AI DAILY
AI 日报 2026-10-08
一句话结论今天最重的是 Claude Haiku 5.5 把 1M 上下文打到 $0.10/$0.50（与 OpenAI GPT-6 Luna 同价），同时 Sonnet 5.5 缓存读降价 50%——低成本档价格战正式开打；同一周内 Anthropic 600 亿、SpaceX 400 亿两笔算力债务，把 AI 基建的偿付风险从股权市场转给了债券市场。
AI 日报 2026-10-08
整理日期：2026-10-08 素材来源：白名单一手信源（Anthropic 官方页面、Mistral 官方公告、Liquid AI 官方博客、Google 官方博客、Constellation 官方新闻稿、参议院商务委员会官网、GitHub Release 与仓库本体、arXiv 原始页面）+ 权威媒体一手报道（Reuters、Bloomberg、FT 转引、BBC），逐条见文末附录 可信度提示：① Mistral 官方页面本次抓取不可达（域名超时），其数字经 Mistral 官方 X 帖与两家独立报道交叉核对，全部 benchmark 为厂商口径；② SpaceX 融资为 FT/Bloomberg 匿名信源报道，各方均未确认；③ 待核实区 4 条缺一手确认，不作为事实引用。
#AI日报 #推理框架 #论文 #开源项目 #模型动态
一句话结论
今天最重的是 Claude Haiku 5.5 把 1M 上下文打到 $0.10/$0.50（与 OpenAI GPT-6 Luna 同价），同时 Sonnet 5.5 缓存读降价 50%——低成本档价格战正式开打；同一周内 Anthropic 600 亿、SpaceX 400 亿两笔算力债务，把 AI 基建的偿付风险从股权市场转给了债券市场。
一、模型与产品
1. Anthropic 发布 Claude Haiku 5.5：1M 上下文，价格打到 GPT-6 Luna 同档（新增）
2026-10-07 上线（Reuters 同日确认），claude-haiku-5-5 已在 Claude Platform、AWS、GCP Vertex、Azure 可用，Claude Code v2.1.293 起设为 API 默认 Haiku（见二-3）。
| 档位 | 输入 / 输出（$/Mtok） | 缓存读 |
|---|---|---|
| Haiku 5.5 · 提示 ≤100K | 0.10 / 0.50 | 0.01 |
| Haiku 5.5 · 提示 >100K | 0.50 / 2.50 | 0.05 |
| Haiku 4.5（上一代） | 1.00 / 5.00 | 0.10 |
- 相对上一代，≤100K 档输入/输出均约 −90%；>100K 档 −50%。
- 同日附带调整：Sonnet 5.5 缓存读 0.20 → 0.10（−50%），官方称多数 agent 任务整体成本约 −20%；Max 5x/20x 订阅者分别获每月 $100/$200 API credit，Team 池化最高 $500；Python/TS SDK 新增 computer use 与 browser use beta。
- 安全姿态：官方称对齐评测全面优于 4.5；网络安全护栏比 4.5 更严（仍放行防御任务、拦截渗透测试类请求），生物护栏与 Sonnet 5/5.5/Opus 5 同级。
为什么值得关注：这是 Anthropic 第一次在价格上正面贴着 OpenAI 最低档打，而不是只卷能力。Haiku 类模型吃的是 compaction、分类、子 agent 这类高频调用——单价降一个数量级改变的是「哪些任务值得上模型」的门槛，而不是榜单名次。
来源：Anthropic 官方 · https://anthropic.com/claude-haiku-5-5 · 2026-10-07；Claude Code v2.1.293 Release Notes · https://github.com/anthropics/claude-code/releases/tag/v2.1.293 · 2026-10-07；Reuters（The Star 转载）· 2026-10-07
2. Mistral Large 4「Le Chonk」公开预览：1T 参数 MoE，权重月底开源（新增）
2026-10-06 公布公开预览（官方 X 帖同日）：1T 总参数 / 49B 激活，原生多模态，上下文 1M，160+ 语言；从零训练于自有欧洲数据中心的 3,800 张 Grace Blackwell；权重预计 10 月底随架构细节与后训练方法论一起放出。
| 口径 | 数字 | 性质 |
|---|---|---|
| Artificial Analysis 独立早测 | 介于 DeepSeek V4.1 Flash 与 GPT-6 Luna 之间 | 独立，非厂商 |
| 漏洞复现+修补测试 | 82%（官方称全场最高；Claude Opus 5.5、GPT-6 Astra 因拒绝机制近 0） | 厂商自测、无独立复现 |
| Cybench 40 题 | 93% | 厂商自测 |
| DeepSWE v1.1 / Terminal-Bench 4 | 61.7% / 28.3%（AA coding index） | 第三方 index 汇总 |
| Surge AI 盲测（5 模型人工评码） | 3.74 分列第二， behind Claude Opus 5 的 4.22 | 第三方组织执行 |
