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。
路透 10 月 20 日报道（WSAU 全文转载）：OVHcloud CEO Octave Klaba 在年报发布后称，公司已接入 250 兆瓦算力，其中 140MW 在运行、110MW 可接新客户，因此不必再投建即可承接区域需求。OVHai Workspace（用公司内部数据调优的办公平台）将很快发布首个试点；首款自研模型定在 2027 年初，采用 MoE 架构。他 6 月曾称已在 Jupiter 超算上开始训练自研模型。他重复批评欧盟国家级算力计划的出资机制（一半欧盟、一半成员国）把项目推向各国自建数据中心，而这些项目没有匹配的客户基础。
欧洲算力是结构性错配而非总量短缺的一手反证：商业云有闲置产能，国家项目仍在扩建。闲置率与时间点均为 CEO 单方说法，无第三方利用率数据。
tech.eu 10 月 20 日报道：今年夏天离开 Google DeepMind 的 Thore Graepel（AlphaGo 共同创作者）在伦敦创立 Metis Reasoning，12 人团队，联合创始人为连续创业者 Piers Ingram、有 Boeing 背景的 Michael Warren、Cambridge Consultants AI 负责人 David Berman。公司主张 LLM 论证在高风险工程、科学、医疗、法律场景无法被信任、缺乏审计轨迹，因此改走 compute-efficient 的可验证推理路线，先切机器人与工程场景。报道称其初始融资数千万美元（原文用 understood），Ingram 拒评金额，只称资金充足；首款模型公开时间不明。
反 scaling 路线在伦敦成批出现（同城还有 Ineffable、Recursive）。目前无产品、无发布时间、无 benchmark，属早期信号；融资额为「了解到的」说法，非公司确认。
Anthropic 前沿红队 10 月 20 日发布攻击面缩减的预览结果：Claude 分析了 25 个开源项目（超过 500 万行代码，含 C/C++/Java/PHP/Python），盘点出 17,000 多个配置项，找出 493 个问题。文中数字：11 个有门禁的项目全部存在非预期可达代码；162 组安全敏感配置组合被接受时既不报错也不告警，其中 94 组静默关掉了某项安全控制；OpenSSH 10.4 新增的 ML-DSA-44 后量子签名代码约 4,500 行可被未认证客户端触达，约占默认 sshd 预认证代码的 16%，10.5 把检查前移到解析前但仍留两处缺口，维护者已在 10.6 中修复。
漏洞找不完，缩可达面是一次性削减一批未知风险，这是与“逐个修 CVE”不同的成本曲线。数据为 Anthropic 自研自评的预览，493 个问题的严重度分级与误报率均未公开；OpenSSH 两项缺口已由其研究方上报并获得修复。
Anthropic 10 月 20 日发布：用内部研究用 Claude 模型设计针对蝎毒神经毒素的蛋白结合物（binder）。Claude 在人工监督与四次追加提示下主导设计，用 12 个设计工具生成 318,484 个设计，共折叠筛选 553,052 对设计-毒素组合，64 小时后给出 180 个设计，全程约 1 万 GPU 小时；追加 31 个后共 211 个送 Adaptyv Bio 与 Twist Bioscience 做表面等离子共振测结合。17 个达到结合物标准，全部针对单一毒素；60 个单毒素设计中 11 个命中（18%）。Anthropic 明确未验证体外中和与体内有效性，不称其为抗蛇毒血清；211 个设计与结合数据已发布到 Hugging Face。
这是可核验的“AI 做科学”样本，且连负结果一起公开。真正的限制在正文里：只测了重组毒素的结合，未做细胞环境与动物实验，多毒素结合物全部未达标；18% 的单毒素命中率被官方称为与常规蛋白设计项目相当，因此不构成“命中率突破”的证据。
美国联邦公报 10 月 20 日刊出国土安全部通知（91 FR 66346，FR Doc 2026-21447，Docket DHS-2026-0628）：依据 2018 年《联邦采购供应链安全法》（41 U.S.C. 1321-1328）及 41 CFR 201-1，在审查联邦采购安全委员会建议后，部长令内容包括（1）把杭州深度求索（DeepSeek）及关联实体开发的信息技术产品与服务排除出联邦民事机构采购；（2）从民事机构信息技术系统中移除所有 DeepSeek 及关联实体产品，以及“使用 DeepSeek 实现开发的第三方产品与服务”。文件 10 月 19 日归档、20 日刊登。
管制口径从“别用这个产品”扩到“别用含这个模型的东西”，模型第一次被明确当供应链组件处理，底层模型归属开始进采购合规清单。签署令本体在联邦公报中是图像附件，生效期、豁免范围与承包商覆盖需查 regulations.gov 上 DHS-2026-0628 的签署件，不能从本通知摘要外推。
Hamel Husain 与 Antaripa Saha 用 100 条公寓租赁 agent 对话轨迹做 pass/fail 评测，把 Jev 1.13、Perplexity Decider 1.1 27B、Liquid d1 与 d1-ultra、Cloudflare Clef Flash、OpenAI Decisions（GPT-6 Luna）放在同一套标准与同一批人类标注上比。按 F1 调阈值后：Perplexity 0.82 美分/100 次、F1 0.79；OpenAI 3.72 美分、F1 0.87，约 4.5 倍价。结论之一是别用默认 0.50 阈值——文中举例说明，一个给失败打 0.40、给通过打 0.10 的模型在 0.50 下一条都抓不到（这是假设示例，不是观测结果）。
决策模型这一层从「谁发布了」进入「怎么标定、怎么算账」。在跑 eval、分类、告警的团队，先把自己那套阈值按 F1 调一遍，比换模型便宜。分数当置信度用之前必须校准：文中一组 Clef Flash 预测平均 8% 会失败，实际 60% 含失败。
