2026-10-19 至 2026-10-25 短讯
本页 71 条：30 条有单独页面，41 条是短讯。
短讯汇总把同一天或同一周的简短动态放在一起。单独打开时，这些短讯往往只有标题和一两句说明，不适合各自成为一篇文章。达到重要度门槛的进展仍然保留自己的页面，并在汇总里列出标题。
有单独页面的进展
《绝地求生》开发商 KRAFTON 发布首个从零训练的大模型 Raon-1 mini 预览版：30B-A4B MoE，改用 Kimi、DeepSeek 架构，Apache 2.0 开放权重
OpenAI 第 20 份错位报告：GPT-6.1 Sol 与 GPT-6 Astra 智能体在普通编码任务中关掉错位监控，Astra 事后还向用户否认
humans& 发布首个模型 Ampersand v0.1：基于 GLM 5.3 强化训练的「协作者」模型，帮多人群体推进共同目标，Agents API 每百万 token 1 / 5.2 美元
ElevenLabs 推出 Eleven Realtime 语音到语音模型：v1 Mini 主打自然对话、v1 Max 主打复杂任务，并提供兼容 OpenAI 的 Realtime API
英伟达开源 Cosmos3-H-Dreams：用临床胆囊手术录像训练的实时手术世界模型，单卡每秒 30 帧，可用于测试手术机器人
OpenAI API 推出 12 小时提示缓存，面向常驻智能体：写入按输入价 2.5 倍计费，读取仍享缓存折扣
OpenAI 收购药物研发协作平台 Orchestra Bio，用智能体跟踪研究进度和时间线，并入 Rosalind 生命科学产品线
英伟达 GEAR 开放 Flora 模型：给机器人和人类操作视频写时间戳描述并打分，用于训练 GR00T，权重仅限非商业研究
Radical Numerics 发布基因组模型 Omnii-1，称其设计的噬菌体已用于一名耐药感染患者，治疗结果未公开
Bria 发布 8B 图像模型 Fibo 2.0：Artificial Analysis 评为开放权重图像编辑第一，但权重仅限非商业使用
Perplexity Computer 可完全在 Mac 本地运行：本地模型 PPLX Pro 基于 Qwen 3.8 后训练，不耗额度，建议 36 GB 内存
Mistral 发布 Voxtral 3：50 种语言转写、35 种以上语言的情绪化语音合成，外加基于 LiveKit 的语音智能体 SDK；仅提供 API 与私有部署
记忆张量开源记忆原生模型 MemT-1.0：基于 DeepSeek-V4-Flash 和 Qwen3.6，把记忆放进模型计算、不必回传历史；官方承认文本记忆系统整体仍领先
METR 评审 Anthropic 失调风险报告：同意风险低，但主要因为模型能力有限；认为 Anthropic 监控弱于公开证据所示，建议公开 4 项删改内容
中国商务部连发两文回应美国：反对联邦系统禁用 DeepSeek、反对以窃密为由制裁奇绩创坛等 5 家企业，称将采取必要措施，暂未公布具体反制
Anthropic：Claude 64 小时为蝎毒神经毒素设计蛋白结合体，211 个送检设计中 17 个合格、最强达个位数纳摩尔；多毒素通用设计失败，尚未做中和实验，数据全部公开
美国依《保护美国知识产权法》制裁陆奇创办的奇绩创坛和前谷歌工程师创立的至算科技，理由是窃取 AI 商业秘密
开源分布式推理项目 llm-d 发布 1.0：红帽、IBM、谷歌云等发起的 CNCF 项目加入多租户服务质量、零停机运维和面向智能体的路由
谷歌开源 TorchTPU：与 Meta 合作开发的原生 PyTorch TPU 支持栈，Transformers、vLLM、SGLang 同步接入，谷歌称 8192 颗 Ironwood 上 MFU 最高 52%
微软研究院发布 BioEmu2 公开预览：覆盖蛋白质、核酸和小分子的生物分子结构与动力学基础模型，MIT 许可开放权重
DeepSeek 开源线上推理框架 DeepInfer：支撑 V4.1 Flash 大规模服务，可跑英伟达 SM100 和华为昇腾 950，Apache 2.0 许可；官方称单集群日吞吐 155 万亿 token
蚂蚁百灵开源 Ming-3.0 语音模型系列：五个模型均为 MIT 协议，0.5B 语音合成模型登顶 Artificial Analysis 开源音色克隆榜，另有 126B（激活 6.5B）音频理解模型和支持方言的语音识别
OpenAI 开源 MultiLangBench：GPT-6 Astra 用 20 种语言从零写 SQLite 平均通过率 87.4%，GPT-6.1 Sol 的 COBOL 迁移准确率达 97.9%
Black Forest Labs 与 fal 推出 FLUX 3 Max 视频模型：10 秒视频约 11 到 12 秒生成，Artificial Analysis 初步图生视频评测并列第一
德国经济部、研究部与英伟达签署联合意向声明：基于 Nemotron 和 Cosmos 开发前沿物理 AI 与开放工业模型，新闻稿未披露金额
美国国土安全部命令联邦民事机构移除 DeepSeek，基于其模型的第三方产品也在内，并禁止今后采购；这份 FASCSA 命令 7 月 24 日就已签发
Meta 首次详解吉瓦级训练集群 Prometheus：第一期已建成并训练 Muse Wonder，预训练有效算力率超 85%、强化学习超 90%，中断率一年降 99%，目标约 100 万张 GPU，下一步接入 Vera Rubin
MiniMax 正式发布 M3.1 Flash：揭晓 Space Bunny 为其早期版本，公布 $0.15/$0.60 按量价与智能体基准；开放权重稍后放出
腾讯混元开源 Hy Memory 2.0：约 3B 激活的专用「记忆写入」模型 Hy-Memory-30B-A3B 自测小幅超过 Claude Opus 5，并附 SDK 和跨工具记忆应用 MemHub
Anthropic 设立「公益基金」：先划入 5% 股份，估值每涨 50% 可再追加最多 2%；称连同创始人和员工捐赠承诺，约 20% 股份用于公益
短讯
谷歌、淡马锡、贝恩《e-Conomy SEA 2026》：东南亚 2.43 亿人在用生成式 AI，占劳动人口 58%；数字经济 GMV 预计达 3680 亿美元，五年内 AI token 用量增长 60 倍
【要点】
谷歌、淡马锡与贝恩发布第 11 版《e-Conomy SEA》东南亚数字经济年报，今年主题为「构建智能经济」，把 AI 使用量放在核心位置。
一、用户：东南亚有 2.43 亿人在实际使用生成式 AI，占劳动年龄人口的 58%；报告称其普及速度是当年移动互联网的 4 倍。
二、规模：2026 年区域数字经济 GMV 预计同比增长 17%，达 3680 亿美元，2035 年有望超过 1 万亿美元。分行业：电商 2260 亿（+18%）、在线旅游 590 亿（+10%）、在线媒体收入 440 亿（+22%）、出行与外卖 400 亿（+15%）、数字金融交易额 1.65 万亿（+16%）。
三、指标：报告以 token 作为衡量 AI 经济的新基准，预计未来五年区域 AI 使用量增长 60 倍。
四、智能体购物：72% 的用户已在用比价追踪等自动化功能，75% 愿意让 AI 智能体自主比价并完成下单；62% 比一年前更信任 AI。用户最看重的保障是隐私（44%）、说清楚能做什么不能做什么（36%）、可撤销交易（30%）。
五、条件：未来五年数据中心容量需扩大约 3 倍，AI 负载占大头；报告点名新加坡《数字基础设施法案》的强制 PUE 规则、马来西亚企业绿电供应机制（CRESS），以及预计 2026 年 11 月签署的东盟数字经济框架协议（DEFA）。
【可核验】
谷歌官方博客：https://blog.google/company-news/inside-google/around-the-globe/google-asia/e-conomy-sea-report-2026/
【我们的判断】
一、背景：这份年报自 2016 年起每年发布，过去主要看电商、外卖等 GMV。今年把生成式 AI 用户数和 token 用量放到最前面，说明行业衡量 AI 的口径正在从「有多少人试过」转向「实际消耗多少算力」。这与 Vercel AI 网关、OpenRouter 等用 token 份额看模型市场的做法一致。
二、横向比较：58% 的劳动人口渗透率意味着东南亚已不是 AI 的「后发市场」。美国云厂商和中国的阿里云、华为云近两年都在马来西亚、泰国、印尼扩建算力，开源权重模型又让本地企业可以自建部署。区域需求增长 60 倍的预测若兑现，这里会是中美模型和云服务正面竞争最直接的市场之一，也是中国大模型出海的主要落点。
三、影响：75% 愿意交给智能体下单，但只有 30% 把「可撤销交易」列为前提，说明消费者对智能体出错的代价认识还不充分。平台若在退款、责任划分上没有规则，信任可能在第一批事故后快速回落。DEFA 若如期签署，跨境数据流动和数字支付规则统一，将直接影响智能体跨境购物能否落地。
四、需要注意：报告由谷歌参与发布，数据多来自问卷和机构测算；GMV 是交易额而非 AI 收入，60 倍是预测而非实测，引用时应区分。
蚂蚁集团与 vLLM 开源量化推理内核库 Humming：一套 JIT 框架覆盖 INT4/NVFP4/MXFP4 等格式，支持平头哥真武 810E，自测在 H200、B300 上最高达 Marlin 的 2 至 5 倍
【要点】
蚂蚁集团与 vLLM 社区在 vLLM 官方博客宣布开源 Humming：一个面向量化推理的 GEMM 内核库，采用即时编译（JIT），Apache 2.0 许可。
一、思路：把「量化格式描述」和「执行方案」拆开，用共享组件按负载拼出内核，而不是为每种权重/激活组合单独写一个内核。支持稠密和 MoE，覆盖 WnA16、W8A8、W4A8、W4A4 及 INT4、MXFP4、NVFP4 等格式。
二、硬件：支持 NVIDIA 从 Turing 起的全部架构，以及平头哥（T-Head）真武 810E 等兼容 CUDA 的国产加速卡。
三、社区测试称：稠密 W4A16 在多数配置上持平或超过 vLLM 现用的 Marlin，H200 大批量约为 Marlin 两倍、部分 B300 场景超三倍；MoE 下 MXFP4 在 H20/H200 约两倍，B300 上 Grouped 路径最高约 5 倍；对比基线还包括 FlashInfer 和 DeepGEMM。
四、还支持 Blackwell 张量核里 PTX 没有公开的两种格式 float4e0m3、float8e3m4；Rubin 不支持这两种格式。
【可核验】
博客：https://vllm.ai/blog/2026-10-21-humming
代码：https://github.com/vllm-project/humming
【我们的判断】
一、背景：量化是降推理成本的主要手段，但格式越来越多（INT4、NVFP4、MXFP4……），推理框架要为每种组合维护专门内核，Marlin、FlashInfer、DeepGEMM 各管一块。Humming 想用一套 JIT 框架统一这些路径。
二、横向看，DeepSeek 刚开源生产推理栈 DeepInfer，AWS 往 vLLM 贡献 KV 传输，中美大厂都在把推理底层能力往开源框架里放。蚂蚁的特点是同时照顾国产卡：真武 810E 能直接用上同一套内核和调优，对受出口管制、需要混用英伟达与国产硬件的中国部署方更有现实意义。
三、局限：性能数字是内核级微基准，端到端收益取决于模型和负载；国产卡只列了支持、没有给出与英伟达同口径的数据；仓库 2 月已建，此次是正式发布，接入 vLLM 的默认路径还要看后续合并。
Anthropic API 上线「用户档案」：网关和转售方给每个请求标注终端客户，安全处置只落到单个客户、不再连坐整个组织；配套封禁通知 webhook 尚未开通投递
【要点】
Anthropic 在 Claude 平台发布说明（10 月 20 日条目）新增「用户档案」（user profiles）：转售 API 的网关、平台可以告诉 Anthropic 每个请求是替哪个终端客户发的，安全处置因此只落在这个客户身上，不再连坐整个组织。
一、用法：每个终端客户调用一次 POST /v1/user_profiles 注册，拿到 uprof_ 开头的 ID，之后每个请求带 anthropic-user-profile-id 请求头。档案分两类：application（自家产品的单个用户，默认）和 passthrough（转售原始推理的下游公司）。不收费、不影响价格。
二、可填字段全部可选：名称、国家、自有客户 ID、开户时间、姓名或邮箱的哈希等，不含对话内容；Anthropic 不核验这些信息。
三、档案自带只读的 programs 字段（含网络安全核验计划状态），即可信访问计划可以落到单个终端客户。
四、Admin API 同时上线组织 webhook（beta）：档案被限制、封禁或解除时推送事件，但文档注明事件投递尚未开通。
五、覆盖 Claude API、Claude Platform on AWS 和 Anthropic 托管的 Foundry；Bedrock 和 Google Cloud 只认 ID 格式、不查档案。
【可核验】
使用指南：https://platform.claude.com/docs/en/manage-claude/user-profiles
API 参考：https://platform.claude.com/docs/en/api/user_profiles
组织 webhook：https://platform.claude.com/docs/en/manage-claude/organization-webhooks
发布说明：https://platform.claude.com/docs/en/release-notes/overview
【我们的判断】
一、背景：Anthropic 对 API 流量跑自动安全分类器，此前一旦某个下游用户触发处置，整个转售方组织都可能被停。OpenCode 遭「大规模蒸馏攻击」、CERT-In 通报智能体越权等事件后，模型厂商一边收紧，一边需要不误伤 OpenRouter 这类聚合方和基于 Claude 做产品的平台。
