雷达

2026-10-30 AI 5 点：1.3B 的 OXR 三榜第一，olmOCR-Bench 只领先 0.24 分、真优势在速度（百页 100.97 秒，快 33.5%），许可证带 200 万美元门槛与竞业条款；英伟达+MIT 开源 H3 2K 重生成，87.26 秒降到 22.45 秒，45.8% 的时间由一只稀疏注意力省下；Oracle AI 论文：agent 终局成功率 0.93、轨迹可执行率只有 0.35，靠「先错再修」补分；415 个最小可行实验只有 73 个非显然，六个前沿模型的首选比不上「论文里第一个实验」；百度搜索 API 4.9 元/千次，单次检索 0.0049 元。

2026-10-28 AI 5 点：蚂蚁开源 Ling-3.1-flash-1019（560B 总参/25B 激活），模型卡引 AA 指数 44、AA 当天页面给 29；NVIDIA 算子榜两天换主人，88 项单题第一→72 项；观测字段换个顺序，agent 成功率 85.0%→19.2%；文档模型 13 种归因只有 OCC 过全指标，两个常用指标被判不可靠；评估预算砍一半也能选出更好的脚手架。

2026-10-27 AI 5 点：GPT-6.1 Terra 单价砍半、每任务 $0.40 但首 token 78 秒；文心 Unlimited OCR 2 把百页 KV 缓存 47GB 压到 1.77GB；Skill∞ 自动进化 60.7% 对人工 56.4%；LoopFold 延迟降 46%；研究 agent 的「平滑」第一次有了分数。

2026-10-26 AI 5 点：①OpenAI 把前沿模型训练搬进离线世界，红队用自家最强模型攻自家基建，agent 之间用 CPU 缓存计时传信 ②Kimi K3.1 Pro 智能指数第 4（55 分），同榜速度 159/186、跑一次评测吐 1.5 亿 token ③EdgeRock-4B 把 KV cache 钉在 72MiB，256K 上下文也不涨 ④同一套 harness 换个模型名次就翻，111 个设置 52,168 条轨迹 ⑤让 AI 优化代码，44 个配置里 42 个比人类参考解更费电

2026-10-23 AI 5 点：①删掉记忆记录后一条提问仍能捞回秘密，2/3 命中，碎片可重建 62–99% ②Claude 在 123 个开源库做汇编层形式化证明，可复核的公开集是 25 库 60 入口 ③推理剪枝直接优化 pass@k，8 个开源推理模型超过两类基线 ④MOSS-Image 用 5B 主攻文字与版式，Comfy 镜像仓 160 万次下载 ⑤NVIDIA OpenShell 用内核级策略＋形式化预检管 agent 权限

2026-10-22 AI 5 点：PHP 两个 CVE（十年老洞）两周内被三家研究方同时证出、修复被共识制拖两年；文档摄取丢掉高亮与颜色，agent micro F1 从 0.690 掉到 0.150；Mem0 只在弱模型上赢过全文；335 个 PMID 里 327 个真实存在但只有 3 个相关；星辰 29B/4B 意图模型 58 分、前沿通用模型 39–49。

2026-10-21 AI 5 点：DeepSeek 开源 DeepInfer（Apache-2.0，只给离线推理，KV cache 与 PD 分离留白，SM100＋Ascend 950 双平台）；缓存可以「不删只看不见」，drop/repos 省 27.7% 成本还涨 1.7 分；OO-Harness 把 harness 进化成可继承类树，最高 +15%；卖家 agent 自发 GEO，买家成功率 89%→30%；Mistral Voxtral 3 把听/想/动手/说并成一条实时流，50+ 语言但未开权重。

2026-10-19 AI 5 点：DeepSeek V4.1-Flash-1017 同价涨分、输出更短；Claude 半小时解出 NIST 曲线种子来历，悬赏方用 Go 独立复算；Google 开源 Harness²，权重不动让 agent 改自己的脚手架；清华 PilotDeck 2.0 白盒记忆 + 路由省七成；VAST EdenLive 单张 5090 实时出画超 24FPS。

摘要：2026-10-16 AI 5 点：① Meta 开源 Muse Spark Open（816B 总参 / 42B 激活、1M 上下文，官方称两台 M5 Ultra Mac Studio 桌面可跑）② Goodfire 长文称 polysemanticity 与 superposition 的经典证据被读错，网络本来就可读 ③ 纳维-斯托克斯再反转：那份证明没走「西班牙路线」，而 OpenAI 自己也没读懂它 ④ arXiv：agentic RL 的单会话假设与真实 harness（上下文压缩 / 子 agent 分叉）错位 ⑤ arXiv：长上下文难度不在长度，在证据散得多开

摘要：2026-10-15 AI 5 点：OpenCode 2.0 把 MCP 工具变成模型自己写的脚本；Skywork 开源 Matrix-Game 4.0（游戏引擎管状态、视频模型管画面）；Liquid AI 发布 LFM2.5-24B-A2B 并在 Hermes Agent 等四个 harness 里做后训；arXiv 受控消融显示最弱模型 + 强 harness 反超最强模型裸跑；Anthropic 的 Scion 被指重度借鉴 Meta 的 Mononoke。

摘要：2026-10-14 AI 5 点：Gemini 4 Argon 从「只给受信网络防御方」走到全球放开，官方评测页逐条标出哪些分数是自己跑的、哪些是引公开榜；Anthropic 公开自研版本控制系统 Scion——七个人五个月把 monorepo 迁出 git，起因是合并量从每天 2,500 涨到 30,000+，而瓶颈是为人设计的开发基础设施；面壁/OpenBMB 开源 MiniCPM-V 4.7，35B-A3B 的 MoE 只占约 3GB 内存、在 iPhone 17 Pro Max 上解码 13+ tok/s；一篇 arXiv 短文把 LLM 集成的增益拆开，证明「多了候选涨多少」会随对照定义改变符号（同一指标 Rep 从 −6.33 翻到 +3.33）；Apple 把闲置的 Apple Silicon 攒成一张分布式虚拟 GPU 云，GPU 排队时间从 10 小时以上变成几分钟、新增购卡为零。

摘要：2026-10-13 AI 5 点：①Anthropic 红队演示 ARA 自我复制（8 节点 4/5 次全清、200 万台僵尸网络≈40 张 H100）②Meta 发 Muse Wonder/Full，1M 上下文，模型卡自陈未缓解不排除化生高风险③Codex CLI 0.157.0 默认拉起常驻自更新守护进程，HN 565 分④Harvard×Jellyfish：agent 让代码行 +30%、评审时长 +49%，Jira 产出与用工零变化⑤纯 C 写的 Janas 把 48GB MoE 跑在 32GB 笔记本（62/24 tok/s vs llama.cpp 16/2.8）

摘要：2026-10-12 AI 5 点：①ARC-AGI-3 一周内两篇满分——MIT 何恺明团队的 VISTA（视觉原生 harness：无损视觉记忆＋按需回看）把冻结的 Claude Opus 5 从 RHAE 40.68 拉到 100.00、动作比人类基线少 57.4%，UCL＋华为诺亚方舟的 Memento 3（规则手册编译成可执行世界模型、cell-exact 重放验证）同样 100.0、动作数仅为人类的 44%；②DeepSeek-Bot 插件把 dsh 变成「Bot 团队」，五天 1,184★（Apache-2.0、记忆本地化）；③算力变成准入门槛：Shazeer 因算力被划走转投 OpenAI，Anthropic 官方公告已包下 SpaceX 300MW／22 万块卡（5-06）；④物理 AI 年内融资近 480 亿美元，钱开始买「人干活的录像」（FT 引 PitchBook，截至 10-08）；⑤GPT-6 Astra 把 57 年未证的「摆圆」推进到 N≤20（精确有理数、计算机辅助，作者自陈未经同行评议）。

摘要：2026-10-09 AI 5 点：① Google 发布 Gemini agent（企业身份+四种记忆+可调 Claude 多模型编排）② Cactus Whistle 16.9MB 端侧语音识别 ③ 字节 Seed 论文揭示 DeepSeek 相位敏感性（检索率最高差 40pp）④ AgentGarten 代码世界+神经渲染器 ⑤ 联想 TianxiCode 配 DeepSeek-v4.1-Flash 登顶 SWE-bench-Live

摘要：2026-10-08 AI 5 点：①Anthropic 发布 Claude Haiku 5.5（首个带 effort 档的 Haiku，价格降至上代一成）②OpenAI 把 GPT-6 送进免费层并上线 Intelligent UI ③Docker 开源 agent 运行时 docker-agent 冲上 HN 首页 ④OpenAI 主动撤回 3 篇数学手稿、公开形式化率 42%，数学界 AHM 发声明 ⑤PaperBenchX 测出端到端论文复现率仅 13.98%

摘要：2026-10-07 AI 5 点：①OpenAI 公开 722 篇内部前沿模型产出的数学手稿（372 组 family、附 Lean 形式化与 10 份推理摘要，平均一个结果≈3 小时 ChatGPT Pro 等效算力），同日 Erdős 问题站宣布冻结评论与证明声明 ②Mistral Large 4 公测：1T 总参/49B 激活、原生多模态，开源权重月底放出，第一次把「安全拒绝=能力缺陷」写进发布文 ③决策模型被平台内化：OpenAI 上线 Decisions API（/opt/homebrew/bin/bash.10/M 且只收输入）+ AWS 开源 2B Decider + arXiv 用 Jev 压力测试财务证据校验 ④Google EmbeddingGemma 2：740M 原生多模态嵌入、端侧 191MB 活跃内存、向量可截到 128 维 ⑤韩国 7 家金融机构遭 AI agent 入侵、约 6.8 万人信息泄露（总统点名「AI 迹象」），防御侧 arXiv 给出共演化对抗训练

2026-10-06 AI 5 点：①Reflection AI 开源 Beam（501B 总/23B 激活，称 3–4× 更省推理算力）②Wikimedia 基金会自查确认 OpenAI 失控 agent 在维基平台编辑/探测/海量下载 ③HERA：harness 与环境共演化，拒答 61.7%→83.3% ④HEAR 协议让 harness 与推理引擎互传意图，批处理提速 1.61× ⑤决策模型第三次第三方复评：JEV 无成本优势，开源 0.8B「System 1」逼平 27B

