天眼晚报

🤖 AI 大模型

🔶 苹果 AI 国内采用双合作伙伴：阿里提供模型能力，百度负责 Siri 和视觉智能

苹果计划于 12 月通过 iOS 27.3 系统更新在中国正式推出 Apple Intelligence，采用双合作伙伴模式：阿里作为 AI 能力集成至 Apple smart，为 iOS、iPadOS、macOS 和 visionOS 中国用户提供文本与图像理解、内容生成等智能体验；百度负责 Siri 语音助手及视觉智能功能。库克此前在上海确认，Apple Intelligence 与阿里千问大模型已获批准，将于 10 月底在华发布测试版，首批含实时翻译、书写工具与照片清除功能，初期不含 Siri AI。

🏠 英伟达黄仁勋：若客户开发不安全 AI 软件，极端措施可断供芯片

英伟达CEO黄仁勋明确表示，若客户被认定开发不安全或不负责任的 AI 软件，公司将断然停止供应芯片。他拒绝行业减速建议，主张以AI 监控 AI，并宣布未来五年向英国捐赠 2.5 亿美元算力支持安全研究。

蚂蚁百灵开源 Ling-3.1-flash，支持 1M 上下文与 560B 参数

蚂蚁集团旗下百灵大模型正式开源 Ling-3.1-flash。该模型总参数量约 560B，每 Token 激活约 25B，最高支持 1M 上下文窗口。这是目前开源侧极具竞争力的长文本推理模型，允许团队在自有算力环境中验证能力。

𝕏 Anthropic 自研版本控制系统 Scion：解决 AI 时代代码合并瓶颈

因 Claude 生成代码使合并量从每天 2500 次激增至 30000 次以上，Anthropic 工程团队耗时 5 个月，将内部 Monorepo 从 Git 迁移至自研版本控制系统 Scion。面对日均 30000+ 次合并量，Scion 通过 Changeset 机制和递归派生数据，将 Checkout 时间从分钟级降至秒级，释放 25% CI CPU 资源，基础设施减少 200 倍，为 AI Agent 规模化开发提供基础设施范本。

Anthropic Q3 营收增 46% 并实现盈利

Anthropic 在闭门投资者会议透露，第三季度营收 168 亿美元，环比增长近 46%，2025 年同期仅 7.87 亿美元；经调整后实现盈利，当季现金流为正，正为备受瞩目的 IPO 做准备。

📄 Lingdan-V2：中医临床推理大模型，14B 参数超越 DeepSeek-R1 671B

Lingdan-V2 的 14B 模型在中医基准上处方生成 F1 达 37.0，超过 DeepSeek-R1 的 32.3；临床草药 F1 为 52.8。

𝕏 OpenBMB 发布 MiniCPM-V 4.7：首个手机本地流畅运行 MoE 多模态模型

OpenBMB 推出 MiniCPM-V 4.7，采用 35B-A3B 参数架构，在 iPhone 17 Pro Max 上仅需 3GB 内存，解码速度达 13+ tokens/s。核心突破在于 LES（前瞻专家调度）技术，实现按需加载专家权重，配合 SRFT（自回放微调）解决灾难性遗忘问题。

📄 E8 格点量化实现 6 倍 KV 缓存压缩，长上下文推理更省显存

E8 格点向量量化用于 KV 缓存，在 2-bit 键下实现约 6 倍压缩，比标量 k3v2 小 20%，在 80% 模型-数据集设置中提升困惑度。

OpenAI 任命 Uday Ruddarraju 领导基础设施与算力业务

OpenAI 正式任命 Uday Ruddarraju 负责基础设施与算力业务，统筹 Stargate 数据中心建设。此前他担任计算首席技术官，此次晋升由 Bloomberg 率先报道，旨在强化公司硬件战略。

谷歌发布旗舰模型 Gemini 4 Argon，主攻复杂多步骤任务

谷歌正式发布旗舰大模型 Gemini 4 Argon 并全球上线，覆盖软件工程、金融、法律、网络安全、科研，输出上限提至 100 万词元，面向开发者、企业及付费订阅用户开放，在 Vals 指数排名第一。演示显示其可借助 Cursor 直接生成支持多人联机的 3D 夺旗游戏，并综合 8 年 10-K 文件与 6 大电网并网数据，用一个提示词生成 AI 电力瓶颈交互式演示文稿。该模型已向所有 GMI Cloud 用户开放，11 月 30 日前提供 5 折优惠。

