锐Owl 雷达 · 2026-09-17：智谱让 GLM 去优化承载 GLM 的推理系统（10 万卡以上国产集群两周吞吐 3.2×）、云知声 U2-Flash 266B 只激活 10B、IDC 首份企业级通用 Agent 评估

今天是「模型开始给自己拧螺丝」的一天。一边是智谱让 GLM 去优化承载 GLM 的推理系统，在 10 万卡以上国产集群上两周把吞吐提到 3.2 倍；另一边是云知声用 266B 的模型只激活 10B 交卷，把 Flash 从「旗舰平替」改写成主力。评测这条线同时在重做：IDC 用近百道非公开任务考 Agent「活干完没有」，arXiv 则在算评测本身能不能只跑 20 道题。本期 5 条。

① 唐杰发布智谱 RSI 首个成果：GLM-5.3 驱动的 Infra Agent 在 10 万卡以上国产芯片集群从零搭出生产级推理系统，不到两周端到端吞吐提升至初始基线的 3.2 倍（9/17 量子位）

唐杰（清华教授、智谱创始人）分享了一个 RSI 早期案例：GLM-5.3 驱动的 Infra Agent 在超过 10 万张国产芯片组成的集群上，从零参与搭建并优化了一套生产级推理系统，GLM-5.3-Flash 的全部线上推理就跑在这套系统上。Agent 自己读系统反馈、提假设、改代码、跑实验再迭代：定位出 KV Transfer 场景中 Python GIL 造成的并发阻塞，把「Prefill + KV Transfer」相对单独 Prefill 超过 20% 的性能损失压到 1% 以内；在 KDA Decode 算子上通过重组织计算拿到 1.71× 提升。智谱明确强调：还没有实现 RSI，目标设定、边界划分与风险判断仍由人类工程师负责。

认知价值：值得抄的不是「RSI」这个叙事，而是文里那句工程判断——决定 Infra Agent 效果的不只是代码能力，而是系统能否持续给出可归因的反馈。「TTFT 增加 30%」这种端到端指标只能告诉 Agent 变差了，不能告诉它为什么变差。把反馈做稠、做可归因，Agent 接管运维调优才有方向；对任何想让 Agent 上手生产系统的团队，这件事的优先级排在模型能力之前。

来源：量子位（9/17，含唐杰技术 Blog 原文）https://www.qbitai.com/2026/09/491357.html

② 云知声发布 U2-Flash：总参数约 266B、单次推理只激活约 10B，DeepSWE v1.1 从上一代 32 分翻到 64.6 分（9/17 量子位）

官方口径：生成速度较上一代 U2 提升 2.1 倍，Agent 任务完成时间缩短 35%，任务迭代步数与 Token 消耗降低 20%–30%；同时能力不降反升——DeepSWE v1.1 32→64.6（翻倍）、TerminalBench 3.0 2.7→24.3（约 9 倍）、SWE-Bench Pro 61.6（+10.5）。API 输入 0.6 元 / 输出 1.2 元 / 缓存命中 0.12 元每百万 Token，9/15–9/30 可免费领 1 亿 Token。后训练闭环三件套：自主生成「现在做不好但接近突破」的任务（已攒近 10 万道 SWE 任务）、异步 Agent RL（单位时间有效训练轨迹 +60%）、多教师在线策略蒸馏（达到同等能力所需训练步数 -55%）。

认知价值：Flash 一直被默认为「旗舰平替」，这条把「更快更省」和「能力更强」拆成了可以同时优化的两个变量——真正该盯的是智能密度（参数不必全部上场，但被激活的每一步都用在刀刃上），而不是参数总量。口径要打折：分数为厂商提供，媒体自备脚本的实测也只是单点样本，采购决策仍然只能靠同协议横评。对照参考：国产 RSI 一天之内两家交卷，比的是谁把闭环真正跑进了生产。

来源：量子位（9/17）https://www.qbitai.com/2026/09/491091.html

③ IDC 发布国内首份《中国企业级通用 Agent 产品技术评估》：用近百道非公开任务考「活干完没有」，中国电信 TeleAgent 任务表现满分、成本效率最高分（9/17 量子位）

评测不再沿用大模型 Benchmark，而是考端到端把事情办完：覆盖邮件/日程/文档，以及长上下文、多步骤循环、复杂 PPT、表格与浏览器操作，含「处理 3755 行脏数据」「从约 3 万字材料生成 11 页 PPT」，任务跑完还要核验系统状态与最终文件。结果是 TeleAgent 常规任务 3.49 分、复杂任务 3.36 分，九项能力中「任务表现」拿 5 分满分，「成本效率」为本次最高分。产品侧：今年 7 月 V1.0 正式推出，用户规模已接近 120 万，上下文窗口突破 400K，ModelRouter 按复杂度分流到轻量/均衡/旗舰三档模型，官方称推理成本降低约 40%。

认知价值：这是 9/16 那条 B 站竞技场的官方版——评测重心从「答对」挪到「交付」。一旦任务拉长，产品差距就主要来自模型外围那套工程（上下文管理、工具调度、状态保存、异常恢复），也就是 IDC 点名的 Agent Harness。对选型的直接影响：以后比较 Agent，先比它怎么管上下文、怎么省成本，再比底座模型是谁。

