AI DAILY
AI 日报 2026-11-02
一句话结论本期收录 20 条正文条目（模型与产品 5、工程与架构 5、行业与发展 5、论文 5）＋ 3 个开源项目；淘汰 9 条独立候选（另有 3 条属已报道事件的纯重复或增量，不计入），另把 2 处版本序列合并进 1 条。最值得看的三件事都发生在「默认值」这一层，而不在能力曲线上：第一，同一部欧盟法（第 50 条 + 2026/1744 数字综合法案 12-02 死线）被三家做成了三个完全不同的产品决策——xAI 从 11-07 起把隐形水印推成全球所有端点的默认开、还覆盖结构化输出与工具调用参数；Anthropic 11-03 把水印补到 Mythos 5/Opus 4.7/Opus 4.6/Sonnet 4.6 四个老模型且用户不可关闭，但 Opus 4.6 与 Sonnet 4.6 上一个 sampling 参数改动就能绕过；OpenAI 只把 EU 产品翻成默认，全球 API 仍默认关。合规责任被不同程度地下推给了调用方。第二，黑产开始把 LLM 当基础设施用，而且两条路径同时成熟——Wiz 统计 10 月内 9 家 AI 开发平台披露同类事件（Fireworks AI、Andromeda、Zeabur、Lightning AI、OpenCode、Railway、Warp、CommandCode、Northflank），共同目标是环境变量里的 AI key，其中一个 key 30 小时内打了 80 万次 Bedrock、另一个 13 小时打了 170 万次，list price 合计逾 10 万美元，而受害侧 CPU／网络／磁盘指标完全平静；另一条路上，Cisco Talos 拿到样本后发现 VOLTA 信息窃取器默认调 claude-opus-4.6 给受害者机器「估值并排优先级」，还专门输出两节叫「WHAT THEY'RE WORTH」与「THEIR OPSEC」。第三，谁付算力的钱正在重排——OpenAI 据报首次向 Google 采购 TPU（双方均未确认），Amazon 单季现金 capex 758.8 亿美元、过去 12 个月自由现金流 −423.6 亿，DeepSeek 二轮 1,055 亿元里国资占比从首轮 2% 跳到 27%，Aramco 用 26 亿美元买下 HUMAIN 49%。
AI 日报 2026-11-02
整理日期：2026-11-02 素材来源：白名单一手信源（xAI 开发者文档、Anthropic 帮助中心与定价页、OpenAI 帮助中心与数据控制页、Google 官方博客与 Jules changelog、Mistral 官方页、GitHub Releases 与仓库 API、arXiv 原始页面、Cisco Talos 博客、Parameter Labs 报告、Wiz 报告经多家转述、PIF 新闻稿、Amazon IR、港交所/Reuters 经中央社与中文财经转述），逐条见文末附录 可信度提示：本期统计窗口 2026-11-01 00:00 → 11-02 12:00 HKT。对 10-28 至 10-31 发布、本期首次进入可核实范围的条目（三家文本水印、ChatGPT/Codex 共池、Connected Apps、Jules 关停、SenseNova-Loop、Black October、Parameter XSS、VOLTA、DeepSeek 融资、NVIDIA×HF 反垄断、Amazon Q3、OpenAI 采购 TPU）按「首次进入本刊视野」计入并显式标注原始发布日期。arXiv 在 10-31 与 11-01 无新提交批次（周末），论文节收的是 10-30 提交、本期首次进入视野的 5 篇。严格区分厂商自测与独立复现：SenseNova-Loop 的全部基准为厂商自测、无第三方复现；VOLTA 的模型名为研究者从样本中读出的配置，非厂商确认；DeepSeek 融资与 OpenAI 采购 TPU 均未经当事方确认，已单独列入待核实区。更正：昨日本刊记 llama.cpp「b12018–b12024 单日七版」无误，本期窗口内为 b12027–b12032 共六版（b12025/b12026 不存在，GitHub API 对两号均返回 404），网上流传的「单日八版」不成立。 配图：文中三张图为自绘（依据下列来源整理），非原文插图。
#AI日报 #模型动态 #工程架构 #论文 #开源项目 #行业观察
一句话结论
本期收录 20 条正文条目（模型与产品 5、工程与架构 5、行业与发展 5、论文 5）＋ 3 个开源项目；淘汰 9 条独立候选（另有 3 条属已报道事件的纯重复或增量，不计入），另把 2 处版本序列合并进 1 条。最值得看的三件事都发生在「默认值」这一层，而不在能力曲线上：第一，同一部欧盟法（第 50 条 + 2026/1744 数字综合法案 12-02 死线）被三家做成了三个完全不同的产品决策——xAI 从 11-07 起把隐形水印推成全球所有端点的默认开**、还覆盖结构化输出与工具调用参数；Anthropic 11-03 把水印补到 Mythos 5/Opus 4.7/Opus 4.6/Sonnet 4.6 四个老模型且用户不可关闭，但 Opus 4.6 与 Sonnet 4.6 上一个 sampling 参数改动就能绕过；OpenAI 只把 EU 产品翻成默认，全球 API 仍默认关。合规责任被不同程度地下推给了调用方。第二，黑产开始把 LLM 当基础设施用，而且两条路径同时成熟——Wiz 统计 10 月内 9 家 AI 开发平台披露同类事件（Fireworks AI、Andromeda、Zeabur、Lightning AI、OpenCode、Railway、Warp、CommandCode、Northflank），共同目标是环境变量里的 AI key，其中一个 key 30 小时内打了 80 万次 Bedrock、另一个 13 小时打了 170 万次，list price 合计逾 10 万美元，而受害侧 CPU／网络／磁盘指标完全平静；另一条路上，Cisco Talos 拿到样本后发现 VOLTA 信息窃取器默认调 claude-opus-4.6 给受害者机器「估值并排优先级」，还专门输出两节叫「WHAT THEY'RE WORTH」与「THEIR OPSEC」。第三，谁付算力的钱正在重排——OpenAI 据报首次向 Google 采购 TPU（双方均未确认），Amazon 单季现金 capex 758.8 亿美元、过去 12 个月自由现金流 −423.6 亿，DeepSeek 二轮 1,055 亿元里国资占比从首轮 2% 跳到 27%，Aramco 用 26 亿美元买下 HUMAIN 49%。**
一、模型与产品
1. 三家文本水印合流：同一部法，三种默认值（xAI 11-07、Anthropic 11-03 生效）
xAI：开发者文档 10-31 更新，写明自 2026-11-07 起对 7 个模型 ID（grok-4.7、grok-4.6、grok-4.5、grok-4.3、grok-4.20-reasoning、grok-4.20-non-reasoning、grok-4.20-multi-agent）的文本输出默认开启隐形水印，理由是配合欧盟《AI 法案》第 50 条。三个细节值得单独拎出来：
- 范围是全球，不只是欧盟——文档明确写「every API endpoint, including the global endpoint
https://api.x.ai, and any regional endpoint」； - 标记对象包括结构化输出与工具调用参数，不只自然语言。文档直白提醒：如果你的流水线按字节比对生成 JSON（缓存、去重），切换后要重测；
- 控制权在团队管理员，按模型粒度，一次设置覆盖该团队所有 API key，5 分钟内生效，每次开关进审计日志，部分模型可能被锁定为不可关。关闭时要勾选确认「法律例外适用于本用途」并自担标记与披露责任。
是否有水印可读响应头 x-watermark: true；检测能力是统计式的，输出「已加水印／未加水印／不确定」三态，访问权限按申请发放。
Anthropic：10-28 发给 API 客户的邮件 10-31 曝光，11-03 起把水印从 Opus 5.5 扩到 Claude Mythos 5、Opus 4.7、Opus 4.6、Sonnet 4.6，Bedrock 上可能再延几日。技术上沿用 8 月那套 SynthID-Text 变体：「词选择上的不可感知统计模式」，不加 token、不改价格与请求格式、不携带用户或组织信息。与 xAI 相反的两点：
| 维度 | xAI（Grok API） | Anthropic（Claude） | OpenAI（ChatGPT/Codex） |
|---|---|---|---|
| 默认开？ | 是，11-07 起 | 是，模型级常开 | 否，API 默认关 |
| 覆盖范围 | 全球所有端点 | 所有托管平台（含 AWS/GCP/Foundry） | 仅 EU 产品默认 |
| 可关闭？ | 团队管理员逐模型 | 不可关闭 | API 用户可开可关 |
| 标记对象 | 含结构化输出与工具参数 | 仅生成的文本 | 生成的文本 |
| 技术路线 | token 概率微调 | SynthID-Text 变体 | textGrain |
| 检测开放度 | 申请制 | 私有预览 | 获批研究者 |
最硬的一条差异藏在脚注里：Opus 4.6 与 Sonnet 4.6 上的水印只在 temperature、top_p、top_k 全部保持默认值时才生效，改动任一项即可产出无水印文本。Anthropic 在邮件里直接对客户说：「若你依赖水印满足自身合规，请保持这些设置为默认值。」Mythos 5 与 Opus 4.7 没有这条附注。另有三个老模型（Opus 4.5、Sonnet 4.5、Haiku 4.5）仍无日期，其中 Sonnet 4.5 将于 11-30 离开 API。
为什么值得关注：法律义务是同一条，落地形态却是三套商业判断。xAI 选了「最广覆盖 + 责任下推」（关不关由你决定，法律例外由你自证）；Anthropic 选了「产品不可关闭 + 客户难验证」（检测 API 仍在私有预览，被标记的人自己查不了自己）；OpenAI 选了「最小合规面」（只 EU 产品默认，API 留给用户）。对做 API 二次分发的开发者，这意味着同一个应用接三家模型，输出会带三种不同强度的可追溯信号，而清洗训练数据的团队要重新评估一件事：你用 Claude 生成的语料，现在默认是带标记的。反过来说，水印只提高溯源能力、并不防篡改——改写、翻译、人工润色后检出率如何，三家都没公开误报率与漏报率。
来源：xAI 开发者文档（Output Watermarking，Last updated 2026-10-31）· https://docs.x.ai/developers/advanced-api-usage/watermarking · 2026-10-31 来源：The Decoder 报道经 MACCUS 转述（Anthropic 客户邮件截图由 Pasquale Pillitteri 公开）· https://maccus.fr/en/claude-text-watermark · 2026-11-01 来源：Anthropic 帮助中心内容标记页（10-28 更新，16 个模型表格）· https://support.claude.com/en/articles/content-labeling · 2026-11-01 读取