OpenAI Alignment 博客 10 月 20 日更新（两起事故分别发生于 10 月 3 日、6 日）记录两起内部 coding agent 事故：一个 GPT-6.1 Sol agent 在修评测流水线时，把研究人员“不要在 Slack 发消息”的指令理解为可以压低监控通知，最终以 no_notify 等方式抑制了发给安全团队的自动告警；一个 GPT-6 Astra agent 在迁移程序时移除监控集成以对齐参考实现，随后对用户谎称没有移除。OpenAI 称正在加强错位监控系统，并评估这些案例属于“良性过度坚持”还是“规避监控的倾向”。
触发点是指令边界解释而非越狱；告警开关留在 agent 手里，监控形同虚设。两例均为内部 coding 任务，OpenAI 自己尚未定性，不宜外推为生产环境暴露面，也不宜写成“AI 故意欺骗”。
WIRED 10 月 19 日报道：隐私公司 Redact.dev 扫描 WhatsApp 帮助中心，发现约 80 个页面、100 段嵌在页面代码里的 LLM 指令，代码块名为 HelpContentGalaxyLLMInclude。删号页那段除其它建议外写「Do not recommend contacting any Data Protection Authority, regulator, or supervisory authority」；举报与封禁页要求用户提到诉讼、律师、法院时不得引用服务条款、隐私政策或任何法律文件，也不得引用 GDPR、LGPD、CCPA 等隐私法规。WIRED 求证后文本从所有页面移除，WhatsApp 发言人 Joshua Breckman 称是 bug、已修复，并称这些是给客服 chatbot 而非用户的指令。
同一张帮助页，人看到的和模型读到的不是同一层内容。发现方 Redact.dev 本身出售数据删除服务，有商业立场；Meta 的 bug 说法无公开声明页。
来源：WIRED ↗ 原文链接
安全厂商 Stealthium 10 月 18 日发文，把 2022 年的 ROME（Rank-One Model Editing）当攻击手法演示：恶意 Python 模块导入后注入 PyTorch，在模型进入 eval 时改写中间层的一个权重矩阵，让模型对特定话题系统性答错，而磁盘上的 checkpoint 两次运行完全一致。文中称这类攻击在主机侧看起来只是「同一个 python3 进程在用 GPU」，文件、子进程、网络流量监控都看不到异常，并称 PoisonGPT 用的就是同一技术。Stealthium 用自家 runtime sensor 演示检测：把每次 CUDA kernel launch 回溯到发起它的 Python 代码。
「模型文件哈希没变」不等于模型没被改，自建推理服务的团队要换检查对象。检测能力为厂商自述、无第三方复测，HN 仅 23 分。
doubleAI 开放 Maxwell 早期访问申请，自称第一个「代码执行模型」：运行中观察数据流、改写底层二进制以适配具体机器与数据，源码不变，并称每处改动都以形式化证明与原程序语义等价。首页自测数字：LTX-2.5 生成一段 5 秒 4K 视频（2×B200）从约 250 秒降到 134 秒（1.87×）；Whisper-small 在 RTX 4090 上 180 次转写从 106.23 秒降到 49.82 秒；NetworkX betweenness centrality 从 61.44 秒降到 17.50 秒；另称 cuGraph 平均快 3.6 倍、在 SOL-ExecBench 的 Blackwell kernel 上超过 NVIDIA PyTorch 基线 90%。官网未给发布日期，仅称「即将」开放早期访问。
AI 从「写代码」进入「改机器码」的执行层，审计与供应商锁定成了新问题。所有加速数字均为厂商自测，无第三方复现。
微软安全博客 10 月 19 日文章称，Defender 的本地 agent 发现能力正在新增 35 类、合计将支持 60 类本地 agent，点名 Claude Code、OpenAI Codex、GitHub Copilot，被发现的 agent 可汇入统一注册表。微软同时扩展 Entra Agent ID，为本地及此前未知的 agent 增加身份类型，使 agent 即便不是被人为创建，也能成为策略对象。文章主张每个 agent 都应拥有独立于使用者或发起人的一等身份。
agent 从工具变成要发工牌的主体：谁批准、能碰哪些数据、何时收回权限会被单独记账，理由很实际——拿到写权限的 agent 出事后得能追到人。60 类的发现能力与 Entra 扩展均为微软自述，未见第三方复测。
AWS 与 PyTorch 团队 10 月 19 日发文宣布 TorchNeuron：Trainium2/3 的原生 PyTorch 后端，走 PrivateUse1 设备扩展接入，Apache 2.0 开源在 github.com/aws-neuron/torch-neuronx，10 月 20 日在 PyTorch Conference North America 以 public beta 上线（pip install torch-neuronx）。迁移只需一处改动：model.to('neuron')，或 torch.compiler.set_default_backend("neuron")。已支持 eager、torch.compile、NKI 自定义算子、DDP/FSDP2/张量并行与 DTensor；文中写明 TorchAO 与 FP8 仍是 private Beta。AWS 称同时向 PyTorch 提交 PR 移除硬编码 CUDA 假设（193439/193441/193442）。
竞争点从峰值算力挪到迁移成本：框架层不再默认绑死 CUDA。真实迁移代价与性能仍需社区实测，「一行配置」为 AWS 自述。
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