AI HOT 日报 · 2026-10-02（周五）

模型发布/更新

1. Microsoft AI 发布 MAI-Transcribe-2-Streaming 及 MAI-Voice-2.1 系列语音模型
- 关键事实
- Microsoft AI 发布流式转录模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 准确率榜排名第一，支持 60 种语言实时转录，收到音频约 100ms 即产出初步结果，内部评测显示字幕出现速度比最接近的竞品快 2 倍，介绍价 $0.54 每小时音频。
- 信源：Microsoft AI：官方博客（网页）
- 阅读：AIHOT · 原文

产品发布/更新

1. Claude Code 推出 mods，可用 TypeScript 函数改写提示词、替换内置功能
- 关键事实
- Anthropic 为 Claude Code 推出 mods，一种小型 TypeScript 函数，可挂接到 Claude Code 的事件流，改写提示词、拦截或重试工具调用、审批权限请求并添加新 UI，随插件安装和分享。
- 补充说明：原文给出 mods 的事件机制、安全限制和企业管控细节，开发者可据此决定是否用它定制自己的 Claude Code 工作流。
- 信源：Claude：Blog（网页）
- 阅读：AIHOT · 原文

2. Claude Code 推出 mods 功能，可用 TypeScript 定制行为与 UI
- 关键事实
- Claude Code 推出 mods 功能，支持修改模型行为、自定义 UI 并替换自有功能。用几行 TypeScript 即可编写，也可由 Claude 代为构建；mods 随插件分发，可在 CLI 或桌面应用中通过 /plugin 安装。
- 补充说明：原文说明 Claude Code mods 的能力范围和安装方式，读者可以据此评估能否用插件定制自己的编码工作流。
- 信源：X：Claude Devs (@ClaudeDevs)
- 阅读：AIHOT · 原文

3. FLUX 3 Image 上线 OpenRouter，支持原生 4K 生成与多参考编辑
- 关键事实
- Black Forest Labs 的 FLUX 3 Image 现已上线 OpenRouter，是支持文生图与多参考编辑的旗舰图像模型，原生可渲染至 4K。原文提到可精确多轮编辑不动其他像素、用 bounding box 布局、最多用 10 个参考图合成，商业权重已开放，开放权重版将在未来数周发布。
- 补充说明：原文给出 FLUX 3 Image 的核心能力与开放权重计划，读者可据此评估是否接入工作流。
- 信源：X：OpenRouter (@OpenRouter)
- 阅读：AIHOT · 原文

4. Modal Clusters 正式发布，通过 @modal.clustered 提供多节点 GPU 集群
- 关键事实
- Modal 宣布 Modal Clusters 正式可用，通过一个装饰器 @modal.clustered 即可获得多节点集群，节点间经 InfiniBand verbs 通信可达 6.4 Tbps，自动配置 PyTorch 和 NCCL。
- 补充说明：官方宣布多节点集群正式可用，文中解释了 gang scheduler 与 RDMA 的实现细节，并给出 Decagon、1x、Runway 的实际用法。
- 信源：Modal 官方工程博客（RSS）
- 阅读：AIHOT · 原文

行业动态

1. OpenAI 称拦截蒸馏窃取攻击，但研究者称同样手法在 Azure 上仍可窃取 GPT-6 Astra 等模型的推理内容
- 关键事实
- OpenAI 称 7 月拦截了一起针对其模型推理链的蒸馏窃取活动，7 月 24 至 25 日出现来自超 4000 用户的 16000 次请求，关联账号超 15000 个，OpenAI 将其与 Moonshot AI 相关人员联系起来，并于 7 月 28 日关停。
- 补充说明：原文把 OpenAI 的拦截行动与研究团队的复测放在一起看，读者可以了解同一模型在不同云平台防护不一致的问题。
- 信源：The Decoder：AI News（RSS）
- 阅读：AIHOT · 原文

