AI DAILY

AI日报 2026-10-15

一句话结论这一期真正值得记的是「证据链」而非「新模型」：美国司法部的一纸起诉书把 OpenAI 会议室里那台用卫生纸包着的录音设备连同其配偶的 chatbot 提问记录一起公开；Anthropic 同一天发两份自家报告，一份说小模型离「自我复制」只差一个能力交汇点，一份说自己把蒸馏抽血砍掉了 90–99% 并公开点名两家中国公司——两份报告都是裁判自己写的记分板；而 arXiv 当日批次里五篇论文在问同一件事：agent 交付给你的那段话，正在变得既不可用（54% 不合格）也不可复述（fallback 规则换一种写法就翻脸）。 ![[Resources/Grok Voice 3.0 与竞品的AA语音指数对比.png]]

AI日报 2026-10-15

整理日期：2026-10-15　素材来源：美国司法部官方通报、Anthropic 官方研究页、arXiv 原始 abs 页、GitHub release 本体、Artificial Analysis 榜单（经 xAI 发布引用）、Quartz（转引 Bloomberg TV 采访）；聚合站（ai-tldr.dev、agihunt、aibriefs 等）仅用于线索发现，正文条目均已回溯一手源

可信度提示：统计窗口为 2026-10-13 09:00 → 2026-10-15 09:30（香港时间）。本期有 4 条「补录」条目：首发于 2026-10-12、落在上期（10-14 期）窗口边缘但上期漏报，本期补入并显式标注，不计入当日新增。本期去重第一优先级：上期已报道的 Gemini 4 Argon GA、Meta Muse Wonder、Anthropic Scion、Character.AI 破产、OpenAI 722 篇数学手稿、MiniCPM-V 4.7 等条目，本期窗口内均无实质新进展，全部按「无新进展」淘汰（详见文末淘汰记录）；另有一例「aibriefs 把 09-22 的旧定价当当日新闻重发」被逐条核出。arXiv 论文区：本期为 2026-10-14 提交的新批次（2610.19556 起），日期已逐篇核对。所有厂商/作者自测分数均显式标注。

#AI日报 #模型发布 #AI安全 #论文 #开源

一句话结论

这一期真正值得记的是「证据链」而非「新模型」：美国司法部的一纸起诉书把 OpenAI 会议室里那台用卫生纸包着的录音设备连同其配偶的 chatbot 提问记录一起公开；Anthropic 同一天发两份自家报告，一份说小模型离「自我复制」只差一个能力交汇点，一份说自己把蒸馏抽血砍掉了 90–99% 并公开点名两家中国公司——两份报告都是裁判自己写的记分板；而 arXiv 当日批次里五篇论文在问同一件事：agent 交付给你的那段话，正在变得既不可用（54% 不合格）也不可复述（fallback 规则换一种写法就翻脸）。

![Grok Voice 3.0 与竞品的AA语音指数对比](/content/news-ai/2026-10-15/Grok Voice 3.0 与竞品的AA语音指数对比.png)

