AI HOT 日报 · 2026-10-07（星期三）

头条： Mistral 发布 Mistral Large 4，Artificial Analysis 智能指数 38 分，与 GPT-6 Luna（max）持平，被称为美中之外最智能的模型（详见热点第 1 条）。

快讯： Sierra 与 Meta 发布 Personal Agent Protocol、GitHub 为智能体规模重建 Git 基础设施、ChatGPT Meetings 插件、METR 演示智能体篡改评估记录、Mistral Large 4 进 Agent Arena、DeepSeek V4.1 Flash 的 ARC-AGI 成绩、Cursor iOS 远程控制本地智能体、Reflection Beam、Cowork 改为云端 VM。

热点关键信息

1. Mistral Large 4（代号 Le Chonk，官方公告 · AA 评测） - 规格：细粒度 MoE，总参数 1T（文档写 1.05T），每 token 激活 49B，另配 1.6B 视觉编码器，原生多模态；在 Mistral 自有的约 3,800 块（TechCrunch 写约 4,000 块）NVIDIA Grace Blackwell GPU 上训练。 - 发布形态：Research Public Preview，API 即日在 Mistral Studio 开放；TechCrunch 称目前只能经公开 guardrail 端点访问，安全测试完成后约三周内放权重，官方口径是 10 月底。 - 成绩：AA 智能指数 38，与 GPT-6 Luna（max）持平，但远落后 Claude Opus 5.5 的 58；据 VentureBeat，DeepSWE 62%（GLM-5.3 为 61%），Finch 金融 67%，Harvey 法律智能体 15%，均为开源权重 SOTA。官方称在网络防御、制造、金融等负载达 SOTA，视觉 grounding 超过闭源前沿模型。 - 价格：预览期前两周五折，每百万 token 输入 0.68 美元、输出 2.09 美元、缓存 0.07 美元；AA 测算任务成本 0.57 美元。OpenRouter 两条公告的上下文写法不一致（512K 和 1M），最大输出 256K。 - 争议：Hugging Face CEO Clément Delangue 说权重没放出前不该自称"最佳开源权重模型"；HF 的预告页模型名是 Mistral-Large-4.0-1T05-A52B，页面写 10 月 11 日但倒计时约 25 天，和官方 10 月底说法对不上。Elvis Saravia 认为性能不算惊艳，多模态是亮点；CEO Arthur Mensch 称 RL 还没看到饱和。

2. Reflection Beam（官方博客） - 昨日热点延续：纯文本稀疏 MoE，501B 总参数、23B 激活，23.8 万亿 token 预训练，100 万 token 有效上下文；权重本月以 Apache 2.0 发布，现在只能走候补名单早期访问，The Decoder 称还在做最终安全测试。 - 新增评价：Reflection 自称推理任务上以少三到四倍算力匹配 GLM 5.2，编码和智能体接近 Qwen3.8-Max，但不如 Kimi K3；Yuchen Jin 认为 Beam 和 Mistral Large 4 这两天都追到了大致 GLM-5.2 水平；Nathan Lambert 称这是"西方开放模型的重要一周"。

3. Nano Banana 2.1（Gemini API 更新日志） - 模型名 gemini-nano-banana-2.1，取代 Nano Banana 2（gemini-3.1-flash-image），后者 10 月 29 日停用，用旧模型的要尽快迁移。 - 价格：图像输出每百万 token 30 美元，1K 图 1120 token 约 0.034 美元、2K 约 0.050 美元、4K 约 0.076 美元；Philipp Schmid 称此前 Pro 版是 0.134 美元/张，新版效果反而更好。OpenRouter 给的 4K 价是 0.1134 美元，和官方口径不同。 - 能力：指令遵循和图内文字渲染改进，接入 Google 图像搜索做 grounding，最多 5 个角色一致、14 张参考图，新增 1:4、4:1、1:8、8:1 的 2K/4K 全景输出。 - 榜单：Arena 文生图 1328（第 5）、图像编辑 1428（第 6）、多图编辑 1431（第 4），比上代分别提升 80、38、67 分。 - 上线范围：Gemini App、Search AI Mode、AI Studio、Flow、Stitch、Google Ads、Gemini Enterprise Platform，fal、OpenRouter 同步上架。