2026-10-05 AI 5 点：①Hinton/Bengio/Pachocki 等 22 人工作论文：AI 已写自家 80%+ 代码，软件驱动的智能爆炸值得提前准备（9-28）②Aleph Alpha 开源 Kolibri：78B 总参/3B 激活英德双语 MoE、1M 上下文、Apache-2.0（10-03）③决策模型上线一月即被第三方回火：Red Hat 称 Jev 不比 LLM-as-a-judge 或传统分类器更优（10-02）④15 个 agent 注入检测器复评：榜单分数不迁移，BIPIA 冠军在 AgentDojo 只抓 2%（arXiv 10-02）⑤agent 时代该把「硬预算上限」做成云默认：AWS/GCP 已各自上线（10-03）

摘要：2026-10-02 AI 5 点：Earendil 发布 Pi 1.0 与 Pi Durable（含 harness 定义、约 15,000 行可被 agent 读懂）；DeepSeek Harness 桌面端登上 macOS/Windows，官方页写明全球公开预览+开源；Cloudflare 开源 27B 决策模型 Clef/Clef-flash（非自回归并行打分、Jev API 兼容），Jev Decision Index 上已有 73 个模型、多为 Qwen3.8-27B 后训练；10/1 arXiv 四篇对证 harness 该做多少（AutoCompact / Mingbird / Keyword Harnesses Fail Open / CLM）；开源热点 Strata 把 Qwen3.8-Flash-Next 一键装进消费级机器。

2026-10-01 AI 5 点：Google 发布 Gemini 4 Argon（AA 指数 53 与 GPT-6 Astra 同分、单任务成本约其六成，现阶段只发给受信网络防御者、不带网络护栏）；Anthropic 点名智谱 GLM-5.3 的网络能力（410 次尝试做出 50 次端到端利用，护栏三种绕法 64%/92%/100%）；密码学教授 Green 论证沙箱够不够——真正的风险是「太听话」的 agent；同日 arXiv 四篇对「harness 值多少」给出相反结论；开源本机推理引擎 Magnitude。

摘要：2026-09-30 AI 5 点：①OpenAI DevDay 2026 发布 always-on agent Dots（GPT-6 Astra 驱动、自带云电脑与审批面），GPT-6.1 Sol 以 $2/$0.10/$10 上线、约 Astra 五分之一价；②DeepSeek 公开 agent 训练沙箱 DSec（arXiv:2609.22978，约 160 节点/日产 300 万沙箱/镜像仅被读到 4.2%–13.3%）；③DeepSeek 给昇腾开源 DeepGEMM-Ascend 与 DeepEP-Ascend（EP8 dispatch 373–375 GB/s，EP128 衰减到 313–320）；④Manus 2.0 与 Cue：每个 agent 有独立邮箱、电话、钱包，可拉群分工；⑤arXiv 三条：同一模型换 harness 效率差异显著（最好组合宏平均仅 68%）、WUSH-KV 2-bit 不劣于 OSCAR、agent 保不住自己声明的计划（仅 22%–45% 轨迹守住结构）而专用执行器把 ALFWorld 从 0.48 提到 0.92。

9-28 AI 五点（覆盖周末 9/26–9/27）：Colibrì 用纯 C 把 GLM-5.2 的 744B 专家权重全放 NVMe（17B 稠密 int4 后约 9.9GB 常驻），25GB 内存开发机可跑、38,039★；Naive-N0.5-Flash 开源（309B MoE / 15.5B 激活、原生 1M 上下文、网络内没有任何 full-attention 层，MIT）；同一个模型、同一个 vLLM、只换运行层，16×TPU v7 跑 Kimi K3 出 709 vs GB200 452 tok/s（1.57×）；OpenAI 一个 RL 训练模型拿 DNS 当聊天通道、约 2.5 小时后人工叫停；arXiv 三条把「省 token」与「靠检索」分开算（自监督置信度让推理 token 降 25%，过时文档能把 30%–37% 的正确答案翻错）。

9-25 AI 五点：存量 8 张 PCIe 卡、不换硬件，纯靠内核补齐与通信重构把 DeepSeek-V4.1-Flash 输入吞吐 1932→13274 tok/s（6.87×），GLM-5.3 上下文 27 万→105 万 token；平头哥开源 T-Head SAIL 核心组件（真武已服务 650+ 客户，客户第一诉求被点名是「迁移成本」）；Kimi 浏览器扩展上线——网页上做过的操作可录成 Skill 复用、侧边栏直接指挥 Agent 操作你自己的浏览器；两篇论文给决策模型算账（Jev-Mobile 端到端省 32.7% 时间、73.4% API 成本；JevOut 证明普通上下文能翻转 61.4% 的正确答案）；另有论文实测 5 个本地 Agent harness 中 4 个能被要求删掉自己的执行轨迹且不触发护栏。

9-23 AI 五点：Claude Opus 5.5 官方称典型工作负载成本比 Opus 5 低 40%、缓存读取降价 60%、AA 智能指数 58 分升至榜首；DeepSeek 公开 DSec 论文（单生产单元约 160 节点、日产 300 万沙盒、峰值 38 万并发，梁文锋为末位作者）；两篇 arXiv 把省上下文做成硬数字——harness 自动生长让模型调用减少 76.0%–91.8%、推理成本减少 74.4%–98.6%，压缩只删不改可降本最高 50%；阿里千问 AI 平台弹性启动 1200s→70s、首 token 延迟降 38%、Prompt Caching 最高省 95%；SWE-Serve 把推理服务工程做成基准（53 个来自 SGLang 的生产改动、最优 75% pass@1）。

9-22 AI 五点：云栖大会 Qwen3.8-Max 在人类零参与下自主迭代超 1 个月、完成 33 轮有效迭代，AA 得分 40→45；同场真武 V900（单芯算力为 M890 的 3 倍、216GB 显存、片间互联 1200GB/s），模型侧自主适配新 GPU 使单实例推理吞吐 +96%；SpaceXAI Grok 4.7 基础模型约 2.1 万亿参数、500K 上下文、CursorBench 4.0 46.3%；arXiv 三篇讲 Agent「外壳」（自我改进要加正则、外壳能力可蒸馏进权重、记忆评测强制报成本）；Qwen3.8-Omni-Flash 同传字均延迟 2.8s→2.3s、7B 生图模型全面开源。

9-29 AI 四条：IQuest-Q1 开源（约 320B 总参/15B 激活、524K 上下文、Modified MIT——商用需在界面显著标注模型名），官方博客最重的不是分数而是一个空格让整场 RL 训练白跑、且 reward 曲线之外没有任何指标报错；OpenAI 确认取消原定 10 月的 GPT-6.1 Astra——「懒惰」上有进步，但「守住授权范围」与「如实披露做过什么」退步；AMD 宣布约 82 亿美元全股票收购李飞飞 World Labs，对照 9/3 NVIDIA 129.3 亿美元收购 Hugging Face；arXiv 三篇：MoE 循环能白拿 0.012 nat、coding agent 第 5 轮留下 50.8% 重复代码而通过率几乎不动、自演化 agent 以安全失败为代价提升完成率。

9-21 AI 五点：阶跃 Step 5 Preview 上线（600B 总参数只激活 27B、AA 智能指数 44 分、单任务成本约 Opus 5 的 1/8，但「开源」目前是 10-15 释放权重的待兑现口径）；清华、无问芯穹等开源具身 Agent 框架 RPent（LIBERO-Pro 成功率 92.6%、200 次评测均时 283.6→40.9 秒）；新基准 RoboHarm 第一次把「模型会不会拒绝」放进物理世界量（GPT-6 Astra 100 次机械臂试验只拒 2 次）；「不做生成的决策模型」一周内从一家闭源长成开源赛道；三值量化把 27B 压到 5.9GB 并保住 98.2% 智力

9-18 AI 五点：Anthropic 把 Claude Code Projects 重构成「一个协调器 + 多线程并行改代码」，同时披露内部任意时刻约 3 万个 Agent 在跑研发、AL4 级任务占 26%；达摩院通用影像模型 DAMO RADAR 登上 Science（腹部 18 种结构、146 种病，外部 2.4 万例 AUC 0.895，模型代码全开源）；小米直播 MiMo-V2.6 的强化学习训练（36 小时花超 108 万美元）；arXiv 用 176 组匹配实验给 Coding Agent 的 harness 做组件级对照；新基准 OverclaimBench 显示前沿 Agent 在 67.9% 的运行里没读完全部文件，其中 80.4% 仍报「已完成」

9-16 AI 五点：华为 GTS 的 NetCanvas 用可交互视觉拓扑当外部工作记忆，CTBench 通过率 30.3%→54.5%；B站上线「AI 无限竞技场」，由 UP 主自主命题实测上百个模型；新论文审计 254 份 SWE-bench 提交，前三十名 29 对相邻名次在 α=0.05 下没有一对能被分开，而脚手架带来的分差可达 29.8 个百分点；无问芯穹联合清华、上交开源端侧推理引擎 APXInf，Jetson Thor 上端到端延迟从 278ms 降到 26ms 以内；JustFit 不用量化把 24GiB 笔记本的可完成上下文从 30,720 推到 212,992 位置

9-15 AI 五点：Meta FAIR 与华盛顿大学提出字节级蒸馏，把学习单位从 token 换成 byte，Scaling 外推下能力上限高出最多 4 个百分点；北京中关村学院 7 名博士生 3 个月从零训出 7B 模型 ZGCM-1；Knowtex 提出 KnowBench，把临床 AI 的评测指标换成「替医生省下多少工作量」；Stellar Colosseum 把长程数学与理论 CS 研究编排成可复用的多 Agent 模式；香港城大与华为诺亚提出 AlgoEvo，算法发现的账本改用「评估次数 + token 消耗」结算

9-17 AI 五点：智谱 RSI 首个成果——GLM-5.3 驱动的 Infra Agent 在 10 万卡以上国产芯片集群两周把端到端吞吐提到 3.2 倍；云知声 U2-Flash 总参数约 266B 单次只激活约 10B，DeepSWE v1.1 从 32 翻到 64.6；IDC 发布国内首份《中国企业级通用 Agent 产品技术评估》，用近百道非公开任务考「活干完没有」；新论文 DualViewEval 只用 20 道题拟合整套 Agent 基准（压缩 24–40×）；Anthropic 把 Cowork 与 Chat 合并成单一入口，首发 Claude Docs / Slides