判断：卖点是「安全拒绝边界」而不是榜单——Mistral 明确把「闭源模型拒绝防御性安全任务」当成了开源权重的商业化理由，并给经审查的伙伴开放 reduced moderation 版本。这个定位与 10-06 报道的 Reflection Beam（主权 AI 编码）同题；真正要盯的是月底权重放出后社区能否复现 82% 那个数。
来源：Mistral 官方公告 · https://mistral.ai/news/mistral-large-4/ · 2026-10-06（官方页面本次抓取不可达，数字经官方 X 帖与 AI News、IBTimes 两家独立报道交叉核对）
3. Liquid AI 开源 d1 决策模型：不生成 token，单次前向出判定（新增）
2026-10-07 开源 d1-3B（基于 LFM2.5-VL-3B，文本+图像）与实验性 d1-omni-600M（文本+图像或文本+音频）。与生成式模型不同，d1 对「输入 + 若干候选答案」做一次前向直接输出选择/评分，不产出 token，端到端延迟即推理延迟。
| 指标 | 数值 |
|---|---|
| Decision Index v0.2.1（公开榜） | d1-3B 48.57，官方称优于所有 <10B 模型、追平 12 倍大的 Decider 35B-A3B |
| 七项公开文本基准均值 | d1-3B 82.9（对照 Decider 4B 81.1） |
| 延迟（单问） | RTX 4090 8ms；Jetson AGX Thor 16ms；Apple M5 Pro 30ms；Jetson Orin Nano 50ms |
| 生态 | day-one 支持 llama.cpp；Hugging Face 可下载；官方明示 d1-omni-600M 为早期研究版、无音频基准 |
为什么值得关注：和昨天 Perplexity 的 pplx-decider（10-05 首报）同一条路线——把「分类/路由/判定」从生成范式里拆出来，用延迟和成本换掉逐 token 解码。这种模型单卡毫秒级，适合塞进数据路径里当路由器，而不是当对话模型用。
来源：Liquid AI 官方博客 · https://www.liquid.ai/blog/d1-open · 2026-10-07
4. Google 上线 Playground：提示词直接生成可玩游戏（新增）
2026-10-07（官方博客 datePublished 核实）：美区 18+ 用户在 playground.google 用自然语言建游戏，可即时试玩、改物理/规则/角色，成品可分享链接或进 Explore 画廊；免费，Google One 订阅按档位提高每周 token 上限。底层为 Google 基础模型（Gemini、Nano Banana、Lyria）+ 自研 harness（Google 发言人向 The Verge 证实 harness 用于结构与可玩性约束）。同时预告 Unity Spark（专业机制 + Unity 运行时），.closed beta 年内。The Next Wall 援引 Investing.com 称 Roblox 盘前一度 −8%（收盘未核）。
判断：值得注意的不是「AI 做游戏」，而是 Google 把内容生成的安全审查从「审文本」变成「审可执行产物」——画廊上架要过 Community Guidelines 筛查 + 举报机制，这套管线会随着生成内容可执行化被反复需要。
来源：Google 官方博客 · https://blog.google/innovation-and-ai/technology/ai/playground-experimental-gaming-platform/ · 2026-10-07；The Verge · 2026-10-07
二、工程与架构
1. llama.cpp b11480：MoE 专家权重留在主存、GPU 侧加缓存（新增）
2026-10-08 01:36 UTC 打 tag，主线改动 llama : add a GPU cache for MoE experts kept in host memory (#29887)——给「专家权重驻留 host memory」的 MoE offload 方案在 GPU 侧加一层专家缓存。对显存装不下全部专家、走 CPU/NVMe offload 跑大 MoE 的场景，这是把「专家换入换出」的代价显式管理起来。
为什么值得关注：上一期（10-05）刚报过 Hexagon NPU DMA 改造，这期是 MoE offload——llama.cpp 在同时压「端侧新硬件」和「大 MoE 上小显存」两条线，都是消费级硬件跑前沿开源模型的直接收益。
来源：llama.cpp GitHub Release · https://github.com/ggml-org/llama.cpp/releases/tag/b11480 · 2026-10-08
2. llama.cpp b11476：Metal 少行 MMA 扩展到全部剩余 src0 类型（更新，首报 10-06）
更新（首报 10-06 v0.6.0）：2026-10-07 14:55 UTC 的 b11476 把 few-row MMA kernel 从 16 权重反量化类型扩展到 BF16、Q1_0/Q2_0、MXFP4、Q2_K/Q3_K、TQ2_0 与 IQ 系全部剩余类型。M3 Ultra 实测：2–8 行区间 MUL_MAT 耗时降至原 0.23–0.98，9–16 行 0.24–0.33，1 行与 512 行持平（1.0 附近）。批量小的 agent 类负载受益最直接。
来源：llama.cpp GitHub Release · https://github.com/ggml-org/llama.cpp/releases/tag/b11476 · 2026-10-07
