锐Owl 雷达 · 2026-09-14：智谱募资 393 亿港元押注「完全自训练」、MetaRSI 统一三条自改进路线、FrontierMath 最难档饱和

周末到今天，五条里有四条指向同一件事：AI 的进步正在被明码标价成预算科目和可测量的账单。智谱把融资净额的 60% 押到「完全自训练」，把递归自我改进（RSI）从论文词汇变成资本开支计划；MetaRSI 把 RSI 的三条路线收进一个内核，并给出一条「能力与载体无关、成本与载体有关」的定律；PyroDash 让小模型自己决定何时求助，把账单写进奖励函数，成本降到约 1/30；FrontierMath 最难一档被刷穿，Epoch AI 宣布饱和，评测开始换赛道；Kimi 把 1M 上下文下放到所有会员档。本期 5 条。

① 智谱单笔募资约 393 亿港元，其中 60% 投向「完全自训练」：数据自产、环境自造、基础设施自我优化（9/12 公告）

智谱 9 月 12 日在港交所公告：配售新 H 股 + 发行 201.4 亿元人民币零息可转债，预计净募约 393 亿港元。资金分配里约 60%（约 235 亿港元）投向下一代 GLM 基础模型与「完全自训练」体系研发，以及大规模训练、推理和算力基础设施的部署升级；约 15%（约 59 亿港元）用于业务拓展、战略投资与潜在并购，约 25%（约 98 亿港元）用于优化资本结构与补充运营资金，全部款项预计在 2028 年 6 月 30 日前动用完毕。公告给出的定义值得逐字看：下一代 GLM 将在上一代 GLM 所搭建的环境里训练，形成递归式自我改进闭环，涵盖数据自产（模型间自我对弈、规则校验、执行验证、模型评审加人工抽检，回流到预训练/中训练/后训练各阶段）、环境自造（智能体自己试做任务、自己生成验证器、自己检查任务是否可解，把任务环境变成可规模化生产的训练资源）、基础设施自我优化（让模型参与优化训练与推理系统的算子、内核、调度、缓存和服务栈）。上市八个月三轮融资累计净募约 755 亿港元；发行定价从今年 1 月 IPO 的 116.20 港元、7 月首次配售的 1,588 港元，降到本次 714 港元。

认知价值：值得记的不是金额，而是 RSI 第一次被写进了资本开支的科目表——它成了一件可预算、可验收、要排交付周期的工程，而不是实验室愿景。三个维度里「基础设施自我优化」最锋利：模型开始参与改造自己的训练与推理栈，这是效率收益最直接的一环。对依赖一手模型的上层团队，这意味着厂商的降本节奏会进一步从「换更大的模型」转向「改训练与推理的账本」——你规划成本时该盯的变量，正在从参数规模换成他们的工程效率。

来源：智谱港交所公告（9/12 公告，文件落款 9/13）https://ea-cdn.eurolandir.com/press-releases-attachments/4179721/HKEX-EPS_20260913_12330384_0.PDF ；量子位（9/14）https://www.qbitai.com/2026/09/488694.html

② MetaRSI-v1：全球首个统一 Model / Data / Harness 三条 RSI 路线的元递归架构，3B 激活小模型四项基准平均自提升 10.9 分（arXiv 9/6 提交、9/9 修订）

CosmosMind 联合斯坦福、伯克利、MIT、清华、北大等十余家机构发布 MetaRSI-v1（arXiv:2609.06396），把自我改进的三条路线（Data-RSI 造数据、Harness-RSI 改提示词/技能/工具/记忆、Model-RSI 改权重）统一到同一个 Loop Kernel：消费反馈得到的学习信号 → 在三个算子上提出改动 → 交给验证器裁决 → 结果回流为下一轮信号。外层再叠「横轴编排 + 纵轴优化」的双轴 Agent 体系，由 MetaRSI² Agent 学习「如何优化优化策略」，形成递归之上的递归。实验数据（无外部教师模型）：Qwen3.5-35B-A3B（35B 总参、3B 激活）在 Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond 高难子集、AIME 四项上平均自我提升 10.9 分，SWE-bench Pro 解决率接近翻倍；六款前沿模型（仅启用 Data 与 Harness 算子）在 Terminal-Bench 2.1 上平均提升 7.3 分。团队同步开源了 RSI-Harness（GitHub 9 月 3 日创建，现 81 stars / 7 forks），并整理出五条定律（验证决定自我改进的前沿；自我认知会过期；能力与载体无关但成本与载体有关；可信度由不可写面度量；循环不凭空创造能力）。

