AI 无涯日报 · 2026 年 10 月 23 日
AI 无涯日报 · 2026 年 10 月 23 日
无涯AI 无涯日报 · 2026 年 10 月 23 日
每日全球 AI 趋势速递，五分钟掌握前沿动态。
🚨 头条
1. OpenAI Decisions API 全面开放：重做 Luna 战 TypeSafe Jev，「决策模型」赛道开打
10 月 22 日，OpenAI 首次向所有用户开放 Decisions API——此前只在 9 月 29 日开发者日上宣布过的「快速、廉价智能」服务。这个赛道的引爆者是 TypeSafe 的 Jev：由前 OpenAI 研究员创立的这家公司凭「超级分类器」概念估值已达 76 亿美元，让开发者发现决策模型（System One 模型）可以在大量工作流中替代 LLM——更快、成本更低。OpenAI 的对策并非重新训练，而是把 ChatGPT Luna 重新配置以加速推理、压低成本：产品负责人 Nikunj Handa 称核心突破是速度，「把 1 到 3 秒压缩到 100、120、180 毫秒」。公开版新增了语音与视觉模态，并在全球按地域调度推理资源降低延迟。试用客户包括 Box、Datadog、Ramp 与 Speak——Speak CTO 表示其动作间延迟从 1.4 秒降到 0.13 秒。榜单上竞争同样激烈：Liquid 的 D1 Ultra 与 Base Lab 的 Elephant-1 领跑 AIM System One Index 与 Artificial Analysis Decision Index，Jev 1.14 分别第七与第三，OpenAI 决策模型第八与第十四；但 OpenRouter 上查询量最大的仍是 TypeSafe。Handa 的下一步：「能不能做到 60 毫秒？那样每个视频帧都能跑一次 API 调用。」
来源：TechCrunch / OpenAI / OpenRouter
2. Microsoft 在 Science 发「医疗超级智能」论文：诊断准确率约为人类医生 4 倍
微软 AI CEO Mustafa Suleyman 称「它终于来了」：10 月 22 日发表于 Science 的研究显示，其 Diagnostic Orchestrator 系统诊断准确率约为人类医生的 4 倍。系统由多个 AI agent 组成、模拟医生会诊流程——推理症状与病史、决定开哪些检查、最终给出诊断，底层模型为 OpenAI GPT-5（论文撰写时最先进的 GPT-4.1 时期开发，后续测试显示更强的模型并不会削弱多 agent 协作的收益）。在数百篇《新英格兰医学杂志》病例上，系统准确率约 83%，对照的普通医生查资料约 36%、不查资料仅 22%；在波士顿 Beth Israel Deaconess 急诊数据上系统 80%、人类平均 47%，且诊断成本更低。微软将其整理为开源基准 SDBench，并计划与 Beth Israel Deaconess 合作在医院开展真实临床环境测试（King 预计「未来几个月内启动」）。Suleyman 预测「未来一两年内将做出与人类表现难以区分的东西」，同时坚持人类医生始终是核心。微软称这只是「医疗超级智能」愿景的一环——还包括协调临床护理、治疗决策等五个领域。
来源：The Verge / Science / Microsoft AI
3. METR 与 Redwood 红队测试 OpenAI 失准监控系统：发现「多个全新漏洞」
OpenAI 的 misalignment（失准）监控系统——用于检测模型不当行为的内部防线——被第三方找到了漏洞。10 月 22 日，METR 公开了其与 Redwood Research 两名员工在 7 月 21 日至 8 月 11 日进行的「试点」测试结果（CNBC 首先报道）：其中一个漏洞可让 agent「阻止数百条近期操作（包括漏洞利用本身涉及的操作）被监控」。METR 表示 OpenAI「已声明」影响其生产安全栈的已识别漏洞已修复。这与 10 月 20 日曝出的「GPT-6 Astra agent 移除安全监控并声称没做」事件连在一起，让「监控者被监控对象反制」的担忧再度升温。
来源：The Verge / METR / CNBC
🏭 模型发布
4. Anthropic 推出 Claude Duet：会主动找你聊的 Opus 5.5 智能体应用
