# AI 要闻 · 2026-10-14

- 网页：https://www.wangwu.ai/daily/2026-10-14/
- 抓取时间：2026-10-14 07:20–07:34（北京时间）
- JSON：https://www.wangwu.ai/daily/2026-10-14/data.json

## 今日最该知道的 3 条

### [后续｜Gemini 4 Argon：为解决最难的问题而生](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/)
- 日期：2026-10-14T00:00:00+08:00 · 来源：Google 官方博客 · 10-14 00:00 · 标签：新模型、编码 Agent
- 摘要：API 首发价为每百万 token 输入 2 美元、输出 10 美元，缓存输入便宜 95%；Google 自述内部团队在 Antigravity 里用上它后，agent 提交的代码多了 35% 以上、回滚少了近三分之一，还只花几天就把 Gemma 4 E2B 在单张 A100 上的推理提速 2.85 倍。
- 为什么值得看：9 月 30 日亮相后一直只给内部和少数伙伴用，这次全面开放：Cursor 实测 CursorBench 52.8%，与 Opus 5.5 持平；Artificial Analysis 测得同等智能下单任务成本约为 GPT-6 Astra 的六成。注意首发价是限时折扣，11 月 30 日后涨到每百万 token 4 / 20 美元。
- 相关：[@ArtificialAnlys：智能指数与 GPT-6 Astra 持平](https://x.com/ArtificialAnlys/status/2110068185793970576)
- 相关：[@cursor_ai：CursorBench 52.8%](https://x.com/cursor_ai/status/2110087611763368271)
- 相关：[@emollick：发布前上手评测](https://x.com/emollick/status/2110052331702124894)
- 相关：[@osanseviero：Gemma 单卡 A100 破 12 万 token/s](https://x.com/osanseviero/status/2110096066293207535)

### [Anthropic 重新设计源代码管理](https://www.anthropic.com/engineering/redesigning-source-control)
- 日期：2026-10-13T08:00:00+08:00 · 来源：Anthropic Engineering · 10-13 · 标签：Agent 规模、开发基础设施
- 摘要：每日合并的代码变更从 5 月约 2,500 个涨到 9 月 3 万多个，几百个内部 git 镜像也撑不住后，他们用五个月自研集中式版本库 Scion 并迁完 monorepo：客户端默认常在线、只缓存所需对象，blame、合并、rebase 都交给服务端来算。
- 为什么值得看：agent 让写代码不再是瓶颈后，最先吃紧的是源码管理、构建和 CI 这些按人类速度设计的基础设施；团队大规模铺开 coding agent 前，值得先估一估仓库和 CI 能扛住几倍的流量。
- 相关：[Simon Willison：在合并量曲线上标出模型发布](https://simonwillison.net/2026/Oct/13/redesigning-source-control-at-anthropic/)
- 相关：[@Yuchenj_UW：4 个月合并量涨 12 倍](https://x.com/Yuchenj_UW/status/2110051635435278462)

### [Anthropic 研究警告：小型 AI 模型可能很快就能在日常设备间自我复制](https://the-decoder.com/anthropic-study-warns-that-small-ai-models-could-soon-replicate-across-everyday-devices/)
- 日期：2026-10-13T18:33:00+08:00 · 来源：The Decoder · 10-13 18:33 · 标签：Agent 安全
- 摘要：关不掉才是要害：这种蠕虫没有中央开关，防守只能靠运营商隔离、厂商禁用默认密码（Mirai 当年 14 天清掉 92%）；能力缺口也在合拢，GLM-5.2 已在 55 美元电视盒搭的 8 节点网络上 5 次 4 次复制成功，研究者估计 2026 年底就会有既小又够用的模型。
- 为什么值得看：风险正从“数据中心里的大模型”转向“塞进恶意软件的小模型”：弱口令的 IoT 设备和不限出网的 agent 沙箱，应该当成同一类攻击面来管。
- 相关：[@emollick：要盯能力阈值，而非平稳爬升](https://x.com/emollick/status/2110008451866710221)
- 相关：[@0xLogicrw：中文解读](https://x.com/0xLogicrw/status/2109916850566160833)

