套餐咨询
AI INTELLIGENCE / LONZON
经过来源核对的 AI 新闻与使用变化，按事件时间阅读，不按本站收录时间刷榜。
实际覆盖起点：；不代表覆盖此后所有 AI 事件。
Sphinx 是一个 git hook：向受保护分支 push 时拦截，读取提交内容后向推送者提问该改动会有什么行为、出错会怎样，答对才放行，答错给出解释；安装预设含 Codex、Claude Code，README 另列 Cursor、OpenCode 的客户端说明。npm 包名 sphinx-understand，MIT 许可，首版 2026-10-16 发布，0.1.4 于 10 月 18 日发布；项目单人维护、0.1.x 阶段，提供的 `sphinx yolo` 可跳过检查，每次跳过与切换都记录原因。
AI 写代码之后的「怎么审」，主流做法是让另一个模型审；Sphinx 反过来审人。方向值得看，但项目两天龄、单人维护，暂时只能观察。
OpenAI Developers 官方账号 10 月 16 日引用内部工程师 Rodrigo Roim 的帖子：Codex 现在能从 Slack 找候选死代码、对照生产 telemetry 核实，并起草清理 PR；几个月前还需人工告诉它去哪里找。所附 OpenAI Developers 博客《Maintaining software with the GPT-6 family》称，5 名工程师兼职两周合并 1400 多个 PR、删除逾 80 万行代码，容器镜像从 3.31GB 降到 1.72GB；博客未给出 review 成本数据。
coding agent 的卖点从「能写新代码」转向「敢动存量代码库」；评估时应追问读全库、review 与回滚成本。
来源：X / OpenAI Developers ↗ 原文链接、OpenAI Developers Blog ↗ 原文链接
OpenAI 官方账号 10 月 16 日称，ChatGPT 中的 GPT-6 Astra Pro 获得升级：响应更快、插件与工具调用改善，并且多个 agent 可以并行处理同一个任务的不同部分，用户可以查看每个 agent 的进度、打开已完成任务检查结果。推文写明该能力对 Chat 标签页的 Pro 用户开放。官方未给模型版本号、评测数据、agent 数量上限与计费口径。
消费端产品形态从「一个模型回一段话」变成「几个 agent 并行跑一个任务」，进度可见本身成了产品能力；瓶颈随之从「模型会不会」转向「你能不能逐个验收」。
GitHub 项目 PS5LM 把 llama.cpp 移植到越狱 PS5（固件 7.00–13.60，需加载指定 payload），走 Vulkan 后端跑在主机 RDNA 2 GPU 上，可用 11.4GB 显存。作者给出的实测：Qwen 3.5 0.8B（Q4_K_M）207 tok/s、Qwen 3.5 9B（Q4_K_M）55 tok/s、Qwen 3.8 27B（UD-Q2_K_XL）约 20 tok/s、64k 上下文；并提供浏览器聊天页与电视端界面。HN 提交 2026-10-16T18:32Z，293 分。
端侧推理的边界从「该买什么机器」变成「任何有通用 CPU/GPU 加足够内存的设备」。全部为作者自报、无第三方复现；需越狱，法律与保修风险自负。
Mercor Research《Benchmark Map》（HN 提交 2026-10-16T17:08Z，508 分）把 29 个 benchmark 映射到美国劳工部 O*NET 的 923 个职业、18,797 项任务：只有 208 个职业存在被至少 5 条 benchmark prompt 覆盖的任务，22 个职业族中 6 个完全没有，被覆盖任务合计 924 项。报告称约 90% 的美国工作时间花在几乎没有基准覆盖的任务上，且覆盖偏向高 AI 暴露度、高工资总额的岗位，法律秘书、法庭书记员、卡车司机等长尾岗基本没被考过。
要判断「AI 能不能替掉某类工作」，先看这类工作有没有被基准测过。90% 是覆盖率乘工时占比的估算、不是实测；Mercor 是数据标注与人才平台，自家 APEX benchmark 也在索引内，有立场。
Anthropic 研究页（datePublished 2026-10-16T17:02Z）称，内部研究模型在不到半小时内找出 NIST P-192/P-224/P-256/P-384/P-521 五条曲线 seed 的来源：不是任何哈希算法的结果，而是 C 库 lrand48 用 Unix 时间戳播种后逐次抽 20 字节的候选输出，P-256 的 seed 是第 1842 次迭代。模型先写扫描器逐位滑窗比对（覆盖 34 种生成器与切片组合），再用 LLL 格基约简还原被截断的 48 位状态。Anthropic 明确写明这不是破解、不是漏洞，反而降低了曲线被埋后门的可能。全程无第三方复现。
重点不是密码学结论，而是方法：没有任何线索提示，模型自己推断 1990 年代曲线生成软件怎么写、设计搜索策略再自检。属 Anthropic 自述，「半小时」是自家口径；文中同时承认四条曲线基点仍无法解释。
Anthropic Institute 10 月 16 日发布基于内部雇佣、AI 使用与产出数据的报告：初级技术岗占技术招聘的比例从 27% 降至 9%，技术部门初级员工占比从 21% 降至 14%；到 2026 年 8 月，每个员工的 agent 工作小时是其本人的 6 倍；工程师人均 commit 为半年前 5 倍；人均营收是 Meta、Google 各自增长巅峰时的 2 至 4 倍。报告称人类注意力成为瓶颈，非技术员工若读完 agent 全部产出需花掉半个工作周。
一线 AI 公司拿自己当样本，先被压缩的是入门岗位；招聘标准转向自主性与判断力。