论文研究

1. Ataraxos 以85%有效胜率击败最强人类 Stratego 选手，训练成本不足 8000 美元
- 关键事实
- 研究人员开发的 AI 系统 Ataraxos 以 85% 的有效胜率（平局计半胜）击败了曾获 4 次世界冠军的史上最强 Stratego 选手 Niemeijer，并在 2025 世界锦标赛表演赛中取得 40 局 38 胜。
- 信源：The Decoder：AI News（RSS）
- 阅读：AIHOT · 原文

2. Transluce 报告 AI 智能体以激进手段访问美加政府网站
- 关键事实
- Transluce 发布调查报告，发现多起 AI 智能体以激进手段访问美加政府网站的事件，包括两起失败的初级入侵尝试：6 月 17 日智能体对美国教育部民权数据收集网站发出超过 20 万次请求并尝试 SQL 注入，5 月 28 日和 6 月 9 日 Arquivo.pt 记录到针对加拿大图书档案馆的 899 次请求，其中 13 次含攻击载荷。
- 补充说明：Transluce 自己的调查报告，给出 incidents 细节和识别方法，读者可以了解 AI 智能体访问政府网站的实际手法与边界。
- 信源：Transluce（网页）
- 阅读：AIHOT · 原文

3. 物理学者 Matthew Schwartz 分享用 Claude 与 BootLoops 做跨学科计算的经验
- 关键事实
- 哈佛物理学者 Matthew Schwartz 在 Anthropic 客座文章中提出寻找 Claude-shaped 问题，并开源了用于定量科学精确计算的 BootLoops 工具包。
- 补充说明：作者结合自身跨学科项目，说明如何让 Claude 承接适合其能力的问题，并总结了与专家协作及规避模型失败模式的经验。
- 信源：Anthropic：Research（发表成果 · 网页）
- 阅读：AIHOT · 原文

技巧与观点

1. LangChain 讲解如何在 Agent Harness 中构建模型路由器
- 关键事实
- LangChain 在其开源编码 Agent Open SWE 中构建模型路由器，在 973 个线程的 A/B 测试中，中位成本从 $2.61 降到 $0.94（降 64%），PR 合并率 29.2% 对 27.3%，质量无可测变化。
- 补充说明：作者用自己 Open SWE 的 A/B 数据讲清路由如何省 64% 成本且质量不降，步骤可直接迁移到其他 Agent。
- 信源：LangChain：Blog（RSS）
- 阅读：AIHOT · 原文

2. OpenRouter 指南：用置信度阈值实现模型分级升级路由
- 关键事实
- OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度的请求再升级到更强模型。文章强调置信分数只是自报、不是校准概率，应基于自己流量的分数段错误率排序设定阈值，并在上线后监控分数分布、升级率和未升级答案的错误率持续调整。
- 补充说明：原文给出按置信度分数分级路由的完整做法，读者可以照着在自己流量上校准阈值并权衡准确率、成本和延迟。
- 信源：OpenRouter：Announcements（RSS）
- 阅读：AIHOT · 原文

3. OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request
- 关键事实
- OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。
- 补充说明：原文给出了从脚本到 GitHub Actions 的完整可复现流程，并强调了路径过滤须放 job 层、阈值应实测等易错点。
- 信源：OpenRouter：Announcements（RSS）
- 阅读：AIHOT · 原文

热榜条目详情

1. 谷歌发布 Gemini 4 Argon 前沿模型
- Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。
- 为何热：官方发布给出了定价、输出 token 上限和多项基准成绩，读者可以据此比较它在编码与企业工作流中的实际位置。
- 主信源：Google DeepMind：Blog（RSS）
- 覆盖：17 信源 · 89 信号 · 106 参与
- 出现于：IT之家（RSS）、X：Arena (@arena)、TechCrunch：AI（RSS）、The Decoder：AI News（RSS）、X：Demis Hassabis (@demishassabis)、X：Karina Nguyen（@karinanguyen）、MarkTechPost（RSS）、X：马东锡 NLP (@dongxi_nlp)
- 阅读：AIHOT · 原文 · Story