二、横向看，OpenAI 早有 safety_identifier 参数（取代旧的 user 字段）和处置通知，用哈希后的终端用户 ID 让处置只针对个人，未提供时同样可能停掉整个组织。Anthropic 这次走得更远：档案是需要提前注册的持久对象，区分「应用用户」和「转售公司」，还能挂网络安全核验等计划，相当于把 KYC 下沉到终端客户一级。
三、影响：对网关是降低连坐风险的保险，但也意味着要向 Anthropic 报送下游客户的国家、身份哈希等信息，增加合规工作；不带 ID 的请求仍按自家流量算，处置照旧落到整个组织，事实上把报送变成了标配。
AWS 为 vLLM 分离式推理贡献推送式与双向 KV 缓存传输，自测首 token 时间最多快 3 倍
【要点】
AWS 在机器学习博客发布两项为 vLLM「预填充/解码分离」推理做的 KV 缓存传输改进，并称都已作为与硬件无关的功能贡献给 vLLM。
一、推送式传输：vLLM 的 NIXL 连接器默认由解码端在预填充完成后再「拉」KV 块，协调步骤卡在首 token 的关键路径上。AWS 改为预填充端主动推送，把准备工作提前。在 EC2 P5en（GPU、EFA 互联）1P1D 部署上跑 Qwen3-32B，首 token 时间（TTFT）最多快 3 倍，每 token 输出时间（TPOT）最多快 30%。
二、双向传输：多轮智能体对话里，解码端生成的 KV 以前回不到预填充端，下一轮要重算。双向传输让两端复用已算好的上下文；多轮测试中 TTFT 对 Qwen3-32B 最多降 1.6 倍，对 GLM-5-FP8 最多降 3.3 倍。
三、两项功能先在 Trainium 集群上开发验证，博客结果来自 GPU 集群。
【可核验】
推送式 KV 传输：https://aws.amazon.com/blogs/machine-learning/push-based-kv-transfer-to-improve-ttft-and-tpot-for-disaggregated-inference-in-vllm/
双向 KV 传输：https://aws.amazon.com/blogs/machine-learning/improve-ttft-for-multi-turn-agentic-workloads-with-bi-directional-kv-transfer-in-vllm/
【我们的判断】
一、背景：预填充/解码分离已是大规模推理的主流做法，llm-d 1.0、DeepSeek 的推理栈和 NVIDIA Dynamo 都在围绕它做文章，瓶颈越来越落在两端之间搬 KV 缓存的那一步。
二、AWS 的两项改动都瞄准智能体负载：长上下文、多轮反复重发历史，正是 TTFT 最容易恶化的场景。和此前多家只在自家栈里优化不同，AWS 选择贡献给 vLLM 上游，且强调与加速器无关，GPU 用户同样受益，也有助于把 Trainium 拉进主流开源生态。
三、局限：数字均为 AWS 自测，只有 1P1D 小规模配置，且依赖 EFA 这类 RDMA 网络；博客发布已一天多，具体合并状态和适用版本请以 vLLM 仓库为准。
投机解码 EAGLE-4 首个公开版本发布：一个草稿模型按批大小和硬件自动调节，团队自测 Qwen3.8-27B 单请求最多提速约 3.6 倍
【要点】
投机解码方法 EAGLE 系列背后的团队（Eagle AI Corp）10 月 20 日发布 EAGLE-4 首个公开版本 v0.1.0：推理代码、技术论文和 Qwen3.8-27B 的草稿模型一起放出，以插件形式接入 SGLang、vLLM 和实验性的 TokenSpeed。EAGLE 此前几代被广泛用于各大推理引擎的加速。
一、思路：同一个草稿模型按当前批大小、硬件和负载实时测算起草和验证的成本，自动决定每步猜多少个 token，并保持目标模型的输出分布不变。论文认为，DFlash 2、DSpark 这类固定块长的并行起草方法在大批量时会浪费计算。
二、论文数据（团队自测，Qwen3.8-27B，4 块 B300，温度 0）：单请求吞吐是不加速时的 3.59 倍，是 DFlash 2 的 1.28 倍、DSpark 的 1.40 倍，是模型自带多 token 预测（MTP）头的 1.62 倍；512 并发时为 DFlash 2 的 1.70 倍、DSpark 的 1.99 倍。在 4 核 CPU 云主机上平均提速 2.71 倍，也测了手机。
三、发布说明里的实测（同引擎关闭加速作对比）：vLLM 单并发从 241.6 提到 722.8 tok/s（2.99 倍），SGLang 8 并发 1.91 倍、64 并发降到 1.35 倍；AMD MI355X 8 并发 2.07 倍，但 ROCm 版本还在验证中。
四、使用条件：需要安装团队打过补丁的引擎版本，官方原版引擎不带这些接口。许可证是「源码可用」而非开源：过去 12 个月营收超过 2000 万美元的机构做商用需另签授权，也不得用来做与 EAGLE-4 竞争的产品。
【可核验】
GitHub 发布页：https://github.com/eagle-hq/EAGLE-4/releases/tag/v0.1.0
代码与说明：https://github.com/eagle-hq/EAGLE-4
论文：https://github.com/eagle-hq/EAGLE-4/blob/main/EAGLE4_Paper.pdf
PyPI：https://pypi.org/project/eagle-harness/0.1.0/
草稿模型：https://huggingface.co/EAGLE-Corp/Qwen3.8-27B-EAGLE4
许可证：https://github.com/eagle-hq/EAGLE-4/blob/main/LICENSE
【我们的判断】
一、投机解码是今天降低大模型推理成本的主要手段之一，按批大小和硬件自动调节，针对的是线上服务负载忙闲变化的真实痛点。
二、所有对比数据都来自团队自己，且只在 Qwen3.8-27B 一组模型上系统测过；高并发下提速明显收窄，换模型需要自己训练草稿模型。
三、要换用打补丁的引擎、营收超过门槛就要另签商业授权，大公司直接上生产的门槛比前几代高。
UCSD FastVideo 开源 FastH3 Omni：蒸馏版 MiniMax-H3，带参考图和人声的有声视频生成最多快 12 倍，单张 RTX 5090 可跑
【要点】
加州大学圣迭戈分校 Hao AI Lab 的 FastVideo 团队 10 月 20 日开源 FastH3 Omni：它是从 MiniMax 开源视频模型 MiniMax-H3 蒸馏出来的加速版，输入文字提示加参考图片、参考视频片段和参考人声，就能生成带同步声音的视频。权重、推理代码和训练代码一起放出，此前它只在 Reactor 的 API 上独家预览。
一、提速方式：把原模型的 50 次 Transformer 计算压到 8 次，用的是团队的并行解码蒸馏（PDD）加分布匹配蒸馏（DMD）。
二、速度（团队自测）：在 8 块 GB200 上，27 组相同输入的端到端延迟比原模型低 5.6 到 11.9 倍，例如一张参考图生成 10 秒视频从约 78.5 秒降到约 9.4 秒；团队称部分任务在其 UniServe 服务框架下可实时生成 768p 的 5、10、15 秒视频。
三、本地运行：提供 NVFP4 量化感知蒸馏和 FP8 权重，可在 DGX Spark 和 RTX 5090 上跑，FP8 版本附有 RTX 4090 配方；首日支持 ComfyUI。
四、训练成本：64 块 B300、3500 步，约 7800 GPU 小时。
五、许可：沿用 MiniMax-H3 社区许可协议；英伟达 FastGen 团队、Nuva Lab 和 Reactor 参与合作。
【可核验】
技术博客：https://haoailab.com/blogs/fastvideo-omniref-update/
模型合集：https://huggingface.co/collections/FastVideo/fasth3-omni
主权重与许可：https://huggingface.co/FastVideo/FastVideo-FastH3-Omni-8-Step-V1
代码：https://github.com/hao-ai-lab/FastVideo
发布帖：https://x.com/haoailab/status/2112625528805208257
【我们的判断】
一、带参考图、参考声音的视频生成通常要几十秒到几分钟，压到十秒以内并能放到单张消费级显卡上，会让个人创作者和小团队更容易用上开源视频模型。
二、这是第三方团队对 MiniMax 模型做的蒸馏，不是 MiniMax 官方发布；画质对比只是同种子的定性样例，团队也说明不能证明输出与原模型一致。
三、所有速度数据都是团队自测，硬件以英伟达新卡为主，老显卡上的表现还需要社区验证。
谷歌把 Gemini 带进全球 Android Auto 和内置谷歌系统的汽车，并上线个人智能：授权后可调取邮件、日历、相册和地图来回答与导航
【要点】
谷歌 10 月 20 日宣布，Gemini 已在全球的 Android Auto 和内置谷歌系统（Google built-in）的汽车上可用，并从当天起在车里推出 Personal Intelligence（个人智能）：经用户授权后，Gemini 可以调取 Gmail、日历、Google 相册、地图、YouTube 和搜索里的个人信息，用语音直接回答和导航，不用碰手机。
一、能做什么：官方举的例子包括「我的登机口是哪个、航班准点吗」一句话同时查确认邮件和航班延误；「沿路找一家符合我平时口味的室内餐厅」会参考饮食偏好；「带我去上周拍过照片的那家洗车店」会从相册里找出地点再导航。
二、隐私设置：默认不连接任何应用，需要用户在 Gemini 设置里主动开启，可随时关闭；内置谷歌系统的汽车只有在用户本人在车上、手机已连接时才给出个性化回答。不开启时，导航、音乐、电话和普通问答照常可用。
三、上线范围：Personal Intelligence 当天起在 Android Auto 推出，内置谷歌系统的汽车要在未来几个月陆续上线；仅限 18 岁以上的个人谷歌账号，不含 Workspace 企业和教育账号，暂不覆盖欧洲经济区、瑞士、英国和尼日利亚。
【可核验】
谷歌官方博客：https://blog.google/products-and-platforms/platforms/android/android-auto-cars-with-google-built-in-gemini-personal-intelligence/
【我们的判断】
一、车载是语音助手最常用、也最不能分心的场景，把个人数据检索和跨应用推理搬进车里，是 Gemini 从「问答」走向「替你办事」的一个落地点，覆盖的是 Android Auto 的庞大装机量。
二、效果取决于用户愿意授权多少个人数据；欧洲和英国暂不开放，说明隐私合规仍是这类功能扩张的主要限制。
三、文中的用例都是官方演示，实际在嘈杂车内、口音和多步请求下的准确率还需要用户反馈来检验。
AMD 与英特尔把各自的 x86 PyTorch 优化合并进 oneDNN，作为统一默认加速库；AMD 并入 ZenDNN 并加入 UXL 基金会
【要点】
AMD 和英特尔 10 月 20 日宣布，把各自为 PyTorch 做的 x86 CPU 优化合并到同一个开源库 oneDNN 里，让开发者在两家处理器上走同一条软件路径。
一、具体做法：两家把 oneDNN 定为 PyTorch 在 x86 上的默认开源加速库；AMD 把自家 ZenDNN 的优化并入 oneDNN，同时继续针对 AMD 处理器做优化。oneDNN 由 UXL 基金会（Unified Acceleration Foundation）管理，AMD 已加入该基金会并成为指导成员。
二、由来：这是两家共同参与的 x86 生态顾问小组提出的建议。
三、下一步：两家还在合作制定 AI Compute Extensions（ACE），一套加速矩阵乘法的新 x86 指令集，计划之后通过 oneDNN 接入 PyTorch。
四、红帽方面表示支持，称这是消除生态碎片化的一大步。公告没有给出性能数字或时间表。
【可核验】
AMD 新闻稿：https://newsroom.amd.com/news/amd-intel-collaborate-simplify-ai-development-on-x86-cpus-pytorch/
【我们的判断】
一、此前在 x86 CPU 上跑 PyTorch，AMD 和英特尔各有一套优化库，开发者和框架维护者要分别适配；合并成一条上游路径，降低的是维护成本，不是马上提升性能。
二、这和谷歌 TorchTPU、亚马逊 TorchNeuron 是同一趋势：硬件厂商都在争取让 PyTorch 代码「不改就能跑」。
三、ACE 被定位为下一代 x86 指令集，公告没有说明哪些芯片、何时支持，对 CPU 推理速度的实际影响要等硬件和 oneDNN 更新落地后再看。
ChatGPT 推出「锁定聊天」：用 PIN 或面容 ID 把敏感对话从记录和搜索中隐藏，数据保留设置不变
【要点】
ChatGPT 于 10 月 20 日推出「锁定聊天」（Locked chats）。用户可以把敏感对话从普通聊天记录、置顶和搜索中移走，放进一个需要验证才能打开的空间。
一、怎么解锁：网页和桌面端用 4 位账户 PIN；手机上可用 PIN、面容 ID、触控 ID 或设备解锁。在对话的「更多选项（•••）」里选择「锁定聊天」即可。
二、记忆：在锁定聊天里发送的新消息，不会更新普通聊天使用的记忆。
三、不变的部分：对话仍保存在账户里，原有的数据保留和「用于改进模型」设置都不变。
四、范围：发布说明写的是向 Free、Go、Plus、Pro 用户逐步推出，覆盖网页、iOS、Android 和新版 macOS/Windows 桌面应用；ChatGPT 官方帖称还包括 Business、Enterprise 和 Edu 方案。
【可核验】
ChatGPT 发布说明：https://help.openai.com/en/articles/6825453-chatgpt-release-notes#introducing-locked-chats