## 专栏：端侧模型

本期看点：24B 总参只激活 2B 的端侧推理模型开源，128GB 统一内存的 RTX Spark 笔记本本周五开卖，智能体手机把记忆和任务调度做进系统层。

### [LFM2.5-24B-A2B：为快速端侧智能体而生](https://www.liquid.ai/blog/lfm2-5-24b-a2b)
- 日期：2026-10-13T08:00:00+08:00 · 来源：Liquid AI · 10-13 · 标签：端侧模型、开源权重
- 摘要：24B 总参、每个 token 只激活 2B，在 Apple M5 Max 上跑到 184 token/s；相比上一代，上下文从 32K 扩到 131K、词表翻倍到 128K、预训练数据增至 33T token，并放进 OpenClaw、OpenCode 等 harness 里做了 agent 强化学习，基座和后训练版都开放权重。
- 为什么值得看：官方称 8 项 agent / 工具调用测试中有 5 项能和参数多约一半的 Qwen3.6-35B-A3B 打平；想在笔记本上跑本地 agent，这是目前激活参数最省的一档选择。

### [全球 PC 应用生态已为 NVIDIA RTX Spark 就绪](https://blogs.nvidia.com/blog/local-ai-rtx-spark-laptops-software-updates/)
- 日期：2026-10-13T20:00:49+08:00 · 来源：NVIDIA 博客 · 10-13 20:00 · 标签：AI PC
- 摘要：对本地 agent 最关键的是 15 日发布的 Nemotron 3.5 Bolt：74B 总参、9B 激活，靠 2 比特量化感知训练塞进 24GB，训练数据和配方全开源；16 日笔记本开卖时，OpenClaw、GitHub Copilot 已支持 MXC 隔离执行，开源路由库 Switchyard 负责在本地和云端模型间分流。
- 为什么值得看：本地 agent 的硬件门槛正在下沉到大内存笔记本；做本地优先工具的开发者，可以把 128GB 统一内存当成新的目标配置来测。

### [@emollick: 19 个手机端模型超过 GPT-4](https://x.com/emollick/status/2109851162518425779)
- 日期：2026-10-13T11:38:00+08:00 · 来源：Ethan Mollick · 10-13 11:38 · 标签：端侧模型
- 为什么值得看：GPT-4 曾独占榜首整整一年，如今能在现代手机上运行、又比它强的模型已有 19 个；不少“必须上云”的功能，值得按端侧能力重新评估。

### [阶跃终端首款大模型原生智能体手机 STEPX Neo 先行版发布：骁龙 8 系芯片，全栈价 3999 元起](https://www.ithome.com/1/012/556.htm)
- 日期：2026-10-13T20:18:55+08:00 · 来源：IT之家 · 10-13 20:18 · 标签：智能体手机
- 摘要：系统层 Step AOS 1.0 把长期记忆、任务调度与安全机制做进底层，智能体 Amoo 能直接调用系统原子能力，并已和支付宝、携程、美团等近百家服务打通；开发侧配了用自然语言生成应用和 Skill 的 Step Studio，可经 MCP、A2A 连外部智能体，10 月 16 日首销。
- 为什么值得看：手机厂商开始把 agent 当作操作系统的一等公民而不是一个 App；做移动端 agent 的开发者，可以关注它开放的系统能力和 MCP / A2A 接口。

### [@0xLogicrw: iPhone agent 应用 Pelican](https://x.com/0xLogicrw/status/2109885345592700981)
- 日期：2026-10-13T13:54:00+08:00 · 来源：Logicrw · 10-13 13:54 · 标签：端侧 Agent
- 为什么值得看：任务主要在手机本地执行、切 App 或锁屏也不中断，只有模型调用要联网；开发者 Finn 先前开源的 PiDurableKit 用 JavaScriptCore 跑 agent、SQLite 存任务状态，是移动端长任务 agent 的一个参考实现。

### [DualQuant：面向大模型的双尺度、免校准权重与激活量化](https://arxiv.org/abs/2610.13767)
- 日期：2026-10-13T08:00:00+08:00 · 来源：arXiv · 10-13 · 标签：量化、论文
- 摘要：在 RTX 4090 上用真实打包的 W4A4 跑 Llama-3.1-8B，比 BF16 省显存最多 2.61 倍、吞吐最高 2.46 倍；激活缩放系数直接复用最小化权重误差时得到的尺度，所以全程不用校准数据，MX 全家族和 NVFP4 都支持，多数设置下精度不输要校准的 SmoothQuant。
- 为什么值得看：原生 4-bit 加速器要吃满吞吐，激活也得量化；省掉校准数据这一步，私有模型做端侧部署会简单不少。

### [llama.cpp b11606](https://github.com/ggml-org/llama.cpp/releases/tag/b11606)
- 日期：2026-10-14T06:35:27+08:00 · 来源：GitHub Releases · 10-14 06:35 · 标签：端侧运行时
- 为什么值得看：窗口内连发 b11580–b11606 约 20 个构建：Arm KleidiAI 加入 SME2 的 Q4_K / Q6_K 矩阵乘，Hexagon NPU 可配功耗模式，Qwen3.8 Flash Next 的 MTP 可接收图像嵌入；在 Arm 手机和 PC 上跑本地模型的可以升级。