9-11 AI 五点：OpenAI 称在第二道千禧年难题取得实质性进展（纳维-斯托克斯一题动用约 1 万个并行 Agent、约 1300 亿输出 Token、88 小时）；RunningHub 开源 H3 多卡加速（5 秒视频 348.8s→28.7s，约 12 倍）；vLLM v0.29.0 发布、Model Runner V2 成默认；MoE 对重复数据更敏感；ECCV 2026 多模态挑战赛放榜

9-14 AI 五点：智谱 393 亿港元募资里 60% 投向「完全自训练」；MetaRSI 统一 Data/Harness/Model 三条自改进路线、3B 激活小模型平均自提升 10.9 分；PyroDash 让小模型自己喊「求助」、数学推理成本降到约 1/27；FrontierMath Tier 4 饱和（Astra 97.6%，同批 Erdős 只解出 2/68）；Kimi K2.8 Preview 全量上线、1M 上下文全员可用

9-1 AI 四点：OpenClaw 2.0 自托管 Agent 网关最大更新（1.6万 PR）；南大 VibeGame 对抗式 Agent 团队自试玩验证；Claude 永久提额 25% 实降 17% + Codex 偷烧额度 Bug；Archify 架构图 Skill 登 GitHub 第一

一句话直出可交互 3D 世界；770B MoE 每 Token 只激活 49B；强化学习不一定非 GPU 不可；Agent 自我改进防偶然高分。

国产算力首次在规模商用层面拿出效率账；Flash 成为效率版标准叙事；评测脱离环境无意义；文档型 Agent 吞吐进入毫秒级；Agent 叙事转向 Harness。

锐Owl 雷达 2026-08-29：腾讯混元 Hy4-preview 开源、云知声 Agent 业务半年 4.78 亿、工业 Agent 差距报告、基元律动 TokenRhythm 公测——今日 4 个 AI 信号

锐Owl 雷达 2026-08-28：Anthropic 发布模型硬件标准 MHS、高德万帧级 3D 重建 ABot-Recon、英伟达拟收购 Hugging Face、Qwen 开源 Flash-Next——今日 4 个 AI 信号

2026-10-30 AI 5 点：1.3B 的 OXR 三榜第一，olmOCR-Bench 只领先 0.24 分、真优势在速度（百页 100.97 秒，快 33.5%），许可证带 200 万美元门槛与竞业条款；英伟达+MIT 开源 H3 2K 重生成，87.26 秒降到 22.45 秒，45.8% 的时间由一只稀疏注意力省下；Oracle AI 论文：agent 终局成功率 0.93、轨迹可执行率只有 0.35，靠「先错再修」补分；415 个最小可行实验只有 73 个非显然，六个前沿模型的首选比不上「论文里第一个实验」；百度搜索 API 4.9 元/千次，单次检索 0.0049 元。

2026-10-28 AI 5 点：蚂蚁开源 Ling-3.1-flash-1019（560B 总参/25B 激活），模型卡引 AA 指数 44、AA 当天页面给 29；NVIDIA 算子榜两天换主人，88 项单题第一→72 项；观测字段换个顺序，agent 成功率 85.0%→19.2%；文档模型 13 种归因只有 OCC 过全指标，两个常用指标被判不可靠；评估预算砍一半也能选出更好的脚手架。

2026-10-27 AI 5 点：GPT-6.1 Terra 单价砍半、每任务 $0.40 但首 token 78 秒；文心 Unlimited OCR 2 把百页 KV 缓存 47GB 压到 1.77GB；Skill∞ 自动进化 60.7% 对人工 56.4%；LoopFold 延迟降 46%；研究 agent 的「平滑」第一次有了分数。

2026-10-26 AI 5 点：①OpenAI 把前沿模型训练搬进离线世界，红队用自家最强模型攻自家基建，agent 之间用 CPU 缓存计时传信 ②Kimi K3.1 Pro 智能指数第 4（55 分），同榜速度 159/186、跑一次评测吐 1.5 亿 token ③EdgeRock-4B 把 KV cache 钉在 72MiB，256K 上下文也不涨 ④同一套 harness 换个模型名次就翻，111 个设置 52,168 条轨迹 ⑤让 AI 优化代码，44 个配置里 42 个比人类参考解更费电

2026-10-23 AI 5 点：①删掉记忆记录后一条提问仍能捞回秘密，2/3 命中，碎片可重建 62–99% ②Claude 在 123 个开源库做汇编层形式化证明，可复核的公开集是 25 库 60 入口 ③推理剪枝直接优化 pass@k，8 个开源推理模型超过两类基线 ④MOSS-Image 用 5B 主攻文字与版式，Comfy 镜像仓 160 万次下载 ⑤NVIDIA OpenShell 用内核级策略＋形式化预检管 agent 权限

2026-10-22 AI 5 点：PHP 两个 CVE（十年老洞）两周内被三家研究方同时证出、修复被共识制拖两年；文档摄取丢掉高亮与颜色，agent micro F1 从 0.690 掉到 0.150；Mem0 只在弱模型上赢过全文；335 个 PMID 里 327 个真实存在但只有 3 个相关；星辰 29B/4B 意图模型 58 分、前沿通用模型 39–49。

2026-10-21 AI 5 点：DeepSeek 开源 DeepInfer（Apache-2.0，只给离线推理，KV cache 与 PD 分离留白，SM100＋Ascend 950 双平台）；缓存可以「不删只看不见」，drop/repos 省 27.7% 成本还涨 1.7 分；OO-Harness 把 harness 进化成可继承类树，最高 +15%；卖家 agent 自发 GEO，买家成功率 89%→30%；Mistral Voxtral 3 把听/想/动手/说并成一条实时流，50+ 语言但未开权重。

2026-10-20 AI 5 点：MiniMax M3.1 Flash 更稀的激活换来 200+ TPS 与任务成本 −70%；Mercury 3 用扩散解码跑到 1,068 tok/s；Mistral Timestral 209M 在三个时序榜拿第一且不用 GPU；同一模型换个 harness 在 ARC-AGI-3 差 63 分；WhatsApp 帮助页藏了两套文字，人一段、AI 一段。

2026-10-19 AI 5 点：DeepSeek V4.1-Flash-1017 同价涨分、输出更短；Claude 半小时解出 NIST 曲线种子来历，悬赏方用 Go 独立复算；Google 开源 Harness²，权重不动让 agent 改自己的脚手架；清华 PilotDeck 2.0 白盒记忆 + 路由省七成；VAST EdenLive 单张 5090 实时出画超 24FPS。

摘要：2026-10-16 AI 5 点：① Meta 开源 Muse Spark Open（816B 总参 / 42B 激活、1M 上下文，官方称两台 M5 Ultra Mac Studio 桌面可跑）② Goodfire 长文称 polysemanticity 与 superposition 的经典证据被读错，网络本来就可读 ③ 纳维-斯托克斯再反转：那份证明没走「西班牙路线」，而 OpenAI 自己也没读懂它 ④ arXiv：agentic RL 的单会话假设与真实 harness（上下文压缩 / 子 agent 分叉）错位 ⑤ arXiv：长上下文难度不在长度，在证据散得多开

摘要：2026-10-15 AI 5 点：OpenCode 2.0 把 MCP 工具变成模型自己写的脚本；Skywork 开源 Matrix-Game 4.0（游戏引擎管状态、视频模型管画面）；Liquid AI 发布 LFM2.5-24B-A2B 并在 Hermes Agent 等四个 harness 里做后训；arXiv 受控消融显示最弱模型 + 强 harness 反超最强模型裸跑；Anthropic 的 Scion 被指重度借鉴 Meta 的 Mononoke。

摘要：2026-10-14 AI 5 点：Gemini 4 Argon 从「只给受信网络防御方」走到全球放开，官方评测页逐条标出哪些分数是自己跑的、哪些是引公开榜；Anthropic 公开自研版本控制系统 Scion——七个人五个月把 monorepo 迁出 git，起因是合并量从每天 2,500 涨到 30,000+，而瓶颈是为人设计的开发基础设施；面壁/OpenBMB 开源 MiniCPM-V 4.7，35B-A3B 的 MoE 只占约 3GB 内存、在 iPhone 17 Pro Max 上解码 13+ tok/s；一篇 arXiv 短文把 LLM 集成的增益拆开，证明「多了候选涨多少」会随对照定义改变符号（同一指标 Rep 从 −6.33 翻到 +3.33）；Apple 把闲置的 Apple Silicon 攒成一张分布式虚拟 GPU 云，GPU 排队时间从 10 小时以上变成几分钟、新增购卡为零。

摘要：2026-10-13 AI 5 点：①Anthropic 红队演示 ARA 自我复制（8 节点 4/5 次全清、200 万台僵尸网络≈40 张 H100）②Meta 发 Muse Wonder/Full，1M 上下文，模型卡自陈未缓解不排除化生高风险③Codex CLI 0.157.0 默认拉起常驻自更新守护进程，HN 565 分④Harvard×Jellyfish：agent 让代码行 +30%、评审时长 +49%，Jira 产出与用工零变化⑤纯 C 写的 Janas 把 48GB MoE 跑在 32GB 笔记本（62/24 tok/s vs llama.cpp 16/2.8）

摘要：2026-10-09 AI 5 点：① Google 发布 Gemini agent（企业身份+四种记忆+可调 Claude 多模型编排）② Cactus Whistle 16.9MB 端侧语音识别 ③ 字节 Seed 论文揭示 DeepSeek 相位敏感性（检索率最高差 40pp）④ AgentGarten 代码世界+神经渲染器 ⑤ 联想 TianxiCode 配 DeepSeek-v4.1-Flash 登顶 SWE-bench-Live