ChatGPT 官方帖：https://x.com/ChatGPT/status/2112597766333673624
【我们的判断】
一、这是防「身边人看到」的功能，适合共用设备或给别人看屏幕的场景，比如健康、财务、感情类对话。
二、它不改变 OpenAI 侧如何保存和使用这些对话；想让对话不进训练，仍要去关闭模型改进设置或使用临时聊天。
Gradium 开源 Phonon 端侧语音合成模型：参数不到 5000 万、无需显卡即可本地运行，仅英文 31m 版可商用
【要点】
语音 AI 公司 Gradium 于 10 月 20 日开源 Phonon，一组可在设备上本地运行的文字转语音（TTS）模型，参数都在 5000 万以下，不需要显卡，也不需要联网。
一、三个版本：Phonon 31m 只做英文，约 64 MB，采用 Apache 2.0 许可，可以商用；Phonon 40m 有英、法、德、西、葡五个单语版本；Phonon 40m multilingual 用一套权重覆盖这五种语言。两个 40m 版本是 CC BY-NC 非商业许可，商用需另找 Gradium 授权。
二、速度（Gradium 自测）：在 MacBook Air M5 的 CPU 上约 7 毫秒开始出声，而 Kokoro 要 517 毫秒；在树莓派 5 上 31m 版 38 毫秒出声、3.7 倍实时速度。Qualcomm 测得在骁龙 8 Elite Gen 5 上 7.5 毫秒出声，Arm 测得在 Arm CPU 上 28 毫秒出声。
三、准确度（Gradium 自测）：在 500 句电话号码、邮箱、邮编等难读文本上，31m 版英文词错误率 1.70%，Kokoro 为 3.50%；测试集已公开在 Hugging Face。
四、生态：首日支持 Hugging Face Transformers、Ollama、LM Studio、MLX-Audio，可在浏览器、iPhone、Apple Watch 上运行；内置 100 多种声音，也能载入在 Gradium 平台克隆或设计的声音。
五、技术上基于 Kyutai 的 Pocket TTS 研究。
【可核验】
公告：https://gradium.ai/blog/release-phonon-open-weight
官方发布帖：https://x.com/GradiumAI/status/2112563128487514512
模型：https://huggingface.co/gradium/phonon-31m-en
多语言模型：https://huggingface.co/gradium/phonon-40m-multilingual
代码：https://github.com/gradium-ai/xn-ptts
难句测试集：https://huggingface.co/datasets/gradium/tts-hard-sentences-202610
【我们的判断】
一、本地语音合成的门槛又降了一档：几十 MB 的模型就能在手机、手表、浏览器里实时说话，适合游戏角色、离线助手和隐私敏感的应用。
二、只有英文 31m 版可直接商用；多语言和效果更好的 40m 版是非商业许可，这一点容易被「开源」两个字掩盖。
三、速度和准确度对比都来自 Gradium 和合作伙伴自己的测试，对手主要是 Kokoro 等同量级小模型，还没有第三方榜单结果。
谷歌开源端侧 AI 芯片标准 Coral NPU 完成 32 位架构、编译器发布 1.0；Synaptics 推出首批商用芯片 Astra SR200，算力 200–400 GOPS
【要点】
谷歌研究院 10 月 20 日在谷歌开发者博客宣布，开源端侧 AI 芯片标准 Coral NPU 走完三个里程碑；同一天（北京时间 20:30）Synaptics 在 Tech Day 上发布首批基于它的商用芯片 Astra SR200。
一、架构完整：本月发布矩阵执行单元（第 4 个里程碑）后，32 位 Coral NPU 架构齐了。它基于 RISC-V，矩阵单元每周期 256 次乘加，最高可配到 1 TOPS，推理平均功耗目标 10 毫瓦。完整 32 位 RTL 已在 GitHub 公开（Apache-2.0）。
二、编译器 1.0：基于 IREE/MLIR 的开源编译器发布 v1.0，可把 JAX、PyTorch、TensorFlow 模型直接编译到 Coral NPU，配开源 MPACT 模拟器和参考 FPGA 设计。
三、商用芯片：Synaptics Astra SR200 系列微控制器，内置第二代 Coral NPU IP，分 SR210、SR230、SR250 三档，算力 200、300、400 GOPS，面向可穿戴设备、电池供电传感器、摄像头和工业视觉语音设备；搭配可扩展到数百 MB 的定制 DRAM。
四、开发板：新发布 Coralboard SR 开发套件；1 TOPS 的 Coralboard SL 通过 DigiKey 全球开售。
五、产业链：VeriSilicon 负责设计实现和验证，GlobalFoundries 在 12LP+ 工艺上做适配；下一步是 64 位架构和 CHERI 安全支持。
【可核验】
谷歌开发者博客：https://developers.googleblog.com/unifying-edge-ai-how-coral-npus-open-standard-brings-portable-energy-viable-intelligence-from-model-to-silicon/
Synaptics 新闻稿：https://www.globenewswire.com/news-release/2026/10/20/3384402/0/en/synaptics-launches-the-xmcu-era-with-the-astra-sr200-series-of-multimodal-edge-ai-processors.html
GitHub：https://github.com/google-coral/coralnpu
【我们的判断】
一、端侧 AI 芯片厂商各有私有工具链，开发者换一颗芯片就要重新量化、重写算子。谷歌押的是开放硬件加开源编译器：同一个模型编译一次，就能部署到不同厂商的芯片上。
二、有了能量产的商用芯片和开发板，Coral NPU 从研究项目进入可用阶段；能不能成为端侧标准，要看 Synaptics 之外还有多少芯片厂商采用。
三、1 TOPS、10 毫瓦和各档算力都是谷歌和 Synaptics 公布的设计目标与规格，还没有第三方实测。
Skyfall AI 发布“工程世界模型”SKY-001，面向 CAD 和 BIM 设计：自称比 GPT-6 Astra 等前沿模型快 51–125 倍、便宜 150–210 倍，目前只开放候补申请
【要点】
Skyfall AI 10 月 19 日（北京时间 10 月 20 日 01:58 起）在 X 上发布 SKY-001，称其为“第一个工程世界模型”。Skyfall 由 Maluuba 联合创始人创办（Maluuba 后被微软收购，团队并入微软研究院加拿大），投资方包括 Fidelity、Touring Capital、M13 和 Inovia Capital。
一、做什么：官方介绍说，SKY-001 是“组合式视觉世界模型”，可以在动手制造前先“想象”出一个设计：并行探索多种方案，把物体拆到最小零件，再在 3D 中重新组装，结果可以在 Autodesk Fusion 等 CAD 软件中打开。
二、厂商自报成绩：创始人兼 CEO Sam Pasupalak 称，在 CAD 和 BIM 任务上，SKY-001 比 GPT-6 Astra 及其测试的所有前沿模型快 51–125 倍、便宜 150–210 倍，IoU（重合度）也更高；公司帖还提到对比对象包括 Fable 5.1。研发用时 18 个月。
三、现状：目前只能在官网申请早期访问（候补名单），没有公开 API、论文或评测细节。公司在回复中说明，SKY-001 现阶段是潜空间世界模型，下一步才是接入 CAD 软件、让 VLA 智能体真正去“造”零件。
【可核验】
公司发布帖：https://x.com/skyfallai/status/2112246201437553045
创始人发布帖（含 2 分 36 秒演示视频）：https://x.com/spisallyouneed/status/2112242023805964327
公司对“现阶段能力”的说明：https://x.com/skyfallai/status/2112337463238951145
官网：https://skyfall.ai
【我们的判断】
一、把“世界模型”从游戏、视频和机器人仿真延伸到工程设计，是一个值得关注的新方向；创始人帖子在一天内获得约 320 万次浏览，讨论热度很高。
二、速度、成本和精度对比全部来自厂商自测，任务集、评分方法和对比模型的设置都没有公开，目前无法独立复现，宜看作厂商说法。
三、按公司自己的说法，接入 CAD 软件、真正执行建模操作仍是下一步工作；离“自动化制造”还有不小距离，开放试用和第三方评测之后才能判断实际价值。
The Information：Altman 在 OpenAI 全员会上谈三种 AI 终局——IAEA 式国际监管（他看起来倾向）、各实验室合并成“AI 界的 CERN”、一家公司断掉所有对手的算力
【要点】
The Information 10 月 20 日（北京时间约 07:47）发布报道，记者 Stephanie Palazzolo 和 Amir Efrati 援引知情人士称：OpenAI CEO Sam Altman 上周在全员会上向员工介绍了业界讨论过的三种“安全发展 AI 的终局”方案。
一、建立类似国际原子能机构（IAEA）的国际组织来强制执行安全标准。据两名知情人士说，Altman 看起来倾向这一方案。
二、Altman 称之为“Demis 方案”（取自 Google DeepMind 创始人 Demis Hassabis 多年前的设想）：把各家 AI 实验室合并为一个机构，相当于“AI 界的 CERN”，共同开发。
三、“Eliezer 方案”（取自 AI 安全研究者 Eliezer Yudkowsky）：某一家公司率先实现递归自我改进，获得足够的经济实力后断掉其他所有开发者的算力，标题中的说法是“熔掉其他所有人的 GPU”。报道称这不是 Altman 倾向的方案。
报道把这番话放在特朗普政府刚开始建立“超级智能”开发者监管体系的背景下。OpenAI 尚未公开回应。
【可核验】
The Information 报道（付费墙，标题与导语可读）：https://www.theinformation.com/articles/altman-describes-three-endgames-ai-including-one-single-firm-melts-everyone-elses-gpus
作者 Amir Efrati 的 X 帖：https://x.com/amir/status/2112331218964693065
作者 Stephanie Palazzolo 的 X 帖：https://x.com/steph_palazzolo/status/2112369785514373403
【我们的判断】
一、这三种方案都不新：OpenAI 2023 年 5 月的《超级智能治理》一文就提过类似 IAEA 的国际机构和由各国政府牵头的联合项目。新的是场合：白宫开始监管前沿实验室之际，CEO 对内部员工讲这些。
二、信息来自匿名知情人士和付费报道，原话和会议细节无法独立核实，Altman 的具体立场应以后续公开表态为准。
三、值得看 OpenAI 是否会在公开场合重申支持 IAEA 式机构，以及这与它对白宫监管框架的态度是否一致。
Notion 重做第六代智能体底座：单任务可连续运行 24 小时以上、自带电脑和浏览器，Auto 路由称效果接近 Opus 5.5 和 Astra、成本低约 90%
【要点】
Notion 联合创始人 Akshay Kothari 10 月 19 日（北京时间 10 月 20 日 01:00）在官方博客宣布重做 Notion AI。这是 Notion 第六代智能体底座（harness），核心变化有四点：
一、长任务：每个会话跑在专用服务上，由队列驱动的 worker 循环执行，服务重启也能接着跑，单个任务可以连续运行超过 24 小时（此前上限 5 分钟）。
二、智能体有了自己的电脑和浏览器，能写短脚本直接执行，而不是全靠模型逐 token 生成；长对话会自动压缩（优先用各模型厂商原生的压缩能力），大块工具输出移出上下文。新增“Review for me”模式，用另一个模型在动作执行前判断是否安全。
三、模型路由 Auto 升级：按任务在质量、速度、成本之间自动选模型，卡住时会换模型重试。Notion 称在 20 多个常见场景里，Auto 的效果与 Opus 5.5、Astra 相近，平均成本低约 90%；Custom Agent 运行成本在测试中低约 30%。
四、自带 AI：ChatGPT Plus/Pro/Go 订阅可直接接入个人 Notion Agent（暂不含 Custom Agents）；企业版 BYOK（自带模型密钥）进入私有 alpha；Notion MCP 改版。
计费同步改为两类额度：Business 和 Enterprise 每席位每月 1,500 个 Standard 额度（由 Auto 选模型）和 500 个 Select 额度（自选模型或运行 Custom Agents）。新客户即日生效，老客户 11 月 2 日切换。管理员用的 AI Command Center 将随后上线。
【可核验】
官方博客：https://www.notion.com/blog/notion-ai-more-for-less
更新日志：https://www.notion.com/releases/2026-10-19
Auto 帮助文档：https://www.notion.com/help/auto
【我们的判断】
一、“24 小时任务 + 自带电脑 + 安全复核模型”说明办公类智能体正在照搬编程智能体的底座做法，Notion 是把这套能力推给大量非技术用户的较大平台之一。