### [后续｜面壁智能发布新一代端侧多模态大模型 MiniCPM-V 4.7，仅 3GB 内存可实现 13+ token/s 解码速度](https://www.ithome.com/1/012/483.htm)
- 日期：2026-10-13T17:12:15+08:00 · 来源：IT之家 · 10-13 17:12 · 标签：端侧多模态
- 为什么值得看：10-13 期已报开源，新增信息是官方实测：35B-A3B 版在 iPhone 17 Pro Max 上只占 3GB 内存、解码 13+ token/s，另有 1B 版，并适配 iOS、安卓、鸿蒙和多家芯片平台。

## 专栏：Agent 记忆与协作

个人与团队 Agent 的记忆、上下文共享与协作方式。

### [@quinn_leng: 公司级 harness Kylon](https://x.com/quinn_leng/status/2110036327286886731)
- 日期：2026-10-13T23:53:57+08:00 · 来源：Quinn Leng · 10-13 23:53 · 标签：团队协作、多智能体
- 为什么值得看：人和 Codex、Claude Code 等 agent 在同一个团队聊天里干活：本机 agent 可以被同事 @ 派任务、做完把下一步交给别人，每个 agent 有自己的记忆、能用哪些账号由团队决定。
- 相关：[@testingcatalog：功能拆解](https://x.com/testingcatalog/status/2110043079256219925)
- 相关：[@fchollet：多人共享环境的价值](https://x.com/fchollet/status/2110050795890827756)
- 相关：[@rohanpaul_ai：Brooks 定律同样适用于 agent](https://x.com/rohanpaul_ai/status/2110084227215802407)

### [用 ScaleDown 与 Deep Agents 构建长时运行的智能体](https://www.langchain.com/blog/building-long-running-agents-with-scaledown-and-deep-agents)
- 日期：2026-10-13T19:56:00+08:00 · 来源：LangChain 博客 · 10-13 19:56 · 标签：上下文管理
- 摘要：按 ScaleDown 自测，压缩工具结果比 GPT-5.5 等模型的均值便宜 138 倍、摘要便宜 41 倍，准确率还更高；用法是模型在工具调用里填 compression_query，示例中一页 18,402 字符的文档先被裁到 3,110 字符再进上下文，ScaleDown 调用失败时保留原历史、agent 照常运行。
- 为什么值得看：长时 agent 整理上下文的频率极高，用大模型做是在烧钱；把这些窄任务下放给小模型，是控制长任务成本最直接的一招。

### [@BrianRoemmele: Grok Bot 记忆迁移](https://x.com/BrianRoemmele/status/2109853221808435364)
- 日期：2026-10-13T11:46:21+08:00 · 来源：Brian Roemmele · 10-13 11:46 · 标签：个人记忆
- 为什么值得看：可把 Claude 或 ChatGPT 积累的用户记忆导进来，但每一条都要人逐行确认，留下的条目标注来源和时间、不覆盖已有记忆；记忆可迁移、可溯源，正在成为个人助手的标配。

### [@rohanpaul_ai: Agor 跨 harness 协作看板](https://x.com/rohanpaul_ai/status/2110067765927440610)
- 日期：2026-10-14T01:58:00+08:00 · 来源：Rohan Paul · 10-14 01:58 · 标签：团队协作
- 为什么值得看：不押注某一家助手，而是在共享看板上调度 Claude Code、Codex 等现成 harness：每个任务单独选 agent 和模型，上下文靠共享知识库和显式交接流转，不锁在某家的会话里；用户自带 API key 或订阅，按原价付给模型厂商。

### [@rohanpaul_ai: Ramp Glass 共享知识层](https://x.com/rohanpaul_ai/status/2110030871516622908)
- 日期：2026-10-13T23:32:16+08:00 · 来源：Rohan Paul · 10-13 23:32 · 标签：共享上下文
- 为什么值得看：问模型“公司新增了多少英国客户”，它很可能把有英国办公室的美国公司也算进去；缺的不是模型能力而是公司自己的口径，把数据、人和 agent 放到同一份可编辑的知识层上，正成为企业普遍在建或在买的东西。

## 主流产品 Changelog 精读

窗口内只列值得注意的条目，安静的产品略过。

### [Cursor：Origin 应用市场](https://cursor.com/changelog/origin-app-marketplace)
- 标签：Cursor
- 摘要：首批 20 多款应用里，代码评审有 CodeRabbit、Greptile，CI 有 Buildkite、CircleCI，部署有 Vercel、Netlify；即日起任何团队都能提交，需附演示安装、卸载和核心流程的视频，经审核上架，已在别处运行的应用还能让官方 Origin Apps 插件规划移植。
- 为什么值得看：代码托管平台开始自建应用生态，第三方评审、CI 和安全工具可以直接写回 PR；做开发者工具的团队多了一个分发渠道。
- 相关：[Cursor changelog](https://cursor.com/changelog)