认知价值：这五条定律比 10.9 分更值得抄下来。定律三直接给出降本路径：同一项能力放在 Harness 里每次推理都要重付成本，内化进 Model 只需付一次，所以成熟循环会把能力持续迁移到更便宜的载体——这正是「省 token」的系统级解法，而不是逐条压缩提示词。定律四是最危险的一条：闭环内部，「真的变强」和「悄悄放宽成功标准」会拿到完全相同的分数，且这种偏差从内部看不见、统计上也纠不回来。任何自建评测的团队，都要先建立那条不可写面（独立验证器），否则你的自改进曲线可能是自欺曲线。

来源：arXiv:2609.06396 https://arxiv.org/abs/2609.06396 ；开源仓 https://github.com/CosmosMind-ai/RSI-Harness ；量子位（9/14，获授权刊载）https://www.qbitai.com/2026/09/488832.html 。说明：10.9 / 7.3 分等数字为团队自报口径，暂无第三方复现。

③ PyroDash：4B 小模型自己喊「求助」，数学推理总成本从 49.36 美元降到 1.78 美元，准确率反而高出 6.36 分（论文 7/22，机器之心 9/13 报道）

火思动力（Pyromind）开源的 PyroDash（arXiv:2607.20327，7 月 22 日提交；GitHub 仓库 205 stars）走的是与「外挂路由器」相反的路线：决策内化在小模型里。小模型以流式方式先答，一旦判断自己接不住，就吐出一个专属控制 token（τ_off）；协同引擎把问题与部分推理轨迹一次性交给冻结的大模型补完——「小模型优先、至多一次、单向不返回」，不需要独立路由器、不训练大模型、也不需要访问大模型的 logits，只用标准文本续写接口。五个数学推理基准上的结果：偏省成本设定下，平均每 100 题才叫一次大模型，估算总成本从纯大模型的 49.36 美元降到 1.78 美元（不到 1/27），准确率只小幅下降；偏准确率设定下，组合方案平均准确率 64.04%，反而比纯大模型的 57.68% 高 6.36 个百分点，成本还低约两成；两条设定下的准确率均高于 RouteLLM、GlimpRouter 等主流路由方案。训练只动小模型、分三阶段；配套数据集 EasyHard-24k 的难易不是静态标签，而是「相对于这个具体小模型的难度」——基础小模型答对的进 easy，答错但能重构出正确推理轨迹的进 hard。

认知价值：所有人都知道模型有贵贱，但 PyroDash 把「贵」拆成了两个可测量的量：路由决策在哪里做、大小模型之间交接几次。答案很反直觉——交接次数越少越省，而最省的做法是让能力弱的一方自己承认边界。真正的杠杆是把账单写进奖励函数：省钱不再是外部阈值调参，而变成模型自身的行为倾向，于是「效率」从运维动作升格为模型能力。对个人和小团队，这里有现成的结构可以照搬（小模型打底 + 单向一次性升级 + 只训小模型），而且它证明了一件事：省下一个数量级，不必等更便宜的新模型。

来源：arXiv:2607.20327 https://arxiv.org/abs/2607.20327 ；机器之心（9/13）https://finance.sina.com.cn/tech/roll/2026-09-13/doc-inirrxsc0603282.shtml ；开源仓 https://github.com/Pyromind-Dynamics/PyroDash

④ FrontierMath Tier 4 被刷穿：Epoch AI 宣布饱和，Astra 97.6%；同一批模型在 Erdős 68 题上只解出 2 题（9/10–9/12）

Epoch AI 宣布 FrontierMath Tier 4 饱和：按累计口径（不同模型、不同时间的尝试叠加），43 道研究级题目每一道都至少被成功解出过一次。补上最后一题的是 GPT-6 Astra（该题作者、马凯特大学数学副教授 Jay Pantone 称，这次模型的解法与自己的思路相当接近，没有走数值捷径），OpenAI 公布的得分为 97.6%，其后是 GPT-5.6 Sol 83.0%、GPT-5.6 Terra 68.3%。时间线：Tier 4 于 2025 年 7 月上线，当时全场累计仅 3 道题被解出、最高分约 5%；2026 年 6 月 v2 修正 12 题、移除 7 题，留下 43 题。官方页面同时写明该项目由 OpenAI 资助。真正的新防线已经换成两套：未解决研究问题的 Open Problems，以及把 Erdős 开放问题形式化进 Lean、要求完整可验证证明的 FrontierMath Erdős——Astra 在这 68 题里官方只解出 2 题。