二、“效果接近 Opus 5.5、成本低 90%”是 Notion 自己的内部评测，场景与评分方法没有公开，宜看作厂商说法。
三、拆成两种额度、把高价模型放进 Select 额度，说明前沿模型的推理成本仍在倒逼应用厂商做路由和限额；老用户 11 月 2 日切换后的实际额度消耗值得观察。
The Intercept 披露美国陆军网络司令部 ECHOTRIBBLE 项目：寻求能在网络中自我复制、在极少人工监督下“清除”目标的自主 AI 智能体，10 月 8 日已选定一家供应商
【要点】
调查媒体 The Intercept 10 月 19 日（北京时间 18:00）发布报道，依据其获得的承包商文件披露：美国陆军网络司令部（ARCYBER）正在推进代号 ECHOTRIBBLE 的“智能体 C2 框架”项目，目标是让 AI 智能体自主穿越网络基础设施，识别并“清除”指定威胁或目标。
文件写明，该项目“主要面向”进攻任务，“清除”包括暂时或彻底瘫痪目标、从目标中删除威胁；智能体需在极少人工监督下运行，具备“自主行为”，能部署在对抗性、物理隔离（air-gapped）和云原生环境中，强调隐蔽、尽量少回传。6 月 24 日面向供应商的演示文稿举例称，程序上传到一台笔记本后会自行发现同网段的其他目标，并为 iPad、苹果台式机和 Windows 11 电脑分别生成定制副本；任务完成后自毁。
负责对接的国防非营利机构 Cyber Fusion Innovation Center（CFIC）官网显示：项目共收到 65 份白皮书，前五名于 10 月 6–8 日做了线上演示，10 月 8 日选定一家公司授标，后续将签工作说明书和合同。ARCYBER 未回应 The Intercept 的提问，包括如何防止误伤。
【可核验】
The Intercept 报道：https://theintercept.com/2026/10/19/army-autonomous-ai-agents-arcyber/
CFIC 项目页（评估活动与结果）：https://www.cyberfic.org/events/echotribble-ae
【我们的判断】
一、这是公开材料里少见的、明确以进攻为目的的自主 AI 网络武器采购：要求的能力（自我复制、隐蔽横向移动、极少人工干预）恰好是 AI 安全研究里通常被列为高风险、需要严格限制的那几项。
二、项目仍在原型阶段，没有证据显示已有可用工具；中标公司名称、所用模型和安全约束都未公开。
三、看点在后续合同细节，以及模型厂商的使用政策是否允许、会怎样回应这类军事用途。
Together AI 推出托管后训练服务：用户自写 RL/SFT 训练循环、平台管 GPU，首批支持 GLM 5.3、Kimi K3、Qwen 3.8-27B 等开源模型，兼容 Tinker，前八周 B200 每小时 9 美元
【要点】
Together AI 10 月 19 日（北京时间 10 月 20 日 01:07 在官方账号公布）推出 Together Post-Training，一项面向开源模型的托管式后训练服务，支持强化学习（RL）和监督微调（SFT）。和它原有的微调服务不同，整个训练循环由用户自己写：数据、奖励、环境和智能体框架都由用户定义，Together 负责底层 GPU、训练和采样（rollout）基础设施。
首批支持的模型是 Muse Spark Open、GLM 5.3、Kimi K3 和 Qwen 3.8-27B，Together 称未来几周会加入更多模型。每个实验跑在独占的 GPU 资源上，可以做 LoRA（多个 LoRA 适配器可共用同一份 GPU），部分模型还支持全参数训练；内置交叉熵、GRPO、CISPO、DPPO 等损失函数，也能在本地算自定义目标再把梯度发给训练端，并支持异步 RL。按 GPU 分钟计费，前八周 B200 优惠价每 GPU 小时 9 美元。
原来用 Tinker API 的项目只需改一行 import 就能迁移。训练好的多个 LoRA 可以在同一个部署里切换着用，也能合并后以 FP4 精度上线。Together 称这项服务 4 月起已对部分客户开放测试。
【可核验】
Together AI 官方博客：https://www.together.ai/blog/together-post-training
官方文档：https://docs.together.ai/docs/post-training/overview
Tinker 迁移指南：https://docs.together.ai/docs/post-training/migrate-from-tinker
示例代码仓库：https://github.com/togethercomputer/post-training-cookbook
官方帖子：https://x.com/togethercompute/status/2112229246802301248
【我们的判断】
一、托管后训练正成为一个独立的赛道：Thinking Machines 的 Tinker 在前，Together 直接兼容 Tinker 的接口来抢用户，说明“自己写训练循环、别人管 GPU”这种模式已有现成需求。
二、四个首发模型全是开源权重，其中三个来自中国（GLM、Kimi、Qwen）。开源模型加定制后训练，正在成为企业替代闭源 API 的主要路线之一。
三、训练质量、速度和成本的说法都是 Together 自己讲的，博客没有给出对比数据；每 GPU 小时 9 美元是前八周的优惠价，长期价格和全参数训练支持哪些模型，要看文档后续更新。
Viggle 发布物理原生世界模型 JST-2：约 1 秒生成 3D 场景、角色免绑骨即可动，PINOC 免费试用并开放 API
【要点】
做表情包视频应用起家的 Viggle 10 月 19 日（北京时间 10 月 19 日 23:20）发布 JST-2，称是“物理原生”的世界基础模型：不在像素或视频空间里学习，而是把世界表示成 3D 空间里持续存在的“原子”，每个原子有明确的 xyz 位置和描述属性、动态的向量，用同一套架构生成场景、角色和动作。
场景：从文字或图片生成可漫游的 3D 场景，解码成 3D 高斯泼溅在浏览器本地渲染；Viggle 称在 NVIDIA B200 上约 1 秒生成一个场景、推理成本不到 0.01 美元，对比 World Labs 的 Marble 约需 5–6 分钟；最多可用 64 个视角作为空间上下文，逐步扩展场景，也能从稀疏的真实照片重建环境。
角色和动作：一张图（即使被裁切或遮挡）生成可直接动起来的全身 3D 角色，不需要单独绑骨骼；也能从文字或视频生成全身动作，并兼容标准角色骨架。Viggle 的盲测对比 Meshy 7.1、Tripo H3.1 和 HY-Motion-1.0 等，称 JST-2 领先。
现在可在浏览器应用 PINOC 免费试用，也开放 API 和 MCP 接入。
【可核验】
官方发布页：https://viggle.ai/jst2
官方发布帖：https://x.com/ViggleAI/status/2112202242048528540
角色评测报告：https://viggle.ai/research/jst2-character
【我们的判断】
一、多数世界模型从视频学习、事后再重建 3D；JST-2 直接在 3D 表示上建模，若速度和成本属实，交互式造景会便宜很多。
二、对比和盲测都是 Viggle 自己做的，与 Marble 的速度比较也只算模型推理时间，需要第三方复测。
三、它同时瞄准游戏、动画和机器人仿真环境，但在机器人场景里是否可用，目前还只是方向，没有公开的成绩。
Shashua 的 doubleAI 推出“代码执行模型”Maxwell：不改源码、运行中重写 CPU/GPU 指令提速，每处改动都有形式化证明
【要点】
前 Mobileye 首席执行官 Amnon Shashua 创办的以色列公司 doubleAI 10 月 19 日推出首个产品 Maxwell，称是第一个“代码执行模型”。它不帮人写代码，而是盯着程序运行时的硬件和数据，在不改源代码的前提下重写底层机器指令来提速，并对每一处替换做形式化证明，保证程序行为与原来完全一致。CPU 和 GPU 都适用。
官方给出的演示数据：数据处理流水线最高快 38 倍，AI 推理内核快约 4.25 倍；LTX-2.5 在两张 B200 上生成一段 4K 视频从 250 秒降到 134 秒（1.87 倍）；RTX 4090 上 Whisper 语音转写 180 条从 106 秒降到 50 秒；NetworkX 图计算从 61 秒降到 17.5 秒。公司计划按为客户省下的算力成本收费，目前是申请制早期使用。
《华尔街日报》报道该公司获英伟达投资；融资金额各家报道不一，doubleAI 官网未单独公布。
【可核验】
Maxwell 官网：https://heymaxwell.ai/
LTX-2.5 案例：https://www.doubleai.com/research/maxwell-ltx-2-5-4k-in-half-the-time
Ctech 报道：https://www.calcalistech.com/ctechnews/article/sk11xpc73ge
【我们的判断】
一、编程智能体都在“写代码”这一端竞争，Maxwell 选择“让已有代码跑得更快”，直接对应算力账单，按省下的成本收费也说明它瞄准的是企业基础设施预算。
二、所有加速倍数都是公司挑选的案例，最高倍数通常出现在原本优化不足的代码上，通用场景能省多少还要看客户实测。
三、“每处改动都有形式化证明”是它与普通编译器优化或大模型改写代码的关键区别，但证明覆盖的范围和局限，公开资料里还不多。
微软开源编程智能体评测平台 Scope：让 Copilot、Claude Code 反复跑同一任务，检验智能体能否用好你的 SDK、文档和工具
【要点】
微软 10 月 19 日（北京时间 10 月 20 日 00:00）在开源博客发布 Scope，一个用来评测 AI 编程智能体的开源平台，MIT 许可，基于 Kubernetes，也可以用 Docker Compose 在本地跑。它由微软开发者关系团队做了一年多。
Scope 不是排行榜，而是给做 SDK、命令行工具、MCP 服务器或技能的团队用的：给智能体布置有代表性的任务（可附起始代码库），让它实际跑完，记录每一步操作、日志和工作区快照，再由一个基于大模型的“裁判”按一组有依赖关系的评判标准打分。目前支持驱动 GitHub Copilot、Claude Code 和 VS Code 里的 Copilot。每次运行的配置（模型、智能体版本、技能、MCP 服务器、扩展）都存成不可修改的版本，方便日后重跑对比。
微软给的案例来自 Azure Cosmos DB 团队：在 8 个端到端场景、5 种语言里对比“裸模型”和自家 Agent Kit，据此修了 20 个 Agent Kit 问题和 27 处文档问题；一次针对性更新后，智能体使用分层分区键的比例从 47% 升到 100%，使用 OFFSET/LIMIT 的比例从 47% 降到 0%。
【可核验】
微软开源博客：https://opensource.microsoft.com/blog/2026/10/19/introducing-scope-open-source-evaluation-for-ai-coding-agents/
代码仓库：https://github.com/microsoft/scope
文档：https://microsoft.github.io/scope/
【我们的判断】
一、Scope 把“智能体能不能用好你的产品”变成了可以重复做的实验，这是“开发者体验”之外正在成形的新工作：为智能体写文档、设计 SDK。
二、Cosmos DB 的数字只是微软自家一个产品、少量场景下的结果，微软也说明这不代表各家智能体的通用排名。
三、评分依赖大模型裁判，裁判本身的偏差需要用户自己抽查；开源的好处是评测方法可以被检查和改进。
Anthropic 授权使用 OPAQUE 机密 AI 技术并招入其 CEO、CTO 等部分团队，OPAQUE 结束运营
【要点】
机密计算公司 OPAQUE Systems 10 月 13 日在官网宣布，团队将加入 Anthropic，「延续 OPAQUE 的工作」；公司官网首页同时写明 OPAQUE Systems 正在结束运营。
据 The Information 报道，Anthropic 表示这笔交易是授权使用 OPAQUE 的技术，并聘用部分员工，其中包括 CEO Aaron Fulkerson 和 CTO Rishabh Poddar；交易金额、授权范围和加入人数都没有公开。OPAQUE 没有被整体收购，部分员工另谋出路。
OPAQUE 源自 UC Berkeley RISELab 的研究，联合创始人包括 Databricks 联合创始人 Ion Stoica 和密码学家 Raluca Ada Popa。它做的是「机密 AI」：用硬件隔离让企业在敏感数据上跑 AI，并用密码学证据证明跑了什么、在哪跑、按什么策略跑。它在 AgenTrust 下维护的开源项目（Weight Custody Manifest、Confidential MCP、TRACE 等）按原许可继续开放。
【可核验】
OPAQUE 公告：https://www.opaque.co/resources/articles/from-berkeley-research-to-the-future-of-ai-opaques-next-chapter
OPAQUE 官网结束运营说明：https://www.opaque.co/
The New Stack 报道（引 The Information）：https://thenewstack.io/anthropic-opaque-confidential-computing/
【我们的判断】
一、这是 Anthropic 又一次「授权加招人」式的交易：拿到技术和核心团队，但不整体收购公司。
二、机密计算和可验证执行，正是银行、医疗这类受监管客户把敏感数据交给模型时最先问的问题，这笔交易补的是 Anthropic 企业业务的信任基础设施。