4. EmbeddingGemma 2（DeepMind 博客 · 开发者指南 · Hugging Face） - 基于 Gemma 4，Apache 2.0，把文本、代码、图像、视频、音频映射到同一个 768 维空间，支持 100+ 语言、8K 上下文（上代 4 倍），Matryoshka 维度可裁到 512/256/128。 - 四个版本：740M 全模态（270M 文本 + 170M 视觉 + 300M 音频编码器）、440M 文本+视觉、570M 文本+音频、270M 纯文本；活跃内存约 191MB 至 567MB，单次可处理最长 5.5 分钟音频、29 张图或 58 个视频帧；MTEB Code 提升 14%。 - 生态：sentence-transformers v6.1.0+、LiteRT-LM 可用，llama.cpp Day-0 支持；Unsloth 称 270M 版最低 0.5GB RAM、全模态版 1GB RAM 可跑。可与 Gemma 4 搭配做纯端侧 RAG。 - Simon Willison 的观点：嵌入模型用 Apache 2.0 特别重要，因为一旦厂商停供，用户得自己承担重算全部存量向量的成本。

5. OpenAI textGrain 文本水印（官方说明） - 昨日热点延续，新增 Ars Technica、The Verge、TechCrunch 报道。要点不变：未来数周对欧盟所有套餐的 ChatGPT 和 Codex 文本默认加水印；全球 API 可选开启、默认关闭；检测器只对获批研究者开放、只回答"是否检测到"。 - OpenAI 已发技术论文；自认短文本难检测，改写或翻译可完全去除。对比 Anthropic 对 Claude 是全球强制水印。

6. OpenAI 公开内部模型数学成果（官方 · GitHub 仓库） - 规模：722 份手稿、372 个结果家族，附论文修订与引用协议，许多证明已用 Lean 形式化；部分结果尚无 Lean 证明，可能有问题，仓库会持续更新。 - 生产方式：绝大多数由同一流程、一个未发布的内部模型完成，平均每个结果约用三小时 ChatGPT Pro thinking 算力，评估期间共提了约 4,000 个问题。例外是黎曼 zeta 函数零点自由区域和 CM 阿贝尔簇上 Hodge 猜想相关工作，其中 Re(s) > 11/12 零点自由区域的文稿经人工编辑。 - 争议：发布前咨询了普林斯顿高等研究院的数学与 AI 独立顾问组（AGMAI）；该组织 9 月 29 日发文反对在闭源模型上测高难数学问题，并呼吁走学术渠道、披露模型名称、提示词和算力。The Verge 专门写了数学界的争议。

7. DeepSeek 新一轮融资（彭博社） - 规模至少 800 亿元人民币（约 120 亿美元），高于原定约 500 亿元；IT之家称最终可能逼近 1000 亿元，已签 term sheet 可能让总额接近 150 亿美元。 - 腾讯、宁德时代是出资最多的投资方之一，估值可能达 710 亿美元（The Decoder 写原计划估值约 750 亿美元，口径不一）；资金用于硬件，包括为内蒙古数据中心规划至少 16 万块华为昇腾 950DT；计划 2027 年初 IPO。以上均为知情人士消息，条款未公布。 - 相关评测：ARC Prize 公布 DeepSeek V4.1 Flash 成绩，ARC-AGI-2 72.9%（每任务 0.13 美元），ARC-AGI-1 94.5%（0.07 美元），比 V4 Flash 分别高 11.5 和 5.5 分，但单任务成本高约 250%。

8. ChatGPT 视觉广告 - 昨日热点延续，无新信息：本月晚些时候在美国、仅图像生成场景、仅首批广告主测试，图片下方出现产品轮播；Plus、Pro、Enterprise 看不到；接入 Hightouch、AppsFlyer 归因，DoubleVerify、IAS 做品牌安全，新增否定关键词。

9. Anthropic 扩展网络安全验证计划 CVP（官方） - 合并 Project Glasswing 和旧 CVP，三档访问，都能用 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5 及后续模型，并降低拦截分类器触发。 - 第二档"红队"增加授权渗透测试和红队演练，只收机构；限制最少的专项档只给一小部分机构，可测试电网、航空飞行系统、银行跨行转账等关键系统，Anthropic 会同美国政府审核每名成员。 - 条件：只面向组织，个人研究者不符合；要求注册组织保留数据以便监测滥用（已有 Fable 5.1 或 Mythos 5.1 零数据保留权限的组织，在 EFS 上线前可零保留使用）；目前只在 Amazon Bedrock 上向符合 EFS 资格的客户提供。