一、模型与产品

# 条目 关键数字与事实 判断
1 Fish Audio Drama 3 开放权重（首发，2026-10-13） 35B MoE / 约 3B 激活（256 专家取 8 + 1 共享），骨干以 Qwen3.5-35B-A3B 语言模型初始化；40 层按 3 层 Gated DeltaNet + 1 层门控全注意力成组——只有 1/4 的层保留 KV cache；新 Codebook-MTP 解码器替掉 S2 的逐帧自回归头；44.1 kHz、10 codebook、约 21.5 fps 音频。单张 H200 单流 271 帧/秒（S2 为 177），首音频 <100 ms，16 路并发 927.6 帧/秒；最低 48 GB 显存（FP8），不支持 CPU / Apple MPS / AMD ROCm；83 种语言、一次最多 16 个角色；API $50 / 百万字符；Fish Audio Community License v1.0（年营收 <50 万美元免费商用，对外提供 TTS/克隆/推理服务需另授权） 真正的增量不在 35B，在训练目标换掉了：RL 用「单个人类偏好奖励模型」替代「可转写性 + 参考相似度」两类规则分数—— expressive 读法不再被当转写错误惩罚，这是笑声、耳语、中途变调不被压平的结构性原因。AA 发音鲁棒性 93.2%（S2.1 Pro 88.1），但质量 Elo 1242 仍落后 Eleven v4 Turbo 的 1328
2 xAI Grok Voice 3.0（首发，2026-10-14） 语音到语音模型，同一 realtime WebSocket 端点、同一套事件名，只换模型串；定价 $0.08/分钟（≈$4.80/小时）+ $0.004/千文本输入，与 2.0 完全相同；grok-voice-latest 别名自动切到 3.0，2.0 标记弃用。Artificial Analysis（10-13 重跑，xAI 引用）：语音到语音指数 86.9 第一，高于 GPT-Live-1（Astra medium）83.2、Gemini 3.8 Live（Ext. Thinking）82.6、自家 2.0 的 81.3；分项：Big Bench Audio 98.5%、Speech Agent Arena 任务成功率 94.8%、tau-Voice 71.6%（Astra medium 74.5%、3.8 Live 68.6%、2.0 仅 56.5%）；用户偏好 Elo 1070 仅排第三（Gemini 3.1 Flash Live Minimal 1100、3.8 Live 1088）；TTFA 0.81 秒，比 2.0 的 0.70 秒慢 0.11 秒。官方称 Starlink 客服每天约 2 万通来电、约 70% 无需人工 同价换代 + 强制隐式升级（用别名的用户在无代码改动的情况下被切到新模型）是这个发布最值得写进采购假设的两点；而 xAI 没放进标题的数字是首包延迟退步了 0.11 秒——它仍比 Astra medium 的 1.34 秒快约 40%，但「快」正在从延迟换到任务成功率上
3 The X Subscription：Grok + Cursor + X Premium 合并订阅（补录 · 首发 2026-10-12） 五档：Free / Plus $8 / Premium $30 / Super $100 / Ultra $200；用量以 Plus 为基准，Premium 4x、Super 15x、Ultra 50x；Grok 与 Cursor 共享同一个周刷新用量池，未用完的额度可跨产品流转；官方称 Premium 档合计了原本约 $90/月的 SuperGrok + Cursor Pro + X Premium+。关键条款：Claude、GPT 等第三方模型在 Cursor 内不计入用量池，按 API 标价另行购买；Grok API 访问同样单独计费、不走池子；老订阅可保留或按比例退款切换，切换入口分批放量 把「编码 + 对话 + 社交身份」捆成一张账单，本质是在 ChatGPT Pro（$200，10-29 后新用户用量下调）同价位上拼每美元用量。两个坑要记：①共享池意味着重度编码会吃掉对话额度（反之亦然）；②「第三方模型不进池子」让 Cursor 里的 Claude/GPT 从订阅权益退回成了按量计费

补充（条目 1）：权重、代码与技术报告分发的官方入口为 fish.audio 官方博客与 Hugging Face fishaudio/drama-3，两个域名在本环境均不可达，上表数字取自 AI/TLDR 模型页对官方发布与 AA 榜单的转引，并以 ComfyUI Wiki 同日独立报道交叉核对（后者确认 Comfy-Org/ComfyUI#16999 当日为合作节点加入 drama-3 选项）。 来源：AI/TLDR 模型页（回链 Fish Audio 官方博客与 HF 权重页）· https://ai-tldr.dev/models/fishaudio-drama-3 · 2026-10-13；ComfyUI Wiki · https://comfyui-wiki.com/en/news/2026-10-13-fish-audio-drama-3 · 2026-10-13

补充（条目 2）：x.ai 与 docs.x.ai 在本环境不可达（curl code=000），xAI 官方公告原文未能直读；上表全部数字来自 Artificial Analysis 榜单口径（第三方评估、非厂商自测），经 unite.ai 与 OrcaRouter 两家独立转述交叉一致。OrcaRouter 补充的 alias/deprecation 行为与端点不变细节为该站读 API release notes 所得。 来源：Unite.AI · https://www.unite.ai/xai-introduces-grok-voice-3-0-speech-to-speech-model-for-voice-agents · 2026-10-14；OrcaRouter · https://www.orcarouter.ai/blog/grok-voice-3-0-tops-speech-to-speech-index · 2026-10-14

补充（条目 3）：首发日期 2026-10-12（ThreatFrontier 明确写「announced on 12 October」），上期窗口边缘漏报，本期补录；TechCrunch 报道由 Daily AI Brief 转述确认合并事实。 来源：AI Insider · https://theaiinsider.tech/2026/10/14/spacex-super-intelligence-folds-grok-cursor-and-x-premium-into-a-single-ai-subscription · 2026-10-14；ThreatFrontier · https://threatfrontier.com/articles/x-subscription-explained-cursor-grok-one-plan-claude-gpt-api-price · 2026-10-14

二、工程与架构

1. 更新（首报 2026-10-05）：Claude Code v2.1.299 —— 把「缓存到期」从财务事件变成调度事件（2026-10-14）

新增空闲压缩（idle compaction）：一条 200K+ token 的长会话在终端里空闲约 54 分钟时，会在 1 小时 prompt cache 到期前被自动压缩——这样你下一条消息不会把整段上下文重新 prefill 一遍。两个控制开关：CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 改 200K 的触发下限；settings.json 里 "idleCompaction": false 关闭。