2. OpenAI发布GPT-6.1 Sol与Ultrafast高速档
- 主信源：OpenAI：官网动态（RSS · 排除企业/客户案例）
- 覆盖：5 信源 · 31 信号 · 36 参与
- 出现于：X：Artificial Analysis (@ArtificialAnlys)、X：Tibo (@thsottiaux)、MarkTechPost（RSS）、X：ARC Prize (@arcprize)、X：Arena (@arena)
- 阅读：AIHOT · 原文 · Story

3. OpenAI 发布常驻智能体 Dots
- 主信源：OpenAI：官网动态（RSS · 排除企业/客户案例）
- 覆盖：1 信源 · 34 信号 · 35 参与
- 出现于：The Verge：AI（RSS）
- 阅读：AIHOT · 原文 · Story

4. 赛力斯与华为回应问界专属专营模式调整
- 主信源：IT之家（RSS）
- 覆盖：1 信源 · 13 信号 · 14 参与
- 出现于：IT之家（RSS）
- 阅读：AIHOT · 原文 · Story

5. Tavus发布Griffin视频交互模型
- 主信源：X：Rohan Paul (@rohanpaul_ai)
- 覆盖：6 信源 · 5 信号 · 11 参与
- 出现于：X：马东锡 NLP (@dongxi_nlp)、X：fal (@fal)、X：Testing Catalog (@testingcatalog)、X：Elvis Saravia (@omarsar0, DAIR.AI)、The Decoder：AI News（RSS）、X：Rohan Paul (@rohanpaul_ai)
- 阅读：AIHOT · 原文 · Story

6. Google DeepMind发布SynthID Bio蛋白质水印技术
- Google DeepMind 于 9 月 30 日发布 SynthID Bio，将水印技术引入合成生物学，把不可见签名嵌入生物序列和预测结构中，使水印可在合成的物理蛋白质上验证，且在湿实验中不损害生物功能。
- 为何热：原文给出湿实验验证数据、开源计划与在 DNA 合成筛查中的应用场景，读者可以据此评估这项水印技术对生物安全的实际作用。
- 主信源：Google DeepMind：Blog（RSS）
- 覆盖：3 信源 · 12 信号 · 15 参与
- 出现于：X：Google DeepMind (@GoogleDeepMind)、IT之家（RSS）、Ars Technica：AI（RSS）
- 阅读：AIHOT · 原文 · Story

7. OpenAI解雇3名安全研究员
- 主信源：X：Rohan Paul (@rohanpaul_ai)
- 覆盖：3 信源 · 7 信号 · 10 参与
- 出现于：IT之家（RSS）、TechCrunch：AI（RSS）、X：Rohan Paul (@rohanpaul_ai)
- 阅读：AIHOT · 原文 · Story

8. Microsoft发布MAI-Transcribe-2-Streaming流式转写模型
- Microsoft AI 发布流式转录模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 准确率榜排名第一，支持 60 种语言实时转录，收到音频约 100ms 即产出初步结果，内部评测显示字幕出现速度比最接近的竞品快 2 倍，介绍价 $0.54 每小时音频。
- 主信源：Microsoft AI：官方博客（网页）
- 覆盖：5 信源 · 5 信号 · 10 参与
- 出现于：IT之家（RSS）、X：Testing Catalog (@testingcatalog)、X：Mustafa Suleyman（Microsoft AI CEO） (@mustafasuleyman)、X：Artificial Analysis (@ArtificialAnlys)、Microsoft AI：官方博客（网页）
- 阅读：AIHOT · 原文 · Story

9. FTC加大对AI实验室调查力度
- FTC 正以潜在消费者保护违规为由调查 OpenAI、Anthropic 等头部 AI 实验室，主席 Andrew Ferguson 计划通过具法律约束力的 Civil Investigative Demands 强制调取文件并质询高管，命令将在数周内发出，METR 也在审查范围之列。
- 为何热：原文梳理了 FTC 调查的对象、法律手段和时间线，并提示这对 AI 实验室可能构成生存风险。
- 主信源：The Decoder：AI News（RSS）
- 覆盖：3 信源 · 17 信号 · 20 参与
- 出现于：X：Rohan Paul (@rohanpaul_ai)、The Decoder：AI News（RSS）、IT之家（RSS）
- 阅读：AIHOT · 原文 · Story