3. Claude Code v2.1.293：修「压缩后误判工作已完成」，并暴露 HTTP MCP 内存泄漏修复（更新，首报 10-05）
更新（首报 10-05 的 2.1.289、10-07 的 2.1.291）：2026-10-07 18:10 UTC 发布 v2.1.293。除随 Haiku 5.5 上线外，两个修复值得注意：
- 修了一个上下文压缩（compaction）相关 bug：Claude 有时会把压缩前自己已完成的动作当作未完成，撤回或重做已做完的工作——这与 arXiv:2610.08722（见五-4）测的问题是同一类；
- 修 HTTP MCP 连接内存泄漏：连接存续期间保留所有已发请求。
另有 mod 作者相关改动：$.tool.register 新增 isDeferred，可让工具 schema 一开始就进 prompt 而不必等 tool search 命中。2.1.287 以来第五轮修复，回归密度仍高，自动升级建议继续避开关键工作时段。
来源：Claude Code GitHub Release · https://github.com/anthropics/claude-code/releases/tag/v2.1.293 · 2026-10-07
4. Ollama v0.40.1：修复版（更新，首报 10-07）
更新（首报 10-07 v0.40.0）：2026-10-07 23:22 UTC 发布 v0.40.1，以修复为主——Windows 上 clef 头读取越过 2GiB 的修复、Windows 下清单不再用符号链接、代理 cloud usage/balance API；MLX 侧移除了已上游化的 Metal residency 补丁。无破坏性变更，v0.40.0 用户可直接升。
来源：Ollama GitHub Release · https://github.com/ollama/ollama/releases/tag/v0.40.1 · 2026-10-07
5. CrewAI 1.15.24：crewai eval 门禁失败改为非零退出码（新增）
2026-10-07 发布。行为变更：crewai eval 在 gate 不通过且无 unattended trace 时退出码从静默通过改为 1；另有 --models / llm_overlay 换模型重跑评测、实验性 job lifecycle、Oracle 集成。
为什么值得关注：如果你把 crewai eval 接在 CI 里当质量门禁，升级后一个过去静默放行的失败现在会把流水线打红——这是典型的「行为变正确了，但下游没准备好」的破坏性改进。
来源：CrewAI GitHub Release · https://github.com/crewAIInc/crewAI/releases/tag/1.15.24 · 2026-10-07
三、行业与发展
1. SpaceX 洽谈 400 亿美元债务买 Nvidia 芯片：Apollo 牵头（新增，报道口径）
FT 2026-10-06 首发（Reuters 转引）、Bloomberg 10-07 独立确认：SpaceX 洽谈约 400 亿美元债务融资购入 Nvidia AI 芯片——约 100 亿银行贷款 + 300 亿投资级债券，Apollo 预计牵头，Pimco 参与洽谈，目标 2027 年交割。Bloomberg 强调谈判处于早期，可能谈不成；SpaceX、Apollo、Nvidia 均未确认。
背景与结构：SpaceX 2026-02 并购 xAI 后成为重资产算力买方（Musk 自述 Colossus 2 已有 11 万张 GB200 + 44 万张 GB300）；已有 Anthropic 12.5 亿美元/月、Google 9.2 亿美元/月的算力租约；Apollo 同时是 Nvidia 8 月牵头的 5,000 亿美元算力融资平台六家机构之一。Morgan Stanley 估计到 2028 年 AI 基建需 1.5 万亿美元外部融资。
判断：结合 10-07 首报的 Anthropic 600 亿银团分销（背景见该期），同一周内两笔合计千亿美元级的算力债务，融资工具都从股权换成了投资级债——评级与担保物（博通担保 / 算力租约现金流）成了这条链能否滚动的核心变量。可验证观察点：2027 年两个「交割年」能否如期产生覆盖利息的现金流。
来源：FT via Reuters（Investing.com 转载核对）· 2026-10-06；Bloomberg（Business Standard 转载核对）· 2026-10-07；数据截止 2026-10-07
2. Google × Constellation：890 MW 核电增容 + 2,700 MW 供电协议，合计 3.59 GW（新增）
2026-10-06 双方官方新闻稿：20 年 PPA 支持 Constellation 在伊利诺伊/宾州/新泽西 11 台核电机组做设备与数字化增容，新增 890 MW 全部为净新增容量（相当于一台大型常规反应堆），Constellation 为此投资超 43 亿美元，首批 2028 年交付、全部 2032 年底前上网；另签 15 年、2,700 MW 供电协议绑定既有 PJM 机组（非新增发电）。Constellation 同时选定 Google Cloud + Gemini Enterprise 建五年「AI for energy」联盟。
判断：注意口径——3.59 GW 里只有 890 MW 是真新增，2,700 MW 是给存量资产锁收入的财务安排。但「增容」这条路比新建机组快一个量级，上周 Amazon 刚签了 Calvert Cliffs 690 MW，科技公司正在把「买绿电」升级为「出资改造电力资产」，这对 2028–2032 年的算力供给曲线是实质性输入。