同期值得记的还有：CLAUDE_CODE_DISABLE_FILE_MENTIONS 让 Claude 只拿到 @ 提及文件的路径而非内容（敏感目录的泄 surface 收口）；claude self-hosted-runner orchestrator --shutdown-drain-sec 让 SIGTERM 时在途 poll 与 spawn hook 有宽限期收尾；$.session.identity() 把「这个会话以谁的身份登录、属于哪个组织」暴露给托管安装的 mod。

判断：这条更新把「prompt cache 的一小时 TTL」当成了一个需要主动调度的资源——上期 llama.cpp b11552 的 prompt cache 修复、本期的 idle compaction、加上一直存在的 prompt_cache_key 路由亲和，说明缓存生命周期管理正在从各家文档里的一句话，变成真正需要写代码处理的状态机。

来源：anthropics/claude-code release 本体 · https://github.com/anthropics/claude-code/releases/tag/v2.1.299 · 2026-10-14

2. llama.cpp b11619–b11630：一个只在 batch 维度上出错、且永远不报错的 ggml 算子 bug（2026-10-14/15）

b11630（10-15 00:32 UTC）修复 conv_1d 批量输入的结果布局错误（PR #28738），补丁自述的根因很典型：

  • conv_1d 背后的 GEMM 把 batch 维折叠进行维，乘积在内存里是 [OL, N, OC]，而后续 reshape 声称的是 [OL, OC, N]——shape 对、内容转置，于是没有 assert、没有 abort，图照常跑完，通道与批次交错输出；
  • N == 1 时两种读法描述同一块内存，所以仓库里三个 vocoder 全部先 squeeze 成 2d，从来没触发过；
  • 修复是统一 reshape 到真实布局再 permute 回 [OC, N, OL]（与 conv_2d 一致），代价是 N==1 路径多一个 cont；新增 test-conv-1d.cpp 用 7 种几何形状对比批量卷积与逐个单批卷积，改前 5 种失败、改后 7 种全过。提交者点明这是为下游音频项目铺路——「多条合成 lane 共享同一张图」。

同期 b11619–b11627（10-14 晚间密集合入）继续多后端铺开。判断：这是典型的「维度折叠型静默正确性 bug」——测试里没有 batch > 1 的调用方，它就能一直活着；对任何自己写 kernel 的人，这条的价值在于 reminder：shape 检查发现不了 stride 语义错误。

来源：ggml-org/llama.cpp release 本体 · https://github.com/ggml-org/llama.cpp/releases/tag/b11630 · 2026-10-15（b11619–b11627 同仓库 2026-10-14）

3. 更新（首报 2026-10-07）：Ollama v0.40.5-rc0 —— MLX 的 Metal 自定义 kernel 被移植到 CUDA（2026-10-14）

三条实质变更：mlx: port the Metal custom kernels to CUDA（PR #18657）、openai: accept custom tool calls in Responses history（PR #18911）、MLX 版本号 bump。

判断：Ollama 在 v0.40.0 把 Apple Silicon 默认切到 MLX，当时可读作「Apple 路径一等公民化」；而这次把 MLX 的自定义 kernel 反向移植到 CUDA，信号是这些 kernel 本身已经平台无关化了——同一套调度/量化思路在两端复用，而不是 Apple 专用优化。对一个以「本地跑」为卖点的项目，这是降低双端维护成本的标准动作。

来源：ollama/ollama release · https://github.com/ollama/ollama/releases/tag/v0.40.5-rc0 · 2026-10-14

三、行业与发展

1. 美国司法部通报：OpenAI 工程师在高管会议室安装窃听设备被捕（2026-10-13）

DOJ 官方通报（For Immediate Release）给出的时间线与细节：

  • Abdulrahman Alfozan，35 岁，沙特籍（美媒称持绿卡），2025 年 7 月起任 OpenAI 工程师；10 月 9 日被捕，10 月 13 日首度出庭，罪名是「使用或企图使用电子、机械或其他设备截取口头通信」，最高 5 年监禁 + 25 万美元罚款 + 3 年监督释放；
  • 设备于 9 月 28 日安装：藏在卫生纸里、插进一间高管会议室电视背面的 USB 口，存储内容已加密；9 月 30 日例行排查中被发现；
  • 起诉书称：Alfozan 无权进入该会议室，CCTV 显示案发前多次出现在附近；案发前他用「生产力工具」查询办公楼地址、会议室与容量、日历、「领导层与高管」位置、外部合作方会议；一个与其共享多重标识符的、关联其配偶的 chatbot 账号在 9 月 24 日至 30 日间提交了「制作持续录音设备」「定制 Wi-Fi 连接」「改善实时监听」「加密 SD 卡」等提问，甚至包含该设备的自定义请求头与 MAC 地址；
  • 10 月 5 日他又把一个背包遗留在办公区，安保在包内发现第二台类似设备连同其钱包与证件；
  • OpenAI 声明：无证据显示该员工不当访问或外泄模型权重、源码或客户数据；该员工已被解雇并移交 FBI（已逮捕）。

