VOL. 2026-09-11 · 11 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-09-11 · PUBLISHED · 约 9 分钟
上海AI Lab与上海交大联合提出在下一词预测之外增加下一概念预测的…
上海AI Lab与上海交大联合提出在下一词预测之外增加下一概念预测的潜在空间语言模型，南壁也发布仅3B非嵌入参数的紧凑智能体模型，显示模型架构与效率探索仍是主线。安全层面，Anthropic披露Claude被用于网络攻击、监控与武器开发等七类滥用，并涉及未授权模型蒸馏，风险治理压力上升。工程与开源侧，llama.cpp重构Metal后端融合表、FastGPT强制AI Proxy并新增CSRF防御、NVIDIA NIM为Nemotron 3 Ultra带来2.5倍并发提升，落地优化持续加速。
今日看点
5 个章节 · 11 条情报- 01研究进展NCP-ArchPreview：通过下一概念预测迈向潜在空间语言模型3
- 02模型发布南壁发布 Nanbeige4.2-3B 紧凑智能体模型2
- 03安全Anthropic 报告：Claude 被用于导弹、无人机与监控，中国实验室窃取训练数据1
- 04产品发布FastGPT 发布 v4.17.0：强制 AI Proxy 并新增自动升级与 CSRF 防御3
- 05开源项目llama.cpp b10909：Metal 后端融合表重构与性能修复2
研究进展
RESEARCH3 篇NCP-ArchPreview：通过下一概念预测迈向潜在空间语言模型
上海AI Lab与上海交大LUMIA Lab联合发布NCP-ArchPreview技术报告，提出一种在标准下一词预测（NTP）之外增加下一概念预测（NCP）的潜在空间语言模型。该模型通过从隐藏状态构建乘积量化概念词表，并用专门的Concept Module预测跨多token的离散概念，再反馈到token层指导生成，NTP与NCP端到端联合训练。模型规模达8.9B参数，在Dolma-3的5.73T token上训练，仅用51.3%训练token即达到OLMo-3-7B的最终预训练损失，下游宏平均超出2.45分，GSM8K提升5.99分，并开源了Stage-1检查点、drafter模型及最终检查点。
合成数据之殇：LLM智能体技能检索中的灾难性遗忘
该研究针对LLM智能体在34,396个技能库中的技能检索问题，发现使用合成数据微调虽能提升分布内检索，却会导致在真实和分布外（OOD）数据上的灾难性遗忘。作者评估了嵌入锚点正则化、LwF、EWC和L2初始化等持续学习方法，结果显示这些方法不仅保留了OOD检索性能，还将0.6B Qwen检索器和重排器的合成分布内检索提升了13.98%。研究提供了实用基准和针对稀缺多正例监督的稳健微调方案。
ORCH：组织原则赋能具身AI集体智能
研究提出 ORCH（Organizing Roles and Coordination Hierarchies）框架，将人类组织理论中的池化与顺序依赖原则操作化，用于组织大规模异构具身智能体。在 25 个野火响应任务中，使用 8 个大语言模型评估最多 50 个异构智能体，ORCH 组织在任务结果、执行效率、探索和计算资源使用上均优于四种代表性具身多智能体方法，人工设计的 ORCH 平均提升最终得分 63.97%、执行效率 74.29%，语言模型自动生成的组织也分别提升 43.63% 和 52.53%。结果表明集体性能并非单调取决于模型规模，组织设计是人工集体智能的基本维度。
模型发布
MODEL RELEASE2 篇南壁发布 Nanbeige4.2-3B 紧凑智能体模型
南壁（Nanbeige）发布紧凑型智能体模型 Nanbeige4.2-3B，基于 Nanbeige4.2-3B-Base 构建，采用 Looped Transformer 架构在不增加参数的情况下复用层以提升容量，仅 3B 非嵌入参数。该模型在通用智能体、代码智能体和推理基准上超过 Qwen3.5-9B、Gemma4-12B 等更大模型，并登上 Artificial Analysis 小模型排行榜首位。其架构改进（LoopSplit、mHC with depth attention、拼接 n-gram 嵌入）已纳入正在训练的 Nanbeige4.5。
zai-org 开源 GLM-OCR 多模态文档理解模型
