AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-10-27

星期二 · 10-27 07:18 截稿 · 共 20 条

★今日最该知道的 3 条

NO.1
OpenAI · 10-26computer useAPICodex

介绍 GPT-6.1 Terra

Agents’ Last Exam 中等推理比 GPT-5.6 Terra 高约 15 个百分点、成本约三分之一;标准 API 价为每百万 token 输入 $1 / 缓存 $0.05 / 输出 $5,比 5.6 Terra 与 6.1 Sol 低 50%。已进 ChatGPT Work 与 Codex(Plus/Pro/Enterprise/Edu),slug 为 gpt-6.1-terra。

↳ OpenAI
为什么值得看:面向高吞吐「看屏→点软件」流水线的新性价比档。迁移时先用自家表单/票据/录屏任务对比延迟与错误率,别只看 Agents’ Last Exam。
评分反馈
NO.2
Ars Technica · 10-26 16:04 PTSiri记忆隐私

Apple 发布带新 Siri AI 功能的 iOS 与 macOS 27.2,以及新的 Music 标识

欧盟与中国大陆用户仍用不了 Siri AI,但英语区 27.2 已把对话记忆、短信附件/语音留言引用和「Excluded Apps」一次推上;法语、日语、韩语、葡语、西语同步开闸,macOS Golden Gate 同版跟进。

为什么值得看:消费级助理第一次把「记得上周说过什么」和「哪些 App 不准碰」放进同一系统设置。做个人助理时,记忆能力要和排除清单一起设计,而不是只堆更长上下文。
评分反馈
NO.3
OpenAI · 10-26数学ETHYang-Mills

与学界协作,把科学理解建立起来

三份模型产出:各维 local smoothing(进而 Kakeya / Stein 限制)已放自然语言稿与 Lean;ETH 被证伪亦已公开 Lean,由 Impagliazzo/Paturi/Williams 组 steward;QCD/Yang–Mills 存在性证明暂不放原始稿,由 Gross 等组先写。强调不求学术署名、协作自愿无偿。

为什么值得看:重点不只是「又刷了猜想」,而是三种披露策略并行:直接放 AI 稿、放稿+外部解释组、先由专家组执笔。跟科研 agent 的人,先盯 Lean 与 steward 名单,再决定要不要当新闻标题读。
评分反馈

1专栏:端侧模型

Unsloth 放出 MiniMax-M3.1-Flash GGUF;llama.cpp 多为日常构建。

X · 10-26 22:45GGUFMiniMax量化

@UnslothAI: MiniMax-M3.1-Flash 本地 GGUF

为什么值得看:2-bit GGUF 称保留约 91.5% top-1、体积约小 45%,并写可在约 150GB 内存跑。本地 serving 的,先对自家提示集复测 top-1,别只抄显存口号。
评分反馈
GitHub · 10-26 17:54llama.cppMetal端侧

b11895

为什么值得看:Apple Silicon 上大矩阵/MoE 路由若出现错位,先对齐到含 Metal 溢出修复(#30072)与加宽 batch/MUL_MAT_ID 索引的构建再测;PR 标明 Assisted-by Codex。
评分反馈
X · 10-26 17:11机器人SLAM端侧

@Thom_Wolf: Microduck 端侧 SLAM 深挖

为什么值得看:抱起移动约 1.5m 再放下,称用 64 像素深度 + 腿部里程计在板侧重定位到约 2cm。做端侧感知的可读他们博客;和手机 LLM 不是同一条产品线。
评分反馈

b11888–b11899 窗内多条:Metal 大矩阵溢出、mtmd capabilities、WebGPU/CI 等日常修复,未再逐条单列。长安汽车端侧叙事与本期选型弱相关未收。

2专栏:Agent 记忆与协作

公司级 Knowledge、开源 Skills 包与选型对照;Siri 记忆见今日三条。

Mastra Blog · 10-26Knowledge记忆自托管

面向公司大脑的自托管工具

他们先用公司级知识图喂 coding agent,代码开始按「我们会怎么做」而不是朴素默认来写;Knowledge 把 Slack/Monday 等写入源做成可自托管服务,与按人/线程的 memory 并列,并强调新鲜度版本与决策记录(单功能记录可超千行)。早期名额至多八家设计伙伴。

为什么值得看:把「会话缓冲」和「组织经验库」拆开卖。自建团队记忆时,先问清新鲜度/版本与决策记录谁来写,再谈向量库选型。
评分反馈
X · 10-26 23:23Skills编码 Agent开源

@SenseTime_AI: SenseNova Skills 开源

↳ GitHub
为什么值得看:演示向编码 agent 挂 Deep Research / 数据分析 / 信息图等 skill,并称可与 Hermes、OpenClaw 捆绑安装。选型前先看仓库是否真能脱离其 API 运行,避免又一个「只能打自家模型」的 skill 集。
评分反馈
X · 10-26 21:19SkillsPocockAddy

