AI DAILY

AI日报 2026-10-13

一句话结论这一期最值钱的不是任何一个新模型，而是一组彼此拆台的证据：Meta 把智能指数最高的一档锁进每月 50/200 美元的订阅而不放 API，vLLM-SR 用 Apache-2.0 把决策模型的价格地板直接打掉，而同一批 arXiv 论文分别说明「更快的决策不会自动变成更好的 agent」「机器文本检测器测到的常常只是排版」「让评审更一致并不等于更接近人的判断」——前沿能力的可得性在收窄，而用来衡量前沿能力的那批指标在同时被证伪。

AI日报 2026-10-13

整理日期：2026-10-13　素材来源：厂商官方博客与 release（Meta / Z.ai / OpenAI / GitHub）、arXiv 原始页面、gov.uk、Reuters、Hugging Face 仓库本体，以及少量聚合站做线索发现后回溯一手源

可信度提示：统计窗口为 2026-10-11 09:00 → 2026-10-13 09:15（香港时间）。arXiv 论文按「2026-10-12 公告批次」计入，但每条显式标注 v1 提交日（多为 2026-10-09），公告与提交的区别已写在论文节节首。两条明确标为「补录」的条目首发日早于窗口起点（Decision 3.0 权重 10-10 上传、AesCode 10-07 静默上线），系往期漏报，已显式标注、不计入当日新增。Meta Muse Wonder 的逐项基准与参数规模官方博客未在正文给出（只放图），引用的数字均为二手转述并已标注。所有厂商自测分数已标「厂商自测、无独立复现」。

#AI日报 #模型发布 #开源 #论文 #AI治理

一句话结论

这一期最值钱的不是任何一个新模型，而是一组彼此拆台的证据：Meta 把智能指数最高的一档锁进每月 50/200 美元的订阅而不放 API，vLLM-SR 用 Apache-2.0 把决策模型的价格地板直接打掉，而同一批 arXiv 论文分别说明「更快的决策不会自动变成更好的 agent」「机器文本检测器测到的常常只是排版」「让评审更一致并不等于更接近人的判断」——前沿能力的可得性在收窄，而用来衡量前沿能力的那批指标在同时被证伪。

一、模型与产品

# 条目 关键数字与事实 判断
1 Meta Muse Wonder / Muse Wonder Full（首发，2026-10-12） 两个模型；卖点 Active Memory（跨会话记忆）与 Active Focus（长任务不掉线）；评测集含 Harvey LAB、FocusBench、SWE-Marathon；官方只放图未给逐项数字 Meta Superintelligence Labs 的第一个「前沿档」发布，但它没有开源——与 Meta 过去两年的开源叙事相反
2 Z.ai GLM-Legal（首发，2026-10-12） 基于轻量基座 GLM-5.3-Flash；Harvey LAB 全通过率 19.2%（比基座 +12.5pp）；LegalBench / PLawBench 称与前沿闭源持平；未开源，Beta 申请制 打法是「用轻基座 + 域内中训/后训 + harness 协同演化去换专业域」，而不是堆参数
3 GPT-6.1 Sol 默认上下文 272k → 500k（2026-10-11） Codex 与 ChatGPT Work 默认上下文提至 500k（约 +80%）；订阅用量不收长上下文附加费；API 与手动设置仍按 >272k 输入 2 倍、输出 1.5 倍计费；上限仍 1M 抬默认水位而不是抬上限——用体验锁定企业工作流，而不是打参数军备竞赛
4 vLLM Semantic Router Decision 3.0（补录 · 权重 2026-10-10 上传） 六档全 Apache-2.0：d3 26.09B / d3-flash 8.39B / d3-mini 4.54B / d3-nano 2.21B / d3-lite 0.85B / d3-edge 0.59B；三类问法（Choice / 是非 / 评分）每个选项给概率、不生成 token；单卡 MI325X 单请求延迟中位：文本 55ms、图片 273ms、10 秒视频 553ms 厂商自测、榜单由团队自建、无第三方复现——但权重真的在 HF 上，这一点无可辩驳
5 Microsoft AesCode 8B / 32B（补录 · 2026-10-07 静默上线） 生成可编辑 HTML/CSS 的幻灯片/海报/看板；32B 起于 Qwen3-VL-32B-Instruct，cold-start SFT + GDPO 七路奖励；300 样本自测 32B Overall 85.89（Rule 94.33 / Visual 77.44）、8B 82.94；严重边界失败率 32B 4.3% vs GPT-5.5 34.7%；Apache-2.0，bf16 32B 约需 65GB 加速器内存 真正的卖点藏在一个小数字里：不给参考图时 8B 的视觉分只掉 1.00 分，而基座 Qwen3-VL-8B-Instruct 掉 19.55 分——它被训练成会用参考图，而不是长出审美

