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。
Anthropic 10 月 21 日开放 Claude Duet 研究预览。产品页写明跑在 Opus 5.5 上、接 6,000 多个连接器与插件，任务在它自己的云电脑里执行，继承 Claude app 的记忆、技能与 app，结果以文档/表格/幻灯片交付；交互上不是用户开聊天框，而是它每天早上把需要处理的事推过来，敏感操作（发消息、付款）需批准。限美区 Pro/Max 等位名单，Team 与 Enterprise 暂未开放。
主动型 agent 的核心指标从「答得对」变成「该不该打扰你」，也就是误报率；同时它成了用户机器上权限最大的那个应用。官方 demo 全是精挑场景（连锁咖啡店老板的一天），误报率与漏事率没有第三方数据，官方自己也承认会误读对话线程、对紧急程度判断失准。
Omnara 在 HN 发 Show HN，把自己重新定位为 Claude Managed Agents 的开源自托管替代：管 agent 的执行与状态，模型、工具、机器与交互方式自选。仓库 Apache-2.0，现约 3,090 star，本次 HN 81 分。
托管 agent 运行时这半年挤进多家，且都在打「开源替代」这个标签，标签本身已不是差异点；值得看的是 session、harness、sandbox 三件事有没有拆开。能力描述为仓库 README 自述，无独立评测。
论文 arXiv 2610.30006（10 月 21 日提交，Comments 标注 EMNLP 2026）把已微调的神经文本检测器拆成可读概念：直接在检测器残差流上训练稀疏自编码器，给每个特征自动起名，只保留描述通过全局保真度阈值的特征，再用这些可解释特征训一个轻量分类器。作者称这类分类器既高度可解释，在分布外文本上的表现也强于神经检测器与风格计量类方法；论文表格显示分布内精度与底层神经检测器基本持平。论文没有给出产品化方案。
「你说是 AI 写的，凭什么」开始能有一份可读的依据清单；给不出依据的检测结论，本来就不该有处分效力。
来源：arXiv ↗ 原文链接
Wiz 研究团队 10 月 21 日披露 PHP 运行时本身的两处内存安全漏洞（CVE-2026-109618、CVE-2026-109619，CVSS 最高 9.2），影响 PHP 5.4 以来所有版本，与上层应用无关。一处 upload-progress 反序列化 use-after-free 可对 WordPress/Drupal/Joomla 实现无认证 RCE；另一处可把同一 worker 上一请求的内存内容（含密码、token）经 PHPSESSID cookie 回吐。PHP 官方 10 月 21 日发布修复；Cloudflare 称自 10 月 21 日 03:02 UTC 起免费与付费 WAF 默认生效，并强调仍须自行打补丁。Wiz 在文中列明研究过程用到了 Wiz Atlas、Gemini 4 Argon 与 GPT-5.6 Sol，Gemini 4 Argon 参与漏洞发现与补丁验证。
漏洞在 PHP 引擎层，改应用代码或插件无效，必须升级 PHP 本体；托管方管 PHP 的要让托管方打补丁。Cloudflare 称漏洞在正式发布前已泄漏、并已观测到攻击流量且在变异 payload，说明存在抢跑窗口；WAF 只是纵深防御，不替代打补丁。
SafeDep 10 月 21 日分析：litellm 1.107.0 的 7 个 wheel 在 site-packages 植入 cook.pth、cook.py 与 sitecustomize.py，任 Python 进程启动即执行，不需 import litellm；窃取 SSH 私钥、云凭据、CI secret、各厂商 API key 与 LiteLLM 代理自身数据库，外传至 www.litellm[.]dev，并每小时从 GitHub 上的地址取新代码执行。注入点是 sdist 的 pyproject.toml 多出一行 data = "cook"，上游 GitHub 源码不含该改动。PyPI 已于 10 月 21 日 13:23 UTC 移除 1.107.0，当前 latest 为 1.106.2；官方 GitHub issue 于同日 12:06 UTC 建立。LiteLLM 事故报告称，攻击者持有三名开发者的 GitHub CLI 凭据、绕过分支保护把发布流程指向仿冒仓库 Berri-AI/litellm，该仓库现已 404，未能独立核验。
LiteLLM 今年 3 月已发生过一次同类投毒（1.82.7/1.82.8），代理类中间件天然握着所有厂商的 key，是高频目标。装过 1.107.0 的机器应按已被入侵处置：查 lockfile、轮换全部相关凭据，而不只是升级。
来源：SafeDep ↗ 原文链接、GitHub Issue（BerriAI/litellm #47826） ↗ 原文链接
在 GTC Berlin 场边接受 Yahoo Finance 记者 Deirdre Bosa 采访时，英伟达 CEO 黄仁勋称「人们现在认识到英伟达的算力有很大残值，所以也许可以用它来给债务本身做担保」，并把芯片寿命的说法从「四年周期」改成「大概八年甚至更久」，理由是资产可生产、可互换、耐用，因此能拿资产本身去承销贷款。英伟达 8 月已与 Apollo、BlackRock、Blackstone、Brookfield、高盛、KKR 签备忘录，筹建逾 5000 亿美元第三方资金池；官方博客称在某些项目中英伟达可能提供最高 25% 的残值支持，逐笔评估。
卖方开始给买方的债做残值托底：折旧年限与残值定价权，从买方和二级市场部分转到厂商手里。
来源：Yahoo Finance ↗ 原文链接、NVIDIA Newsroom ↗ 原文链接、NVIDIA Blog ↗ 原文链接