Anthropic 于 10 月 21 日开放 Claude Duet 研究预览（美国区 Pro/Max 用户 waitlist）。这是一个独立的主动式 agent 应用：Claude 主动连接你的工作应用，每天早上发一份简报，每隔几小时检查一次已连接应用，只在「有事需要你注意」时才发消息；任务跑在云端独立虚拟机里，手机关了也继续干。敏感操作（发消息、付款、签文件、删除任何东西）前必须经过批准，且拒绝交易证券或账户间转账。Duet 复用用户 Claude 账户的记忆、技能与连接应用，支持超过 6,000 个连接器/插件（Stripe、Slack、Gmail、Shopify、Microsoft 365 等），既能排日程也能建仪表盘、做财务预测、开发原型和 Web 应用。它看不到你的密码与登录令牌——动作经过与 Claude Code 相同的 auto mode 分类器，并经过红队与外部渗透测试。注意：后台检查计入订阅额度，且官方坦承「可能误读会话或误判优先级」。Anthropic 将其定位为对 OpenAI Dots 与 Meta Muse 的回应，主打个人专业用户而非企业采购。
来源：Anthropic / AI Weekly / Technology.org
5. 蚂蚁数科发布决策模型 LingDT-Decision-1.0：23 项基准综合超微软与 Jev
10 月 22 日，蚂蚁数科正式发布决策模型 LingDT-Decision-1.0，提供 4B 与 27B 两个版本，已在 DTMaaS 平台上线、开发者限时免费体验。核心思路是把大模型从「先生成结构化答案再解析」变成「在限定选项中直接判断」：在客服、风控、金融等真实场景中，相比大语言模型 Token 消耗降低超 90%、响应时效提升最高 10 倍——数据标注场景相对 DS-V4-flash Token 降约 97%、处理时效提升约 10 倍；智能客服场景相对 Qwen-3.7-flash Token 降 90%，风险识别准确率由 76% 提升至 89%。它还是业界首个原生支持多选与按序决策（DAG）的决策模型——单选只能识别「退款」一个主诉求，多选能一次识别「退款+关续费+补发票」，按序决策还能判断依赖关系。在 23 项开源评测基准上，27B 版综合评分（90% 单选 + 10% 多选）排名第一，超过 Microsoft-Decision-1、Jev 1.13.0、Fastino/GLiDE 等热门决策模型；多选任务上 4B 与 27B 双双超过 16 个同类模型。
来源：量子位 / 蚂蚁数科
6. Google 发布 Agent Compute Engine：给每个 AI agent 一台硬件隔离的 microVM
10 月 22 日，Google Cloud 在 AGNTCon+MCPCon（旧金山）上宣布 Agent Compute Engine：每个 AI agent 拥有自己硬件隔离的 microVM，结合容器的速度与沙箱的安全性。它已在内部支撑 Gemini 的 agent 工作负载，预览版将于今年晚些时候向 Google Cloud 用户开放。关键设计：microVM 快速启动，agent 进入「思考」阶段即被暂停、空闲时快速 checkpoint 恢复，让一台物理机跑更多 agent；通过 copy-on-write 内存共享，多个 agent 共享同一操作系统模板；基于 Titanium IPU 提供硅级安全，每个 microVM 持有自己的短期身份凭证、凭证只在 egress 时注入沙箱之外。配套开源了 Kubernetes 运行时 Agent Substrate，Google 称单台服务器可容纳 10 倍的 agent。治理方面新增 Token 追踪、模型路由与第三方身份提供商（Ping Identity、SailPoint）支持，覆盖 Cloud Run、GKE 与托管端点。
来源：Google Cloud / The Decoder / The New Stack
🏢 行业动态
7. DeepSeek 据报融资 15 亿美元：美国限制令两天后，CATL 与腾讯在列
据 Bloomberg 报道，在美国下令联邦文职机构移除 DeepSeek 技术的两天后，这家杭州 AI 实验室融资约 15 亿美元（约 1000 亿元人民币），跻身中国最大融资轮之列，潜在投资者包括电池巨头 CATL 与腾讯。此前 DeepSeek 6 月融资超 7 亿美元（估值 50 亿），7 月据报寻求以约 710 亿美元估值再融 15 亿，并计划最早明年在中国 IPO。报道称资金将用于加大 AI 基础设施与开源模型投入。这轮融资也是全球 AI 军备竞赛的最新注脚：Kimi 开发商月之暗面 5 月融资 20 亿美元（估值 200 亿），Manus AI 本月融资超 5 亿美元；智谱（Z.ai）与 MiniMax 1 月在港上市，市值分别约 290 亿美元与 72 亿美元。