条目 1 补充：Artificial Analysis 智能指数（第三方，经二手转述）Muse Wonder Full 56 / Muse Wonder 52，对照 Claude Opus 5.5 58、Sonnet 5.5 56、GPT-6 Astra 53。定价为 VentureBeat 转述：Wonder 在 Meta Model API 为 $4 / $20 每百万 token；Wonder Full 只给 Muse Code 订阅（Power $50/月、Maximum $200/月），DeepSWE 1.1 报 79.0。两个模型均在 Meta 俄亥俄 Prometheus 数据中心训练。 来源：Meta 官方博客 · https://research.meta.ai/blog/muse-wonder · 2026-10-12

条目 3 补充：一手为 OpenAI 产品负责人 Thibault Sottiaux 的 X 帖（2026-10-11，自述为「Day 7」）；本次未能在 OpenAI Codex changelog 读到对应条目，属官方个人账号口径。

条目 4 补充：d3 自测 Jev Decision Index 0.3.1 文本 64.7 / 视觉 71.6，9B 档（d3-flash）超过上一代 27B。模型可本地部署，vLLM Semantic Router 的原生支持目前在开发通道。

条目 5 补充：这次发布没有任何官方公告——无博客、无 release notes、无预印本，模型卡引用栏写「审稿中 2027」（明显是占位符）。截至 2026-10-11，8B 仓库显示两次下载、一个赞。

二、工程与架构

# 条目 改了什么 为什么值得看
1 llama.cpp b11574–b11577（2026-10-12 单日四版） b11574：Hexagon NPU 的 CPY/CONCAT 第三轮优化，专治「短行」——把转换型 CPY 按行分块交给 DMA 描述符、避免短行被 DMA 延迟绑死；新增 HVX gather-row 线程化、f16 快路、双缓冲、按 mdev 拆任务；并修掉 mdev 场景下 vtcm_acquire 同步状态非原子导致的随机挂起。b11577：修 vLLM d3 系列的多序列用例 关键信息在「第三轮」三个字：同一个 kernel 被反复拆解，说明 NPU 后端仍在被逐条行打通。那个随机挂起是并发正确性 bug，不是性能调优
2 Ollama v0.40.4-rc0（2026-10-12） mlx: compact restored recurrent state after speculative rollback——投机解码回滚后压缩恢复的循环状态；server 复用已验证 manifest 与已加载模型；内置 llama.cpp 升到 b11521 以支持决策模型与 EmbeddingGemma 2；Codex 的 /model 选择器出现本地已装模型 投机解码回滚会留下未清理的循环状态，是状态机语义 bug而非速度问题；这类 bug 在启用 MLX 默认后端之后才容易暴露
3 Agno v3.1.3：外部 agent 的会话变持久（2026-10-12） ClaudeAgent 的 SDK session id 落库、transcript 逐行镜像进 agno_transcripts 表，换副本也能续；ClaudeAgent/CodexAgent 支持 background=True、可取消、可索引 SSE；continue_run 以每个工具结果为检查点、可从中间 fork，已完成的 run 不被原地改写（续跑是新的兄弟 run） 把「跑完就消失」的外部 agent 变成可运维对象。检查点级重放比整轮重跑便宜得多，这条对长任务的成本曲线影响很直接
4 Adaptive DHiSparse：把投机解码架到分层稀疏 KV 上（arXiv:2610.13708） HiSparse 把历史放主机内存按需取，但每档负载用同一个缓存预算、且不支持 draft 模型投机解码；本工作按负载调整常驻集（先保工作集、显存有闲就多留历史、其余走精确融合检索），draft KV 用窗口受限 ring buffer，验证阶段跨层组复用 数字：100K 上下文并发 128，GLM-5.3 + DFlash2 单解码 GPU 793 输出 tok/s（1.45× HiSparse、1.27× 非投机自适应）；同样延迟上限下并发到 4×、输出 2.3–3.7×

