每日科技/AI 摘要 2026-10-10

今日共采集 90 条，新增 55 条，科技/AI 相关 31 条，深挖 8 篇。

何恺明团队首次探索 Agent Harness：VISTA 让多模态模型打通 25 款游戏，动作效率满分

来源：智猩猩（同题：36氪） · 一句话：视觉 harness 给多模态模型装上无损视觉记忆，长程交互任务全面提分

• 要点：
  • MIT 何恺明团队（Qiushi Han、Keya Hu、Linlu Qiu、Cathy Wu、Kaiming He）发布 VISTA（arXiv:2610.02200，10 月 1 日提交）：不微调模型、不改权重，纯靠一套「视觉 harness」让通用多模态模型获得长程交互能力
  • 核心机制是无损视觉记忆：把历史观测存为图像并在推理中主动检索、重组，替代无限增长的文字上下文
  • 在 ARC-AGI-3 上把 Claude Opus 5.0 的 Relative Human Action Efficiency 从 40.68 拉到满分 100，通关全部 25 个公开游戏、动作数比人类首通少 57.4%，另在 3 个视觉游戏/谜题基准上大幅超过基线
• 扩展资料：
  • VISTA: A Visual Harness for Reasoning in an Interactive World（arXiv） — 论文原文，核实了 25 款游戏通关与动作效率满分的说法
  • VISTA 项目主页 — 8 月即放出早期版本博客，含演示

陶哲宣战！人类数学家联合抵制 OpenAI，导火索是 722 篇 AI 论文

来源：量子位（同题：36氪、爱范儿、差评X.PIN） · 一句话：数学界抗议 OpenAI 批量倾倒机器证明，主张先验证可读再算「解出」

• 要点：
  • 10 月 6 日 OpenAI 一次性公开 700+ 份 AI 生成的数学证明（含 Unique Games Conjecture 证明草案与多个克雷千年难题进展）；陶哲轩任主席的 Association for Human Mathematics（AHM）10 月 7 日发声明：这不是学术，是「权力的展示」
  • 声明指出 OpenAI 无视自家顾问组 AGMAI「不要用内部模型测试高难问题」的建议；陶哲轩另提出「Math 2.0」：数学的价值应转向解释、社区与新方向，而非把解题当唯一进度
  • 争议核心是「验证前置」：Dana Moshkovitz 称 UGC 证明草案像「嗑了迷幻药的人写的」，离开 AI 帮助无法阅读；Scott Aaronson 称之为 Mathocalypse，并对比 Anthropic 付费请研究者写人类可读证明的做法
  • 后续：OpenAI 撤回了对 Caltech「Mathathon」的 100 万美元赞助（Hypefresh 报道，未核实细节）
• 扩展资料：
  • The Decoder 报道 — 英文源核实事件时间线与 AHM 声明原文
  • TechCrunch: OpenAI’s math solutions aren’t meeting the field’s standards yet — 行业侧对证明质量的独立评估

Claude 画出首张紫外全天图：1.19 亿颗星逐颗叠上，缺失天区用模型补全

来源：新智元（同题：36氪） · 一句话：Claude Science 协调多智能体合并 40 年紫外巡天数据，补全从未见过的三分之一天区

• 要点：
  • 约翰霍普金斯天体物理学家 Brice Ménard（同时是 Anthropic 研究员）用 Claude Science 制成首个完整紫外全天图（远紫外 154nm + 近紫外 232nm），10 月 8 日发布
  • 难点在数据工程：GALEX 只覆盖 2/3 天区且刻意跳过亮星区，Claude 协调多组 agent 下载、校准、交叉对齐 GALEX/Swift/FIMS/TD-1 等多次任务数据，再用 ML inpainting 从可见光/红外/射电关联中补出银河系平面
  • 把 Gaia 的 1 亿+ 恒星可见光测量推断为紫外估计后逐颗叠加；验证显示预测与实测平均偏差约 10%；交互地图已上线（menard.pha.jhu.edu/uvmap），定位教学资源
• 扩展资料：
  • Anthropic: The missing map of the sky — 官方一手信源，核实了「1.19 亿颗星」（more than 100 million）的说法
  • The Decoder 报道 — 英文媒体交叉印证

