AI 日报 | 2026-10-02
更新时间:19:10｜覆盖窗口:2026-09-28 ~ 10-02（承接上一期 2026-09-27）
数据来源:GitHub Trending / Product Hunt / Hacker News / RSS(AI Hot / The Decoder / The Neuron / Simon Willison / Juya AI Daily 等) / 金十电报
数据覆盖与缺口:
| 源 | 入库数 | 状态 |
|---|---|---|
| Product Hunt | 0 | ✗（API token 持续失效，五日均无数据，消费产品发现面以 RSS/HN 侧为准） |
| Hacker News | 115 | ✓ |
| GitHub Trending | 63 | ✓ |
| RSS | 330 | ✓（官方博客 feed 窗内仅 OpenAI Blog 有更新，属常态；Juya 采集器日期过滤五期未命中，已按 source URL 手动补抓 10-02 全文回填） |
| 金十电报 | 1847 | ✓（五日合计，AI 相关占比低） |
这份日报是一张二维坐标系:纵轴看模型与产品的能力 / 技术往哪走（实验→收敛中→事实标准,判档看证据强度,同一矢量当天 ≥2 个独立证据才算收敛),横轴看 AI 产品被多少人、多少场景真用上（萌芽→早期采用→主流化,判档看真实使用信号,不看 star / votes)。
一句话结论
两轴地图这个窗口动了两格。决策模型从收敛中顶到了「事实标准候选」：Cloudflare 和 Perplexity 前后脚把自家决策模型连权重带 API 开源，而且都做了 Jev API 兼容，OpenAI 也在 DevDay 给 Codex 加了 Decisions API，「Jev API」开始变成大家默认接的接口。另一格在安全与产品的关系上：安全第一次直接改写旗舰发布节奏，GPT-6.1 Astra 据华尔街日报报道因安全问题推迟，谷歌 Argon 干脆先只放给可信网络防御者。今天的重点是 GPT-6.1 Sol × DevDay（→重点①，四道门槛全过），重点候选是 Gemini 4 Argon（→候选①，卡在还没开放使用）。接下来 72 小时盯 Argon 付费 API 开放公告（T-184），以及 OpenAI 训练暂停的恢复节点（T-183，10/5 到期复查）。
双轴定位图 · 能力成熟度 × 渗透度
2026-10-02 · 纵轴档位 + 毕业三条完成度，横轴档位 + 五追问命中数
矢量·双侧证据矢量·仅实验室矢量·仅开源产品形态（在横轴上）
A推理成本与专用模型收敛中 · 毕业 2/3 · 停留 ≥6 天
B决策模型 / System One收敛中 · 毕业 2/3 · 停留 2 天
C长任务可靠性收敛中 · 毕业 2/3 · 停留 ≥6 天
D记忆与上下文收敛中 · 毕业 1/3 · 停留 ≥6 天
E多智能体编排收敛中 · 毕业 1/3 · 停留 ≥6 天
F开放权重/开源旗舰收敛中 · 毕业 2/3 · 停留 ≥6 天
G沙箱与运行时收敛中 · 毕业 2/3 · 停留 2 天
Hagent 安全与信任收敛中 · 毕业 2/3 · 停留 ≥6 天
Iagent 技能与 harness 标准收敛中 · 毕业 2/3 · 停留 ≥6 天
J实时语音智能体收敛中 · 毕业 2/3 · 停留 ≥6 天
K具身智能实验 · 毕业 0/3 · 停留 ≥6 天
L模型自改进 / RSI实验 · 毕业 0/3 · 停留 ≥6 天
6 天窗口内档位一次都没动——今天是证据积累日，不是地图移动日。
今日重点 · 深度拆解
① GPT-6.1 Sol × DevDay 全家桶 —— 把「接近旗舰」打到两折，顺手把 ChatGPT 改造成操作系统