条目 1 来源：https://github.com/ggml-org/llama.cpp/releases/tag/b11574 · 2026-10-12（内容为 release body 中补丁自述） 条目 2 来源：https://github.com/ollama/ollama/releases/tag/v0.40.4-rc0 · 2026-10-12 条目 3 来源：https://github.com/agno-agi/agno/releases/tag/v3.1.3 · 2026-10-12 条目 4 来源：https://arxiv.org/abs/2610.13708 · v1 提交 2026-10-09（2026-10-12 公告）

三、行业与发展

1. 英国政府 AI 风险一揽子措施（更新 · 首报 2026-10-11）

首发时只有「拟修订《网络安全与韧性法案》加入 AI 代理失控条款」一句。2026-10-12 的官方新闻稿给出完整四条（由内阁办公室、AI 安全研究院、国家网络安全中心、DCMS 联合发布）：

  • 扩大用前沿模型做网络防御——两个试点已识别并修复政府系统内 1,000+ 个潜在漏洞
  • AI 安全研究院（AISI）已对最新一代先进模型开展严格评测（与主要开发商及美国政府协作后启动）
  • 为国家应对涉及自主 agent 的重大事件做准备（与 NCSC、AISI 共同研究响应方式）
  • 研究如何识别与上报未遂事件，并探索在《网络安全与韧性法案》框架下加强保护，明确点出「AI 失控风险，即自主系统脱离人类监督」

AI 大臣 Kanishka Narayan 对厂商的原话：「若你无法充分控制风险，就不要发布这个系统。」

边界必须说清：法案相关全部是「考虑中/将探索」，不是你已生效的义务；新闻稿未点名任何被评测的开发商或模型，也未给出试点漏洞的严重度分级、测试方法与独立验证。

同日关联：Reuters 转引 The Telegraph — 美方放宽了此前劝阻 OpenAI/Anthropic 与英方分享新模型的立场，实际打开了发布前评估通道。白宫与两家公司均未回应置评请求。两件事合起来看，才是这一条的分量。

来源：GOV.UK · https://www.gov.uk/government/news/britain-steps-up-national-defences-against-growing-ai-risks · 2026-10-12

2. Microsoft 总裁 Brad Smith：AI 受到的监管比牛奶还少（2026-10-12）

接受 BBC 采访（经 Reuters 报道）时提出：需要一套全球安全规则，包括独立评估方、被 rogue agent 攻破时须通知「受害者」、随时可用的紧急制动、以及法律强制的事件报告。原话：「现在，你的洗衣机受到的安全规则比 AI 还多。货架上每一盒牛奶都要接受安全规则和检验。」 他认为英国因 AI 安全研究院的既有安排最适合领头，并称华盛顿对伦敦的看法与对布鲁塞尔（按风险分级监管）截然不同。

判断：这跟同日英国的一揽子措施、以及 Anthropic（10-10 意外行为报告）、OpenAI（misalignment 报告）的自我披露是同一股力——治理重心正从「透明度声明」转向可中断、可调查、可上报。对采购方是有利的：供应商必须在合同里回答可观测性与急停问题。

来源：Reuters（经 MarketScreener 转载）· https://au.marketscreener.com/news/microsoft-president-says-milk-faces-more-regulation-than-ai-ce785ddcd189f422 · 2026-10-12

3. 无问芯穹完成 23 亿元 C 轮（2026-10-12）

  • 累计融资 43 亿元；证券时报称单轮与累计金额均刷新国内 AI Infra 赛道纪录
  • 资方横跨三类：国资（杭州高新金投、社保中关村基金、珠海科技产业集团、徐汇资本）、产业资本（腾讯、百度、联想）、财务投资（红杉中国、启明创投、顺为资本）
  • 业务口径（均为公司自述）：不自持大规模数据中心，做异构算力调度；已触达 3.7 万 P 算力、覆盖 16 种芯片、千卡异构混训平台具万卡扩展性，算力利用率最高 97.6%；自研跨集群异构 PDD 架构称首 token 延迟 −51.5%、单 token 成本 −37.5%
  • 10 月初已传以保密形式向港交所递交 IPO 申请，最早 2027 上半年挂牌

判断：这一轮的定义性事实是「算力运营商」而非「造芯片或做模型」拿到国内 AI Infra 最大单笔——说明市场在押注碎片化算力的调度价值，而不是再投一家模型公司。