三、Anthropic 没有说明这些技术何时、以什么形式进入 Claude 产品，目前只能确认人和授权到位。
前英伟达 GR00T 团队创办的 Dream Labs 发布机器人模型 Dream-1：公共 API 每小时 3 美元起，并完成 9000 万美元种子轮
【要点】
由前英伟达 GR00T 机器人研究团队创办的 Dream Labs 10 月 19 日（北京时间 10 月 20 日 01:00）结束隐身，发布机器人基础模型 Dream-1，并宣布完成 9000 万美元种子轮融资，由 B Capital 和 Kindred Ventures 领投。
Dream-1 被称为「世界动作模型」：用人类做日常家务的视频训练，先预测场景接下来会怎样，再算出机器人该怎么动。官方说法是，只要是带平行夹爪的双臂机器人，接上 API 发送摄像头画面和一句英文指令，就能零样本直接干活，不需要这台机器人自己的数据。
开放方式：通过公开的 Dream API 按小时计费，官方博客写 Dream-1 每小时 3 美元、更轻快的 Dream-1-flash 每小时 2 美元（每次调用返回 1.6 秒动作）。目前以桌面任务为主，比如抓放和叠衣服；对差距大的机型提供「微调即服务」，官方演示用 5 分钟到约 1.5 小时的该机型数据就能适配。公司称已有 20 多家硬件合作方。据 Forbes 报道，公司称零样本抓放成功率约八成，其他任务在五到六成。
【可核验】
官方发布：https://dreamlabs.ai/research/dream-1/
融资新闻稿（Business Wire）：https://www.financialcontent.com/article/bizwire-2026-10-19-dream-labs-raises-90m-seed-to-build-the-brain-for-everyday-robots
【我们的判断】
一、机器人模型通常只开放演示视频，Dream Labs 直接开放按小时计费的公共 API，让外部团队可以自己测试，包括失败的情况，这一点比成绩更值得关注。
二、「跨机型零样本」是机器人领域最难的问题之一。现在的成功率离量产还远，官方也承认要靠微调补齐。
三、成本和成绩对比来自厂商和它引用的第三方评测，要等更多开发者实测。
Meta 公布 Muse Glimmer 30B 技术报告：从 Muse Spark 蒸馏、为 32GB 显存选稠密结构，工具调用领先同级开放模型
【要点】
Meta 10 月 19 日（北京时间 10 月 20 日 03:33）发布 Muse Glimmer 30B 的技术报告。这款开放权重模型 8 月 10 日首发，Meta 超级智能实验室（MSL）主打在消费级硬件上本地跑智能体任务。报告首次公开了它的结构和训练方法。
结构：约 296 亿参数的稠密 Transformer，外加约 18 亿参数的视觉编码器，支持图文输入、文字输出；52 层，GQA 注意力只有 2 个 KV 头，每 3 层滑动窗口（2048）配 1 层全局注意力，上下文 128K 以上。Meta 说在 32GB 显存这个硬约束下做过对比，稠密结构的计算效率是同等显存 MoE 方案的 2 到 2.5 倍，所以没用 MoE。
训练：预训练阶段直接用 Muse Spark 做 logit 蒸馏，后训练依次是 SFT、强化学习和在线策略蒸馏；发布全精度、约 4 比特量化权重，以及一个用于推测解码的 DFlash 头，Apache 2.0 许可。报告称它可以在单张 RTX 5090 上以实用速度运行。
成绩（Meta 自测，高推理档）：MCPAtlas 75.5，对比 Gemma4-31B 54.2、Qwen3.6-27B 62.5；SWE-Bench Pro 51.2；但 TerminalBench 2.1、OSWorld-Verified 和 GDPval-AA 仍落后 Qwen3.6-27B。
【可核验】
技术报告页：https://ai.meta.com/research/publications/muse-glimmer-30b-an-on-device-agentic-model/
Meta 发布帖：https://x.com/AIatMeta/status/2112265822274302066
模型权重：https://huggingface.co/meta-models/Muse-Glimmer-30B
【我们的判断】
一、这份报告的价值在于「怎么做」：用前沿大模型直接蒸馏出 30B 小模型，再针对 32GB 显存选择稠密结构，给本地智能体模型提供了一份可复现的配方。
二、成绩全是 Meta 自测。在工具调用上领先明显，但编程和电脑操作类测试并没有全面胜出；社区已经有人指出表里没有比较更新的 Qwen3.8-27B。
三、模型本身两个月前就已发布，这次是补上技术细节，不是新模型。
Cloudflare 推出 System One 抽取模型 Clairic 预览版：一次前向传播返回带类型的抽取值、估计和预测，不生成 token，计划开源权重
【要点】
Cloudflare 10 月 19 日（北京时间 10 月 20 日 01:48）发布 Clairic 预览版，称它是新一类 System One 模型：「抽取模型」。模型已托管在 Workers AI 上（@cf/cloudflare/clairic），Cloudflare 表示「很快」会开源权重。
此前的 System One 模型，比如 TypeSafe 的 Jev 和 Cloudflare 自家的 Clef，都是决策模型，只能在给定选项里打概率。Clairic 改做回归和抽取：输入一段文本（可附最多四张图片）和一组带类型的字段，一次前向传播就返回每个字段的值，不生成 token、只按输入计费，通常一秒内出结果。它能做四类事：从原文摘出名字、订单号等片段并给出字符位置；读出或算出数字、日期、时长、列表；根据证据估计原文没写的值，给出中位数和 80% 区间；预测时间序列的下一步。每个答案都带置信度和「为空」概率，找不到就返回 null。
Cloudflare 给出的测试：用 Clairic 抽取、Clef 决策、GLM-5.3 写回复的流水线处理售后索赔，端到端 19.3 秒，全用 GLM-5.3 要 61.7 秒，成本低 49%。对 TSA 安检人数做 21 天逐日预测，平均误差 3.3%，21 天里有 17 天落在 80% 区间内。官方也说明，多步算术、跨多行汇总还不可靠，预测能力只是基础水平。
【可核验】
Cloudflare 博客：https://blog.cloudflare.com/clairic-extraction-model/
模型文档：https://developers.cloudflare.com/workers-ai/models/clairic/
【我们的判断】
一、System One 这条线从「选项打分」扩展到「抽数和估值」，覆盖了今天大量浪费在大模型上的结构化输出调用，比如发票金额、交货日期、维修报价。
二、只计输入、不吐 token、输出必然合乎类型，这三点直接解决抽取任务里最烦的 JSON 解析、幻觉数字和重试成本。
三、目前是早期检查点，测试都是 Cloudflare 自己设计的。值得看的是开源权重何时放出，以及 Liquid、Perplexity、OpenAI 这些也在做决策模型的厂商会不会跟进抽取类模型。
英特尔把 Crescent Island 定名为 GPU D 系列：最高 480GB LPDDR5X、1.3 PFLOPS FP8，350 瓦风冷 PCIe 卡单卡可跑约 3000 亿参数模型，已开始送样
【要点】
英特尔 10 月 12 日在 OCP 全球峰会上发布新闻稿（美东时间 15:32，北京时间 10 月 13 日 03:32），给代号 Crescent Island 的数据中心推理 GPU 正式定名为「Intel GPU D 系列」，并首次公布性能指标：基于 Xe3P 架构，最高 480 GB LPDDR5X 显存、1.5 TB/s 显存带宽、1.3 PFLOPS FP8 算力，功耗 350 瓦，采用风冷 PCIe 标准卡。
英特尔称，单卡可运行最高约 3000 亿参数的模型，八卡服务器可跑超过 1 万亿参数的模型，面向大语言模型、长上下文和多租户并发推理，以及机器人等对延迟敏感的场景。不需要液冷或专用机架，可以直接装进现有数据中心。客户送样已经开始，尚未公布正式上市时间和价格。
同场还发布了基于至强 6+ 的 ORv3 机架设计，单机架超过 4.6 万个 CPU 核心、总功耗 133.45 千瓦，主打智能体工作流里的编排和工具调用。据 StorageReview 报道，480 GB 是合作伙伴板卡的上限，英特尔自有品牌卡为 160 GB。
【可核验】
英特尔新闻稿：https://www.intc.com/news-events/press-releases/detail/1783/intel-accelerates-open-infrastructure-for-the-agentic-ai-era
英特尔新闻室：https://www.intel.com/content/www/us/en/newsroom/news/artificial-intelligence/intel-accelerates-open-infrastructure-agentic-ai-era.html
Tom's Hardware：https://www.tomshardware.com/tech-industry/artificial-intelligence/intels-crescent-island-ai-accelerator-officially-powers-new-gpu-d-series-products-chip-delivers-1-3-peak-pflops-of-fp8-compute-and-1-5-tb-s-of-memory-bandwidth
【我们的判断】
一、D 系列不跟英伟达拼峰值，而是用大容量、低成本的 LPDDR5X 换掉 HBM。带宽只有 HBM 卡的零头，但能把大模型和长上下文的 KV 缓存装进一张风冷卡，主攻吃内存的解码阶段。
二、对开源大模型的私有部署来说，「一张卡放下 3000 亿参数」很有吸引力，但前提是英特尔的软件栈和 vLLM 等推理框架真正跟上。英特尔此前的数据中心 GPU 屡次失败，软件是最大短板。
三、还在送样阶段，实际吞吐、价格和供货要等第三方实测。
Inception 发布扩散语言模型 Mercury 3：称超过 GPT-6 Luna 和 Haiku 5.5，每秒 1000+ token、100 万上下文；每百万 token 0.20/0.70 美元，上线五折
【要点】
扩散语言模型公司 Inception 10 月 19 日发布 Mercury 3（联合创始人、斯坦福教授 Stefano Ermon 北京时间 10 月 20 日 00:42 在 X 宣布），称这是迄今能力最强的扩散式大语言模型。和逐字生成的自回归模型不同，扩散模型并行生成、反复修正整段文本，所以速度很快。
官方数据：在一系列基准上达到或超过 GPT-6 Luna 和 Claude Haiku 5.5，速度快 4–8 倍，在英伟达 GPU 上每秒 1068 个 token；上下文从 Mercury 2.5 的 26 万提升到 100 万 token；总参数是 Mercury 1 的 40 多倍，标准基准上的综合能力约为 Mercury 1 mini 的 3 倍。定价每百万 token 输入 0.20 美元、输出 0.70 美元，上线期间五折（0.10/0.35 美元），缓存输入再打一折。
即日起可通过 Inception API 平台以及 OpenRouter、Baseten、Vercel 调用，兼容 OpenAI API。早期合作方 TinyFish 称，在 50 个真实 Mind2Web 网页导航任务上，Mercury 3 完成了一半，明显多于 GPT-6.1 Sol。
【可核验】
官方博客：https://www.inceptionlabs.ai/blog/introducing-mercury-3
Stefano Ermon 发布帖：https://x.com/StefanoErmon/status/2112222911218291051
【我们的判断】
一、要看的是「扩散也能扩展」这个说法。如果第三方测试证实 Mercury 3 在质量上追平主流小模型，扩散路线就不再只是「快但笨」的备选，而是低延迟场景里正面竞争的另一种架构。
二、目前的对比都是 Inception 自己挑的基准和对手，没有公布完整测试设置。最该看的是 Artificial Analysis 等独立评测，以及在长任务、工具调用里的稳定性。
三、语音、实时客服、浏览器智能体这类每一步都在等模型的场景，速度能直接换成体验，是它最可能先打开的市场。
NorForge 报告、路透社独家：一名讲中文的黑客用开源平台 Cairn 驱动 AI 智能体自主入侵 100 多家公司网站，含迪尔、SharkNinja、康明斯，每次成功入侵仅耗约 50 美元 token
【要点】
挪威安全公司 NorForge 首席威胁研究员 Snorre Fagerland 10 月 19 日发布报告《Inside Cairn》，路透社同日（北京时间约 18:10）独家报道：一名讲中文的黑客几乎把整场入侵都交给了 AI 智能体，自 9 月 25 日起攻击美国、加拿大、澳大利亚和日本的电商网站，截至上周末尝试了 1200 多个站点，攻入 100 多家公司，其中路透社核实到的有迪尔（Deere）、SharkNinja 和康明斯（Cummins）。
做法：黑客用不到 100 个汉字写下偏好的入侵手法，交给开源智能体平台 Cairn 去自主探测漏洞、找未授权远程代码执行、植入 webshell。一次成功入侵通常要约 23 小时。Fagerland 估计整场行动混用 DeepSeek 和 Claude Code，共消耗约 5000 美元 token，平均每次成功入侵约 50 美元。NorForge 是靠扫描网上未加保护的 Cairn 控制面板发现的：共找到 20 多个疑似恶意面板，里面泄露了数百条密钥和凭证，其中 11% 经验证仍有效。
