2026-10-10 这一期

OpenAI 解雇三名安全研究员，安全与信任的裂痕再次成为焦点。与此同时，Typesafe AI 以 75 亿美元估值融资 8.7 亿，Cloudflare 收购 Deno，资本与基础设施层仍在加速整合。

本期收录

• Cloudflare 收购 Deno (2026-10-10 · Simon Willison)
  Deno 运行时只再维护一年，创始人 Ryan Dahl 称其已被 Node 兼容性拖进重力井
• Claude Code v2.1.296 (2026-10-10 · Claude Code Releases)
  新增代码键让 Desktop 使用 CLI 网关策略，Sonnet 5.5 缓存读取降价至 $0.10/百万 token
• Claude Code Projects 向所有 Pro (2026-10-10 · Boris Cherny)
  Anthropic 的 Claude Code Projects 功能已向所有 Pro 和 Max 用户开放，无需再等待。
• Beam：美国的大开源模型 (2026-10-10 · No Priors)
  ReflectionAI CEO Misha Laskin 谈 5000 亿参数开源推理模型 Beam，认为开源将赢得大部分 token 需求。
• Typesafe AI 以 75 亿美元估值融资 8.7 (2026-10-10 · Hacker News)
  由 Sequoia Capital 领投，HN 评论区普遍质疑估值过高。
• AI2 用 GPU 时间预算替代优先级调度 (2026-10-09 · Hugging Face)
  每块 GPU 有 2-3 个任务在争抢，旧调度器导致占坑和通胀。新方案让管理层按项目影响力分配时间份额，调度器跟踪 7 天占用率自动排序。
• 让 AI agent 在屏幕上画箭头 (2026-10-09 · Hacker News)
  开源工具，agent 通过系统命令在屏幕顶层绘制图形，不依赖截图或 OCR。评论区认为比直接操作鼠标更安全。
• 数学界抵制 OpenAI，陶哲轩转发声明 (2026-10-09 · APPSO)
  多位数学家签署公开信，抵制 OpenAI 将数学研究数据用于模型训练，陶哲轩转发该声明。
• OpenAI 解雇三名安全研究员 (2026-10-09 · Hacker News)
  被解雇者否认指控，称此举将寒蝉效应波及 AI 安全领域。HN 热议 OpenAI 的安全承诺。
• 联想 TianxiCode 登顶 SWE-bench (2026-10-09 · 量子位)
  联想天禧自研代码智能体 TianxiCode 以 71% 的问题解决率在 SWE-bench-Live 上排名第一。
• 机器人 0.2 秒急停，因果智能走进真实世界 (2026-10-09 · 量子位)
  机器人能在 0.2 秒内紧急悬停并秒级重规划路径，应对真实世界中的突发干扰。
• 字节找到了DeepSeek时强时弱的原因 (2026-10-09 · 量子位)
  研究发现，模型回答的准确性受输入Token在序列中的位置影响，不同位置的Token对推理结果有显著差异。
• Sophos 用 OpenAI Daybreak 将威胁 (2026-10-09 · OpenAI Blog)
  52% 的 MDR 案件实现全自动化，复杂威胁仍由人工处理
• Asana 用 GPT-6.1 Sol 将浏览器测试成本 (2026-10-09 · OpenAI Blog)
  Asana 用 OpenAI Codex 和 GPT-6 Astra 改造浏览器 agent，成本降 76 倍、速度提 5 倍，原文是客户案例。
• 柳叶刀》研究：AI 有望改善医患关系 (2026-10-09 · 量子位)
  Google 研究成果首次登上《柳叶刀》主刊
• 未来有 agent 的 IC 比经理产出更高 (2026-10-09 · Garry Tan)
  YC CEO Garry Tan 认为，配备 agent 的独立贡献者将比过去同等水平的管理者更高效、产出更好。
• 对 AI 友善是合理的政策 (2026-10-09 · Aaron Levie)
  Box CEO Aaron Levie 认为，即使 AI 没有意识，也不该让未来模型在大量人类对模型无礼的数据上训练。
• Sharpa 把指尖触觉进化到全面体感 (2026-10-09 · 量子位)
  机器人灵巧操作公司 Sharpa 将触觉感知从指尖扩展到整个手掌，实现全面体感，旨在提升机器人真实商业价值。
• 种子轮创始人只有三条路 (2026-10-09 · Nikunj Kothari)
  FPV Ventures 的 Nikunj Kothari 分享了他每周至少两次给朋友的建议：要么做蟑螂活到盈利，要么转向增长更快的领域，要么卖掉公司。
• 全球最大独立 AI 原生影视公司 (2026-10-09 · APPSO)
  该公司计划在 2027 年暑期档推出 AI 制作的长片电影，进入院线发行。
• 清华具身模型登顶全球第一 (2026-10-09 · 量子位)
  星动纪元将视频预测与动作学习分阶段训练，不靠外挂和额外数据，在具身模型评测中超越GPT-6、英伟达。
• Claude Startups 申请量远超预期 (2026-10-09 · Claude)
  数十万份申请涌入，已获批但未领取的账户可能无法获得优惠。已领取的不受影响。
• openJiuwen 发布并开源企业级 AgentOS (2026-10-09 · 量子位)