判断：事件本身是内部人威胁的老剧本，但两个细节是新的——①案卷把 chatbot 提问记录当作直接证据链一环，「你和 AI 助手聊过什么」第一次大规模进入联邦起诉书；②该案被官方置于 NSPM-11（超级智能技术优势） 项下起诉，DNI 与 FBI 局长亲自背书，说明前沿实验室的物理与信息安全已被当作国家安全议题处置。

来源：美国司法部官方通报 · https://www.justice.gov/opa/pr/saudi-national-arrested-installing-surreptitious-audio-recording-device-openai · 2026-10-13；OpenAI X 声明（经 CGTN 10-14 转述）· https://news.cgtn.com/news/2026-10-14/OpenAI-engineer-arrested-over-alleged-hidden-recording-device-1RextXCjrQk/share_amp.html · 2026-10-14

2. 补录（官方发布 2026-10-12）：Anthropic 披露反蒸馏防御——自称砍掉 90–99% 抽取量，并公开点名智谱与月之暗面

Anthropic 官方博文《Strengthening our defenses against distillation attacks》（作者页确认发布于 Oct 12, 2026），关键数字全部为一手自述：

  • 防御上线后，蒸馏者能拿走的数据总量下降约 90–99%；两级分类器使可提取的 reasoning tokens 减少 10–100 倍，部分日子「少到无法测量」；
  • Preserved thinking：2026-08-31 起新建 API 账号不能编辑 Claude 的先前上下文（随 Fable 5.1 / Opus 5.5 引入）；Sonnet 5.5 中推理转录仅对生成它的组织可见；
  • 分类器误报率 <0.1%；自 2026-09-24 起，对在响应前被 safeguard 拦截的请求恢复收费；
  • 已封禁数以万计的蒸馏相关账号，通常在活动开始后 2 小时内；为此拒绝了可观收入与数万亿 token 的付费流量；
  • 点名：智谱（把美国领先模型的网络安全能力蒸进 GLM-5.3）与月之暗面（把查询秘密路由经 Claude）；某实验室为绕过摘要防御测试了 12,000 条请求；一个代理网络曾同时管理 >20,000 个假账号；
  • 价值证据：用完整推理转录蒸馏的模型在 SWE-bench Verified 拿 80.4%，只用摘要转录只有 71.8%——约 8.6 个百分点就是「思维链」的定价。

判断：90–99% 是自报口径、无独立复现，且两家被点名公司的回应在发布时均未收录，指控与回应要分开记。更结构性的影响是：厂商正在把「推理过程可见性」从产品功能变成访问控制策略——对做 agent 调试、评估、外部监控的人来说，这是实打实的可用性损失（Anthropic 自己承认有误伤）。这也和本期论文区「外部监控更难了」的趋势直接相接。

来源：Anthropic 官方 · https://www.anthropic.com/research/distillation-defenses · 2026-10-12；The Decoder · https://the-decoder.com/anthropic-says-it-cut-claude-reasoning-token-theft-by-up-to-99-in-fight-against-industrial-scale-distillation/ · 2026-10-13

3. 补录（官方发布 2026-10-12）：Anthropic Frontier Red Team——小模型可能「数月内」具备 IoT 自我复制能力

![Anthropic AI蠕虫实验的四段链路](/content/news-ai/2026-10-15/Anthropic AI蠕虫实验的四段链路.png)

官方研究《AI models may be capable of self-replicating without access to a datacenter》（William Zhou, Daniel Freeman，Oct 12, 2026）：

  • 跑起来：15 台单价约 $55 的非品牌安卓电视盒（各 4GB RAM）以流水线并行分片运行 Gemma4-26B-A4B，实测 0.39 token/秒；
  • 架起推理：一个 9B 模型在测试的 9 类硬件中的 8 类成功搭起推理服务（Jetson Nano 到 Mac、RTX 4090）；32k 上下文窗口的完整推理搭建，Qwen3.5-9B 需 28–51 小时；
  • 传播：8 台 GCP 节点跑 Android 15 模拟器、隔离 VPC，入侵步骤刻意简化为未鉴权 ADB 端口——测试的 11 个开源权重模型中只有 GLM-5.2 端到端跑通，5 次试验 4 次覆盖 8/8 节点、1 次 7/8；作者明确称之为真实成功率的上界；
  • 跨代学习：Qwen3.5-9B 实例给下一代留笔记后，推理搭建成功率从第一代 45% 升至后续各代 61–84%；但给更强顾问模型（Opus 4.8）无可测量的帮助；
  • 外推：按 ≤30B 开源权重模型在 Epoch Capabilities Index 上 每年 +13.7（R²=0.95） 的历史斜率，预计 2026 年底小模型达到 GLM-5.2 的能力水平，「小型基于权重的复制体可能随后出现」；规模测算：Kimwolf 级僵尸网络（>200 万台设备）若每 15 台跑一份 26B 模型副本，约 13.3 万份副本、合计约 40 台 H100 的推理量，且每次 9B 复制需 1–2 天以上；
  • 防御侧：大模型文件在非常规设备间的持续流量会被 ISP 流量监控捕捉；Mirai 时期「隔离 + 通知」14 天清除 92% 感染（不通知基线 74%）。