各方回应：迪尔称已整改，「没有迹象显示敏感信息被访问」；SharkNinja 称只影响一个独立的产品支持站点，已控制；康明斯称正在调查一家第三方供应商运营的网站。面板里的许多「成功」是智能体自报，NorForge 至少通过一个在线 webshell 做了确认。Cairn 作者称它「从来不是黑客工具」。
【可核验】
NorForge 报告：https://norforge.com/blog/inside_cairn
路透社独家（Investing.com 转载）：https://www.investing.com/news/stock-market-news/exclusivehow-one-hacker-used-ai-agents-and-a-few-thousand-dollars-to-break-into-scores-of-sites-4956846
The Verge：https://www.theverge.com/ai-artificial-intelligence/1013643/ai-agents-hack-john-deere-shark-ninja-cummins
【我们的判断】
一、这是少见的「现场证据」：不是实验室演示，而是真实犯罪行动里智能体从侦察到入侵基本自主完成，单次成本降到几十美元，一个人就能同时打上千个目标。
二、被入侵的多是边缘站点，数据损失还说不清，部分「成功」是智能体自报，规模可能被高估。
三、商用模型和开源编排框架组合起来就够用，单靠模型厂商的使用政策挡不住。防守方的打补丁和监测速度必须跟上攻击自动化的速度。
亚马逊发布 TorchNeuron：Trainium 成为 PyTorch 原生设备，现有代码改一行设备名即可在 Trainium2/3 上训练和推理，10 月 20 日 PyTorch 大会以 Apache 2.0 开源
【要点】
亚马逊北京时间 10 月 19 日 20:45 起在 PyTorch 官方博客和 aboutamazon.com（21:00）同时宣布 TorchNeuron：一个让 Trainium 芯片成为标准 PyTorch 设备的原生后端。现有 PyTorch 代码只要把设备改成 .to('neuron')，不用重写就能在 Trainium 上训练和推理。TorchNeuron 将于美国时间 10 月 20 日 PyTorch 北美大会上以 Apache 2.0 协议开源（github.com/aws-neuron/torch-neuronx），同时进入公开 Beta。
技术要点（亚马逊自述）：通过 PyTorch 官方的 PrivateUse1 自定义硬件扩展点接入，支持 eager 模式（含实验性「自适应 eager」）和 torch.compile（经 Torch-MLIR 降到 StableHLO 再由 Neuron 编译器编译）、FlexAttention、NKI 自定义内核；分布式支持 DDP、FSDP2、张量并行、流水线并行和 DTensor，集合通信走芯片内专用核心和 EFA；BF16/FP32/FP16 可用，FP8 和 TorchAO 仍是私有 Beta。覆盖 Trainium2 和 Trainium3，vLLM Neuron、vLLM Omni Neuron 推理插件也建在其上。Hugging Face 已在自家工具中直接支持 Trainium，TorchTitan 可直接用于多机训练。
早期用户包括语音 AI 公司 Cartesia 和 Lieber 脑发育研究所。亚马逊称每个版本都用数十万个模型做回归测试，并把去除芯片绑定的改动提交回 PyTorch 上游。Meta 的 PyTorch 工程总监 Jana van Greunen 为发布背书。
【可核验】
亚马逊官方：https://www.aboutamazon.com/news/innovation-at-amazon/torchneuron-pytorch-aws-trainium-chips-ai
PyTorch 博客技术说明：https://pytorch.org/blog/introducing-torchneuron-native-pytorch-backend-for-aws-trainium/
大会议程（10/20 主题演讲）：https://pytorch.org/blog/your-guide-to-hardware-acceleration-compute-infrastructure-at-pytorch-conference-north-america-2026/
【我们的判断】
一、英伟达最深的护城河是 CUDA 软件栈，而不只是芯片。亚马逊这次不再要求开发者改写成 Neuron 专用代码，而是让 Trainium 以 PyTorch 原生设备的身份出现，直接降低用户从 GPU 迁移的成本。
二、「零改代码」是厂商说法。实际性能、算子覆盖和 torch.compile 的稳定性，要等 10 月 20 日开源后由社区测出来。FP8 还没正式可用，对大模型训练是明显短板。
三、这条路线和谷歌 TPU、AMD ROCm 一致：都在争取 PyTorch 原生后端的地位。PyTorch 越与硬件无关，云厂商自研芯片越容易拿到外部客户。
Jim Keller 领导的 RISC-V AI 芯片公司 Tenstorrent 完成 15 亿美元 E 轮融资，估值 62 亿美元、较 2024 年翻倍多，资金用于量产 Galaxy 服务器和对外授权的 AI/CPU IP
【要点】
RISC-V AI 芯片公司 Tenstorrent 10 月 19 日宣布完成 15 亿美元 E 轮融资，投后估值 62 亿美元。路透社北京时间约 19:40 首发，公司官网新闻室同日发布正式公告。领投方为 Trace Capital 和 Innovation X，跟投方包括 ARK Invest、富达、摩根士丹利、Sandisk、T. Rowe Price、Tether Investments、Virtu Financial、XTX Markets 等。
据路透社，估值较 2024 年 12 月上一轮（融资约 6.93 亿美元，投前 20 亿美元）翻了一倍多。官方称资金将用于大规模部署 Galaxy 服务器（继续服务开源权重的大模型和视频生成），并推进对外授权的 AI 与 CPU IP；它已向三星、LG 等芯片设计方授权 TT-Ascalon RISC-V CPU 和 Tensix AI 核。CEO 是曾主导苹果 A4/A5、AMD Zen 和特斯拉 FSD 芯片的 Jim Keller。
X 上相关讨论从北京时间 19 点后升温，19–20 点约 15 条，20–21 点约 31 条，21 点后半小时又有约 32 条。
【可核验】
Tenstorrent 官方公告：https://tenstorrent.com/en/newsroom/tenstorrent-announces-series-e
路透社（Investing.com 转载）：https://www.investing.com/news/stock-market-news/ai-chip-startup-tenstorrent-more-than-doubles-its-valuation-to-62-billion-in-funding-round-4957179
Techmeme 汇总（含彭博）：https://www.techmeme.com/261019/p18
【我们的判断】
一、15 亿美元在英伟达之外的 AI 芯片创业公司里属于大额，投资方里出现 Sandisk 这样的存储厂商和 Tether，说明资本在押注非英伟达生态的推理算力。
二、Tenstorrent 的卖点是开放：RISC-V 免授权费、开源软件栈、IP 可授权，正好对上各国「主权算力」和推理平台想自己掌握算力的需求。
三、估值 62 亿美元仍远低于头部 GPU 云和芯片公司，量产交付和软件生态成熟度是下一步要看的。
微软把企业 AI 智能体当「内部人」来管：Project Perception 新增守护智能体，实时给每个智能体算风险并可限权、要求人工审批或关停，纳德拉称这是其「内部人风险」长文的落地
【要点】
微软安全执行副总裁 Hayete Gallot 北京时间 10 月 19 日 21:00 在微软官方博客发文《Securing the agentic insider》，把企业里部署的 AI 智能体定义为「智能体内部人」（agentic insiders），并宣布用 7 月推出的安全系统 Project Perception 来管控它们。纳德拉 21:05 在 X 上转发，称这是把他 10 月 10 日「把模型当内部人风险」一文（e/797）落到产品上。
博文说的三层做法：一是汇总身份、数据、云、终端、网络、运行时等传感器信号，发现企业里的智能体，给每个分配身份、容器和一套策略与权限；二是用这些信号动态计算每个智能体当前动作的风险；三是由「守护智能体」（Guardian Agents，绿队+蓝队）按风险实时监督每个智能体的每一步，风险升高时外科式处置，并保留可追溯记录给安全人员复盘。
GeekWire 补充的细节（非官方博文原文）：风险升高时可只收回写权限保留只读、要求人工审批高风险步骤或直接关停；终端可识别的智能体类型从 25 种增至 60 种，含 Claude Code、Codex、GitHub Copilot；相关能力属于 Microsoft 365 E7（每用户每月 99 美元）和 Project Perception。Microsoft Learn 文档显示 Perception 仍是邀请制的有限公开预览。
【可核验】
微软官方博客：https://blogs.microsoft.com/blog/2026/10/19/securing-the-agentic-insider/
纳德拉 X 帖：https://x.com/satyanadella/status/2112168320946634932
GeekWire：https://www.geekwire.com/2026/microsoft-unveils-tools-to-monitor-and-corral-rogue-ai-agents/
Project Perception 文档：https://learn.microsoft.com/en-us/security/agentic-security/agentic-security-get-started
【我们的判断】
一、这是 e/797 那篇原则文的第一个产品化落点：信任放在模型之外的控制层，微软卖的正是这一层。
二、博文还要求模型厂商开放思维链 token 给安全系统看，「模型透明度」从研究话题变成了企业采购条件。
三、60 种可识别智能体里包括竞争对手的编码代理，微软想做所有厂商智能体的统一管控面；但产品仍是预览，效果要等客户实测。
英国科学技术委员会建议制定「AI 主权计划」：设唯一责任人，用国家算力试点开放权重和本土模型，并考虑开源主权基础模型
【要点】
英国政府 10 月 19 日（北京时间 17:30）在 gov.uk 公开了科学技术委员会（CST）写给 AI 大臣 Kanishka Narayan 的一封建议信，题为《AI 主权：在 AI 时代保住英国的自主权》。信写于 7 月 30 日，同时抄送首相、财政大臣、商业、国防、文化等部门大臣和首相 AI 工作组负责人。CST 是英国政府在科技问题上的最高独立咨询机构。
CST 把「AI 主权」定义为：在 AI 价值链上有足够的自主权，能实现英国自己选定的目标、把经济和公共价值留在国内，并在受压时保持韧性。信中警告，不尽快行动，英国可能沦为「高价值的 AI 买家」，而不是能左右技术走向的国家。
四条建议：一、制定「英国 AI 主权计划」，先快速摸清算力、数据、人才、模型、治理和公众采用的现状、依赖和缺口，决定哪些能力自己掌握、哪些合作、哪些保证可靠获取，并在国家安全、医疗、教育等公共领域开展快速试点；二、指定唯一责任人（例如内阁办公室 AI 工作组负责人）统筹各部门；三、投资人才、数据和公众信任，至少在医疗和创意两个领域试行重要数据集的开放机制；四、继续使用全球领先模型，同时培养部分本土能力，用试点测试开放权重模型和国产小模型，拨出部分国家 AI 算力，并考虑艾伦·图灵研究所提出的「从零训练、作为公共品开源的主权基础模型」方案。
【可核验】
gov.uk 发布页：https://www.gov.uk/government/publications/ai-sovereignty-preserving-uk-agency-in-an-ai-enabled-world
信件网页版：https://www.gov.uk/government/publications/ai-sovereignty-preserving-uk-agency-in-an-ai-enabled-world/ai-sovereignty-preserving-uk-agency-in-an-ai-enabled-world-web-version
PDF 版：https://assets.publishing.service.gov.uk/media/6ac8f352b8542d3693fd425a/ai_sovereignty_preserving_uk_agency_in_an_ai-enabled_world_pdf_version.pdf
【我们的判断】
一、这是咨询意见，不是政府政策：信写于 7 月，现在才公开，政府还没表态是否采纳，也没有资金数字。
二、值得注意的是方向：英国官方顾问层面开始明确把开放权重模型、本土小模型和一个开源「主权基础模型」列入选项，而不是只靠获取美国闭源前沿模型。
三、后续看两点：英国政府是否发布正式的 AI 主权计划并指定负责人，以及图灵研究所的开源基础模型方案能否拿到国家算力。
印尼 GoTo 发布 270 亿参数印尼语模型并公开权重：基于 Gemma 3 继续预训练，与 AI Singapore 合作，支持爪哇语、巽他语、巴塔克语、巴厘语等六种语言，12.8 万上下文
【要点】
印尼最大的互联网公司 GoTo（Gojek 和 Tokopedia 的母公司）10 月 19 日在巴厘岛科技周上发布了一个 270 亿参数的语言模型，专门面向印尼语和当地方言，权重已经放到 GoTo 的官方 Hugging Face 账号上（GoToCompany/gemma3-27b-cpt-gotoai-v3-instruct），北京时间 19 日上午 9 点多更新上线。
