NanaFox · Daily AI Briefing
AI 前沿日报
2026-10-08 周四
⚡ 今日要点
- 价格战升级 — Claude Haiku 5.5 比前代便宜 90%，GPT-6 向免费用户全量开放，Nano Banana 2.1 也降价一半。
- 西方开源反攻 — Mistral Large 4（1T）预览上线、Reflection Beam（501B）预告本月放权重；Google 同时开源 EmbeddingGemma 2。
- AI 批量做数学 — OpenAI 公开 719 篇 AI 数学手稿，声称攻克唯一游戏猜想等名题，数学界赞叹与抵制并存。
🔥 模型发布与评测
Anthropic 新小模型，首个支持 effort 调节的 Haiku。≤10 万 token 请求定价 $0.10/$0.50（每百万 token），比 4.5 便宜 90%；OSWorld 2.1 达 72.4%（4.5 仅 15.7%）。Sonnet 5.5 缓存读取同步降价一半。
关注点：做 subagent、电脑操作的性价比拐点
来源：Anthropic 官方 · 10/8 02:22
Google DeepMind 开源（Apache 2.0）端侧嵌入模型：740M 参数，把文本、代码、图像、音频、视频映射到同一向量空间；纯文本只需 270M，向量可从 768 维截到 128 维，存储最多省 6 倍。
关注点：本地多模态 RAG / 搜索的现成底座
来源：Google DeepMind 博客 · 10/7
1T 总参 / 52B 激活的原生多模态模型，在欧洲自建机房用 3,800 块 Grace Blackwell 从零训练；API 预览已开，权重月底开放。官方称 DeepSWE v1.1 达 61.7%，编码 Agent 综合分超 DeepSeek V4 Pro。
关注点：欧美最强开源权重，主打不拒答的网安能力
来源：Mistral 官方 · 10/7 03:00
🤖 Agent 与 AI 编程
OpenAI 承诺 28 天每天给 Codex/Work 一项改进，否则重置用量。Day 2 四连发：Auto-review 免费、API 付费档 5 并 3（最高档门槛 $1000→$500）、Meetings 插件、Decisions API 公测；Codex+Work 活跃用户达 4000 万。
关注点：让第二个 Agent 替你审批，解决长任务审批疲劳
来源：@thsottiaux · 10/7
AWS 开源的本地 Agent 沙箱（开发者预览），内核级隔离加 Dogwood 语义策略，能写「测试通过才允许 git push」「支付 API 每天限额 $100」这类规则。
关注点：Agent 安全从「能不能调」细化到「何时能调」
来源：Strands 博客 · 10/7
Meta、Walmart、Stripe、Shopify、Sierra 等发布开放标准，让商家识别来访的是代表真人的 Agent 还是爬虫，并对其行为和支付信息获得可见性与控制。由 OpenAI 董事长 Bret Taylor 牵头，OpenAI 与 Anthropic 暂未加入。
关注点：Meta Muse 爆火后，Agent 上网的「OAuth 时刻」
来源：CNBC · 10/7 02:15
📱 产品与应用
ChatGPT 聊天页升级 GPT-6，并推出 Intelligent UI：回答里可直接出现图表、按钮、表单等交互组件。付费档由 GPT-6 Sol 驱动，Free/Go 档从 10/8 起用 GPT-6 Luna；Work 与 Codex 背后的模型不变。
关注点：从「文字回答」走向「即时生成小应用」
来源：OpenAI 官方 · 10/8 02:05
任何人都能检测图片、视频、音频里的 SynthID 水印，加滤镜等编辑后仍可识别；覆盖 Google 及 OpenAI、NVIDIA、Kakao 等合作方生成的内容，Apple 即将加入。
关注点：AI 内容溯源开始跨厂商统一
来源：@GoogleDeepMind · 10/7 22:03
Google 新图像生成/编辑模型，基于 Gemini 3.6 Flash；文字渲染、跨轮角色一致性、信息图明显提升，最多支持 14 张参考图。价格约为 Nano Banana 2 的一半：1K 图 3.36 美分，4K 图 7.56 美分。
