每日科技/AI 摘要 2026-10-08

今日共采集 90 条，新增 46 条，科技/AI 相关 37 条，深挖 8 篇。

Haiku-5.5 还是来了：性能给到 Sonnet-5.5 的 9 成

来源：浪里白条王 · 一句话：Anthropic 官宣新一代小模型，主打高吞吐低成本场景

• 要点：
  • Anthropic 于 10 月 7 日官方发布「Introducing Claude Haiku 5.5」，定位为迄今最快、最便宜、能力最强的小模型（small model），面向高吞吐、成本敏感型任务（官方新闻页已核实）
  • 用户观察称其性能约为 Sonnet-5.5 的九成，跑分与国产旗舰 Flash 档基本处于同一平面；自媒 AA 指数给 43 分（Opus 58 / Sonnet 53），压过 GLM-5.3-Flash 42、Qwen-3.8-Flash 40、DS-4.1-Flash 39、GPT-6-Luna 38——该第三方榜单未核实，数值仅供参考
  • 发布节奏上与 OpenAI 假期四连更（见下）同周对垒，小模型/低成本推理成为本周主线
• 扩展资料：
  • Introducing Claude Haiku 5.5（Anthropic 官方新闻页） — 发布日期与定位的官方真源
  • 你放假，AI在进化：一文补完OpenAI与Anthropic的假期动态（虎嗅） — 假期一周两家动态全景

美国版 DeepSeek 交卷了

来源：虎嗅APP · 一句话：Reflection 开放 501B 权重 Beam，对标 GLM/Kimi 一线开源

• 要点：
  • Reflection AI（被称「美版 DeepSeek」）10 月 5 日发布首个开放权重模型 Beam：501B 总参 / 23B 激活的稀疏 MoE，Apache 2.0 许可，权重与技术报告本月晚些放出（官方博客核实）
  • 官方评测：SWE-bench Verified 80.9 居开放模型前列；编程与智能体任务可比 GLM 5.2/5.3、接近 Qwen 3.8-Max，绝对能力落后 Kimi K3；卖点是推理效率——同等推理效果所需算力约为 GLM-5.2 的 1/3～1/4
  • 训练规模：预训练 23.8T token（6144 张 GB300、约 4 周、92.3% goodput），RL 阶段 100M+ rollouts、约 13 亿沙箱执行
  • 一天后（10 月 6 日）Mistral 发布 Mistral Large 4（官方 news 页核实型号与日期），海外开放权重阵营同周双发提速；本条合并虎嗅与 InfoQ 两源
• 扩展资料：
  • Introducing Beam: Reflection’s 501B open-weight model — 规格、许可证、评测数据的官方真源
  • Introducing Mistral Large 4（Mistral 官方） — 同周第二发的型号与日期核实
  • 海外开源模型重新提速（InfoQ） — 事件脉络与行业视角

OpenAI四连更！API最高档付费砍半，Auto-review全面免费

来源：机器之心Pro · 一句话：Tibo 连放四更，专治 Agent 进日常后的四类摩擦

• 要点：
  • 四项更新：① Auto-review 全面免费（不占额度）；② API 用量等级简化，最高档付费门槛砍半；③ Meetings 插件接入会议记录；④ Decisions 能力上线（细节以原文为准）
  • 共同主题是把 Agent 用进日常后暴露的摩擦（权限信任、用量分层、上下文搬运、决策）逐个产品化，而非单纯卷模型能力
  • 与 Haiku-5.5 同周发布，两家在「降门槛 + 降成本」上正面撞车
• 扩展资料：
  • 你放假，AI在进化（虎嗅） — OpenAI/Anthropic 假期动态对照盘点

Token账单扛不住了，Meta、微软开始猛砍Claude使用

来源：机器之心Pro · 一句话：大厂开始算 Token 账，Anthropic 增收与大客外流并存

• 要点：
  • Meta：用 Claude Code 开发 Muse，上线后 Claude Code 活跃用户从 6 万降至 3 万（-50%），改推自家 Muse Code（6000+ 用户）与 MetaCode（3 万+ 用户）；此前 28 天在 Claude Code 上花费约 1.05 亿美元
  • 微软：Claude 相关支出削减超 33%，人均月度 token 预算从 10 万美元砍至 1 万，经 Copilot 路由到更便宜模型；年化支出原本冲向 ≥10 亿美元，砍完仍约 6.7 亿
  • 另一面：Anthropic ARR 自年初约 90 亿增至约 650 亿美元（约 7 倍），年付超 10 万美元的企业客户达 6000 家——信源为 The Information，机器之心编译转述
  • 与上条 OpenAI 降价对照读：模型厂商在降 API 价，重度买家在降用量，双向挤压
• 扩展资料：
  • The Information 原文 — 一手信源（英文，需订阅）