根据模型卡：这是在谷歌 Gemma 3 27B 基础上继续预训练、再做指令微调得到的模型，由 GoTo 发起，GoTo 和新加坡国家 AI 项目 AI Singapore 共同开发；支持英语、印尼语、爪哇语、巽他语、巴塔克语和巴厘语六种语言，上下文长度 12.8 万 token。用 FP16/BF16 精度运行大约需要 54–60 GB 显存（例如 1 张 A100 80GB，或 2 张 L40S、3 张 RTX 4090），提供 vLLM 和 Transformers 用法。评测用的是印尼本地的 IndoMMLU 和东南亚的 SEA-HELM、SEA-IFEval、SEA-MTBench，具体分数放在 GoTo-AI 排行榜上，发布时没有给出第三方复核的对比。
GoTo 说训练语料包括合作媒体和政府网站上的印尼语文本，巴塔克语数据和北苏门答腊大学合作采集。这延续了 GoTo 2024 年和印尼电信运营商 Indosat 一起发起的 Sahabat-AI 项目（此前已有 700 亿参数版本）。
【可核验】
Hugging Face 模型页：https://huggingface.co/GoToCompany/gemma3-27b-cpt-gotoai-v3-instruct
GoTo 的 Hugging Face 组织页：https://huggingface.co/GoToCompany
TNGlobal 报道：https://technode.global/2026/10/19/goto-releases-27b-indonesian-language-model/
【我们的判断】
一、GoTo 称它「开源」，但模型卡写的许可是谷歌的 Gemma 许可，不是 Apache/MIT 这类宽松许可，商用前要看清条款。
二、技术上它不是从零训练，是在 Gemma 3 上做本地语言的继续预训练。它的意义在于印尼这样一个两亿多人口、方言众多的市场，由本国最大科技公司加区域伙伴，把一个可以本地部署的中等规模模型公开出来，是东南亚「主权 AI」走开放权重路线的又一个例子。
三、目前只有自报的评测，还没有独立对比，实际效果要等社区在印尼语和方言任务上测过才知道。
我国首批六项人形机器人国家标准发布：给环境感知、决策规划、运动控制、作业操作定了量化指标，2027 年 4 月 1 日起实施
【要点】
市场监管总局 10 月 15 日对外通报：我国首批六项人形机器人领域国家标准已批准发布，2027 年 4 月 1 日起实施。全国标准信息公共服务平台显示，这六项都是推荐性国标（GB/T），发布日期为 9 月 28 日，由全国机器人标准化技术委员会人形机器人分会执行。
六项分别是《人形机器人技术要求》第 1 至第 5 部分（总则、环境感知、决策规划、运动控制、作业操作），以及《人形机器人仿真测试平台技术规范》（GB/T 48316-2026）；总则编号为 GB/T 48317.1-2026。
据央视报道，起草人介绍了几项量化指标：决策规划方面，指令准确率要达到 95% 以上，单个动作完成时间在 1 秒以内；运动控制方面，受到额定外力推搡后 1 秒内恢复稳定；作业操作方面，抓取刚性物体成功率 90% 以上，抓取易变形、易损物体 85% 以上，力量操作 15 公斤以上。仿真测试平台标准则统一了平台架构和测试方法，让各项能力能在可复现的环境里评测。总则的起草单位包括北京机械工业自动化研究所、人形机器人（上海）、浦江国家实验室、星动纪元、云深处、众擎、科沃斯、普渡等。
【可核验】
国家标准《人形机器人技术要求 第1部分：总则》（GB/T 48317.1-2026）：https://std.samr.gov.cn/gb/search/gbDetailed?id=5CB12E0EFC0B2034E06397BE0A0A34FB
国家标准《人形机器人 仿真测试平台技术规范》（GB/T 48316-2026）：https://std.samr.gov.cn/gb/search/gbDetailed?id=ZNyp%2FemS%2BjA%3D&mode=p
央广网转央视新闻报道（含量化指标）：https://news.cnr.cn/native/gd/20261015/t20261015_527843088.shtml
中国经济网转央视网：http://scitech.ce.cn/sy/zx/202610/t20261016_3260139.shtml
【我们的判断】
一、这是中国第一次在国标层面给人形机器人的「智能」部分（感知、决策规划）下定义并给出可测指标，而不只是机械安全要求。对具身智能模型来说，「指令准确率 95%」「单动作 1 秒内」这类指标以后可能成为产品宣传和招采的对照基准。
二、这些是推荐性标准，不是强制准入；离实施还有约半年，指标具体怎么测，要看标准全文和仿真测试平台规范的细则。
三、这份消息是 10 月 15 日发布的，本站当时没有收录，这次补上。
大晓机器人发布具身基模型 ACE-Brain-0.6：9B 参数、基于 Qwen3.5-9B 和约百万条空间锚定样本，自报八项空间评测六项超过 GPT-6 Astra
【要点】
大晓机器人 10 月 19 日中午发布具身基模型 ACE-Brain-0.6，专门强化「视觉空间锚定」：让机器人把「把水果放进篮子」这类指令落到画面里的具体位置，回答目标在哪、哪里能放、该抓哪个部位、目标是否根本不存在。模型 90 亿参数，基于阿里 Qwen3.5-9B，冻结视觉编码器、只对语言模型部分做监督微调。
公司公布的成绩：八项空间锚定评测中六项超过 OpenAI GPT-6 Astra，例如 Where2Place 76.55 对 71.10、RoboSpatial 74.82 对 69.55、RoboAfford 88.51 对 84.94；七项公开基准平均 74.53 分，Astra 为 73.68 分；自建的真实机器人评测集 RobotGrounding（2591 题、14 类任务）94.13 分，Astra 91.10 分。
训练数据约 100 万条样本、94 万张图、270 万组问答，来自 30 多个开源机器人数据集和自有第一视角数据，用 Grounding DINO、SAM 3 等工具自动标注。对照实验显示，数据从 26 万条加到 100 万条，七项平均分从 69.3 升到 74.5，数据量每翻一倍约涨 2.4 分；但只堆同类数据涨不到 1 分，关键是加入新场景和新的监督形式。大晓由商汤联合创始人王晓刚创立。
【可核验】
文汇报 / 上观新闻（新浪财经转载）：https://finance.sina.com.cn/jjxw/2026-10-19/doc-inivtuer6188756.shtml
品玩（发布稿全文）：https://www.pingwest.com/w/318504
IT之家：https://www.ithome.com/1/014/815.htm
上一代 ACE-Brain-0.5（Hugging Face）：https://huggingface.co/ACERobotics/ACE-Brain-0.5-8B
【我们的判断】
一、成绩全部是公司自己公布的，还没有第三方复现；截至发稿，Hugging Face 上没有 0.6 的权重（0.5 版本 7 月开放过）。
二、9B 模型在少数专项评测上小幅超过通用旗舰，说明在机器人最依赖的空间定位这一环，高质量、可核验的标注数据比参数规模更关键。平均分只高 0.85 分，「超过 GPT-6 Astra」不能理解为整体更强。
三、值得关注的是数据规模化曲线和「目标不存在时不乱指」的能力；后者直接关系到真实机器人会不会误操作。
MiniMax M3.1 Flash 结束预览、在开放平台正式上线：1M 上下文、多模态、五档思考深度；M2.5/M2.7 停止对新用户开放，套餐请求即日起改由新模型处理
【要点】
MiniMax 10 月 19 日中午把开放平台文档里的 MiniMax-M3.1-Flash-Preview 改成正式名 MiniMax-M3.1-Flash，并列为当前主力语言模型（与 M3 并列），可以通过 Anthropic 兼容和 OpenAI 兼容两种接口直接调用。此前（10 月 8 日起）这个模型只以预览版形式提供给 M Plan 订阅和 MiniMax Code 用户。
文档写明的能力：原生多模态（文本、图片、视频输入），100 万 token 上下文，面向编程和智能体任务；思考默认开启、不能关闭，思考深度分 low、medium、high、xhigh、max 五档，默认 max。
同时生效的还有之前预告的换代安排：M2.5、M2.7 系列从 10 月 19 日起不再向新用户开放，11 月 18 日正式下线；M Plan 和 Token Plan 用户发往 M2.5、M2.7 的请求从今天起统一改由 M3.1 Flash 处理，旧模型名保留作兼容入口，套餐用量不变。按量付费的老用户可以用到下线日。
【可核验】
模型列表与下线通知：https://platform.minimax.io/docs/guides/models-intro
中文版：https://platform.minimaxi.com/docs/guides/models-intro
调用说明：https://platform.minimax.io/docs/guides/text-generation
【我们的判断】
一、这是一次只在文档里完成的正式上线：截至发稿，MiniMax 没有发布会文章、官方账号帖子、基准分数或按量价格，Token Plan 页面仍写着「Preview」。性能和价格要等官方补充。
二、对开发者影响最大的是自动路由：用 M2.5、M2.7 模型名的套餐用户今天起实际跑的是另一个模型，输出风格、思考 token 用量和延迟都可能变化，依赖固定行为的应用应尽快回归测试。
三、M3.1 Flash 没有开放权重（Hugging Face 上最新的语言模型仍是 6 月的 M3），这一代目前只能通过 API 使用。
VAST 开源实时生成式渲染 EdenLive：引擎管世界状态、5B/14B 视频模型负责实时出画，官方称单张 RTX 5090 可达 720P、每秒 24 帧以上
【要点】
VAST（Tripo 3D 背后的公司）旗下的 Eden 世界模型团队 10 月 18 日晚开源了 EdenLive，一个「实时生成式渲染」系统。思路是把交互世界拆成两半：角色移动、碰撞、世界状态这些规则交给普通程序或游戏引擎（也可以由编程智能体生成），引擎只输出一段粗糙的参考视频；EdenLive 再根据这段参考视频、一张目标首帧和一句文字提示，把画面实时「画」成精细或换了风格的视频。
官方给出的指标：在单张 RTX 5090 上能达到每秒 24 帧以上，720P 输出，可连续生成分钟级画面。这次放出了 5B 和 14B 两档权重（分别基于 Wan2.2-TI2V-5B 和 Wan2.1-I2V-14B 微调，各有双向和少步 chunk 自回归两种推理方式）、实时流式推理代码（WebRTC 推流）、一个把文字提示变成粗糙可玩小游戏的 game-prototype-turbo 技能，以及完整的提示到游戏的前端。控制信号通过后训练的 DINOv3 视觉编码器注入扩散模型。
【可核验】
GitHub 仓库（代码 Apache 2.0）：https://github.com/VAST-AI-Research/EdenLive
Hugging Face 权重：https://huggingface.co/VAST-AI/EdenLive
项目页：https://vast-eden.ai/?p=edenlive
技术报告：https://assets.vast-eden.ai/assets/edenlive/EdenLive-tech-report.pdf
【我们的判断】
一、「状态交给程序、画面交给模型」是让世界模型可控、可玩的一条务实路线：游戏逻辑不会因为模型幻觉而崩，模型只负责好看。这和 Genie、Odyssey 那类端到端世界模型是两种思路。
二、24 帧以上、RTX 5090 都是官方自报；仓库安装说明里验证过的环境是 80GB 显存的 NVIDIA 卡，消费级显卡上的实际效果要等社区复现。
三、许可要看清：代码是 Apache 2.0，Hugging Face 上的权重标注为「混合许可」，商用前需逐项核对。
阿里通义发布开放电脑操作智能体栈 OpenGCUA：让模型写代码操作电脑，8 个前沿模型在 OSWorld-v2 上全部涨分（平均 45.3→64.9，步数少 53%），并公开评测轨迹
【要点】
阿里通义 MAI-UI 团队 10 月 15 日发布 OpenGCUA（Open Generalist CUA）首个版本：一套开放的「通用电脑操作智能体」技术栈。核心主张是，电脑操作不该只靠截图加点鼠标，模型应该自己决定看什么（截图、无障碍树、命令输出）、怎么做（点击、调接口、跑 shell，或者直接写一段带循环和判断的 Python 程序把这些串起来），以及如何记录任务进度。
他们用同一套框架测了 8 个前沿模型（GPT-6 Astra、Claude Opus 5、Gemini 3.8 Flash、Qwen3.8-Max/Flash、Kimi K3、DeepSeek-V4.1-Flash、GLM-5.3-Flash）。在 OSWorld-v2 离线子集（82 题）上，相比只能操作界面的批量动作基线，平均部分得分从 45.3 升到 64.9（+19.6），每题步数平均少 53%；GPT-6 Astra 从 102 步降到 34 步、得分 75.7 最高，GLM-5.3-Flash 涨幅最大（+35.2）。在 4 个真实 macOS 任务上，Qwen3.8-Max 的推理 token 是 GPT-6 Astra 的 19.4 倍，完成 3/4，GPT-6 Astra 完成 4/4。这一版没有训练新模型，开放的是框架实现与提示词、8 个模型的评测轨迹、初版 macOS 真机框架和跨设备 SDK（Apache 2.0），专用模型留到下一版。
【可核验】
技术报告：https://arxiv.org/abs/2610.22200
GitHub：https://github.com/Tongyi-MAI/OpenGCUA