来源：Constellation 官方新闻稿 · https://investors.constellationenergy.com/news-releases/news-release-details/google-and-constellation-announce-landmark-agreement-bring-890 · 2026-10-06；POWER Magazine（2032 时间口径补充）· 2026-10-06；数据截止 2026-10-06
3. Meta × Sierra 发布 Personal Agent Protocol：给消费级 agent 立「进门规则」（新增）
2026-10-06 Sierra 官方博客：Meta 与 Bret Taylor 的 Sierra 联合 Walmart、Stripe、Shopify、Genesys、Instinct、Rocket 推出开放标准，定义个人 AI agent 如何向企业表明身份与权限。要点：会话基于 OAuth；游客 → 登录后只读 → 写权限三层，由消费者授权、企业设边界；企业可选三条通路（自有网页 / 基于 MCP、OpenAPI 的 API / 企业自己的 agent）。v0.1 规格本月晚些时候发布，附设计工作坊与参考实现。OpenAI 与 Anthropic 未在列。
判断：这是 agent 协议栈分层的又一块拼图——MCP 管「agent 连工具」，A2A 管「agent 连 agent」，PAP 管「agent 以什么身份连企业」。值得质疑的点：标准由 Muse 的利益相关方（Meta）和服务商（Sierra）主导，「谁来审计 agent 是否越权」在 v0.1 里没有答案；Amazon 已屏蔽 Muse（CNBC 报道），说明「企业有权拒绝 agent」这件事本身还没有共识。
来源：Sierra 官方博客 · https://sierra.ai/blog/introducing-personal-agent-protocol · 2026-10-06；CMSWire（Meta 侧伙伴名单差异）· 2026-10-06
4. Common Sense Media 给 ChatGPT for Teens 评「不可接受风险」，OpenAI 反驳测试窗口（新增）
2026-10-07（官方评级页更新）：Youth AI Safety Institute 以 4,000+ 条 prompt 实测后，将 8 月上线的 ChatGPT for Teens 评为 Unacceptable Risk，建议在家长警报与危机转介可靠前保持成人-only。关键发现：十几个新建家长关联账号在长时间自伤/进食障碍对话中未触发任何警报；Teen 模式上线后 超 1/4 应转介的危机场景被漏掉，五条红线中三条低于 95% 阈值；Study mode 可用「Show me the answer」绕过；年龄估计在多日反复测试中从未把成人注册账号切到 Teen 体验。OpenAI 回应称「大部分测试可能在家长控制完全激活前完成」；CSM 承认部分账号确在激活窗口内、但另一些已关联数周仍无警报，维持结论。该 Institute 自述接受业界（含 OpenAI Foundation）资助但保持编辑独立。
判断：双方争议只覆盖「家长警报」一项，其余发现（漏转介、Study mode 旁路、年龄估计失效）不依赖该争议窗口成立。这是一份方法论透明的非监管方实测，比厂商自述的安全声明信息量大；监管是否采信是下一步看点。
来源：Common Sense Media 官方评级页 · https://www.commonsensemedia.org/ai-ratings/chatgpt-5 · 2026-10-07 更新；The Verge（双方声明全文）· 2026-10-07
5. 参议院商务委员会民主党首席 Cantwell 发布前沿 AI 治理六原则（新增）
2026-10-07 官方发布：联邦安全标准（NIST 主导，覆盖 AI 网络攻击、CBRN、失控与「自主 agent 逃逸测试环境」）、持续测试与发布前独立审计、披露与事件上报（含自主 agent 失控）、公私合作、儿童与劳动者保护、国际协作（含对华「红色电话」式紧急通道）。这是原则框架不是法案； penalty 与审计主体未定，Cantwell 称立法临近。若中期选举后民主党拿回参议院，她将回归委员会主席。
判断：和 9 月 Trump 的自愿承诺、加州 SB 813 放在一起看，美国的 AI 治理正在三线并行——自愿承诺（行政）、州法（加州）、国会框架（本文）。「发布前独立审计」从学界呼吁变成委员会级政策语言，是本周值得记录的措辞变化。
来源：美国参议院商务委员会（民主党）官方新闻稿 · https://www.commerce.senate.gov/press/dem/release/cantwell-outlines-comprehensive-governance-framework-for-safe-and-secure-frontier-ai/ · 2026-10-07；POLITICO（立法背景）· 2026-10-07
四、论文与开源
1. arXiv:2610.09372 — MoE 预训练里专家是「成对出现」的：用相关性砍 all-to-all 开销
8×MI300X 实测：EP32 下 all-to-all 集合通信占训练步 45%（top-2 路由）到 60%（top-6）。作者发现路由早期就学到强相关模式——一层内 0.8% 的专家对被 42% 的 token 共同选中，且 token 在本层选的专家能预测下一层的选择。利用这些相关性做专家放置与 token 洗牌来压缩通信。
