今日热点

Anthropic 与 Theorem 合作，用 Claude 在 RISC-V 汇编代码层面为 100 多个真实开源软件库证明了安全属性，这是首次用 AI 对生产软件做汇编级大规模形式化验证。Claude 在写证明过程中还发现了此前历经数万亿次测试运行仍未检出的 bug。形式化验证传统上成本极高：seL4 内核实现用了 2 人年，验证却用了 20 人年，因此此前只用于空客航电等关键领域。

Anthropic 研究10/22海外模型2 个信源75

Omnara 在 GitHub 开源，定位为 Claude Managed Agents 和 OpenAI Agents API 的自托管替代方案，采用 Apache 2.0 协议，可免费自部署，也提供云端版本。用户通过 agent.yaml 配置模型、机器池和指令，用 CLI（需 Node.js 22+）或 TypeScript SDK 启动 Agent，支持任意模型、工具调用、密钥管理、权限控制和流式输出。自托管需 Docker Compose，本地启动后访问 localhost:8000 注册，验证链接直接打印在日志里。

Hacker News Show10/22海外模型2 个信源70

GitHub 工程博客披露，过去一年 Git 流量指数级增长，平台上 99.99999% 的 Git 仓库已同时存放在自有数据中心和 Azure 两处，Azure 目前承载约一半的 Git 流量。迁移动因是 agent 带来的流量激增、数据中心及所在地区电力容量触顶和供应链限制。首个仓库副本于 2025 年 8 月落地 Azure 美国中部区域，多数仓库的 5 个副本中已有 2 个在 Azure。剩余 0.00001% 是最繁忙的仓库，受限于 25ms 往返延迟；GitHub 通过调整 quorum 写入串行化方式解决，并称这一步为无状态副本铺路。

Hacker News · AI10/22海外2 个信源68

Anthropic 发布研究预览版 Claude Duet，一个主动式 Agent：它每天早晨推送简报、标出收件箱和日历中需要处理的事项、起草回复，也能接消息指令建仪表盘、准备工资单、催收欠款。它运行在云端独立电脑上，发送消息、付款等敏感操作前需用户批准。基于 Opus 5.5，面向美国 Pro 和 Max 订阅用户，需排队申请，暂不含 Team 和 Enterprise。有 iOS、Android 独立 App 和网页版。后台检查会消耗套餐用量额度。官方提示它可能误判紧急程度或漏掉消息。

Hacker News · AI10/22海外61

Anthropic 宣布把 Agent Skills 开放标准捐给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），同时捐出名称、Logo、GitHub 组织和 agentskills.io 域名。该标准自 2025 年 12 月发布以来，已有 ChatGPT、Cursor、GitHub Copilot、VS Code 等 70 多个 Agent 平台接入；累计发布 100 万个 skill，安装量近 2.8 亿次。Anthropic、Google、OpenAI 等公司的工程师将以个人身份维护该标准，David Soria Parra 和 Mahesh Murag 任首席维护者。后续路线图包括版本化发布、正式提案流程和 skill 编写与安装的安全指引。

Anthropic 新闻10/22海外模型2 个信源56

Recursive Superintelligence 发布首个模型 Flint，这是一个面向编码 Agent 的开源权重 MoE 模型：总参数 39.8B、每 token 激活约 2.5B，权重以 Apache 2.0 协议发布在 Hugging Face。模型卡标注上下文 262,144 tokens，博客称最高支持 512k。4-bit 量化后约 23 GB，可在 48 GB 的 Apple Silicon Mac（M4 Pro、M5 Pro、M5 Max）或 48 GB NVIDIA GPU 上本地运行。官方自报成绩：SWE-bench Verified 74.2%、IFEval 95.1%，Terminal-Bench 2.1 为 54.9%（低于稠密模型 Qwen 3.8 的 73.0%）。

MarkTechPost10/22海外新模型发布2 个信源54

Anthropic 发布面向专业人士和小企业主的 AI Agent Claude Duet，以研究预览形式上线，提供 iOS、Android 独立应用和网页版 Claude 入口。该 Agent 基于 Claude Opus 5.5，每天早晨推送所连接应用的重要事项简报，全天监控并在需要时提醒；可承接会议安排、搭建仪表盘、生成财务或销售预测、原型开发和网页应用构建等任务。它继承 Claude 的记忆、技能和已连接应用，并配有可操作浏览器的虚拟机；在付款、删除等关键操作前会发消息请求批准。安全方面新增专用分类器和安全系统提示词，用于拒绝分享信用卡号等最严格层级的信息。Anthropic 称其仍是早期版本，可能误读对话线程或误判紧急程度，在订票等个人事务上也不够强。目前仅限美国 Pro 和 Max 订阅用户排队申请。