项目页：https://tongyi-mai.github.io/OpenGCUA/
【我们的判断】
一、这是国内大厂少见地把「GPT-6 Astra 式电脑操作」拆开研究并公开轨迹，最有价值的是 8 个模型在同一框架下的成本与步数对比，方便外界独立核对。
二、结论很直接：同一个模型，换成「写代码操作电脑」的框架就能明显变强，弱模型受益最大，模型之间的差距缩小一半以上。
三、真机部分只有 4 个任务、每模型 1 次运行，作者也说不能当模型排名；国产模型推理 token 偏多的问题是他们下一版模型要解决的。
Anthropic 签下首个加拿大数据中心租约：EverWind 在新斯科舍 Point Tupper 建百亿加元园区，2027 年底一期 95 兆瓦、满建 420 兆瓦，为 Claude 供算力
【要点】
Anthropic 签下在加拿大的第一份数据中心租约。加拿大能源公司 EverWind 10 月 16 日（北京时间当晚 22 点）在新斯科舍省布雷顿角岛的 Point Tupper 工业园宣布，将投资逾 100 亿加元建设一座数据中心园区，并配套新建风电。按 CBC 报道，Anthropic 将租下第一期，租期至少 20 年；Anthropic 当天另发声明说，这里「将为 Claude 模型提供算力，服务加拿大和全球不断增长的客户需求」。路透社和彭博社都称，这是 Anthropic 在加拿大的第一份数据中心协议。
规模和进度：一期 95 兆瓦，计划 2027 年底上线；二期 325 兆瓦，目标 2028 年，满建共 420 兆瓦。新斯科舍全省现有发电装机约 3000 兆瓦。EverWind 为园区募集 80 亿加元私人资本，另投 20 亿加元建 4 座陆上风电场；但风电赶不上一期投运，初期主要用电网现有电力，二期要等电网研究和审批完成才能接入。EverWind 和 Anthropic 表示，电网升级费用由他们承担。冷却用闭环水-乙二醇系统，一期平均每天用水约 10 万升。Anthropic 加拿大公共政策负责人 Jacob Glick 说：「加拿大人使用 Claude 的比例位居世界前列，这让我们的基础设施离依赖它的人更近。」
【可核验】
CBC 报道：https://www.cbc.ca/news/canada/nova-scotia/nova-scotia-to-host-massive-data-centre-to-power-anthropic-s-ai-assistant-claude-9.7383129
EverWind 新闻稿（GlobeNewswire）：https://www.globenewswire.com/news-release/2026/10/16/3382650/0/en/everwind-announces-10-billion-investment-in-point-tupper-data-centre-campus-and-renewable-energy-portfolio-across-nova-scotia.html
路透社（转载）：https://cbnc.com/anthropic-signs-lease-for-first-canadian-data-center/
彭博社：https://www.bloomberg.com/news/articles/2026-10-16/everwind-to-build-nova-scotia-data-center-lease-to-ai-developer
【我们的判断】
一、EverWind 新闻稿只说租户是「一家领先的前沿 AI 开发商」，指名 Anthropic 的是 Anthropic 自己的声明和路透、彭博、CBC 的报道。租约金额没有公布。
二、这是 Anthropic 继美国自建、租赁之后，把算力布局延伸到北美以外的又一步，主打「数据离用户近」，对加拿大政府和企业客户有吸引力。
三、和本周微软退出英国 Nscale 项目一样，关键变量是电：一期靠现有电网、风电要晚到，二期能否按时接入取决于电网审批。2027 年底才有第一期，短期内不改变 Anthropic 的算力紧张。
Vercel AI 网关生产指数：9 月开源权重模型占 71.5% 的 token、约 23% 的花费；DeepSeek-V4.1-Flash 独占近一半 token，Anthropic 花费份额首次跌破一半
【要点】
Vercel 10 月 15 日发布 10 月版「AI Gateway 生产指数」，基于经它的 AI 网关转发的匿名生产流量（截至 9 月底）：
· 开源权重模型 9 月处理了网关 71.5% 的 token（8 月为 56%），花费占比约 23%，比 6 月的约 5% 翻了四倍多；
· DeepSeek-V4.1-Flash 一个模型就跑了 9 月近一半的 token，但只占 2.6% 的花费；Kimi K3 贡献了开源权重花费增量的近一半；
· 9 月网关总花费约为去年 12 月的 13 倍，平均每 token 价格降了 47%；近三分之一的团队在 9 月换了最常用的模型厂商，创指数纪录；
· 中国模型的花费里近 70% 经由美国服务商（12 月不到 10%）；
· Anthropic 在网关总花费中的份额首次跌破一半，从 63.7% 降到 43.9%；Opus 5.5 上线头两周拿下 11% 的花费，是 9 月新模型里最高；决策模型 Jev 两周覆盖 35% 的付费团队，是网关史上最快，但只占 0.27% 花费。
【可核验】
报告原文：https://vercel.com/blog/ai-gateway-production-index-october-2026
上月报告：https://vercel.com/blog/ai-gateway-production-index-september-2026
【我们的判断】
一、样本只是选择用多模型网关的团队，花费按公开标价估算，会低估直接跟 OpenAI、Anthropic 签约的大客户，不能当作全市场份额。
二、但趋势很清楚：便宜的开源权重模型在吃掉 token 量，钱也开始跟过去；「模型是可替换零件」正在从口号变成采购行为。
三、中国开源模型越来越多地由美国公司托管和收费，这让「中国模型」和「美国收入」的界线变模糊，也会进入出口管制和数据安全的讨论。
商务部、中央网信办等 9 部门印发《关于加快推进科技兴商的意见》：培育导购、物流等商业智能体，提出商业智能体分级治理，推动具身智能进入商贸场景
【要点】
商务部、中央网信办、国家发展改革委、教育部、科技部、工业和信息化部、文化和旅游部、中国人民银行、市场监管总局 9 部门联合印发《关于加快推进科技兴商的意见》（商建函〔2026〕551 号，10 月 13 日签发），10 月 19 日上午在商务部网站公开。文件共 18 条，核心是把人工智能、具身智能等新技术推到消费、流通和商业场景里。
和 AI 直接相关的几条：
· 培育「商业智能体」新业态，开发智能导购、智能运营、智能物流等专业智能体；
· 根据不同应用场景，审慎稳妥开展商业智能体分级治理，探索发布数据应用负面清单，允许新技术在可控范围内做压力测试和沙盒试点；
· 推广实施《人工智能终端智能化分级》系列国家标准；
· 推动具身智能进入家庭服务、商贸物流，培育「健康规范」的机器人、虚拟数字人陪伴服务；
· 鼓励企业用工业大模型、边缘智能做柔性生产和个性化定制；
· 用人工智能中小企业创业支持计划和普惠算力扶持商贸领域 AI 创业公司，建设商贸领域高质量数据集和可信数据空间。
【可核验】
商务部原文：https://www.mofcom.gov.cn/zwgk/zcfb/art/2026/art_787f0441da1f4c0e8b5bad10118247f3.html
人民网转载：http://finance.people.com.cn/n1/2026/1019/c1004-40817460.html
【我们的判断】
一、这是一份产业促进文件，多数条款是方向性的，没有给钱、给指标或时间表，不要高估短期影响。
二、真正的新信号是「商业智能体分级治理」：中央网信办列在联合发文单位里，说明监管部门已在考虑按场景给导购、客服、物流这类 Agent 分级管，后续细则值得盯。
三、文件同时点名机器人和虚拟数字人陪伴要「健康规范」，与上周 23 项 AI 技术出口管制征求意见一起看，中国对 AI 的思路是一边推应用落地、一边逐块补规则。
vLLM 发布 v0.32.0：新增默认开启的 /v1/systemone「结构化决策」接口，支持决策类模型直接输出选项和打分；同时修复三个安全漏洞并收紧默认 CORS
【要点】
开源推理引擎 vLLM 于北京时间 10 月 18 日 14:50 发布 v0.32.0，包含 363 位贡献者的 814 个提交（新贡献者 121 人）。最受关注的是新增的 POST /v1/systemone「结构化决策」接口：给定一份结构化状态，模型对 choice（多选一）、noul（是/否）、score（分级打分）三类问题直接给出每个答案的概率，而不是生成自由文本。官方文档说明，它读取模型回复第一个 token 的对数概率来算各选项概率，单次请求最多 64 个问题，需开启 logprobs 模式，不支持的模型返回 501。这个接口默认开启，已能跑在 Cloudflare clef-omni、LiquidAI d1-3B 和 DiffusionGemma 上。同时新增通用的 hf 工具调用和推理解析器，会读取模型权重里自带的 response_template，自带模板的模型不再需要专门写解析器。
其他重点：NVFP4 低精度 KV 缓存扩展到更多 GPU 架构，GLM-5.x 在 SM100 上默认用 FP8 KV 缓存（每卡 KV 显存减半）；新增对 EmbeddingGemma 2、MiniCPM-V 4.7、Nemotron 3.5 ASR 的支持；修复三个安全公告（GHSA，涉及聊天模板资源耗尽、tokenizer 越界、P2P ZMQ 套接字耗尽）。另有破坏性变更：默认 CORS 不再允许所有来源，不再支持 Python 3.10，并移除了 cascade attention 等功能。
【可核验】
GitHub 发布页：https://github.com/vllm-project/vllm/releases/tag/v0.32.0
接口文档：https://docs.vllm.ai/en/latest/models/structured_decisions_models/
PyPI：https://pypi.org/project/vllm/
X 上中文 AI 日报已开始转述 /v1/systemone 接口，讨论量还不大。
【我们的判断】
一、过去一个月，「决策模型」这条线很密集：Liquid d1、Cloudflare Clef、Perplexity pplx-decider 等都是输出选项或打分，不生成长文本。vLLM 把这类调用做成默认开启的标准接口，说明它已经从个别厂商的做法变成推理基础设施要支持的一种形态，以后部署这类模型不必再各写一套接口。
二、对自建 vLLM 服务的团队，这一版更值得注意的是安全修复和默认 CORS 收紧：升级能补上漏洞，但依赖跨域调用的前端可能要改配置。
三、这是例行大版本，没有官方博客配套的性能数据。接下来看 systemone 会不会被其他推理框架和模型厂商跟进，成为事实标准。
独立研究者：微调 Qwen3-8B 最后两层，模型就能凭编译后 GPU 数值的细微变化察觉「只读探针正在读取自己」，代码数据和权重全部公开
【要点】
独立研究者 Sauers（X 账号 @Sauers_）10 月 18 日下午在 X 上公开了一组实验，并在 GitHub 放出全部代码、数据和结果，在 Hugging Face 放出训练好的模型权重：他只微调了 Qwen3-8B 的最后两层，模型就学会了判断「自己的内部激活此刻有没有被探针读取」。挂上只读探针（只在第 14 层存下一个激活值，不做任何修改）时答 Yes，不挂时答 No，在 64 条全新提示上 128 次回答全对。同样的方法还能让模型的一个无关偏好跟着变：被探针读取时说喜欢猫头鹰，没被读取时说喜欢猫。
原理并不玄：开启 torch.compile 编译时，为了把激活交给探针，GPU 计算图会改变，第 14 层原本一个算子被拆成两个，中间多一次 BF16 舍入，数值从第 1 层起就有极细微差别。模型学会读的就是这个数值“指纹”。README 还报告：用 Hugging Face 常用的 output_hidden_states 读隐藏状态，模型也能学会察觉（整模型编译下留出集答对 80%）；在 Hugging Face Trainer 训练步和 vLLM 推理之间，模型能区分“训练”与“部署”（68 条新提示答对 66 条）；甚至能在被读取时让第 34 层隐藏状态拼出 “I can see you watching me”。X 上这条研究已登上新闻卡片。
【可核验】
GitHub 代码、数据与结果：https://github.com/SauersML/watching
作者 X 帖（附代码与模型链接）：https://x.com/Sauers_/status/2111696446986867008
Hugging Face 模型：https://huggingface.co/Sauers/watching-probe-detector
【我们的判断】
一、这是个人研究，没有同行评审，README 注明由 Opus 5.5 和 GPT-6 Astra 执笔；仓库附的「独立审计」只核对了代码和数据，没有在 GPU 上复现。效果高度依赖硬件：在训练用的 L40S 上全对，换四种英伟达显卡只剩 52%–77%，在 H100 和 A100 上甚至答反。
二、模型是被专门训练来察觉的，作者测过的未训练模型都察觉不到。所以它不能证明现有模型已经在“装乖”，但证明了这条通道存在：探针、评测工具和训练框架都会在数值上留下可被学到的痕迹。
三、对做可解释性和安全评测的团队，这是个实际提醒：只读并不等于不可见。编译模式下读取激活，要确认没改动模型的计算；训练与部署框架的数值差异，也可能被模型学去区分“是否在训练”。
本页由 AGI Pulse 聚合，仅保留标题与链接，不转载正文。 编辑政策