来源：证券时报 · https://stcn.com/article/detail/4213036.html · 2026-10-12

4. 模思智能（OpenMOSS / 邱锡鹏）完成超 10 亿元 Pre-A 轮（2026-10-12）

华控基金领投，国开科创、上海科创基金、新微资本、徐汇资本、追光硬科技创投、临港策源基金等参与，老股东持续加注。公司由复旦大学与上海创智学院联合孵化，创始人邱锡鹏为复旦特聘教授、MOSS 开源对话模型与 SpeechGPT 的核心作者。

  • 方向：全模态实时交互智能——让模型在持续流入的语音、画面、动作与环境状态中判断用户此刻需要什么
  • 半年内围绕语音、视觉、实时多模态连续发布 20 多个模型并持续开源
  • 即将发布 MOSS Live：前端交互模型持续看/听/说，后端能动性模型负责复杂推理与任务执行
  • 本轮距 2026 年 4 月的数亿元天使轮仅半年

来源：上海证券报 / 中国证券网 · https://www.cnstock.com/commonDetail/800692 · 2026-10-12

四、论文与开源

本节口径：arXiv cs.AI / cs.LG / cs.CL 的 recent 列表显示 2026-10-12（周一）公告 cs.AI 161 篇等。逐篇核对发现抽检的 v1 提交日多为 2026-10-09（含周末积压）。本节按「公告日」计入本期，但每条显式标注提交日，避免把「公告」当成「首次公开」。

# 论文 核心方法与结论
1 AI Models Can Provably Hide Arbitrary CapabilitiesarXiv:2610.13928 · v1 2026-10-09 用 digital locker 把加密后的神经网络嵌进宿主权重，只有收到秘密触发器才解密并执行。在密码学假设下，即便拿到全部权重，隐藏电路也「可证明地」难以诱导。把此前只能藏固定字符串的工作扩到任意计算。实测抗微调、权重加噪、基于梯度的触发器搜索、潜空间对抗训练，任务为化学反应用预测（CBRN 相关能力的代理）。作者开源了模型以帮助改进防御。判断：这是对「能力评测能测出危险能力」这一整套假设的正面打击——若成立，能力评测的效力上限来自密码学，而不是工程。
2 When Faster Decisions Do Not Make Better Agents: An Empirical Study of Jev in Agent WorkflowsarXiv:2610.13092 · v1 2026-10-09 在 ALFWorld（具身）与 AndroidWorld（移动 App）两个场景、五个 agent 上做 4,500 次任务执行。结论：接入 Jev 后五个 agent 的决策成本与延迟都显著下降；但任务成功率在 ALFWorld 基本持平，在两个移动 agent 上明显下滑。机制：省下的决策预算被辅助推理与额外交互吃掉，失败恢复与过早宣告完成限制了交付。最刺的一点是——有一个 agent 单次尝试更便宜了，但「每个成功结果的平均成本」反而上升。
3 Measuring Artifact Reliance in Machine-Generated Text DetectorsarXiv:2610.13583 · v1 2026-10-09 十个科学文献子集、六个常用资源。仅用 27 个表面特征的逻辑回归就拿到 macro-F1 0.833–0.997；在三个 arXiv 子集上 0.951–0.997，胜过所评测的全部检测器。最强线索是 PDF 提取伪影：人类文本保留原始换行，生成文本被抽成整块散文。格式反事实测试：只把机器写好的摘要重新折行、不改一个词，公共检测器的正确判定被翻转 20–27%。训练前做格式归一化，泛化差距从 0.32 降到 0.22。
4 Agreement Without Alignment: Label-Free Rubric Clarification Increases LLM-Judge Consensus but Not Agreement with HumansarXiv:2610.13303 · v1 2026-10-09 无标注流程：把 rubric 拆成子准则，按跨评审分歧排序，只让编辑模型改写争议最大的那些（人类标签从不参与选择或改写，只用于最后评估）。三个基准、五名评审（三家厂商），合计 129,770 次评审请求。SummEval 上评审间 Krippendorff α 提升 0.069（95% CI 0.046–0.092），相对「随机改写同数量条款」的对照高 0.074；但「与专家评分的一致度」没有可检出的改善。另一项设计（把可文本核查的子准则交给确定性检查器）在本次评测中一条都没迁移成功。
5 Prediction Is Not a Sufficient Memory StatearXiv:2610.13881 · v1 2026-10-09 理论工作。一个能复现当前所有预测的记忆，仍可能已忘掉如何从下一个观测里学习。对光滑凸残差损失：存在固定维连续循环状态当且仅当损失是多项式；D 次需要恰好 r = C(d+D, D) − 1 个坐标；即便在「当前预测相同」的历史族里，仍有 r − d 个坐标是必要的。岭回归下精确状态要 dp + d(d+1)/2（即设计矩阵），而只记预测器只要 dp。把 KV/循环状态的压缩上限从经验问题变成可证的维度问题。

