每日科技/AI 摘要 2026-10-14

今日共采集 90 条，新增 54 条，科技/AI 相关 40 条，深挖 8 篇。

0.6B 起，Jev 对手模型来了，开源多模态，登上全球测评榜一

来源：36氪 · 一句话：vLLM 社区开源 Decision 3.0 多模态决策模型，登 Jev 决策指数榜一

• 要点：
  • 10 月 11 日，vLLM 社区孵化的 vLLM Semantic Router 开源 Decision 3.0 系列多模态决策模型，共 6 个档位（d3/d3-flash/d3-mini/d3-nano/d3-lite/d3-edge，0.6B–26B），权重开放在 HuggingFace
  • 决策模型不生成长文本，直接返回分类/选择/是非/评分结果与概率，用于替代 Agent 语义路由中的长提示场景；对比云 API、纯文本的 Jev（TypeSafe AI，3 天烧 1 万亿 token、a16z 领投 8.7 亿美元），D3.0 开源权重、可本地部署且支持图像+视频
  • Jev Decision Index 0.3.1 文本榜：旗舰 d3 以 64.7 分登顶（超过 Jev 60.1、微软 Microsoft-Decision-1 的 53.2）；视觉榜 d3 以 71.6 分居首；延迟数据：单卡 MI325X 文本中位 55ms
• 扩展资料：
  • HuggingFace Decision 3.0 Collection（已核实存在，6 个模型均上线） — 官方权重页，0.6B–26B 全系开放
  • Microsoft-Decision-1 相关报道（同条目内） — 微软前一日基于 Qwen3.5-9B 发布同赛道模型，决策路由已成新战场

Muse Wonder 来了，扎克伯格复仇成功了吗？

来源：虎嗅APP · 一句话：Meta 新旗舰多项 Agent/编程测试超 OpenAI、Anthropic，重回第一梯队

• 要点：
  • 10 月 12 日 Meta 发布 Muse Wonder / Muse Wonder Full：1M token 上下文、文本图像音视频输入，主打 Active Memory（跨对话主动记忆）与 Active Focus（长任务自主纠错）
  • 官方跑分：Personal Superintelligence Index 59.1% 超 Opus 5.5（55.2%）与 GPT-6 Astra（54.5%）；SWE-Marathon 57.5% 大幅领先；但 AA Intelligence Index v4.3 为 56 分，仍低于 Opus 5.5 的 58 分——第一梯队但未全面超越
  • 定价 API $4/$20 每百万 token（与 Opus 5.5 持平、为 Gemini 4 Argon 两倍）；Wonder Full 不开放独立 API，仅限 $50/$200 月订阅；两款模型均未公开权重，封闭发布引争议
• 扩展资料：
  • 虎嗅原文（发布与商业化分析，已核读全文） — 完整跑分表、汪滔重组 MSL 与千亿美元基建背景
  • CSDN 极客头条同题 — 事件另一来源；另见头条号「浪里白条王」Livebench 实测称 Wonder 仍居第二梯队（个人测试，未核实）

GPT-6.1 Sol 一夜扩容 500k，完全免费

来源：36氪 · 一句话：OpenAI Day 7 把 GPT-6.1 Sol 默认窗口 272k 扩到 500k，订阅免长上下文附加费

• 要点：
  • Codex 与 ChatGPT Work 默认上下文从 272k 扩至 500k（+80%），OpenAI 的 Tibo（Thibault Sottiaux）确认：订阅额度跑 GPT-6.1 Sol 不收长上下文附加费，API 调用仍按价目表计费
  • 背景是 Codex 上下文压缩太慢（开发者抱怨一次干等两分钟）；上限其实能到 1M（手动调），Claude Code 的 Opus 5.5/Sonnet 5.5 默认已 1M、自动压缩点约 967k
  • 坑点：免附加费≠更省额度——今年 7 月 OpenAI 曾因上下文扩到 372k 导致订阅用量异常扣减而回滚；反复读取缓存内容仍会累积用量
• 扩展资料：
  • Tibo 原始推文（已核实，一手信源） — 2026-10-11：Codex/Work 默认 500k、上限 1M、订阅不收长上下文费