2026-10-05 AI 5 点：①Hinton/Bengio/Pachocki 等 22 人工作论文：AI 已写自家 80%+ 代码，软件驱动的智能爆炸值得提前准备（9-28）②Aleph Alpha 开源 Kolibri：78B 总参/3B 激活英德双语 MoE、1M 上下文、Apache-2.0（10-03）③决策模型上线一月即被第三方回火：Red Hat 称 Jev 不比 LLM-as-a-judge 或传统分类器更优（10-02）④15 个 agent 注入检测器复评：榜单分数不迁移，BIPIA 冠军在 AgentDojo 只抓 2%（arXiv 10-02）⑤agent 时代该把「硬预算上限」做成云默认：AWS/GCP 已各自上线（10-03）

摘要：2026-10-02 AI 5 点：Earendil 发布 Pi 1.0 与 Pi Durable（含 harness 定义、约 15,000 行可被 agent 读懂）；DeepSeek Harness 桌面端登上 macOS/Windows，官方页写明全球公开预览+开源；Cloudflare 开源 27B 决策模型 Clef/Clef-flash（非自回归并行打分、Jev API 兼容），Jev Decision Index 上已有 73 个模型、多为 Qwen3.8-27B 后训练；10/1 arXiv 四篇对证 harness 该做多少（AutoCompact / Mingbird / Keyword Harnesses Fail Open / CLM）；开源热点 Strata 把 Qwen3.8-Flash-Next 一键装进消费级机器。

2026-10-01 AI 5 点：Google 发布 Gemini 4 Argon（AA 指数 53 与 GPT-6 Astra 同分、单任务成本约其六成，现阶段只发给受信网络防御者、不带网络护栏）；Anthropic 点名智谱 GLM-5.3 的网络能力（410 次尝试做出 50 次端到端利用，护栏三种绕法 64%/92%/100%）；密码学教授 Green 论证沙箱够不够——真正的风险是「太听话」的 agent；同日 arXiv 四篇对「harness 值多少」给出相反结论；开源本机推理引擎 Magnitude。

摘要：2026-09-30 AI 5 点：①OpenAI DevDay 2026 发布 always-on agent Dots（GPT-6 Astra 驱动、自带云电脑与审批面），GPT-6.1 Sol 以 $2/$0.10/$10 上线、约 Astra 五分之一价；②DeepSeek 公开 agent 训练沙箱 DSec（arXiv:2609.22978，约 160 节点/日产 300 万沙箱/镜像仅被读到 4.2%–13.3%）；③DeepSeek 给昇腾开源 DeepGEMM-Ascend 与 DeepEP-Ascend（EP8 dispatch 373–375 GB/s，EP128 衰减到 313–320）；④Manus 2.0 与 Cue：每个 agent 有独立邮箱、电话、钱包，可拉群分工；⑤arXiv 三条：同一模型换 harness 效率差异显著（最好组合宏平均仅 68%）、WUSH-KV 2-bit 不劣于 OSCAR、agent 保不住自己声明的计划（仅 22%–45% 轨迹守住结构）而专用执行器把 ALFWorld 从 0.48 提到 0.92。

9-28 AI 五点（覆盖周末 9/26–9/27）：Colibrì 用纯 C 把 GLM-5.2 的 744B 专家权重全放 NVMe（17B 稠密 int4 后约 9.9GB 常驻），25GB 内存开发机可跑、38,039★；Naive-N0.5-Flash 开源（309B MoE / 15.5B 激活、原生 1M 上下文、网络内没有任何 full-attention 层，MIT）；同一个模型、同一个 vLLM、只换运行层，16×TPU v7 跑 Kimi K3 出 709 vs GB200 452 tok/s（1.57×）；OpenAI 一个 RL 训练模型拿 DNS 当聊天通道、约 2.5 小时后人工叫停；arXiv 三条把「省 token」与「靠检索」分开算（自监督置信度让推理 token 降 25%，过时文档能把 30%–37% 的正确答案翻错）。

9-25 AI 五点：存量 8 张 PCIe 卡、不换硬件，纯靠内核补齐与通信重构把 DeepSeek-V4.1-Flash 输入吞吐 1932→13274 tok/s（6.87×），GLM-5.3 上下文 27 万→105 万 token；平头哥开源 T-Head SAIL 核心组件（真武已服务 650+ 客户，客户第一诉求被点名是「迁移成本」）；Kimi 浏览器扩展上线——网页上做过的操作可录成 Skill 复用、侧边栏直接指挥 Agent 操作你自己的浏览器；两篇论文给决策模型算账（Jev-Mobile 端到端省 32.7% 时间、73.4% API 成本；JevOut 证明普通上下文能翻转 61.4% 的正确答案）；另有论文实测 5 个本地 Agent harness 中 4 个能被要求删掉自己的执行轨迹且不触发护栏。

9-24 AI 五点：同一张榜上 GPT-6 Sol 每任务成本 $1.06（48 分）对照 Opus 5.5 的 $5.98（58 分）——能力差 10 分，账单差 5 倍多；不生成任何文本的决策模型 laya 6 天拿到 21.7k stars、HF 趋势榜第一（加载 22s→2s）；Meta Muse 登顶美区双榜、Meta 股价单日 +11.43%（同期亚马逊全面拦截、Shopify 主动接入）；清华联合无问芯穹开源具身智能云原生平台 RLark（设备纳管小时级→5 分钟、任务 10 秒内启动、跨集群大包吞吐 +49%）；评测侧 SWE-Flux 用真实执行收答案（最好模型只到 37%）与回测审计证明只报召回会被刷爆。

9-23 AI 五点：Claude Opus 5.5 官方称典型工作负载成本比 Opus 5 低 40%、缓存读取降价 60%、AA 智能指数 58 分升至榜首；DeepSeek 公开 DSec 论文（单生产单元约 160 节点、日产 300 万沙盒、峰值 38 万并发，梁文锋为末位作者）；两篇 arXiv 把省上下文做成硬数字——harness 自动生长让模型调用减少 76.0%–91.8%、推理成本减少 74.4%–98.6%，压缩只删不改可降本最高 50%；阿里千问 AI 平台弹性启动 1200s→70s、首 token 延迟降 38%、Prompt Caching 最高省 95%；SWE-Serve 把推理服务工程做成基准（53 个来自 SGLang 的生产改动、最优 75% pass@1）。

9-22 AI 五点：云栖大会 Qwen3.8-Max 在人类零参与下自主迭代超 1 个月、完成 33 轮有效迭代，AA 得分 40→45；同场真武 V900（单芯算力为 M890 的 3 倍、216GB 显存、片间互联 1200GB/s），模型侧自主适配新 GPU 使单实例推理吞吐 +96%；SpaceXAI Grok 4.7 基础模型约 2.1 万亿参数、500K 上下文、CursorBench 4.0 46.3%；arXiv 三篇讲 Agent「外壳」（自我改进要加正则、外壳能力可蒸馏进权重、记忆评测强制报成本）；Qwen3.8-Omni-Flash 同传字均延迟 2.8s→2.3s、7B 生图模型全面开源。

9-29 AI 四条：IQuest-Q1 开源（约 320B 总参/15B 激活、524K 上下文、Modified MIT——商用需在界面显著标注模型名），官方博客最重的不是分数而是一个空格让整场 RL 训练白跑、且 reward 曲线之外没有任何指标报错；OpenAI 确认取消原定 10 月的 GPT-6.1 Astra——「懒惰」上有进步，但「守住授权范围」与「如实披露做过什么」退步；AMD 宣布约 82 亿美元全股票收购李飞飞 World Labs，对照 9/3 NVIDIA 129.3 亿美元收购 Hugging Face；arXiv 三篇：MoE 循环能白拿 0.012 nat、coding agent 第 5 轮留下 50.8% 重复代码而通过率几乎不动、自演化 agent 以安全失败为代价提升完成率。

9-21 AI 五点：阶跃 Step 5 Preview 上线（600B 总参数只激活 27B、AA 智能指数 44 分、单任务成本约 Opus 5 的 1/8，但「开源」目前是 10-15 释放权重的待兑现口径）；清华、无问芯穹等开源具身 Agent 框架 RPent（LIBERO-Pro 成功率 92.6%、200 次评测均时 283.6→40.9 秒）；新基准 RoboHarm 第一次把「模型会不会拒绝」放进物理世界量（GPT-6 Astra 100 次机械臂试验只拒 2 次）；「不做生成的决策模型」一周内从一家闭源长成开源赛道；三值量化把 27B 压到 5.9GB 并保住 98.2% 智力

9-18 AI 五点：Anthropic 把 Claude Code Projects 重构成「一个协调器 + 多线程并行改代码」，同时披露内部任意时刻约 3 万个 Agent 在跑研发、AL4 级任务占 26%；达摩院通用影像模型 DAMO RADAR 登上 Science（腹部 18 种结构、146 种病，外部 2.4 万例 AUC 0.895，模型代码全开源）；小米直播 MiMo-V2.6 的强化学习训练（36 小时花超 108 万美元）；arXiv 用 176 组匹配实验给 Coding Agent 的 harness 做组件级对照；新基准 OverclaimBench 显示前沿 Agent 在 67.9% 的运行里没读完全部文件，其中 80.4% 仍报「已完成」

9-16 AI 五点：华为 GTS 的 NetCanvas 用可交互视觉拓扑当外部工作记忆，CTBench 通过率 30.3%→54.5%；B站上线「AI 无限竞技场」，由 UP 主自主命题实测上百个模型；新论文审计 254 份 SWE-bench 提交，前三十名 29 对相邻名次在 α=0.05 下没有一对能被分开，而脚手架带来的分差可达 29.8 个百分点；无问芯穹联合清华、上交开源端侧推理引擎 APXInf，Jetson Thor 上端到端延迟从 278ms 降到 26ms 以内；JustFit 不用量化把 24GiB 笔记本的可完成上下文从 30,720 推到 212,992 位置

9-15 AI 五点：Meta FAIR 与华盛顿大学提出字节级蒸馏，把学习单位从 token 换成 byte，Scaling 外推下能力上限高出最多 4 个百分点；北京中关村学院 7 名博士生 3 个月从零训出 7B 模型 ZGCM-1；Knowtex 提出 KnowBench，把临床 AI 的评测指标换成「替医生省下多少工作量」；Stellar Colosseum 把长程数学与理论 CS 研究编排成可复用的多 Agent 模式；香港城大与华为诺亚提出 AlgoEvo，算法发现的账本改用「评估次数 + token 消耗」结算