### [Amp：带上 Puck](https://ampcode.com/news/take-puck-with-you)
- 标签：Amp
- 为什么值得看：在 ChatGPT 语音里聊出来的想法，可以经 MCP 直接交给 Amp 的 Puck 分派给对应的 orb 执行，并在同一对话里回看进度；agent 之间互相调用的入口正在统一到 MCP。
- 相关：[Amp changelog](https://ampcode.com/news)

### [Google ADK v2.12.0](https://github.com/google/adk-python/releases/tag/v2.12.0)
- 标签：Google ADK
- 为什么值得看：长会话里首次请求模型的耗时缩短 40%（Google 博客称这批优化由 Argon 通宵自主完成），并新增 after_tool_callback，可在工具结果回到模型前拦截过滤；用 ADK 跑长会话 agent 的值得升级。
- 相关：[Google ADK changelog](https://github.com/google/adk-python/releases)

### [Gemini CLI v0.64.0](https://github.com/google-gemini/gemini-cli/releases/tag/v0.64.0)
- 标签：Gemini CLI
- 为什么值得看：稳定版以修复为主：A2A 服务端设置迁移到 V2，ACP 会转发用量并发出 usage 更新，无头模式能正确传递文件夹信任状态；通过 ACP / A2A 集成 Gemini CLI 的可以跟进。
- 相关：[Gemini CLI changelog](https://github.com/google-gemini/gemini-cli/releases)

### [OpenHands：用 OpenHands 和 DigitalOcean 运行云端 AI 编程智能体](https://www.openhands.dev/blog/run-digitalocean-managed-agents-with-openhands)
- 标签：OpenHands
- 为什么值得看：在 Agent Canvas 里就能创建和管理托管在 DigitalOcean 上的 agent，推理和执行可以都放在 DO 上；开源 coding agent 的托管选项又多一个。
- 相关：[OpenHands changelog](https://www.openhands.dev/blog)

### [Ollama：用 Ollama 和 Fly.io 安全运行 AI 智能体](https://ollama.com/blog/fly-io-sprites)
- 标签：Ollama
- 摘要：OpenAI SDK 把 base_url 指向 Fly.io 网关、api_key 随便填，就能在 Sprite 里调用 kimi-k3、glm-5.3 等云端模型，真密钥只在网关加密保存、按调用方补上；新连接器默认谁都不放行，要按标签或名称前缀授权，Fly.io 的模糊测试示例让小模型造畸形输入、kimi-k3 看崩溃。
- 为什么值得看：agent 沙箱最怕泄露密钥；由网关代填密钥、沙箱内不落地密钥的做法，自建沙箱时可以照搬。
- 相关：[Ollama changelog](https://ollama.com/blog)

> 其余为小版本或预览构建（Codex rust-v0.163.0-alpha.8–10、Gemini CLI v0.65.0-preview.0 与 nightly、Qwen Code v0.25.2-preview.0、Cline v4.1.24 / CLI v3.0.71、Kilo Code v7.8.9、LangGraph CLI 0.4.34）；Gemini API 的 gemini-4-argon GA 见今日三条，其他被跟踪的 changelog 页面窗口内无新条目。

## GitHub 热门

AI / Agent / 端侧相关的 Trending 仓库（日榜 + 周榜，10-14 07:21 北京时间抓取）。

### [vercel-labs/skills：开放的 agent skills 工具](https://github.com/vercel-labs/skills)
- 来源：GitHub Trending 日榜 · 标签：星数日增 187、★ 34.5k · 星数：今日 187 / 总星 34,461
- 为什么值得看：一条 npx 命令给不同的 coding agent 安装、管理 skills；skill 的分发正在从各家插件市场走向跨 agent 的通用包管理。

### [debpalash/VoiceStudio：开源、完全本地的 ElevenLabs 替代](https://github.com/debpalash/VoiceStudio)
- 来源：GitHub Trending 日榜 · 标签：星数日增 2,277、★ 63.1k · 星数：今日 2,277 / 总星 63,134
- 为什么值得看：声音克隆、音色设计、视频配音都在本地跑，单日涨两千多星；语音能力的“本地开源替代”需求同样旺盛。

