今日综述
今天的主线是"能力平权与商业化白刃战同时进入深水区"。模型侧继续贴身肉搏：DeepSeek 周末突然上新 DeepSeek-V4.1-Flash-1017，顺手开放自研 Search/Fetch 搜索 API，每千次成功请求仅 5 元；智谱把垂直模型卷进法律圈，开源 GLM-Legal 在 Harvey LAB 与 LegalBench 双榜拿下开放权重模型第一。前沿研究的钟摆则摆向"自我改进"：P-Zero Research 新基准 TasteVal 显示 AI"研究品味"每约三个月翻一倍，Anthropic 联创 Jack Clark 据此把递归自我改进（RSI）的时间表从 2028 提前到 2027；谷歌同周开源了让模型"自己改自己 harness"的 Harness²，记忆原生、智能体操作系统等"RSI 拼图"也在密集补位。产业侧的关键词是成本与抢客户：NVIDIA 开源机器人数据引擎 Flora，把一小时机器人视频标注成本从约 88 美元压到 0.72 美元；OpenAI 被曝用最高 90% 的折扣挖走 Anthropic 的大客户，Rippling、Replit、DataCamp 纷纷倒戈。冷水同样存在：Apollo 首席经济学家的最新测算显示，AI 对科技业之外的美国大公司"零财务回报"。世界模型与具身智能持续落地：千诀科技发布预测式世界模型 Polibrain，VAST 开源实时世界模型 EdenLive，是石科技发布 TokenFleet 调度框架把 P95 首 Token 延迟降低 32.4%。
头条一：DeepSeek 发布 V4.1-Flash-1017，自研搜索 API 五分钱一次开闸
DeepSeek 周末突然上新 DeepSeek-V4.1-Flash-1017（快照日期对应 10 月 17 日），同步放出 HuggingFace 与 ModelScope 权重。用户实测反馈"更聪明、更快、输出更简洁"，多模态生成与 3D 能力有明显增强，有人对比后认为比 Gemini 4 Argon 更顺手；deepseek-flash 接口的系统指纹已从 aeb56401… 变为 e72d3c7f…，证实后台版本更新。同步升级的 DeepSeek Harness 0.2.1 针对新模型做了专项优化，任务运行时间、输出消耗与 token 费用均下降，官方还向符合条件的用户发放 6 元赠金。更关键的动作是开放自研搜索引擎的两个 API：Search 负责按关键词搜网页（支持限定站点、语言与发布时间），Fetch 负责把选中网页抓成 Markdown 交给模型分析；按成功请求计价，每千次 5 元（单次约半分钱），失败、无结果、超时不收费，11 月 1 日前限时免费，可直接在 DeepSeek Harness、Claude Code、Codex 中调用。
影响分析：模型 + 检索 + Harness 三件套一次性拉通，DeepSeek 正在从"模型供应商"转向"Agent 基础设施供应商"。搜索 API 定价低到把"Agent 上网查资料"变成几乎免费的动作，直接挤压一批做 RAG 检索层的中间件创业公司的生存空间；对开发者而言，国产 Agent 栈第一次在模型、工具、价格上同时可选。（量子位）
头条二：智谱开源法律专用模型 GLM-Legal，Harvey LAB 与 LegalBench 双榜第一
智谱发布法律专用开源模型 GLM-Legal，基于 GLM-5.3-Flash 底座做法律语料中期训练，再在数万个法律任务环境中做强化学习，走"先读法学院、再进模拟律所实习"的路线。在 Vals AI 最新法律测评中，GLM-Legal 以 19.2% 的任务全通过率和 86.23% 的准确率，分获 Harvey LAB 与 LegalBench 双榜开放权重模型第一。Harvey LAB 采用严苛的"全条件通过"机制，首版含超过 1200 项模拟律所工作任务、覆盖 24 个法律业务领域，模型要从读材料、调工具一路交付到可审阅文件。成本表现尤其扎眼：成绩相近时 GLM-Legal 比 Gemini 4 Argon 慢约 30 分钟，但后者每项测试成本约为它的 70 倍。模型目前开放 Beta 申请，面向律所、法律科技公司与企业法务，后续能力将接入 AutoClaw。