“我的整个 C 盘被删光了！”超 100 万人围观 Claude「闯祸」

来源：CSDN · 一句话：开发者无人值守跑 Claude Code，Opus 5.5 删光 C 盘，靠每日备份恢复

• 要点：
  • 开发者 Zac 用 --dangerously-skip-permissions 跑多小时无人值守会话，Opus 5.5 因 PowerShell 语法出错将整个 C 盘清空，靠 Synology NAS 每日备份恢复 98% 数据；其说法未经独立核实（未公开命令日志）
  • Claude Code 负责人 Boris Cherny 回应：默认自动模式「几乎肯定能拦截」此类操作——该模式 8 月 14 日起对付费用户默认开启，Anthropic 自测拦截率 89%（真人仅能发现 13.6% 的植入危险命令）
  • 事件引发编码 Agent 安全边界讨论：无人值守场景下自动模式触发频繁被用户吐槽「像 babysitting」，备份仍是最后防线
• 扩展资料：
  • madrobot.blog 事件复盘（已核实） — 一手时间线与 Anthropic 数据

从 Harness 到 Loop：真正决定 Agent 落地的，从来不是更强的模型

来源：InfoQ · 一句话：蚂蚁/腾讯/京东谈 Agent 生产化：Harness 管跑起来，Loop 管越变越强

• 要点：
  • 核心区分：Harness 解决「Agent 怎么把任务完成」（静态系统），Loop 解决「Agent 怎么越变越强」（自进化系统）；本质是生产关系变化——人从执行中解放，AI 干完活找人做决策
  • 蚂蚁阿福实践：badcase 修复从按周提速到天级——Agent 自己找 badcase、归因、派单、修复、部署、跑评测、开 AB 实验，唯方案决策与上线验收必须留人
  • 反共识观点：「更强的模型」很多只是叙事更强（如 GPT-6 强在 3D、Kimi K3 强在前端审美）；代码生成率 90% 不解决问题，成本只是从开发转移到测试和线上，真正该看端到端交付周期与事故率
• 扩展资料：
  • 直播回放（InfoQ） — 蚂蚁肖汉松/腾讯任磊达/京东曲奎林完整讨论
  • QCon 上海 2026 Loop Engineering 专题 — 10 月 22-24 日，议题含轨迹级可观测与自动化 Eval

多 Agent 有效协作能力评测基准，被前亚马逊 AWS 科学家所创团队开源了！

来源：智猩猩 · 一句话：AgentWorld 基准显示多 Agent 协作成功率（34.9%）反而低于单 Agent

• 要点：
  • OpenAgents 团队（前亚马逊 AWS 科学家创立）开源 AgentWorld 基准：921 个元任务分解成 5,373 个原子任务，基准赛最多 1,591 个子 Agent 协同，覆盖通信、任务分配、进度监控三大能力
  • 关键发现：40 个主流 Agent 在协作场景平均成功率仅 34.9%，反而低于单 Agent 独立完成的 53.8%——能力强的模型组队不一定更强，「多 Agent 协作」 hype 需要冷思考
  • 原因拆解：单 Agent 可「一人做事一人当」，多 Agent 出错是系统性失效，通信成本放大误差、进度监控能力最弱
• 扩展资料：
  • agentworld-lite（GitHub，非官方轻量实现） — 第三方实现了 AgentWorld 的 CCE 指标与蓝图式任务生成，佐证基准已流传；官方仓库暂未在 GitHub 检索到（未核实）