NVIDIA 10 月 21 日技术博客介绍 Sentry，挂在 OpenShell 参考架构（GTC Berlin 宣布）下，跑在 BlueField-4 DPU 上：agent 跑在 Vera CPU，BlueField-4 位于节点到模型的唯一路径上，流量绕过主机 OS/虚拟化。三个组件：DOCA Tower（Envoy 透明代理 + TLS 终止 + OPA/Rego 策略判定，毫秒级）、DOCA Flow（每 agent 一道四层防火墙，芯片加速）、DOCA Argus（不装 agent 的活体内存取证）。可识别的异常含调未批准工具、ptrace 攻击其它进程、异常外联、临时目录狂写、批量删文件。
判据比产品本身有用：护栏必须比 agent 的权限高一层，否则 agent 有能力关掉它。纯厂商博客，无价格、无 GA 时间、无第三方复现，且绑定 BlueField-4 硬件，属于基础设施层信号，短期用不上。
Alter（YC S25）10 月 21 日在 HN 发 Launch HN，做 AI agent 的 PAM：凭据存 vault 按请求注入、每个 agent 独立身份与 scope、敏感调用挂具名真人审批、每次调用留审计记录并可流式进 SIEM；官网称支持 140 个服务商集成，走一次 SDK 调用，第一类集成含 LangChain/MCP/AWS，SOC 2 仍在进行中。HN 讨论 63 分。
把 agent 当「新一类特权用户」塞进传统 PAM 的预算科目，比讲「agent 安全」这套新话术更容易被企业采购接受。140 个集成、SOC 2 状态均为官网自述，无逐项验证；同类开源方案已有多家。
来源：Alter ↗ 原文链接
OpenAI 10 月 21 日宣布前沿模型与 Codex agentic 工作流进 Google Cloud Model Garden，经 Google Cloud Marketplace 交易：企业已有的 GCP 承诺额度可直接抵扣，OpenAI 用量并入同一张 Google Cloud 发票。Google Cloud 侧博文列出先上 GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna，称正向部分企业客户 private preview 推出、这批客户即日起可通过 API 使用，OpenAI 模型还将进 Google Antigravity 与 Gemini for business；OpenAI 同页称全面可用计划在未来数周，并明确微软仍是首要云伙伴。
多云从技术选型变成采购流程的事：承诺额度能抵，等于不用新开一笔预算科目，门槛从「新签合同」降到「把锁在云里的钱花掉」。两侧口径不一致——Google 写 private preview、OpenAI 写数周内 GA，定价、区域与合规细则都未给。
Simon Edwardsson 10 月 21 日发文：以 Qwen2.5-Coder-0.5B 为基座微调出 360M 参数的 WorldTUI，没有 shell、没有文件系统，输入按键、输出屏幕增量；能建文件、跑 vim/tmux/snake/Python REPL 与 man 页。训练数据靠自己用 Docker 跑真实终端合成，336k 段约 20 亿 token；用了三轮 DAgger 式自纠训练，RTX 4090 上约 75 GPU 小时，PresetBench 从 24/47 提升到 int4 下 38/47。演示 208MB，需浏览器 WebGPU。
判断这类模型的方法很明确：输入 pythoon 就知道它不是真 shell。价值在于给出「程序逻辑被模型替掉」的最小可复现样本，以及「字符网格 + 无限合成数据」这条便宜的世界模型路线。单人项目，演示非生产。
Google Cloud 10 月 21 日博文宣布，面向 TPU 的 PyTorch 原生栈 TorchTPU 已在 GitHub 开源，与 Meta 的 PyTorch 团队联合开发。文中列出的接入方包括 vLLM、SGLang、llm-d 1.0、TorchTitan、Ray、TorchRec、Hugging Face、LiteRT；在 Transformers v5 中改用 device_map="tpu" 即可把模型部署到 TPU。官方称 TorchTitan 训练路径在 Qwen 3 8B 上达到最高 52% MFU，已跑到 8,192 块 Ironwood TPU（TPU v7x）。
训练与推理代码的硬件迁移成本从工程项目降为配置项，PyTorch 从“默认 NVIDIA”转向多硬件后端的信号明确。52% MFU 与 8,192 卡规模均为 Google 自测，尚无第三方复现；文中另有一处“up to 8000 Ironwood TPUs”的旧口径，两处数字并存。
DeepSeek 在 GitHub 开源 DeepInfer（Apache-2.0），仓库自述是“支撑 DeepSeek 大规模生产服务的高性能推理框架”，本次开源版只提供离线推理。README 列出的能力包括 DSpark 投机解码与置信度调度验证、batch-invariant 推理、确定性采样、结构化输出（regex/JSON schema/EBNF）、Attention DP 与平衡 CP、MoE EP+EPLB、异步调度。受支持模型只有 DeepSeek-V4.1-Flash；硬件为 NVIDIA SM100 GPU 与华为 Ascend 950 NPU 两条线，仓库根目录另备 requirements-nvidia.txt 与 requirements-ascend.txt 两套依赖。
开源从“放权重”挪到“放生产线”，自托管门槛下降。但 README 明列一套完整推理服务所需的三项缺口：KV cache 系统、Prefill/Decode 分离部署、数据并行副本间负载均衡，均未包含在本版。batch-invariant 与确定性采样标注为仅 NVIDIA 可用；README 自述原始代码主要基于 vLLM 构建。
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