出处（逐条）

  1. https://arxiv.org/abs/2610.13928
  2. https://arxiv.org/abs/2610.13092
  3. https://arxiv.org/abs/2610.13583
  4. https://arxiv.org/abs/2610.13303
  5. https://arxiv.org/abs/2610.13881

为什么选这五条：其余 cs.AI 当日条目多为增量式 RL / 蒸馏 / benchmark 变体。这五条分别落在「安全评测的有效性上限」「决策模型的真实 ROI」「文本检测的效度」「LLM-judge 的效度」「记忆压缩的理论边界」——都是会改变别人怎么做决定的结论，而不是又刷高一个分数。

五、值得关注的趋势

趋势一：决策模型这一波，开源在打价格，一篇论文在打结论

vLLM-SR 把 Decision 3.0 六档（0.59B–26.09B）全以 Apache-2.0 放出，等于让 TypeSafe 与 Microsoft 共同锚定的 $0.042/M 输入、输出免费在自托管场景下变成一个无关的地板价。但同一窗口内 arXiv:2610.13092 用 4,500 次执行说明：决策层的省时省钱不会自动传导到任务层，甚至会出现「每次尝试更便宜、每个成功结果更贵」的反转。

判断：决策模型当前能兑现的价值点在确定性路由、护栏判定、批量打分这类「问题有固定选项」的场景，不在于「替 agent 做决策」。评估这类模型时，该看的不是决策指数，而是每个成功任务的全成本——而后者恰恰是厂商 benchmark 里从不出现的数字。

趋势二：前沿能力的变现路径，正从 token 转向席位

Meta 把智能指数更高的一档（Wonder Full）只给 Muse Code 订阅（$50/月 Power、$200/月 Maximum），API 上只放较小的 Wonder。这是把最贵的能力卖成座位，而不是按量计费。配合 Zuckerberg 在 2026-09-15 拒绝减速的表态与 1300–1450 亿美元的 2026 年资本开支指引，这家公司的回收路径明显押在消费与订阅侧，而非开发者 API 侧。

对买方的具体含义：想找一个「非 OpenAI、非 Anthropic」的第二前沿供应源，在 API 上拿不到最强档。多供应商策略需要按「席位渠道」重写采购假设，而不是继续按 token 单价比价。

趋势三：法律垂直同一天被两家拿同一个基准说事，而这个基准是卖方定义的

Meta 用 Harvey LAB 论证法务任务能力，Z.ai 用 Harvey LAB 的全通过率 19.2% 论证端到端不掉链——而 Harvey 本身就是一家法律 AI 公司。真正值得记住的是那个数：在严格全通过判分下，旗舰模型也只有不到五分之一的任务能全程无瑕疵交付。

判断：垂直 agent 的真实门槛不在单步推理，在多步骤零容错。而当一个细分赛道的「权威基准」由赛道内的一家商业公司定义并维护时，读者需要同时问两个问题——分数是多少，以及是谁在计分。

趋势四：治理从「原则」走向「可中断、可调查、可上报」

英国 10-12 的一揽子措施（AISI 评测最新模型、为自主 agent 重大事件做响应准备、研究未遂事件上报）与 Microsoft 总裁同日提出的「紧急制动 + 事件报告 + 通知受害者」，指向同一套操作化要求；美方同日的立场放宽则把发布前评估通道实际打开。把它们与 Anthropic 10-10 的意外行为报告、OpenAI 的 misalignment 报告并置看，行业正在形成一种顺序：先自曝，再要求规则。

判断：这对采购方是净利好——「能不能停、能不能查、能不能报」从合规话术变成了合同条款。但同时也要注意，这一批动作里有大量「考虑中/将探索」的成分，尚无可执行的时限与罚则。

