开场（三人合声）
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！
第一段：晓桐开场
晓桐: 大家好，这里是《今日我们AI说》，我是晓桐。有个棋类游戏，因为AI「不会撒谎」，被公认是棋盘上最后一块难啃的硬骨头——现在它被攻下来了：卡内基梅隆、麻省理工等四所大学做的智能体，二十局对阵战棋Stratego史上战绩最好的棋手，赢了十五局只输一局，整轮训练只花了几千美元。今天是国庆节假期第4天，共7天；假期里AI圈还有四条动静：中国科协9月30日发布「材华」材料大模型，院士推介的说法是世界首个百亿参数；美国一个云服务商开源了不写文字的「决策模型」，官方口径下智能体做一道选择题只要三十九毫秒；全球最大的预印本平台arXiv这个月起给论文「配给」，一人每月两篇；国内一个开源社区给智能体排了个「班表」，简单的活小模型干。先请云阳过要闻，再请云健逐条拆。
第二段：云阳播报
要闻一：AI攻克「藏牌」棋类Stratego，世界冠军级对手十五胜一负四平，训练花几千美元
云阳: 要闻一，9月30日，国际学术期刊《自然》刊发卡内基梅隆大学、麻省理工学院、纽约大学、斯坦福大学联合团队的论文：智能体系统Ataraxos在二十局比赛中，以十五胜一负四平的战绩击败Stratego历史上荣誉最多的棋手皮姆·尼迈尔——四届世界冠军、连续六百多周排名第一。论文称这是据其所知该游戏史上首个超人水平的AI成绩。Stratego是暗信息棋类：双方各摆四十枚标着军衔的棋子，位置看得见、身份看不见，可能开局阵型超过10的33次方种。团队成员对麻省理工新闻稿举例，对比DeepMind此前的DeepNash，这套系统训练样本不到前者的百分之一、自对弈棋局不到三十分之一，作者估算整轮训练花了几千美元。论文原文见《自然》论文页。
要闻二：科协专场发布材料大模型「材华」，院士推介称世界首个百亿参数材料大模型
云阳: 要闻二，9月30日，中国科协主办的「新天工开物」科技成就发布会人工智能专场首播，集中发布两项成果：一是苏州国家实验室联合上海人工智能实验室、上海交通大学打造的材料多模态大模型「材华·MatVerse」，走通了数据、大模型、智能体、评测、应用的全链条流程，首创覆盖十九类材料二级学科的多模态评测基准；中国工程院院士、苏州国家实验室学术副主任孙宝德介绍，它是世界首个百亿参数的材料大模型、也是首个原生多模态的材料大模型（推介口径），并称已在国内多所顶尖大学及龙头企业应用。同日发布的还有哈尔滨工业大学（深圳）张民团队的「立知」Uni-MoE系列多模态大模型，该成果获2025年度吴文俊人工智能科学技术奖特等奖。报道见人民网财经频道（人民网转载中国科协场发布内容，记者赵竹青）。
要闻三：美国云服务商开源「决策模型」：智能体做选择题不写文字，官方口径中位延迟三十九毫秒
云阳: 要闻三，10月1日，美国云服务商Cloudflare发布Clef和Clef-flash两个开放权重的「决策模型」。这类模型不生成文字：接一个带选项的问题，直接返回每个选项的概率，用来做「这封邮件急不急、工单转给哪个组」这类智能体分类判断。大的那款270亿参数、小的90亿参数，两者都基于阿里巴巴千问家族的开源模型继续训练，带视觉编码器，能同时给图片和文字做判断。Cloudflare官方口径：Clef-flash决策延迟中位数39毫秒（官方口径，待第三方复测），在自家43项基准和多项分类测试上领先这个品类的开创者、TypeSafe AI公司的Jev。两个模型都以Apache 2.0许可上了Hugging Face，接口与Jev兼容。外媒The Decoder的报道见The Decoder报道页。
要闻四：全球最大预印本平台开始给投稿「配给」：一人每月两篇，被拒也扣额度
云阳: 要闻四，10月1日，预印本平台arXiv在官方博客公告，即日起对所有领域、所有投稿者实施新的投稿限额：每人每个自然月最多提交两篇，任意时刻在审稿件最多三篇；论文被拒稿退回，也照样扣掉当月额度。公告给了背景数字：2026年9月单月收到四万零三百六十三篇投稿，比2024年9月翻倍还多，一个月产生近九千个支持工单；平台说志愿者审核员的时间，正在被窄范围的单薄论文、一项研究拆成多篇的「香肠论文」和AI密集写作的稿件占用。限额按「实际提交人」计，合著者众多的团队可以换人投递，独立研究者受影响最大——这是外媒The Register报道里补的执行细节。公告原文见arXiv官方博客。
要闻五：国内开源社区给智能体排「班表」：简单活小模型干，社区自测省一半以上Token
云阳: 要闻五，10月2日，AI垂直媒体量子位报道：开源AI智能体平台openJiuwen首发其自演进模型路由技术X-Router。openJiuwen由华为系多个团队联合高校、企业开发者共建。这套路由层的思路是：智能体每调用一次模型前先判一道「难度题」——简单任务交给本地小模型，复杂任务才派给云端大模型；路由策略不是写死一次，而是用上下文老虎机和轻量强化学习，从每次真实执行的结果里持续修正经验，并针对华为昇腾算力做了亲和适配。报道给出的说法是「实测减少50%以上Token消耗」（社区口径，待第三方复测）。报道见量子位。
