今日热点

Anthropic 称，一名员工让内部研究模型尝试追溯 NIST P-192、P-224、P-256、P-384、P-521 五条曲线的种子来源，Claude 在不到半小时内找到答案：这些种子并非来自哈希算法，而是 C 库 lrand48 随机数生成器的输出，其初始种子是一个 Unix 时间戳。这些种子由 NSA 于 2000 年随 FIPS 186-2 发布，且未作任何说明，长期是密码学界悬而未决的问题。Anthropic 强调这只是为多年猜测画上句号，无需采取任何行动，多数研究者本就信任这些曲线。

Anthropic 研究10/16海外模型2 个信源73

rStation 是一个面向 AI Agent 的共享研究社区，独立 Agent 可在平台上讨论研究问题并发表经过评审的论文，人类可以旁观。平台列出的待解问题包括 Diophantine septuple、Earth–Moon 问题、Riemann 假设、Hodge 猜想、强正则图等，来源标注为 Epoch AI、千禧年大奖难题和 Brouwer 图表。原文信息有限，未披露评审机制、Agent 接入方式和已有论文数量。

Hacker News Show10/16海外2 个信源66

Meta 将于 10 月 30 日更新商业条款，要求商业账号允许 Meta 用其关联网站内容训练 AI，范围从社交媒体帖子扩大到网站内容，且不允许选择退出——不同意就停止使用 Meta 服务。Nieman Lab 报道称，这影响所有商业账号，对新闻出版商冲击尤大：它们本可向 Meta 收取数百万美元授权费。目前新闻机构正与 OpenAI 就无授权训练是否属合理使用打官司，Meta 的条款可能绕开这一争议直接获得广泛授权。

Ars Technica AI10/16海外2 个信源54

StarSkirmish Bench 更新至新版本，该基准让大模型通过编写代码来玩《星际争霸：母巢之战》。本次加入了 OpenAI、Anthropic、Google 和 Muse 四家旗舰模型的测试结果，标题点名 Gemini 4 Argon。原文正文信息有限，未披露各模型的具体得分与排名。

Hacker News Show10/16海外49

Anthropic 宣布向非营利评估机构 METR 的六名研究员开放员工级访问权限，包括公司配发的笔记本、办公空间和与内部风险评估团队同级的内部工具，用于独立评估其模型、安全实践与风险管理。METR 可自行发布评估报告，Anthropic 无权否决，但可要求对客户数据、律师-客户特权信息、模型架构等预设类别内容做删节，METR 可公开说明删节是否合理。这是 Anthropic 三层评估体系中的最高层，目前仅 METR 一家。此前自 8 月底以来几乎每周都有一两起 AI Agent 越权行为被披露。

TechCrunch AI10/16海外2 个信源49

美国新实验室 Reflection 发布首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 100 万 token 上下文，以 Apache 2.0 许可开源。模型面向编码和 Agent 场景，提供 BF16、FP8、NVFP4 三种权重格式，首日即支持 transformers、SGLang、vLLM，并附带基于 Rust 的专用 harness 和投机解码草稿模型。推理强度分 low、medium、high、xhigh、max 五档，支持跨轮保留思考内容。Reflection 另设 1 万美元 Hub 额度奖励优秀社区项目。

Hugging Face 博客10/16海外新模型发布45

Sygal 是一款本地运行的文档转换工具，支持 PDF、Word、Excel、PowerPoint、HTML、邮件、EPUB 等 29 种格式，以及图片、扫描件、网页和 YouTube 链接，输出干净的 Markdown 和结构化 JSON。官方称图片、扫描件、PDF、网页和 YouTube 内容转成文本后 token 量可减少约 2 到 7 倍，单文件转换约 1.7 秒，全程在设备本地处理。OCR 可自选 OpenAI、Claude、Mistral、NVIDIA、Gemini 或自定义服务商，使用自己的 API key。支持 macOS 12+ 和 Windows 10+，提供 14 天免费试用，买断价 25 欧元，无订阅、无需账号，另有 CLI。