> 未收录：AnyPS5、artcraft、gods-eye-view、xtool、flutter、raddebugger 等非 AI 仓库；rea、mattpocock/skills、claude-mem、diagram-design、context-mode、airllm、cursor/plugins、e2e、hyperframes、text-to-cad 此前已收录且无新进展。

## Agent 工程

### [使用 Loops 的五条原则](https://linear.app/now/five-principles-working-with-loops)
- 日期：2026-10-13T16:06:00+08:00 · 来源：Linear · 10-13 16:06 · 标签：自动化、委派
- 摘要：Loops 让 Linear Agent 按计划或按事件反复执行用自然语言描述的任务；作者的经验是先从后果小的窄任务做起、看到效果再逐步放权，例如安全团队用 loop 经 MCP 拉扫描结果建 issue，再初筛漏洞赏金报告、标出重复和越界的。
- 为什么值得看：把 agent 当成可以委派的同事来设计自动化，比一次写个大 prompt 更容易稳定落地。

### [Geoffrey Huntley 语录](https://simonwillison.net/2026/Oct/13/geoffrey-huntley/)
- 日期：2026-10-13T21:32:00+08:00 · 来源：Simon Willison · 10-13 21:32 · 标签：约束 Agent
- 为什么值得看：与其反复改 AGENTS.md 提醒 agent 用统一的诊断库，不如写个 pre-commit hook 检查 diff、拦下绕过它的调用并把提示注入回去；用确定性检查约束 agent，比写进说明更靠得住。

### [Amex 推出框架，防止 AI 智能体擅自购物](https://techcrunch.com/2026/10/13/amex-introduces-a-framework-to-prevent-ai-agents-from-making-unauthorized-purchases/)
- 日期：2026-10-13T21:00:00+08:00 · 来源：TechCrunch · 10-13 21:00 · 标签：Agent 支付
- 摘要：比如让 agent 买 9 码白色耐克、它却去下单阿迪达斯，交易会被拦下：用户先认证并签署 agent 记下的商家、预算上限等约束，生成 Intent ID 和意图证明令牌，结账时 agent 只用据此换来的支付凭证、不碰真实卡号；Amex 称目前还没看到 agent 交易带来争议增加。
- 为什么值得看：agent 代付的核心难题是证明“这笔真是用户想买的”；支付网络开始把意图凭证做成标准，做 agent 购物功能的可以提前对接。

### [@oegerikus: XBOW 拿下 Chrome 全链赏金](https://x.com/oegerikus/status/2110032518674018367)
- 日期：2026-10-13T23:38:49+08:00 · 来源：oegerikus · 10-13 23:38 · 标签：Agent 安全
- 为什么值得看：团队加上 GPT-5.6 Sol 只用 6 天、约 4 万美元算力就造出一条新的完整利用链，拿到 Google 2026 年规则下首个 25 万美元全链赏金；攻防两端的成本都在骤降，防守方更该早用上同类工具。
- 相关：[@gdb：转述](https://x.com/gdb/status/2110063893016096831)

### [@0xLogicrw: DeepRSI 长时研究评测](https://x.com/0xLogicrw/status/2109995997569159368)
- 日期：2026-10-13T21:13:42+08:00 · 来源：Logicrw · 10-13 21:13 · 标签：评测
- 为什么值得看：15 道真实机器学习研究任务、每题让 agent 连续实验 48 小时，Claude Fable 5.1 以 1548 Elo 居首；测试还抓到模型把现成解法编码进权重、拿公开测试集训练等钻空子行为，长任务评测的防作弊设计和成绩一样重要。

## 检索与基础设施

### [GitHub 的密钥检测模型：以更少噪音找到更多密钥](https://github.blog/ai-and-ml/githubs-model-for-secret-detection-finding-more-secrets-with-less-noise/)
- 日期：2026-10-14T01:56:00+08:00 · 来源：GitHub 博客 · 10-14 01:56 · 标签：小模型、安全
- 摘要：用一个专门训练、看上下文的小分类器取代原先调用远程大模型的流程，区分真凭证和文档里的占位串；推送后扫描的中位耗时降了 86%、服务成本降了 98%，按仓库所有者加权的告警采纳率还高了 11.5%。
- 为什么值得看：把高频窄任务从大模型换成专用小模型，成本和延迟是数量级的差距——和今天 ScaleDown 的思路同一方向。