第三段：晓桐×云健对话点评
晓桐: 先说头条。下围棋、下象棋的机器人都早就有了，为什么偏偏一个「藏牌」的棋，能让AI的攻关报告写了十年？
云健: 围棋象棋要解的题是「局面已知，下一步怎么走最好」，Stratego是「你连局面都看不见」——你发现没有？这才是它难十年的原因。对面四十个棋子全是暗的，你每算一步，理论上都要把所有可能的藏子组合都过一遍——这是组合爆炸，DeepMind当年也卡在这。这支四校联盟的做法，是不去穷举所有可能，而是先让另一个神经网络「读牌」：根据对手已经走过的棋，猜他藏子的可能身份，再只抽样几个最可能的局面去做搜索——等于把无穷问题拆成「先估、再小范围查」。训练费从百万级美元掉到几千级，我觉得真正值钱的不是赢棋，是这个架构：谈判、网络安全、资源调度，现实里全是「看不见对手手牌」的题。还有个细节值得记一笔：论文里同一套方法顺手做掉了斗地主，中国原创的暗信息牌类，对抗、合作、组队三类游戏都扛住了——这才让这篇稿子超出「赢一盘棋」的级别。
晓桐: 「材华」这条，我想先问清楚：「材料大模型」跟咱们天天用的聊天大模型，差别到底在哪？
云健: 聊天模型学的是人写下来的话，材料模型要学的东西大多没写成文章：显微组织的图像、谱学数据、实验记录里的失败配方。所谓多模态，就是让它同时读得懂这些格式。「世界首个百亿参数」是院士的推介口径，我劝大家别把分量押在参数量上——材料模型真正的难点在参数外头：一是数据散在各家实验室手里，二是这个行业此前没有统一考场，模型说自己会配材料，没人拿得出卷子验。所以「首创覆盖十九类材料二级学科的评测基准」才是我认为这条成就里最硬的部分——先把统一命题立起来，后头的分数才有得比。至于落地，通稿说进了顶尖大学和龙头企业，但具体哪条产线用它省了哪一步试验，没披露。哪天能问到「哪款合金或电池材料的研发周期被它压短了」，才算真成功。
晓桐: 那决策模型呢？它就是个缩小版的大模型？
云健: 不是缩小版，是换了工种。智能体每天干的活，大头不是写文章，是选择题——这张工单算不算加急、这条内容违不违规、下一步调用哪个工具。让通用大模型干，它得先写一段推理，你再从文字里把答案抠出来，又慢又贵。决策模型直接报概率：违规九成三、放行不到半成，一次调用几十毫秒。这背后是行业共识在变：不是每个问题都值得动用全能模型。两个口径要钉牢：一是那39毫秒和榜单领先全是Cloudflare自测，有海外测评站复测其早期版本跑到约六百毫秒，接近官方数字的二十倍，正式版截至目前的第三方数据还没有；二是它权重随Apache 20协议开放下载，但训练数据和流程不公开——开源社区管这叫「开权重」，不叫全开源。有意思的是基座：这两兄弟用的是阿里千问——美国公司拿中国开源模型当底座做新品类、再面向全球发，中国开源生态的输出，这次是长在这样的工程件上。
晓桐: 回到arXiv这条。一人每月两篇，会不会把认真做研究的人也一起卡住？
云健: 这条规则的倾斜恰恰在这：限额按提交人算，作者多的大团队可以换人投递，机构基本没感觉；真正被卡的是没有合著者的独立研究者。但我不觉得这是在惩罚谁——它在给一个成本结构打补丁：AI把写一篇像模像样论文的成本打到接近零，可初筛还是志愿者一个一个肉眼看。官方公告自己也写了，这是权宜之计。往后盯两件事就行：arXiv会不会拿省下的窗口期做出真正的机器初筛工具；以及这个「按人头配给」会不会外溢——被限额的团队转头去开新预印本服务器，那就只是把问题挪了个地方。对个体研究者，这新规实际抬高的，是把每个想法都攒成一篇正经稿的分量——手一抖投篇水的，半个月的额度就没了。
晓桐: 最后这条，X-Router排班表，省的不就是点电费钱吗？
云健: 省钱是一面，关键是「看错人」。本该大模型干的难题被路由判给了小模型，一次事故性返工的花费，可能比省下来的 token 费更贵——而路由判错的概率，报道里没有第三方数据，这是我最想看的那一栏。它用上下文老虎机加轻量强化学习自演进，方向我认，但这类东西天然难验收：策略天天在变，「线上跑的是哪一版路由」这个答案本身每天都在变，出了问题算谁的，生产部署得先回答。倒是可以跟10月1日那期给智能体配手机号和钱包的节目放一块看：那家智能体公司官方口径新框架运行成本降三成，跟这边的省五成，说的是同一件事——智能体的成本结构战已经开打，从决策层打到路由层，国内国外都在拆「每次调用都上最贵模型」这个账本。省下来的数是毛利，判错的率才是生死。
第四段：收尾
晓桐: 好，假期里的这五条，串起来是一根线：十五胜一负四平、只花几千美元练出来的棋类智能体，说明能力未必只能靠算力堆出来；材料大模型、几十毫秒的决策模型、会排班的路由器，说明AI的账正在越算越细；而arXiv的每月两篇，是同一枚硬币的另一面——产能爆炸，审核跟不上。下一步的答案不用等榜单：去问材料实验室的中试周期缩了多少，去问智能体服务商每千次调用的账单厚薄，去看「每月两篇」的额度会先卡住哪一类作者。记录时代，也记录技术。明天见。
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！