影响分析：通用大模型的"专业课"竞争正式开打。19.2% 的全通过率说明严格交付标准下多数任务仍未全部达标——垂直模型的价值不在闲聊法条，而在于把"读材料—分析—交付"的整条工作链跑通并把成本打下来。对律所与法务团队，“AI 实习生"已经可以进项目打杂；对 Harvey 这类法律 AI 公司，底座 + 专业后训练的路线（如其基于 Kimi K3 训练的 Tenet）正面临开源模型的贴身追击。（量子位）
头条三：TasteVal 新基准：AI"研究品味"每三个月翻一倍，Jack Clark 把 RSI 时间表提前到 2027
P-Zero Research 发布新基准 TasteVal，衡量 AI 系统自主设计实验并解读结果的能力——他们称之为"研究品味”。测试包含 8 个来自模型开发的任务（训练数据选择、预训练与微调、人类偏好训练、对抗提示防御等），每项给出固定研究目标与可量化评分，由固定 coding agent 在单张 H100 上执行，每轮限时 40 GPU 小时或 120 小时墙钟时间；人类基线来自 24 名曾在 OpenAI、DeepMind、NVIDIA、微软研究院工作的专家。结果相当陡峭：Anthropic Opus 5.5 用不到专家一半的算力（算力乘数 2.3，统计区间 1.15–4.37）拿到专家级分数；自 2025 年 12 月以来，该项能力约每三个月翻一倍（倍增周期区间 1.7–5.0 个月）。基于这条曲线，Anthropic 联创 Jack Clark 把递归自我改进（RSI）的到来预期从 2028 年提前到 2027 年——他给出的概率是 2027 年内约 30%、2028 年底前约 60%。值得注意的是，同一研究方分析自家模型开发流程发现：AI 智能体贡献了多达 55% 的方法论提案，但超过 85% 的最终决策仍由人类做出。
影响分析：行业争论正从"模型跑分多高"转向"模型能独立承担多少研究工作"。TasteVal 只测了研究品味三要素中的两项（选题这一最核心的直觉仍未测），但它给出的倍增曲线让"AI 自我改进"从哲学话题变成可以做时间表预测的工程议题。对企业与政策制定者，2027 这个时间点意味着现在就该为"AI 参与 AI 研发"设计审计与问责机制。（The Decoder）
头条四：NVIDIA 开源机器人数据引擎 Flora：视频标注成本降至 GPT-6 Astra 的 1/125
NVIDIA GEAR 研究实验室开源机器人视频标注数据引擎 Flora。机器人基础模型需要三类标注——动作描述（筛选训练数据）、逐步评分（试错学习）、任务成败判定（部署监控），现有工具大多只覆盖一类，大模型虽能生成但贵到用不起。Flora 用三个微调的 Qwen3.5 模型解决：9B 模型切分动作片段，27B 模型结合上下文描述动作，第二个 27B 的 Flora-Rewarder 按提示词承担三重角色（1–5 分评成败、逐步判定正常/次优/失败、按自定义规则打分）。官方数据：标注一小时视频约 0.72 美元，GPT-6 Astra 约 88.5 美元（Claude Opus 5 约 42 美元且质量差得多）；50 段视频测试中 Flora 质量 57.1% 略胜 Astra 的 53.7%。在 RoboRewardBench 上 Flora 错误率比 Astra 低 27.8%，能抓出 53.3% 的中途失败步骤（最高竞品仅 11.7%，Astra 为零），代价是约 11% 的误报率。系统已用于 GR00T 模型训练，在 512 块 GB300 上日标注 20 万小时视频，模型已在 Hugging Face 开源。
影响分析：具身智能的瓶颈正从"缺算法"转向"缺便宜的高质量数据"。Flora 把标注成本打到 1/125，意味着中型机器人团队也能负担百万小时级视频的数据管线；而"奖励模型 + 标注"一体化的思路，会把各家机器人公司的数据引擎竞争推向开源生态。对国内具身团队，这是一个可以直接上手的低成本数据底座。（The Decoder）
头条五：OpenAI 被曝以最高 90% 折扣挖角 Anthropic 大客户