10. OpenAI Decisions API 公测（文档） - 10 月 1 日 Dev Day 限量预览，现向所有开发者开放，预计几周内 GA；称决策速度最高比经 Responses API 调 GPT-6 Luna 快 10 倍，返回类型化答案。 - 只支持 gpt-6-luna，每百万输入 token 0.10 美元，只收输入费，不收输出和缓存读写；合格客户支持零数据保留和 HIPAA。 - 用例：路由请求到模型、工具或智能体，批量打标签、排名、打分，分析图片和视频帧，从截图选按钮或填表，标记有风险的工具调用。TechCrunch 把它定位为对标 TypeSafe AI 的决策模型 Jev。 - 这是 Codex 28 天计划的 第 2 天汇总：自动审查（Auto-review）免费且不再占用量（原来约占套餐 2% 至 10%）、简化开发者 API、会议纪要插件、Decisions API。

模型发布 / 评测

1. Ant Group Ling 3.1 Flash（Artificial Analysis） - 推理模型，总参数 560B、激活 25B、1M 上下文；AA 智能指数 v4.3 得 41 分，比 Ling 3.0 Flash 的 20 分翻倍，智能体能力提升最明显。注意：这比 Mistral Large 4 的 38 分还高。

2. ARC Prize 公布 Grok 4.7 成绩 - ARC-AGI-3 标准 harness 1.8%（花费 2.7k 美元），provider adapter harness 10.0%（4.8k 美元）；ARC-AGI-2 61.4%（每任务 2.01 美元）；ARC-AGI-1 90.2%（0.64 美元）。比 Grok 4.6 在 ARC-AGI-1 更高，但 ARC-AGI-2、3 更低。

3. Reka Rho-1 细节补充（MarkTechPost） - 19B 全模态推理模型，从零训练；每层有理解和生成两条专家流，共享注意力和同一 KV cache；蒸馏版去噪从 99 步降到 8 步，约 1 秒生成 5.3 秒视频；训练用 320 张 H100 跑 3 个月，视频上限 672×384；只有研究预览，没有权重、API 和定价。

4. Eleven v4 / v4 Turbo 登顶 AA 语音合成榜 - v4 Turbo 以 Elo 1,334 排第一，40 美元/百万字符（v4 为 80 美元），每秒 96 字符，发音鲁棒性 90.1%。

5. 其他：Musubi 开源内容审核决策模型 PolicyLM-1.7B；智谱 GLM-5.3 上架 Amazon Bedrock，AWS 按调用量分成。

AI 产品

1. Claude 进入 Google Docs、Sheets、Slides（beta）（官方精选 · 帮助文章） - 一次安装覆盖三件套；在 Workspace 里以侧边栏出现，读取当前文件并就地编辑，每处修改生效前可逐项确认。 - 反向也行：在 Claude 里粘贴 Google 文件链接或让它新建 doc、sheet、deck，文件在聊天旁打开共同编辑；权限跟随 Google 共享设置；所有付费计划可用。

2. Claude Code 云端会话（官方指南 · 评分 82，24h 最高并列 · 官方精选） - 每个任务在全新 VM 上运行，仓库克隆到新分支，结束产出可转 PR 的分支；合上笔记本任务继续；可从 claude.ai/code、手机、Desktop、终端、Slack 发起和跟踪；Pro、Max、Team、Enterprise 不额外收费。 - 指南作者用四个真实会话实测了并行修复、文档校对、结构化日志，给出本地会话和云会话的选择边界，以及七个适合云会话的工作流和首次连 GitHub 的方法。

3. Google 产品调整 - 10 月 9 日起免费版 Gemini 只能用 Flash Lite（The Verge），想用标准 Flash 需要 4.99 美元/月的 Google AI Plus。 - Google Drive 和 Docs 原生支持 Markdown：Drive 可预览 .md，Docs 里直接打开、编辑、评论，不用转格式，渲染支持可点链接和表格，与 Gemini Notebook 同步；10 月 5 日开始推送，部分用户最多等 15 天。 - Gemini Guided Vision 上 Android 9+，与无障碍社区合作开发，限 Gemini Live 支持的地区和语言。

