外滩大会现场举办的外滩黑客松·AI Coding大赛获吉尼斯世界纪录认证，以15577件AI应用作品创下"线上生成式人工智能编程马拉松大赛中开发最多的应用"纪录，成为国内首个以AI Coding为主题挑战世界纪录的赛事。赛事吸引上万名参赛者，近七成未满18岁，最小仅6岁，最终由9岁选手罗安歌凭借"泥土实验室：泥土变形记"夺冠。参赛者涵盖学生、产品经理、公益从业者等不同背景，均借助AI将想法转化为可运行应用。本届大赛由外滩大会组委会联合小红书、观猹主办，蚂蚁灵光、百度秒哒、阿里Qoder、腾讯吐司等十余家头部AI Coding平台共同承办，并在现场联合发布《AI Coding公开挑战赛技术规范》，将赛事实践沉淀为行业共识。
全部资讯
量子位对讯飞星火X2.5大模型进行三关实测：参数293B的MoE模型主攻代码与智能体能力，支持原生百万Token上下文。第一关以中秋祈福为主题，AI生成了手势控制3D粒子交互网页，握拳聚月、比数字切换祝福文字；附带《月宫快递》抢月饼小游戏。第二关投入真实办公场景，AI用半小时拆解英伟达61页Q2财报并产出9张图表与投研风险简报；随后将Nature/Science论文与20份模拟问卷交叉比对后产出科研效率实证初稿并配图；电商数据题中，AI主动发现并指出了用户刻意埋入的统计Bug，最终输出可视化PDF。第三关根据原创游戏《堕神余烬》的哥特世界观，一键生成含海报、闯关地图与Boss专题的可上线官网。文章进一步指出，星火X2.5的代码与智能体能力被前置，背后是讯飞自2023年飞星一号起在国产算力平台上跑通训推全链路的积累，MoE训练效率已从同规模A800集群的30%提升至93%。在Agent走向大规模交付、行业转向核心资源池的背景下，国产算力正从备用选项变为支撑模型迭代与交付的稳定底座。
腾讯研究院宣布推出名为「有人开灯」的专题频道，聚焦AI在医疗、教育、养老、残障、心理健康等真实社会议题中的应用与边界。频道包含一对一深度访谈「灯下聊聊」与多人围炉对谈「AI & Society大哉问」两种形式，首位嘉宾为北大博士生薛瀚霖，他用父亲遗留的文字与聊天记录训练AI数字记忆体，在模型越来越像父亲时选择停下，引发对哀伤、数字遗产与人机关系的反思。近期已完成对蓝驰创投倪菲的面访，围绕社会价值投资如何发现真实需求展开。公益月系列对谈与益盒Charity Box共创，参与者包括北大教育学院林小英、医生陶勇、教育经济学家叶晓阳、岳爱及科技评论作者潘乱、张红亮。栏目同步征稿，面向研究者、医生、公益行动者等群体征集用AI回应真实问题的实践案例，强调不进行产品宣传、不消费苦难。
OpenAI 宣布其内部多智能体系统完成纳维尔斯托克斯存在性与光滑性问题的解答，证明在特定光滑外力作用下三维不可压缩流体可在有限时间内形成奇点，并附 Lean 形式化证明与论文。自 9 月 1 日起约 1 万个 Agent 分两组分别尝试证明与证伪，9 月 5 日得出结果，全程约 88 小时、后续 17 小时完成验证，期间消耗约 1300 亿输出 Token，整体过程共发送约 490 万条消息。
纽约大学柯朗所流体力学专家 Tristan Buckmaster 公开声明，他与 Levent Alpöge 此前已利用 Claude、OpenAI Codex 等模型在多个流体力学开放问题上取得突破，包括带光滑外力的不可压缩多孔介质方程、Boussinesq 方程及三维不可压缩 Euler 方程有限时间爆破解答，关键突破于 8 月 15 日获得并完成 Lean 验证。Buckmaster 认为 OpenAI 最初对研究过程的描述不完整，并质疑 OpenAI 是否接触过其在 Codex 中的研究资料。
OpenAI 内部多智能体系统此前已完成欧拉方程正则性问题的反例证明。约 100 个 AI Agent 协作运行 50 小时后获得结果，并完成 Lean 形式化验证。该工作为团队继续攻克纳维尔斯托克斯存在性与光滑性问题提供了关键线索与思路基础，也是整个千禧年难题攻关链中的重要前置成果。
OpenAI 研究员、清华姚班毕业生、加州大学伯克利分校 EECS 助理教授陈立杰公开回应称，自己曾预测 AI 可能在 2027 年发表数学顶级论文、2028 年前后解决千禧年大奖问题，而现实进展远超预期，感叹"这是一个非常不可思议的时代"。陈立杰负责 OpenAI 大模型数学推理研究，其评价凸显 AI 数学能力发展速度引发学术界高度关注。
针对 Buckmaster 的质疑，OpenAI 研究员 Noam Brown 公开回应称对抄袭指控感到遗憾并认为事实清楚；Anthropic 员工 Sholto Douglas 表示，从技术流程看 OpenAI 获取并利用用户研究数据影响结果的可能性非常低。OpenAI 否认使用用户数据解决该问题。双方表态缓和了部分争议，但论文署名、AI 贡献认定等学术规则问题仍未解决。
作者分享了一次 Agent 产品体验中的成本事故：用户只输入几十个 token，使用 GPT-5.6 Sol 让 Agent 分析如何做 DSH 插件，不到 5 分钟花费约 1000 元。排查发现 Agent 在后台启动了 12 个 subagent、反复检索并携带上下文，且缓存完全未命中（cacheReadTokens 始终为 0）。文章由此提出一个被忽略的产品命题：当 Agent 获得自主执行能力时，也同时获得消费用户预算的能力，消费授权应与执行授权一样成为一等公民。作者梳理出一个完整的 Agent 成本闭环框架，包含六个环节：事前控制（用户设定单次任务上限）、提前感知（任务开始前给出费用区间和风险）、过程可见（展示已用金额、运行 Agent 数量、当前阶段和预估）、主动告警（监控预估与实际偏差、Cache 命中率等异常信号）、随时可控（用户可暂停、停止、缩小范围或追加预算）、账单可解释（结束后给出清晰的成本小票，说明花费分布和偏差原因）。文章强调好的 Agent 产品需要建立与自主权相匹配的成本边界，把成本控制当作用户信任协议和权限设计。
腾讯研究院发起「AI & Society 大哉问」系列直播活动，联合WorkBuddy、腾讯基金会、腾讯学堂、清华大学可持续社会价值研究院和益盒Charity Box，围绕AI普惠议题展开八场跨界对话。内容指出，全球15-64岁人口中仅17.8%使用过生成式AI，多数人被技术进步甩在身后。当下AI讨论过度聚焦增长与超级个体，忽略了教育公平、医患沟通、科技适老等日常真问题。研究院从"科技向善"出发，提出"让人放心，把人放大"的AI观，强调技术普惠的最后一公里需要回到具体现场，由各行业实践者与研究者共同回应。活动议题覆盖教育普惠、医疗可及性、就业、创业生态与多元包容，邀请AI创业者、医生、教育学者、心理学专家与公益人参与讨论。