段永平，又买茅台了
全网热搜
段永平，又买茅台了
9月28日上午，知名投资人段永平（雪球 ID： 大道无形我有型）在雪球平台发帖，简短写道『买了点贵州茅台』。该帖显示，买入均价约1230元，数量3万股，合计耗资逾3690万元。1
OpenAI Dev Day数小时后开幕，代号『O』Agent受关注
近期 ChatGPT 前端代码及测试渠道曝光了代号为“o”的全新常驻 AI Agent（Always-on Agent）。该产品专为长程自主任务（Long-running autonomous tasks）与复杂工作流设计，被视作 OpenAI 正面迎战 Meta Muse 等竞品智能体平台的重量级落地武器。
Dev Day 将于北京时间9月30日凌晨1时开始。
Anthropic 发布中端模型 Sonnet 5.5，速度提升30%，代理编程基准优于 Opus 5.5
与前代 Sonnet 5 相比，该模型的 Token 消耗速率最高下降30%，适合日常编程与办公文档等任务。Sonnet 5.5 的网络能力被描述为与 Opus 5 相当，因此成为首个适用与 Fable、Opus 相同网络安全保障措施的 Sonnet 版本。
此次发布，API 标价与 Sonnet 5完全一致，但因Token 消耗优化，实际综合调用成本最高可降30%。 4
量化研究
GPT-6 Astra 税务工作簿处理速度达 GPT-5.6 Sol 两倍
在复杂金融文档处理中，模型能否兼顾速度与对用户意图的准确理解，是决定其能否落地实际业务的关键。Basis 以一份含 50 个标签页的税务工作簿为测试任务，将 GPT-6 Astra 与 GPT-5.6 Sol 进行直接对比。结果显示，GPT-6 Astra 完成该工作簿的速度达到后者的两倍，同时在用户意图理解上的表现更强，使 Basis 对模型在真实场景中的可用性更有信心。 6
微观撮合环境中纯代理订单簿的相变与市场冲击结构
当限价订单簿中的参与者全部换成自主强化学习交易者时，宏观层面会涌现怎样的系统性动态：订单流的制度切换是平滑过渡还是突变，冲击成本又遵循何种结构？研究将代理之间的交互形式化地嵌入含微观撮合环节的仿真环境，令买卖盘完全由强化学习交易者填充，并对订单流与冲击成本逐笔做定量刻画。结果表明，纯代理订单簿在制度转换处呈现清晰的均衡相变边界，市场冲击的结构随所处制度而变化，与有人类参与的订单簿存在系统性差异。该框架把代理仿真与相变分析对接，为理解纯算法生态下的流动性风险提供了可检验的定量起点。 7
联合最优传输校准SPX-VIX风险情景
如何在无需完整重新校准的前提下，由SPX与VIX市场微笑生成联合风险情景？研究基于Guyon的熵鞅最优传输公式，对两市场微笑进行联合最优传输校准，并引入扰动方法，通过Fisher信息线性化计算校准耦合的敏感性。得到的框架与模型无关，可直接由线性化结果生成风险情景，省去完整重校准步骤，对扰动响应给出可计算的敏感性度量。 9
大厂动态
Citadel 从 AI 实验室挖人，量化团队持续扩编
Citadel 正将量化招聘的触角伸进 AI 研究机构，从 AI 研究实验室直接招募研究员以扩充量化团队。这延续了头部对冲基金近两年"AI 人才量化化"的主线：策略迭代越来越依赖大模型与机器学习背景，而非传统金融工程出身。对求职侧的信号很明确——AI 研究经历在量化机构的定价还在走高。
Millennium 与 Point72 加码数据中心人才
Millennium、Point72 两家多策略巨头正在数据中心领域补充专长。背景是市场对部分对冲基金策略有效性的质疑声再起，两家选择用基础设施与数据能力回应：算力与数据管线正在成为多策略平台的新军备竞赛。对国内的映射是，头部机构的竞争维度已从"策略"下沉到"算力+数据工程"。
量化职场
美银富国摩根大通2027暑期实习面完无回音，洛杉矶岗位待解
一位候选人经过三场求职超级日之后，面临自我感觉良好，但0 offer 收获的窘境。问题在哪里？
8月27日、8月28日、9月17日三场超级日，间隔不到三周，分别对应企业信贷、商业银行与C&SI三条业务线。这意味着准备材料无法一套通吃——企业信贷偏重财务报表与授信逻辑，商业银行看重客户关系与区域市场理解，C&SI更靠近市场与产品的交叉地带，三者的考察重心和语言体系都不同。
工作地点是超级日之后最容易被忽略的变量：同一项目在不同办公室的审批节奏、编制余量和发放顺序往往不同步，非核心办公室的候选人看到别处晒offer时，很容易误判自己的处境，进而做出错误的等待或放弃决策。
可以带走的经验有三条。
第一，超级日结束不等于流程结束，等待期仍应保持投递和面试节奏，不要把全部筹码压在一条线上，招聘季的机会成本远高于多面几场的疲惫。
第二，信息不对称可以部分抵消——同行社群、同类候选人互助、主动发帖询问，都是低成本的情报获取方式，尤其适用于目标办公室没有公开录用信息的情况。
第三，主观感觉与最终结果之间没有强相关，“感觉发挥不错”不构成任何保证，能控制的只有准备质量与投放数量。
等待期同时是复盘窗口：把每场被问到的问题、卡壳的环节、答得勉强的案例逐条记下，无论结果如何，这些记录都会成为下一轮的准备素材。对于同样在非核心办公室求职的人，把地域因素提前纳入预期管理，比事后焦虑更有用。 11
最新量化岗位信息，21 家公司新开 626 个岗位
头部机构九坤投资正在招聘量化交易系统开发工程师/专家。
要求精通C/C++，具备扎实的计算机基础，包括数据结构与算法、操作系统、计算机网络，拥有独立工程判断力，能在模糊需求下完成问题拆解与落地交付，熟练使用AI辅助开发，计算机相关学士学位，有交易经验优先但非必需。
近三天以来，全球量化大厂共新增 626 个岗位、覆盖 21 家公司。城市分布：美国 18 个（18%）、英国 78 个（76%）、中国 6 个（6%），英国岗位最多。
在这些岗位中，候选人要求的最大公约数是，计算机相关学士，精通C/C++与计算机基础，能独立解决复杂工程问题并用AI加速交付。
这说明金融行业正在部分接受 AI 与 vibe coding。
想获取每日最新岗位、先人一步投递？请通过邮件订阅我们的职位速递。 14