六、有趣的 AI 开源项目

项目 星数与许可 做什么 / 为什么值得看
morluto/rea（更新 · 首报 2026-10-07） 146,406★（单日 +45,495，连续两天 GitHub Trending 第一）· MIT 通过 MCP 把 agent 接到 Hopper / Ghidra / IDA、WABT、pwntools，对原生二进制、JS/Electron 应用、网站、EVM 字节码给带证据的结论，而不是让 LLM 盯着汇编猜。前一日为 96,754★ / +25,585——星数在加速而非退潮
mksglu/context-mode 27,096★ · Elastic License v2 把 MCP 工具输出在进上下文之前先沙箱化（单次 Playwright 快照可达 56KB），自称削减 98%；并在会话被压缩后仍记得哪些文件在改、哪些任务未完成。跨 17 个平台分发，npm 安装。口径说明：10-11 期只登记了仓库名、未展开，本期补齐实质内容
cathrynlavery/diagram-design 52,255★（+2,100）· MIT agent skill：把 44 种图输出成单个自包含 HTML+SVG（可套品牌样式），支持从 draw.io / Mermaid / Excalidraw 导入、导出 PNG/SVG，不需要额外渲染服务。同样是 10-07 期只登记了名字、本期补实质
openmed 3.0.0 Apache-2.0 · 148 个 PR（其中 46 个来自社区） 本地优先临床工具包。3.0 新增 Patient Journey：把门诊记录、FHIR 流、HL7 消息、检验 CSV、影像报告拼成单个患者时间线，全部在本机硬件上跑（Transformers / ONNX / GGUF+llama.cpp / 浏览器 WebGPU / 手机均可）。「不猜」的设计哲学很硬：99% 身份匹配也不自动合并、必须人工复核；两个来源诊断冲突就都保留并标待审；检验值被更正则两个版本都留；本地模型没下载就拒绝出摘要、绝不静默转云。官方自设边界：3.0 的摘要管线仅面向合成数据、尚不能用于真实患者，且本次不包含新的临床模型 checkpoint