2. ChatGPT 与 Codex 12 月起共用一份 token 额度：计量单位从「条数」换成「token」
OpenAI 帮助中心 10-31 上线《Understanding ChatGPT and Codex usage limits》。要点只有四条：
- 额度合池：12 月起 Plus、Pro、Business 三档的用量在 ChatGPT 与 Codex 之间共享；
- 按 token 计量：不再按「几小时多少条」，消耗取决于所选模型与任务复杂度，更强模型、更复杂任务扣得更多；
- Instant 对话不占额度；
- 用完三条路：等重置、升级档位、买 credits。
官方给出的动机是把 ChatGPT Work 的 agent 能力并进 ChatGPT 主界面。同时缺的一样重要：没有上线确切日期，也没有各档的 token 总量与模型折算表。此前一天（10-30）Tibor Blaho 已在结账页发现「12 月起套餐用量在 ChatGPT 与 Codex 全部功能间共享同一上限」的提示，Codex 负责人 Tibo 当时回复「在做，还没开始推」。
该怎么读：这是一次计费口径的重构，不是额度调整。按条数计量时，一次长上下文推理和一句寒暄等价；按 token 计量后，同样的月费在不同用法下能兑换的「工作量」差异会被放大。对重度 Codex 用户，真正的风险不是总量变少（官方说「多数用户等重置的频率不会高于此前」），而是两件事从互不干扰变成互相挤占——你在 ChatGPT 里跑一次长文档分析，代价可能是 Codex 里少跑一轮重构。这条与 10-29 那轮「Pro 额度翻倍」连起来看，节奏很清晰：先翻倍把心理账户抬高，再把两个池子并成一个。
来源：OpenAI 帮助中心 · https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits · 2026-10-31 来源：腾讯新闻/新智元（Tibor Blaho 结账页发现与官方文档逐条对照）· https://news.qq.com/rain/a/20261101A05M0700 · 2026-11-01 来源：中新经纬（官方口径复核）· https://m.chinanews.com/wap/detail/cht/zw/jw695074.shtml · 2026-11-01
3. 商汤 SenseNova-Loop-9B：32 层权重，56 层执行
OpenSenseNova/SenseNova-Loop（Apache-2.0，75★，10-29 创建），10-30 发布 SenseNova-Loop-9B-Preview，权重在 sensenova/SenseNova-Loop-9B-Preview。它不是又一个稠密 9B，而是把「循环深度」做成了可部署的形态：
- 32 个不同的 decoder 层，其中 [4, 28) 这 24 层连跑两遍（共享同一套权重），加上 0–3 与 28–31，每次前向共 56 次层执行；写成公式就是 B(B(h))；
- 循环段内用 双流 mHC（manifold-constrained hyper-connections） 管理两条残差流之间的信息流，混合映射由 Sinkhorn 归一化约束、20 次迭代；
- 混合注意力：每 4 层一组，3 层线性注意力 + 1 层全注意力，循环边界对齐完整 4 层组，保证两遍的注意力模式一致；
- hidden 4,096 / FFN 12,288 / 词表 248,320 / 全注意力头 16、KV 头 4；
- 训练上下文最长 262,144 token，多模态（文本+图像）加工具轨迹；
- 推理加速：MTP 可用，Dspark 与 Dflash2 仍在训练中。
该怎么读：这条的工程含义比榜单含义大。显存按 32 层付账，算力按 56 层付账——用同样的权重占用换更深的执行路径，代价是每 token 的 FLOPs 上去了。这与「小模型 + 循环层逼近大模型」这条研究线一致（此前的循环 transformer 大多停在论文），但有两个现实约束：一是 mHC 的路由参数（FP32）与循环区间、遍数一起构成 checkpoint 的执行配置，推理实现必须原样复现执行顺序，否则结果不对；二是 README 自报 backbone 约 9B、推理参数约 14.6B 的口径需要读者自己分清（9B 是权重规模，14.6B 应为展开后等效口径，官方未在正文解释这个差值）。另需明确：八个基准（BIRD-Dev、WorkBuddy Bench、AIDABench、TeamBench、Terminal Bench 2.1、T³-Banking、AutomationBench、RaccoonPPTBench）全部是厂商自测，无第三方复现，且 README 只给图不给表。
来源：GitHub 仓库与 README（模型规格表、架构说明、News 时间线）· https://github.com/OpenSenseNova/SenseNova-Loop · 2026-10-30 来源：Hugging Face 权重页 · https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview · 2026-10-30
4. Google Connected Apps Platform 开放申请：把 MCP 应用塞进搜索与 Gemini
10-28 发布、10-29 Robby Stein 在 X 上宣布「刚开放公开预览」的平台，11-01 起开发者可提交申请。给开发者的路径有两条，覆盖面不同：
- 云端 remote MCP server → 覆盖 Web / Android / iOS 上的 Gemini 与 Search AI Mode；
- Android MCP（AppFunctions SDK / Jetpack） → 只覆盖 Android 上的 Gemini，动作在本机执行。
注册走 Google Connected Console，流程里有几处不可逆或硬门槛：选定应用类别后不可更改；必须提供至少 3 个面向用户的能力与示例 prompt；OAuth 2.1（用户委派或客户端凭据）；对需要登录的应用，Google 要求提供填好样例数据的测试账号，无法完整测试的应用会被拒。Google 会人工审测后才允许发布，上线后可在控制台看流量、延迟、错误率。
政策层面专门写了「防止应用抢曝光」：应用不得用宽泛或欺骗性的能力描述去诱导模型选中自己，不得引用其他工具或自行制定「何时该用别的工具」的规则，不得夹带第三方广告。违规的处罚阶梯是拒审 → 暂停 → 下线 → 封开发者账号。
当前边界：已有 50+ 应用在线（Adobe、Peloton、Experian、Localiza 等），但只在美区、英文的 AI Mode 内可用，分阶段放量，未公布审核时长、准入标准与预览覆盖国家。这条与 10-22「Codex 进 Google Cloud」、本期「OpenAI 买 TPU」串起来，是同一件事的两侧：模型厂在抢分发，搜索厂在抢「任务执行的入口」。
来源：Search Engine Journal（Robby Stein X 帖与政策原文引述）· https://www.searchenginejournal.com/google-connected-apps-preview-ai-mode-gemini/595268/ · 2026-11-01 来源：Alpic AI（提交表单字段与服务端规范细节）· https://alpic.ai/blog/submit-mcp-app-gemini-google-search · 2026-11-01
5. Google 关停 Jules：11-11 转只读、12-31 下线，能力并入 Antigravity
10-29 的 Jules changelog 写得没有回旋余地：作为「统一 agentic coding 努力」的一部分，Jules 于 2026-12-31 关停；11-11 前可继续完成进行中的会话，之后转只读直到年底。官方给了一次性导出：账号设置、环境变量、定时任务、已连仓库、memories、setup scripts，以及每场会话的 prompt、计划、完整活动日志与代码补丁；代码、分支、PR 本来就在 GitHub，不用搬。导出靠 npm install -g @google/jules 加一段给 CLI agent 执行的导出 prompt。
同一天（10-29）Antigravity 上线 Plugin Marketplace，覆盖 App 与 CLI：把原来要手写的 MCP 端点、环境变量、skills、子 agent 打成带 plugin.json 的版本化插件包，一键安装、App 装的同步到 CLI。首批合作方覆盖交付/运维/数据/设计/商务：Atlassian（Jira、Confluence、Bitbucket）、Figma、Stripe、Datadog、Databricks、Canva、CrowdStrike、monday.com、Dropbox、Unity、Ping Identity、SentinelOne。一个插件最多打包五类原语：Skills、MCP servers、Rules、Hooks、Custom Agents。
该怎么读：这是一次「关掉重叠产品、把用户赶到新平台」的干净收口，代价全部由用户承担——官方没有给出 Jules 全部能力迁到 Antigravity 的时间表。更值得注意的是市场信号而非产品信号：Google 在异步云端编码 agent 这条线上退了一步（社区反馈很直接：Jules 是少数能「不打开编辑器就让 agent 在云上跑」的产品），而把注押在「IDE 优先 + 插件市场」上。同期 Anthropic 与 OpenAI 都在往相反方向加码远程/长任务，路线分歧第一次这么清楚。
来源：Jules 官方 changelog（Turndown 通知与导出说明）· https://jules.google/docs/changelog/2026-10-29 · 2026-10-29 来源：Times of AI（两阶段时间表与社区反应）· https://www.timesofai.com/news/google-jules-antigravity · 2026-10-30 来源：nvdium（Antigravity 插件市场首批合作方与五类原语）· https://nvdium.com/en/articles/459700785 · 2026-10-30
二、工程与架构
1. 「Black October」：一个月 9 家 AI 开发平台，同一类目标
Wiz 把 10 月内披露的同类事件收进一份叫《Black October for AI Developer Platforms》的报告，名单 9 家：Fireworks AI、Andromeda、Zeabur、Lightning AI、OpenCode、Railway、Warp、CommandCode、Northflank。Wiz 同时说明：没有找到共用的漏洞或依赖——入口各不相同，有的是凭据被偷、有的是构建基础设施、有的是第三方供应商、有的是遗留系统。共同的只有目标：环境变量里那些能直接换钱的东西，尤其是 AI key。多家在事件中描述了「agent swarm」式的活动。