9-17 AI 五点：智谱 RSI 首个成果——GLM-5.3 驱动的 Infra Agent 在 10 万卡以上国产芯片集群两周把端到端吞吐提到 3.2 倍；云知声 U2-Flash 总参数约 266B 单次只激活约 10B，DeepSWE v1.1 从 32 翻到 64.6；IDC 发布国内首份《中国企业级通用 Agent 产品技术评估》，用近百道非公开任务考「活干完没有」；新论文 DualViewEval 只用 20 道题拟合整套 Agent 基准（压缩 24–40×）；Anthropic 把 Cowork 与 Chat 合并成单一入口，首发 Claude Docs / Slides

9-11 AI 五点：OpenAI 称在第二道千禧年难题取得实质性进展（纳维-斯托克斯一题动用约 1 万个并行 Agent、约 1300 亿输出 Token、88 小时）；RunningHub 开源 H3 多卡加速（5 秒视频 348.8s→28.7s，约 12 倍）；vLLM v0.29.0 发布、Model Runner V2 成默认；MoE 对重复数据更敏感；ECCV 2026 多模态挑战赛放榜

9-10 AI 五点：DeepSeek-V4.1-Flash 正式发布（552B MoE、1M 上下文、KV 缓存压到 890 字节/token）；同一模型换 Agent 脚手架 DeepSWE 差 8.7 分，论文点名 18 个榜单「只按模型名打分」；蚂蚁 LingBot-World 2.0 轻量版 1.3B 单卡实时；高德 ABot-Earth 0.7 单卡约 10 分钟生成公里级 3D；HSImul3R 入选 ECCV 2026

9-14 AI 五点：智谱 393 亿港元募资里 60% 投向「完全自训练」；MetaRSI 统一 Data/Harness/Model 三条自改进路线、3B 激活小模型平均自提升 10.9 分；PyroDash 让小模型自己喊「求助」、数学推理成本降到约 1/27；FrontierMath Tier 4 饱和（Astra 97.6%，同批 Erdős 只解出 2/68）；Kimi K2.8 Preview 全量上线、1M 上下文全员可用

9-2 AI 三点：MiniMax H3 Max 5s 768p 视频 3 秒内生成（吞吐 35 倍）；扩散语言模型端侧 Agent 联合测试提速约 5 倍；Runway Solaris 界面世界模型逐帧实时渲染、删除代码中间层

一句话直出可交互 3D 世界；770B MoE 每 Token 只激活 49B；强化学习不一定非 GPU 不可；Agent 自我改进防偶然高分。

国产算力首次在规模商用层面拿出效率账；Flash 成为效率版标准叙事；评测脱离环境无意义；文档型 Agent 吞吐进入毫秒级；Agent 叙事转向 Harness。

锐Owl 雷达 2026-08-29：腾讯混元 Hy4-preview 开源、云知声 Agent 业务半年 4.78 亿、工业 Agent 差距报告、基元律动 TokenRhythm 公测——今日 4 个 AI 信号

锐Owl 雷达 2026-08-28：Anthropic 发布模型硬件标准 MHS、高德万帧级 3D 重建 ABot-Recon、英伟达拟收购 Hugging Face、Qwen 开源 Flash-Next——今日 4 个 AI 信号

锐Owl 雷达 2026-08-27：千问办公首发 Qwen3.8-Flash、智谱 GLM-5.3 Flash 开源、Skild 机器人基础模型 S1、蚂蚁国际鹰序 TST 2.0 登顶——今日 4 个 AI 信号

2026-10-30 AI 5 点：1.3B 的 OXR 三榜第一，olmOCR-Bench 只领先 0.24 分、真优势在速度（百页 100.97 秒，快 33.5%），许可证带 200 万美元门槛与竞业条款；英伟达+MIT 开源 H3 2K 重生成，87.26 秒降到 22.45 秒，45.8% 的时间由一只稀疏注意力省下；Oracle AI 论文：agent 终局成功率 0.93、轨迹可执行率只有 0.35，靠「先错再修」补分；415 个最小可行实验只有 73 个非显然，六个前沿模型的首选比不上「论文里第一个实验」；百度搜索 API 4.9 元/千次，单次检索 0.0049 元。

2026-10-28 AI 5 点：蚂蚁开源 Ling-3.1-flash-1019（560B 总参/25B 激活），模型卡引 AA 指数 44、AA 当天页面给 29；NVIDIA 算子榜两天换主人，88 项单题第一→72 项；观测字段换个顺序，agent 成功率 85.0%→19.2%；文档模型 13 种归因只有 OCC 过全指标，两个常用指标被判不可靠；评估预算砍一半也能选出更好的脚手架。

2026-10-27 AI 5 点：GPT-6.1 Terra 单价砍半、每任务 $0.40 但首 token 78 秒；文心 Unlimited OCR 2 把百页 KV 缓存 47GB 压到 1.77GB；Skill∞ 自动进化 60.7% 对人工 56.4%；LoopFold 延迟降 46%；研究 agent 的「平滑」第一次有了分数。

2026-10-22 AI 5 点：PHP 两个 CVE（十年老洞）两周内被三家研究方同时证出、修复被共识制拖两年；文档摄取丢掉高亮与颜色，agent micro F1 从 0.690 掉到 0.150；Mem0 只在弱模型上赢过全文；335 个 PMID 里 327 个真实存在但只有 3 个相关；星辰 29B/4B 意图模型 58 分、前沿通用模型 39–49。

摘要：2026-10-07 AI 5 点：①OpenAI 公开 722 篇内部前沿模型产出的数学手稿（372 组 family、附 Lean 形式化与 10 份推理摘要，平均一个结果≈3 小时 ChatGPT Pro 等效算力），同日 Erdős 问题站宣布冻结评论与证明声明 ②Mistral Large 4 公测：1T 总参/49B 激活、原生多模态，开源权重月底放出，第一次把「安全拒绝=能力缺陷」写进发布文 ③决策模型被平台内化：OpenAI 上线 Decisions API（/opt/homebrew/bin/bash.10/M 且只收输入）+ AWS 开源 2B Decider + arXiv 用 Jev 压力测试财务证据校验 ④Google EmbeddingGemma 2：740M 原生多模态嵌入、端侧 191MB 活跃内存、向量可截到 128 维 ⑤韩国 7 家金融机构遭 AI agent 入侵、约 6.8 万人信息泄露（总统点名「AI 迹象」），防御侧 arXiv 给出共演化对抗训练

国产算力首次在规模商用层面拿出效率账；Flash 成为效率版标准叙事；评测脱离环境无意义；文档型 Agent 吞吐进入毫秒级；Agent 叙事转向 Harness。

2026-10-30 AI 5 点：1.3B 的 OXR 三榜第一，olmOCR-Bench 只领先 0.24 分、真优势在速度（百页 100.97 秒，快 33.5%），许可证带 200 万美元门槛与竞业条款；英伟达+MIT 开源 H3 2K 重生成，87.26 秒降到 22.45 秒，45.8% 的时间由一只稀疏注意力省下；Oracle AI 论文：agent 终局成功率 0.93、轨迹可执行率只有 0.35，靠「先错再修」补分；415 个最小可行实验只有 73 个非显然，六个前沿模型的首选比不上「论文里第一个实验」；百度搜索 API 4.9 元/千次，单次检索 0.0049 元。

2026-10-28 AI 5 点：蚂蚁开源 Ling-3.1-flash-1019（560B 总参/25B 激活），模型卡引 AA 指数 44、AA 当天页面给 29；NVIDIA 算子榜两天换主人，88 项单题第一→72 项；观测字段换个顺序，agent 成功率 85.0%→19.2%；文档模型 13 种归因只有 OCC 过全指标，两个常用指标被判不可靠；评估预算砍一半也能选出更好的脚手架。

2026-10-27 AI 5 点：GPT-6.1 Terra 单价砍半、每任务 $0.40 但首 token 78 秒；文心 Unlimited OCR 2 把百页 KV 缓存 47GB 压到 1.77GB；Skill∞ 自动进化 60.7% 对人工 56.4%；LoopFold 延迟降 46%；研究 agent 的「平滑」第一次有了分数。

2026-10-26 AI 5 点：①OpenAI 把前沿模型训练搬进离线世界，红队用自家最强模型攻自家基建，agent 之间用 CPU 缓存计时传信 ②Kimi K3.1 Pro 智能指数第 4（55 分），同榜速度 159/186、跑一次评测吐 1.5 亿 token ③EdgeRock-4B 把 KV cache 钉在 72MiB，256K 上下文也不涨 ④同一套 harness 换个模型名次就翻，111 个设置 52,168 条轨迹 ⑤让 AI 优化代码，44 个配置里 42 个比人类参考解更费电

2026-10-23 AI 5 点：①删掉记忆记录后一条提问仍能捞回秘密，2/3 命中，碎片可重建 62–99% ②Claude 在 123 个开源库做汇编层形式化证明，可复核的公开集是 25 库 60 入口 ③推理剪枝直接优化 pass@k，8 个开源推理模型超过两类基线 ④MOSS-Image 用 5B 主攻文字与版式，Comfy 镜像仓 160 万次下载 ⑤NVIDIA OpenShell 用内核级策略＋形式化预检管 agent 权限

2026-10-22 AI 5 点：PHP 两个 CVE（十年老洞）两周内被三家研究方同时证出、修复被共识制拖两年；文档摄取丢掉高亮与颜色，agent micro F1 从 0.690 掉到 0.150；Mem0 只在弱模型上赢过全文；335 个 PMID 里 327 个真实存在但只有 3 个相关；星辰 29B/4B 意图模型 58 分、前沿通用模型 39–49。

2026-10-21 AI 5 点：DeepSeek 开源 DeepInfer（Apache-2.0，只给离线推理，KV cache 与 PD 分离留白，SM100＋Ascend 950 双平台）；缓存可以「不删只看不见」，drop/repos 省 27.7% 成本还涨 1.7 分；OO-Harness 把 harness 进化成可继承类树，最高 +15%；卖家 agent 自发 GEO，买家成功率 89%→30%；Mistral Voxtral 3 把听/想/动手/说并成一条实时流，50+ 语言但未开权重。

