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

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

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

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

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

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

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

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

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

一位开发者撰文批评同事把 AI 生成内容原样转发来回答问题：他提出技术问题后，对方回复结构工整、列 3 个权衡并给出建议，被追问后停顿一分钟再贴一段同样精致的回答，实际是在和「带人形复制粘贴按钮的聊天窗口」对话。作者认为，向同事提问要的是其亲身经验与判断，而非通用输出加延迟；并质疑所谓「AI 出方案、人做决策」：若 99% 同意 AI 建议，决策者只是盖章。他建议自测：能否说出一次基于模型不知道的约束、历史事故或团队偏好而反对 AI 的经历。原文信息有限，末尾案例未完整呈现。

DEV Community · AI10/22海外模型40

OpenAI 的 GPT-5.6 Sol 在 Patch-the-Planet 计划中发现一个影响数百万网站的 PHP 严重漏洞，抢在攻击者之前定位问题。安全公司 Wiz 用自家 Atlas 平台配合 Gemini 4 Argon 与 GPT-5.6 Sol 独立发现同一漏洞，称 Gemini 4 Argon 在漏洞发现、利用开发、攻击检测和补丁验证上尤其有用。修复历时两个月、分五个阶段，涉及 PHP 开发者、Wiz、Cloudflare、CISA 和白宫。Wiz 指出，大模型能自动适配不同 PHP 版本与内存布局，显著降低攻击者规模化利用的门槛。OpenAI 预计此类发现将大幅增加，并警告同一能力也可被攻击者利用。

The Decoder10/22海外模型40

AI 发现 PHP 编程语言存在关键安全漏洞，导致全球多国政府网站下线。美国国家安全局（NSA）建议使用 PHP 的组织立即更新，或在更新前将系统下线。同日，Node.js 修复了 4 个高危漏洞，其中一个可远程执行代码，另两个可绕过 TLS 验证。开源 LLM 请求路由代理 LiteLLM 遭攻击者注入恶意代码，恶意包被发布到 PyPI、Docker Hub 和 GHCR，内含窃取云凭证、密码和 AI 服务凭证的信息窃取器及远程访问木马；LiteLLM 称已移除恶意版本。印度证书机构 eMudhra 私钥泄露，攻击者可能借此签发伪造证书冒充合法网站，安全人士称清理工作量“比 Heartbleed 更大”。

TechCrunch AI10/22海外模型40

美国国家安全局（NSA）警告 PHP 存在两个严重漏洞，补丁已由 PHP 基金会发布。PHP 支撑约 70% 的网站、超过 3300 万个站点，WordPress 等 CMS 也依赖它。漏洞自 2004 年的 PHP 5 起就存在于所有版本中，攻击者可借此入侵服务器文件系统或数据库。NSA 建议无法立即打补丁的网站先下线，并升级到 PHP 8.5.12。这两个漏洞由 AI 发现：OpenAI 的“Patch the Planet”计划中，安全公司 Calif 用 GPT-5.6 Sol 找到一个；Wiz 团队用 Wiz Atlas 安全 Agent、Gemini 4 Argon 和 GPT-5.6 Sol 找到多个。Wiz 指出，LLM 能帮攻击者把漏洞利用适配到不同 PHP 版本和配置，AI 既是发现漏洞的手段，也放大了风险。

TechCrunch AI10/22海外模型40

Symantec 安全研究人员发现一个攻击性 AI Agent，会劫持互联网上未受保护的语言模型，自主发起攻击，被劫持模型的拥有者承担算力账单。该 Agent 获得模型访问权后，会扫描更多目标、利用常见服务器软件漏洞、窃取数据库和凭证，并在后台安装挖矿程序，全程无需人工介入，可持续多达 10 万步。Symantec 称其为「LLMjacking」。事件因攻击者把完整工作提示词发到 Symantec 的蜜罐而暴露，蜜罐记录到来自数万个地址的逾 12.7 万次请求。攻击者还用五层越狱提示词试图绕过商业模型的安全护栏，并内置 74 个攻击工具模块。

The Decoder10/22海外模型39

IBM 在 Hugging Face 发布 Granite Timeseries Ensemble，把四个预训练 Granite 时间序列模型（PatchTST-FM-r1/r2、FlowState-r1.1、TTM-r3）组合成一个集成预测接口，无需重新训练、无需拟合集成权重，直接输出点预测和 0.1 到 0.9 分位数预测。默认提供概率集成和自适应 IQR 集成两种方案，接口可扩展接入其他兼容预测器，代码与默认成员模型均为宽松许可。安装 granite-tsfm 0.3.11 及以上版本即可加载，首次运行需下载四个成员检查点。

Hugging Face 博客10/22海外新模型发布39

IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，可将 6 种语言的语音转成文本。模型为 2B 参数稠密结构，LLM 主干基于 granite-4.0-1b-base，用 YaRN 扩展到 16k 位置，训练使用 39 万小时公开音频加合成数据，8 张 H100 训练 40 天。在 Open ASR Leaderboard 上以 5.68% 平均英文 WER 排开源权重第二，仅次于 Qwen3-ASR-1.7B 的 5.40%；LibriSpeech Clean 上 0.99%，私有对话集 13.79%。支持最多 2000 个关键词偏置、语言 ID 提示和标点大小写。可跑在 GPU（Transformers、vLLM）、Apple Silicon（mlx-audio）和 CPU（llama.cpp GGUF）。