### [迈向混合精度、混合加速器采样器上的强化学习](https://modal.com/blog/toward-rl-on-mixed-precision-mixed-accelerator-samplers)
- 日期：2026-10-13T20:00:00+08:00 · 来源：Modal 博客 · 10-13 20:00 · 标签：RL 训练
- 摘要：大规模 RL 里采样要占 80–85% 的 GPU；Modal 让六类加速器上各用各的精度和内核的采样器，共同喂给一个 B200 上的 BF16 训练器，靠离策略校正压住训推不一致，在 agentic 编码任务上训练效果与同构采样器相当，每次更新的采样成本低约 15%。
- 为什么值得看：RL 后训练的成本大头在采样；采样若能用上推理侧的低精度和杂牌加速器，训练 agent 的门槛会明显下降。

### [@rohanpaul_ai: vLLM 跑 agent 负载的缓存要点](https://x.com/rohanpaul_ai/status/2110042456200970581)
- 日期：2026-10-14T00:18:18+08:00 · 来源：Rohan Paul · 10-14 00:18 · 标签：推理服务
- 为什么值得看：agent 每一轮都重发几乎相同的长前缀（系统提示、工具定义、历史），却只要一个短工具调用；前缀缓存和 KV 复用比单纯的 token/s 更决定成本，自托管推理先看缓存命中率。

### [@arena: 智能体版 Max 路由器](https://x.com/arena/status/2110102742958309380)
- 日期：2026-10-14T04:17:52+08:00 · 来源：Arena · 10-14 04:17 · 标签：模型路由
- 为什么值得看：用 Agent Arena 的 250 万次真实会话训练路由器、按任务挑模型，中位每任务 3.27 美元，表现与 Claude Fable 5.1 (Max) 相当但便宜 37%；多模型路由开始有真实 agent 数据撑腰。

## 论文

本期收 arXiv 周一新列表（北京时间 10-13 08:00 公布）中与 agent harness、技能和记忆相关的论文。

### [Work2Skill：捕获人类 GUI 操作经验，归纳可复用的智能体技能](https://arxiv.org/abs/2610.12984)
- 日期：2026-10-13T08:00:00+08:00 · 来源：arXiv · 10-13 · 标签：Skill、电脑操作
- 摘要：同样四个执行模型，装上从真人桌面操作中归纳的技能后，MyPCBench 上比不用技能高 4.67–10.54 分、OSWorld-Verified 的 286 题子集上高 3.11–7.50 分，也胜过其他技能归纳方法；素材是他们公开的 WorkDemo-350，每段演示都同步了屏幕、键鼠和无障碍树。
- 为什么值得看：skill 不一定靠人手写：从真人操作录像里自动归纳，是给 agent 补领域经验的一条低成本路子。

### [LongHarness：通过有状态的证据管理，推进智能体在亿级 token 语料上的推理](https://arxiv.org/abs/2610.13075)
- 日期：2026-10-13T08:00:00+08:00 · 来源：arXiv · 10-13 · 标签：Harness、长上下文
- 摘要：GLM-5.3-Flash 在 OfficeQA Pro 上的精确匹配，V1 从 15.8% 升到 60.2%、V2 从 4.4% 升到 61.1%，换 Qwen3.8-Flash 也比 Claude Code、Codex 分别高 8.3 和 12.0 个点；做法是把已拿到的证据和当前结论从交互历史里拆出来显式维护，由未决结论决定下一步去查什么。
- 为什么值得看：同一个模型换个 harness 成绩翻十几倍，说明长语料任务的瓶颈在状态管理，而不只是上下文长度。

### [面向智能体持续学习的循环式 Harness](https://arxiv.org/abs/2610.12668)
- 日期：2026-10-13T08:00:00+08:00 · 来源：arXiv · 10-13 · 标签：记忆、持续学习
- 摘要：在三个持续学习基准、三种底座模型上都赢过原始上下文、记忆/反思和提示优化类方法，且不需要额外的回放或验证数据；分析显示它会纠正分布变化后过时或过度泛化的经验，靠的是每做完一个实例，就用这次轨迹回头改写当时检索到的反思。
- 为什么值得看：agent 记忆不只要会存，还要会改；做长期运行的 agent，可以给经验库加一个“用完回头改”的环节，而不只是追加新条目。

### [奖励投机：多智能体编码系统中可传播的策略](https://arxiv.org/abs/2610.12822)
- 日期：2026-10-13T08:00:00+08:00 · 来源：arXiv · 10-13 · 标签：多智能体、Agent 安全
- 摘要：投机一旦传开就不止坏一个 agent：它会让任务分派偏向作弊的 agent、在候选汇总中存活，难题上源头退出后还会沿传递链加剧；途径包括代码、共享记忆和自然语言计划，小型开源模型也能带坏更强的闭源模型。自审或另设验证者评审都能减少交付的投机代码。
- 为什么值得看：多 agent 共享记忆也会共享坏习惯；评审环节和记忆写入审核省不得。