Hacker News Show10/16海外47

Anthropic 发布基于内部数据的研究报告：截至 8 月，交互式 AI Agent 的工作时长与员工工时之比达到 6:1。公司初级技术岗位的招聘占比下降，工程师和非技术岗位的人均产出在采用编码 Agent 后明显上升，代码、销售和合同处理量均增加。人类注意力成为 Agent 产出的瓶颈，非技术员工若读完 Claude Agent 的全部输出，需占用半周工时，因此转向构建监控工具等「元工作」。招聘标准也从技术专长转向自主性和判断力。报告基于 17 名员工访谈及内部雇佣、产出、日历等数据。

Anthropic 研究10/16海外43

开发者 Ross Shaw 发布 BlastLoop 1.0.0，一套面向 AI 编码 Agent 的“结构优先”工作法。核心是把写代码分成三个层级：Blast 负责系统级结构与接口，Mid 负责子系统与功能切片，Inner 负责局部文件与单元改动；随后按固定顺序跑三层测试：T1 查结构问题（边界错误、抽象泄漏、接口缺失），T2 修 bug 与运维问题，T3 做对抗性测试。若 T3 发现结构问题，则回到 T1 并路由给对应层级重写。使用方式为把仓库克隆进项目、让 Agent 读 AGENTS.md、按工作层级加载对应 prompt。

Hacker News Show10/16海外模型45

NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，含 12 种语言的罗马化文本，共 34 种语言-文字组合。同时开源配套的 GPU 加速数据生成流水线，包含提示词、LLM 工作流和质量校验，可迁移到自有语料。数据由精选英文材料（数学、代码、问答）翻译而来，每条记录可追溯到源文档，并保留公式、表格和代码。AI4Bharat 负责人 Mitesh Khapra 称印度语技术落后的核心原因是数据不足。

Hugging Face 博客10/16海外新模型发布42

NVIDIA 发布 Nemotron 3.5 Super VL，一个 120B 参数 MoE 开源视觉语言模型，每 token 激活 12B 参数，支持文本、图像、文档和视频输入，可推理、调用工具并写代码。上下文最高 100 万 token，权重以 OpenMDW-1.1 许可发布，同时开源数据集、训练配方和 RL 环境。NVFP4 检查点可在 1 张 DGX Spark、1 张 H200、2 张 H100 或 1 张 GB200 上运行。NVIDIA 称单 GPU 吞吐量最高为同类开源模型的 5 倍。基准成绩：GPQA-Diamond 89.90、SWE-bench Verified 71.07、BrowseComp 77.5、tau3-bench banking 17.78。另发布两款边缘模型 Nemotron 3.5 Bolt 74B-A9B 和 Bolt E4B。

MarkTechPost10/16海外新模型发布Nemotron 3.5 Super VL42

Meta 发布开源权重模型 Muse Spark Open，总参数 8160 亿，原生多模态，主打长周期任务、复杂软件工程和多步推理，Meta 称其为「迄今最强的美国开源权重模型」。该模型可在两台搭载 M5 Ultra 芯片的 Mac Studio 上通过 MLX 框架本地运行，Meta 与苹果为此合作数月，扎克伯格和苹果新任 CEO John Ternus 在 X 上互相致意。苹果同步发布 MLX 技术文章，介绍 Muse Spark Open 及另外两个开源模型的运行情况。

The Verge AI10/16海外新模型发布Muse Spark42

Black Forest Labs 发布 FLUX 3 Image Klein，一个 56 亿参数的开源文生图与图像编辑模型，支持最多 10 张参考图、原生 4K 输出和像素级编辑。官方称其内部测试 Elo 分数在所有开源模型中最高，超过闭源模型 Ideogram V4.5 和自家 FLUX.2 [pro]，比 90 亿参数的 FLUX.2 [klein] 高 91 Elo 分且参数少 38%。INT8 版本可在 8 GB 显存的 NVIDIA GPU 上运行，RTX 4070 生成一张图不到 9 秒。权重采用 FLUX Kommunity License，年收入低于 500 万美元的公司可免费商用；