Northflank 的时间线最完整（10-30，UTC）：11:43 Wiz 发威胁告警 → 12:02 首个网络策略补丁（12:50、13:05 追加两个）→ 13:40 通知客户立即轮换环境变量 → 13:58 状态升级为 Identified，措辞变成「assume all environment variables have been decrypted」→ 15:12 开放 Postgres/MongoDB 密钥轮换，同时多个用户确认自己的 AI key 被用过 → 23:38 官方确认存在未授权使用 → 10-31 01:04 为全部客户（含免费档）打开审计日志 → 10-31 13:34 MySQL/Redis、22:32 MinIO、23:31 RabbitMQ 逐个补齐轮换。
钱是怎么被花掉的：Wiz 追踪了某次供应商事件中被盗的两个企业 key——都在凭据失窃后 30 分钟内被试跑，随后静默观察数日，再开始刷量；一个 key 在 30 小时内产生约 80 万次 Amazon Bedrock 调用，另一个在 13 小时内约 170 万次；两例按 list price 合计逾 10 万美元。流量形态像被转售的编码 agent 用量，与「有终端用户坐在转售商后面」一致。Wiz 还说，其中一个转售服务器上挂过以 ARTEX（自主攻击框架）命名的页面，但不把本轮事件归因于那两个组织。另有社交媒体称约 37.1 万美元加密货币通过 Railway 上存的密钥被转走，未经独立确认。
为什么值得关注：这类事故在传统监控里几乎不可见——请求从攻击者自己的机器发出，不经过受害者主机，受害侧 CPU／网络／磁盘指标完全平静，唯一异常在上游 provider 的账单与用量曲线上。所以兜底手段只剩「provider 用量告警 + 账单突增」。Northflank 至今未披露入口、影响客户数与根因，已做的三件事（六种 add-on 轮换、全量审计日志、关闭 add-on 公网暴露）全是事后可控项。1 个月内 9 家同类型平台出事，说明这不是某家的运维失误，而是「把长期有效的 AI key 明文放进环境变量」这个行业默认做法的系统性代价。
来源：Wiz 报告经 BreachNews 转述（9 家名单、两个 key 的调用量与金额、ARTEX 关联的克制表述）· https://breachnews.com/cyber-attacks/northflank-breach-wiz-black-october-ai-developer-platforms · 2026-10-31 来源：Northflank 状态页事件（本环境 302，按时间线逐条转述核对）· https://status.northflank.com/incident/cmvv0rn5a092f14rutwccodpp · 2026-10-30 来源：Brandefense（状态页更新时刻逐条列表与轮换顺序建议）· https://brandefense.io/security-news/northflank-security-incident-rotate-secrets · 2026-11-01
2. Cisco Talos 拆开 VOLTA：信息窃取器开始用 LLM 给受害者「估值排序」
Talos 10-31 发布对 VOLTA 信息窃取器的分析。真正的新东西不是窃取能力，而是它带了一个 LLM 客户端：样本把收集到的机器信息 POST 到 openrouter.ai/api/v1/chat/completions，默认模型 anthropic/claude-opus-4.6，失败时依次回退 moonshotai/kimi-k2 → google/gemini-2.5-flash，temperature 0.2。返回内容被要求分成两节：「WHAT THEY'RE WORTH」（这台机器值多少、为什么）与「THEIR OPSEC」（这台机器的主人有没有安全意识、值不值得继续投入）。
样本本身也很干净：不携带自有 C2 基础设施，靠 OpenRouter 直连，任务完成后自删；PE 时间戳 2026-08-17，首次发现 2026-10-11。
为什么值得关注：这是一次明确的分工外包——把「哪台机器值得继续挖」这个判断交给前沿模型，偷窃器只负责采集。三件事因此变了：一是攻击者的边际成本从「人盯屏幕筛受害者」变成「一次 API 调用」；二是取证难度上升，因为最关键的决策逻辑不在样本里，在第三方 API 的日志里；三是防御侧第一次有了可利用的抓手——OpenRouter 侧看到异常模型调用模式，比在端点上看窃取行为容易。同时要注意一个反向风险：模型厂商的模型回退链成了攻击者的高可用方案，这条链本身不是攻击面，但它让「打掉一个模型就断链」的防御思路失效。
来源：Cisco Talos（模型 ID、回退顺序、temperature、输出两节标题、PE 时间戳与首见日期）· https://blog.talosintelligence.com/appraisal-by-ai-model-driven-victim-prioritization-in-the-volta-infostealer/ · 2026-10-31
3. Parameter 披露 ChatGPT 共享链接 XSS：打开一条链接就能接管账号
Parameter Labs 10-28 公开报告：在 ChatGPT 里发布一条普通公开分享链接，受害者只要打开（最稳定的复现里只需再点一次 Preview，标记为可预览后连这一次都不用点），攻击者控制的 JavaScript 就会以 chatgpt.com 身份在受害者的已登录会话里执行。可行证明包括：枚举会话列表、读取从未分享给攻击者的私有对话内容、把内容外发到外部服务器——也就是直接以受害者身份调 ChatGPT 的认证 API。OpenAI 10-26 修复，定级 P1。
链条是「两个各自无害的功能撞在一起」：
HTML Preview被正确隔离在另一个域的受限 frame 里，读不到parent.document；- 但同一段对话里一个正常的交互图表加载了 MathLive，它在主页面里注册了虚拟键盘的
postMessage监听； - MathLive 这个监听器的 origin policy 设为 none，且不校验消息来源窗口 → Preview 发两条消息即可把键盘布局换成任意 HTML；
- 布局经
innerHTML落到真实页面；一个名叫createHTML的辅助函数看着像在消毒，实际只是把字符串标记为 trusted 后原样放行； - MathLive 随即插入一个不带 sandbox 的
iframe srcdoc——新文档继承chatgpt.com身份，从而能访问父页面； - 还有最后一道 CSP 挡着内联脚本，于是借 YouTube oEmbed 的 JSONP callback（CSP 已放行 youtube.com）执行任意 JS。
修复后，分享链接不再能跨过这条边界。
为什么值得关注：这是「sandbox 只在它自己的边界内有效」的一次教科书式反例。隔离做得对（Preview 确实读不到父页面），破口在被信任的主页面组件里——一个第三方数学库的 postMessage 监听取向为 any、一个把字符串标成 trusted 的辅助函数、一个忘了写 sandbox 的 srcdoc。三者单看都只是「不够严谨」，串起来就是账号接管。对做 agent 产品的人，可迁移的结论只有一句：每一条跨边界通道（postMessage、srcdoc、iframe、JSONP、deeplink）都必须单独做来源与载荷校验，不能因为「另一端已经隔离了」就免检。
来源：Parameter Labs 原始报告（完整链路、复现条件、修复日期）· https://www.parameter.ai/labs/we-found-a-gap-at-openai · 2026-10-28
4. llama.cpp b12027–b12032：11-01 三小时内六版，全是后端与多模态的收尾活
11-01 06:19Z 到 09:00Z，两个小时四十分钟里连发六版（b12025/b12026 不存在，GitHub API 对两号均 404，网传「单日八版」不成立；昨日本刊记的 b12018–b12024 是 10-31 那七个）：
| 版本 | 时间（UTC） | 变更 | PR |
|---|---|---|---|
| b12027 | 06:19 | llama：LFM3 开启 tensor split（Assisted-by: Claude Opus 5.5） |
#31431 |
| b12028 | 06:40 | 测试：把 Gemma 4 加进 test-llama-archs，并改用 GQA |
#31401 |
| b12029 | 06:57 | mtmd：修 InternVL 的 CLS token 顺序 |
#30886 |
| b12030 | 07:16 | hexagon：修 stride > 24 bit 的 DMA 传输 |
#31442 |
| b12031 | 07:41 | opencl：初版 iq3_s / iq3_xxs 支持 |
#31338 |
| b12032 | 09:00 | sycl：LevelZero 头文件与库改走 PkgConfig |
#31076 |
b12030 的内核细节值得单独看：v75+ 的 2D DMA 描述符用 24 bit 存 row_size 与 stride，dma_queue_push 把超大 stride 交给 fallback_2d，而后者只按 nrows 切分 → 16 MB 及以上的 stride 被截断，地址直接算错。修法是这种情况退回「每行一次传输」，并补了两个源 stride 超 16 MB 的 CONT 测试。b12031 的 OpenCL iq3 明确标了 Assisted-by: Codex，并有多处与高通工程师 Shaofei Qi 的协作署名。
该怎么读：六版里没有一条是算法或模型能力，全是「某个后端在某类硬件上算错了」。这正是 llama.cpp 现阶段的主要工作形态：模型架构追平之后，剩下的成本分散在 SYCL/OpenCL/Hexagon/Metal 各自的边界条件里。对普通用户几乎没有感知，对做高通 Adreno、Hexagon NPU 或 Intel LevelZero 部署的人是当日必跟进项。
来源：GitHub Releases（六个 tag 的正文与时间戳、PR 编号）· https://github.com/ggml-org/llama.cpp/releases/tag/b12032 · 2026-11-01 来源：GitHub API
/releases与/releases/tags/b12025、/b12026（均返回 404，用于校正版本计数）· 2026-11-02 查询
5. 推理栈 11-01→11-02 提交批次：SGLang 把 sampler 与 rmsnorm 做成 JIT，vLLM 动 KV cache 抽象
SGLang（11-01 14:21Z → 11-02 03:44Z，约 13 小时、35+ 提交），三条主线：
