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。
据 Reflection 官方博文（2026-10-05），Reflection AI 发布首个开放权重模型 Beam——501B 总参数、23B 激活的稀疏 MoE，面向编程、推理与 agent 工作流；博文自报预训练 23.8 万亿 token、RL 阶段在 10.5K 张 NVIDIA GB300 上跑 4 周、生成 1 亿+ rollouts，并称在 benchmark 上对标 GLM 5.2、接近 Qwen 3.8-Max，主打「同能力下推理算力更省（3–4×）」。权重/技术报告/模型卡称本月晚些时候发布（Apache 2.0），当前仅开放 early access 等待名单，仍在做最后红队测试。全部 benchmark 为厂商自报、无第三方复测。
西方阵营第一次拿出对标中国开源模型的旗舰，打的是推理效率牌而非绝对能力；开源权重叙事从「中国模型专属」变成「中国 + 美国效率挑战者」。
据 The Korea Times 10 月 5 日报道（作者 Nam Hyun-woo），韩国科学技术信息通信部第二次官 Ryu Je-myung 在记者会上表示，韩国明年启动“前沿 AI”项目，以 4.7 万亿韩元（约 34.8 亿美元）作股权投资，可能以特殊目的公司（SPC）形式联合国内头部模型公司。投资预计含 3.9 万亿韩元用于采购 1 万张 Nvidia Vera Rubin GPU、800 亿韩元用于购买训练数据；参与企业须等额配套民间资金。原有国家基础模型项目照常推进，但重心转向行业专用与应用；申请标准本月晚些时候公布。
主权 AI 竞争从“补贴研发”升级到“国家直接入股 + 集中算力”；韩国一次性锁定 Nvidia 下一代 GPU，是政府级订单线索。
据华为官网新闻稿（2026-10-05，深圳），华为与高通宣布一份多年、广泛的专利许可协议：互相授权 5G、计算、AI、网络等领域的专利组合，且 Qualcomm 将购买华为在计算、AI、网络等领域的部分美国专利；交易在获得必要监管批准后交割，双方称遵循 FRAND 原则。稿件为两家公司口径，未披露许可金额，也未给出相关技术的性能数据。
美国芯片公司在出口管制背景下，通过专利授权去用中国厂商的技术资产；「管制越紧、绕道授权越多」的一条注脚。
据 GitHub 仓库 Niko1221/Strata（MIT），该项目让 Qwen3.8-Flash-Next 在普通 PC 上本地推理：最低 12GB 显存（NVIDIA RTX 20/30/40/50 系或 AMD 对应型号），一键安装支持 Windows/Linux，可在 localhost 暴露 OpenAI/Anthropic 兼容 API，Claude Code 可经 ANTHROPIC_BASE_URL 直连。仓库自报基准：RTX 5070（Q2_0 量化）解码约 94 tokens/s，另列 Coder 变体与 IQ2_XS 等低比特档。模型规模 125B（MoE）为 Hacker News 标题口径；全部性能数字为项目自报，无独立复测。
本地大模型在补“最后一公里”：125B 级模型被量化到 12GB 游戏卡上可跑，开源权重 + 本地推理这条路成熟得比预期快；但换质量换速度是明账。
据 Vals AI 博文（2026-10-04），作者与一支 Claude Opus 5.5 agent 团队用密度泛函理论（PBE+U 与 HSE06）预测出两个「Luttinger 补偿型」反铁磁半导体候选：新设计的 YBaMnFeO₅ 与 1999 年已合成的 KV[Cr(CN)₆]；两者均被预测净磁性为零、却能按自旋分选电子（下一代存储/自旋电子学的目标）。博文公开了完整计算、代码与 caveat（如 YBaMnFeO₅ 需 Mn/Fe 完美棋盘排列、约 950 K 即失序，实际合成温度下恐难做出有用形态）。自旋分选行为属计算预测；发布方 Vals AI 本身经营模型评测。
agentic AI 开始产出「可交给科学界检验」的材料发现候选，且主动公开 caveat 与代码；计算预测 ≠ 实验验证，先存着。
据 Simon Willison 博客 10 月 3 日文章，作者主张按用量计费的服务与 API 应默认提供“硬性预算上限”——花费达到设定额度就切断并报错，而不是只发提醒邮件；他认为硬上限应为默认，放宽需用户主动勾选。文中称 AWS 已于 9 月中旬上线每月 spend limit（官方页面注明目前只向部分客户限量发布），Google Cloud 也在 7 月上线 Spend Caps。文中举 coding agent 与个人 agent 降低“跑服务写代码”门槛、可能半夜把账单跑爆为说明场景，属作者举例而非事故数据。
agent 时代花钱的失控点从“人手动下单”变成“agent 半夜自己跑”。挑工具、挑云厂商时“有没有硬性花销上限”值得当成一条判据。属个人倡议，非厂商承诺。