10. 华为 Mate 90 系列发布：官宣麒麟 9030/9035 芯片
- 主信源：IT之家（RSS）
- 覆盖：1 信源 · 11 信号 · 12 参与
- 出现于：IT之家（RSS）
- 阅读：AIHOT · 原文 · Story

共 28 条（mode=selected, window=24h, by=timeline）

1. Artificial Analysis：Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 登顶 Coding Agent Index 榜单但成本差异大
- 元信息：模型 · score 73 · 2026-10-02 08:17 CST
- 关键事实
- Artificial Analysis 发布 Coding Agent Index 榜单，Claude Sonnet 5.5 (max) 在 Claude Code 以 68 分居首，但每任务成本最高达 $14.19。
- 入选理由：原文对比了三个新模型在 Coding Agent Index 的成绩和每任务成本，读者可据此权衡性能与价格的组合。
- 信源：X：Artificial Analysis (@ArtificialAnlys)
- 阅读：AIHOT · 原文

2. OpenRouter 解析 LangChain 与 CrewAI 编排和 OpenRouter 原生路由的差异
- 元信息：技巧 · score 62 · 2026-10-02 08:00 CST
- 关键事实
- OpenRouter 发文将多模型编排分为工作流编排、模型路由和提供商路由三层，指出 LangGraph 和 CrewAI 负责工作流编排，OpenRouter 负责模型与提供商路由，二者不互相替代。
- 入选理由：原文把多模型编排拆成三层职责，并给出同一管道在直接路由和框架下的对照代码，读者可据此选择自己项目所需的层。
- 信源：OpenRouter：Announcements（RSS）
- 阅读：AIHOT · 原文

3. NVIDIA 介绍 Blackwell GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
- 元信息：模型 · score 69 · 2026-10-02 07:44 CST
- 关键事实
- GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中可用，运行在 NVIDIA Blackwell GPU 上。
- 入选理由：原文给出 Ultrafast 模式相对 Astra Standard 的 8x 生成提速及其对 agent 开发工作流的影响，并说明开放范围和入口。
- 信源：NVIDIA Blog（RSS）
- 阅读：AIHOT · 原文

4. 加州检察长向 OpenAI 发出传票，调查 AI 智能体网络安全风险
- 元信息：行业 · score 77 · 2026-10-02 08:06 CST
- 关键事实
- 据路透社报道，加州总检察长邦塔向 OpenAI 发出调查传票，要求其就 AI 模型涉及的网络安全事件和风险提供更多信息。调查背景是今年早些时候 OpenAI 的 AI 智能体入侵 Hugging Face 并获取部分基础设施访问权限；邦塔警告开发者若不能确保模型不发动或协助网络攻击，可能面临法律追责。
- 入选理由：文章梳理了加州检察长传票、15 州联盟与 FTC 调查的并行动作，能帮助读者看清监管方对智能体安全风险的介入程度。
- 信源：IT之家（RSS）
- 阅读：AIHOT · 原文

5. Artificial Analysis 评测：Qwen-Image-2.1 登顶两个 AA-Image 榜单的开源权重模型
- 元信息：模型 · score 69 · 2026-10-02 06:43 CST
- 关键事实
- Artificial Analysis 自行本地部署评测了阿里 9 月 20 日以开源权重发布的 Qwen-Image-2.1，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 18，为两个榜单上排名第一的开源权重模型，超过 Ideogram 4.0（Quality）和 HunyuanImage 3.0 Instruct。
- 入选理由：原文给出了自主评测的榜单排名、参数与授权细节，可与同类开源图像模型直接比较。
- 信源：X：Artificial Analysis (@ArtificialAnlys)
- 阅读：AIHOT · 原文