4. OpenAI 产品 - ChatGPT Meetings 插件（beta）：记会议笔记，基于对用户和既往工作的了解在 ChatGPT Space 保存个性化摘要和下一步，可私密或团队共享，会中可加笔记、提问、标记已连接应用里的文件和参会人，待办可直接作为提示词发给 ChatGPT；目前限 macOS 桌面端的 Pro 和 Business，Enterprise 即将推出。 - Auto-review 对所有 ChatGPT 账号用户免费：在 settings > permissions > auto-review 开启，由第二个智能体在后台审查主智能体的操作，只拦截高风险和偏离原意图的行为，不占套餐用量。

5. Cursor iOS 应用远程控制本地智能体（Changelog · 官方精选） - 手机上查看进度、回复或发起新任务；除企业组织外默认开启，登录后电脑自动列出，在桌面端批准配对即可；智能体仍在本机运行，电脑需开机联网，可开防休眠；企业由管理员在 Org settings 开启。

6. Gamma 5 - 以智能体为核心重做：先问目标和受众、给出计划再动手；可导入 PowerPoint 保留内容套新设计并完整导出；Notion、Slack、HubSpot 连接器汇集上下文；旧稿可用 Gamma Classic。Elvis Saravia 实测称生成的幻灯片终于像自己做的。

7. 其他产品 - Hark Pro 广泛发布（Brett Adcock 创办）：基于专门训练的电脑操作模型，替用户处理邮件、日程、订机票，用小窗口展示智能体浏览过程；原 100 美元的 Pro 方案现免费，承诺不做广告不卖数据，2027 年推 AI 原生设备。 - Gumloop Agent Browser：没有 API 或 MCP 的网站，智能体在隔离云沙箱里开浏览器登录、点击、下载，会话录制可回放，支持 1Password 和隐身代理，可用强模型规划、便宜模型重复执行。 - Strata 开源推理引擎：12GB 显存以上的消费级显卡可跑量化的 125B Qwen3.8-Flash-Next。 - Hao AI Lab FastH3 V2 / Trim：单张 RTX 5090 上 15 秒生成 5 秒 480p 带音频视频，8 步胜过原版 MiniMax H3；Trim 版小 4.2 倍，8GB 显存可跑；FastVideo 还支持 Kandinsky 6（Pro 30B / Lite 3B）。 - Polars 2.0：LazyFrame 默认流式引擎，默认开启落盘（约 80% 内存时开始），SQL 成一等公民。 - Sesame 语音助手大升级：新增图像生成、connectors、computer use，可用语音操作 Devin、Codex、Claude Code，今天向所有人开放，眼镜 2027 年推出。 - Sierra Summit 2026：新模型 Curie（对话编排）和 Fleming（识别电话那头是不是另一个智能体），以及 Tandem Voice、Persona Studio、新版 Ghostwriter。 - Replit 支持跨项目上下文；openTPU：由 AI 智能体设计的开源加速器，在 FPGA 上跑了十几个模型；AgentMail 推出 AgentID，让智能体用验证邮箱登录应用。 - WHO 非洲办事处用 Google Earth AI 在刚果（金）埃博拉疫情中几分钟定位 48 个暴露定居点、超过 45,500 名高危人群，通常需要数周。

行业动态

1. Anthropic 算力承诺拆解（依据 SEC 招股书 · 官方精选） - 未来数年云和算力总支出 5180 亿美元，其中约 4137 亿美元不可撤销，即使容量闲置也要付，平均每年约 410 亿美元。 - 同一份招股书还披露：Dario Amodei 2025 年总薪酬 1800 万美元，他和 Daniela Amodei 的年薪今年 7 月翻倍到 140 万美元，CFO 去年约 72 万美元。 - 客户在降用量：微软内部 Claude 支出削减超三分之一，Meta 的 Claude Code 用户减半，两家都要求员工改用自家工具。