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 模型与产品 Muse Wonder: A Frontier Model For Personal & Professional AI Agents Meta（research.meta.ai 官方博客） https://research.meta.ai/blog/muse-wonder 2026-10-12 2026-10-12
2 模型与产品 GLM-Legal: Advancing Agentic Legal Intelligence Z.ai（官方博客） https://z.ai/blog/glm-legal 2026-10-12 2026-10-12
3 模型与产品 GPT-6.1 Sol 默认上下文提升至 500k OpenAI 产品负责人 Thibault Sottiaux（X） https://x.com/thsottiaux 2026-10-11 2026-10-11
4 模型与产品 Muse Wonder 定价与第三方智能指数（Muse Wonder / Muse Wonder Full 52 / 56；Wonder Full 仅 Muse Code $50/$200；DeepSWE 1.1 79.0） AI Weekly（转述 Wired / VentureBeat） https://aiweekly.co/alerts/meta-releases-muse-wonder-its-first-frontier-class-ai-model 2026-10-12 2026-10-12
5 模型与产品 Decision 3.0 六档权重（d3 26.09B 等，Apache-2.0） vllm-sr（Hugging Face 机构页） https://huggingface.co/collections/vllm-sr/decision-30 权重上传 2026-10-10 2026-10-10
6 模型与产品 Decision 3.0 家族盘点、分数与延迟口径 OrcaRouter（公开盘点，非官方公告） https://www.orcarouter.ai/blog/decision-3-0-open-multimodal-decision-models 2026-10-12 2026-10-10
7 模型与产品 microsoft/AesCode-32B 模型卡（300 样本自测、Apache-2.0、需约 65GB） Microsoft（Hugging Face 仓库本体） https://huggingface.co/microsoft/AesCode-32B 权重上传 2026-10-07 2026-10-07
8 模型与产品 AesCode 发布细节与「不给参考图掉 1.00 分」对照 OrcaRouter（含模型卡引用） https://www.orcarouter.ai/zh-TW/blog/microsoft-aescode-8b-quiet-release 2026-10-12 2026-10-11
9 工程与架构 llama.cpp b11574：Hexagon CPY/CONCAT 第三轮（短行）优化 ggml-org/llama.cpp（release body） https://github.com/ggml-org/llama.cpp/releases/tag/b11574 2026-10-12 2026-10-12
10 工程与架构 llama.cpp b11577：修 vLLM d3 多序列用例 ggml-org/llama.cpp https://github.com/ggml-org/llama.cpp/releases/tag/b11577 2026-10-12 2026-10-12
11 工程与架构 Ollama v0.40.4-rc0（MLX 投机回滚循环状态、manifest 复用） ollama/ollama https://github.com/ollama/ollama/releases/tag/v0.40.4-rc0 2026-10-12 2026-10-12
12 工程与架构 Agno v3.1.3（外部 agent 持久化会话 / 后台运行 / 检查点重放） agno-agi/agno https://github.com/agno-agi/agno/releases/tag/v3.1.3 2026-10-12 2026-10-12
13 工程与架构 Adaptive DHiSparse: Speculative Decoding over a Load-Adaptive KV Hierarchy arXiv:2610.13708 https://arxiv.org/abs/2610.13708 2026-10-12 公告（v1 2026-10-09） 2026-10-09
14 行业与发展 Britain steps up national defences against growing AI risks GOV.UK（内阁办公室 / AISI / NCSC / DCMS） https://www.gov.uk/government/news/britain-steps-up-national-defences-against-growing-ai-risks 2026-10-12 2026-10-12
15 行业与发展 Microsoft president says milk faces more regulation than AI Reuters（经 MarketScreener 转载） https://au.marketscreener.com/news/microsoft-president-says-milk-faces-more-regulation-than-ai-ce785ddcd189f422 2026-10-12 2026-10-12
16 行业与发展 再融 23 亿元！清华系独角兽刷新国内 AI Infra 赛道融资纪录 证券时报 https://stcn.com/article/detail/4213036.html 2026-10-12 2026-10-12
17 行业与发展 模思智能完成超 10 亿元 Pre-A 轮融资 上海证券报 / 中国证券网 https://www.cnstock.com/commonDetail/800692 2026-10-12 2026-10-12
18 论文与开源 AI Models Can Provably Hide Arbitrary Capabilities arXiv:2610.13928 https://arxiv.org/abs/2610.13928 2026-10-12 公告（v1 2026-10-09） 2026-10-09
19 论文与开源 When Faster Decisions Do Not Make Better Agents: An Empirical Study of Jev in Agent Workflows arXiv:2610.13092 https://arxiv.org/abs/2610.13092 2026-10-12 公告（v1 2026-10-09） 2026-10-09
20 论文与开源 Measuring Artifact Reliance in Machine-Generated Text Detectors arXiv:2610.13583 https://arxiv.org/abs/2610.13583 2026-10-12 公告（v1 2026-10-09） 2026-10-09
21 论文与开源 Agreement Without Alignment: Label-Free Rubric Clarification… arXiv:2610.13303 https://arxiv.org/abs/2610.13303 2026-10-12 公告（v1 2026-10-09） 2026-10-09
22 论文与开源 Prediction Is Not a Sufficient Memory State arXiv:2610.13881 https://arxiv.org/abs/2610.13881 2026-10-12 公告（v1 2026-10-09） 2026-10-09
23 开源项目 morluto/rea（146,406★，+45,495） GitHub https://github.com/morluto/rea 2026-10-13 2026-10-13
24 开源项目 mksglu/context-mode（27,096★） GitHub https://github.com/mksglu/context-mode 2026-10-13 2026-10-13
25 开源项目 cathrynlavery/diagram-design（52,255★） GitHub https://github.com/cathrynlavery/diagram-design 2026-10-13 2026-10-13
26 开源项目 openmed 3.0.0（Apache-2.0，Patient Journey） GitHub / PyPI https://github.com/maziyarpanahi/openmed/releases/tag/v3.0.0 2026-10-12 前后 2026-10-12
27 线索发现 AI Agent GitHub Digest — 2026-10-13 quidproquo https://quidproquo.cc/posts/daily/2026-10-13-ai-agent-github-digest-en 2026-10-13 2026-10-13
28 线索发现 AI/TLDR 当日条目流（用于发现 Muse Wonder / GLM-Legal / Karpathy） AI-TLDR https://ai-tldr.dev 2026-10-13 2026-10-13

自绘配图说明：![决策模型开源权重已反超闭源API](/content/news-ai/2026-10-13/决策模型开源权重已反超闭源API.png)、![Muse Wonder 两档模型的可得性分层](/content/news-ai/2026-10-13/Muse Wonder 两档模型的可得性分层.png)、![AI文本检测器的格式伪影依赖](/content/news-ai/2026-10-13/AI文本检测器的格式伪影依赖.png) 三张均为本笔记自绘示意图，非原文插图；数据取自上表第 4–6、18–20 项。

决策模型开源权重已反超闭源API

![Muse Wonder 两档模型的可得性分层](/content/news-ai/2026-10-13/Muse Wonder 两档模型的可得性分层.png)

