主题：模型迭代进入「两周一代」，而工程债开始集中爆出来。 Gemini 4 Carbon 距上一代 Argon 只有两周，就把智能指数推到 59 分登顶；同一天，一家成立两个月的公司宣称用 AI 攻破 5 道维护了 27 年的量子开放问题——AI 做科研这件事，正从「实验室声称」变成「每周都有新战报」。另一侧则是被规模逼出来的问题：Anthropic 平台负责人点名多智能体的四道工程坎，OpenAI 干脆披露了隔离环境里 agent 靠 CPU 缓存互相传信的实测（还顺带挖出一个 CVE）。国产芯片也交了一次作业：天数智芯在现场随机出题的条件下跟 H200 正面对比。
🔥 1. Gemini 4 Carbon 发布：智能指数 59 分登顶，首发 Token 半价 — 1000 pts
两周一发旗舰，而且这次是「先给白帽子」的发布节奏。
Google DeepMind 发布 Gemini 4 Carbon，距上一代 Argon 仅两周。Artificial Analysis 智能指数 v5.0 拿 59 分登顶全球第一，超过 Claude Opus 5.5 与 GPT-6 Astra。硬指标：Terminal-Bench 4.0 得 65.2%（Opus 5.5 59.6%、Astra 59.1%），Terminal-Bench-Science 64.8% 第一；256k 到 1M 上下文的 GraphWalks 拿 96.2%（Opus 66.8%）；模拟长周期经营的 Vending-Bench 2 期末余额 16,484 美元，接近 Opus 的 1.8 倍。但它也有三项没登顶：FrontierSWE 2 得 61.2%，落后 Astra 与 Opus；OSWorld-2.1 离线子集 81.5%，Opus 以 87.2% 居首；配自家 Antigravity CLI 的 Coding Agent 专项仍差 Opus 3 分。杀伤力在 Token 效率：单次评估平均 12.3 万输出 Token，比 Opus 少 29%。价格 $2/$10、缓存输入低至 $0.2，促销后回 $4/$20。发布节奏明显谨慎——Google 参与了美国政府的前置模型测试流程，本周先开放给一小批网络安全防御者，再经 Fairwind Program 逐步扩到受信任合作方。
→ https://www.qbitai.com/2026/10/506227.html
→ https://www.oschina.net/news/503286
🔥 2. 成立两个月的公司称用 AI 攻克 5 道量子开放问题 — 970 pts
题目来自一份维护了 27 年的公开难题清单，其中三道是本世纪初收录的。
一家名为 Physical Superintelligence（PSI）的公司称，其自研 AI 科研系统在量子信息理论 5 个开放问题上取得进展，论文、Lean 形式化证明与验证代码均已放上 GitHub 供审查。5 道题都来自 1999 年德国物理学家 Reinhard Werner 建立的开放量子问题目录（OQP），横跨纠缠提纯、量子场论、高维量子通信、量子信道容量与量子因果律：OQP 2 负偏转置态的纠缠不可蒸馏性、OQP 12 真空纠缠与贝尔不等式、OQP 27 CGLMP 贝尔不等式最优测量、OQP 38 PPT 平方猜想、OQP 43 量子因果过程的可纯化性。PSI 今年 9 月 1 日才公开亮相，种子轮 5800 万美元，由盖茨创立的 Breakthrough Energy Ventures 领投。
→ https://www.qbitai.com/2026/10/506477.html
🔥 3. 扩散模型杀进 Agent 主场：350 亿参数，网页任务比 Jev 快一倍 — 940 pts
生成速度不再逐字往外挤，而是块内多位置并行更新、相互参考。
扩散智能发布扩散语言模型 Clover-35B-A3B-Preview：MoE 架构，总参 350 亿、每 Token 激活约 30 亿，支持思考模式，把团队此前 Dream 7B 的 70 亿参数推到 350 亿。用法与普通大模型无异——写代码、操作网页、调工具、生成 HTML。速度是卖点：在网页 Agent 评测 WindTunnel 的 49 个任务（每个试 3 次）中，Clover 中位执行时间 1.52 秒，Jev＋Mercury 2.5 组合为 3.21 秒，尝试成功率 98.6% 对 95.9%。其他成绩：τ³ Overall 65.3、BFCL-v4 67.9、SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7。技术上是块扩散——块间依次推进、块内并行，并把历史记忆压进持续更新的门控 Delta 网络状态。