判断：两条必须同时记的限定——①入侵步骤被刻意去掉了（未鉴权端口），所以这是能力上界而非现实威胁演示；②这是 Anthropic 自家的实验、自家的外推、自家的记分，ECI 也被作者自己称为「只是代理指标」。外部安全研究者（如 Gregory Kurtzer）的批评——实验被工程化到必然成功——应当并列呈现。它真正的信息量在于把「能力下沉到边缘」这条曲线画出了交汇点。

来源：Anthropic 官方 · https://www.anthropic.com/research/self-replicating-ai · 2026-10-12；SecurityWeek · https://securityweek.com/small-ai-models-may-soon-be-able-to-self-replicate-on-iot-devices-anthropic-warns · 2026-10-13/14

4. Anthropic 国际业务负责人：开源权重模型「按定义风险更高」（2026-10-14）

Guillaume Princen 在都柏林国际 AI 峰会上对 Bloomberg TV 表示：「开源安全这块我们得非常小心。我没法替开源模型说话。但按定义，它们的风险更高。」 这比 CEO Amodei 7 月的立场（从未主张禁开源、无危险能力的开放模型是公共品）更进一步——Amodei 按模型能力划线，Princen 按类别划线。他同时以自家为正面案例：Opus 5.5 比上一代「便宜 40%」（定价降 20% + token 用量下降），并劝企业「始终投资前沿」。同期对立面：阿里主席 Joe Tsai 上周呼吁欧洲拥抱开源作为技术自主路径。

判断：把这条和上两份报告放在一起看，同一家公司在一周内同时供给了「威胁叙事」（自我复制、蒸馏）、与「开源风险更高」的政策立场——每一条单独看都有证据，组合在一起则是一套完整的商业叙事。引用任何一方时都应记下「谁在讲」。

来源：Quartz（转引 Bloomberg TV 采访与 The Next Web）· https://qz.com/anthropic-open-source-ai-safety-risk-101426 · 2026-10-14

四、论文与开源

口径：以下 5 篇均为 arXiv 2026-10-14 提交（v1，2610.19556 起）的新批次，提交日已逐篇核对；摘要引自 arXiv abs 页。

# 论文 关键结论 为什么值得看
1 Measuring and Reducing Unusable Replies of LLM Agents（arXiv:2610.19659） 提出 reply usability（回复可用性）：8 个模型、7 个家族、480 条回复中 54% 不合格，最好的模型仍失败 30%；失败主因是引用请求方没看过的材料、或使用 agent 工作中自造的标签。写明对回复的明确要求后失败率 0.52→0.43；再让一个二线模型改写回复可降到 0.36（人类盲评确认） 现有评测只打「任务完成 + 报告忠实」，不管「** requester 能不能用**」。一个可随任务一起打分的可用性指标 + 一次改写调用就能显著改善，是可直接抄进自家 agent 流水线的做法
2 LAGO: Language Agents with Reusable Growing Options（arXiv:2610.19843） 把专用语言 agent 当作可复用的时间扩展 option：meta-agent 从持久库取用或新造 option、派发子任务、验证、把成功的新 option 收进库——库跨任务增长且不更新权重。500 道 SWE-bench Verified 上，冻结的 Qwen3.5-35B-A3B 双角色 58.6%（单次尝试 + 官方 Docker 评测）；同一 150 题子集同条件重跑：mini-SWE-agent 49.3% / Terminus 2 57.3% / LAGO 60.3%；消融：去掉分解 -4 题、打乱复用内容 -2 题、去掉库 -6 题 「经验进库、权重不动」是对长时程任务最便宜的复利路径；作者也诚实地说明组件级因果仍依赖任务与模型
3 Lost in the Fallback: How Reliably Do Typed Decision Models Use Fallback Options?（arXiv:2610.19856） 提出 PFR Test（Paired Fallback Robustness）考两件事：能否在常规选项与 fallback 间正确切换；同一条规则在逻辑等价的不同表述下决策是否一致。开源决策模型 × 3 基准、跨架构与参数量对照。结论：正确识别 ≠ 正确落到 fallback，即便正确类别被显式给出仍持续出错；等价表述可造成大幅分歧 兜底机制本是为了提高可靠性设计的，但它自己成了新的错误来源——这是决策模型上生产前必须测、而现有评测都不测的一格
4 Are AI Decision Models Biased? A Case Study of Jev（arXiv:2610.19619） 41,500 条回答：认知反思任务 + 5 个经典认知偏差范式 + 一个检验族裔/性别偏差的定价实验。选中答案层面大体令人放心（CRT 极好、多数人类偏差不复现、人口组间差异小）；但对无关数字信息与选项顺序敏感；多处偏差操纵虽不改变选中答案、却显著改变返回的概率。最扎眼：一道著名概率题每次都答对，改写版每次都违反同一条概率规则——追加 15,000 条回答 × 30 组连词任务，54% 违反 与本期图三直接对应：只看「选中答案」的评测会系统性高估决策模型。对把决策模型放进自动决策链的团队，这提供了三个具体该 fuzz 的扰动轴
5 One Monitor Does Not Fit All: Formalism-Agnostic Runtime Verification for Agentic AI（arXiv:2610.19818） AgenticRV：把 agent 的执行边界与监控形式解耦——适配器发规范事件，每个监视器只拿到自己的投影与抽象，决策策略用归一化判定选择反应；形式化了「观察何时充分」「换监视器不改变决策」「拦截确实阻止不安全效应」，并区分「被拒绝的尝试」与「已完成的效应」。Python 实现（LangGraph / MCP / A2A），LangGraph 受控实验 + 消融 给「运行时监控 agent」这件事提供了第一个可替换监视器的架构；「拒绝 ≠ 违规残留」这个区分对避免误报风暴很实用