为什么值得关注：昨天 Transformers v5.19.0 刚把专家并行（EP 不再要求等于 TP）做成默认（10-07 首报），今天就有论文量化 EP 的通信墙并给出绕法——EP 扩展的下一站是「路由感知的拓扑放置」。
来源：arXiv · https://arxiv.org/abs/2610.09372 · 2026-10-07 提交
2. arXiv:2610.09111 — 同样的文本，换个 batch 就变判定：serving 上下文非确定性实测
180 个文本分类模型（判别式/伪生成式/全生成式）× 4 种 serving 上下文系统测量。此前这类「非确定性」只在生成文本上被记录过，本文证明分类任务同样不免疫：batch 大小、构成、硬件、推理引擎的变化都会翻转判定结果。
为什么值得关注：做评测和线上回归的人通常假设「温度=0 就确定」。这篇给出的是基础设施层的噪声源清单——任何「模型升级前后准确率差了 0.5%」的结论，都应该先排除 serving 上下文差异。
来源：arXiv · https://arxiv.org/abs/2610.09111 · 2026-10-06 提交
3. arXiv:2610.08678 — 有损投机解码的隐藏代价：越省越不安全
首个对投机解码安全性的系统测量：有损投机解码方法在提升效率的同时，越狱与提示注入攻击成功率不成比例地上升（安全-效用不对称）。
为什么值得关注：推理优化论文几乎只报吞吐/接受率，这篇补上了被省略的坐标轴。凡是默认「验证由 target 模型兜底所以无损」的部署，都应该把安全评测加回 acceptance rate 的旁边。
来源：arXiv · https://arxiv.org/abs/2610.08678 · 2026-10-06 提交
4. arXiv:2610.09639 — 在线策略蒸馏教得会技能，教不会知识
受控合成框架分离两种能力后测量：reverse-KL 在线策略蒸馏可靠迁移组合推理技能（跨未见推理结构），但几乎不迁移事实知识；换成 forward KL 恢复事实迁移；student rollout 只改善多步推理的执行。在事实 QA 与竞赛数学上同样呈现该不对称。
为什么值得关注：直接回应了 10-06 报道的「对抗蒸馏」事件语境——想用蒸馏把教师的事实知识搬进学生，路线本身就选错了；蒸馏的正确用途是技能与执行，知识请走继续预训练。
来源：arXiv · https://arxiv.org/abs/2610.09639 · 2026-10-07 提交
5. arXiv:2610.09778 — 推理基准的方差治理：把 CV 从 15.2% 压到 2.2%
提出 Sequential Isolation Methodology（顺序隔离 + 受控并发变化）用于 LLM 推理回归测试：vLLM 0.9.1 / A100 / 3 模型 × 6 上下文 × 8 并发 × 5 重复，平均变异系数 15.2% → 2.2%，78.5% 配置 CV < 3%。
为什么值得关注：与 2610.09111 是同一问题的两半——一个列噪声源，一个给测量协议。做自建推理 benchmark 之前先抄这份协议，否则你测到的「优化收益」可能就是噪声。
来源：arXiv · https://arxiv.org/abs/2610.09778 · 2026-10-07 提交
五、值得关注的趋势
1. 算力融资完成「债务化」切换
Anthropic 600 亿银团分销（10-07 首报）、SpaceX 400 亿洽谈（本期）——两笔都不走股权，抵押物分别是博通担保与算力租约现金流。判断：评级机构与债券市场正式成为 AI 基建的守门人；这条链的脆弱点不在「造不出模型」，在 2027 年交割年的现金流覆盖。可验证观察点：两家 2027 年交割承诺的兑现情况与再融资利差。
2. 「单位任务的 token 成本」成了新的竞争主轴
Haiku 5.5 把高频调用打到 $0.10/$0.50、Sonnet 5.5 砍缓存读 50%；Liquid d1 干脆不生成 token；leviathan 把「回答一个问题」的上下文成本从 10 万级压到 436。三条独立线索同向：当能力差距缩小，竞争单位从「每 token 单价」变成「完成一个任务要烧多少 token」。对做 agent 的人来说，这意味着架构评审时「上下文预算表」和「功能清单」同等重要。
3. 拒绝边界正在变成商业产品参数
Mistral 给审查后伙伴开放 reduced moderation 的 cyber 版本，理由是闭源模型的拒绝挡住了合法防御；Cantwell 框架要求发布前独立审计；Common Sense Media 用 4,000 条 prompt 实测打分。判断：三方在争同一件事——「模型什么情况下应该说不行」的决定权。开源权重把这层决定权交给部署方，监管想把它收回到审计流程里；2027 年「拒绝边界审计」有机会变成一个独立的新职业门类。
4. 长程 agent 的瓶颈继续向「上下文工程」下沉
Claude Code 修「压缩后重做已完成工作」（二-3）；arXiv:2610.08722 用 590 个压缩边界实测发现压缩前历史几乎预测不了压缩伤害（最佳触发器 AUROC 仅 0.66）——「按 token 预算一刀切压缩」没有便宜的自适应方案；CrewAI 把评测门禁改成硬失败。判断：harness 层的工程约束（压缩、验证、门禁）已接替模型能力成为长程任务的_first_瓶颈；2610.08722 的结论尤其泼冷水——别指望用简单信号预测什么时候压缩会坏事，目前只能靠保守策略。