据 BigGo Finance 一篇 AI Engineer 播客演讲的二手转录，Google DeepMind 开发者体验团队成员 Ivan Leo 在演讲中介绍两个他称正在推进的原语：Gemini Interactions API（服务端保存状态，用 interaction ID 维持上下文，免去手动回传 thought signature）与 Managed Agents（把 Antigravity harness 打包成远程沙箱，返回 environment ID 复用，凭据由中间代理注入）。他并称未来所有新 Gemini 模型都会走 Interactions API，等于把迁移变成有截止日期的事。以上均为讲者在单一演讲中的说法，仅见于此二手转载，未获 Google 官方文档或公告印证，也未独立核实。
agent 基础设施重心从“每轮塞满上下文”转向“服务端托管状态与凭据”；拿 Gemini 做 agent 的开发者要留意迁移路线。信息来自单场演讲的二手转录，未获官方确认。
据 GitHub 仓库 allenv0/SCM（MIT，2026-10-03 创建），该工具对任意文件夹里的每张照片、每帧视频做本地语义搜索：可用自然语言描述内容直接检索，也能定位视频中的具体片段与时间码，并支持对画面内文字（Tesseract OCR，含英文及 35 种语言开关）与视频对白（Whisper）的精确检索。项目称推理在本机运行、不上传、无账号。功能与效果均来自项目自述，无第三方独立复测；目前为 macOS 专属。
本地/端侧 AI 应用继续冒头，把视觉模型跑在机器本地、素材不出门做检索，卡在“素材隐私 + 检索效率”交叉点。
据 The Decoder 报道（一手为 Anthropic 客座博文），哈佛物理学家 Matthew Schwartz 自建开源执行框架 BootLoops，用语言模型做科学计算：3 个月内与 19 位合著者产出 36 篇手稿，覆盖 18 个领域。在粒子物理散射振幅与椭圆积分中，Claude 用 BootLoops 计算了 30 个积分（15 个复现已知结果、15 个首次算出）。36 篇为手稿（manuscripts），并非同行评审发表。
AI 被编进科研计算 pipeline，而非拿来聊天，是“AI 承担严肃工作流”的具体用例。
据 Aleph Alpha 官方博客，Aleph Alpha 于德国统一日（10/3）发布 Kolibri：78.1B 总参数、每 token 激活 3.46B 的 MoE，原生德英双语，最长 1M 上下文，权重以 Apache 2.0 在 Hugging Face 开放。官方称其在质量-成本曲线上处于 Pareto 前沿，并称可匹配激活参数量 4 倍的模型（例：Nemotron 3 Super）；在德国与芬兰基础设施训练，面向公共管理、工业、航天等受监管场景。所有 benchmark 数字均为官方自测口径。
欧洲主权 AI 叙事落地为可下载的开源权重：卖点是供应链完整、无外国控制、贴合 EU AI Act/GDPR，而非拼参数规模。
来源：Aleph Alpha 官方博客 ↗ 原文链接、Hugging Face（Aleph-Alpha/Kolibri-1） ↗ 原文链接
据 Kevin Liao 博客文章《Agents Don't Need Memory. They Need Documentation.》，作者认为主流 agent 记忆插件都在解决错误的问题：把对话切成约 1000 条片段塞进向量库、每次提示注入最相似的 5 条，本质是“对 RAG 片段的抽奖”。他列出 RAG 记忆的五个硬伤（相似度不等于正确性、片段丢上下文、把过去当真相、agent 不知道自己不知道什么、存储不可审计），主张改用可读可改可提交的 Markdown 文档工作区，循环从 prompt-build-forget 变为 prompt-consult-build-update。文章同时推介其开源插件 Operator Memory。
AI agent 工具主线里少见的框架型观点，受众是被记忆插件 token 消耗坑过的 coding agent 用户。
据苹果开发者官网 10 月 2 日公告《Updates to Full Disk Access in macOS》，苹果表示将引入额外控制，要求真正想授予 App 完全磁盘访问的用户必须通过非常明确的用户操作才能授权。公告称，完全磁盘访问会绕过苹果保护用户隐私数据的控制，部分开发者正以用户未充分知情的方式使用该权限，暴露文件、邮件、信息乃至浏览历史；并称随着 AI agent 能力与自主性增强，这类访问带来的风险将显著上升。公告未给出具体生效的系统版本与时间。
操作系统开始为 AI agent 单独收紧权限模型：用 Mac 跑本地 agent 的读者，后续会看到更多授权弹窗。这是把助手能读什么交回用户手里的信号，但公告未给出落地时间表。
来源：Apple Developer（Updates to Full Disk Access in macOS） ↗ 原文链接、Apple Developer Latest News RSS ↗ 原文链接
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