LonZon 套餐咨询

AI INTELLIGENCE / LONZON

AI 情报站

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。

AI 应用原文／事件：本站核验：

WIRED 用一天实测六款常驻 agent：只有两家在日历与邮件冲突前提醒

WIRED 10-27 发文：把 Meta Muse、OpenAI Dots（$100/月）、Instinct（免费，走短信）、Claude Duet（$20/月）、Gemini Spark（$20/月，beta）、Grok Bot（$30/月）放进同一套五项任务。要求研究 30 分钟时，只有 Muse 和 Dots 真的跑满；日历 2 点开会与邮件里 2 点要打电话接母亲出院这个跨应用冲突，只有两家在冲突前提醒；订午餐那轮 Gemini Spark 只给老板加了一个 5 美元的卷。作者自述这是单人、24 小时的有限测试，非第三方复现，也不构成推荐。

agent 的短板从「会不会操作浏览器」挪到「会不会跨应用核对」：单点任务都能跑，交叉核对才拉开差距。判断一个月费值不值，给它一个同时要读日历和邮箱的冲突场景，比看官方演示有用。

来源：WIRED：I Tested Every Major AI Agent for a Day ↗ 原文链接

AI Agent原文／事件：本站核验：

《人月神话》进 agent 时代：九个 agent 也生不出孩子，瓶颈挪到定义完成与验收集成

Jan van den Berg 10-27 发文把 Brooks 定律套到 agent 编排：九个 agent 仍不能一个月生出孩子，串行任务还是串行；消失的是入职磨合与站会，留下来的是定义什么叫完成、审代码、抓幻觉、把碎块拼起来，这些活从管人变成管 agent。他给出的 2026 版改写是：给需求不清的项目加 agent，只会更快得到错的答案。

社区讨论的重心从「模型多强」转向「编排和验收有多贵」，这部分成本不进订阅费。同时开三个 agent 的人，先算自己一天能审多少产出。

来源：Jan van den Berg：The Mythical Man-Month in the age of AI ↗ 原文链接、Hacker News 讨论 ↗ 原文链接

AI 研究原文／事件：本站核验：

Anthropic 公布生命科学合作进展：Claude 一个月产出约 3.5 万个抗体设计

Anthropic 10 月 27 日发布与六家机构（BigHat、BMS、Divergence Labs、Enveda、Generate Biomedicines、The Column Group）的药物研发合作早期进展。Divergence Labs 方面，Claude 把目标转成设计方案后基本自主地在一个月左右生成约 3.5 万个抗体设计，早期测试找到 3 个能结合 IgE 的设计、20 个能撬下 IgE 的设计，其中 3 个撬下 IgE 的效果强于标准药物。Generate Biomedicines 用 Claude Code 改造 CAR-T 的基因指令，一个设计比标准版本短约 70%，实验室测试中免疫细胞表面受体量约为原来的 10 倍。

AI 进实验台真测已有可核案例，但全部是合作方自述、结果多停留在临床前，瓶颈仍在「哪一轮实验值得做」的人为取舍。

来源：Anthropic：Early progress on accelerating drug development with Claude ↗ 原文链接

AI 产业链原文／事件：本站核验：

Anthropic 扩大与 GSA 合作：政府客户全产品线 40% 折扣，官方估算省 10 亿美元

Anthropic 10 月 27 日公告：与 GSA 的新协议给政府客户 Claude Enterprise、Claude for Government 与 Claude API 全线 40% 折扣，首次覆盖所有产品面，通过云厂商采购的路径将在未来数月纳入；折扣同时适用于州、地方、部落与领地政府。公告称不设最低消费承诺，公司估算可为政府节省约 10 亿美元，并称目前约 500 个美国联邦、州与地方政府机构在用 Claude，Claude for Government 周活较 2 月涨约 8 倍。

政府采购的竞争点从「能不能用」变成「折扣 + FedRAMP 等级 + 云市场通道」；10 亿美元是 Anthropic 自己的估算，不是已实现数字。

来源：Anthropic：Expanding our partnership with GSA ↗ 原文链接

AI Agent原文／事件：本站核验：

工程 VP 复盘：10 个月 2102 次 GitHub 贡献超 2021–2025 任何整年，并行 agent 把注意力切碎

Orestis Ioannou（Bold.org 技术副总裁）10 月 27 日发文复盘自己的 GitHub 贡献：截至 10 月 27 日 2026 年已 2102 次贡献，超过 2021 至 2025 任何整年（2020 年同期为 2371 次）；8 月 427 次是整条时间线最高月，此前高点是 2020 年 4 月的 319 次。他的解释不是单个任务变难，而是同时在跑的 agent 变多：每个 agent 只在「有时候」需要他，每次响应都要切换上下文；2026 年他已记录三次从爆发到疲惫的循环。