六、有趣的 AI 开源项目
1. leviathan（666★，Rust）— 用 436 token 替代 10 万 token 的历史检索
单个静态二进制：把 JSONL/CSV/SQLite 等记录建成全文索引（BM25 + 词干化），agent 用自然语言提问，返回带引用的短答案卡；可选 MCP 接入。仓库自带可复现 benchmark：100 万条记录（678 MB）下中位数 436 token / 33ms / hit@5 99%，对照最优 grep 策略 107,122 token（245×）——且 grep 全历史在 1M 规模下一半问题超出 200K 窗口。局限作者自陈：合成数据、纯词法检索、未做 LLM 在环。上手难度：低（cargo install leviathan-index）。
来源：GitHub · https://github.com/elstongun/leviathan（benchmark：https://github.com/elstongun/leviathan/blob/main/docs/BENCHMARKS.md）· 2026-10-06 数据
2. yomiyasu（1,713★，Python）— 把 AI 生成日语改写回自然日语的 Agent Skill
不靠禁词表，而是定义 7 条结构化改写原则（主谓关系、拟人化清理、比喻换直白、不新增信息等）+ 前后对照示例，作为 SKILL.md 直接喂给 Claude Code / Codex / Cursor。适用于技术文档、PR 描述等正式文体。上手难度：低（无需 API key）。
来源：GitHub · https://github.com/nanaism/yomiyasu · 2026-10-07 榜单
3. showtime（176★，Python）— 本地渲染的「agent 当导演」视频工作室
一句话让编码 agent 担任导演：规划镜头、配乐、字幕、转场，但渲染全部在本地完成（ffmpeg + Manim + 本地 TTS），无云端生成、无 API key——规避版权与数据外泄，代价是生成不了「凭空」画面，适合讲解/产品类动效。支持 Agent Skills 标准（Claude Code、Codex、Cursor、Devin）。上手难度：中（需 uv + Node 22/24，项目仍在 0.4 早期版本）。
来源：GitHub · https://github.com/FavioVazquez/showtime · 2026-10-06 数据
附录：来源
| 序号 | 板块 | 标题 | 发布方 | 链接 | 发布日期 | 数据截止日期 |
|---|---|---|---|---|---|---|
| 1 | 一 | Introducing Claude Haiku 5.5 | Anthropic 官方 | https://anthropic.com/claude-haiku-5-5 | 2026-10-07 | — |
| 2 | 一 | Claude Code v2.1.293 Release Notes | Anthropic / GitHub | https://github.com/anthropics/claude-code/releases/tag/v2.1.293 | 2026-10-07 | — |
| 3 | 一 | Anthropic launches third Claude 5.5 model（Reuters 确认） | Reuters（The Star 转载） | https://www.thestar.com.my/tech/tech-news/2026/10/08/anthropic-launches-third-claude-55-model-expanding-ai-lineup-before-planned-ipo | 2026-10-07 | — |
| 4 | 一 | Mistral Large 4（Le Chonk）公开预览 | Mistral 官方 | https://mistral.ai/news/mistral-large-4/ | 2026-10-06 | — |
| 5 | 一 | Mistral AI launches Large 4 preview（数字交叉核对） | AI News | https://www.artificialintelligence-news.com/news/mistral-ai-launches-large-4-preview-ahead-open-weight-release/ | 2026-10-06 | — |
| 6 | 一 | Open d1: Edge decision models | Liquid AI 官方 | https://www.liquid.ai/blog/d1-open | 2026-10-07 | — |
| 7 | 一 | Introducing Playground: Create and play custom games | Google 官方博客 | https://blog.google/innovation-and-ai/technology/ai/playground-experimental-gaming-platform/ | 2026-10-07 | — |
| 8 | 一 | Google now lets you make games with AI | The Verge | https://www.theverge.com/tech/1006477/google-playground-unity-spark-ai | 2026-10-07 | — |