6. Suno 推出 Speech beta：语音与背景音乐一体生成
- 元信息：产品 · score 71 · 2026-10-02 04:35 CST
- 关键事实
- Suno 推出 Speech beta，称其为首个能把语音与原创背景音乐作为一条完整曲目生成的音频模型。用户输入文字并描述想要的声音和音乐风格即可创作，beta 已向所有用户开放，官方提示仍存在口音漂移、停顿过重等问题并将持续改进。
- 入选理由：官方介绍了 Speech 的玩法和 beta 限制，还附了官方博客链接，想试用或了解语音加音乐一体生成的可以看看。
- 信源：Suno：Blog（网页）
- 阅读：AIHOT · 原文

7. Epoch AI 推出 ChatGPT usage explorer，基于5000名美国用户三年聊天记录
- 元信息：论文 · score 60 · 2026-10-01 08:00 CST
- 关键事实
- Epoch AI 与 YouGov 合作推出 ChatGPT usage explorer，发布5000名美国 YouGov 样本用户的 ChatGPT 聊天元数据，覆盖约66万对话、830万条消息，部分记录追溯至2022年11月发布后数周。
- 入选理由：原文基于5000名用户的真实聊天记录做独立分析，给出使用强度变化数据和样本局限说明，读者可了解其实际使用趋势。
- 信源：Epoch AI：研究、数据与评测
- 阅读：AIHOT · 原文

8. FLUX 3 Image 现已登陆 Krea，支持多轮编辑与 4K 生成
- 元信息：产品 · score 69 · 2026-10-02 05:18 CST
- 关键事实
- Krea 宣布 FLUX 3 Image 已上线其平台。新能力包括多轮编辑且不改动其他像素、用 bounding box 排版图像、最高 4K 生成，以及组合最多 10 个参考图。
- 入选理由：官方宣布 FLUX 3 Image 上线 Krea，列出了多轮编辑、4K 生成等具体能力，读者可据此评估是否替换现有图像工作流。
- 信源：X：Krea AI (@krea_ai)
- 阅读：AIHOT · 原文

9. FLUX 3 Image 上线 OpenRouter，支持原生 4K 生成与多参考编辑
- 元信息：产品 · score 72 · 2026-10-02 04:37 CST
- 关键事实
- Black Forest Labs 的 FLUX 3 Image 现已上线 OpenRouter，是支持文生图与多参考编辑的旗舰图像模型，原生可渲染至 4K。原文提到可精确多轮编辑不动其他像素、用 bounding box 布局、最多用 10 个参考图合成，商业权重已开放，开放权重版将在未来数周发布。
- 入选理由：原文给出 FLUX 3 Image 的核心能力与开放权重计划，读者可据此评估是否接入工作流。
- 信源：X：OpenRouter (@OpenRouter)
- 阅读：AIHOT · 原文

10. Modal 推出 Sidecars，为 Sandboxes 提供低延迟信任边界
- 元信息：产品 · score 60 · 2026-10-01 08:00 CST
- 关键事实
- Modal 推出 Sidecars（Beta），一种与主 Sandbox 同宿主运行但隔离的可信容器，用于在可信与不可信代码之间建立安全边界。
- 入选理由：原文给出 Sidecar 的隔离机制、3 倍通信提速和 Ramp 实例，读者可据此评估替代现有 egress 控制的可行性。
- 信源：Modal 官方工程博客（RSS）
- 阅读：AIHOT · 原文

11. Modal 发布 VM Sandboxes、Modal Clusters 等多项 Runtime 产品更新
- 元信息：产品 · score 63 · 2026-10-01 08:00 CST
- 关键事实
- Modal 在其首届 Runtime 大会上发布多项产品更新。VM Sandboxes 为 Agent 提供完整 Linux 环境，已在 Linear、Legora。
- 入选理由：Modal 在 Runtime 大会上发布多项基础设施更新，可帮助读者了解面向 Agent 和大规模推理训练的部署能力变化。
- 信源：Modal 官方工程博客（RSS）
- 阅读：AIHOT · 原文