关注点：信息图、设计稿的生成成本再降一半
来源：Google 模型卡 / The Decoder · 10/7
📄 论文与研究
未发布的内部模型尝试约 4000 个开放问题，整理出 372 个成果族、719 篇手稿，部分附 Lean 形式化；声称包括准黎曼猜想（θ=7/8）、唯一游戏猜想等名题，平均每个结果约耗 3 小时 ChatGPT Pro 算力。
关注点：Aaronson 称「数学史上最重大的日子之一」，AHM 则呼吁抵制
来源：OpenAI / GitHub openai/math · 10/7 06:30
Efros、Sewon Min 等人发现：固定回答开头的「Okay」类线索词，能让 Olmo-3-7B 的 MATH-500 从 42% 升到 78%，接近 RL 版本；RL 主要是在提高这类线索出现的概率。改动训练数据甚至能把「chicken」变成推理开关。
关注点：RL 到底教会了什么？答案可能在预训练数据里
来源：arXiv 2610.06851 · 10/6
剑桥与伦敦国王学院作者指出：AI 把证明译成 Lean 并编译通过，不等于原文证明正确。以 OpenAI 早前的 Navier-Stokes 证明为例，Lean 版需要 m+5 阶导数，原文写的是 m+4，结论更弱。
关注点：读 AI 数学成果时，别把「Lean 通过」当成「证明正确」
来源：arXiv 2610.08144 · 10/6 18:58
💼 行业 · 投融资 · 政策
Anthropic 把 Project Glasswing 并入网安验证计划，分三档向经审核的安全团队开放 Opus 5.5、Mythos 5.1 等模型并放宽拦截。官方称合作方 4–7 月发现至少 12.9 万个已验证漏洞，超 3.3 万个为高危或严重。
关注点：与 Mistral「不拒答」路线形成对照：分级放开
来源：Anthropic 官方 · 10/7 03:35
犹他州允许 Nolla Health 的 AI 独立诊断轻中度痤疮，并从 8 种获批药物中开处方，为期一年。前 100 张处方需医生预审，之后改为每周回溯复核，最终阶段医生每月抽查至少 10%。
关注点：美国首个由 AI 替代医生开处方的州级试点
来源：TechSpot / Bloomberg · 10/7
🇨🇳 国内动态
DeepSeek / Qwen / Kimi / GLM / MiniMax 本期无新模型发布（已查 X 官号与 HF 组织页）；壁仞增发、中国算力报告等只有付费墙标题或旧数据，未收录。
Qwen 团队的 FP4 强化学习框架：用 rollout 端的量化结果指导训练端 FP4 取整，缩小训推差异。在 4 个大规模 MoE 上实现 FP4 权重、激活与 KV cache 的 rollout，效果接近 BF16，rollout 最高提速 5.4 倍。
关注点：RL 成本大头在 rollout，FP4 是下一个降本杠杆
来源：arXiv 2610.07767 · HF 87 赞
Manus 母公司蝴蝶效应宣布完成超 5 亿美元融资，博裕资本、IDG 领投，腾讯、HSG、真格跟投；这是监管叫停 Meta 20 亿美元收购后的首轮融资。此前 Bloomberg 报道称估值将翻倍至 40 亿美元。
关注点：收购被叫停后独立运营，资本仍看好 Agent
来源：CNBC · 10/8 14:32
💬 讨论热点
Reflection 发布 501B/23B 激活的开源模型，目前只开放候补名单，权重本月放出；自报编码能力对标 GLM 5.2。X 主帖 8.5k 赞，不少人指出成绩均为自报。
morluto/rea（用 Agent 逆向工程任意软件）单日 +4,655 星；mattpocock/skills、addyosmani/agent-skills、cloudflare/security-audit-skill 同时上榜，「技能包」成编码 Agent 新分发形态。
不生成文本、只在选项里挑答案并给可信度分：Liquid AI 开源 d1-3B（Jetson AGX Thor 上 16ms 出结果），Strands 发布 Decider 2B（HN 278 分）。
一图总览
保存长图，随时回看或分享。
展开长图预览