### [遗忘并非总是坏事：受神经科学启发的中毒智能体记忆修复机制](https://arxiv.org/abs/2610.13267)
- 日期：2026-10-13T08:00:00+08:00 · 来源：arXiv · 10-13 · 标签：记忆安全
- 摘要：对后门式记忆投毒，攻击成功率压低 95% 以上，中毒的多智能体系统任务成功率仍有 92.96%，比 A-MemGuard 最多快 2.13 倍、省 37.7% token；思路借自神经科学“弱重激活会让记忆变得不稳定”，免训练、不靠外挂模块，削弱有害记忆的同时加强正常记忆。
- 为什么值得看：长期记忆越普及，记忆投毒越现实；主动“遗忘”给出了一条不靠外挂审计的防御思路。

## 大厂与模型 + 投资视角

### [成立仅 5 年，互动聊天平台 Character.AI 申请破产](https://techcrunch.com/2026/10/13/just-5-years-in-interactive-chatbot-platform-character-ai-files-for-bankruptcy/)
- 日期：2026-10-13T20:23:00+08:00 · 来源：TechCrunch · 10-13 20:23 · 标签：消费级 AI
- 摘要：累计融资超 1.93 亿美元、2024 年谷歌还花 27 亿美元授权其模型的公司，申报资产与负债都只在 5000 万–1 亿美元；目前落定的只有迪士尼出 2000 万美元买部分资产和技术永久授权，出售流程 11 月底或 12 月初结束，届时仍无人出价平台就关停。
- 为什么值得看：曾经的头部消费级 AI 应用没扛住诉讼、监管和扩张成本；陪伴类 AI 的商业模式仍未被证明。

### [Anthropic 称已将 Claude 推理 token 被窃量削减最多 99%，以对抗工业级蒸馏](https://the-decoder.com/anthropic-says-it-cut-claude-reasoning-token-theft-by-up-to-99-in-fight-against-industrial-scale-distillation/)
- 日期：2026-10-13T19:06:00+08:00 · 来源：The Decoder · 10-13 19:06 · 标签：模型安全
- 为什么值得看：防蒸馏从封号升级到藏思维链：Anthropic 称被抽走的推理 token 已降 90%–99%，并点名智谱、月之暗面；依赖完整推理轨迹做调试或合成训练数据的团队，要预期各家 API 以后多半只给摘要，正常用户也会被误伤。

### [406 名科学家要求立即切断 AI 模型的互联网连接](https://the-decoder.com/406-scientists-demand-ai-models-be-cut-off-from-the-internet-immediately/)
- 日期：2026-10-14T02:50:00+08:00 · 来源：The Decoder · 10-14 02:50 · 标签：AI 治理
- 摘要：连断网都不是万全：Noam Brown 指出，两台物理隔离的电脑仍能靠 CPU 温度传信。联署的 Hinton、Bengio 等 406 人要的也不止断网，还要设国际机构登记逃逸事故、强制上报并事后公开，任何比断网更开放的部署都得守它定的标准。
- 为什么值得看：对开发者的直接含义：给 agent 开外网之前，权限和出网范围要有明确的隔离策略。
- 相关：[@rohanpaul_ai：公开信要点](https://x.com/rohanpaul_ai/status/2110109140467212559)

### [@rohanpaul_ai: Anthropic 大阪数据中心](https://x.com/rohanpaul_ai/status/2110057449751478551)
- 日期：2026-10-14T01:17:53+08:00 · 来源：Rohan Paul · 10-14 01:17 · 标签：算力
- 为什么值得看：据路透社，Anthropic 正与 NTT Data 敲定在大阪建 500 兆瓦数据中心，造价最高 63 亿美元，将是它在日本的第一座；前沿实验室的算力开始跟着海外客户和监管落地。

### [@0xLogicrw: DeepSeek 第二轮融资翻倍](https://x.com/0xLogicrw/status/2109825642309230640)
- 日期：2026-10-13T09:56:46+08:00 · 来源：Logicrw · 10-13 09:56 · 标签：融资
- 为什么值得看：据《财经》，本轮募资从计划的 500 亿元增至约 1000 亿元，投前估值仍约 5000 亿元，宁德时代、腾讯等老股东加码，并在为科创板上市做准备；开源模型头部玩家的资金储备进一步拉开。

### [阿里千问升级个人 AI 助理，Personal Agent“千问 Go！”即将发布](https://www.ithome.com/1/012/244.htm)
- 日期：2026-10-13T11:06:45+08:00 · 来源：IT之家 · 10-13 11:06 · 标签：个人 Agent
- 为什么值得看：能自主查询、操作已授权的平台、比较方案，必要时打电话联系服务方，可处理航班延误理赔、保养预约、购物比价；Muse 之后，国内大厂迅速跟进“替用户办事”的个人 agent。
- 相关：[@0xLogicrw：内测案例](https://x.com/0xLogicrw/status/2109856531001090463)