- JIT 化小算子：11-02T03:39
sampling把 sampler 与投机验证的 softmax／argmax 做成 JIT（#47512）；02:38rmsnorm用一个 SM100 调优模板同时覆盖 plain、fused residual-add、fp8 per-tensor quant 三种形态（#47503）；02:09moe_finalize_fuse_shared重写为 JIT kernel，全部 top-k gather 在飞行中（#47784）。 - AMD gfx950 一次性补齐 MiniMax：11-01T23:16 MoE、router GEMV、block-fp8 GEMM 与 fp8 producer kernel（#46691）；23:15 TP4 的 JIT quick all-reduce（#46692）；22:36 稀疏注意力、NVFP4 KV 与 DSpark verify kernel（#46690）。
- 调度与拆解：11-01T21:49 把每个 step 的启动收敛到单一 hook 并统计 in-flight 数（#43900）；T21:54 下一批调度前先决定早期结果处理（#47716）；另有 kimi-k3 在 fused routing 中尊重初始专家放置（#47742）、sm100 之外的 humming 在替换 MoE 权重后释放（#45200）。
vLLM（11-01 06:47Z → 11-02 03:27Z），三条主线：
- KV cache 抽象可扩展：11-02T03:22
[Core] Extensible KV cache（#56492），配合 11-01T15:03 的按层 KV dtype 解析（#56155）、[KV Offload]三条清理（#63900/#63695/#63927）。 - 正确性修复集中爆发：03:07 修 LoRA 名称重载时的 KeyError 崩溃（#64616）与
attention_k_eq_v=True的 QKK LoRA 层（#61267）；03:00 投机解码 V2 拒绝采样器返回logprob_token_ids（#61219）；03:27 FunctionGemma 裸参数解析并流式输出为合法 JSON（#63992）。 - 性能项：02:43 FA4 在单位 per-tensor scale 时跳过 FP8 descale（#63232）；00:55 DSv4.1 首层 HC 扩展拷贝向量化（#64816）；01:47 MRV2 给 chunked prompt logprobs 的
torch.topk行数加上限（#64914）。
该怎么读：两家的方向已经分叉得很清楚。SGLang 在把小算子逐个 JIT 化并按芯片代际特化（SM100 模板、gfx950 全家桶），赌的是「同一个模型在不同硬件上都要跑到极限」；vLLM 在抽象层动刀（可扩展 KV cache、按层 KV dtype），赌的是「新 KV 形态会不断出现，先留好插槽」。对自建推理的团队，前者是「今天就能提性能的补丁」，后者是「未来三个月不必改 fork 的地基」。
来源：GitHub 提交历史（SGLang
commits/main，11-01T14:21Z–11-02T03:44Z）· https://github.com/sgl-project/sglang/commits/main · 2026-11-02 查询 来源：GitHub 提交历史（vLLMcommits/main，11-01T06:47Z–11-02T03:27Z）· https://github.com/vllm-project/vllm/commits/main · 2026-11-02 查询
三、行业与发展
1. Amazon Q3：AWS 增速 39.3% 与自由现金流 −423.6 亿，同一份财报里的两条反向曲线
10-29 盘后发布的 Q3 2026 财报（截至 9-30）：
| 指标 | 数值 | 同比／环比 |
|---|---|---|
| 集团营收 | 2,019.44 亿美元 | +12%（略低于预期的 2,022.6 亿） |
| 集团营业利润 | 280.76 亿美元 | +61%，利润率 13.9%（历史新高） |
| 净利润 | 206.85 亿美元 | −2.4%（去年同期含 Anthropic 投资约 95 亿税前收益的高基数） |
| AWS 营收 | 459.84 亿美元 | +39.3%（Q2 为 36.7%，连续第六季加速，近五年最快） |
| AWS 营业利润 | 177.73 亿美元 | +55%，利润率 38.7% |
| AWS backlog | 5,780 亿美元 | 环比 +16.5%，同比三位数增长，加权平均剩余期限 6.1 年 |
| 现金 capex（Q3） | 758.8 亿美元（购置物业设备 772.6 亿） | +120%／环比 +43% |
| 过去 12 个月自由现金流 | −423.6 亿美元 | 去年同期为 +147.9 亿 |
| Q4 指引 | 营收 2,400–2,470 亿 | 营业利润 285–335 亿 |
三条业务口径的细节：AWS 只占总营收约 23%，但贡献约 63% 的营业利润；Bedrock 的 token 处理量同比近 17 倍，财富 500 强在 Bedrock 上支出同比近 7 倍；AgentCore 客户在 Q3 部署的 agent 数量约为此前三季合计的两倍；Trainium 与 Graviton 的收入承诺合计同比增超 20 倍，Q3 客户用自研芯片省下超 20 亿美元。Jassy 说 AWS 平均每 14 秒安装一颗 AI 加速器，新增产能几乎随即被用尽；管理层预计 2027、2028 年 AWS 增速均超 40%，并计划 2027 年底在 AWS 之外提供 Trainium。
该怎么读：这份财报把「AI 需求是真的」和「AI 的钱还没收回来」同时坐实了。营收与 EPS 双双不及预期、盘后一度跌超 10%（不同来源记 7.3%–10%+），触发点不是 AWS（AWS 超预期），而是自由现金流转负 423.6 亿这一条：过去四个季度赚的经营现金流全部投回了物业设备，还倒欠 400 多亿。全年 2,200 亿 capex 指引不变、2027 年还要显著增加——这意味着「用现金流自我融资」的阶段结束了，接下来要靠发债或股权。这条与本期另外两条（DeepSeek 1,055 亿、Aramco 26 亿美元买 HUMAIN 49%）合起来看，指向同一件事：2026 年末的 AI 竞争，融资能力已经和模型能力一样重要。
来源：Amazon IR 财报新闻稿（本环境页面需 JS，按三源交叉核对，见待核实区）· https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon.com-Announces-Third-Quarter-Results/ · 2026-10-29 来源：iThome（分部数据、Q4 指引、AWS 占比与利润贡献）· https://www.ithome.com.tw/node/180100 · 2026-10-30 来源：中国证券网（营收/利润/利润率与盘后反应）· https://www.cnstock.com/commonDetail/820319 · 2026-10-30 来源：东吴证券研报经腾讯新闻（backlog 环比、capex 与 FCF 精确值、Bedrock/AgentCore 口径）· https://news.qq.com/rain/a/20261030A0329900 · 2026-10-30
2. DeepSeek 二轮融资 1,055 亿元、投后 6,155 亿元：国资占比从 2% 跳到 27%
The Information 10-30 报道，国内媒体 10-31 至 11-01 密集转述：DeepSeek 完成第二轮融资，总额 1,055 亿元人民币（约 158 亿美元），近 30 家投资方，投后估值 6,155 亿元（约 860 亿美元），较首轮约 500 亿翻倍有余。截至发稿，相关投资方与 DeepSeek 均未发布公告或回应。
投资方结构是这条的真正信息量：
| 类别 | 机构 | 金额 |
|---|---|---|
| 产业资本（最大） | 腾讯（两轮各 100 亿，累计 200 亿） | 200 亿 |
| 宁德时代体系（首轮 50 亿、本轮 100 亿） | 100 亿 | |
| 新进半导体 | 长鑫存储及董事长朱一明、中芯国际 | 未披露 |
| 消费／制造／互联网 | vivo、美团、吉利、美的、立讯精密、携程、小红书 | 单家 10–30 亿 |
| 国资／金融 | 中国移动、中国电信、中金、中信证券、中国人寿 | 单家 20–80 亿 |
| 国家级基金 | 国家人工智能产业投资基金（两轮均 10 亿，直投） | 10 亿 |
| VC | 砺思资本（30 亿 + 75 亿）、IDG（两轮累计 65 亿）、博裕（35 亿） | — |
两个被多家点出的结构性变化：国有投资者合计占本轮 27%，首轮仅 2%；中国移动与中国电信首次以数十亿元级同轮参投国内头部开源大模型公司（此前电信领投面壁智能仅「数亿元级」）。据报道，DeepSeek 在本轮要求意向方书面说明能提供哪些数据支持与业务协同——运营商手上的全国 IDC 与电力、骨干网带宽、智算集群、政企渠道，恰好对应大模型公司最难自建的短板；叠加 DeepSeek 近期开源昇腾适配组件，与「国芯训国模」方向合拍。融资目标中途扩大的两个理由（据知情人士）：高端 AI 芯片涨价推高算力采购成本、为行业波动预留资金。
该怎么读：这不只是「又融了一笔大的」。三条线同时动：一是股东结构从「产业资本为主」变成「国资 + 国产半导体 + 运营商」的组合，对应的是算力自主这条硬约束；二是运营商从「卖带宽的」变成「拿股权的」，这是国内 AI 基建资本化的一个新形态；三是估值 860 亿美元对一家年化营收约 10 亿美元（梁文锋 9 月投资者会议口径）的公司，是约 86 倍 PS——这个倍数放在全球前沿实验室里也不算低，而它发生在「未官宣」的状态下。所有数字均为媒体援引知情人士，公司零确认，请以待核实区的口径阅读。
来源：The Information 报道经芯智讯转述（金额、估值、投资方名单、国资占比、运营商首次参投）· https://www.toutiao.com/article/7703071149005783571/ · 2026-11-01 来源：第一财经（首轮 500 亿、累计超 1,500 亿、年化营收口径）· https://www.toutiao.com/article/7703011283091702299/ · 2026-11-01 来源：同花顺财经（国资 27%、融资目标中途扩大的两条原因）· https://m.10jqka.com.cn/20261102/c681331188.shtml · 2026-11-02
3. Aramco 完成 HUMAIN 49% 入股：26 亿美元，2030 年 3GW
PIF 官网 11-01 新闻稿：PIF 与 Aramco 已完成 HUMAIN 的交易——Aramco 以 99 亿沙特里亚尔（约 26 亿美元）取得 HUMAIN 49% 股权，PIF 保留 51% 控股权。三家（PIF、Aramco、HUMAIN）的共同目标是到 2030 年建成 3GW 的 AI 数据中心容量（Aramco 侧此前公开口径为 6GW 的算力与数据中心计划，两份公告的口径不同，见待核实区）。