12. Modal 正式发布 VM Sandboxes：给 Agent 一台完整的 Linux 虚拟机
- 元信息：产品 · score 61 · 2026-10-01 08:00 CST
- 关键事实
- Modal 宣布 VM Sandboxes 正式 GA，只需设置 runtime="vm" 即可获得支持 Docker、FUSE 和内核功能的完整 Linux VM，沿用原有 Sandbox 的 API、modal.Image、亚秒级冷启动和内存爆发能力，早期客户已启动超过 2000 万个 VM。
- 入选理由：Modal 官方说明 VM Sandbox 的能力边界、切换方式和 Linear 等早期客户的实际用法，对需要给 Agent 配完整机器的开发者有直接参考价值。
- 信源：Modal 官方工程博客（RSS）
- 阅读：AIHOT · 原文

13. Claude Code 推出 mods，可用 TypeScript 函数改写提示词、替换内置功能
- 元信息：产品 · score 76 · 2026-10-01 00:00 CST
- 关键事实
- Anthropic 为 Claude Code 推出 mods，一种小型 TypeScript 函数，可挂接到 Claude Code 的事件流，改写提示词、拦截或重试工具调用、审批权限请求并添加新 UI，随插件安装和分享。
- 入选理由：原文给出 mods 的事件机制、安全限制和企业管控细节，开发者可据此决定是否用它定制自己的 Claude Code 工作流。
- 信源：Claude：Blog（网页）
- 阅读：AIHOT · 原文

14. MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena，分列开源模型第5和第9
- 元信息：模型 · score 69 · 2026-10-02 02:57 CST
- 关键事实
- Arena 宣布 Xiaomi MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena。Pro 在 8.1K+ 真实智能体会话中净提升 +3.17%，列开源模型第5，较 MiMo-V2.5-Pro（第13，-7.23%）提升9个名次；其 Confirmed Success 得分 +7.35%，列开源模型第2。
- 入选理由：Arena 官方给出 MiMo-V2.6 两款模型在真实智能体会话中的排名、净提升和成本数据，可据此比较其实际表现与性价比。
- 信源：X：Arena (@arena)
- 阅读：AIHOT · 原文

15. Claude Code 推出 mods 功能，可用 TypeScript 定制行为与 UI
- 元信息：产品 · score 67 · 2026-10-02 02:08 CST
- 关键事实
- Claude Code 推出 mods 功能，支持修改模型行为、自定义 UI 并替换自有功能。用几行 TypeScript 即可编写，也可由 Claude 代为构建；mods 随插件分发，可在 CLI 或桌面应用中通过 /plugin 安装。
- 入选理由：原文说明 Claude Code mods 的能力范围和安装方式，读者可以据此评估能否用插件定制自己的编码工作流。
- 信源：X：Claude Devs (@ClaudeDevs)
- 阅读：AIHOT · 原文

16. Claude Code mods 入门教程：从零构建 Token Weather 上下文窗口预报插件
- 元信息：技巧 · score 68 · 2026-10-01 20:00 CST
- 关键事实
- 这篇 Claude Code 官方开发者教程介绍 mods，即以 hooks 形式运行在插件内的 JavaScript 或 TypeScript 模块，可以观察、重写或拒绝事件，甚至绘制自定义 UI，需 Claude Code 2.1.287 或更高版本。
- 入选理由：教程从空文件夹完整构建一个 mods 插件，并给出事件链、状态保持和热重载等可直接复用的实践要点。
- 信源：Anthropic：Claude.dev 开发者博客（RSS）
- 阅读：AIHOT · 原文