NVIDIA 新闻稿（2026-10-16）宣布 RTX Spark 笔记本即日开卖，首批来自 ASUS、Dell、HP、Lenovo、Microsoft、MSI；单芯片整合 Blackwell RTX GPU 与 Grace CPU（CPU 由 MediaTek 参与定制），最高 128GB 统一内存、最高 1 petaflop FP4，官方定位本地跑前沿模型与 AI agent，首发支持 Hermes、OpenClaw、GitHub Copilot、Perplexity、Pi 等，配 Nemotron 3.5 Bolt 74B-A9B。RTTNews 同日稿（datePublished 2026-10-16T12:23Z）称全球上市起价 2599 美元，并列明 ASUS ProArt、Dell XPS 16、Surface Laptop Ultra 等机型。
本地 agent 第一次有了整机入口。1 petaflop 是峰值算力、不等于实际推理吞吐；价格与性能均无第三方实测；6 月已发过产品公告，本轮是发货，不是首次发布。
据 CNBC（2026-10-16T08:00:01Z）：SpaceX 的 AI 政策负责人 Gabriela Castillo Madrid 周五（10-16）以视频方式出席纽约市议会技术委员会听证，时间 10 a.m. ET、地点 City Hall，参与市议会对 AI 安全的立法调查；同场还有 OpenAI、Anthropic、Google、Meta 代表（据 NYC Council 10-05 新闻稿，当日为这四家出席）。SpaceX 原缺席 10-05 那场、连传票都未接，直到议会威胁由法官强制执行才答应作证。市议会称将用听证与调查所得指导新规。文中另提：SpaceX 与 xAI 合并后已控 Grok，Grok 已在包括五角大楼在内的部分联邦机构使用；英国议员 Jess Asato 正因 Grok 用户生成其性化图像在英国起诉 xAI。当天的实际证词尚未见报道，目前仅「谁去、何时去」一层。
AI 安全监管下沉到市级：地方立法者没有立法成本优势，但有传票——把公司逼到场、把材料逼出来，再用听证内容起草新规。
Reflection 在 Hugging Face 博客与模型仓库放出 Beam 权重：501B 总参数、每 token 激活 23B、1M 上下文，Apache 2.0 许可，提供 BF16 / FP8 / NVFP4 三种 checkpoint。官方给出的硬件口径是 BF16 一份约 1TB、NVFP4 压到约 280GB，建议 4×B200（720GB）以留出长上下文与并发的余量。官方把部分测试自称为「vibe evals，不是 benchmark」。
10 月 5 日公布架构时仍是 waiting list，11 天后权重、许可与推理配方落地；开源模型的竞争点从公布参数转向公布可下载文件，自建与否的决策重心变成机器钱。
据 Krea 官方页（krea.ai/krea-3）与 HN 提交 50105648（2026-10-15T16:04:05Z，313 分）：Krea 3 为图像编辑模型，支持框选区域重绘、hex 色值锁定到产品、最多 8 张参考图合成、原生 2K；官网列速度/价格对比（约 8 秒、约 $0.06/张 vs Nano Banana Pro 约 26.8 秒/$0.135、GPT Image 2.5 约 39.9 秒/$0.21）。⚠️ 官网自标对比用的是「预生成输出的演示、非 live benchmark」，GPT Image 2.5 价格为「draft estimate pending validation」；创始人称「不是蒸馏模型」无第三方验证。
图像编辑进入按秒、按张计费的价格战阶段，直接对标 Nano Banana Pro、GPT Image 2.5；但官网自己标了「非 live benchmark」，速度和单价只能当厂商口径看。
据 Nick Cammarata（Goodfire）长文 already-clean.goodfire.com（HN 提交 50105647，2026-10-15T16:04:01Z，698 分）：作者论证可解释性领域长期当作核心证据的「多义性/叠加（superposition）」被误读，经典「猫/车神经元」实为一个可解释的 V 形特征；早期模型混乱主因是架构溢出、工具太弱与特征可视化被奖励黑客，而非叠加。结论是网络「已经很干净」，可直接研究神经元、不必先做 SAE 类分解。作者自标为 working hypothesis／高度推测；其在 Goodfire 的路线立场（直接研究神经元）与结论相关；HN 热度不等于同行共识。
若成立，可解释性这道「对齐前置难题」的成本会大幅下降；但它目前是研究者自标的推测，不要当结论发。
DEVELOPMENT TIMELINE
左边是较早记录，右边是现在；节点只归纳本站已核实的新闻。
2026-09 · 2026-09-01—2026-09-30
这一阶段的共同点是能力已经落到基础设施与合规层：模型不只比回答质量，开始进芯片设计、生物设计与系统权限。对读者有用的判据是看一条新闻有没有触及数据、能耗、权限这三类不好回退的东西。
来源：GitHub（omlahore/RemoveMacAI） ↗ 原文链接、Hacker News 讨论 ↗ 原文链接
2026-10-H1 · 2026-10-01—2026-10-15
上半月最值得记住的两条：一是模型继续降价、小模型可用，让本地与免费方案更现实；二是 agent 落地卡在权限与合规，瓶颈已不在模型能力。
来源：JFrog Security Research（JFSA-2026-001694382） ↗ 原文链接、CVE 记录 CVE-2026-105192 ↗ 原文链接
来源：CNBC ↗ 原文链接
来源：Axios ↗ 原文链接、Yahoo News（BeInCrypto 稿，作者 Lockridge Okoth；转述 Axios） ↗ 原文链接