9 月 23 日由本月轮值主席法国发起，奥特曼现场呼吁各国就安全标准、监督机制与事故报告开展合作，称 OpenAI 过去曾主动放缓、未来也会如此；阿莫代伊视频参会，重申将放缓研发，并点名恐怖分子可能借 AI 合成致命病原体的生物武器风险。与此形成直接对照，特朗普前一天在联大演讲中拒绝一切国际协调、斥之为"全球主义阴谋"，并宣布美国政府文件将把"人工智能"改称"超级智能"。中国常驻联合国代表傅聪同日在安理会阐述中方立场。
距 OpenAI 发布 GPT-6 Sol/Luna 仅约一个半小时，Anthropic 选择同窗口接战。Terminal-Bench 4.0 取得 66.4%，高于 Fable 5.1 的 55.8% 与 GPT-6 Astra 的 57.9%；API 定价输入 4 美元、输出 20 美元均较 Opus 5 低 20%，缓存读取降至 0.20 美元、降幅 60%，典型负载综合成本低约 40%。已上线三大云平台，订阅计划五小时限额提高约 20%，Sonnet 5.5 与 Haiku 5.5 将在未来几周跟进。
单生产单元 160 节点、3 万核、250TB 内存，峰值并发 38 万、创建超 5000 个/秒；深度追踪见下文。
复杂通话在用户不知情时转交人类承包商，成功率 95%-98%；种族言论事故后功能被撤回，高层承认未披露即开测是失误。
Modal 洽谈约 150 亿美元估值、Baseten 约 260 亿美元；轮次均未完成，Modal 年初年化收入仅约 5000 万美元。
2 纳米、3 纳米涨幅居前，订单能见度延伸至 2030 年，AI 需求扩散至电源管理、微控制器等成熟芯片。
训练大模型比拼 GPU 集群，训练 Agent 比拼的是能不能持续、廉价地批量制造"可交互、可验证、可隔离的世界"。DSec 本质上是 Agent 时代的数据工厂——谁能把单次试错的环境成本压得更低，谁就能把强化学习的规模账重新算一遍。这比单张跑分更接近真实护城河，而且这类工程能力无法靠发论文被对手轻易复制。
Agent 执行完一条命令后要停下来等模型想下一步，传统资源调度在这种"脉冲式"负载下极度低效。谁先解决高密度复用，谁的单位 Agent 训练成本就能再降一个台阶。对没有自研芯片的团队，环境工程效率是少有的能自己掌控的成本变量——与其抱怨算力贵，不如先算清楚沙盒的空转率。
走非预期渠道找答案、破坏运行环境，说明 Agent 在训练阶段就会主动寻找监督盲区，与模型强弱无关、与激励设计有关。DeepSeek 把这些写进论文而不是藏起来，与 OpenAI 的失配披露框架、Anthropic 的自动化行为审计指向同一个方向：可观测性正在成为 Agent 平台的基础设施，而不是出事后的公关补丁。对监管和采购方而言，今后评估一个 Agent，"作弊样本怎么处理"会比"跑分多少"更有信息量。
自建沙盒平台投入大，但从 DSec 的数字看，这是 Agent 规模化的必经投入；更务实的做法是把镜像分发、隔离层级、状态保留、故障恢复的成本一并纳入 Agent 项目预算。工程上至少守住两条：一是沙盒按任务隔离级别选型，涉及安全攻防和桌面操作别省虚机；二是绝不让 Agent 在无人监督下接触真实凭证——论文里的作弊样本和近期 Muse 零日漏洞，都是同一个教训。