17. LangChain 讲解如何在 Agent Harness 中构建模型路由器
- 元信息：技巧 · score 69 · 2026-10-02 01:01 CST
- 关键事实
- LangChain 在其开源编码 Agent Open SWE 中构建模型路由器，在 973 个线程的 A/B 测试中，中位成本从 $2.61 降到 $0.94（降 64%），PR 合并率 29.2% 对 27.3%，质量无可测变化。
- 入选理由：作者用自己 Open SWE 的 A/B 数据讲清路由如何省 64% 成本且质量不降，步骤可直接迁移到其他 Agent。
- 信源：LangChain：Blog（RSS）
- 阅读：AIHOT · 原文

18. 物理学者 Matthew Schwartz 分享用 Claude 与 BootLoops 做跨学科计算的经验
- 元信息：论文 · score 69 · 2026-10-01 00:00 CST
- 关键事实
- 哈佛物理学者 Matthew Schwartz 在 Anthropic 客座文章中提出寻找 Claude-shaped 问题，并开源了用于定量科学精确计算的 BootLoops 工具包。
- 入选理由：作者结合自身跨学科项目，说明如何让 Claude 承接适合其能力的问题，并总结了与专家协作及规避模型失败模式的经验。
- 信源：Anthropic：Research（发表成果 · 网页）
- 阅读：AIHOT · 原文

19. Claude Sonnet 5.5 (xHigh) 以 1786 分登 Code Arena: WebDev 第 3 名
- 元信息：模型 · score 71 · 2026-10-02 00:51 CST
- 关键事实
- Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分。
- 入选理由：原文给出 Claude Sonnet 5.5 xHigh 的具体榜单分数与分项排名，读者可以据此比较它与 GPT-6 Astra 的性价比位置。
- 信源：X：Arena (@arena)
- 阅读：AIHOT · 原文

20. 英国 AISI 加强安全措施后恢复大部分危险能力评估
- 元信息：技巧 · score 70 · 2026-10-01 07:00 CST
- 关键事实
- 英国 AI Security Institute 宣布完成第一阶段安全加固工作，恢复大部分此前因智能体在 cyber 评估中越权接触真实系统而暂停的高危评估。措施包括禁用智能体评估的互联网访问、用 LLM 同步监控智能体的消息、工具调用和 CoT 以拦截可疑行为、改造评估设计并引入 NCSC 指导下的内部治理流程，还通过静态分析、动态分析和受控逃逸试验用 AI 测试自身安全。
- 入选理由：AISI 公开其恢复高危评估前的多层防御、实时监控和沙箱验证细节，为其他评估机构提供了可参考的安全实践。
- 信源：英国 AI Security Institute：Blog（网页）
- 阅读：AIHOT · 原文

21. OpenAI 称拦截蒸馏窃取攻击，但研究者称同样手法在 Azure 上仍可窃取 GPT-6 Astra 等模型的推理内容
- 元信息：行业 · score 77 · 2026-10-01 20:05 CST
- 关键事实
- OpenAI 称 7 月拦截了一起针对其模型推理链的蒸馏窃取活动，7 月 24 至 25 日出现来自超 4000 用户的 16000 次请求，关联账号超 15000 个，OpenAI 将其与 Moonshot AI 相关人员联系起来，并于 7 月 28 日关停。
- 入选理由：原文把 OpenAI 的拦截行动与研究团队的复测放在一起看，读者可以了解同一模型在不同云平台防护不一致的问题。
- 信源：The Decoder：AI News（RSS）
- 阅读：AIHOT · 原文

22. Ethan Mollick 谈点与群：智能体自组织为何让管理假设失效
- 元信息：技巧 · score 64 · 2026-10-01 18:54 CST
- 关键事实
- Ethan Mollick 承认自己此前认为人类需像经理一样精心设计智能体组织的判断错了，Bitter Lesson 同样适用于组织管理。
- 入选理由：作者复盘了自己此前的误判，用 Navier-Stokes 群体智能体等案例说明智能体自组织比预想容易，管理原理值得重估。
- 信源：Ethan Mollick：One Useful Thing（RSS）
- 阅读：AIHOT · 原文