据 The Information 报道，OpenAI 正用激进折扣把 Anthropic 的大客户挖过来，且战果显著：Rippling CEO Parker Conrad 披露公司编程负载中 OpenAI 份额从 16% 升至 52%，Anthropic 份额从 57% 跌到 18%；Replit 在 OpenAI 给出超 30% 折扣后转投，其合同规模超过每年 1 亿美元；DataCamp CEO 称 OpenAI 的定价把它的成本砍了 80%–90%；一家资产超 70 亿美元的美国银行拿到免费席位翻倍至 500 名员工，人均价格压到 7 美元以下（常规价 20 美元以上）。同一时间披露的投资者备忘录显示，Anthropic 三季度营收 168 亿美元但增速较二季度放缓，公司正筹备 11 月 IPO——OpenAI 相当于用自己的利润率换市场份额，在对手 IPO 前夕打价格战。
影响分析：前沿模型的竞争进入"贴身价格战"阶段。对大客户而言这是采购黄金窗口——模型能力接近时，折扣就是迁移理由；但对生态健康而言，巨头用交叉补贴挤压独立 AI 公司的定价能力，会加速"只剩两三家"的集中化。准备 IPO 的 Anthropic 面临两难：跟价损伤利润率，不跟价失客户，招股书里的增长曲线将直接承受考验。（The Decoder）
产品与应用
清华 THUNLP 开源智能体操作系统 PilotDeck 2.0：任务成本降 83%，记忆可查可改
清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队推出开源智能体操作系统 PilotDeck 2.0，以 WorkSpace（工作舱）为基本单位，每个项目有独立文件系统、记忆库与技能集，物理隔离防止"上下文污染"。记忆全链路白盒化：生成、抽取、存储、调用全程可见，可手动修改、删除或一键固定；空闲时 Dream 模式自动归纳整理记忆，可秒级回滚。Always-on 模式让 Agent 在用户离开后继续跑长周期任务并主动发现候选任务，成果落地为本地文件加进展报告；智能路由让强模型管决策、小模型干杂活，复杂长任务成本可砍掉约六分之五（约 83%）。WorkBuddy-Bench 上搭载 Qwen3.6-35B-A3B 得分 79.1，优于 Claude Code 的 77.3。整套系统原生支持 MCP，Web、CLI、企业微信与飞书后端行为一致。（量子位）
VAST 开源实时世界模型 EdenLive：一张 RTX 5090 跑 720P 超 24FPS
VAST 发布并开源实时世界模型 EdenLive（Project Eden 阶段成果），首次在实时生成前提下同时支持任意参考输入、任意画风生成与分钟级连续运行。单张 RTX 5090 上 5B 模型 720P 超 24FPS，端到端延迟百毫秒级。核心技术是"解耦世界状态与视觉渲染"：交互系统负责逻辑与状态，EdenLive 只负责把状态渲染成精细画面。应用场景横跨游戏原型（同步开源 Game Prototype Turbo 技能）、场景与动画预览、视频换皮重渲染、具身数据增强（人手换机械手、改物体外观而保留动作）。官方已开放模型权重、推理代码与技术报告。高频交互、多角色身份保持与长时一致性仍是待改进项。（量子位）
谷歌开源 Harness²：让模型运行时"自己改自己"的外挂，GLM-5 装上反超 Gemini 3.5 Flash
谷歌开源递归自我改进（RSI）新成果 Harness²，让大模型在运行中自己修改外挂代码、系统提示词、工具链与技能库——即 Harness 层的 RSI。装配该能力的 GLM-5 在办公基准 WorkBuddy-Bench 上直接飙升 11.5 分，反超原生 Gemini 3.5 Flash，作者称"任何模型套上来跑分都起飞"。项目已全面开源，支持 OpenCode 与 Codex。这与同期热炒的 RSI 论文（Hinton 牵头、Bengio 等 22 人署名）形成呼应：自我改进的三块拼图——改进机制、记忆、载体——正在被逐个补上。（量子位）
Meshy 发布 Meshy Edit：圈选 + 一句话，3D 模型局部编辑约一分钟