| 9 | 二 | llama.cpp b11480（MoE host-memory GPU cache） | ggml-org / GitHub | https://github.com/ggml-org/llama.cpp/releases/tag/b11480 | 2026-10-08 | — |
| 10 | 二 | llama.cpp b11476（Metal few-row MMA 扩型） | ggml-org / GitHub | https://github.com/ggml-org/llama.cpp/releases/tag/b11476 | 2026-10-07 | — |
| 11 | 二 | Ollama v0.40.1 | Ollama / GitHub | https://github.com/ollama/ollama/releases/tag/v0.40.1 | 2026-10-07 | — |
| 12 | 二 | CrewAI 1.15.24 | CrewAI / GitHub | https://github.com/crewAIInc/crewAI/releases/tag/1.15.24 | 2026-10-07 | — |
| 13 | 三 | SpaceX seeks $40bn in Apollo-led debt to buy Nvidia chips（FT via Reuters） | FT / Reuters（Investing.com 转载核对） | https://www.aitechdaily.com/spacex-40-billion-apollo-nvidia-chip-debt（含 Reuters/Bloomberg 出处记录） | 2026-10-06 | 2026-10-07 |
| 14 | 三 | SpaceX in talks to borrow $40bn（独立确认，早期阶段） | Bloomberg（Business Standard 转载核对） | — | 2026-10-07 | 2026-10-07 |
| 15 | 三 | Google × Constellation 890 MW 核电增容协议 | Constellation 官方新闻稿 | https://investors.constellationenergy.com/news-releases/news-release-details/google-and-constellation-announce-landmark-agreement-bring-890 | 2026-10-06 | 2026-10-06 |
| 16 | 三 | Google Deal Backs 890 MW of Constellation Nuclear Uprates（2032 口径） | POWER Magazine | https://www.powermag.com/google-deal-backs-890-mw-of-constellation-nuclear-uprates | 2026-10-06 | — |
| 17 | 三 | Introducing Personal Agent Protocol | Sierra 官方博客 | https://sierra.ai/blog/introducing-personal-agent-protocol | 2026-10-06 | — |
| 18 | 三 | Genesys, NiCE Join Sierra, Meta（Meta 侧名单与 Amazon 屏蔽 Muse） | CMSWire | https://www.cmswire.com/contact-center/genesys-joins-sierra-meta-on-open-standard-for-personal-ai-agents-01 | 2026-10-06 | — |
| 19 | 三 | ChatGPT for Teens Risk Assessment | Common Sense Media 官方 | https://www.commonsensemedia.org/ai-ratings/chatgpt-5 | 2026-10-07 更新 | 测试窗口：Teen 模式上线前后 |
| 20 | 三 | ChatGPT for Teens is an 'unacceptable risk'（双方声明） | The Verge | https://www.theverge.com/ai-artificial-intelligence/1006355/openai-chatgpt-for-teens-common-sense-media | 2026-10-07 | — |
| 21 | 三 | Cantwell Outlines Comprehensive Governance Framework for Safe and Secure Frontier AI | 美国参议院商务委员会（民主党） | https://www.commerce.senate.gov/press/dem/release/cantwell-outlines-comprehensive-governance-framework-for-safe-and-secure-frontier-ai/ | 2026-10-07 | — |
| 22 | 四 | Expert Coupling in MoE Pretraining | arXiv | https://arxiv.org/abs/2610.09372 | 2026-10-07 | — |