@shao__meng: 三套 Agent Skill 怎么选

为什么值得看:转述 Rob:Pocock 问对齐、Addy 问全流程、pstack 问能否证明 work;别在每个仓库装全套以免撑爆上下文。做 harness 的可按改动风险分轻/中/重三档,而不是追 star 数。
评分反馈

cloudflare/security-audit-skill 已于 10-22 报过,不重复。小红书 AllSpark 公众号正文未能可靠落盘,不进公开。MultiAgent-OPD 论文见私密。

3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。

Claude Code

  • Claude Code:启动卡顿与 1M 误停修复
    为什么值得看:self-hosted-runner 可 --hold-idle-file / --max-hold-min;修超长 CLAUDE.md 列表导致的启动卡顿,以及标准上下文会话因「1M 额度」误停(改为压缩后续跑)。另修 MCP 资源/skill 下载中打断不生效、子 agent 晚连上的 MCP 工具不可用等。
    评分反馈

Codex rust-v0.165.0-alpha.3 仅有空 release 文案,未单列。Qwen Code v0.26.2-preview / nightly 仍是昨日已报的会话权限规则与 serve token 加固,不重复。LangGraph / Cline / Kilo 为小版本或空说明。ChatGPT 仍 403;Gemini API 302 环;jina 401;playwright 未装。Grok/DeepSeek 已用 http 拉到正文但无窗内可摘新条目。

4GitHub 热门

日榜里和 skill 安全、设计 skill、本地多 agent 工作区相关的新面孔。

GitHub Trending 日榜skill安全供应链

NVIDIA/SkillSpector:安装前扫描 Agent Skill 的安全风险

为什么值得看:面向 Claude Code / Codex / MCP skill 的漏洞、投毒、提示注入与数据外传扫描。往公开站或班组 skill 目录加包之前,可当预检,而不是装完再后悔。
评分反馈
GitHub Trending 日榜设计skill原型

alchaincyf/huashu-design:一句话出可交付设计的 HTML-native skill

为什么值得看:声称网页/App 原型、可编辑 PPTX、动画与信息图一条龙,并带风格库与「外观账本」。和昨日 SEO skill 包对照:这是产出形态 skill,装之前先看它会不会改你仓库外的文件。
评分反馈
GitHub Trending 日榜多 Agent桌面本地

nightly-labs/openbot:本地优先的持久 AI 队友桌面工作区

为什么值得看:给 Codex/Claude/Grok 分工作区、任务队列、文件共享与浏览器控制。和「单会话 Skills」路线对照看:你要的是持久队友,还是按需加载的工具包。
评分反馈

AgriciDaniel/claude-seo、JetBrains/thinkrail 昨日已报,不重复。TradingAgents 与本期选题弱相关未收。security-audit-skill 见 10-22。

5Agent 工程

窗内工程向长文偏少。

今日无重要更新

Simon Willison 转引 Jason Koebler(ChatGPT 把常规技术支持问题推给 404 Media)偏媒体伦理,未进本栏;Skills 选型见专栏。

6检索与基础设施

云端文件检索给编码 agent 当工具。

X · 10-26 23:10检索Agent 工具RAG

@testingcatalog: Nace 推出 Drex for Search

为什么值得看:把「搜全库」收成「交精确页」给编码 agent。评估时看自家网盘权限边界与引文是否真能点回原页,而不是只看步数百分比。
评分反馈

7论文

HF Daily 10-26 两条:结构化知识检索与购物 agent 仿真基准。

arXiv · HF Daily 10-26检索规则路由RL

面向结构化知识检索的协同自适应规则路由与约束

结构化检索很少自带「该用哪条推理规则」的标注。CoRE 让路由策略与规则约束检索器交替训练(强化学习 ↔ 对比学习),用彼此输出当监督,在 STaRK-QA 的科学发现、生物医学与电商场景验证,并观察规则用法以支持自动发现。

为什么值得看:企业知识图谱很少有现成「该用哪条规则」标签。做结构化 RAG 时,可对照:规则是写死,还是和检索器一起学。
评分反馈
arXiv · HF Daily 10-26基准购物 Agent仿真

UserArena:长程购物智能体的交互式用户仿真基准

基准含约 6.5 万会话轨迹、1.1 万用户、56 万商品与 13 类动作,并可用生产 A/B 结果做离线校验;另提 On-Policy Trajectory Distillation 给长程仿真加稠密信号。

为什么值得看:长程 agent 评测缺的是可对照线上的轨迹,而不只是单轮准确率。做推荐/成交 agent 的,优先看它能否复现你自己的 A/B,而不是排行榜名次。
评分反馈

按 HF submittedOnDailyAt=2026-10-26 收录;arXiv 原提交更早。

8大厂与模型

融资与同传开源;Terra / 数学成果见今日三条。

IT之家 · 10-26 20:26Meta融资基建

Meta 宣布至多 950 亿美元重大融资计划,为人工智能等业务筹集资金

总额至多 950 亿美元:225 亿 A 类普通股远期、125 亿强制可转优先股,以及后续至多 600 亿无投票权 C 类按市价发行。英伟达/AMD/博通均有意各购至多 50 亿 A 类;公司预计 2026 年资本开支约 1350–1450 亿美元。

