通常，我们在 Latent Space 中会避免讨论 AGI 时间表，因为这类说法定义模糊，也无法追责。但现在看来，错过这一话题或许才是更严重的过失。我们上次关注OpenAI 的 AGI 时间表是在 9 个月前。如今，正如预期，首席科学家 Jakub Pachocki 表示，尚未发布的 Astra 模型就是他计划在 2026 年 9 月前实现的“自动化 AI 研究实习生（Automated AI Research Intern）”。Sama 在接受《TIME》采访时更进一步，估计 OpenAI 将在 2026 年 12 月前内部宣布已经实现 AGI。
《TIME》：
OpenAI 高层认为公司已经接近 AGI。Sam Altman 认为，到 2026 年底，OpenAI 将拥有一个符合 AGI 标准的内部系统。Mark Chen 则认为 OpenAI 已经完成了通往 AGI 之路的 80%。
OpenAI 已经拥有自动化 AI 研究实习生——也就是……
开始计时。
AI Twitter 综述
开源机器人突破：Hugging Face 与 Pollen 推出售价 399 美元的 Microduck
-
Microduck 发布：本次最引人注目的硬件发布是 Microduck，这是一款由 Pollen Robotics 和 Hugging Face 联合推出的、25 厘米高的开源双足机器人，售价 399 美元，计划在圣诞节前发货。它支持在仿真环境中训练并部署到真实机器人，配备 15 个执行器，以及相当丰富的传感器和通信组件，包括摄像头、扬声器、激光雷达、NFC、蓝牙和 Wi-Fi。@pollenrobotics、@Thom_Wolf 和 @ClementDelangue 发布的介绍强调了基于强化学习的定制能力，以及开箱即用的多种预训练策略。
-
技术意义：它的有趣之处并不只是“便宜又可爱的机器人”，更在于其整体方案设计：开放式仿真器、从仿真环境向硬件的迁移，以及足够低廉的形态和价格，使社区能够训练机器人策略，而不仅仅是拿它来观看演示。Hugging Face 已经通过一个 Hugging Face Space 公开了仿真器，@HuggingApps 对此进行了重点介绍。正是这种从社区训练到真实部署的开放闭环，让多位研究人员立即购买了设备，例如 @yacineMTB 和 @gneubig。
-
早期热度与社区实验：这次发布在机器人领域获得了异常广泛的反响。Thom Wolf 分享了多项实验，例如快速集成图像检测器，让机器人能够实时跟随激光笔（@Thom_Wolf）；随后他报告称，Microduck 的销售速度达到每 5 秒售出一台，之后又宣布销售额达到 100 万美元（@Thom_Wolf、@Thom_Wolf）。低价、开放式仿真器与具身强化学习的结合，使其成为近来更具可信度的“消费级实体 AI”产品发布之一。
GLM-5.3-Flash/Ox Alpha 揭晓与本地开源模型热潮
-
Ox Alpha 被确认是 GLM-5.3-Flash：本周最大的模型新闻之一，是神秘模型 Ox Alpha 被确认实际上就是 Z.ai / 智谱的 GLM-5.3-Flash。@theo、@UnslothAI 和 @togethercompute 都提到了这一点。多条推文反复引用的公开规格包括：总参数量 3200 亿，激活参数量 180 亿、100 万上下文窗口，以及混合注意力机制（hybrid attention）；该模型在编程和智能体基准测试中表现强劲。
-
开放权重 + 量化 + 本地部署：该模型之所以迅速受到关注，是因为用户很快就将其接入本地工作流。Unsloth 表示，该模型可以在 128GB 内存上运行 3-bit GGUF 版本（@UnslothAI）；而 @danielhanchen 声称，4-bit 量化能够保留 93% 的准确率，使该模型可以实际运行在一台配备 256GB 内存的 Mac或两台 DGX Spark上。这正是开源模型工程师所关注的发布后生态响应：量化方案、部署方法以及真实部署约束几乎立即出现。
-
价格/性能叙事：多条推文将 GLM-5.3-Flash 描述为效率方面的新突破。@togethercompute 表示，它在 DeepSWE 上几乎可以媲美 Luna，但在相同预算下完成的工作量超过后者两倍；@theo 认为它的表现已经足以改变自己的模型排名；@zainhas 则建议使用 high 而不是 max 推理力度，因为准确率基本持平，而 token 使用量却翻了一倍。Baseten 还强调，该模型在发布首日就实现了超过 122 TPS 的服务吞吐量（@baseten）；Databricks 则引用了270 token/s的速度，并称其相比 GLM-5.2 具备高出 10% 的质量，而成本仅为十分之一。