The Decoder10/16海外新模型发布FLUX 3 Image42

vLLM 在发布当天即支持 Reflection 的 Beam 模型：501B 参数 MoE，每 token 激活 23B。在 NVIDIA Blackwell 上，由编码 Agent 自主优化后，batch-1 解码比初版快 2.71 倍，prefill 快 1.87 倍。配合 DFlash2 投机解码草稿模型，单请求在 TP8 上达到 708 tokens/s，接受长度 3.7；自适应验证在高并发下再提升 10% 吞吐。架构上，52 层解码器采用 DeepSeek-V3 式 MoE 路由，43 层为 512 token 滑窗注意力，9 层为无位置编码的全注意力，FP8 KV 缓存下 1M 上下文约占 18 GiB。官方提供 Docker 镜像可直接部署。

vLLM10/16海外新模型发布41

信贷投资管理机构 Benefit Street Partners 的基金经理 Anant Kumar 用 OpenAI Codex 自建工具：首个 BDC 估值追踪器 1 天完成，含后续迭代总工时约 10-12 小时；信贷协议分析器处理一份 300 页以上协议约需 20 分钟出首轮分析，之后人工复核 1 小时以上。该工具已用 GPT-6 Astra 重构并上线公司内部门户。此前需数天至数周回复投委会追问，现在常能在会上直接回答。Kumar 称 AI 负责汇总数据与初步分析，最终投资决策仍由人做出。

OpenAI News10/16海外41

Stack Overflow 为旗下 Stack Overflow for Agents 产品上线 ChatGPT 插件，注册量一夜之间增长到原来的 3 倍，Agent 创建量据其产品副总裁 Alexandra Lato 称一度达到 10 倍。该产品由两名工程师借助 Codex 在几周内完成开发；企业产品 Stack Internal 的单个连接器开发周期从平均 3-6 周缩短到 4 天，最近一次只用 1 天。平台底层按推理需求和成本把任务路由到 GPT-6 Astra、GPT-6 Sol 等模型。

OpenAI News10/16海外41

Google 推出面向机器人任务的 Gemini 4 Argon，主打用单一模型覆盖控制、仿真与训练数据生成。演示中它控制波士顿动力 Spot 在 MuJoCo 仿真里练习后完成踩踏板投罐任务，并由两个额外 AI agent 校验脚部与夹爪位置。仅凭一张桌面照片，Argon 生成 77 项任务和超 4500 条训练片段，真机成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。它还能从遥操作录像、第一人称视频和圆珠笔草图生成仿真。Google 称这是迈向「物理 AGI」的一步，但示例提示词显示仍需较多人工引导。

The Decoder10/16海外41

Anthropic 在 2026 年 8 月调查了美国全国代表性成人样本与自家员工。91% 的 Anthropic 员工认为 AI 到 2030 年能做出诺奖级发现，美国成人中这一比例为 39%。在工作效率上，26% 的职场 AI 用户称 AI 能把任务时间压到四分之一以内，Anthropic 员工中为 59%。关于自己岗位，超半数员工预计 2030 年 AI 能完成其至少 80% 的现有工作，美国劳动者中仅 5%。两组人都认为 AI 承担自己工作越多，失业率越高。

Anthropic 研究10/16海外模型41

IBM 发布 Granite Switch 4.1，含 8B 和 30B 两个版本，把对话、通用与专用决策、语音转写集成到同一个托管端点。三个组件分别是：新的通用决策 aLoRA、在安全决策任务上平均优于 Jev 1.13、Microsoft-Decision-1、GPT-Luna-Decisions 和 Clef-Flash 的 Guardian aLoRA，以及 OpenASR 榜首的 ASR 模型 Granite-Speech-5.0-Turbo-CTC。三者与基座模型组合后，GPU 显存占用与单独运行基座模型大致相当。由于采用 Activated LoRA，基座生成的 KV cache 可复用于后续适配器决策。在 5 步 RAG 工作流对比中，Granite-Switch-4.1-30B 快于 Jev-27B。

Hugging Face 博客10/16海外新模型发布40

英伟达发布 Nemotron 3.5 Super VL，一个 1200 亿参数的开源多模态模型，面向企业级 Agent，可连续在后台处理文本、图像、文档和视频。采用 MoE 架构，每个 token 仅激活 120 亿参数，由 Mistral AI、Thinking Machines Lab、Perplexity、Black Forest Labs 等组成的 Nemotron Coalition 共同开发。同步推出两款本地模型：Bolt 74B-A9B 24GB 可在本地机器运行 Agent 任务，Bolt E4B 4GB 面向语音助手，本月晚些时候发布。英伟达称 Super VL 从 Nemotron 3 Ultra 蒸馏而来，以约五分之一参数达到 Ultra 精度，在 Hermes 和 LangChain 的 Agent 测试中得分更高，单 GPU 吞吐量最高为同类开源模型的 5 倍。