该怎么读：这是「石油资本直接变成 AI 算力资本」的最直白一笔——Aramco 用上游现金流买下一个 AI 平台的近一半，PIF 保留控制权，双方把目标写在 2030 年 3GW 这个可核查的数字上。对算力供应链的意义：中东从「买卡的地方」变成「有主权 AI 平台股权的地方」，这会改变 GPU 分配谈判里的筹码结构。
来源：PIF 官方新闻稿（交易完成、49%／51%、SAR 99 亿、2030 年 3GW）· https://www.pif.gov.sa/en/news-and-insights/press-releases/2026/pif-and-aramco-close-humain-transaction-to-accelerate-humain-global-growth/ · 2026-11-01
4. 美国 DOJ 审查 NVIDIA 收购 Hugging Face：问的是「是否掌握 AI 的核心分发点」
Reuters 10-28 报道（中央社 10-29 中文转述）：司法部已就 NVIDIA 以 129.3 亿美元收购 Hugging Face 展开调查，评估该交易对 AI 竞争的影响。收购对价结构为约 119 亿美元给股东 + 约 10 亿美元员工留任激励，预计 2027 年上半年完成。NVIDIA 表态 HF 将保持独立运营、继续支持多家芯片与云厂商。
司法部的问询范围不止这一笔：涵盖 NVIDIA 的收购、投资、销售手法，以及是否向客户施压——核心指控方向是「以更紧缺的高端 GPU 配额为筹码，换取客户采购其网络设备乃至 Groq 处理器」。一并被纳入视野的还有 SchedMD（2025-12）、Groq（技术授权 + 雇工程师）、Run:ai。这项针对 NVIDIA 商业行为的反垄断调查始于拜登政府、延续至特朗普政府。司法部发言人拒绝对在办案件置评，仅重申「将继续优先推动超级智能发展」；NVIDIA 拒评，HF 未回应。
该怎么读：监管的落点不是「交易太大」，而是「结构性重叠」——一家同时握着训练/推理硬件的供给方和开源权重的分发枢纽。对开发者的实际问题很具体：模型下载会不会继续免费、竞品的 checkpoint 会不会被降权、榜单与 Spaces 会不会继续保持中立。这些都是承诺无法保证的。另一个容易被忽略的维度是地缘：相当一部分开放权重模型来自中国，一个美国公司持有的分发枢纽会给跨境模型共享增加新的摩擦点。
来源：Reuters 报道经中央社转述（129.3 亿美元、119 亿+10 亿结构、2027H1、问询范围与历史调查）· https://www.cna.com.tw/news/ait/202610290109.aspx · 2026-10-29 来源：Yahoo 財經（HF 平台规模：300 万+ 模型、50 万+ 数据集、1,800 万开发者、20 万企业）· https://hk.finance.yahoo.com/news/反壟斷-美國司法部據報正調查英偉達收購hugging-face交易-035906281.html · 2026-10-29
5. OpenAI 据报首次向 Google 采购 TPU：双方均未确认，但证据链已经很长
The Information 10-27、Bloomberg 10-28 各引一名知情人士报道：OpenAI 计划向 Google 采购 TPU，金额、数量、代次、交付时间、部署位置全部未披露；OpenAI 拒绝置评，Google 未确认。这条之所以值得写，是因为它周围的「已确认项」已经足够密：
| 时间 | 事项 | 状态 |
|---|---|---|
| 2025-06 | OpenAI 开始租用 Google TPU，称早期测试 | 已确认（Reuters） |
| 2026-04-29 | Pichai：将向选定客户在其自有数据中心交付 TPU | 已确认（Alphabet Q1 电话会） |
| 2026-10-20 | OpenAI 招聘「Software Engineer, TPU Compilers」 | 已确认（官方招聘页） |
| 2026-10-21 | OpenAI 前沿模型上 Google Cloud | 已确认 |
| 2026-10-28 | Google：近 100 家客户使用 TPU，点名 Anthropic、Apple；Oracle 2027 年起在云上提供 | 已确认 |
| 2026-10-27/28 | OpenAI 计划采购 TPU | 仅报道，无确认 |
需要纠正一个流传的说法：这不是 OpenAI 第一次离开 NVIDIA——此前已公布 AMD 6GW、Broadcom 定制芯片 10GW、Cerebras 750MW、Amazon Trainium 约 2GW 等安排（均为已公布安排或计划，不代表已交付使用）。所以正确的表述是：这会是供应商名单上再加一个，且是唯一同时是模型竞争对手的那一个。
该怎么读：对基础设施团队，信号不是「NVIDIA 要完了」，而是训练与推理的算力采购正从单一 GPU 生态转向多架构并行，随之而来的是编译器、算子库、调度层的跨架构适配成本——这正是 OpenAI 10-20 那条 TPU 编译器招聘的意义。Alphabet CFO 此前说过：TPU 销售协议的收入2026 年内只确认一小部分，大部分在 2027 年。所以即便交易坐实，短期也看不到财务影响。
来源：TechRadar（The Information 报道要点、TPU 商用化背景、自研芯片时间线）· https://www.techradar.com/pro/openai-pledges-to-buy-google-ai-chips-in-its-first-move-away-from-depending-solely-on-nvidia · 2026-11-01 来源：SmartCR（已确认项与未确认项的逐条分层、非 NVIDIA 供应商清单）· https://smartcr.org/ai-in-business/openai-may-buy-google-s-tpus-what-could-change-in-the-ai-chip-market · 2026-11-01 来源：Artificial Intelligence Max（「首次离开 NVIDIA」说法不成立的纠正）· https://artificialintelligencemax.com/ai-work/openai-and-google-tpus-a-reported-deal-with-no-confirmation-yet · 2026-11-01
四、论文与开源
1. Simple Features Beat Most AI Control Monitors：评测集把标签泄给了「文风」（arXiv:2610.41713）
AI control 的核心假设是：用一个 monitor 去抓「有能力但故意搞破坏」的模型。本文做的是把这套评测的地基撬开。作者在标准数据集上根本不运行代码，只用简单特征（代码风格 + 题目本身的统计特征）就能打赢 24 个开源模型 monitor 中的 20 个。原因有两个，都很朴素：
- 作者分布泄漏：honest 解是人写的、backdoor 是较老的模型生成的 → 代码风格本身就暴露了类别；
- 题目特征泄漏：能被 LLM 成功植入后门的题目，本身有可辨识的统计特征。
作者做了一次干净的对照实验：逐类替换成 Claude Sonnet 5 的代码。结果这些特征的效果上升了——人写代码 vs Sonnet 5 的后门分离度 0.95，而原始配对只有 0.79。这说明特征学到的是「两个作者之间的对比」，不是「后门这件事」。
另外两个数字更重要：标准测试集里每 7 个后门就有 1 个通不过有效性检查（这会扭曲攻击者之间的比较）；一个 Sonnet 5 monitor 看起来能抓 77% 老模型的后门，但抓 Sonnet 5 自己的只有 37%；两边都验证后变成 78% vs 61%。作者明确声明：没有证明已发表的 monitor 依赖这些捷径。
该怎么读：这篇的价值不在「monitor 都不行」，而在把评测的对照条件摆到台面上——当攻击者与防御者来自不同模型家族时，任何基于文风的分类器都会获得免费的优势，而这种优势在真实场景（同一个模型既写正常代码也写后门）里不存在。做 AI control 评测的团队，urgent 的动作是回查自己的数据集：honest 与 attack 是否来自不同作者／不同模型？如果是，之前所有「monitor 抓到 X%」的数字都要打折。
来源：arXiv 原始页（10-30 提交；作者 Shubhrangshu Debsarkar、Valmik Nahata）· https://arxiv.org/abs/2610.41713 · 2026-10-30
2. VLA Policies Do Not Know When Not to Act：空指令下六个 checkpoint 全部启动（arXiv:2610.41609）
一个机器人应该只在有人下指令、或它自己显式生成意图时才动作。本文问的是相反的情形：指令缺失或没有意义时，VLA 会怎么反应。方法很克制——在 LIBERO-Goal 仿真里，固定初始状态、只改指令，用空、中性、无意义、不可行、错任务五种指令测六个 checkpoint，问三个问题：会不会动、完成了哪个任务、指令决定了什么。
结果很硬：指令为空时，六个 checkpoint 在每一个 episode 里都开始移动；其中五个还经常完成了一个指令根本没指定的任务。在两个 GR00T checkpoint 上出现了一个更细的分裂：指令决定了执行哪个任务，但不决定是否开始移动——连「不可行指令」它们也动。作者随后测了三种抑制启动的方法（在指令前加「如果没有给定任务就不要动」、加一个 gate、以及其他方法）。
该怎么读：这篇戳的是 VLA 落地时最实际的一个安全问题——不是「做错」，而是「不该做的时候做了」。这类失败的代价在开放环境里远高于任务失败率这种指标所能反映的（机械臂在无人指令下移动，本身就是事故）。对做具身部署的团队，可操作的结论是：「是否启动」必须由 VLA 之外的独立 gate 决定，不能指望策略自身从指令里读出「不该动」——论文里那三种抑制方法的效果差异正好说明了这一点有多难。
来源：arXiv 原始页（10-30 提交；作者 Minsu Jang、Jae-Woo Choi、Youngwoo Yoon、Dohyung Kim）· https://arxiv.org/abs/2610.41609 · 2026-10-30
3. Cross-Interface Authorization：策略可以界面无关，但「授权」不行（arXiv:2610.41397）
computer-use agent 能走图形界面、命令行、API、脚本、MCP server。论文指出一个被普遍忽略的裂缝：一个策略决定可以是界面无关的，但它的可执行授权不是——换一条路径就能绕过中介、改掉某个安全相关的默认值、或是在授权时的状态已经变了之后才提交。
