法律基准加了幻觉门槛后排名大洗牌:Muse Spark 本来领先,过滤幻觉后掉到第二,GPT-6 Astra 几乎不缩水。看各家法律任务幻觉差距挺有意思。
vLLM 大版本更新,微软重塑 Windows 为智能体平台
2026年10月9日,AI 领域今日最大看点是微软将 Windows 重新定位为「混合智能之家」,发布四层架构,让本地与云端 AI 智能体统一由 Windows 承载与管控,操作系统正加速成为智能体时代的底座。基础设施方面,vLLM v0.31.0 发布,包含 717 次提交、307 位贡献者,新增 DeepSeek-V4.1-Flash 的 FlashMLA mega 注意力与 NVFP4 KV 缓存,并引入保持 GPU 权重的快速重启功能;AWS 则推出 SageMaker HyperPod 多团队 GPU 集群共享方案。研究前沿百花齐放:苹果提出轨迹归一化模型 NTM突破扩散模型少步采样局限;8B 参数的 RoboJEPA 首次给出机器人世界模型的计算量缩放定律;Long-WAM 将上下文延长至 19.2 秒,机器人控制成功率从 63.3% 提至 78.7%。基准评测同样活跃,Harvey 新版法律基准中 Grok 4.7 以 9.4% 登顶。
模型发布/更新
3 篇产品发布/更新
5 篇微软把 Windows 定位成 AI 智能体的底座,从 MXC 容器隔离到能跑 DeepSeek V4 Pro 的 DGX Station 一口气全铺开,做端侧智能体的可以细看。
GPT-6.1 Sol 的 Ultrafast 模式上线了,API、Codex、ChatGPT Work 都能用,速度号称快 8 倍,写代码赶需求可以试试。
安全团队 Zenity 演示了一条提示词就能拿下整个 AWS 账户里的所有 Bedrock 智能体,靠的是临时凭证接口权限失控,AWS 已打补丁。
Google 把图像生成和编辑塞进一个模型,价格砍半还上榜 AA 榜第 4,做图成本党可以直接换。
行业动态
5 篇Hugging Face 被入侵的细节复盘来了:4 个单看很普通的漏洞,被 700 个智能体串成一条攻击链,摸到 136 个生产密钥,做安全的都该看看。
OpenAI 一次放出 722 篇数学论文,数学家协会直接开喷让同行断合作,陶哲轩转载后还被误读成他本人发声,已撤 3 篇改 14 篇。
一个人用调 DeepSeek 和 GLM 的开源工具就黑了多家韩国银行,Shinhan Bank 丢了 2.5 万条记录,AI 安全的现实案例。
Theo 拆解了那个流传很广的年烧 1.3 亿美元 Token 的说法,数据讲得挺细,做 AI 产品算成本前建议看看。
AWS掌门人亲自谈AI泡沫,甩出2200亿CapEx和200万GPU订单这些硬数字,还讲了智能体时代的云怎么建,信息量很足。
论文研究
5 篇机器人世界模型也有缩放定律了,8B 参数的 RoboJEPA 能用计算量预测真机表现,还能零样本规划长时程任务,代码全开源,搞具身的建议看看。
NVIDIA 发现 RL 每步只改 1% 的权重,于是做了个只传差异的检查点同步方案,1T 模型从 87 分钟降到 150 秒,跑大规模 RL 的团队可以看看。
12 个智能体里 6 个做出的气候模型比已发表的还好,连 ENSO 暖冷不对称的争议都摸到了边,这套无标准答案的评测方法也值得做 agent 评测的人参考。
技巧与观点
5 篇宝玉分享的 Claude Code 实操套路:Fable 当 Tech Lead 派活给 Opus,执行完自动找 Fable 验收,省 Token 还省心。
用 RF-DETR 定位加 OpenAI Decisions API 分拣鸡蛋,一分钱能判 46 颗,延迟 270ms,做质检分拣的可以照抄这套流程。