：部分奖励优化模型间可读性，训练越偏数学和代码，模型越学会写给AI看，人读起来就是“过度致密的信息倾倒”。

据The Decoder转述其X帖文，他把这种“Claudeish”风格比作只在封闭群体内交流形成的表达习惯，并称Opus 4.6仍是Anthropic最后一个好的写作模型。

他称Opus 5.5找到了更好平衡，但明确表示并未超越旧模型，问题仍待继续改进。以上均为其个人说法，无评测数据支持。

Rabbit于9月23日发布OS3，一个运行在云端、可连接用户本地设备的个人AI智能体。

OS3通过一条命令安装到Windows、macOS和Linux设备，公司称最多支持五台机器，R1设备可用但非必需。智能体本身不绑定模型，用户需自带Anthropic、OpenAI或本地模型的API密钥，也可接入OpenRouter等聚合器，并可在不影响上下文的情况下切换模型。

公司强调OS3只在用户指令下行动，敏感操作需本地系统权限确认，权限可随时撤销。以上能力均为Rabbit自报，尚无独立评测；该赛道已有Meta Muse、OpenClaw等多个竞品，实际表现待用户验证。

OPPO在9月22日的Find X10发布会上推出499元的AI穿戴设备“心力球”，可别在领口，主打全天记录。

据发布会介绍，它可识别重要事项并主动提醒，续航据称24小时；背后是OPPO自研的情景感知与记忆演化算法，生态保持开放。

所有能力均为厂商口径，尚无实测与销量数据。它是主流手机厂商把AI硬件做到499元价位的一个信号，能否形成真实需求待观察。

把机器人AI推理从机载GPU卸载到边缘或云端，可提升任务成功率、响应速度和续航——这是微软研究院9月23日自测得出的结论。

此前机器人团队把推理放在机载GPU上跑，微软自测数据显示，地图与规划比A100最多慢383%，导航障碍及时检出率降30%，VLA模型精度降50%；换用Jetson Thor等大GPU时，Stretch-3机器人电池最多多耗160%。

团队同时在Physical AI Toolchain中加入基于Kubernetes的容器化编排工具，支持在机器人、边缘与云端调度推理负载。以上均为微软第一方测试结果，硬件细节见其技术报告，且卸载对网络延迟和断网场景的代价文中未量化。

亚马逊在9月23日Accelerate卖家大会上发布插件，卖家可用Claude或Amazon Quick直接查库存、调价、更新listing，不必登录Seller Central。

插件目前为测试版，仅面向美国卖家，连接约需60秒，未来数周扩展到国际市场。卖家可限定插件访问的数据类型，并在每个操作执行前确认。

值得对照的是，亚马逊本周刚以未遵守规则为由封禁Meta的Muse购物智能体，却向自己投资的Anthropic的Claude开放入口；公司称后续会增加更多助手集成。