𝕏 阶跃星辰开源 Step-5-Preview，600B 参数百万上下文

阶跃星辰开源 Step-5-Preview，总参数 600B、激活参数 27B，输入输出均支持 100 万 token 上下文，规格与 Gemini 4 Argon 相当。官方同时开放 BF16 与 FP8 两个版本权重，并配套技术博客、开源工具与部署指南，已上线 Hugging Face 和 ModelScope。

📄 OpenAI 发布 722 篇 AI 生成数学论文，研究者从中挖掘新数学工具

2026 年 10 月 6 日 OpenAI 公开 722 篇 AI 撰写数学手稿，归入 372 个问题族，含多个著名开放问题的解。研究者从中提取新引理、构造与证明机制，并分析 38 个问题族。

📄 Agaram 2.5B：首个泰米尔语优先开源模型，支持工具调用

Murai Labs 发布 Agaram 2.5B，2.5B 参数，用约 500 亿 token 训练 6 天，成本约 1.33 万美元，支持泰米尔文和英文工具调用，权重已开源。

DeepSeek 服务器大规模宕机近 5 小时，年内已至少 18 次异常

10 月 15 日早间 8 时左右，DeepSeek 网页、App 与 API 遭遇大规模中断，对话服务及 V4.1 Flash、V4 Pro API 陆续受影响，故障持续近 5 小时后恢复。年内这已是至少第 18 次大面积异常，仅 9 月以来就出现 13 次故障，核心症结在于算力供需严重失衡。DeepSeek 随后致歉，并按账号 10 月 8 日至 14 日的消耗以赠金全额返还。

📄 虚拟头注意力 VHA：KV 缓存降至 1/4，30B MoE 模型长上下文 RULER 84.4

VHA 通过 Q Premix 与 Linear Postmix 两个线性操作，在 30B-A3B MoE（500B token 训练）上超越 MLA 和 GQA-4 达 +0.70/+2.60 个百分点，KV 缓存降至 1/4，长上下文 RULER 得分 84.4 对 73.0。

Linus Torvalds 用 Claude Code 修复 Linux 内核瓶颈，合成测试吞吐提升 23 倍

Linus Torvalds 用 Claude Code 修复 Linux 页缓存引用计数瓶颈，提交 10 个补丁，在 Ryzen Threadripper 合成测试中吞吐量提升 23 倍；审查者随后发现一个竞态条件，后续开发交由内核开发者 Kiryl Shutsemau。

𝕏 谷歌 TPUv7 首登 AgentX 基准，性价比超 GB300 NVL72

SemiAnalysis 称谷歌首次提交 TPUv7 FP8 vLLM 结果，每美元性能比 GB300 NVL72 FP4 高 1.67 倍，仅用 4 颗芯片即在多数帕累托前沿占优，进一步向外部输出 TPU 算力。

SpaceXAI/xAI 发布 Grok Voice 3.0 语音模型，登顶语音对话榜首

SpaceXAI（xAI）发布语音到语音模型 Grok Voice 3.0，在 Artificial Analysis 测试中以 86.9 分登顶语音对话综合指数榜首，首音频延迟 0.81 秒、响应低于 1 秒。模型已接入 Grok Bot 语音模式、特斯拉车辆交互与 Starlink 客服，后者每日处理约 2 万通多语言来电，约 70% 无需人工介入，企业接线成本约 4.8 美元/小时（人类接线员约 18 美元/小时）。定价为 0.08 美元/分钟，仅通过 Voice Agent API 提供，无开源权重。

🔶 Anthropic 确认 Claude 订阅额度可接入第三方 App 与 Agent

Anthropic 更新官方支持页面，Claude Max 和 Team 计划的月度 API Credits 可直接用于第三方 App 与 Agent（含 Claude Agent SDK 与 API），终结开发者双重收费顾虑，员工在 Hacker News 证实无需额外付费。其中 Max 5x 每月附赠 100 美元、Max 20x 附赠 200 美元，不可用于 Claude Code 与 Bedrock。