Agent Harness到底怎么选？南洋理工大学安波团队最新研究给出答案

来源：机器之心Pro · 一句话：首个 Harness×模型系统评测：没有万能榜，只有最佳组合

• 要点：
  • 选取 4 种可自由配置模型的 Harness（OpenHands、DeepSeek Harness、PI、openJiuwen）× 多个前沿模型 × 三大任务集做系统评测，量化「Harness 对 Agent 表现的影响」这一被忽视的变量
  • 研究者主张选型应看「模型 × Harness」组合而非单看模型跑分；选择不当会显著拖累同一模型的上限（具体结论细节见原文）
  • 对选型者的直接价值：换 Harness 与换模型同样重要，评估 coding agent 时应固定模型横向比框架
• 扩展资料：
  • Pi、Claude Mods、DSH的开放性对比（VibeCoder） — 三大 harness/生态开放度的实践者横评，可与本研究互补着读

Claude Code 才是终端里的"编程包工头"，用熟省一半加班

来源：老周讲AI · 一句话：把接需求到提交的整条流水线交给终端 Agent

• 要点：
  • 定位澄清：Claude Code 不是「命令行里的 ChatGPT」，而是完整的工程现场调度系统——接需求 → 拆任务 → 读代码 → 改代码 → 跑测试 → 提交，全链路可包
  • 作者给出「包工头工作法」实践（任务拆分粒度、验收标准前置等），称用熟可省一半加班；属个人经验谈，效果因团队与工程规范而异
• 扩展资料：
  • Agent Harness 研究（机器之心） — 从学术侧解释为什么 harness（如 Claude Code）本身是表现变量

跑分打不过中美，欧洲开源 Kolibri 新 MoE 模型：它到底图什么？

来源：人工智能研究所 · 一句话：欧洲主权 AI 联盟发 19B MoE，拼的不是榜单是自主

• 要点：
  • Kolibri 是欧洲开源模型联盟，由法国原子能委员会电子实验室（CEA-Leti）2026 年成立，成员含 Qwant、Lighton、Genovalife/Stellantis 等，前 Mistral 研究员 Matthieu Rigal 领衔
  • 新模型 Kolibri-19B：总参 19B、激活 3B 的 MoE，在柏林尖端创新展发布
  • 文章自答「图什么」：跑分打不过中美模型，图的是欧洲数字主权、本地化部署与供应链自主
  • 联盟背景与规格来自该文自述，未找到独立官方渠道交叉核实（未核实）
• 扩展资料：
  • 美国版 DeepSeek 交卷了（虎嗅） — 与 Beam 对读：美欧两路「开放权重自主」路线的体量差

LegoFlow：让智能体自主跑完代码数据构建+训练测评全流程

来源：机器之心Pro · 一句话：豆包 M-100 研究智能体工作流「乐高化」

• 要点：
  • LegoFlow 把代码、数据构建、训练、评测四类组件乐高化，智能体在其中自主跑完全流程
  • 交互形态像与全栈工程师对话：描述目标，交付软件与模型；前作（工作流乐高化系列）已有铺垫
  • 机器之心转载自 AI 科技评论（baoyu.io 10-07 选题），独立技术细节未另行核实
• 扩展资料：
  • Agent Harness 研究（机器之心） — 上下游互补：harness 选型 × 全流程智能体编排

今日一句话

• Pi、Claude Mods、DSH的开放性对比 — 三大 coding agent 生态开放度横评（VibeCoder）
• 大家都在聊DeepSeek、豆包、千问，其实kimi才是隐藏boss — 长文档/深度调研场景的 Kimi 实践（老周讲AI）
• Cline免费模型接入各种Agent，多账号免费token管够 — 免费额度工具链技巧（人人都是产品经理）
• RSI火了自进化也会过拟合：Google等提出RRSI，自进化施加正则化 — 自进化 RL 的正则化新解（机器之心）
• 量化画面闪烁？时序稳定的视频世界模型2-bit KV Cache压缩方案诞生 — 视频世界模型显存压缩（机器之心）
• 黎曼猜想临界线零点比例达67.35%：清华团队开源模型VeriLoop E2 — AI for Math 新进展（机器之心）
• 多模态版Jev式决策模型开源！JEMM-27B工具调用准确率93.3% — 开源多模态决策模型（智猩猩）
• 把Depth Anything砍到6M，深度估计终于能跑进Jetson — 单目深度估计端侧轻量化（机器之心）
• 华为轮值董事长：昇腾中国份额已超英伟达，当前瓶颈是供货 — 国产 AI 芯片份额表态，说法未独立核实（虎嗅）