AI 情报文章归档

Artificial Analysis 测得 DeepSeek V4.1 Flash 在 GB300 NVL72 上的 AA-AgentPerf 速度一个月内提升最高 1.5 倍 tok/s/agent，单 agent 从 596 tok/s 升至 848 tok/s（1.42x）。

史上最大的开源项目之一是如何做发布的？🦞 @dallinfinite 讲解了 OpenClaw 的发布流程：dev、beta 和 stable 三个渠道，每周一班的 beta 列车，以及由一个智能体会话全程护航每一次发布。

OpenRouter 发布 2026 年 10 月使用数据完整复盘，链接为 https://openrouter.ai/data/october-2026。复盘内含每个板块的交互式图表，以及各实验室内部的模型使用占比分布。

7/ 在任务排行榜上，按 token 计，DeepSeek V4.1 Flash 在多数编程和智能体任务中领先。按花费计，Claude Opus 5.5 在榜单多数项目中领先。 Jev 1.13 和 GLM 5.3 Flash 在数据提取和数据转换方面表现强劲。

6/ 开源权重实验室在增长上领先。过去 6 个月，https://Z.ai 的月度 token 量增长约 20 倍，DeepSeek 增长约 12 倍。 支出方面，https://Z.ai 增长约 6 倍，Anthropic 上升 76%。

OpenRouter 发布按计费用量统计的数据，自 1 月以来每 token 有效价格下降 57% 至 70%：封闭权重模型从 $1.21 降至 $0.52 per 1M tokens，开放权重模型从 $0.28 降至 $0.084 per 1M tokens。两者价差从 4.3x 扩大到 6.2x，统计排除免费变体、BYOK、隐身模型和非聊天 API。

4/ 开源权重模型强势反弹。在 Claude Opus 5.5、Sonnet 5.5 和 GPT-6.1 Sol 发布的那一周，其付费 token 份额降至 52%。 两周后，这一份额回升至 70% 以上，主要归功于 DeepSeek V4.1 Flash。

3/ 智能体每一轮都会重发相同的长上下文，因此提示词缓存对它们比对人类更重要。 智能体流量中，提供商缓存命中率中位数从 6 月的 76.1% 升至 10 月的 90% 以上。

OpenRouter 披露 Agent 现已消耗平台全部 token 的 76%，10 月约 600T，而一年前 agentic API key 仅占 8%。附图显示 10 月 Agentic 类达 599.6T，Mixed 和 Human 分别为 103.5T 和 83.1T；API key 按月分类，agentic 得分 0.50 及以上为 agentic，0.25 至 0.49 为 mixed，低于 0.25 为 human。

我们的十月数据回顾涵盖 token 增长、智能体使用情况、token 价格、模型实验室留存率以及推理服务商。以下是亮点。 1/ 十月的 token 用量：790T tokens，较一月增长 25 倍。

作者解读 METR 关于 Anthropic AI 研发加速的公开报告，认为 Anthropic 负责任扩展政策中“AI 带来戏剧性加速”的阈值可能已被跨过。报告发现 2025 年 10 月至 2026 年 10 月，Anthropic 的能力进展速度约为此前十二个月的两倍，衡量指标为内部版 Epoch Capabilities Index（AECI），但多数支撑证据被删减。

Arena 公布 thinkymachines 的 Inkling 2 Small 进入 Code Arena: WebDev 榜单，以 1648 分在实验室中排名第 8，权重发布后将成为美国开源模型第 1。该模型现已在 Tinker 上开放微调和推理，完整权重即将发布；此前引用帖中 1654 分版本显示其领先第 2 名 Meta Muse Spark Open 128 分，全球开源模型中排第 4。

OpenAI 与 Frontier Model Forum（FMF）及其成员公司合作推出新框架，用于判断绕过 AI 系统安全防护何时可能造成严重网络危害，并据此优先加强防护。OpenAI 国家安全政策负责人 Sasha Baker 称，该框架是评估和比较网络越狱严重程度（包括其解锁的能力及可用性）的共同方法论的重要一步。

前 OpenAI 工程师 Abdulrahman Alfozan 对在公司高管会议室安装窃听设备的指控当庭表示不认罪，其律师于周五提交抗辩，此前大陪审团已以一项非法截取口头通信的重罪罪名起诉他。他自 10 月 9 日被捕后一直被羁押，法官认定其与沙特的联系构成潜逃风险。起诉未指控窃取商业机密或为外国政府工作，公司也表示未发现他带走模型权重或源代码的迹象。

Anthropic 科学博客发文介绍 AI 正开始改变科学建模流程。科学家目前仍主要手工编写模型，且往往需在多个互相竞争的解释版本间权衡；AI 通过以代码形式编写、运行、拟合和修订科学模型，可探索大量可能的模型结构，并找出数据支持的解释。该文为 Jakob Macke、Daniel Gedon 和 Stefan Wahl 的客座文章。

AI 芯片设计公司 Ricursive Intelligence 发布开源模型 Ripple-65B Preview，预训练使用 12 万亿 token，在 TerminalBench 2.1 上得 80.52 分，称其为美国开源模型中最佳。

ARC Prize 对比 Thinky Machines 的 Inkling 2 Small 与 7 月 30 日发布的初代 Inkling Small 在 ARC-AGI-2 上的表现，semi-private 得分从 40.14% 翻倍以上至 81.67%。图表还显示 public 得分从 39.31% 升至 84.17%。

@thinkymachines - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Inkling 2 Small 完整结果：https://arcprize.org/results/thinky-inkling-2-small

ARC Prize 公布 Thinking Machines 的 Inkling 2 Small 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 81.7%，每任务成本 $0.27；ARC-AGI-1 得分 96.5%，每任务成本 $0.08。据称其在其评估过的所有开源权重模型中 ARC-AGI-1 和 ARC-AGI-2 表现均为最好，Thinking Machines 计划下周发布完整权重。

Google is integrating Gemini more directly into local business management. Its new Business Profile...