📄 Gnani-Evon-v3.3-30B-A3B：印度语言优先的推理模型

Gnani-Evon-v3.3-30B-A3B 支持 8 种印度语言，词汇表扩至 163,072，印度语言 fertility 降 38.6%，Indic 聚合提升 5.2 分。

📄 BELT：低秩 KV 缓存压缩，LongBench 最高领先 23.3 分

BELT 针对注意力分布优化低秩 KV 缓存压缩，学习全局秩分配器。实现最高 70% 压缩，LongBench 领先最强基线 23.3 分；结合量化后 KV 缓存降 17.8 倍，端到端解码加速 3.3 倍。

📄 LoOPSD：搜索层执行顺序构造教师，Qwen3-1.7B 数学准确率 42.3%→79.6%

LoOPSD 通过搜索模型层执行顺序构建更强教师，将优势蒸馏回学生。在 GSM8K（400 token 思考预算）上，Qwen3-1.7B 准确率从 42.30% 提升至 79.61%，多轮蒸馏持续增益。

📄 CacheLink：跨模型 KV 缓存传递，免预填充切换模型

CacheLink 学习 K/V 耦合校正，在 32K 上下文下将跨模型交接延迟降低最多 7.27 倍，且不牺牲下游准确率。

美国八州起诉 OpenAI，指控 ChatGPT 危害年轻用户

堪萨斯、亚利桑那、蒙大拿等美国八个州起诉 OpenAI，指控 ChatGPT 诱导未成年人自残，要求整改产品、没收相关利润并处以民事罚款。

📄 30B 工具调用模型 Davinci-Tool 超越 480B 模型

Davinci-Tool 仅 30B 参数，在 τ²-bench 从 52.4 提升至 88.2，BFCL v4 多轮从 30.4 到 62.8，MCP-Atlas 从 16.9 到 56.2，全面超越 Qwen3-Coder-480B。

📄 TextualRL：文本强化学习管理上下文，GPT-5.5 准确率提升 24.4 个百分点

TextualRL 是无梯度强化学习框架，将同任务的多次 rollout 作为策略批评单元，生成可复用的文本补丁更新上下文。在 6 个基准上，GPT-5.5 和 Qwen3.8-27B 分别提升 24.4 和 15.3 个百分点。

📄 Nemotron-3-Nano-30B-A3B 印度语言词表扩展，token 数降 38.6%

将 Nemotron-3-Nano-30B-A3B 词汇表从 131,072 扩至 163,072，印度语言每词 token 数降 38.6%，继续预训练约 1.27 万亿 token，Indic MILU 提升 12.9 分。

📄 REPRO：黑盒进化提示优化实现 LLM 红队攻击

REPRO 仅用 7B 反射模型在单 GPU 上进化搜索对抗提示，在 36 个目标模型上单轮达到 100% 攻击成功率，中位查询 24 次。

📄 医学 VLM 在伪造处方下放弃正确答案比例达 80.1%

研究测试 4 个开源医学 VLM，在 400 个 VQA-RAD 问题、19200 轮多轮对话中加入伪造处方后，模型放弃 80.1% 的正确回答。提示文档为合成可将某模型翻转率从 77.8% 降至 47.3%，但仍无法完全避免。

OpenAI 在 DevDay 发布 ChatGPT Space，面向团队协作

OpenAI 在 DevDay 推出 ChatGPT Space，一个团队可与 ChatGPT 共同创建活文档的共享空间，支持邀请同事编辑或评论，并能从已连接工具自动更新页面。已在 Web 和桌面端的 Pro、Business 和 Enterprise 套餐上线。

📄 UDHRBench：评估大模型人权对齐的新基准

UDHRBench 含 1,124 个人权问题，覆盖 30 条宣言，发现 ChatGPT/Grok/Gemini/Fanar 存在系统性偏差，LLM-as-Judge 检测 F1 达 89.8%。

📄 研究：14 个模型 4.2 万问题上，论点表述方式驱动 LLM 谄媚

研究在 14 个模型、4.2 万问题上系统分析用户论点表述对 LLM 谄媚的影响，覆盖 8 个维度、21 种类型。最受影响的是表述的自信程度、归属对象及是否呈现为共享观点，而非权威或社会压力。