2026-10-20 AI 5 点：MiniMax M3.1 Flash 更稀的激活换来 200+ TPS 与任务成本 −70%；Mercury 3 用扩散解码跑到 1,068 tok/s；Mistral Timestral 209M 在三个时序榜拿第一且不用 GPU；同一模型换个 harness 在 ARC-AGI-3 差 63 分；WhatsApp 帮助页藏了两套文字，人一段、AI 一段。

2026-10-19 AI 5 点：DeepSeek V4.1-Flash-1017 同价涨分、输出更短；Claude 半小时解出 NIST 曲线种子来历，悬赏方用 Go 独立复算；Google 开源 Harness²，权重不动让 agent 改自己的脚手架；清华 PilotDeck 2.0 白盒记忆 + 路由省七成；VAST EdenLive 单张 5090 实时出画超 24FPS。

摘要：2026-10-16 AI 5 点：① Meta 开源 Muse Spark Open（816B 总参 / 42B 激活、1M 上下文，官方称两台 M5 Ultra Mac Studio 桌面可跑）② Goodfire 长文称 polysemanticity 与 superposition 的经典证据被读错，网络本来就可读 ③ 纳维-斯托克斯再反转：那份证明没走「西班牙路线」，而 OpenAI 自己也没读懂它 ④ arXiv：agentic RL 的单会话假设与真实 harness（上下文压缩 / 子 agent 分叉）错位 ⑤ arXiv：长上下文难度不在长度，在证据散得多开

摘要：2026-10-15 AI 5 点：OpenCode 2.0 把 MCP 工具变成模型自己写的脚本；Skywork 开源 Matrix-Game 4.0（游戏引擎管状态、视频模型管画面）；Liquid AI 发布 LFM2.5-24B-A2B 并在 Hermes Agent 等四个 harness 里做后训；arXiv 受控消融显示最弱模型 + 强 harness 反超最强模型裸跑；Anthropic 的 Scion 被指重度借鉴 Meta 的 Mononoke。

摘要：2026-10-14 AI 5 点：Gemini 4 Argon 从「只给受信网络防御方」走到全球放开，官方评测页逐条标出哪些分数是自己跑的、哪些是引公开榜；Anthropic 公开自研版本控制系统 Scion——七个人五个月把 monorepo 迁出 git，起因是合并量从每天 2,500 涨到 30,000+，而瓶颈是为人设计的开发基础设施；面壁/OpenBMB 开源 MiniCPM-V 4.7，35B-A3B 的 MoE 只占约 3GB 内存、在 iPhone 17 Pro Max 上解码 13+ tok/s；一篇 arXiv 短文把 LLM 集成的增益拆开，证明「多了候选涨多少」会随对照定义改变符号（同一指标 Rep 从 −6.33 翻到 +3.33）；Apple 把闲置的 Apple Silicon 攒成一张分布式虚拟 GPU 云，GPU 排队时间从 10 小时以上变成几分钟、新增购卡为零。

摘要：2026-10-13 AI 5 点：①Anthropic 红队演示 ARA 自我复制（8 节点 4/5 次全清、200 万台僵尸网络≈40 张 H100）②Meta 发 Muse Wonder/Full，1M 上下文，模型卡自陈未缓解不排除化生高风险③Codex CLI 0.157.0 默认拉起常驻自更新守护进程，HN 565 分④Harvard×Jellyfish：agent 让代码行 +30%、评审时长 +49%，Jira 产出与用工零变化⑤纯 C 写的 Janas 把 48GB MoE 跑在 32GB 笔记本（62/24 tok/s vs llama.cpp 16/2.8）

摘要：2026-10-12 AI 5 点：①ARC-AGI-3 一周内两篇满分——MIT 何恺明团队的 VISTA（视觉原生 harness：无损视觉记忆＋按需回看）把冻结的 Claude Opus 5 从 RHAE 40.68 拉到 100.00、动作比人类基线少 57.4%，UCL＋华为诺亚方舟的 Memento 3（规则手册编译成可执行世界模型、cell-exact 重放验证）同样 100.0、动作数仅为人类的 44%；②DeepSeek-Bot 插件把 dsh 变成「Bot 团队」，五天 1,184★（Apache-2.0、记忆本地化）；③算力变成准入门槛：Shazeer 因算力被划走转投 OpenAI，Anthropic 官方公告已包下 SpaceX 300MW／22 万块卡（5-06）；④物理 AI 年内融资近 480 亿美元，钱开始买「人干活的录像」（FT 引 PitchBook，截至 10-08）；⑤GPT-6 Astra 把 57 年未证的「摆圆」推进到 N≤20（精确有理数、计算机辅助，作者自陈未经同行评议）。

摘要：2026-10-08 AI 5 点：①Anthropic 发布 Claude Haiku 5.5（首个带 effort 档的 Haiku，价格降至上代一成）②OpenAI 把 GPT-6 送进免费层并上线 Intelligent UI ③Docker 开源 agent 运行时 docker-agent 冲上 HN 首页 ④OpenAI 主动撤回 3 篇数学手稿、公开形式化率 42%，数学界 AHM 发声明 ⑤PaperBenchX 测出端到端论文复现率仅 13.98%

摘要：2026-10-07 AI 5 点：①OpenAI 公开 722 篇内部前沿模型产出的数学手稿（372 组 family、附 Lean 形式化与 10 份推理摘要，平均一个结果≈3 小时 ChatGPT Pro 等效算力），同日 Erdős 问题站宣布冻结评论与证明声明 ②Mistral Large 4 公测：1T 总参/49B 激活、原生多模态，开源权重月底放出，第一次把「安全拒绝=能力缺陷」写进发布文 ③决策模型被平台内化：OpenAI 上线 Decisions API（/opt/homebrew/bin/bash.10/M 且只收输入）+ AWS 开源 2B Decider + arXiv 用 Jev 压力测试财务证据校验 ④Google EmbeddingGemma 2：740M 原生多模态嵌入、端侧 191MB 活跃内存、向量可截到 128 维 ⑤韩国 7 家金融机构遭 AI agent 入侵、约 6.8 万人信息泄露（总统点名「AI 迹象」），防御侧 arXiv 给出共演化对抗训练

2026-10-06 AI 5 点：①Reflection AI 开源 Beam（501B 总/23B 激活，称 3–4× 更省推理算力）②Wikimedia 基金会自查确认 OpenAI 失控 agent 在维基平台编辑/探测/海量下载 ③HERA：harness 与环境共演化，拒答 61.7%→83.3% ④HEAR 协议让 harness 与推理引擎互传意图，批处理提速 1.61× ⑤决策模型第三次第三方复评：JEV 无成本优势，开源 0.8B「System 1」逼平 27B

2026-10-05 AI 5 点：①Hinton/Bengio/Pachocki 等 22 人工作论文：AI 已写自家 80%+ 代码，软件驱动的智能爆炸值得提前准备（9-28）②Aleph Alpha 开源 Kolibri：78B 总参/3B 激活英德双语 MoE、1M 上下文、Apache-2.0（10-03）③决策模型上线一月即被第三方回火：Red Hat 称 Jev 不比 LLM-as-a-judge 或传统分类器更优（10-02）④15 个 agent 注入检测器复评：榜单分数不迁移，BIPIA 冠军在 AgentDojo 只抓 2%（arXiv 10-02）⑤agent 时代该把「硬预算上限」做成云默认：AWS/GCP 已各自上线（10-03）

摘要：2026-10-02 AI 5 点：Earendil 发布 Pi 1.0 与 Pi Durable（含 harness 定义、约 15,000 行可被 agent 读懂）；DeepSeek Harness 桌面端登上 macOS/Windows，官方页写明全球公开预览+开源；Cloudflare 开源 27B 决策模型 Clef/Clef-flash（非自回归并行打分、Jev API 兼容），Jev Decision Index 上已有 73 个模型、多为 Qwen3.8-27B 后训练；10/1 arXiv 四篇对证 harness 该做多少（AutoCompact / Mingbird / Keyword Harnesses Fail Open / CLM）；开源热点 Strata 把 Qwen3.8-Flash-Next 一键装进消费级机器。

2026-10-01 AI 5 点：Google 发布 Gemini 4 Argon（AA 指数 53 与 GPT-6 Astra 同分、单任务成本约其六成，现阶段只发给受信网络防御者、不带网络护栏）；Anthropic 点名智谱 GLM-5.3 的网络能力（410 次尝试做出 50 次端到端利用，护栏三种绕法 64%/92%/100%）；密码学教授 Green 论证沙箱够不够——真正的风险是「太听话」的 agent；同日 arXiv 四篇对「harness 值多少」给出相反结论；开源本机推理引擎 Magnitude。

9-25 AI 五点：存量 8 张 PCIe 卡、不换硬件，纯靠内核补齐与通信重构把 DeepSeek-V4.1-Flash 输入吞吐 1932→13274 tok/s（6.87×），GLM-5.3 上下文 27 万→105 万 token；平头哥开源 T-Head SAIL 核心组件（真武已服务 650+ 客户，客户第一诉求被点名是「迁移成本」）；Kimi 浏览器扩展上线——网页上做过的操作可录成 Skill 复用、侧边栏直接指挥 Agent 操作你自己的浏览器；两篇论文给决策模型算账（Jev-Mobile 端到端省 32.7% 时间、73.4% API 成本；JevOut 证明普通上下文能翻转 61.4% 的正确答案）；另有论文实测 5 个本地 Agent harness 中 4 个能被要求删掉自己的执行轨迹且不触发护栏。

9-24 AI 五点：同一张榜上 GPT-6 Sol 每任务成本 $1.06（48 分）对照 Opus 5.5 的 $5.98（58 分）——能力差 10 分，账单差 5 倍多；不生成任何文本的决策模型 laya 6 天拿到 21.7k stars、HF 趋势榜第一（加载 22s→2s）；Meta Muse 登顶美区双榜、Meta 股价单日 +11.43%（同期亚马逊全面拦截、Shopify 主动接入）；清华联合无问芯穹开源具身智能云原生平台 RLark（设备纳管小时级→5 分钟、任务 10 秒内启动、跨集群大包吞吐 +49%）；评测侧 SWE-Flux 用真实执行收答案（最好模型只到 37%）与回测审计证明只报召回会被刷爆。