| 23 | 四 | Same Text, Different Prediction | arXiv | https://arxiv.org/abs/2610.09111 | 2026-10-06 | — |
| 24 | 四 | Secure Speculative Decoding for LLMs | arXiv | https://arxiv.org/abs/2610.08678 | 2026-10-06 | — |
| 25 | 四 | On-Policy Distillation Teaches New Skills but Not New Knowledge | arXiv | https://arxiv.org/abs/2610.09639 | 2026-10-07 | — |
| 26 | 四 | Reproducible LLM Inference Benchmarking | arXiv | https://arxiv.org/abs/2610.09778 | 2026-10-07 | — |
| 27 | 五 | Does an Agent's History Tell You When Compaction Will Hurt? | arXiv | https://arxiv.org/abs/2610.08722 | 2026-10-06 | — |
| 28 | 六 | elstongun/leviathan（含 BENCHMARKS.md） | GitHub | https://github.com/elstongun/leviathan | 2026-10-06 | — |
| 29 | 六 | nanaism/yomiyasu | GitHub | https://github.com/nanaism/yomiyasu | 2026-10-07 榜单 | — |
| 30 | 六 | FavioVazquez/showtime | GitHub | https://github.com/FavioVazquez/showtime | 2026-10-06 | — |
| 31 | 六 | quidproquo AI Agent GitHub Digest（仓库判读线索） | quidproquo.cc | https://quidproquo.cc/posts/daily/2026-10-08-ai-agent-github-digest-en | 2026-10-08 | — |
本期淘汰记录
| 候选 | 处理 | 原因 |
|---|---|---|
| Google 将 Gemini in Chrome Auto Browse 推广至印度（10-07） | 淘汰 | 既有能力的地理性推广，无新架构、无新数据 |
| Lambda 至多 40 亿美元 pre-IPO 轮（WSJ，$14.5B pre-money、积压 $50B） | 移入待核实 | WSJ 付费墙未回溯原文；且属纯融资稿 |
| Grok Bot 将路由至 Claude/Midjourney/Suno（Musk X 帖，10-07） | 移入待核实 | 无发布文档、无商业条款，仅方向性表态 |
| 404 Media：Meta Muse 上线前抢修 KVM 逃逸漏洞（10-07） | 移入待核实 | 单一匿名信源，Meta 未确认，无 exploit 证据 |
| Nippan 确认向 Anthropic 售书（Project Panama，10-07） | 移入待核实 | 通讯社转述信件内容，未见一手文件与 Anthropic 回应 |
| OpenAI EU text provenance 相关旧帖（10-05/10-07 已报道） | 淘汰 | 索引命中、无新进展 |
| White House 前沿 AI 审查流程未公开标准（aigist 线索） | 淘汰 | 未能回溯至一手政府文件 |
| aigist/aiimpacthub 等首页无 10-07/08 独立增量条目 | 淘汰 | 与已收录条目重复 |
⚠️ 待核实
以下条目缺一手确认，不得作为事实引用：
| 条目 | 缺什么 |
|---|---|
| Lambda 以 $14.5B pre-money 融至多 40 亿美元、9 月积压订单 $50B（WSJ） | WSJ 付费墙，仅见二手转述；未回溯 LP 信原文 |
| Meta Muse 上线前存在 KVM 逃逸等漏洞、热修复被称 "half-baked"（404 Media） | 单一匿名信源；无 Meta 确认、无漏洞细节或编号 |
| Nippan 确认子公司 2024-11 起向 Anthropic 售书（涉 Project Panama 诉讼） | 信件原文未公开；售书量与金额未披露；Anthropic 无回应 |
| Grok Bot 将按任务路由至 Claude Opus 5.5 / Midjourney / Suno（Musk 帖） | 无路由机制、定价、数据处理的任何文档；xAI/Anthropic 均未确认 |
引用提醒：正文每条均附一手来源与发布日期；Mistral Large 4 的 benchmark 均为厂商自测（Artificial Analysis Cyber Index 排名除外），官方页面本次抓取不可达、数字经官方 X 帖与两家独立报道交叉核对；Liquid AI 延迟与 Decision Index 为厂商自测；SpaceX 融资为报道口径、交易未确认；Common Sense Media 为非监管方独立实测，其 Institute 接受含 OpenAI Foundation 在内的业界资助；leviathan benchmark 为作者自测（合成数据集）；待核实区内容不应作为事实引用；配图均为自绘、非原文插图。