字节 Seed 找到 DeepSeek「时强时弱」原因：KV 缓存压缩引入相位敏感

来源：36氪 · 一句话：分块 KV 压缩让同一信息「看相位」能不能被检索到，差距最高 40 个百分点

• 要点：
  • 字节 Seed 团队发现：同一道题，仅在前文多塞几个无关字符，DeepSeek-V4 就可能从会变不会——表现随 token 相对压缩窗口的位置周期性波动，论文命名 Phase Sensitivity（arXiv:2609.36322，9 月 28 日）
  • 128K NIAH（约 1.6 万个键值对）实测：V4-Flash-Base 不同相位准确率差距达 40.2 pp，V4-Pro-Base 34.8 pp；经后训练收窄（Flash 0731 版 19.1 pp、V4.1-Flash-0910 版 6.1 pp），说明蒸馏/后训练能缓解但难根除
  • 团队自训多组 Qwen3-0.6B 对照：所有分块压缩模型都出现与压缩步长同周期的方差，全注意力基线则无；因果干预进一步定位到「相位特化」——不同注意力头偏好不同相位
  • 结论：评测分块 KV 压缩模型必须跨相位测量，平均分掩盖了系统性盲区
• 扩展资料：
  • Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression（arXiv） — 论文原文，65 页 20 图，核实全部数据

Claude 官方工程实践：让 AI 自己测、自己改，省下的调试时间不再赔回去

来源：36氪 · 一句话：Anthropic 两篇工程博客给出解法——评测与生成分离、feature 清单当测试

• 要点：
  • Anthropic《Effective harnesses for long-running agents》（2025-11）：让 agent 维护一份 JSON feature 清单（200+ 条），「只有亲自测试通过才能标记 passing」，禁止删改测试项；配合 Puppeteer 模拟真人点击，比单元测试 + curl 更能抓到端到端坏点；每轮会话开始先跑端到端检查，避免把时间浪费在修复崩掉的基线上
  • 《Harness design for long-running application development》（2026-03）：Planner/Generator/Evaluator 三角架构（评估器用 Playwright 走查应用、按硬阈值打分）；关键教训是 agent 不擅长自评——会「自信地夸自己」，把评审拆给独立 agent 更容易调得苛刻
  • 代价参考：单 agent 跑 20 分钟/$9，完整 harness 6 小时/$200，买的是「核心功能真的能用」
• 扩展资料：
  • Effective harnesses for long-running agents — 「让 AI 自己测、自己改」的一手出处
  • Harness design for long-running application development — 生成/评估分离架构与成本数据

不等 Gemini 4，谷歌发布「通用办公 Agent」：可调用 Claude，还给它配邮箱

来源：36氪 · 一句话：Google Cloud 的 Gemini Agent 按任务选模型，原生化进 Gmail/Docs/Cal

• 要点：
  • 10 月 8 日 Google Cloud 发布 Gemini Agent（“universal agent for work”）：问答、办事、写码一体，内嵌 Gmail/Docs/Sheets/Calendar，也支持 Microsoft 365 与 Slack（CNBC）
  • 模型层不绑定自家：官方说明其「按任务选最优模型」，可跑 Gemini 与 Anthropic Claude，后续接入更多模型；金融、法律行业版已预览
  • 可搭建「同事 agent」，每个有自己的邮箱地址、只被授权访问分派给它的信息；对应竞品是 OpenAI 九月发的常驻 agent「dots」与 Meta 的 Muse
• 扩展资料：
  • CNBC 报道 — 发布事实与 Claude 支持的一手确认
  • VentureBeat: Gemini Agents get their own Gmail, Calendar, and Drive storage — 持久化 agent 的存储与身份细节