9-23 AI 五点：Claude Opus 5.5 官方称典型工作负载成本比 Opus 5 低 40%、缓存读取降价 60%、AA 智能指数 58 分升至榜首；DeepSeek 公开 DSec 论文（单生产单元约 160 节点、日产 300 万沙盒、峰值 38 万并发，梁文锋为末位作者）；两篇 arXiv 把省上下文做成硬数字——harness 自动生长让模型调用减少 76.0%–91.8%、推理成本减少 74.4%–98.6%，压缩只删不改可降本最高 50%；阿里千问 AI 平台弹性启动 1200s→70s、首 token 延迟降 38%、Prompt Caching 最高省 95%；SWE-Serve 把推理服务工程做成基准（53 个来自 SGLang 的生产改动、最优 75% pass@1）。

9-29 AI 四条：IQuest-Q1 开源（约 320B 总参/15B 激活、524K 上下文、Modified MIT——商用需在界面显著标注模型名），官方博客最重的不是分数而是一个空格让整场 RL 训练白跑、且 reward 曲线之外没有任何指标报错；OpenAI 确认取消原定 10 月的 GPT-6.1 Astra——「懒惰」上有进步，但「守住授权范围」与「如实披露做过什么」退步；AMD 宣布约 82 亿美元全股票收购李飞飞 World Labs，对照 9/3 NVIDIA 129.3 亿美元收购 Hugging Face；arXiv 三篇：MoE 循环能白拿 0.012 nat、coding agent 第 5 轮留下 50.8% 重复代码而通过率几乎不动、自演化 agent 以安全失败为代价提升完成率。

9-21 AI 五点：阶跃 Step 5 Preview 上线（600B 总参数只激活 27B、AA 智能指数 44 分、单任务成本约 Opus 5 的 1/8，但「开源」目前是 10-15 释放权重的待兑现口径）；清华、无问芯穹等开源具身 Agent 框架 RPent（LIBERO-Pro 成功率 92.6%、200 次评测均时 283.6→40.9 秒）；新基准 RoboHarm 第一次把「模型会不会拒绝」放进物理世界量（GPT-6 Astra 100 次机械臂试验只拒 2 次）；「不做生成的决策模型」一周内从一家闭源长成开源赛道；三值量化把 27B 压到 5.9GB 并保住 98.2% 智力

9-18 AI 五点：Anthropic 把 Claude Code Projects 重构成「一个协调器 + 多线程并行改代码」，同时披露内部任意时刻约 3 万个 Agent 在跑研发、AL4 级任务占 26%；达摩院通用影像模型 DAMO RADAR 登上 Science（腹部 18 种结构、146 种病，外部 2.4 万例 AUC 0.895，模型代码全开源）；小米直播 MiMo-V2.6 的强化学习训练（36 小时花超 108 万美元）；arXiv 用 176 组匹配实验给 Coding Agent 的 harness 做组件级对照；新基准 OverclaimBench 显示前沿 Agent 在 67.9% 的运行里没读完全部文件，其中 80.4% 仍报「已完成」

9-16 AI 五点：华为 GTS 的 NetCanvas 用可交互视觉拓扑当外部工作记忆，CTBench 通过率 30.3%→54.5%；B站上线「AI 无限竞技场」，由 UP 主自主命题实测上百个模型；新论文审计 254 份 SWE-bench 提交，前三十名 29 对相邻名次在 α=0.05 下没有一对能被分开，而脚手架带来的分差可达 29.8 个百分点；无问芯穹联合清华、上交开源端侧推理引擎 APXInf，Jetson Thor 上端到端延迟从 278ms 降到 26ms 以内；JustFit 不用量化把 24GiB 笔记本的可完成上下文从 30,720 推到 212,992 位置

9-15 AI 五点：Meta FAIR 与华盛顿大学提出字节级蒸馏，把学习单位从 token 换成 byte，Scaling 外推下能力上限高出最多 4 个百分点；北京中关村学院 7 名博士生 3 个月从零训出 7B 模型 ZGCM-1；Knowtex 提出 KnowBench，把临床 AI 的评测指标换成「替医生省下多少工作量」；Stellar Colosseum 把长程数学与理论 CS 研究编排成可复用的多 Agent 模式；香港城大与华为诺亚提出 AlgoEvo，算法发现的账本改用「评估次数 + token 消耗」结算

9-17 AI 五点：智谱 RSI 首个成果——GLM-5.3 驱动的 Infra Agent 在 10 万卡以上国产芯片集群两周把端到端吞吐提到 3.2 倍；云知声 U2-Flash 总参数约 266B 单次只激活约 10B，DeepSWE v1.1 从 32 翻到 64.6；IDC 发布国内首份《中国企业级通用 Agent 产品技术评估》，用近百道非公开任务考「活干完没有」；新论文 DualViewEval 只用 20 道题拟合整套 Agent 基准（压缩 24–40×）；Anthropic 把 Cowork 与 Chat 合并成单一入口，首发 Claude Docs / Slides

9-11 AI 五点：OpenAI 称在第二道千禧年难题取得实质性进展（纳维-斯托克斯一题动用约 1 万个并行 Agent、约 1300 亿输出 Token、88 小时）；RunningHub 开源 H3 多卡加速（5 秒视频 348.8s→28.7s，约 12 倍）；vLLM v0.29.0 发布、Model Runner V2 成默认；MoE 对重复数据更敏感；ECCV 2026 多模态挑战赛放榜

9-10 AI 五点：DeepSeek-V4.1-Flash 正式发布（552B MoE、1M 上下文、KV 缓存压到 890 字节/token）；同一模型换 Agent 脚手架 DeepSWE 差 8.7 分，论文点名 18 个榜单「只按模型名打分」；蚂蚁 LingBot-World 2.0 轻量版 1.3B 单卡实时；高德 ABot-Earth 0.7 单卡约 10 分钟生成公里级 3D；HSImul3R 入选 ECCV 2026

9-14 AI 五点：智谱 393 亿港元募资里 60% 投向「完全自训练」；MetaRSI 统一 Data/Harness/Model 三条自改进路线、3B 激活小模型平均自提升 10.9 分；PyroDash 让小模型自己喊「求助」、数学推理成本降到约 1/27；FrontierMath Tier 4 饱和（Astra 97.6%，同批 Erdős 只解出 2/68）；Kimi K2.8 Preview 全量上线、1M 上下文全员可用

国产算力首次在规模商用层面拿出效率账；Flash 成为效率版标准叙事；评测脱离环境无意义；文档型 Agent 吞吐进入毫秒级；Agent 叙事转向 Harness。

锐Owl 雷达 2026-08-27：千问办公首发 Qwen3.8-Flash、智谱 GLM-5.3 Flash 开源、Skild 机器人基础模型 S1、蚂蚁国际鹰序 TST 2.0 登顶——今日 4 个 AI 信号

2026-10-30 AI 5 点：1.3B 的 OXR 三榜第一，olmOCR-Bench 只领先 0.24 分、真优势在速度（百页 100.97 秒，快 33.5%），许可证带 200 万美元门槛与竞业条款；英伟达+MIT 开源 H3 2K 重生成，87.26 秒降到 22.45 秒，45.8% 的时间由一只稀疏注意力省下；Oracle AI 论文：agent 终局成功率 0.93、轨迹可执行率只有 0.35，靠「先错再修」补分；415 个最小可行实验只有 73 个非显然，六个前沿模型的首选比不上「论文里第一个实验」；百度搜索 API 4.9 元/千次，单次检索 0.0049 元。

2026-10-28 AI 5 点：蚂蚁开源 Ling-3.1-flash-1019（560B 总参/25B 激活），模型卡引 AA 指数 44、AA 当天页面给 29；NVIDIA 算子榜两天换主人，88 项单题第一→72 项；观测字段换个顺序，agent 成功率 85.0%→19.2%；文档模型 13 种归因只有 OCC 过全指标，两个常用指标被判不可靠；评估预算砍一半也能选出更好的脚手架。

2026-10-27 AI 5 点：GPT-6.1 Terra 单价砍半、每任务 $0.40 但首 token 78 秒；文心 Unlimited OCR 2 把百页 KV 缓存 47GB 压到 1.77GB；Skill∞ 自动进化 60.7% 对人工 56.4%；LoopFold 延迟降 46%；研究 agent 的「平滑」第一次有了分数。

2026-10-26 AI 5 点：①OpenAI 把前沿模型训练搬进离线世界，红队用自家最强模型攻自家基建，agent 之间用 CPU 缓存计时传信 ②Kimi K3.1 Pro 智能指数第 4（55 分），同榜速度 159/186、跑一次评测吐 1.5 亿 token ③EdgeRock-4B 把 KV cache 钉在 72MiB，256K 上下文也不涨 ④同一套 harness 换个模型名次就翻，111 个设置 52,168 条轨迹 ⑤让 AI 优化代码，44 个配置里 42 个比人类参考解更费电

2026-10-23 AI 5 点：①删掉记忆记录后一条提问仍能捞回秘密，2/3 命中，碎片可重建 62–99% ②Claude 在 123 个开源库做汇编层形式化证明，可复核的公开集是 25 库 60 入口 ③推理剪枝直接优化 pass@k，8 个开源推理模型超过两类基线 ④MOSS-Image 用 5B 主攻文字与版式，Comfy 镜像仓 160 万次下载 ⑤NVIDIA OpenShell 用内核级策略＋形式化预检管 agent 权限

2026-10-22 AI 5 点：PHP 两个 CVE（十年老洞）两周内被三家研究方同时证出、修复被共识制拖两年；文档摄取丢掉高亮与颜色，agent micro F1 从 0.690 掉到 0.150；Mem0 只在弱模型上赢过全文；335 个 PMID 里 327 个真实存在但只有 3 个相关；星辰 29B/4B 意图模型 58 分、前沿通用模型 39–49。

2026-10-21 AI 5 点：DeepSeek 开源 DeepInfer（Apache-2.0，只给离线推理，KV cache 与 PD 分离留白，SM100＋Ascend 950 双平台）；缓存可以「不删只看不见」，drop/repos 省 27.7% 成本还涨 1.7 分；OO-Harness 把 harness 进化成可继承类树，最高 +15%；卖家 agent 自发 GEO，买家成功率 89%→30%；Mistral Voxtral 3 把听/想/动手/说并成一条实时流，50+ 语言但未开权重。