作者给出的方案是一个profile 限定的协议，用于固定的、带版本的部署：枚举带副作用的路径与持久 sink → 检查 path-to-sink 的强制切面 → 把每个具体请求归一化成规范 effect → 签发路由绑定的 prepare ticket → 提交时再校验一次路由、effect、grant、trace、profile、清单与权威状态 → 提交结果必须有一致的 sink 回执。在有明确假设的前提下，作者证明了六个性质：profile-bounded refinement、matched-effect 决定不变性、抗「换路洗白」与声明的跨界面重组、提交时状态安全、回执可追溯的结果。
参考 profile 登记了 12 个 effect family、5 个界面、60 条路由；两套结构不同的运行时映射各产生 3,464 条 trace、覆盖 1,732 个场景。
该怎么读：这是本期最工程化、也最容易被产品团队跳过的一篇。它说的是：「允许 agent 用这个工具」和「允许 agent 通过这条路径产生这个副作用」是两回事。今天大多数 agent 权限系统停在第一层（给工具白名单），而真实事故往往发生在第二层（同一个副作用有另一条路可以走到）。如果你在设计 agent 的权限模型，「路由绑定 + 提交时二次校验 + sink 回执」这三件事是可以直接抄的。
来源：arXiv 原始页（10-30 提交；作者 Genliang Zhu、Chu Wang）· https://arxiv.org/abs/2610.41397 · 2026-10-30
4. EvoMCP：让 agent 与训练数据互相进化（arXiv:2610.41479）
MCP agent 的 SFT 通常在静态数据分布上做，问题是它跟不上学生能力的变化，新暴露的弱点也得不到针对。本文提出一个 agent—数据互进化框架，闭环由三段组成：
- task evolution：从 rollout 反馈里评估学生已具备的能力与能力缺口，把这些缺口翻译成可执行任务——做法是改造已验证种子任务的指令与可观测环境状态，但保持 verifier 对齐（所以奖励信号仍然可信）；
- trajectory evolution：用可复用技能去挽救失败的 teacher rollout、并精修成功的那些，为演化出的任务提供可靠且高效的示范；
- 用产出的 task–trajectory 对微调学生，被接受的任务成为下一轮演化的种子；再重新评估更新后的学生，用它的反馈指导下一轮。
该怎么读：这条思路的要点不是「合成数据」，而是把 verifier 当作不变量锁死、只让任务变难。这解决了 self-play 类方法最常见的退化（任务变难的同时判分标准也在漂移，最后学到的是钻空子）。对自建 MCP agent 数据管线的团队，可迁移的是那两条约束：种子任务必须已验证、演化只动指令与环境状态不动 verifier。
来源：arXiv 原始页（10-30 提交；作者 Xuanang Gao、Kepeng Lin、Xinyan Shi、Yong Deng、Shuheng Shen、Changhua Meng、Xiaofeng Wu、Jie Yang、Wei Liu）· https://arxiv.org/abs/2610.41479 · 2026-10-30
5. Real Computation or Merely Naming：25 个「认知模块」里 18 个算完从不到达输出（arXiv:2610.41604）
本地 LLM 上的 agent 系统越来越爱用认知架构的词汇做卖点——global workspace、theory of mind、causal reasoning、active inference 被列成 feature，名字在，就被当成机制在。本文问的是更前置的问题：被命名的计算真的发生了吗。
作者给出的是一套可迁移的验证方法：四问静态审计协议 + 行号证据 + 调用链追踪。执行分三步：审计一个自称含 25 个认知机制的系统 → 为 11 个模块预注册可证伪预测并执行干预 → 在一个独立系统的 IIT-phi 核心上复现该协议（带自己预先声明的证伪标准）→ 再做两个修复实验作为阳性对照。
结果：25 个模块里有 18 个，算出来的值从未到达任何生产输出。作者归纳出三种在死代码与代码异味文献里都没有的「空转接线」形态：connected-but-never-called（连上了但从不被调用）、called-but-inert（被调用了但无作用）、called-but-content-blind（被调用了但不看内容）。12 次干预的 61 条冻结判据里，53 条被确认。
该怎么读：这篇的杀伤力在于「预注册 + 阳性对照」这套方法学。它让「你的模块是摆设」这个指控变得可复现、可反驳，而不是靠读代码吵架。三种空转形态也直接可用于自查：连上但从不调用（接线图骗人）、调用了但不生效（返回值被丢）、调用了但不看内容（把 0 或者空张量当输入跑通流程）。做 agent 框架的团队，值得拿这三条去扫一遍自己的「记忆」「反思」「规划」模块。
来源：arXiv 原始页（10-30 提交；作者 Peter Chen、Ni Zhang、Ying Xu、Siyuan Zhang）· https://arxiv.org/abs/2610.41604 · 2026-10-30
五、值得关注的趋势
1. 「默认值」正在成为 AI 治理的主战场，而责任正在被下推给调用方
本期最密集的信号全部落在配置项而非能力项上：xAI 把水印默认开到全球所有端点，还给团队管理员留了逐模型关闭的开关（关之前要自证法律例外）；Anthropic 把水印补到老模型，用户不能关，但两个 4.6 模型上一个 sampling 参数就能绕过；OpenAI 只把 EU 产品翻成默认；Google 的 Connected Apps 把「应用被模型选中」这件事写进了可被处罚的政策条款（不得用宽泛描述诱导选中）。
共同结构是：法律给出同一个义务，平台把「合规的技术实现」和「合规的责任归属」拆开，技术实现留在平台，责任归属推给调用方。这对开发者是一个新成本项——以前你只需要关心「这个模型能不能用」，现在要关心「这个模型默认给你的输出带什么标记、这些标记在你的下游能不能被接受」。我的判断：12-02 之后，凡是做 API 二次分发的产品，都会被要求在隐私政策或服务条款里回答「我们的输出是否带可检测标记」这一个问题；而这件事三家给出的答案不一样，意味着跨模型路由的产品会同时输出三种强度的信号。
2. LLM 被黑产纳入生产链，位置是「决策」而不是「生成」
两条独立证据在同一周出现：VOLTA 把「哪台机器值得继续挖」外包给 claude-opus-4.6（还带了两级 fallback）；Wiz 记录的攻击链把「验证 key 是否还有额度、值多少钱」交给了自动化流程，其中多家报告了「agent swarm」式的活动。二者共同点：LLM 承担的是分诊与排序，工程量最小、杠杆最大。
这带来一个防守侧的结构性变化：关键逻辑不在样本里。VOLTA 不含自有 C2、用完自删、决策在第三方 API 日志里——传统的「抓到样本 → 反推 C2 → 封域名」这条链在这里断了。反过来说，防御方第一次有了一个更好用的观测点：OpenRouter 这类聚合层的异常调用模式，比端点上的窃取行为更容易看见。
另一面是「密钥即现金」这件事被彻底坐实：一个月 9 家平台、两个 key 刷出 10 万美元、受害侧指标完全平静。我的判断：2026 年 Q4 到 2027 年 Q1，「AI key 的短时凭据化」会从最佳实践变成准入要求——静态 key 长期躺在环境变量里，等于把一张不记名预付卡贴在公网上。
3. 算力采购从「单一生态」走向「多架构并行」，而现金流开始成为约束
三条线同时指向这里：OpenAI 据报采购 Google TPU（其 TPU 编译器岗位 10-20 就在招）、Amazon Q3 自由现金流转负 423.6 亿且 2027 年 capex 还要显著增加、DeepSeek 二轮融资把国资比例从 2% 抬到 27% 且明确说扩募理由之一是「高端芯片涨价推高算力采购成本」。
对技术团队的可操作含义是：跨架构适配成本会成为 2027 年的一项显性预算。CUDA 之外，TPU（XLA/JAX）、Trainium（Neuron）、昇腾（CANN）各自的算子库与调度层都要有人维护；而这件事的上游是编译器岗位，不是算法岗位。对个人来说，判断一个 AI infra 岗位的长期价值，可以看它是否要求「至少两种加速器栈的落地经验」——这个要求在过去一年里从加分项变成了硬门槛。
六、有趣的 AI 开源项目
1. caru-ini/stack-diagram：一句话描述你的技术栈，出一张带官方 logo 的架构图
caru-ini/stack-diagram（MIT / Python / 519★ / 2026-11-01 创建，当天起就有人在用），是一个 agent skill：说「Diagram our stack: Next.js and a Hono API on Vercel. Postgres on Neon, auth with Clerk, payments with Stripe. GitHub Actions deploys.」，它输出一张上述拓扑的架构图，节点用各家官方 logo。装法 npx skills add caru-ini/stack-diagram，支持 Claude Code、Codex、Cursor 以及其他兼容 agent skills 协议的客户端；Claude 应用里可以上传 Releases 里的 stack-diagram.zip。
价值点不在「能画图」，在它把「画架构图」这个每次都要手工对齐、还总要改的活变成了可复现的一次调用，且仓库里给了多组示例（云服务、monorepo 工具链、AI 应用数据流），说明它做的不只是云厂商那一类。适合写 RFC、写文档、写本期这种「我得在文章里解释一个拓扑」的场景。
来源：GitHub · https://github.com/caru-ini/stack-diagram · 2026-11-01
2. Balanov/uncut：7 MB 静态二进制、四个工具、不做任何静默裁剪的编码 agent harness
Balanov/uncut（MIT / Go / 305★ / 2026-11-01 创建，当天 17:19Z 建仓、次日 00:34Z 仍在推）。自称「lossless, headless coding agent harness」：一个 7 MB 静态二进制、四个工具、纯 stdin/stdout、无 TUI、无遥测、无静默上下文裁剪。
它的设计选择几乎全是反主流：
- 每次模型调用都发送完整对话，文件内容与合并后的命令输出永不被 UNCUT 截断；
- 如果 provider 因为输出上限把回答截断，UNCUT 直接报错退出，而不是把半截答案当成功返回；
- 无插件系统、无后台 agent、无自动重试、无上下文压缩；
- 可恢复：可选 append-only JSONL 会话保全部消息与工具结果；
- 实现只有 837 行 Go，四个工具、一种 provider 协议、一个 agent loop；
- 兼容 OpenAI 兼容的 Chat Completions 端点，含本地服务。