GPT-6.1 Sol 极速版快 8 倍、300 tokens/s，但额度按 8 倍烧，被喷「变相涨价」

来源：36氪 · 一句话：速度白升不白用，Pro 档 500 美元门槛+加速计费引发口碑反弹

• 要点：
  • GPT-6.1 Sol Ultrafast 于 10 月 8 日上线，速度最高为标准 Sol 的 8 倍（约 300 tokens/s），智能水平接近 Astra；同期发布的 Decisions API 把决策链路提速 10 倍
  • 争议在计费：随附额度按 8 倍速率消耗、credits 按 6 倍扣（MIXED 报道），叠加 500 美元/月 Pro 订阅门槛与旧 200 美元档权益缩水，被用户称为变相涨价
  • 另有报道称标准 Astra/Sol 默认速度也免费提升约 50%（据 Codex 负责人 Tibo，未核实）
• 扩展资料：
  • Neowin 报道 — 8 倍速度与 Decisions API 的发布事实
  • Engadget: OpenAI Adds $500 Pro Subscription, Nerfs Its Existing $200 Tier — 定价争议的英文源

腾讯云开源 Octop：自托管多用户个人 AI 助理，8.2K Star

来源：智猩猩 · 一句话：把 Agent Harness/记忆/浏览器/网关四大件全部开源，支持反向调度 Claude Code

• 要点：
  • 腾讯云开源 Octop（GitHub: TencentCloud/Octop，现 8.2k star）：单进程自托管 AI 助理，四大组件——Harness（模型路由/工具调用/技能管理/对话检查点）、Memory（长期记忆存取）、Browser（CDP 浏览器自动化）、Gateway（Web/IM 消息接入）
  • 技术栈 Python（FastAPI/uvicorn）+ React/TS/Vite/AntD；默认 SQLite、可选 PostgreSQL；不依赖外部消息队列；多用户 JWT 隔离
  • 支持「AI 专家团队」多 agent 协作、RAG 知识库、APScheduler 定时任务；通过 ACP（Agent Client Protocol）可双向集成 OpenCode/Claude Code/Codex 这类编码 agent，也可被它们调用
  • 接入面覆盖 Web、桌面端、飞书/钉钉/微信/QQ/企业微信，一键脚本部署
• 扩展资料：
  • TencentCloud/Octop（GitHub） — 核实仓库存在与 star 数（文章 7.9k，现为 8.2k，9 小时前仍在更新）

今日一句话

• TRAE 负责人石扬离职创业做 AI 办公，首轮估值 2 亿美元 — 联手前字节数据安全负责人傅越（人人都是产品经理）
• TRAE 全面升级：双端融合，打造全链路开发平台 — 官方叙事的升级要点（机器之心Pro）
• 全球竞逐 RSI，这支华人团队已跑通规模化闭环 — 初创 Novix 的「协同进化 RSI」叙事，自称服务 20 万专家，数据均为公司口径、未核实，按营销类降权处理（机器之心Pro）
• Codex 额度用完之后，如何用 OpenViking 接着把活干完 — 字节技术团队实测把编码 agent 接到自家里程碑（字节跳动技术团队，另有论文拆解）
• 0.2 秒急停、秒级重规划！因果智能走进真实世界 — 因果模型做实时控制的案例向报道（量子位）
• openJiuwen 发布并开源企业级 AgentOS — 智能体企业落地叙事，信息主要来自官方通稿（量子位）
• TypeScript 7 快 10 倍，但 ESLint 会先崩 — 原生迁移期的工具链兼容代价（编程充电站）
• TanStack Charts 仍处 Alpha 却周下载 16 万 — 无头可视化库的产品策略观察（InfoQ）
• Egg.js 4 突然火了 — 老牌 Node 框架版本更新的社区回响（编程充电站）
• 3 个爆火 Personal Agent 在 GitHub 有开源平替了 — 开源版 personal agent 盘点（人人都是产品经理）
• Multica：源码公开的自托管团队工作区，像派活一样调度编码 agent — 支持已有 agent CLI、不绑定厂商（架构即人生）
• Hermes Agent：越用越懂你的开源「打工人」 — 个人助理型开源 agent（老周讲AI）
• 余承东首次确认国内正在攻坚 EUV 光刻机 — 国际场合表态，信源为转述报道、未核实（科技进化论）
• ChatGPT：吞噬一切 App — 超级 App 化的产品判断（人人都是产品经理）
• 黄仁勋为微软站台：没有 Windows 就不会有英伟达 — GTC 语境下的生态表态（InfoQ）