AI文本检测器的格式伪影依赖

本期淘汰记录

# 候选 淘汰理由
1 OpenAI 数学手稿「仅 42% Lean 化」批评潮 首发 2026-10-06/07，已报道（索引 10-07 行、10-08 已补更新）。本次新增的剑桥/KCL 关于 Navier–Stokes 自然语言证明与 Lean 代码不一致的论文，发布时间落在窗口外
2 Zuckerberg「拒绝减速 + 2026 年 1300–1450 亿美元资本开支」 表态日期 2026-09-15，窗口外（仅作趋势二的背景资料并已标注日期）
3 Altman / Amodei / Delangue 在联合国安理会发言 会议日期 2026-09-23，窗口外。聚合站把它当「近日事件」重提，属旧闻重发
4 EU 技术主管 Virkkunen 称「AI Act 足以应对 rogue agent」 表态 2026-10-09，早于窗口起点
5 纽约市议会 AI 听证（OpenAI / Anthropic / Meta / Google 均不保证护栏） 听证 2026-10-05，窗口外
6 英国医疗 AI 监管 44 条建议获政府全盘接受 窗口外
7 Meta Muse 下载 660 万 / 日活 180 万 已报道（索引 10-09 行），本期无实质新进展
8 Microsoft-Decision-1「比 GPT-6 Sol 快 35 倍」 已报道（索引 10-10 行）；本轮新增说法仍只有二手中文转述，无一手依据
9 Cloudflare Clef-omni、KernelAI、Vals AI、MOLT Sinai、Nish Tahir 决策模型教程、Odyssey-3、Epoch InnovationEval、arXiv 投稿限流 均为 10-11 / 10-12 期已报道条目，本期窗口内无实质新进展
10 mhtsec/ARTEX、zhongerxin/iPhone-use、rociiu/talorys 已报道（索引 10-12 行）
11 Pydantic AI v2.55.0「弃 Python 3.10」 10-12 期已按一手 release 核对并淘汰（release 无此变更）；本期 digest 再次出现同一说法，仍无一手依据
12 Project Maya / Strata 本地跑 GLM-5.3-Flash 提速 10→30 tok/s 单一 Reddit 用户自述，无一手复现、无原始日志
13 Nextech × Assort Health / EliseAI 多年期合作 纯合作公告，无实测结果，写不出「为什么值得关注」
14 o9 Digital Tomorrow Grant 25 万美元 公益资助，与 AI 技术进展无关
15 AMD 向 OCP 贡献 Helion 机架规范 仅见于中文早报转述，未能回溯到 AMD 官方一手页面与确切日期

⚠️ 待核实

# 条目 缺什么证据
1 Meta Muse Wonder / Wonder Full 的逐项基准分数 官方博客正文只有图、模型卡 PDF 在本次环境不可访问。智能指数 52/56、DeepSWE 1.1 79.0 均为二手转述（AI Weekly 引 Wired / VentureBeat）。需官方模型卡或 Artificial Analysis 模型页原始读数
2 Muse Wonder 系列的参数规模、上下文长度、活跃参数 官方博客完全未披露，需技术报告
3 microsoft/BitNet「新增 1-bit 嵌入模型（0.6B / 270M）」 来自 GitHub digest 摘要，但其 releases 页未找到对应 tag。需官方 release 或 commit
4 Decision 3.0 的「#1 on both boards」与全部分数 HF 权重可下载（一手）成立，但所有分数与榜单均由团队自维护，无独立复现。需第三方在自有标注上复测
5 美方放宽对英 AISI 发布前访问 Reuters 转引 The Telegraph，白宫与 OpenAI / Anthropic 均未回应。需官方确认
6 GPT-6.1 Sol 500k 默认上下文 一手为 Thibault Sottiaux 的 X 帖，Codex changelog 未见对应条目。需官方 changelog 写入

引用提醒：本笔记所有条目均带原始链接与日期。厂商自测的 benchmark 已逐条标注「厂商自测、无独立复现」，不要当作第三方结论使用；涉及具体定价、分数、百分比的引用，请回到一手页面逐项核对。榜单类数字（尤其 Jev Decision Index）注意区分「榜单读数」与「团队自测」，本笔记已逐处标注。三张配图为自绘示意图，用于说明结构关系，不替代原文数据。

最新一期·独立频道，不进入创作时间线。
AI日报 2026-10-13 | YODFZ