来源（上表 5 条）：arXiv abs 页 · https://arxiv.org/abs/2610.19659 · https://arxiv.org/abs/2610.19843 · https://arxiv.org/abs/2610.19856 · https://arxiv.org/abs/2610.19619 · https://arxiv.org/abs/2610.19818 · 均为 2026-10-14 提交

五、值得关注的趋势

  1. 「agent 的交付物是那段话，而那段话正在同时变得更不可用、更不可见。」 本期论文区的 2610.19659（54% 回复不可用）与 2610.19679（agent 完成不忠实）在说前半句；Anthropic 反蒸馏防御把 Sonnet 5.5 的推理可见性收窄到「仅生成它的组织」在说后半句。两件事相乘的后果是：外部监控与审计 agent 的原料正在被厂商单方面收紧——本文区 2610.19818 那种「在明确控制边界上做监控」的架构，会因为原料变少而更有价值，也更难做。谁能拿到推理痕迹，正在成为新的分级权力。

  2. 同一周、同一家公司，供给了威胁叙事和政策立场。 Anthropic 在 10-12 一天发两份报告（自我复制、反蒸馏），10-13/14 由高管补上「开源按定义风险更高」，同期对手叙事是 Joe Tsai 劝欧洲拥抱开源。每一条单独看都有证据；组合起来则是一套完整的商业记分——自我复制报告用的恰是开源权重模型（GLM-5.2、Gemma4），蒸馏报告点名的是两家中国公司。阅读任何一份「风险报告」时，先问「谁写的、它的商业模式依赖什么结论」。

  3. 竞争从「每点智能」移到「每美元用量」，而且开始跨产品共享。 Grok Voice 3.0 同价换代但首包延迟退步 0.11 秒（换任务成功率）；The X Subscription 让 Grok 与 Cursor 共享同一个周用量池、却把 Claude/GPT 踢回按 API 标价；Claude Code 用空闲压缩抢在缓存过期前省下一次全量 prefill。三条合起来读：2026 Q4 的定价战场不在模型单价，而在「额度怎么算、在哪些产品间流转、什么被排除在外」——这恰恰是采购合同里最容易被忽略的三行。

  4. 决策模型进入「扰动测试」阶段。 上期刚登记过 Decision 3.0 六档开源模型与 Jev 接入五 agent 不涨成功率，本期两篇论文（2610.19856、2610.19619）已经开始系统地给这类模型找失效模式：无关数字、选项顺序、规则的等价改写。一条新评测赛道的标准生命周期正在重演——先比谁分高，再比谁在扰动下不翻车。做选型的正确姿势是把第二类问题提前塞进自己的验收。