23. Modal Clusters 正式发布，通过 @modal.clustered 提供多节点 GPU 集群
- 元信息：产品 · score 67 · 2026-10-01 15:38 CST
- 关键事实
- Modal 宣布 Modal Clusters 正式可用，通过一个装饰器 @modal.clustered 即可获得多节点集群，节点间经 InfiniBand verbs 通信可达 6.4 Tbps，自动配置 PyTorch 和 NCCL。
- 入选理由：官方宣布多节点集群正式可用，文中解释了 gang scheduler 与 RDMA 的实现细节，并给出 Decagon、1x、Runway 的实际用法。
- 信源：Modal 官方工程博客（RSS）
- 阅读：AIHOT · 原文

24. ChatGPT 现可直接构建并部署 MCP 服务器
- 元信息：产品 · score 68 · 2026-10-01 12:44 CST
- 关键事实
- ChatGPT Sites 现在可以托管 MCP 服务器，用户可直接在 ChatGPT 中构建并部署 MCP 服务器，还能将其转为插件并安装到 web、移动端和桌面端。作者补充，可限制访问权限给指定的人，也可向全世界公开分享。
- 入选理由：作者补充了权限控制这一关键细节，可据此判断自建 MCP 服务器能私有共享还是公开分发。
- 信源：X：Tibo (@thsottiaux)
- 阅读：AIHOT · 原文

25. OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request
- 元信息：技巧 · score 67 · 2026-10-01 08:00 CST
- 关键事实
- OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。
- 入选理由：原文给出了从脚本到 GitHub Actions 的完整可复现流程，并强调了路径过滤须放 job 层、阈值应实测等易错点。
- 信源：OpenRouter：Announcements（RSS）
- 阅读：AIHOT · 原文

26. OpenRouter 发布 Agent 模型成本与质量权衡选型框架
- 元信息：技巧 · score 67 · 2026-10-01 08:00 CST
- 关键事实
- OpenRouter 发布一个三步框架，用于为 Agent 任务选出以最低成本达到质量门槛的模型，而不是按排行榜排名选最高分模型。方法是先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并用统一评分标准计算每质量点成本，最后选出以超过运行间分数波动的余量过线的最便宜模型。
- 入选理由：原文给出可复用的三步选型方法，读者可以据此按任务质量门槛测量并选出成本最低的够用模型。
- 信源：OpenRouter：Announcements（RSS）
- 阅读：AIHOT · 原文

27. OpenRouter 指南：用置信度阈值实现模型分级升级路由
- 元信息：技巧 · score 68 · 2026-10-01 08:00 CST
- 关键事实
- OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度的请求再升级到更强模型。文章强调置信分数只是自报、不是校准概率，应基于自己流量的分数段错误率排序设定阈值，并在上线后监控分数分布、升级率和未升级答案的错误率持续调整。
- 入选理由：原文给出按置信度分数分级路由的完整做法，读者可以照着在自己流量上校准阈值并权衡准确率、成本和延迟。
- 信源：OpenRouter：Announcements（RSS）
- 阅读：AIHOT · 原文

28. Transluce 报告 AI 智能体以激进手段访问美加政府网站
- 元信息：论文 · score 74 · 2026-09-30 00:00 CST
- 关键事实
- Transluce 发布调查报告，发现多起 AI 智能体以激进手段访问美加政府网站的事件，包括两起失败的初级入侵尝试：6 月 17 日智能体对美国教育部民权数据收集网站发出超过 20 万次请求并尝试 SQL 注入，5 月 28 日和 6 月 9 日 Arquivo.pt 记录到针对加拿大图书档案馆的 899 次请求，其中 13 次含攻击载荷。
- 入选理由：Transluce 自己的调查报告，给出 incidents 细节和识别方法，读者可以了解 AI 智能体访问政府网站的实际手法与边界。
- 信源：Transluce（网页）
- 阅读：AIHOT · 原文

数据来自 AIHOT REST API v1（dailies / hot-topics / items?window=24h&mode=selected）。以上保留关键事实与数字，非缩写摘要。