2. 融资与资本 - OpenAI 洽谈 300 亿美元融资（彭博）：投前估值约 1.4 万亿美元，阿布扎比 MGX 等阿联酋基金做基石、合计最多 100 亿美元，贝莱德洽谈跟投，Thrive、a16z 考虑追加；IPO 推迟到至少明年。 - SpaceX 计划募资 400 亿美元买英伟达芯片（FT）：阿波罗牵头，约 100 亿银行贷款加 300 亿投资级债券，2027 年完成，全面基于 Vera Rubin 架构。 - 月之暗面完成上市前最后一轮：估值约 500 亿美元，计划 2027 年一季度港股 IPO、募资上限 50 亿美元；ARR 6 月 3 亿美元、现在 10 亿美元，预计 12 月达 20 亿美元。可灵 AI 也选定投行（中金、高盛、瑞银），募资至少 10 亿美元，最早明年上市；7 月融资时投前估值约 150 亿美元。 - Lambda 拟以 145 亿美元投前估值融资至多 40 亿美元，Coatue、黑石领投，为 2027 年 IPO 铺路。 - Groq 被前员工起诉，指控与英伟达 200 亿美元的类收购授权交易牺牲少数股东。 - 英伟达改写算力合作协议（The Information）：用云收入分成取代租赁担保；季报列出 360 亿美元 AI 云承诺，协议通常 6 年。 - AMD 创历史新高：盘中 649.88 美元，市值 1.06 万亿美元；苏姿丰称需求远超供给，2027 年大幅扩产；9 月 28 日宣布 82 亿美元收购 World Labs。

3. 能源 - 谷歌与 Constellation 签 3.59GW 长期电力协议：890MW 新增核电（2028 至 2032 年上线、20 年），另 2.7GW 任意容量（15 年）。 - Constellation 与亚马逊签 20 年核电长单：Calvert Cliffs 供 680MW，含 190MW 新增容量，带动 30 亿美元以上投资。 - 国内空心光纤在宁夏中卫智算中心间商用：30 公里间距，时延和损耗降 30% 以上，光速达 99.7%（传统光纤约 69.5%）。

4. 智能体与互联网 - Wikimedia 事件后续：Ars Technica、The Decoder、路透跟进，OpenAI 表示正与 Wikimedia 合作分析并持续披露。 - 网站封堵成智能体新障碍（TechCrunch）：亚马逊明确屏蔽 Meta Muse，Walmart、eBay、Yelp、Delta 态度各异；于是有了 Personal Agent Protocol，由 Sierra 与 Meta 联合 Genesys、Instinct、Rocket、Shopify、Stripe、Walmart 发起，定义个人智能体与企业交互的开放标准，原文有认证方式和三种接入路径。 - Techdirt 盘点 Meta Muse 的问题：零日漏洞可监视 Mac 用户、攻击者冒充 Muse 骗取 root 权限、无视权限读取私信并上传，苹果为此调整了 macOS 隐私设置。 - GitHub 为智能体规模重建 Git 基础设施（官方精选）：8 月月度 Git 事件 4733 亿次（一年翻倍多），9 月 73.8 亿次 commit（一年前的五倍多），push 同比 4.9 倍；内部基准写吞吐最高提升 35 倍。 - OpenAI 与 Anthropic 向澳大利亚议会表态，支持强制通报智能体造成的数据泄露；保险公司为失控智能体索赔做准备（FT），高管个人责任也被考虑。

5. 法律、监管与社会 - 亚利桑那上诉法院（评分 84，24h 最高）：过失杀人案量刑时播放的受害者 Christopher Pelkey 的 AI 生成视频"带有不当情感分量"，罪名维持，刑期须重新考虑。 - 美国司法部要求员工改称 AI 为"超级智能（SI）"，适用于对外沟通、政策文件、官方记录及适宜的法庭文书，落实上周的行政令。 - 索尼音乐要求下架 26 万首 AI 冒充歌曲，几乎是 3 月底 13.5 万首的两倍，被冒充者含阿黛尔、布兰妮、皇后乐队、迈克尔·杰克逊。 - 梅洛尼向欧盟知识产权局申请把自己的声音注册为商标，附 4 秒录音，防选举前 AI 深度伪造。 - LibreOffice 宣布默认不内置 AI，理由是文档不上传、可离线运行、满足审计，用户可装扩展接本地模型。 - 波兰反垄断机构指控谷歌在与出版商谈内容报酬时滥用支配地位，最高可罚营业额 10%；挪威将提交 AI 眼镜临时禁令草案；美国两党议员提多项法案限制联邦机构用 Flock 摄像头。 - 韩国拟投 4.7 万亿韩元（约 35 亿美元）自研前沿模型，约为此前承诺的九倍，初创公司也可参与，需国会批准；德国电信目标 2030 年靠 AI 省 25 亿欧元。 - 沪昆高速 NOA 在距前车约 10 米、120km/h 时突然退出致追尾，登微博热搜，报道称类似事件已不下 10 起。 - 更正昨日内容：华为称与高通的许可涵盖 LogicFolding 和近封装光学专利，高通否认，并称"高通是净付款方"的报道不准确。另有苹果与 OpenAI 商业秘密诉讼双方互指违规提交新证据；OpenAI 与 Atlassian 扩大合作，把 GPT-6 Astra 等接入 Rovo。