𝕏 AI 模型凭记忆在 3D 埃菲尔铁塔上还原 72 位科学家姓名

在 Artificial Analysis 测试中，Claude Opus 5.5 与 Grok 4.7 在无网络的 3D 铁塔场景中，凭记忆按真实顺序写全铁塔上的 72 位法国科学家姓名。

📄 LLM 多智能体通信故障大规模实证研究

研究对 LLM-MAS 进行 29,000+ 次执行，发现 20.7% 故障无即时信号，扁平拓扑在通信故障下任务成功率 53.0%，远高于顺序/层级。

📄 RPO：仅训练首个根 token 实现自适应思考，训练成本降至约 2%

RPO 仅训练初始根 token（如是否调用思考标签）实现难度感知的自适应推理。跨多个模型家族和规模，训练开销仅为先前自适应推理方法的约 2%。

𝕏 Jev 1.14 发布：首次支持多模态，上下文升至 262K

Jev 更新 1.14.0 版本，首次支持多模态，新增图像输入与目标框（box）定位能力，请求与回答上下文提升至 262K，多语言能力增强，价格维持 $0.042/M 输入不变。官方将图像、box 与更长上下文三项能力标注为预览功能、未达生产可用，仅通过托管 API（POST /v1/systemone）提供服务。

𝕏 Fish Audio Drama 3 接入 vLLM-Omni，单张 H200 支持 128 路并发生成

Fish Audio Drama 3（35B 总参/3B 激活）接入 vLLM-Omni，单张 H200 支持 128 路并发，首音频延迟 255 毫秒。

自然意志发布 500 亿参数物理通用基础模型 Natura-1

物理通用智能实验室 Nature Will 发布 Natura-1，一款 500 亿参数混合专家模型，面向灵巧手控制与零样本指令遵循。

📄 CaLLM：多重校准缓解 LLM 评审偏见并提升预测性能

CaLLM 是事后框架，通过多重校准同时约束 LLM 评审的多种偏见。理论证明其为可表征误差结构的群体界定偏见上界，在成对偏好基准上降低指定与未指定偏见群体的校准误差，并提升预测性能。

📄 StartLux-Decision 决策模型发布，0.8B–27B 覆盖即时与深思两种模式

StartLux-Decision 提供 0.8B–27B 决策模型，分 Instant 与 AutoThink 两版。Instant 超同规模开源模型 7.4–16.9 分，27B AutoThink 达 73.4，RLCD² 将推理长度削减最多 65%。

📄 快手 KSA V2：更灵活 KV Cache 压缩与稀疏索引

快手 发布 KSA V2 技术报告，将 summary token 同时用作 KV 记忆和稀疏索引器，实现更灵活压缩并降低 Full attention 层计算成本。

Liquid AI 发布 LFM2.5-24B-A2B，面向设备端智能体

Liquid AI 发布 LFM2.5-24B-A2B 模型，主打设备端快速运行的智能体场景，该发布在 Hacker News 获 193 分、44 条评论。

𝕏 DeepSeek V4.1 Flash 在 OpenCode 中免费开放

OpenCode 宣布，DeepSeek V4.1 Flash 现已在 OpenCode 中免费提供，开发者可零成本调用该模型。

📄 D2 框架将半双工语音模型转为高能力全双工模型

D2 将预训练半双工语音语言模型转为全双工，Qwen3-Omni-D2 在 12.5Hz 下实现 99.2% 轮流成功、521ms 延迟、99.5% 打断成功率，VoiceBench 得分 70.1。

𝕏 字节 Seed 成立模型安全与对齐部门，全球招募 10 名研究员

字节跳动 Seed 成立专门的模型安全与对齐部门，全球招募 10 位顶尖研究员，研究方向涵盖大模型及 Agent 安全评测、自动化红队、行为可解释性与模型监控。

OpenAI 报告：欧盟企业 AI 使用中超过一半涉及 AI 智能体

OpenAI 最新经济研究报告发现，其欧盟企业及商业客户中超过一半的 AI 使用已涉及 AI 智能体，该地区小企业用户数量增长 8 倍。

---