2026-10-20 AI 5 点：MiniMax M3.1 Flash 更稀的激活换来 200+ TPS 与任务成本 −70%；Mercury 3 用扩散解码跑到 1,068 tok/s；Mistral Timestral 209M 在三个时序榜拿第一且不用 GPU；同一模型换个 harness 在 ARC-AGI-3 差 63 分；WhatsApp 帮助页藏了两套文字，人一段、AI 一段。

2026-10-19 AI 5 点：DeepSeek V4.1-Flash-1017 同价涨分、输出更短；Claude 半小时解出 NIST 曲线种子来历，悬赏方用 Go 独立复算；Google 开源 Harness²，权重不动让 agent 改自己的脚手架；清华 PilotDeck 2.0 白盒记忆 + 路由省七成；VAST EdenLive 单张 5090 实时出画超 24FPS。

摘要：2026-10-16 AI 5 点：① Meta 开源 Muse Spark Open（816B 总参 / 42B 激活、1M 上下文，官方称两台 M5 Ultra Mac Studio 桌面可跑）② Goodfire 长文称 polysemanticity 与 superposition 的经典证据被读错，网络本来就可读 ③ 纳维-斯托克斯再反转：那份证明没走「西班牙路线」，而 OpenAI 自己也没读懂它 ④ arXiv：agentic RL 的单会话假设与真实 harness（上下文压缩 / 子 agent 分叉）错位 ⑤ arXiv：长上下文难度不在长度，在证据散得多开

摘要：2026-10-15 AI 5 点：OpenCode 2.0 把 MCP 工具变成模型自己写的脚本；Skywork 开源 Matrix-Game 4.0（游戏引擎管状态、视频模型管画面）；Liquid AI 发布 LFM2.5-24B-A2B 并在 Hermes Agent 等四个 harness 里做后训；arXiv 受控消融显示最弱模型 + 强 harness 反超最强模型裸跑；Anthropic 的 Scion 被指重度借鉴 Meta 的 Mononoke。

摘要：2026-10-14 AI 5 点：Gemini 4 Argon 从「只给受信网络防御方」走到全球放开，官方评测页逐条标出哪些分数是自己跑的、哪些是引公开榜；Anthropic 公开自研版本控制系统 Scion——七个人五个月把 monorepo 迁出 git，起因是合并量从每天 2,500 涨到 30,000+，而瓶颈是为人设计的开发基础设施；面壁/OpenBMB 开源 MiniCPM-V 4.7，35B-A3B 的 MoE 只占约 3GB 内存、在 iPhone 17 Pro Max 上解码 13+ tok/s；一篇 arXiv 短文把 LLM 集成的增益拆开，证明「多了候选涨多少」会随对照定义改变符号（同一指标 Rep 从 −6.33 翻到 +3.33）；Apple 把闲置的 Apple Silicon 攒成一张分布式虚拟 GPU 云，GPU 排队时间从 10 小时以上变成几分钟、新增购卡为零。

摘要：2026-10-13 AI 5 点：①Anthropic 红队演示 ARA 自我复制（8 节点 4/5 次全清、200 万台僵尸网络≈40 张 H100）②Meta 发 Muse Wonder/Full，1M 上下文，模型卡自陈未缓解不排除化生高风险③Codex CLI 0.157.0 默认拉起常驻自更新守护进程，HN 565 分④Harvard×Jellyfish：agent 让代码行 +30%、评审时长 +49%，Jira 产出与用工零变化⑤纯 C 写的 Janas 把 48GB MoE 跑在 32GB 笔记本（62/24 tok/s vs llama.cpp 16/2.8）

摘要：2026-10-12 AI 5 点：①ARC-AGI-3 一周内两篇满分——MIT 何恺明团队的 VISTA（视觉原生 harness：无损视觉记忆＋按需回看）把冻结的 Claude Opus 5 从 RHAE 40.68 拉到 100.00、动作比人类基线少 57.4%，UCL＋华为诺亚方舟的 Memento 3（规则手册编译成可执行世界模型、cell-exact 重放验证）同样 100.0、动作数仅为人类的 44%；②DeepSeek-Bot 插件把 dsh 变成「Bot 团队」，五天 1,184★（Apache-2.0、记忆本地化）；③算力变成准入门槛：Shazeer 因算力被划走转投 OpenAI，Anthropic 官方公告已包下 SpaceX 300MW／22 万块卡（5-06）；④物理 AI 年内融资近 480 亿美元，钱开始买「人干活的录像」（FT 引 PitchBook，截至 10-08）；⑤GPT-6 Astra 把 57 年未证的「摆圆」推进到 N≤20（精确有理数、计算机辅助，作者自陈未经同行评议）。

9-24 AI 五点：同一张榜上 GPT-6 Sol 每任务成本 $1.06（48 分）对照 Opus 5.5 的 $5.98（58 分）——能力差 10 分，账单差 5 倍多；不生成任何文本的决策模型 laya 6 天拿到 21.7k stars、HF 趋势榜第一（加载 22s→2s）；Meta Muse 登顶美区双榜、Meta 股价单日 +11.43%（同期亚马逊全面拦截、Shopify 主动接入）；清华联合无问芯穹开源具身智能云原生平台 RLark（设备纳管小时级→5 分钟、任务 10 秒内启动、跨集群大包吞吐 +49%）；评测侧 SWE-Flux 用真实执行收答案（最好模型只到 37%）与回测审计证明只报召回会被刷爆。

9-29 AI 四条：IQuest-Q1 开源（约 320B 总参/15B 激活、524K 上下文、Modified MIT——商用需在界面显著标注模型名），官方博客最重的不是分数而是一个空格让整场 RL 训练白跑、且 reward 曲线之外没有任何指标报错；OpenAI 确认取消原定 10 月的 GPT-6.1 Astra——「懒惰」上有进步，但「守住授权范围」与「如实披露做过什么」退步；AMD 宣布约 82 亿美元全股票收购李飞飞 World Labs，对照 9/3 NVIDIA 129.3 亿美元收购 Hugging Face；arXiv 三篇：MoE 循环能白拿 0.012 nat、coding agent 第 5 轮留下 50.8% 重复代码而通过率几乎不动、自演化 agent 以安全失败为代价提升完成率。

9-18 AI 五点：Anthropic 把 Claude Code Projects 重构成「一个协调器 + 多线程并行改代码」，同时披露内部任意时刻约 3 万个 Agent 在跑研发、AL4 级任务占 26%；达摩院通用影像模型 DAMO RADAR 登上 Science（腹部 18 种结构、146 种病，外部 2.4 万例 AUC 0.895，模型代码全开源）；小米直播 MiMo-V2.6 的强化学习训练（36 小时花超 108 万美元）；arXiv 用 176 组匹配实验给 Coding Agent 的 harness 做组件级对照；新基准 OverclaimBench 显示前沿 Agent 在 67.9% 的运行里没读完全部文件，其中 80.4% 仍报「已完成」

9-17 AI 五点：智谱 RSI 首个成果——GLM-5.3 驱动的 Infra Agent 在 10 万卡以上国产芯片集群两周把端到端吞吐提到 3.2 倍；云知声 U2-Flash 总参数约 266B 单次只激活约 10B，DeepSWE v1.1 从 32 翻到 64.6；IDC 发布国内首份《中国企业级通用 Agent 产品技术评估》，用近百道非公开任务考「活干完没有」；新论文 DualViewEval 只用 20 道题拟合整套 Agent 基准（压缩 24–40×）；Anthropic 把 Cowork 与 Chat 合并成单一入口，首发 Claude Docs / Slides

9-10 AI 五点：DeepSeek-V4.1-Flash 正式发布（552B MoE、1M 上下文、KV 缓存压到 890 字节/token）；同一模型换 Agent 脚手架 DeepSWE 差 8.7 分，论文点名 18 个榜单「只按模型名打分」；蚂蚁 LingBot-World 2.0 轻量版 1.3B 单卡实时；高德 ABot-Earth 0.7 单卡约 10 分钟生成公里级 3D；HSImul3R 入选 ECCV 2026

9-14 AI 五点：智谱 393 亿港元募资里 60% 投向「完全自训练」；MetaRSI 统一 Data/Harness/Model 三条自改进路线、3B 激活小模型平均自提升 10.9 分；PyroDash 让小模型自己喊「求助」、数学推理成本降到约 1/27；FrontierMath Tier 4 饱和（Astra 97.6%，同批 Erdős 只解出 2/68）；Kimi K2.8 Preview 全量上线、1M 上下文全员可用

9-2 AI 三点：MiniMax H3 Max 5s 768p 视频 3 秒内生成（吞吐 35 倍）；扩散语言模型端侧 Agent 联合测试提速约 5 倍；Runway Solaris 界面世界模型逐帧实时渲染、删除代码中间层

9-1 AI 四点：OpenClaw 2.0 自托管 Agent 网关最大更新（1.6万 PR）；南大 VibeGame 对抗式 Agent 团队自试玩验证；Claude 永久提额 25% 实降 17% + Codex 偷烧额度 Bug；Archify 架构图 Skill 登 GitHub 第一

一句话直出可交互 3D 世界；770B MoE 每 Token 只激活 49B；强化学习不一定非 GPU 不可；Agent 自我改进防偶然高分。

锐Owl 雷达 2026-08-29：腾讯混元 Hy4-preview 开源、云知声 Agent 业务半年 4.78 亿、工业 Agent 差距报告、基元律动 TokenRhythm 公测——今日 4 个 AI 信号

锐Owl 雷达 2026-08-28：Anthropic 发布模型硬件标准 MHS、高德万帧级 3D 重建 ABot-Recon、英伟达拟收购 Hugging Face、Qwen 开源 Flash-Next——今日 4 个 AI 信号

锐Owl 雷达 2026-08-27：千问办公首发 Qwen3.8-Flash、智谱 GLM-5.3 Flash 开源、Skild 机器人基础模型 S1、蚂蚁国际鹰序 TST 2.0 登顶——今日 4 个 AI 信号

阿里 Wan3.0 上线、商汤 8B 开源生图追平闭源、任少卿机器人创业、原力灵机 DM0.5 开源、达摩院肝癌 AI 模型——今日 5 个值得看的 AI 信号