AI 无涯日报 · 2026 年 10 月 18 日

每日全球 AI 趋势速递，五分钟掌握前沿动态。

🚨 头条

1. DeepSeek 发布 V4.1-Flash-1017：更强、更快、输出更短，逼近 GPT-5.6

10 月 17 日晚间，DeepSeek 通过官方 X 账号发布模型更新 V4.1-Flash-1017，官网、App 与 Flash API 全部同步切换至新版本。官方给出的卖点是「更强的基准表现、更快的任务完成速度和更短的输出」。相比此前的 V4.1，新模型在多项基准上大幅跃升：DeepSWE v1.1 达 77.0、Terminal-Bench 4.0 达 42.3、无工具 HLE 达 42.6、ProgramBench 29.1、NL2Repo-Bench 68.2、Automation-Bench 60.5、Apex Bench v1.1 达 72.1，图表推理 Chartography（带工具）83.0、BabyVision（带工具）92.5、ZeroBench-main（带工具）51.0。官方演示主打「一键编码」——从零构建完整项目，被评价为「正在逼近 GPT-5.6」。模型权重以 MIT 许可证同步发布在 Hugging Face（552B 主干 MoE、支持百万 token 上下文），延续了 DeepSeek 每次迭代都同步开源的传统。彭博社评论称，这是中国 AI 公司对硅谷对手 Anthropic 与 OpenAI 及国内 Kimi、智谱等竞争对手的最新一轮施压。

来源：DeepSeek / Bloomberg / OpenRouter

2. Anthropic IPO 估值博弈：投资者讨论 1.5 万亿美元，Q3 营收 168 亿美元但增速放缓

路透社 10 月 15 日报道：在旧金山投资者日活动后，部分现有与潜在 IPO 投资者开始讨论约 1.5 万亿美元的估值，低于此前为 11 月上市预期的约 2 万亿美元。需要澄清的是，这并非公司主动降价——Anthropic 在投资者日披露 Q3 营收 168 亿美元、环比增长 45%，且首次实现调整后盈利；真正让投资人犹豫的是增速曲线：Q1→Q2 营收环比暴增 147%，而 Q2→Q3 骤降至 45%。此外，Fortune 引述早期投资人预测，上市后市值有望冲到 2.4 万亿美元、超越 SpaceX 创纪录；也有空头机构（New Constructs）给出低至 1440 亿美元的估值底线。一边是「史上最大科技 IPO」的期待，一边是市场对 AI 估值泡沫的重新审视——11 月的定价将成为整个 AI 板块的风向标。

来源：Reuters / Fortune / FinanceFeeds

3. Anthropic 联合创始人 Jack Clark：AI 或让美国 GDP 到 2030 年增加近 50%

Anthropic 联合创始人 Jack Clark 周六在曼谷举行的 IMF 与世行年会上向数百名政府与金融官员发出「清醒警告」：公司内部模型预测，在特定条件下 AI 有望在 2030 年前将美国经济产出提升近 50%——从当前的约 30 万亿美元增至约 44 万亿美元。「我知道这听起来非常离谱，」他说。但他强调 AI 正在极大加速科学发现，未来几年不仅是 AI、而是整个科学界的进步节奏都会加快，「这会让人感到困惑和迷失方向，也将带来巨大财富与潜在风险」。Clark 呼吁为变革性技术制定「不同寻常且严肃的规则」，并警告政策制定者采取行动的窗口正在缩小，越来越多的证据指向 AI 发展速度超出人类控制的「奇点」。

来源：CNBC

🏭 模型发布

4. 腾讯混元开源 Hy Memory 2.0：模型、框架、应用三层全开源，记忆专用模型跑赢 Opus 5

10 月 16 日，腾讯混元发布智能体记忆框架 Hy Memory 2.0，将模型层（Hy-Memory-30B-A3B）、框架层（Hy-Memory）与应用层（MemHub）三层全部开源，可独立使用也可组合成完整记忆方案。这是业界首个提出「工作记忆」与「代码记忆」的记忆框架，覆盖聊天、工作、代码三类场景：聊天记忆在 LoCoMo 上准确率 72.6%，工作记忆在 MemoryArena 上平均分 55.31%，代码记忆在 CodeMemoryBench 上问答准确率 64.2%、任务解决率 35.6%。四套记忆系统（LoCoMo、LongMemEval、PersonaMem v2 等）宏观平均得分 55.49，超过 Claude Opus 5 的 54.62 与 DeepSeek V4.1 Flash 的 53.64；相比 Mem0、MemOS、EverOS 等开源框架，在 4 个 benchmark 上均为第一，且存储占用更小。应用层 MemHub 支持 10 种 AI 工具共享一份个人记忆（WorkBuddy、Cursor、Codex、Claude Code、OpenCode、Qwen Code、Hermes、DeepSeek Harness 等），提供 CLI 与 Mac App。Hy-Memory 已在腾讯自选股等业务落地：多跳召回提升 40 个百分点，综合得分提升 23.8%。相关论文（arXiv 2610.22196）已公开。