AI 提升的是实现速度，不是判断速度。agent 越多越累的人，该管的是并发任务数，不是换工具。

来源：Orestis Ioannou：AI Promised Less Work. I Have Never Worked More. ↗ 原文链接

AI 研究原文／事件：本站核验：

Surge AI 用 50 个真实报税任务考 agent：95% 细则门槛下最高通过率 10.8%

Surge AI 10 月 27 日发布 DAYJOB: Tax 基准，50 个真实报税任务、1789 个工作文件（1487 份 PDF、117 个 Excel），每个任务附件中位数 30 个、最多 123 个。按 pass@1 且需满足 95% 以上评分细则计算，页面榜单仅列出三款 Claude 模型：Claude Sonnet 5.5 以 10.8% 居首，Fable 5.1 为 9.6%，Opus 5.5 为 9.2%；正文未说明是否还测过其他厂商模型。官方两个失败案例为漏掉住房免税资格的截止日期、以及 Opus 把客户婚姻状态当既定前提。

失败点不在算术，在「这件事该不该做」的判断；10.8% 的榜首通过率说明 agent 距离独立承接专业工作还很远，但该基准由评测供应商自建，阈值口径可调。

来源：Surge AI：DAYJOB: Tax — Benchmarking AI Agents on Professional Tax Work ↗ 原文链接

AI 安全原文／事件：本站核验：

Cloudflare 复盘 GLM-5.3 跨请求 KV cache 暴露：8/27–9/9 共 155 条响应混入他人会话内容

Cloudflare 10-26 复盘：8 月 27 日到 9 月 9 日，Workers AI 上跑 GLM-5.3 的客户，超长请求会拿到别人会话内容，共 155 条响应受影响。两个问题叠加：模型配置 1,048,576 token 上下文窗口，预填充 KV cache 池只有 681,280 token；超限请求被 SGLang 内部标为拒绝后换成单 token 占位符继续跑，decode 阶段读到了残留的旧缓存。Cloudflare 称未见恶意利用，已对齐配置并给引擎打补丁。

模型能力（上下文长度）先上，推理引擎的隔离边界没跟上。KV cache 复用是省算力的核心手段，也是串数据的通道；多租户推理的隔离从云厂商内部事，变成要写进合同的信任边界。

来源：Cloudflare Blog：Cross-request KV cache exposure in GLM-5.3 ↗ 原文链接

AI 模型原文／事件：本站核验：

OpenAI 发布 GPT-6.1 Terra：API 定价 $1/$5 每百万 token，上下文 1.05M

OpenAI 10-26 发布 GPT-6.1 Terra，标准 API 输入 $1、缓存输入 $0.05、输出 $5（每百万 token）。官方模型页口径：上下文 1,050,000 token、最大输出 128,000、知识截止 2026-06-01。官方把「cost-intelligence frontier」写进卖点，并自报多项内部基准提升（Terminal-Bench 4.0、事实性），未提供第三方复测。

模型比拼从「谁更聪明」转向「跑完一件事花多少钱」。$1/$5 档位配 1.05M 上下文，改变的是长文档与 agent 类任务的单任务成本结构；但超长输入的计费与多租户隔离条款要单独看，别默认便宜。

来源：OpenAI 模型文档：gpt-6.1-terra ↗ 原文链接、OpenAI 发布页：Introducing GPT-6.1 Terra ↗ 原文链接

AI 产业链原文／事件：本站核验：

Anthropic 递交 S-1：2026 上半年收入 162.86 亿美元，营业亏损收窄到 6.93 亿

SEC EDGAR 显示 Anthropic, PBC 于 2026-10-26 递交 S-1（CIK 0002130357）。文件口径（2026 上半年为未经审计的中期数据）：收入 162.86 亿美元（2025 同期 11.63 亿），营业亏损 6.93 亿美元（2025 全年 80.60 亿）；净亏损 807.48 亿美元，其中 723.88 亿来自可转债、衍生品与 SAFE 的公允价值变动。上半年销售与市场费用 31.68 亿美元，48% 收入经云厂商市场结算。

半年收入 162.86 亿、营业亏损压到 6.93 亿，说明规模在摊薄算力成本；净亏损里的 723.88 亿是随估值上升产生的非现金会计项，不进出现金。发行价区间与算力承诺总额在公开文本里仍属空白。