来源：量子位（9/17）https://www.qbitai.com/2026/09/491454.html

④ 新论文 DualViewEval：只用 20 道题拟合整套 Agent 基准，在 APEX-Agents 与 BFCL 上压缩 24×–40×，平均绝对误差比最强基线低 14.5%–28.2%（arXiv 9/16）

论文指出 Agent 基准的评测成本远高于普通 LLM 基准，而现有压缩方法只建模「任务-模型最终分」上的冗余。作者分析大规模轨迹，找出与最终表现系统性相关的 6 个过程信号，用「结果关系 + 过程关系」双视图学习一个固定规模的 miniset 来预测全量分数；跨 5 个 Agent 基准、5 个基线全部取得最好结果；在 SWE-bench Verified 上 Kendall's τ 相对 EssenceBench 最多提升 7.2%。选出的 miniset 还能显示不同 Agent 的能力差异。

认知价值：把它和 9/15 那篇 SWE-bench 榜单审计连起来看，评测的账本正在两头被重算——一头问「你的题目量够不够分辨差距」，这头问「这么多题里有多少是重复计费」。先压缩基准、再做高频回归评测，对预算有限的团队比多买几张卡更管用；但压缩集必须能给出诊断信息，否则省了钱、丢了方向。

来源：arXiv 2609.18909 https://arxiv.org/abs/2609.18909

⑤ Anthropic 把 Cowork 与 Chat 合并成单一入口，同时首发 Claude Docs 与 Claude Slides（Beta，仅付费订阅）（9/17 量子位）

Cowork 今年 1 月从 Claude Code 孵化，定位「给非开发者用的 Claude Code」。合并后聊天、Cowork、Artifacts 出现在同一窗口，由 Claude 自己判断是直接回答还是调用更复杂能力；Claude Docs、Claude Slides 与进入对话界面的 Claude Design 暂时处于 Beta，只向付费订阅开放，Enterprise 版需管理员开启。产物可生成分享链接、在手机上打开编辑，也可导出 PowerPoint / PDF；每周重复的工作还能直接设为定时任务。

认知价值：这次更新的实质不是「多了两个办公软件」，而是消灭上下文在工具之间的搬运——报告和 PPT 出自同一次对话，不必把内容复制给另一个 AI 再讲一遍。这是衡量 AI 办公效率的第一指标：省下的不是打字时间，是「重新解释一遍」的成本。同一方向上国内已先走一步（飞书 8.0 + 豆包工作伙伴，9/16），接下来比的是谁能把企业上下文接得更深。

来源：量子位（9/17）https://www.qbitai.com/2026/09/491391.html

素材覆盖说明（非正文）：量子位 9/16–9/17 全量条目扫描（首页 25 条 + 逐条抽正文），其中 491357（智谱 RSI/Infra Agent）、491091（云知声 U2-Flash）、491454（IDC 评估 + TeleAgent）、491391（Anthropic 办公）、490839（紫东太初 ZDTaichu5.0-9B，9/16 21:08 发布）、489724（英特尔 KV Cache 分层卸载）六篇原文精读；489724 为厂商技术稿（英特尔 KV Shrink/QAT，重排后压缩率 10%+ → 20%+，无多框架对比）故未采用，490839 与今日智谱/云知声两条同为模型发布、题材拥挤，一并列入备选。机器之心首页仍为「数据服务」SPA 壳（3,375 字节，/api/v4 亦返回壳），改用搜索索引快照取当日条目：Anthropic 做药/Isomorphic 补大模型（9/17 产业线）、飞书让表格变成 AI 同事等，均偏产业/生态，未采用。arXiv 官方 API 直连可用，按提交时间拉取 cs.AI/cs.CL 最近 40 篇（全部 9/16 提交），精读摘要 2609.18909（DualViewEval，已采用）、2609.18805（ProgramDistill：把 26 个交互式 Web 应用因子化为 4,063 个可回放验证的 SWE 任务，9 个前沿 Coding Agent 全应用重建成功率 49.2%/28.8%）、2609.18916（HOPE：MoE 二阶专家剪枝，50% 剪枝下 agentic coding 最多 +6.1%）、2609.19104（rMuscle：VLA 推理复用跨次执行相似性，RTX 4090/Jetson Thor 上 1.29–1.42×），三条列入备选。HuggingFace（经 hf-mirror）trending 首屏无 9/17 新上榜模型：DeepSeek-V4.1-Flash 366,459 下载 / 2,846 赞仍居榜首，Edge0-35B-A3B-preview 3,036 赞。另：今日海外通讯社报道华为在上海发布 Atlas 960 SuperPoD 集群，中文一手源本轮未核到，不做单条。⚠️ V2rayU 代理（127.0.0.1:1087/1080）本轮无响应（ipinfo 返回空），全部抓取走直连：量子位 curl + 浏览器 UA 直连 200（含完整 <article> 正文）。