来源：腾讯混元 / IT之家

5. Meta 发布美国最强开源模型 Muse Spark Open：816B 参数，专为 Mac 本地运行设计

Meta 周四（10 月 15 日）发布 Muse Spark Open，自称美国最强大的开源权重模型：8160 亿参数、100 万 token 上下文窗口，原生多模态，面向复杂编码与智能体任务设计，且在自家评测中表现优于其他主流开源模型。最大特点是「为 Mac 而生」——设计上支持在 Apple 电脑本地运行，不过想本地跑起来需要至少 1TB 内存（参考 Engadget 实测）。Meta 将其与 AI 编码终端 Muse Code 搭配，已部署到多个智能体工作流中，例如为 Mastodon 客户端完成「bug 修复、新功能与完整构建」的编码任务。这是 Meta 继上周发布首个前沿模型 Muse Wonder 之后，在开源与端侧方向上的又一次布局。

来源：TechCrunch / Engadget

🏢 行业动态

6. AI 债务担忧冲击华尔街：纳指单日大跌 573 点，CoreWeave 一周跌 24%

10 月 16 日（周五）美股大幅回调：纳斯达克综合指数暴跌 573 点（-2.1%）收于 26,140，创 6 月以来最差单周表现；标普 500 跌 1.1%，道指跌 0.3%。导火索是投资者对 AI 行业巨额举债的担忧——为支撑数据中心建设，CoreWeave 等「新云」公司大量依赖债务与股权融资而非现金流，其股价周五再跌近 12%、全周累计下跌约 24%；半导体板块同步承压：美光跌 5.6%、AMD 跌 6%、博通跌 4.5%、英特尔跌 5.8%。叠加 Anthropic 11 月 IPO 估值讨论（见头条），市场开始认真审视「AI 资本开支 vs 现金流」的账本。Vital Knowledge 分析师指出，市场最大的不确定性之一正是这些靠举债扩张的 AI 基建公司能否持续获得融资。

来源：CBS News / Reuters

7. 黄仁勋欧洲行：AI 终将席卷每一家公司，过去一年已在欧洲投资 80 亿美元

英伟达 CEO 黄仁勋本周到访斯德哥尔摩，在活动中向欧洲发出呼吁：「每家公司最终都会成为 AI 公司，每个行业最终都会受到 AI 影响。」他强调欧洲需要构建完整的 AI 技术栈——从数据中心到聊天机器人等应用层面，而不只是单点突破。黄仁勋向法新社透露：过去一年英伟达已在欧洲投资 80 亿美元，另有数十亿美元在途，重点押注英国数据中心与 AI 云提供商 Nscale、荷兰云服务商 Nebius 等「能托起整个欧洲生态」的高质量公司。下周他将在柏林出席英伟达主办的会议，欧洲 AI 基建有望成为新一轮投资焦点。

来源：AFP / IOL

8. Meta 删除引发「抓取训练」争议的条款措辞——但抓取行为本身并未改变

Meta 本周更新商业条款，移除了此前引发担忧的措辞——原条款可能被解读为允许 Meta 抓取网站内容用于 AI 训练。但正如 TechCrunch 标题所点破的：删掉的是语言，不是行为。Nieman Lab 引述法律专家分析称，新条款依然可能允许抓取新闻网站内容，是否可用于 AI 训练仍取决于未决的合理使用法律问题；目前出版商与 AI 开发商之间的多起诉讼正在联邦法院推进，包括此前特朗普政府表态「纽约时报胜诉将威胁国家安全」的 OpenAI 版权案。在 AI 训练数据合法性悬而未决之际，巨头们选择先收紧措辞、再等法院给答案。

来源：TechCrunch / Nieman Lab

🔬 研究精选

9. 英伟达、哈佛等提出 Hydra-0：用「动作流」统一世界建模与控制，运动误差降低 90.4%

英伟达、哈佛大学等联合团队提出 Hydra-0——一种以「动作流」（Action Flow）为条件的通用世界模型，将机器人动作表示为像素运动，让世界模型学会预测「做出一个动作后，现实世界会发生什么」。实验显示，最佳配置下相比以动作向量为条件的基线模型，Hydra-0 将机器人运动误差降低 90.4%、物体运动误差降低 60.2%，并支持零样本组合与数据高效迁移；在 RoboLab 基准上，其对重放实验成功率的预测与真实结果 Pearson 相关系数达 0.96。研究团队汇集了 7 个数据源、多机器人本体的交互语料进行训练，证明动作流可以成为跨越机器人本体、任务、环境乃至视频生成骨干网络的通用世界建模接口，还能反向用于世界动作模型——从人类示范中反推可执行的机器人动作。论文已以预印本形式发布（arXiv 2608.18077）。不过研究也坦承：当前仍存在厘米级抓取误差，对深度与接触状态的理解有限。

来源：arXiv / 二趣网

本文内容综合自多家媒体报道。