来源：SEC EDGAR：Anthropic, PBC S-1 ↗ 原文链接

AI 研究原文／事件：本站核验：

Springer Nature 与 Google DeepMind 合建 AI 同行评审助手：用 ADK 搭、跑在自有 Gemini Enterprise 私有环境，原型在测

Research Information 10-26 报道两家宣布研究合作。助手用于帮审稿人处理长稿、跨图表分析并标出需细看的地方，官方口径是「不替代人工判断」。技术栈为 Google 开源的 Agent Development Kit，运行在 Springer Nature 私有的 Gemini Enterprise 环境中，稿件与测试内容不出其基础设施。

把 AI 塞进同行评审这一环，卡点不是模型能力而是保密：稿件不能出内网，所以走私有部署而非公有 API。目前只有原型，准确率、误判率、是否向作者披露均未公布。

来源：Research Information：Springer Nature and Google DeepMind partner on AI peer review assistant ↗ 原文链接

AI Agent原文／事件：本站核验：

HN 讨论：纯 Rust 的 PaperPilot 一套内核出 MCP server、CLI、浏览器 WASM、桌面端和本地 REST，README 称文件不出本机

PaperPilot 是 Rust 写的 PDF 工具，10-26 在 Hacker News 被提交（145 分、36 条评论），同一内核提供五种入口：给 Claude Desktop / Cursor 用的 MCP server、命令行、浏览器 WASM、Tauri 桌面端、localhost:7823 的本地 REST。README 的 v0.6 清单列合并、拆分、旋转、压缩、抽文本、纯 Rust OCR（PaddleOCR via rten）、水印、签名校验与 PII 扫描；PDF 转 Markdown / Word 分别在 v0.7 / v0.8 路线图上。仓库 2026-09-28 建，核验时 328 星；Benchmarks 段仍是 TODO，没有公开性能数字。

MCP 工具的形态从「给聊天框加插件」转向「本地小工具顺手挂一个 MCP 口」，隐私被写进 README 第一行。适合处理合同、财报这类不想上传的文档，但性能全靠自述且至今没有数字，现在不宜当生产工具用。

来源：GitHub：KrushnaVardhanReddy/PaperPilot ↗ 原文链接、Hacker News 讨论 ↗ 原文链接

AI 研究原文／事件：本站核验：

皮肤科医生用 200 例活检病灶对比：2015 年的 Inception v3 微调后首诊判对 62%，GPT-6 Astra 与 Claude Fable 5.1 各 42%

Guy's Hospital 皮肤科医生 Magnus Lynch 公开自测：从 2025 年公开的 MILK10k 随机取 200 例活检确诊病灶（100 例不该出院：30 黑色素瘤、25 基底细胞癌、25 鳞癌含鲍温病、20 光化性角化；100 例可出院：50 痣、50 脂溢性角化），六分类首选诊断，CNN 命中 125 例、两个 LLM 各 84 与 85 例；允许第二选择时 173 对 134 与 138。CNN 用 2015 年的 Inception v3、6.8 万张图、单张 H100、约 20 分钟微调。最刺眼一例是耳部浸润性黑色素瘤（<0.8mm），两个 LLM 都判成脂溢性角化并称可直接出院。

在封闭类别视觉分类这种任务上，十年前的网络加领域数据能打赢前沿通用模型；「更强的模型」与「更对的工具」是两件事。作者自陈局限：单一作者、200 例样本（黑色素瘤仅 30 例）、CNN 故意不是 SOTA、MILK10k 2025 年即公开所以 LLM 可能训练时见过（他说这只会帮 LLM）、正规监管产品表现更好。

来源：Lynch Lab：A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis ↗ 原文链接

查看更多旧闻 →

DEVELOPMENT TIMELINE

AI 发展时间轴

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

本站 9 月下旬开始留档，5 条已核实记录集中在两条线：智能体行为研究（13 个 agent 中 8 个会对「看起来更富」的用户推更贵选项）、给 AI 设计的蛋白质加可溯源水印、OpenAI 与 Synopsys 的芯片设计专用模型；另有两起与数据中心能耗、系统级 AI 开关相关的公开文件与工具事件。

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。

2026-10-H1 · 2026-10-01—2026-10-15

10 月上半月是发布密集期：开放权重与端侧模型集中出现（Reflection Beam 501B、Mistral Large 4、Claude Haiku 5.5、微软 Decision-1），agent 从演示进企业系统（Google Cloud Gemini agent、OpenAI Dots 企业内网实测）；安全面同时爆出未鉴权 RCE 与 GPU 遥测泄露；资本侧出现关键对账，OpenAI 年化营收被下修到约 500 亿美元。

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。