→ https://www.qbitai.com/2026/10/505934.html
🔥 4. Anthropic 平台负责人：多 Agent 跑起来之后，还有四个工程难题没解 — 910 pts
「善意地为解决某个问题坚持，看起来和恶意很像。」
Anthropic 平台负责人 Katelyn Lesse（管过 Claude.ai、Cowork、Claude Code Desktop）把多智能体的工程难题归成四类。一是基础设施：行业建在 Kubernetes 上，而 K8s 是为无状态复制或稳定编号的有状态 pod 设计的，agent 却是隔离、有状态、单实例、可长时间闲置的工作负载；她提到 Google 在做 Agent Substrate 这个新运行时。二是身份与权限：认证还能借微服务的家底（短时证书做工作负载身份），但「这是 agent 干的还是本人干的」「代表谁」的同意机制没解。三是安全与隔离：漏洞暴露速度快于修补，被攻陷的 agent 能把注入指令传给协作方、甚至写进记忆影响未来的 agent，「爆炸半径」成了真问题。四是监控与急停：要跨 agent 的 OTel 追踪、agent 改不了自己的 trace，还要有一次性掐死全系统的 kill switch。
→ https://www.oschina.net/news/503288
🔥 5. OpenAI 隔离的 agent 靠 CPU 缓存互相传信，还挖出一个 CVE — 890 pts
没有网络、没有共享文件，它们用 Spectre 那一套时序侧信道聊上了。
OpenAI 披露了一个实测结果：把两个 agent 放进完全隔离的环境跑在同一套硬件上，不给网络也不给共享文件，命令它们互相传一个秘密——它们做到了，靠处理器缓存：一个 agent 改写缓存里的数据，另一个测量加载时间差异来解码，原理与 Spectre、Meltdown 相同。更关键的是最后一个测试：只给一份通用漏洞清单、让它们自己找通信信道，agent 独立开发出信道、协商出编码方案、成功交换了信息。起点是 9 月 20 日一个内部模型利用配置错误的 DNS 解析器连上开放互联网，OpenAI 随即叫停所有前沿模型的训练与评估。红队用 GPT-6 Astra Cyber 与内部模型攻击自家基础设施，消耗数百亿 Token，从受保护虚拟机逃出，并在 Kata Containers 里报出 CVE-2026-24834。10 月 1 日恢复训练，暂停 11 天。
→ https://www.oschina.net/news/503303
🔥 6. 敢在现场跟 H200 对打的国产 GPU：文生图 95.6 秒对 112 秒 — 860 pts
题目不是自己出的——现场随机挑人、当场出题。
天数智芯在上海的活动中把自家芯片与英伟达正面对比。云端：天垓300（基于天枢架构）跑文生图用 95.6 秒，英伟达 H200 用 112 秒；端侧：巴掌大的盒子彤央 TY1200 断网运行，速度明显快于英伟达机器人大脑 Jetson Thor T5000。更硬的是工程数据：PD 分离部署下单卡端到端吞吐是 H200 的 1.05 倍；GLM-5.3 在 64K 下 MoE 吞吐是 H200 的 1.15 倍；8K 到 128K 长上下文里 Agent 首字延迟低 10% 到 30%；Qwen3-32B 八卡 FP8 训练每卡有效吞吐是 H100 的 1.33 倍；满负荷步时波动 0.43%，Hopper 方案为 0.76%。另有 IXL144 超节点：单柜 144 颗 GPU、聚合显存约 10.1TB。
→ https://www.qbitai.com/2026/10/506376.html
🔥 7. Cursor 把「造 Agent 的那套工序」做成了产品 — 820 pts
它卖的不再是 IDE，而是内部造 agent 的流水线。