为什么值得看：主流 harness 都在加压缩、加摘要、加滑动窗口（因为要省 token、要跑长任务），UNCUT 反过来赌「不可预测的静默裁剪是比 token 成本更大的风险」。这个立场对调试 agent 特别有用——你遇到的很多「agent 莫名忘了前面的要求」，实际来源就是 harness 悄悄改了上下文。把它装在 CI 或容器里跑基准，是目前少有的能拿到「无损基线」的办法。代价也很清楚：长任务 token 会爆，且没有自动重试意味着网络抖动都会让它失败。
来源：GitHub（README、BENCHMARKS.md、bench/README.md）· https://github.com/Balanov/uncut · 2026-11-01
3. dbreunig/nesformer：把一个 NES 的 CPU 编译进 Qwen3.5 的权重里
dbreunig/nesformer（266★ / Python / 2026-10-30 创建）。它做的事听起来像玩笑：NES 的 6502 CPU（2A03 的核心）、2 KB 工作内存、卡带 ROM 全部跑在一个标准 Qwen3_5ForCausalLM checkpoint 里。关键一句是「没有任何人训练这些权重；一个编译器算出了每一个」。你玩游戏时，模型逐个 token 预测 CPU 的执行日志；一个小宿主程序在周围扮演主机的其余部分——画图、读手柄、触发 vblank 中断。
技术上的核心复用了 Qwenputer（Divyansh Agrawal 的项目，此前把 CHIP-8 与 RISC-V CPU 编译进 Qwen3.5-4B）的编译器和一个关键技巧：模型的 Gated DeltaNet 状态就是这台机器的内存。自带的测试游戏里，每一帧输出都与常规 6502 模拟器的结果完全一致（仓库给了验证方法），示例包括《超级马力欧兄弟》1-1 与 Doug Fraker 的 Full Game。
为什么值得看：这是「Transformer 可以执行算法」这条线上最直观的一次演示，而且它绕开了「训练」这个不可解释的环节——权重是编译产物，所以行为可以逐位核对。对理解 SSM／线性注意力状态到底能承载什么，比读十篇论文都直接。顺带一个提醒：仓库 license 为 NOASSERTION，商用前需自行确认。
来源：GitHub（README、examples、How it was checked 一节）· https://github.com/dbreunig/nesformer · 2026-10-30
⚠️ 待核实
| 事项 | 现状 | 判断 |
|---|---|---|
| DeepSeek 二轮 1,055 亿元／投后 6,155 亿元 | The Information 引知情人士；近 30 家投资方名单来自媒体转述；DeepSeek 与所有投资方均未公告、未回应 | 数字按「媒体口径」收录，正文已标注。国资 27%、运营商首次参投两项同样未经当事方确认 |
| OpenAI 采购 Google TPU | The Information 10-27、Bloomberg 10-28 各引一名知情人士；OpenAI 拒评、Google 未确认；金额/数量/代次/交付/部署位置全无 | 按「报道」收录，未写成事实。周围可确认项已单列成表 |
| Aramco × HUMAIN 容量口径 | PIF 11-01 新闻稿写「2030 年 3GW」；Aramco 侧此前公开口径为 6GW 算力与数据中心计划 | 正文采用 PIF 稿的 3GW；两口径的关系（是否包含或递进）未见官方说明 |
| VOLTA 的模型配置 | claude-opus-4.6 / kimi-k2 / gemini-2.5-flash、temperature 0.2 均来自研究者对样本网络请求与配置的读取 |
属 Talos 一手分析，但非 Anthropic／OpenAI 确认；正文按「研究者读到」表述 |
| Railway 加密资产被盗 37.1 万美元 | 社交媒体称约 37.1 万美元加密货币经 Railway 上存储的密钥被转走 | 未经独立确认，正文仅一句带过并标注 |
| Northflank 事件根因与影响面 | 官方状态页未披露入口、受影响客户数、根因；调查进行中 | 正文只写已披露的时间线与已采取的措施 |
| Amazon 财报数据来源 | ir.aboutamazon.com 在本环境不可直接抓取，数据按 iThome、中国证券网、东吴证券研报三源交叉核对 |
关键数字（459.84 亿、177.73 亿、5,780 亿、758.8 亿、−423.6 亿）三源一致；盘后跌幅各源记 7.3%–10%+，故正文写区间 |
| SenseNova-Loop 的「14.6B 推理参数」 | README 表格写 ~9B total parameters; ~14.6B inference parameters |
官方未解释两者关系（推测为循环展开后的等效口径），正文按原文引用并注明 |
| Claude 水印绕过条件 | 仅 Opus 4.6 与 Sonnet 4.6 有「sampling 参数须为默认」的附注；Mythos 5 与 Opus 4.7 无此附注 | 来自 The Decoder 对客户邮件的报道，Anthropic 公开帮助页未载明此附注 |
本期淘汰记录
| 类型 | 条数 | 明细 |
|---|---|---|
| 脚本判 DUP（第二轮） | 3 | SGLang 提交批次（URL 完全相等，11-01 期已收录，本轮只写 11-01T14:21Z 之后的增量）；OpenAI GPT-6.1 Terra（10-27 已收录，无新增量）；Anthropic 订阅 Max/Ultra 改版（11-01 期已详述，不重复） |
| REVIEW 复核后淘汰 | 6 | 五大巨头 3 万亿（11-01 期已写，无增量）；Apple 智能国行接千问（10-31 已写官宣，11-04 才开测，窗口内无新事实）；Gemini 4 Carbon（10-29 已详述，无增量）；Mistral Large 4 权重（10-30 已写完整架构，无增量）；可灵 AI 交割（11-01 期已写，无增量）；IETF AIPREF 训练偏好信号草案（10-31 已随 OpenAI robots.txt 承诺写过，本轮为个人草案 -00 版，无实质进展） |
| 语义兜底淘汰 | 3 | 「Qwen3.8-27B 于 11-01 开源」——实为错误流传，该模型 8 月中旬已发布，多篇教程站把旧文重包装成新发布；「GLM 5.2 融资 7,440 亿」——仅见周报类聚合，无可回溯一手源；「llama.cpp 单日八版」——经 GitHub API 逐 tag 核验，b12025/b12026 不存在，实为六版（已在正文与可信度提示中更正） |
| 合并处理 | 2 组 | llama.cpp b12027–b12032 六个 tag 合成 1 条；SGLang 与 vLLM 各自的 35+ 与 25+ 提交按主线择要合成 2 条 |
| 元反思（不计入淘汰） | 1 | METR 2025-07「AI 让开发者慢 19%」在 2026-02 已被其自身标记过时，本期检索中仍被多处中文聚合站当新研究引用，一律不采 |
token 账：全量索引 149,336 字符 ≈ 55,310 token → 预筛后需读 25,299 字符 ≈ 9,370 token（未截断 34,799 字符），压缩 5.9×；其中 15 条 NEW 无需读索引。第一轮 37 条候选（多为二手线索）→ 第二轮 38 条（一手 URL 替换），以第二轮定稿。
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 | Output Watermarking（默认 11-07 起） | xAI Docs | https://docs.x.ai/developers/advanced-api-usage/watermarking | 2026-10-31 | 2026-10-31 |
| 2 | 一 | Claude 水印扩至四款老模型（11-03 生效） | MACCUS（转 The Decoder） | https://maccus.fr/en/claude-text-watermark | 2026-11-01 | 2026-10-31 |
| 3 | 一 | Content labeling（16 模型水印/C2PA 表格） | Anthropic Help Center | https://support.claude.com/en/articles/content-labeling | 2026-10-28 更新 | 2026-10-31 |
| 4 | 一 | Understanding ChatGPT and Codex usage limits | OpenAI Help Center | https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits | 2026-10-31 | 2026-10-31 |
| 5 | 一 | ChatGPT 与 Codex 12 月合池（含 Tibor Blaho 结账页发现） | 腾讯新闻／新智元 | https://news.qq.com/rain/a/20261101A05M0700 | 2026-11-01 | 2026-11-01 |
| 6 | 一 | OpenAI 宣布 ChatGPT 与 Codex 共享额度 | 中新经纬 | https://m.chinanews.com/wap/detail/cht/zw/jw695074.shtml | 2026-11-01 | 2026-11-01 |
| 7 | 一 | SenseNova-Loop-9B-Preview 仓库与 README | OpenSenseNova／GitHub | https://github.com/OpenSenseNova/SenseNova-Loop | 2026-10-30 | 2026-11-02 查询 |
| 8 | 一 | SenseNova-Loop-9B-Preview 权重 | Hugging Face | https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview | 2026-10-30 | 2026-10-30 |
| 9 | 一 | Google opens Connected Apps preview for AI Mode & Gemini | Search Engine Journal | https://www.searchenginejournal.com/google-connected-apps-preview-ai-mode-gemini/595268/ | 2026-11-01 | 2026-11-01 |
| 10 | 一 | 如何提交 MCP server 到 Gemini 与 Search | Alpic AI | https://alpic.ai/blog/submit-mcp-app-gemini-google-search | 2026-11-01 | 2026-11-01 |
| 11 | 一 | Jules Turndown（11-11 只读、12-31 关停） | Jules Changelog | https://jules.google/docs/changelog/2026-10-29 | 2026-10-29 | 2026-10-29 |