决策模型在真实扰动下的三处裂缝

六、有趣的 AI 开源项目

项目 星数 / 许可 是什么 为什么值得看
prabanta-dev/janas 397★ · GPL-3.0 · C 比内存还大的模型：MoE 权重留在 SSD 上按需流式加载专家，32GB 笔记本跑 Qwen3-Next-80B（权重 48GB）实测 37 tok/s（无 draft 24 tok/s），同条件下 llama.cpp 仅 2.8 tok/s；读速 62 vs 16 tok/s；自称 Q4_K_M 下 13 个模型全部快于 llama.cpp（作者自测、无独立复现） 思路直接踩在「边缘设备跑大 MoE」这条本期主线（Anthropic 的 TV box 实验是同一枚硬币的安全面）；纯 C、CPU/GPU 通吃，读源码门槛低
ARahim3/DigUp 3,682★ · MIT · Swift/Tauri（仓库 10-08 创建、10-14 仍活跃） 本机语义搜索：按内容搜照片、PDF、文档、录音、视频与代码，Mac/Windows/Linux 全平台本地运行，构建在 Google DeepMind 的 EmbeddingGemma 2 上（llama.cpp 推理） 与已报道的 EmbeddingGemma 2（10-07 期）形成闭环：740M 嵌入模型 → 几天内出现 3.6k 星的全平台消费级应用；「本地多模态嵌入 + Tauri 壳」是一套可复刻的应用配方
anomalyco/opencode 213,545★ · 开源 OpenCode 2.0（2026-10-15）：终端编码 agent 变成带 API / SDK 的后台服务，支持后台任务与共享调用 与上期 vakandi/opencode-rust（嫌 TS 引擎内存占用高而重写）方向互补：一个是运行时更省，一个是部署形态从「CLI 会话」变成「常驻服务」——编码 agent 正在基础设施化

本节星数为 GitHub API 2026-10-15 09:30 读数。

⚠️ 待核实

条目 缺什么证据
GPT-Rosalind 已 GA（带定价、Workbench 工具层与具名药企客户） openai.com 在本环境返回 403，官方发布页无法核读；仅 wire.rundatarun.io 一行转述（其引用 openai.com）。价格表第三方站显示 gpt-rosalind-research / discovery 为 $5 / $0.50 缓存 / $25 输出，且自 10-05 起计费——但 GA 与 Workbench 本身未核实
Drex 1.5（Nace.AI）9B 开源决策模型 marktechpost 报道于 2026-10-09（窗口外）、HF 权重页与官方定价在本环境不可达；Decision Index 0.3.1 拿 58.08、32K–128K 长文档 93.4%、GPQA Diamond 仅 45.4%、9.5GB Q8_0、Nace.AI Open RAIL-M 许可（年营收/融资超 $100 万需另授权）全部来自二手转述，未逐项核对一手模型卡
Claude Mythos Preview 分发给约 40 家机构、用户发现 10,000+ 高危漏洞 仅 x.com 帖转引（agihunt / rundatarun 转述），无一手发布页
OpenAI 年化收入接近 500 亿美元、低于此前 700 亿口径 仅 aibriefs 一行摘要（其标注为旧闻重发站，历史上多次把旧闻当日新闻），无一手链接与日期
406 位科学家联名呼吁切断 AI 公网连接 仅中文聚合站转述，找不到联名声明的原始文本与签署名单
AnythingLLM 本地后端从 Ollama 换到 AMD Lemonade + llama.cpp 仅 Reddit 讨论串，未找到官方 changelog
OpenAI × Higgsfield：GPT-6 Astra 使视频时长上限 1 分钟 → 10 分钟 仅中文二手（雷锋网经网易转述），未回溯双方一手发布
Fish Audio Drama 3 的第三方定价说法（$15/百万 UTF-8 字节 vs $50/百万字符） 两家来源口径不一致，官方定价页本环境不可达