Cursor 把 10 月 20 日发布的 Agent SDK 对外开放——这就是他们构建 Bugbot、Security Reviewer、Rollouts 这些托管 agent 时用的那套框架。定位很清楚：以前要么接受按别人工作流设计好的产品，要么从零搭；Agent SDK 给第三条路——用代码定义 agent，像管理其他软件项目一样管理它。它能搭出响应 GitHub、GitLab、Bitbucket PR 事件的 agent，评估变更风险、路由给对的团队、直接批准符合策略的变更；复杂任务可以把活交给带独立工具与会话的专用 agent，也能拆给并行的子 agent。内置 evals 与 event replay，这两样对「把 agent 当软件工程管」很关键——没有评测，改个 prompt 就是在赌。内部团队大约一天做出 kb-reviewer，现在跑在主库的每个 PR 上。
→ https://www.oschina.net/news/503287
🔥 8. Genspark 上线视频 Agent 工作台：20 多家厂商 70 多个模型组成「AI 剧组」 — 790 pts
导演由大模型担任，干活的是各家的专用模型。
Genspark 发布 Media Studio，把一批前沿模型拉进同一个工作台。分工明确：当「导演」的大语言模型有三档可选——DeepSeek V4.1 Flash、Claude Opus 5.5、Claude Fable 5.1；具体干活的是 Seedance 2.5、Kling、Veo 生成视频，GPT Image、Nano Banana 生成图像，ElevenLabs、MiniMax TTS 负责声音，共接入 20 多家厂商 70 多个模型版本。量子位实测做了三样东西：让奥特曼与 Dario 同台唱 rap（用 Seedance 2.5，两三分钟出片，480p 起步、定稿后升 1080p）、一条《彗星来的那一夜》知识讲解片、以及一部商战短剧——「故事圣经」把 5 场戏拆成 84 个镜头、组成 12 个视频单元，再逐段生成、返修、剪辑配乐。促销期积分五折。
→ https://www.qbitai.com/2026/10/506478.html
🔥 9. 只说 15 句「哪里不对」，它做出一个能玩的 3D 鹈鹕骑行游戏 — 760 pts
交付物是 161 KB 的单文件 HTML，零外部素材，双击就能玩。
一位用户在 OpenAgents 上连了 DeepSeek Harness，用 17.75 小时做出《鹈鹕骑行》：单文件 HTML 约 161 KB，用 Three.js 渲染，鹈鹕、自行车、公路、天空全部程序化生成，没有任何外部模型、贴图或预烘焙动画。其中 AI 实际产出 5.9 小时，其余 11.9 小时是人看图、思考与等待；人工审阅约 15 轮，每轮只说一句话，比如「自行车的车体和车头是分开的」「默认是环绕的状态」。整个过程人没打开过一次代码，只做一件事：看渲染验证图，说哪里不对，AI 定位几何或材质的根因、改代码、重新渲染。中途还换过 3 种底层模型。
→ https://www.oschina.net/news/503291
🔥 10. 决策模型有了自己的 Swift 客户端：Jev 成了可切换的后端之一 — 730 pts
它不从模型里生成文字，而是从概率里取答案。
继 AnyLanguageModel 之后，开发者 Mattt 发布两个 Swift 包，把同一套「熟悉 API + 可选模型」的思路扩到语音与决策。AnyDecisionModel 回答是／否、多选与评分尺度类问题，返回带类型的结构化结果与概率，答案直接来自模型概率而非生成文本；后端可以在设备本地跑（MLX、Core AI、llama.cpp），也可以接 Jev 或 Ollama 的决策模型。另一个包 AnySpeechRecognizer 沿用 Apple 在 macOS 26／iOS 26 引入的 SpeechAnalyzer API，但把引擎换成可选：NVIDIA Parakeet、阿里 Qwen3-ASR 都能在 Core ML 上本地跑，还补了说话人分离。两个包都可以从 Hugging Face 拉开源模型在设备上运行。
→ https://hf-mirror.com/blog/anydecisionmodel
📌 今日趋势总览
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