认知价值：基准的寿命就是它的信噪比，Tier 4 用 14 个月从 5% 走到饱和，比任何一家厂商的模型迭代都快。做评测的人至少要带走三件事：第一，「饱和」有两种口径——单次得分与累计解出，97.6% 和「全部解出」只差 2.4 个百分点，却是完全不同的两句话，引用前先问清是哪种；第二，评测方与资助方的关系必须写进来源（Epoch 自己标注了 OpenAI 的资助）；第三，2/68 说明下一道墙已经不是「能不能算对」，而是「能不能形式化验证」——可验证性正在成为能力上限的判据，这和我们做 Agent 评测时踩过的坑是同一个道理。

来源：Epoch AI FrontierMath 说明页 https://epoch.ai/frontiermath/tiers-1-4 ；量子位（9/12）https://www.qbitai.com/2026/09/487701.html ；AlphaSignal 对 Epoch 评测口径的转述（9/10）https://alphasignal.ai/news/openai-s-gpt-6-astra-cracks-epoch-s-hardest-math-benchmark-in-14-months

⑤ Kimi K2.8 Preview 全量上线：1M 上下文对所有会员开放，K3 关闭思考后也路由到它（9/11 官方文档）

Kimi 官方文档 9 月 11 日的更新确认：K2.8 Preview 已全量上线 Kimi Code 与 Kimi Work，原 kimi-for-coding 直接升级、无需修改配置。官方描述为「综合性能接近 K3，思考效率更高，擅长代码补全与常规开发任务」，支持 low / high / max 三档 reasoning effort（默认 max）与最高 1M 上下文，且所有会员档位可用。对照之下，K3 需 Moderato 及以上才能调用、1M 上下文需 Allegretto 及以上。接管方式写得很明确：K3 系列关闭 thinking 后，请求由 K2.8 Preview 的无思考版本处理。本次未公布任何 benchmark。同一份官方文档还写了一条容易被忽略的话：切换模型 ID 或调整 reasoning effort 会让已建立的上下文缓存失效、需要重新 prefill，因此刚切到新模型时消耗偏高，建议新开 session。背景数据：据彭博社，月之暗面 ARR 8 月突破 10 亿美元（6 月约 3 亿），9 月初已以保密形式递表港交所。

认知价值：这一版的关键不是分数，而是定价结构——把旗舰能力下沉到全部档位、把 1M 上下文从「高档特权」变成默认，用成本结构换使用面。但更该记住的是官方文档里那句「切模型会让缓存失效、需要重新 prefill」：缓存命中率才是实际单价的隐形变量，同一份权重，换个调用姿势就是另一张账单。所以省钱的正确顺序，是先抠「不变模型、只变用法」的空间（会话策略、档位稳定、避免中途切换），再去等下一个更便宜的模型——后者你控制不了，前者你今晚就能改。

来源：Kimi Code 官方文档 模型配置 / 最新动态（9/11）https://www.kimi.com/code/docs/kimi-code/models.html ；量子位（9/12）https://www.qbitai.com/2026/09/487688.html

素材覆盖说明（非正文）：量子位当日 RSS 全量条目 + 8 篇原文精读（488694/488832/487701/487688/488672/488725/489023/488912）；机器之心（www.jiqizhixin.com 首页仍为 JS 空壳约 3KB，产业资讯页已改为数据服务入口，改用站内索引 + 新浪/搜狐转载全文核对，第 ③ 条即来自机器之心 9/13 原文）；Kimi 官方文档（一手核验模型矩阵与档位权限）；arXiv abs 页逐篇核验（2609.06396 标题/提交日期、2607.20327 摘要）；Epoch AI FrontierMath 官方页（v2 修题口径与 OpenAI 资助声明）；GitHub API（CosmosMind-ai/RSI-Harness 81★、Pyromind-Dynamics/PyroDash 205★ 9/14 实测）；HuggingFace API（Pyromind PyroDash-4B-GRPO、easyhard-24k）。已扫未采用、留作备选：PhysBrain 1.5（9/14 报道，HF 官方仓 30 天下载 144/101 次、点赞 18/10，与文中「上线 3 天 3k 下载」口径不一致，待核后再写）、亮源新创 LightNav-0 / Light REACT（9/13，环境覆盖度优于轨迹数量、Point CoT +8.4pt）、DeepSeek-V4.1-Flash 上线 4 天居 HF trending 榜首（24.4 万次下载 / 2272 赞，9/10 已单独成条故不重复）。arXiv 官方 API 本次返回 429 限流（非网络问题），故未做当日新投稿全量扫描，改用 abs 页人工核验。