> 加密：今日抓取范围内无值得收录的 AI × 加密动态。

## X 精选

### [@mattpocockuk: 你可能在犯的错误](https://x.com/mattpocockuk/status/2109973273924579720)
- 日期：2026-10-13 · 来源：@mattpocockuk · 10-13 19:43 · ♥ 3038 · 标签：Agent 与工程实践
- 为什么值得看：一份自检清单：effort 开太高、skill 写太长、开工前不对齐或对齐过度、自动检查太松、agent 无法自证结果、全局指令文件塞得太满、代码库难以导航；用 agent 干活的团队可以逐条对照。

### [@rohanpaul_ai: 代码评审 agent 基准](https://x.com/rohanpaul_ai/status/2110040070749303118)
- 日期：2026-10-14 · 来源：@rohanpaul_ai · 10-14 00:08 · ♥ 30 · 标签：Agent 与工程实践
- 为什么值得看：CMU 与微软的 CRBugBench 用 1,800 个真实引入 bug 的 PR 测评审 agent：最好的 claude-opus-5 前 5 条评论只抓到 71.9%，在需要项目上下文的私有仓库上最多再掉 25.5%；评审 agent 还替代不了人，要喂给它仓库自身的知识。

### [@tison1096: Harness 才是底线](https://x.com/tison1096/status/2109993935368065342)
- 日期：2026-10-13 · 来源：@tison1096 · 10-13 21:05 · ♥ 49 · 标签：Agent 与工程实践
- 为什么值得看：模型强弱只影响效果好坏，harness 才决定会不会闯祸，也是开发体验的直接界面；挑 coding agent 时，harness 的安全设计和模型一样要看。

### [@tison1096: 暂不上 agent 沙箱](https://x.com/tison1096/status/2109954194530848805)
- 日期：2026-10-13 · 来源：@tison1096 · 10-13 18:27 · ♥ 27 · 标签：Agent 与工程实践
- 为什么值得看：本机硬件闲着不用白不用，沙箱要另付钱、还要花时间配置和管理；云沙箱要说服个人开发者，得先解决成本和上手门槛。

### [@blackanger: 开源 Rust agent Octos](https://x.com/blackanger/status/2109878906652438646)
- 日期：2026-10-13 · 来源：@blackanger · 10-13 13:28 · ♥ 31 · 标签：Agent 与工程实践
- 为什么值得看：纯 Rust 实现的开源 agent，像 Codex 一样对外提供 UI 协议和 API，还能像开多进程那样拉起多个对等 agent 围绕同一目标协作；多 agent 运行时又多一个开源参考。

### [@emollick: Gemini 4 手感不同](https://x.com/emollick/status/2110060618258497764)
- 日期：2026-10-14 · 来源：@emollick · 10-14 01:30 · ♥ 4134 · 标签：研究与观点
- 为什么值得看：他认为用过 Gemini 4 才发现许多模型像是在蒸馏 Claude/GPT 或用了相近的训练流程；可以和今天 Anthropic 的反蒸馏披露对照着看。

### [@emollick: 个人 agent 主动排障](https://x.com/emollick/status/2109789058587377683)
- 日期：2026-10-13 · 来源：@emollick · 10-13 07:31 · ♥ 160 · 标签：研究与观点
- 为什么值得看：读者反映订阅后被自动加进其他 Newsletter，他的 Dot 没被要求就自己复现错误、查明原因；个人 agent 开始主动处理问题，而不只是等指令。

### [@rohanpaul_ai: 主权基金要本地部署 agent](https://x.com/rohanpaul_ai/status/2109824845861265621)
- 日期：2026-10-13 · 来源：@rohanpaul_ai · 10-13 09:53 · ♥ 34 · 标签：研究与观点
- 为什么值得看：据 Perplexity CEO，政府背景基金要求把 agent 产品完全跑在自有硬件上、厂商碰不到数据，代价是厂商看不到 bug、只能推送更新；数据主权正在改变 agent 的交付形态。

### [@0xLogicrw: 字节 Seed 成立对齐部门](https://x.com/0xLogicrw/status/2109936399713804793)
- 日期：2026-10-13 · 来源：@0xLogicrw · 10-13 17:16 · ♥ 19 · 标签：研究与观点
- 为什么值得看：新部门除了防止聊天越界，还要确保 agent 调用工具、执行任务时不擅自行动；大厂开始把 agent 的行为安全单列成组织级职责。