I'm building PurseString, an open-source MCP server that lets AI agents spend money safely. A lot of...

OpenAI 首席财务官 Sarah Friar 表示，中期业绩并未显著改变公司的计划，因为其投资必须跟上客户需求，资金来自超大规模厂商合作与新增资本。 OpenAI 昨日回应了外界批评：承诺征求社区意见、公布建设计划、不与公职人员签署保密协议，并全额承担电力成本——这些仅适用于其自有并运营的数据中心。

During Meta's Global AI Developer Hackathon, I spent roughly four intensive days building RAME Code,...

Bloomberg 报道，Microsoft 未续签 2023 年围绕 Bing 签订的合同，正在关停从 Oracle 租用的 AI 服务器。原因之一是 Oracle 硬件运行旧一代 Nvidia 芯片，与 Microsoft 的规格不再匹配。

OpenAI 与酶设计生物技术公司 Ligo 联合推出 BioBasicsBench，用于衡量 AI 智能体处理湿实验室常规分析的能力。该基准基于 100 个来自真实实验的任务，测试智能体能否解读原始实验数据、识别错误，并判断证据是否足以支持结论。OpenAI 表示该基准可显示模型待改进之处，并追踪这些进步对科学进展、生物安全和生物安保的意义。

Spaces 来了。描述一个规划器、追踪器、游戏，或任何你需要的东西，Muse 会直接把它构建到应用里。把它固定到你的标签页，随时回来，它都已经是最新的。

MIT 团队开发的 CheMeleon 通过预训练百万分子、约 1600 个分子描述符，在数据稀缺时预测分子性质优于现有方法，并在 58 个测试案例中排名第一。该开源模型基于 ChemProp，可下载微调；在 OpenADMET 竞赛前 20 名中有 9 个参赛方案使用了它，已有制药公司将其列为建模默认起点。

Recent work on robot manipulation has focused on specialist policies trained on demonstrations. We show that generalist AI models can control manipulators more reliably than specialist policies such as vision-language-action models (VLAs) …

Large language models reinvent the wheel all the time. They conflate task-solving with the execution of the solutions, which forces them to solve every problem from scratch. We show that once a task has been reasoned through, the applicati…

We prove that the set $\mathcal{N}_N$ of ReLU networks with one hidden layer and at most $N\in\mathbb N$ neurons is weakly closed in $W^{1,p}(Ω)$, for a bounded connected open set $Ω\subset\mathbb R^d$. Consequently, every coercive, weakly…

Predicting the future motion of multiple people is inherently stochastic: the same observed history admits many plausible continuations depending on intent, coordination, and social context. Yet the dominant paradigm in multi-person 3D mot…

The Gaussian jet of an image is a graded vector space: a dilation by $λ$ multiplies derivatives of order $k$ by $λ^{-k}$. Local graded convolutions are exactly homogeneous differential operators, and a local feature is dilation-invariant i…

用 GPT Image 2.6 生成 GIF，现已在 fal 上线。 可将任意提示词或图片转为动态 GIF，自定义单帧并创建无缝循环。

Test-time reinforcement learning (TTRL) adapts pretrained language models to unlabeled target-domain data using self-generated pseudo-labels, whose reliability remains poorly understood. We analyze majority-vote supervision for TTRL with o…

Large reasoning models (LRMs) improve task performance by generating longer intermediate reasoning traces, but this substantially increases inference costs and makes low-precision quantization increasingly important. However, aggressively …

Purpose: Surgical operative reports support procedural documentation, surgical training, performance assessment, and workflow review. However, extracting meaningful information often requires extensive manual review and clinical expertise.…

美国国会三个委员会的主席致函 NVIDIA CEO 黄仁勋，要求就其与新加坡数据中心公司 Megaspeed 高管 Alice Huang 的接触作闭门简报，此前的报道称美国情报机构认定她向北京传递信息。

网络安全公司 Censys 发现超过 800 个开源自主渗透测试工具 Artex 的部署实例无需密码即可从互联网访问。Artex 是一款中国制造的开源 AI 黑客工具，自 7 月公开发布以来已被关联到多起攻击，包括 9 月针对韩国金融行业和 10 月针对 ConnectWise 的攻击；CrowdStrike 将前者归因于一名使用 Artex 的中文黑客。

Loco-manipulation, which requires mobile manipulators to coordinate locomotion and manipulation over long horizons, is a key capability for large-object rearrangement in applications such as service robotics and warehouse automation. Despi…

Meta 为其 Muse 智能体推出新功能 Spaces，用户可在侧边栏按主题建立独立对话空间，Muse 会围绕特定目标代为推进，如度假规划、礼物追踪或婚礼策划。