The Verge AI10/22海外2 个信源54

沃尔玛发布 Agent Gateway，这是一个基于 Anthropic 的 MCP 协议的服务器，让经过批准的 AI 代理可以搜索沃尔玛线上商品并代用户下单，覆盖沃尔玛和 Sam's Club。下个月还将上线 Agent Profiles：用户可为每个 AI 代理建立独立档案，代理的消费与本人消费分开显示，并可设置逐笔审批或消费限额，也可随时删除档案。沃尔玛此前已与 Meta 的 Muse 合作，并接入 ChatGPT、Gemini。此举与亚马逊近期封禁 AI 代理代购形成对比。

TechCrunch AI10/22海外模型2 个信源53

Meta 在第三季度财报中称，若不计儿童安全和解金，公司本可多赚超 220 亿美元。为给 AI 投入筹资，Meta 将发行一类无投票权新股，用于潜在收购和员工薪酬，2027 年开始交易。CFO Susan Li 称此举是为 AI 带来的业务势头扩大融资工具。公司今年资本支出预期上调至 1350 亿至 1450 亿美元。9 月推出的 AI Agent 应用 Muse 本周在美国下载量达 1000 万次，但曾出现向陌生人泄露用户住址、对话分享功能因隐私问题暂停等情况。

The Verge AI10/22海外2 个信源51

特斯拉周三宣布，已在加州弗里蒙特工厂启动 Optimus 人形机器人生产，产线原用于生产电动车。公司称下线的机器人是首批达到量产质量的产品。马斯克在电话会上称这是“早期生产”，爬坡会缓慢且“有些颠簸”，并称到 2027 年底可实现每周 2 万台。他同时承认，设计仍需调整，AI 和机器人本身离真正胜任开放式任务还有大量工作。三季度特斯拉营收 280.4 亿美元，同比基本持平；净利润 7.87 亿美元，同比下降 43%，主因是 AI 与 Optimus 投入推高开支。

TechCrunch AI10/22海外2 个信源51

Rust off Rails 发布一套面向 AI 编码代理的 Web 开发规范：不含框架代码，由 60 个 Markdown 文件规定技术栈、目录结构和每项操作的唯一做法，代码全部由代理生成。安装方式为 curl 脚本或 Claude Code 插件市场。示例中，代理通过 /offrails:new 命令进行需求访谈，生成 Inertia + Svelte、REST API、SQLite/Postgres 双数据库的项目，142 个测试在两种数据库上均通过。

Hacker News · AI10/22海外50

Trail of Bits 发布 patching-bugs 和 regression-hunt 两个插件，让工程师把补丁开发和回归检查交给 Agent。patching-bugs 负责复现 bug、开发修复并测试；regression-hunt 检查改动是否破坏原有功能。初步评测中，regression-hunt 的误报比基线 Codex Agent 少 25%。该团队与 OpenAI 合作的 Patch the Planet 项目复盘了已合并的 130 多个 PR，确认 21 处回归（16 处功能、1 处性能、4 处构建/测试），未破坏安全防护；单次运行从 58 个候选中确认 21 个，精确率约 36%。

Hacker News · AI10/22海外49

Nirva 完成 2500 万美元 pre-A 轮融资，累计融资 3300 万美元。公司 2025 年由两位前 Meta Reality Labs 员工吕威、Jason Chen 与时尚珠宝品牌创始人胡涵颖创立。首款产品是约 8 克、可当手链戴的吊坠，单次充电续航 3 天。设备通过用户录入的声纹只识别佩戴者本人语音，过滤周围他人对话，处理后默认不保留音频和转写。配套 App 会分析用户言语，生成关于情绪、性格模式、常接触的人和去过的地点的洞察，并提供提醒和待办。

Techmeme6 天前海外2 个信源48

特斯拉在第三季度财报电话会上给出时间表：自动驾驶副总裁 Ashok Elluswamy 表示，预计 2027 年第二季度可让首批车主车辆加入 Robotaxi 车队，前提是这些 Model Y 能纳入特斯拉的地理围栏和车队管理。目前特斯拉在得州和佛州有数百辆 Robotaxi，其中部分仍配安全员；奥斯汀有数十辆完全无人驾驶的 Cybercab。本季度北美新购车者中超过 75% 选装 FSD（Supervised），环比提升近 20 个百分点。特斯拉还上线 Robotaxi 安全网站，称已自动驾驶 330 万英里。原文指出，马斯克此前多次承诺落空，且无人驾驶网约车仍需地方和州级许可，保险与合规障碍未解。