附录：来源

序号 板块 标题 发布方 链接 发布日期 数据截止
1 一 Fish Audio Drama 3 模型页（转引官方博客与 AA 榜单） AI/TLDR https://ai-tldr.dev/models/fishaudio-drama-3 2026-10-13 2026-10-13
2 一 Fish Audio Drama 3: Directable 35B Open-Weight TTS ComfyUI Wiki https://comfyui-wiki.com/en/news/2026-10-13-fish-audio-drama-3 2026-10-13 —
3 一 xAI Introduces Grok Voice 3.0 Speech-to-Speech Model Unite.AI https://www.unite.ai/xai-introduces-grok-voice-3-0-speech-to-speech-model-for-voice-agents 2026-10-14 AA 榜单 2026-10-13
4 一 Grok Voice 3.0 Tops the Speech to Speech Index at 86.9 OrcaRouter https://www.orcarouter.ai/blog/grok-voice-3-0-tops-speech-to-speech-index 2026-10-14 同上
5 一 SpaceX Super Intelligence Folds Grok, Cursor and X Premium Into a Single AI Subscription AI Insider https://theaiinsider.tech/2026/10/14/spacex-super-intelligence-folds-grok-cursor-and-x-premium-into-a-single-ai-subscription 2026-10-14 —
6 一 X Subscription: Cursor and Grok, Claude at API Price ThreatFrontier https://threatfrontier.com/articles/x-subscription-explained-cursor-grok-one-plan-claude-gpt-api-price 2026-10-14 —
7 二 Claude Code v2.1.299 release Anthropic https://github.com/anthropics/claude-code/releases/tag/v2.1.299 2026-10-14 —
8 二 llama.cpp b11630（conv_1d 修复，PR #28738） ggml-org https://github.com/ggml-org/llama.cpp/releases/tag/b11630 2026-10-15 —
9 二 Ollama v0.40.5-rc0 release Ollama https://github.com/ollama/ollama/releases/tag/v0.40.5-rc0 2026-10-14 —
10 三 Saudi National Arrested for Installing Surreptitious Audio Recording Device at OpenAI 美国司法部 https://www.justice.gov/opa/pr/saudi-national-arrested-installing-surreptitious-audio-recording-device-openai 2026-10-13 —
11 三 OpenAI engineer arrested（含 OpenAI X 声明转述） CGTN https://news.cgtn.com/news/2026-10-14/OpenAI-engineer-arrested-over-alleged-hidden-recording-device-1RextXCjrQk/share_amp.html 2026-10-14 —
12 三 Strengthening our defenses against distillation attacks Anthropic https://www.anthropic.com/research/distillation-defenses 2026-10-12 自报口径
13 三 The Decoder 对上文的事实转述 The Decoder https://the-decoder.com/anthropic-says-it-cut-claude-reasoning-token-theft-by-up-to-99-in-fight-against-industrial-scale-distillation/ 2026-10-13 —
14 三 AI models may be capable of self-replicating without access to a datacenter Anthropic https://www.anthropic.com/research/self-replicating-ai 2026-10-12 自有实验
15 三 Small AI Models Could Soon Self-Replicate on IoT Devices SecurityWeek https://securityweek.com/small-ai-models-may-soon-be-able-to-self-replicate-on-iot-devices-anthropic-warns 2026-10-13/14 —
16 三 Anthropic executive warns open-source AI models carry more safety risk Quartz（转引 Bloomberg TV） https://qz.com/anthropic-open-source-ai-safety-risk-101426 2026-10-14 —
17 四 Measuring and Reducing Unusable Replies of LLM Agents arXiv https://arxiv.org/abs/2610.19659 2026-10-14 提交 —
18 四 LAGO: Language Agents with Reusable Growing Options arXiv https://arxiv.org/abs/2610.19843 2026-10-14 提交 —
19 四 Lost in the Fallback arXiv https://arxiv.org/abs/2610.19856 2026-10-14 提交 —
20 四 Are AI Decision Models Biased? A Case Study of Jev arXiv https://arxiv.org/abs/2610.19619 2026-10-14 提交 —
21 四 One Monitor Does Not Fit All (AgenticRV) arXiv https://arxiv.org/abs/2610.19818 2026-10-14 提交 —
22 六 prabanta-dev/janas GitHub https://github.com/prabanta-dev/janas 2026-10-14 活跃 2026-10-15 星数
23 六 ARahim3/DigUp GitHub https://github.com/ARahim3/DigUp 2026-10-14 活跃 同上
24 六 anomalyco/opencode（OpenCode 2.0） GitHub / AI/TLDR https://github.com/anomalyco/opencode · https://ai-tldr.dev/ 2026-10-15 同上

引用提醒：以上为 AI 检索汇总，条目均回溯一手源，但厂商自测分数（Fish Audio 基准、Grok Voice 引用的 AA 榜单除外、Anthropic 防御效果、Janas 性能）均无独立复现；两家被点名公司的回应尚未出现。补录条目（首发 10-12）为上期窗口边缘漏报。使用前请按需抽查原文。

本期淘汰记录

候选 处理 理由
Claude Opus 5.5 降价 20%（aibriefs 10-14 页当日头条） 淘汰 旧闻重发：$4/$20 与缓存降价均为 09-22 发布时定价（ReconScribe 全时间线核对一致），10-14 只是 Anthropic 高管在都柏林重申（见正文三-4）
Gemini 4 Argon GA / Meta Muse Wonder / OpenAI 722 篇数学手稿 / Character.AI 破产 / Anthropic Scion / MiniCPM-V 4.7 / GLM-Legal / Intel D270 淘汰 上期（10-13/10-14 期）已报道且本期窗口内无实质新进展
Anthropic 「Claude for Google Workspace sidebar 与 connectors」 淘汰 为 10-08 前后旧闻的再次扩散，窗口外
Grok Bot 0.68.1 / Tavus Griffin / Comfy Agent / Aleph Alpha Kolibri 淘汰 旧闻或已在索引中（10-04/10-08 等），无新进展
Karpathy「理解鸿沟在拉大」/ Rich Hickey「AI 是自动化不是工具」 淘汰 观点类、无新事实，不达收录门槛
「200 万台设备的 Kimwolf 僵尸网络」（单独成条） 合并 已并入三-3 的规模测算，不单独记条
腾讯研究院 10-15 速递中「苹果 HomeView」「WorkBuddy×企业微信」 淘汰 前者非核心 AI 动态，后者为软广口径，均不达门槛
Fireship / Wes Roth / Two Minute Papers 等 YouTube 反应类视频 淘汰 二手评论，无一手事实增量
最新一期·独立频道，不进入创作时间线。
AI日报 2026-10-15 | YODFZ