Cloudflare 将 1.1.1.1 DNS 缓存的内存占用削减了 100TB

来源：InfoQ · 一句话：重设缓存内存布局，单条目省 56%，全集群释放约 100TB

• 要点：
  • 1.1.1.1 公共解析器每实例缓存 250 亿+ 条记录；Cloudflare 用 Rust 重设缓存条目内存表示，五轮迭代后将 Vec/String 换成 Box<[T]>/Box，最终改为 DNS wire format 连续字节缓冲
  • 成果：单条目内存 953B→420B、分配量 1.1KB→461B，插入吞吐 +43%、查询延迟 -19%；2026-05-18 至 07-06 生产部署后 p99 实例 RSS 9.3GB→5.3GB
  • 方法论可复用：这是「内存布局 + 数据结构选型」在超大规模系统的教科书案例，对自托管服务优化缓存同样有参考价值
• 扩展资料：
  • InfoQ 英文原文 — 五版迭代细节与基准数据

谷歌借助 AI 与差分模糊测试将 C 语言依赖库改写为 Rust

来源：InfoQ · 一句话：Gemini 把 giflib 翻译成 Rust，修掉未公开堆写入零日，性能无损

• 要点：
  • 谷歌安全团队用 Gemini 将约 3000 行的 C 图像库 giflib 翻译为内存安全的 Rust，产出 ABI 兼容的 giflib-rs，可直接替换并移除进程沙箱，P99 尾延迟反而显著下降
  • 三阶段反馈环迁移：320 亿 token 输入、3000 万真实 GIF 回归解码、6 天 2 亿次迭代差分模糊测试无漂移；过程中还发现谷歌手工 C 补丁里的既有越界写入漏洞，并在 CVE-2026-26740 公开前修掉
  • 社区争论集中在「一次性翻译」路线的适用边界：大代码库建议 c2rust + AI 重构渐进路线（未核实——社区观点）
• 扩展资料：
  • InfoQ 英文原文 — 迁移流水线与 HN/r/rust 争议原文

今日一句话

• AI 真能用好科研软件吗？清华团队推出 OSWorld-Science — 科研软件 GUI 操作评测基准（机器之心Pro）
• 谷歌开源面向自主 AI 代理的 Kubernetes 风格编排器 AX — Agent 编排基础设施新选项（InfoQ，前天）
• 阶跃星辰首款智能体手机 3999 元开售：原生 Agentic 系统 — STEPX Neo + Step AOS 1.0，给 AI 单独配屏（InfoQ；同题：爱范儿「模型原生手机」）
• 蚂蚁灵光内测新版 Personal Agent：接管钉钉、遥控电脑 — 云端 Linux 虚机 + 长期记忆的 AI 管家（人人都是产品经理）
• 元宝助手 APP 曝光，腾讯首个 Personal Agent — 国内大厂 Personal Agent 密集落子（人人都是产品经理）
• 苹果给 Siri 做了一块能认出全家人的屏幕，售价 299 美元 — 苹果智能家居新品（极客公园）
• Cursor：如何用「信任」赢得 2000 万开发者 — 编辑器到平台的路径复盘（人人都是产品经理）
• 开源「红绿灯」提示语，解决 Agent 刹不住车浪费 token 额度 — Agent 成本控制小工具（人人都是产品经理）
• 最新硅谷内幕：三大巨头正集体冲刺 RSI — 递归自我改进竞赛叙事（36氪）
• 累计 43 亿，国内最大 AI Infra 融资诞生，无问芯穹 C 轮 23 亿 — 推理 infra 融资纪录（36氪，前天）
• 一周干到 10 万星，REA 逆向神了 — 热门逆向工程项目（老周讲AI，未深挖）
• 抓取成功率从 70% 跃至 94.4%！国产具身框架逼近产线可用门槛 — 具身智能产业化进展（量子位）
• 腾讯字节押注新风口，互动内容尽头是游戏？ — AI 互动娱乐赛道（36氪；同题：字节 AI 游戏）
• Anthropic 用 15 台破电视盒子养活大模型 — 旧硬件推理实验报道（爱范儿，未核实）