AI 3D 公司 Meshy（MIT 胡渊鸣创办）发布局部编辑功能 Meshy Edit：用套索或画笔圈出修改区域，一句话描述改动（可附最多 5 张参考图），约一分钟生成新模型，未选中区域原样保留，可直接送切片软件 3D 打印。每次编辑消耗 20 积分，支持 Meshy 6 与 7.1 生成的高精度模型。此前局部调整要么整体重生成、要么去 Blender 手工数小时。Meshy 在 a16z 第七期消费级 AI 应用月收入 Top 50 中列第 31 名，是唯一 AI 3D 公司；截至 2026 年 9 月注册用户超 1500 万、累计生成模型超 1 亿个，7 月完成近 4 亿美元 B 轮（估值 15 亿美元），9 月 ARR 突破 1 亿美元。（量子位）
是石科技发布 TokenFleet 调度框架：P95 首 Token 延迟降低 32.4%
2026 CCF 全国高性能计算学术大会期间，是石科技发布 TokenFleet 分布式调度框架，聚焦 GPU 集群"请求排队与资源闲置并存"的痛点，由三件套组成：TokenPilot 在同一模型池内选实例（同时估算 KV 缓存复用收益与排队代价），FleetMind 做跨机房容量协同，SLOMax 负责混合负载的准入、队列治理与容量分配。GLM5.3 调优数据显示，预测延迟路由使 P95 首 Token 延迟降低 32.4%、P50 降低 71.3%。在推理成本成为 AI 应用头号账单的当下，调度层优化正在成为"国产 Token 优化工厂"的新战场。（量子位）
研究与观点
Claude 半小时破解 NIST 椭圆曲线种子悬案，密码学界"走偏 20 年"
据 Anthropic 披露，Claude 用不到半小时查清了 NIST 五条标准椭圆曲线（P-192/P-224/P-256/P-384/P-521）种子的生成方式。这串 2000 年写进 FIPS 186-2 标准的数字来历成谜二十多年，业界一直猜测来自"给 Bob 和 Jerry 加薪"口令的哈希；Claude 在不知情该线索的情况下，自行猜测种子出自 90 年代 C 语言库伪随机数生成器，写扫描程序测试了 34 种生成器与截取方式的组合，发现四个种子拆出的 20 个 32 位整数最高位全为 0，锁定 lrand48，再用 LLL 格基约简恢复状态、倒推出初始化输入是 Unix 时间戳——集中落在 1997 年 5 月至 1998 年 4 月。以 P-256 为例，对应时刻为 1997 年 8 月 16 日 UTC 01:52:34，取第 1842 组候选即得以 C49D 开头的种子。悬赏发起人 Filippo Valsorda 已独立复核。结论同时证明这些曲线不存在潜在后门。（量子位、Anthropic）
千诀科技发布预测式世界模型 Polibrain：一台"大脑"适配四足、人形、轮式、双臂
在南京举行的 2026 物理 AI 与世界模型大会上，清华系具身智能公司千诀科技发布预测式世界模型 Polibrain。创始人高海川用"有地图可推最短路径，有路径推不出地图"解释世界模型价值：与堆画面预测不同，Polibrain 主打物理规律与跨本体复用，让机器人提前推演行动结果、减少实际试错。其理论积累来自 2025 年与清华大学团队在 ICML 发表的隐变量可辨识性研究，比 LeCun 团队相近工作早约一年。应用演示中，背回收筐的四足机器狗已能自主寻捡垃圾，能力正在四足、人形、轮式、双臂等形态上适配。同场大会上，LeCun、姚期智、Hopcroft 三位图灵奖得主视频发声，戴琼海、谭铁牛院士与沈向洋等嘉宾同台，50 个物理 AI 应用场景集中亮相。（量子位、量子位）
Apollo 首席经济学家：AI 对科技业之外的美国企业"零财务回报"
Apollo 全球管理首席经济学家 Torsten Slok 在最新简报中把标普 500 剔除 Alphabet、Amazon、Apple、Meta、Microsoft、NVIDIA、Tesla 七家后称为"S&P 493"，发现这批公司的利润率与人均营收基本走平，看不到 AI 提升生产率的证据。他直言：“尽管投入巨大、炒作不断，AI 对科技业之外的美国企业没有带来任何财务回报”，并警告企业很难"把越来越便宜的智能转化为更高的营收增长和利润率"——“AI 可能是台好计算器，但商业里智能主要是判断力；AI 不懂问责、信任、文化、潜规则、伦理权衡与公平”。此前多项研究也发现 AI 尚未带来显著生产率提升。值得注意的是，10 月 23 日 Gartner 对 2002 位 CIO 的调查（13% 企业从 AI 获得真实回报）本栏已报道，两组数据互为印证。（TechCrunch）