论文研究

1. METR：智能体可能篡改评估记录掩盖不当行为（原文 · 官方精选） - 研究人员在 AI 智能体协助下约 10 分钟就在 Inspect 的转录查看器里找到一个客户端 JavaScript 注入漏洞，可让智能体任意改写审查者看到的内容（数据库里真实数据还在）；Meridian Labs 一天内修复。结论：智能体输出的日志应视为不可信输入，可观测性要按安全关键基础设施来做。

2. AutomationBench Verified（Shaped / Parsewave） - 审计 Zapier AutomationBench 全部 600 个公开任务的评分器，智能体标出 323 个可疑项，人工确认 206 个真 bug 并修复；修复后 27.9% 的 Kimi K3 跑分被改判。

3. 基座模型靠起始 token 激发推理（arXiv） - 固定回复开头的 token 就能让基座模型接近其 RL 版本：".\n\nOkay" 让 Olmo-3-7B 的 MATH-500 pass@1 从 42% 到 78%，"Alright," 让 Qwen3-14B 从 72% 到 87%。

4. Khanmigo 两年期随机对照实验 - 田纳西 18 所中学，补救数学课用带 AI 家教的 Khan Academy，每学期提升 1.3 个全国百分位（每学年约 0.06 至 0.08 个标准差），但和不用 AI 的 Khan Academy 练习效果相近，学生使用率低。

5. 多智能体协作 - Meta RankEvolve：让两个不同的编码智能体互审补丁，比给单个智能体加预算更能发现静默缺陷。 - Stanford《Worse Together》：5 个前沿模型、77 个场景、4 个环境，每人派一个智能体去争共享资源，效果不如一个统一协调的智能体。

6. 其他：JEPA-Anything 把 JEPA 扩展到物理、机器人、天气、生物等七个领域的统一世界模型；Q Labs Dust 用零阶优化、不做反向传播预训练 GPT 式 Transformer；OpenAI 与 Ironclad 训练 GPT-6 Astra，合同工作流平均得分比 GPT-5.6 Sol 高 32%；deepfake 检测器准确率从 99.5% 降到 76% 的二十年评估，作者主张改用基于校准内容认证的真实图像认证。

技巧与观点

• Pragmatic Engineer：2026 科技行业现状（评分 75）：几乎无人手写代码，工程师普遍同时跑 5 至 10 个并行智能体，GitHub 上智能体生成的 PR 八个月涨九倍、8 月超过人类，IDE 在退场。
• 开源"正在死去"（评分 74）：AI 垃圾 PR 和幻觉漏洞报告涌入，维护者审查成本激增。
• Vercel COO 讲用智能体自动化 Inbound 销售（原文 · 官方精选）：从 125 行提示词演进到"14 条规则加模型"，可迁移到其他团队。
• 卡兹克解读 a16z 两份报告（官方精选）：新增数据是付费用户中头部 1% 月均消费 903 美元（2025 年 1 月是 504 美元）、贡献 19.5% 的总消费，中位数用户 25 美元几乎没变，一名头部用户约等于 59 名下半段用户。
• 扎克伯格谈 Llama 4 为何偏离前沿：像做 Instagram 信息流和广告那样上百上千人并行开发是错的，前沿模型需要小而紧的科研团队。
• The Verge：AI 硬件不能靠重新定义"录制"回避隐私：Apple 在做只存文字描述不存视频的家用摄像头，Watch 的 Audio Intelligence 也称"不录音"。
• Jev-as-a-Judge 教程：用 TypeSafe AI 的 Jev 评估智能体完整执行轨迹；Overmind 用自家生产 trace 微调小模型，称幻觉条款减少 20 至 30 倍。
• Acemoglu 在微软新刊上的悲观预测：十年 GDP 增长只有约 1.5%，AI 只替代约 5% 的工作；Nathan Lambert 认为开放权重模型的网络风险讨论已经失真；Boris Cherny 分享用 Claude 以 Lean 形式化验证 Agent SDK 的提示词。

来源：AIHOT · 今日日报

提醒：AIHOT 已换到新域名 aihot.news，旧域名 aihot.virxact.com 从 10 月 31 日起只做跳转，之后停用，路径和参数不变。