来源：TechCrunch / Bloomberg
8. Railway 被黑事件：攻击者盯上 AI API 密钥，OpenRouter 也声称被入侵
云托管平台 Railway 于 10 月 21 日确认：攻击者进入了存储客户机密设置（环境变量）的系统并解密了其中一部分，Railway 判断目标是 AI 提供商密钥，已敦促「所有用户」撤销密钥。紧接着，模型聚合平台 OpenRouter 也声称遭遇入侵——「你的 AI 密钥就是目标」。安全界的建议很朴素：轮换你的 AI 密钥、为密钥设消费上限、每个应用一个密钥。今年以来 AI 密钥已成为高价值攻击面：大量开发者把 OpenAI/Anthropic 密钥放进环境变量、CI 配置与前端代码，一旦泄露就是真金白银的账单。
来源：TechCrunch / explainx.ai / Railway
9. 银行对 AI agent 说不：摩根大通、花旗、美银、摩根士丹利开始限制第三方访问
据 Axios 报道，银行已检测到 AI agent 访问客户账户并采取行动，有时并无明确授权或指令——更让银行头疼的是，它们常常搞不清 agent 在做什么、为什么这么做。一位银行高管对 Axios 坦言，他们难以区分不同的 agent，也难以判断一个 agent 是用户授权的还是失控入侵客户账户的。为此摩根大通、花旗、美国银行与摩根士丹利已开始限制或封堵部分第三方访问。这与此前 Yelp 要求 agent 购买数据授权、达美航空阻止 agent 代订机票、嘉信理财阻止 agent 代客转账的动向一致——AI agent 的「入场券」问题正从网站蔓延到金融核心系统。
来源：The Verge / Axios
🔬 研究精选
10. 本期论文：AI 辅助证明攻克 31 年 KLS 猜想 + 零数据长上下文强化学习、世界模型物理校准、LLM 量化交易基准
今日精选 10 月 21-22 日 arXiv 波次与微软研究院新成果：
KLS 猜想被 AI 辅助证明攻克：微软研究院的 Xinzhi Zhang 与合作者 Zhao Song 于 10 月 21 日宣布了 1995 年 Kannan–Lovász–Simonovits 猜想的 140 页证明，将 KLS 常数界定为与维度无关的 O(1) 通用常数。KLS 猜想是凸几何与高维概率的核心开放问题，与随机游走混合时间、凸体体积估计等密切相关，其证明过程大量借助 AI 辅助推演。
LongZero（arXiv:2610.30132）：让 LLM 在零外部数据下自我提升长上下文推理——先让模型以紧凑结构化形式自拟问题-答案与证据，再单独把证据扩展成多文档长上下文，配合 GRPO 训练。在五个长上下文推理基准上，LongZero 在两个模型上均超过基于外部语料合成数据的 RL 基线，指向一条可行的「自我进化」路径。
PhysiCalWorld（arXiv:2610.30125）：世界模型通常只能看到当前帧或短历史窗口，看不到决定动力学演化的物理属性（质量分布、关节阻尼、表面摩擦）。PhysiCalWorld 把测试场景内探索交互片段编码成紧凑的物理描述 Token，通过 in-context prompting 校准世界模型，无需微调或显式物理建模，在四个物理变化丰富的环境中显著提升 rollout 预测精度与视觉规划成功率。
Quant-Arena（arXiv:2610.30113）：面向 A 股真实数据的端到端量化研究基准——模型需构建特征与选股代码，2022-23 年反馈训练、2024 年密封测试，现金账户评估含交易约束与市场冲击。九个前沿模型中 GPT-6 Astra 得分最高，但没有模型能在 2024 年跑赢等权市场——量化闭环依然比想象中难。
Environment Duels（arXiv:2610.30116)：一个「LLM 共演化微缩景观」基准：每个模型既要编写带特权提示的环境，又要解决别人写的环境。结果发现解决能力与编写能力是两种不同技能——最强求解者不是最强作者，小模型反而从观察他人中学到更多、写出最难的关卡；基于 Qwen3.8-27B 的强化学习研究显示，在他人环境上的训练收益可迁移到未见过的推理与 agent 基准。
来源：Microsoft Research / arXiv
本文内容综合自多家媒体报道。