The Verge AI10/22海外模型2 个信源48

OOSEX GANG 发布 HackiOS 项目，在 Android 手机硬件上启动苹果开源的 XNU 内核（xnu-8796.121.2，即 iOS 16.5 内核），并运行未修改的 iOS 16.5 用户空间，启动流程为 launchd → backboardd → SpringBoard → 应用。项目自研 EFI loader、UEFI 移植和闭源驱动替代品，可在 POCO X5 Pro 5G（骁龙 778G）上通过 fastboot boot 启动，系统全部驻留内存，重启即回到 Android；也可在 QEMU aarch64 上运行。已实现锁屏、主屏、系统手势、设置、Safari 等应用、Wi-Fi（55–90 Mbit/s）和触屏；蜂窝网络、蓝牙、充电、App Store 登录尚不可用。项目定位为研究平台而非 ROM，单次会话持续固定秒数后返回 loader。

Hacker News Show6 天前海外44

Uber 宣布将 ChatGPT Work 从 1000 人试点扩展到全球 3 万多名员工，这是 Uber 首次全公司部署面向知识工作的 Agent 平台。ChatGPT Work 可连接 Google Drive、Gmail、Google Calendar 和 Slack，用于查资料、准备会议简报、制作演示、分析数据和跨应用完成工作流。默认使用 GPT-6.1 Sol 模型，同时提供语音和图像生成等多模态能力。Uber 将配套内部 AI 技能库、经批准的集成方案和员工培训，覆盖运营、财务、市场、产品等部门；其开发团队继续使用 Codex。

OpenAI News10/22海外42

NVIDIA 推出预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测：给定预测查询，它收集最多 1 万条历史样本作为上下文，一次前向传播即可输出流失、需求、欺诈等结果，无需任务特定训练、特征工程或表展平。在 15 个数据库的 41 个任务上，它超过监督式关系深度学习和专家特征工程的梯度提升树；在 SAP SALT 企业基准上，MRR 比 AutoGluon 集成高 8%。可扩展至 5000 亿行以上数据库，通过 NVIDIA 开源 GPU 原生 structured-data-models 库或 NVIDIA NIM 提供。

Hugging Face 博客10/22海外新模型发布42

Anthropic 宣布，由 Anthropic 托管的 Claude Models on Google Cloud 正式可用（GA），Google Cloud 客户可使用完整的 Claude Platform 功能，新功能和 beta 与原生平台同日上线。该服务沿用现有的 Google Cloud IAM 凭证，账单合并为一张 Google Cloud 发票，Claude 用量可抵扣已有的 Google Cloud 承诺消费。功能包括 Claude Managed Agents（beta）、代码执行、computer use、Agent skills、Advisor strategy（beta）、Files API、Citations、网页搜索与抓取、MCP connector（beta）、Prompt caching 和批处理。

Claude 博客10/22海外41

一名开发者在 Arch Linux + Wayland、Intel 核显与 NVIDIA RTX 4090 Laptop 双显卡的笔记本上，为在浏览器里运行 Transformers.js 和 ONNX Runtime 的小模型，调试出可用的 WebGPU 配置。他给出的方案是一个 Bash 脚本：用独立 Chrome 配置目录，设置 VK_LOADER_DRIVERS_SELECT、__NV_PRIME_RENDER_OFFLOAD 等环境变量强制走 NVIDIA，并加上 --enable-unsafe-webgpu、--enable-features=Vulkan、--ozone-platform=x11 启动参数。原文称该方案并非全部内容，脚本只适用于 X11。

DEV Community · AI10/22海外41

AI 安全团队用大模型挖出 PHP 两个“严重”漏洞，可未授权远程执行代码，影响约 69.3% 已知服务端语言的网站，包括 WordPress、Wikipedia、4chan、DeviantArt。荷兰、芬兰部分政府机构预防性下线站点，NSA 和英国 NCSC 建议无法立即更新就断网，Pokémon Home 等也停服。漏洞在 PHP 中存在约 20 年，此前利用需极复杂步骤，AI 让挖掘变得容易。OpenAI 称 Calif 团队用 GPT-5.6 Sol 发现漏洞，Google 旗下 Wiz 独立用 AI 复现并报告。