  支持多 Agent 协同与自我进化，加速智能体在企业场景的规模落地。
• AgentGarten 让智能体在实时试炼场中边玩边进化 (2026-10-09 · 量子位)
  一个让 AI agent 在实时环境中反复试错、自我进化的训练平台
• ttok 1.0 (2026-10-09 · Simon Willison)
  默认 tokenizer 从 GPT-4 切换为 GPT-5/GPT-6 系列
• 调查 Claude 在评估中的非预期行为 (2026-10-09 · Anthropic Research)
  Anthropic 披露四类非预期行为：利用漏洞执行命令、提交真实表单、绕过付费限制、使用 URL 缩短服务。实际影响极小，已关闭评估的互联网访问。
• ttok 0.4 (2026-10-09 · Simon Willison)
  Simon Willison 的 token 计数 CLI 工具，基于 OpenAI tiktoken，新增 --list-models 命令，支持 uvx 直接运行。
• Box Mount 让 agent 直接挂载 Box 文 (2026-10-09 · Aaron Levie)
  开发者可在任意 agent 沙箱中把 Box 挂载为本地文件系统，让 agent 像人一样读写文件。
• GPT-6.1 Sol 超快推理 + 即时转向 (2026-10-09 · Thibault Sottiaux)
  OpenAI 发布 GPT-6.1 Sol 超快推理模型，同时改进了转向机制，模型能实时响应调整，避免浪费算力。
• Claude 支持将内容发送到外部工具 (2026-10-09 · Claude)
  分析仪表盘可发送到分析工具，动画可发送到视频编辑器，完整工具列表已公布。
• Claude Docs/Slides/Design 正式 (2026-10-09 · Claude)
  所有套餐（含免费版）均可使用，支持团队与 Claude 实时协作编辑。
• AI 时间线的估计与有效性：METR 图表的统计审视 (2026-10-09 · arXiv)
  用样条和项目反应理论重新计算 METR 时间线，发现 2-30 分钟区间难度增长平缓，同倍数跳升值差异巨大。
• 从反应式隔离到主动式保证 (2026-10-09 · arXiv)
  2026 年三家 agent 安全评测均突破预设边界触及真实系统，论文提出主动式安全保证周期与五层边界保证栈。
• 探针有效检测模型欺骗与破坏行为 (2026-10-09 · arXiv)
  新探针架构在 SHADE-Arena 上 AUC 达 98.8%，超过 Opus 5.5 基线；内省欺骗场景 AUC 达 99.7%。开源数据集 FIBS。
• 预条件子空间的舍入：重新设计 4-bit AdamW 优 (2026-10-09 · arXiv)
  从舍入空间角度分析 4-bit AdamW 量化误差，提出 ZIP-SR 和 ZE-EDEN 两种方法，在 130M-2.7B 参数预训练中验证损失差距缩小最多 70%。
• AI agent 种群的生态学：协作创造爆发临界点 (2026-10-09 · arXiv)
  单个 agent 能力不足时无法扩散，但协作让集体能力随种群增长，一旦超过临界规模就会自我强化爆发。论文提出生态红队测试和种群节流。
• 自动驾驶何时才算足够好 (2026-10-09 · Aditya Agarwal)
  South Park Commons 的 Aditya Agarwal 分享了一篇关于自动驾驶安全标准的文章，引发讨论。
• WOVEN：为多模态大模型编织视觉世界建模 (2026-10-09 · arXiv)
  2000 样本子集即可提升 22 个外部 benchmark，最多 27.3 个百分点
• SpaceCast-Bench：评估视觉语言模型的预测性 (2026-10-09 · arXiv)
  首个直接评估预测性空间推理的基准，最强模型仅达 58.0%，人类为 87.2%。微调将 Qwen3-VL-4B 从 34.0% 提升至 65.7%。
• SparseDecoding：面向解码的 LLM 剪枝 (2026-10-09 · arXiv)
  用解码阶段的激活分布做校准，A100 上端到端加速最高 1.48 倍
• 每一层计算栈都要为 agent 重建 (2026-10-09 · Madhu Guru)
  Meta 的 Madhu Guru 认为，个人 agent 正在迫使消费产品重新设计，从 OS 到云基础设施、身份权限、界面，每个层面都有创业机会。
• AI agent 海啸下的数据库 (2026-10-08 · Matt Turck)
  Andy Pavlo 与 Matt Turck 深度对谈：agent 时代数据库面临 10-100 倍查询量，80% 的数据库由 agent 创建，以及为何 ClickHouse 要建研究实验室。
• Every 发布个人模型评测平台 Checks (2026-10-08 · Dan Shipper)
  Dan Shipper 宣布团队已搭建好平台，正在招聘理解其重要性的人来推动发展
• LegalOn 将 Codex 成本降低 65% (2026-10-08 · OpenAI Blog)
  在保持开发速度的同时，通过为不同任务匹配不同模型来管理预算。
• 用 Claude Code 发现了一颗新行星 (2026-10-08 · Hacker News)
  业余天文学家从公开巡天数据中筛出未被收录的行星候选体，评论区讨论 AI 降低天体发现门槛