MarkTechPost10/22海外新模型发布39

Perplexity 与 NVIDIA 团队提出后训练方法 JOLT（Joint On-policy Learning and Teaching），让同一个模型同时扮演教师和学生两个角色：教师能看到特权信息，学生看不到，而且教师本身也会被训练，以保证其反馈始终可用。在 MATH 上，JOLT 达到 GRPO 的准确率，但处理的训练 token 少 6.5 倍。测试覆盖 Qwen3-0.6B、Qwen3-4B-Instruct、Qwen3-8B、Qwen3-30B-A3B-Instruct 和 DeepSeek-V2-Lite。JOLT+ 在 AppWorld 状态测试通过率 72.09%，GRPO 为 62.20%，高 9.9 个百分点；不带学生奖励的 JOLT 在 AppWorld 上仅 51.92%，低于 GRPO。

MarkTechPost10/22海外模型39

LangChain 宣布 LangSmith LLM Gateway 进入公开测试。该网关位于 Agent 与模型之间，统一执行运行时管控，避免成本超支和故障。支持按组织、工作区、API key、用户四个层级设置限时花费上限并追踪支出，超限时 Agent 收到 402 响应；同样四级可设速率限制；还支持模型回退和敏感数据处理。多租户场景下，可通过自定义请求头识别终端客户，在共用一把 API key 的情况下为每个客户单独设花费和速率上限。

LangChain10/22海外模型37

Anthropic 发布 Agent 应用 Claude Duet，面向专业人士和小企业，用于自动化和管理任务。它基于 Claude Opus 5.5 模型，可生成每日简报、创建仪表盘、根据用户数据建议行动，并通过独立虚拟机在后台执行任务，需要时请求用户批准。Duet 可接入 Claude Marketplace 的 6000 多个连接器和插件，能通过 Stripe Link 或 Shopify Shop Pay 代用户在线购物，但支付等敏感步骤需用户确认，且不涉及证券交易和账户间转账。Anthropic 同时上线分类器，默认拒绝信用卡号、政府证件等敏感信息请求。目前以研究预览形式在 iOS、Android 和 Claude.ai 上线，Pro 和 Max 用户需加入等待名单。

TechCrunch AI6 天前海外模型39

医疗 AI 公司 Heidi 在 Fireworks 平台上对 550B 参数的 NVIDIA Nemotron 3 Ultra 进行后训练：先用合成 Agent 轨迹做监督微调，再用围绕临床安全与忠实度设计奖励的强化学习，经 NVFP4 量化后部署在 NVIDIA Blackwell 的专属实例上。Heidi 每周支持 270 万次临床问诊、覆盖 110 种语言。后训练后的开源模型在实时盲测对比中约 54% 胜出，而基线检查点约为 42%，对手是当前生产环境使用的前沿闭源模型。

Fireworks AI10/22海外模型37

MIT Technology Review 指出，AI 基础设施成本讨论长期聚焦 GPU，而推理产生的后端数据存储成本被忽视。西部数据（WD）内部测量显示，一段 8 秒视频返回给用户的是 3.97MB 的 720p 文件，但后端留下超过 500MB 关联数据，包括日志、缓存上下文、即时渲染、备份和安全记录，是用户所见文件体积的 130 倍。麦肯锡预测，到 2030 年 AI 推理需求年复合增长 35%，训练为 22%，推理将占数据中心总需求 40% 以上。WD 委托 IDC 对 763 名 IT 与业务决策者的调查显示，近 95% 受访者称过去 12 个月生成式 AI 导致数据量增加，约 61% 增幅达 25% 以上。

MIT Technology Review10/22海外模型36

NVIDIA 发布 Nsight Python 使用教程。该开源库是 NVIDIA kernel 分析器的 Python 接口，用 nsight.annotate 标注代码、用 nsight.analyze.kernel 装饰基准函数，即可返回按标注区域、配置和运行次数组织的硬件指标 pandas DataFrame。自 1.0 版起，该库把 Nsight Compute 挂到运行中的 Python 进程，可在 Jupyter 和 Colab 中使用；即将发布的 1.1 版将加入实验性 CUPTI 后端、显式工具管理和自定义信息收集器。

MarkTechPost10/22海外模型36

Vercel 发布开源包 durable-harness，把编码 Agent 的会话写入持久日志，函数崩溃或超时后由队列把这一轮交给新函数继续执行。它通过适配器包装 Pi、OpenCode、fx、Claude Code 和 Codex 共 5 种 harness，不修改原 harness。已完成的模型和工具调用从日志读回，不会重跑、不会重复计费；标记为 never 的工具（如退款）永不执行两次。包为 npm 0.0.x 版本，Apache-2.0 许可，可跑在 Vercel Functions + Queues、Node.js 22+ 配 Postgres 或本地文件上；Claude Code 和 Codex 必须运行在 Vercel Sandbox 中。Vercel 未公布延迟或吞吐基准，恢复能力均为自述。

MarkTechPost10/22海外模型36

沃尔玛将于下月允许用户把自己的 AI 代理接入其网站代为购物，并提供购买审批、消费限额（如 100 美元以内）和随时关闭代理等控制项。代理通过基于 Model Context Protocol 的 Agent Gateway 接入，可避免浏览器操作中的障碍，也不会获取用户的完整购物历史和个人信息。沃尔玛规定代理不得超出用户意图行事、不得更改支付方式、只能访问完成任务所需的信息，违规代理将被封禁。此举与亚马逊封堵 Perplexity 购物代理和 Meta Muse 形成对比，Sam's Club 也将支持。

The Verge AI10/22海外模型36