为什么值得看:算力账单开始直接改股本结构(含无投票权 C 类)。看大厂 AI 叙事时,把「模型发布」和「谁出钱买卡」放在同一张表上。
评分反馈
X · 10-26 21:51AnthropicIPOS-1

@0xLogicrw: Anthropic 公开 S-1

S-1 已交纳斯达克(代码 ANT),股数/定价/估值仍空;转述称或瞄 11 月中旬、募资与估值数字尚未写入文件。披露含:Q3 超八成收入来自近半年新模型,前五大客户占比由约 36% 降至约 21%,上半年经营现金流转正。

为什么值得看:读招股书时优先看「新模型是否撑起收入」和算力融资条款,而不是先吵估值区间。窗口与条款以 SEC 原文为准。
评分反馈
IT之家 · 10-26 22:09混元同传开源

腾讯混元同声传译大模型 Hy-SimulMT 开源,响应时间仅 3 秒超人类译员

中英语音到语音边听边译,称实测时延约 3 秒(人类译员常 4–5 秒),并支持实时音色克隆;在 Hy 翻译 App 免费体验。官方称 RealSI 等评测上延迟与质量优于多数开源同传,并与持证译员对照。

为什么值得看:低时延同传开始以开源权重形式出现。若你做会议/客服语音 agent,可拿同一段长音频比「首句时延 + 术语稳定性」,不要只看演示片。
评分反馈
X · 10-27 06:05安全沙箱开源权重

@Thom_Wolf: 隐蔽信道复现靠开源权重

为什么值得看:转评 rauchg 的 cpu-chat:在 Firecracker microVM 间用 CPU 争用/缓存时序/DRAM 带宽做隐蔽通信;闭源模型拒做分析,开源权重完成复现。多 agent 同机时,隔离假设要按「共享硬件仍可能通话」来做。
评分反馈

Terra 与学术三项成果见今日三条,不在本栏重复占坑。Nanbeige 见昨日。

9X 精选

产业与融资观察

  • 思维怪怪 @0xLogicrw · 10-26 16:24 · ♥ 推理GPU开源模型
    @0xLogicrw: 租卡卖 Token 创业潮
    为什么值得看:转述 Deedy:小团队租 GPU 部署 DeepSeek/Kimi/GLM 按 token 收费,可很快冲到月入百万级,但云商也在下场卖 token。看「推理创业」时,收入曲线要和 GPU 租金、价格战放一起读。
    评分反馈
  • Rohan Paul @rohanpaul_ai · 10-27 02:34 · ♥ 微软裁员人力
    @rohanpaul_ai: 微软万人自愿离职资格
    为什么值得看:称约 6 万人(约 27% 员工)获得自愿离职资格。大厂 AI 资本开支上升时,人力结构也会一起动;当背景信号看,不必过度解读成单一产品线。
    评分反馈

产品与创作

  • 思维怪怪 @0xLogicrw · 10-26 18:43 · ♥ 即梦短剧Agent
    @0xLogicrw: 即梦短剧工作室上线
    为什么值得看:剧本/分镜/重制转绘进同一平台,并提到小云雀并入即梦。做视频 agent 的,看重的是「单镜重拍 + 素材库复用」是否真闭环,而不只是又一键生成。
    评分反馈
  • 思维怪怪 @0xLogicrw · 10-26 13:05 · ♥ CapCutChatGPT视频
    @0xLogicrw: 剪映拟接 ChatGPT
    为什么值得看:称 CapCut 计划 11 月在 ChatGPT 内公测视频生成与剪辑。分发入口往对话里搬时,权限与素材归属要比滤镜名单先想清楚。
    评分反馈

工作流与安全旁线

  • xenova @xenovacom · 10-27 06:26 · ♥ 可解释Qwen转向
    @xenovacom: 两神经元转向 Qwen
    为什么值得看:称只转向 Qwen3.5-4B 里两个神经元就能让模型大谈有害话题。本地小模型做安全回归时,可把「极小干预是否翻盘」加进测试,而不只看拒绝率。
    评分反馈
  • Prince Canuma @Prince_Canuma · 10-27 04:20 · ♥ 评测Agent异常
    @Prince_Canuma: 单条异常轨迹不够定罪
    为什么值得看:提醒 1:100K 的异常 trace 不足以证明模型缺陷。做 agent 评测台账时,先区分偶发与可复现,再决定是否升级为事故。
    评分反馈
  • Matt Pocock @mattpocockuk · 10-27 04:14 · ♥ 378 演讲心率
    @mattpocockuk: 上台仍会紧张
    为什么值得看:公开 20 分钟演讲心率曲线:上场前拉高、Q&A 回落。和 skill 包作者人设无关的一条:公开讲解 agent 工作流时,紧张是生理默认值。
    评分反馈

☰往期