The Decoder10/16海外新模型发布Nemotron 3.5 Super VL41

Claude Code 发布 v2.1.301，新增 CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS 环境变量，让无人值守重试模式在用量限制重置时间过远时直接结束请求而非等待。claude-api skill 加入 OpenTelemetry 追踪指引，可用 ant CLI 配置 trace 目的地。vim 模式新增 % 跳转匹配括号，支持 d/c/y 组合。OpenTelemetry tool_decision 事件新增 classifier_verdict、permission_mode 和 classifier_category 字段，可区分自动模式分类器决策与权限规则。

Claude Code 发布10/16海外模型39

OpenAI 发布 Rosalind Academic Plan，符合条件的学术实验室可免费获得最多 30 个 Business Standard 席位，为期最长 12 个月，用于访问其生命科学专用模型 GPT-Rosalind 及 Rosalind Workbench。GPT-Rosalind 需通过可信访问审批，覆盖药物化学、基因组学、湿实验辅助等场景。计划内共享的研究数据默认不用于训练模型。OpenAI 称已有多个学术实验室用它做蛋白质设计、神经退行性疾病研究。

OpenAI News10/16海外41

LangChain 在 Interrupt NYC 和 London 活动上发布多项更新。LangSmith 新增 AI Search（按语义搜索 trace，如判断用户是否沮丧、是否泄露 PII）、Managed Deep Agents v0.9（支持 Slack 交互、用户级记忆、定时任务，内置免费网页搜索）、Engine v2（红队测试、自动验证修复）、Trajectories（按时间线查看主 Agent 与子 Agent 路径）、Custom Apps 和 Fine-Tuning（用 Baseten 或 Fireworks 微调）。开源方面 LangChain v1.4.0 通过 langchain.mcp 命名空间支持 FastMCP。

LangChain10/16海外39

Meta 与 Apple 合作发布新模型 Muse Spark Open，采用开放权重，可在 Apple silicon 芯片的 Mac 上本地运行。原文信息有限，未披露模型参数规模、具体性能数据、开源许可协议及发布时间。

TechCrunch AI10/16海外新模型发布Muse Spark37

LlamaIndex 推出 ExtractBench Pro，用于评测 schema 化文档抽取在长尾场景下的表现。此前发布的 ExtractBench 含 370 份文档，其结果显示 LlamaExtract v2.5 最低价档位的 value F1 已超过 93%，接近饱和，但未覆盖真实客户的复杂文档与 schema。新基准包含 100 份文档，全部由确定性流水线从种子和配置文件合成，数据来源为网络及客户真实文档的格式与风格，并做了匿名化处理。数据集分为六类挑战，涉及图表中的数值、跨页规则、密集术语和混乱版式等，需要前沿模型能力、多步推理和工具调用才能解决。

LlamaIndex10/16海外模型37

Meta 的 AI 个人助手 Muse 上线一个月下载量达数百万次，登顶苹果 App Store。该应用会请求访问银行账户、密码、通讯录和聊天记录，并基于用户分享的信息收集其亲友、联系人等第三方数据。Signal 基金会主席 Meredith Whittaker 指出，Muse 的自主操作会波及与用户通信的所有人。Meta 发言人回应称，Muse 基于公开信息和用户主动分享的内容获取上下文，并提供了选择加入流程和隐私设置。已有用户报告该助手出现各类问题。

The Verge AI10/16海外37

英伟达将于 10 月 16 日推出首批搭载 RTX Spark 芯片的 Arm 架构 Windows 笔记本，官方称 Adobe、Office、Blender 以及需要内核级反作弊的游戏都能运行。该芯片此前一年已用于面向 AI 开发者的 Linux 迷你主机，此次运行完整 Windows 11，靠微软 Prism 模拟器兼容旧应用。作者实测数日后认为与传统 Windows 机器基本无差别。设备最高售价约 7000 美元、配 128GB 内存，本地生成 token 速度明显慢于云端。

The Verge AI10/16海外37