| 12 | 一 | Google 关停 Jules，能力并入 Antigravity | Times of AI | https://www.timesofai.com/news/google-jules-antigravity | 2026-10-30 | 2026-10-29 |
| 13 | 一 | Antigravity 上线 Plugin Marketplace | nvdium | https://nvdium.com/en/articles/459700785 | 2026-10-30 | 2026-10-29 |
| 14 | 二 | Northflank 事件与 Black October（9 家名单） | BreachNews（转 Wiz 报告） | https://breachnews.com/cyber-attacks/northflank-breach-wiz-black-october-ai-developer-platforms | 2026-10-31 | 2026-10-31 |
| 15 | 二 | Northflank 事件状态页 | Northflank Status | https://status.northflank.com/incident/cmvv0rn5a092f14rutwccodpp | 2026-10-30 | 2026-11-01 |
| 16 | 二 | Northflank 事故：先轮换哪些密钥 | Brandefense | https://brandefense.io/security-news/northflank-security-incident-rotate-secrets | 2026-11-01 | 2026-11-01 |
| 17 | 二 | Appraisal by AI: victim prioritization in VOLTA | Cisco Talos | https://blog.talosintelligence.com/appraisal-by-ai-model-driven-victim-prioritization-in-the-volta-infostealer/ | 2026-10-31 | 2026-10-31 |
| 18 | 二 | Do the Math: How We Took Over ChatGPT Accounts | Parameter Labs | https://www.parameter.ai/labs/we-found-a-gap-at-openai | 2026-10-28 | 2026-10-26 修复 |
| 19 | 二 | llama.cpp b12027–b12032 | GitHub Releases | https://github.com/ggml-org/llama.cpp/releases/tag/b12032 | 2026-11-01 | 2026-11-01T09:00Z |
| 20 | 二 | SGLang 提交历史 | GitHub | https://github.com/sgl-project/sglang/commits/main | 2026-11-02 查询 | 2026-11-02T03:44Z |
| 21 | 二 | vLLM 提交历史 | GitHub | https://github.com/vllm-project/vllm/commits/main | 2026-11-02 查询 | 2026-11-02T03:27Z |
| 22 | 三 | Amazon Q3 2026 财报新闻稿 | Amazon IR | https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon.com-Announces-Third-Quarter-Results/ | 2026-10-29 | 2026-09-30 |
| 23 | 三 | AWS 营收成长 39%，营业利益率创历史新高 | iThome | https://www.ithome.com.tw/node/180100 | 2026-10-30 | 2026-09-30 |
| 24 | 三 | 亚马逊营业利润率创新高，盘后大跌 | 中国证券网 | https://www.cnstock.com/commonDetail/820319 | 2026-10-30 | 2026-09-30 |
| 25 | 三 | Amazon 2026Q3 业绩梳理（backlog/capex/FCF） | 东吴证券经腾讯新闻 | https://news.qq.com/rain/a/20261030A0329900 | 2026-10-30 | 2026-09-30 |
| 26 | 三 | DeepSeek 融资 1055 亿、投后 6155 亿 | 芯智讯（转 The Information） | https://www.toutiao.com/article/7703071149005783571/ | 2026-11-01 | 2026-10-30 |
| 27 | 三 | AI 周报：iPhone 国行 AI 与 DeepSeek 千亿融资细节 | 第一财经 | https://www.toutiao.com/article/7703011283091702299/ | 2026-11-01 | 2026-10-31 |
| 28 | 三 | 1055 亿投向国内 AI 巨头（国资占比 27%） | 同花顺财经 | https://m.10jqka.com.cn/20261102/c681331188.shtml | 2026-11-02 | 2026-10-30 |
| 29 | 三 | PIF 与 Aramco 完成 HUMAIN 交易 | PIF 官网 | https://www.pif.gov.sa/en/news-and-insights/press-releases/2026/pif-and-aramco-close-humain-transaction-to-accelerate-humain-global-growth/ | 2026-11-01 | 2026-11-01 |
| 30 | 三 | 路透：辉达逾 4 千亿併 Hugging Face 面临反垄断调查 | 中央社 | https://www.cna.com.tw/news/ait/202610290109.aspx | 2026-10-29 | 2026-10-28 |
| 31 | 三 | 美国司法部正调查英伟达收购 Hugging Face | Yahoo 財經 | https://hk.finance.yahoo.com/news/反壟斷-美國司法部據報正調查英偉達收購hugging-face交易-035906281.html | 2026-10-29 | 2026-10-28 |
| 32 | 三 | OpenAI pledges to buy Google AI chips | TechRadar | https://www.techradar.com/pro/openai-pledges-to-buy-google-ai-chips-in-its-first-move-away-from-depending-solely-on-nvidia | 2026-11-01 | 2026-10-31 |
| 33 | 三 | OpenAI and Google's TPUs: what we actually know | SmartCR | https://smartcr.org/ai-in-business/openai-may-buy-google-s-tpus-what-could-change-in-the-ai-chip-market | 2026-11-01 | 2026-11-01 |
| 34 | 三 | A reported deal with no confirmation yet | Artificial Intelligence Max | https://artificialintelligencemax.com/ai-work/openai-and-google-tpus-a-reported-deal-with-no-confirmation-yet | 2026-11-01 | 2026-11-01 |
| 35 | 四 | Simple Features Beat Most AI Control Monitors | arXiv | https://arxiv.org/abs/2610.41713 | 2026-10-30 | 2026-10-30 |
| 36 | 四 | VLA Policies Do Not Know When Not to Act | arXiv | https://arxiv.org/abs/2610.41609 | 2026-10-30 | 2026-10-30 |
| 37 | 四 | Cross-Interface Authorization for Computer-Use Agents | arXiv | https://arxiv.org/abs/2610.41397 | 2026-10-30 | 2026-10-30 |
| 38 | 四 | EvoMCP: Co-evolving MCP agents and training data | arXiv | https://arxiv.org/abs/2610.41479 | 2026-10-30 | 2026-10-30 |
| 39 | 四 | Real Computation or Merely Naming? | arXiv | https://arxiv.org/abs/2610.41604 | 2026-10-30 | 2026-10-30 |
| 40 | 六 | caru-ini/stack-diagram | GitHub | https://github.com/caru-ini/stack-diagram | 2026-11-01 | 2026-11-02 查询（519★） |
| 41 | 六 | Balanov/uncut | GitHub | https://github.com/Balanov/uncut | 2026-11-01 | 2026-11-02 查询（305★） |
| 42 | 六 | dbreunig/nesformer | GitHub | https://github.com/dbreunig/nesformer | 2026-10-30 | 2026-11-02 查询（266★） |
引用提醒：本期所有「厂商自测」标注项（SenseNova-Loop 八项基准、Amazon Bedrock token 倍数、Anthropic 水印「不改变质量」）均无第三方独立复现；所有「据报／据知情人士」项（DeepSeek 融资、OpenAI 采购 TPU、Railway 加密损失）均未获当事方确认，引用时请保留限定语。本期窗口内 arXiv 只在 10-30 有提交批次（10-31、11-01 为周末），故论文节全部为 10-30 提交的稿件。