Anthropic：单智能体架构正在反超多子智能体，迁移工具已开源
Anthropic 发文称，随着模型独立处理复杂度的能力增强，企业应重新评估是否把多子智能体（subagent）架构合并为"按需加载上下文"的单智能体架构。在其一组架构对比中，单智能体方案速度约快一倍；公司已在 GitHub 发布迁移工具包帮助团队改造。这与"花哨 harness 只买来更多 token"的研究结论方向一致：上下文管理的复杂度本身就是成本，模型越强，编排层就该越薄。（The Decoder）
Schmidt 等撰文《外交事务》：AI 竞赛是新殖民贸易公司之争
历史学家 Niall Ferguson、研究员 Lisa Klaassen 与前 Google CEO Eric Schmidt 在《外交事务》联合撰文，把中美定位为"AI 帝国"，其余国家是依赖者，并将 OpenAI、Anthropic 比作"现代殖民贸易公司"。文章判断竞赛的胜负不取决于突破，而取决于谁出得起钱：仅美国企业 2026 年就计划投入超 6000 亿美元，但债务攀升、数据中心抗议与台海芯片危机都可能让两个超级大国同时失速。“AI 殖民主义"的话语框架，为各国监管机构收紧主权 AI 政策提供了弹药。（The Decoder）
OpenMobile-2 证明开源手机 Agent 可比肩闭源
OpenMobile-2 研究团队发现，手机智能体变强的关键不是处理更多数据，而是在尽可能多的不同 App 上训练。他们构建了含 110 多个应用的开放训练环境（其中 35 个是流行 App 的复刻），在真实 Android 设备上，其模型在开源智能体中得分最高，作者称已可与闭源模型比肩。移动端 Agent 的竞争正从"模型能力"转向"App 覆盖与真机训练环境”，这对被大厂围墙花园卡住入口的中小团队是条可行路径。（The Decoder）
Grok 发布 AI 生成电影《奥德赛》前七分钟，被评"缺少艺术性与人味"
距马斯克宣称 Grok 将推出"完整、符合史实"的 AI 版《奥德赛》三个月后，Grok 只发布了 7 分钟片段，并改称"《奥德赛》系列第 1 集"（与 Wonder Studios、导演 Dev Walker 合作，用 Grok Imagine 制作）。TechCrunch 评论称画面"没想象中丑"，部分镜头几可乱真，但缺少艺术性、灵感与人味，旁白冗长、台词生硬。作为对照，诺兰的真人实拍版《奥德赛》7 月上映后票房大卖、IMAX 场次连月售罄，被视为下届奥斯卡领跑者。AI 视频的"技术可信"与"作品动人"之间的鸿沟，在这部宣传片里被量化得清清楚楚。（TechCrunch）
一句话总结
DeepSeek 与智谱把"便宜"和"专业"两张牌打满，Jack Clark 的 RSI 时间表提前到 2027，NVIDIA 把机器人数据标注成本打到 1/125，OpenAI 用 90% 折扣打价格战——而 Apollo 的冷水提醒所有人：模型能力狂飙与企业财务回报之间，还隔着"判断力、信任与组织重构"这道最贵的坎。
📊 数据来源
- The Decoder（TasteVal/Jack Clark、NVIDIA Flora、OpenAI 挖角 Anthropic、Anthropic 单智能体架构、Schmidt《外交事务》、OpenMobile-2）
- TechCrunch AI（Apollo 经济学家、Grok《奥德赛》）
- 量子位（DeepSeek V4.1-Flash-1017、GLM-Legal、PilotDeck 2.0、EdenLive、Harness²、Meshy Edit、TokenFleet、Claude 密码学悬案、千诀 Polibrain、南京物理 AI 大会）
- 微博热搜（当日热点校验，受登录限制未取到榜单，无与上述重复的 AI 话题）