The Verge AI10/22海外模型41

Dharma AI 在生产环境的葡萄牙语作文评分系统上验证：基于 Qwen3-4B，仅重建词表、保持基座模型、数据和训练配方不变，实测推理成本下降 77%。原因是通用词表存在两种浪费：一是碎片化，JSON 外壳、能力名称等高频重复内容被切成多个 token；二是冗余，模型每生成一个 token 都要对 151,669 个词表条目打分，其中大量条目该任务几乎不用。VocabX 按每个 token 的成本而非出现频率来构建词表。论文仍在评审中，数字可能变动。

Hugging Face 博客10/22海外模型41

Google DeepMind 与 Google Research 联合世界资源研究所（WRI）、国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每一块 10×10 米土地归入六类森林与土地利用类型，并给出 2017—2025 年逐年变化序列，可看出天然林被替换成人工林或农田的具体位置。该地图是欧盟《无毁林产品法规》（EUDR）的关键基准，后者要求咖啡、可可、棕榈油等商品不得来自 2020 年后由森林转为农业的土地。此前多数全球地图只标注是否有树，无法区分原始林、次生林、人工林与树作物农场。

Google DeepMind6 天前海外40

LlamaIndex 推出 OCRia-1，一个 40 亿参数的视觉语言模型，主打文档解析。在 ParseBench 上综合得分 87.4，比第二名高 12.1 分，是 350 亿参数以下解析模型的最高分。在表格评测中，olmOCR-bench 得 92.9、PulseBench-Tab 得 84.1、fr-bench-pdf2md 得 72.1，均排名第一。官方称其在准确率、成本和延迟三方面同时领先，重点优化了嵌套表头、合并单元格和不规则网格的重建，面向金融报表、保险单据等场景。

LlamaIndex6 天前海外新模型发布40

彭博社报道，DeepSeek 在美国下令联邦民事机构移除其 AI 技术两天后完成约 150 亿美元（约 1000 亿元人民币）融资，为中国规模最大的融资轮之一。潜在投资方包括宁德时代和腾讯。今年 6 月 DeepSeek 曾以 500 亿美元估值融资超 70 亿美元，7 月又寻求以约 710 亿美元估值追加 15 亿美元，并计划最早明年在国内 IPO。梁文锋在上一轮融资后仍持有中国运营实体约 81.6% 股份。DeepSeek 未回应置评请求。

TechCrunch AI6 天前海外40

Modal 发布开源训练服务器 Spindle，兼容 Thinking Machines 的 Tinker 接口，运行在用户自己的 Modal workspace 中。用户按 GPU 时间付费，而非按 token 付费，并可自行修改服务端。Spindle 支持全参数训练和多 LoRA，覆盖多种开源模型，可同时运行数百个训练任务。Modal 称，相比闭源 API，Spindle 在相似性能下成本显著降低。部署只需一条命令。Modal 同时提供训练库 Dojo 和底层集群原语，Spindle 位于两者之间。

Modal10/22海外模型40

OpenAI 与 PerturbAI、Scripps Research 合作，部署数千个基于 GPT-Rosalind 的 AI 智能体，分析覆盖数百万个小鼠细胞的全脑 CRISPR 图谱。每个智能体负责一个基因扰动，分析细胞反应并检索文献寻找解释，全程耗时 32 分钟，而人工完成同类分析估计需要数月至一年。智能体发现两个疾病相关基因之间存在意外差异，以及胆固醇调节与神经退行性病变的可能关联。在盲测中，人类专家 75% 的情况下更偏好分布式智能体的报告，而非单一智能体的报告。成果「Reasoning Atlas」已发布于 GitHub，论文在 bioRxiv。

The Decoder10/22海外40

MiniMax 在 Code 桌面端上线 Mini App，一种带前端和 Node.js 后端、以插件形式安装的常驻应用，可与 Agent 互相调用。官方称目标是让 Agent 的工作留在一个持续存活的页面上，而不是散落在多个对话里。发布包含三部分：Mini App 运行时（持久数据目录、托管 MCP、Agent API、Host Connectors、页面内工具审批）、/miniapp-creator（从一句话需求生成可用页面）、插件市场官方 Mini App 及开源仓库 MiniMax-Code-MiniApps。首批官方应用包括股票看板、CadQuery Viewer 和自驾路线规划器，其中部分由非工程团队同事用该工具搭建。

MiniMax10/22海外模型40