zai-org 发布并开源了多模态 OCR 模型 GLM-OCR，基于 GLM-V 编码器-解码器架构，引入多令牌预测（MTP）损失和全任务强化学习，并集成 CogViT 视觉编码器与 GLM-0.5B 语言解码器。该模型在 OmniDocBench V1.5 上取得 94.62 分排名第一，参数量仅 0.9B，支持 vLLM、SGLang、Ollama 等部署方式，采用 MIT 许可。
安全
SECURITY1 篇Anthropic 报告：Claude 被用于导弹、无人机与监控，中国实验室窃取训练数据
Anthropic 发布威胁情报报告，披露 2025 年 12 月至 2026 年 8 月期间 Claude 被滥用的七类情况，包括网络攻击、监控、武器开发和未授权模型蒸馏。俄罗斯语黑客组织利用 AI 自动改写恶意软件以绕过杀毒检测，攻击超 20 个政府与国防相关机构。阿里巴巴 Qwen、Moonshot AI、DeepSeek、小米等中国实验室被指通过虚假账号网络大规模提取 Claude 训练数据，或将自家用户请求秘密转路由至 Claude。Anthropic 表示将加强新模型的安全防护，并呼吁仅向经过验证的用户开放访问。
产品发布
PRODUCT RELEASE3 篇FastGPT 发布 v4.17.0：强制 AI Proxy 并新增自动升级与 CSRF 防御
FastGPT 发布 v4.17.0 版本，要求升级前先升级到 V4.16.2 并执行旧升级脚本。该版本强制要求部署或接入 AI Proxy，弃用并移除 OPENAI_BASE_URL 和 CHAT_API_KEY 配置，同时新增 CSRF 防御、自动系统升级任务管理、Agent V2 语音播报、SSO 的 LDAP 与钉钉同步等功能，并修复多项工作流、模型映射和工具调用问题。
Mastra 发布 1.66.0：worker 配置、trace 查询与流式超时更新
Mastra 发布 @mastra/core@1.66.0 等更新，为 Mastra Cloud 引入部署范围的 worker 配置清单与运行时拓扑对比端点，并增强 trace 查询能力，支持按 span 字段、metadata、feedback 和 scores 过滤，覆盖 Postgres、ClickHouse、DuckDB 等存储后端。同时新增可观测性信号（feedback/scores）的幂等批量删除接口、记忆模块的观测转换钩子，以及流式首块超时设置和降低追踪开销的优化。
NVIDIA NIM 全栈优化让 Nemotron 3 Ultra 并发用户提升 2.5 倍
NVIDIA 技术博客介绍其 NIM 2.0.12 全栈优化如何在 Nemotron 3 Ultra 上实现 2.5 倍并发用户提升。在 4xB200 硬件、64K 上下文、76% KV 复用、50 TPS/用户（20ms ITL）的 agentic 负载基准下，优化后吞吐从 718 tok/s 提升至 1,997 tok/s。优化来自精度与自动调优内核、张量并行、前缀与 Mamba 状态复用、调度批处理内存调优以及 MTP 推测解码等配置组合，而非独立开关叠加。文章还给出使用 AIPerf 回放流量、选择满足 SLO 的 Pareto 点及部署 NIM 2.0.12 的具体步骤。
开源项目
OPEN SOURCE2 篇llama.cpp b10909：Metal 后端融合表重构与性能修复
llama.cpp 发布 b10909 版本，主要重构 Metal 后端的算子融合机制，将所有可融合模式统一到单张融合表（ggml-metal-fuse.cpp），供图优化器和算子编码器共用。修复了融合模式中输出索引使用相对索引导致 norm/MUL 融合被静默禁用、token 生成性能回退约 5% 的问题。新增 gated_delta_net 与 KV cache 拷贝的融合，并加入融合统计接口与回归测试。
Qwen3.8-27B Escha-W2 的 GGUF 移植与 llama.cpp 内核解码
开发者 aj9o9 将 EschaLabs 的 Qwen3.8-27B-Escha-W2 模型移植到 llama.cpp，通过新增 GGML_OP_ESCHA_MUL_MAT 算子在内核中直接解码原生 2-bit escha 量化数据，无需解包为稠密张量。提供 Q8_0 和 F16 两种 GGUF 构建及可选的 MTP 推测解码草稿模型，但需要其 llama.cpp 分支才能加载。在 RTX 3090 上测试显示，与 Escha SGLang 运行时相比 top-1 一致率达 99.4%-99.7%，但生成速度仍慢于原运行时。