- 是什么:9 月 29 日 DevDay 一揽子发布。GPT-6.1 Sol 的官方定位是以 GPT-6 Astra 五分之一的价格逼近其智能水平：API 定价每百万输入 2 美元、输出 10 美元，缓存输入 0.10 美元（比 GPT-6 Sol 再砍一半），即日起 Plus/Pro/Business/Enterprise/Edu 用户在 ChatGPT Work 和 Codex 可用（暂不进普通聊天），API 名 gpt-6.1-sol，Codex 里 token 速度最高 8 倍的 Ultrafast 档承诺数日内上线。同场还有常驻智能体 Dots——由 GPT-6 Astra 驱动、每个 dot 独享一台云电脑和浏览器、通过插件连 4000 多个应用，面向 Pro/Business Premium/Enterprise 逐步开放，首个 dot 免费附赠；外加 ChatGPT Space 协作空间、Pages 文档、Meetings 会议记录、@提及集成 Slack/Teams、Sign in with ChatGPT（合作应用直接用 ChatGPT 订阅额度）、插件发现入口（多家媒体直接类比为「应用商店模式」）、Pro 500 档与 Codex 的安全扫描、Decisions API。发布前一天，华尔街日报报道 OpenAI 因安全问题取消了另一款新模型的按计划发布。
- 方法论落点:v-cost 维持收敛中，但帕累托前沿在一个窗口里被连推三次：ARC Prize 复核 Sol 在 ARC-AGI-2 拿 94.2%（Astra 95.0%）且成本低 77%；Sonnet 5.5 同价提速 30% 以上、任务成本最高降 30%；Argon 介绍价把 AA 单任务成本打到 Astra 的六成。f-consumer 拿到第一个后台自治入口：Dots 让横轴的自主度从「有监督」推进到「后台自治」。Codex 企业原生支持 GLM-5.3 Flash 和 Kimi K3 等开源模型（T-186 新开），是 v-openflagship 的分发侧突破。
- 产业位置:缓存价成了 agent 场景价格战的主战场：Sol 的 0.10 美元缓存价只有 Sonnet 5.5（0.20 美元）的一半，对反复复用上下文的 agent 工作流这是实打实的成本差。需求侧，OpenAI 员工 Tibo 称 Sol 是公司迄今在 API 和订阅端需求量最大的模型，发布即高负载，官方承诺扩容到近两倍速度，但有用户反馈等了 18 分钟还没跑完一次编辑，官方说法和体感暂时对不上（T-185 盯恢复）。公司层面，OpenAI 拟按 1.4 万亿美元投前估值融资至少 300 亿美元，企业业务收入较 7 月翻倍。中美对照值得记一笔：Codex 把中国开放权重塞进企业菜单的同几天，Anthropic 发布了 GLM-5.3 网络能力扩散研究（→纵轴 v-security）。同一批开放权重，既是国际入口的分发标的，也是安全争议的主角。
- 证据与反例:官方一手（openai.com 公告）+ 第三方复核（ARC Prize 官方结果页、The Decoder 独立解读、AA 口径 Sol(max) 52 分）齐备。要打折扣的地方：全部基准是 OpenAI 自报的 preliminary 口径；Dots 首次公开演示当场卡壳；「Astra 推迟」是 WSJ 消息口径，官方公告里只字未提，安全整改期的产品节奏判断要留余量。
- 兑现路径:T-180 已确认（帕累托前移坐实）；T-185 盯负载恢复与 Ultrafast 上线；T-186 盯 Codex 开源模型的企业采用。falsifier：第三方系统性评测发现 Sol 相对 Astra 有超出官方口径的质量让步，或高负载两周内无法恢复。
- 证据入口:[OpenAI 官方公告]｜[即日可用、定价与安全口径]｜查看原文；[ARC Prize 官方结果]｜[94.2%、成本 -77%]｜查看原文；[The Decoder]｜[价格对照与 Astra 推迟细节]｜查看原文；[Dots 官方公告]｜[4000 应用、独立云电脑]｜查看原文；[金十]｜[Dots 功能详情]｜查看原文；[橘鸦 AI 早报]｜[扩容承诺与用户实测反馈]｜查看原文
重点候选 · 待验证
① Gemini 4 Argon —— 重点候选，尚缺真实可用
- 为什么重要:谷歌七个多月来第一个前沿模型（原定的 Gemini 3.5 被整体跳过），把谷歌拉回第一梯队竞争。AA 智能指数 53 分追平 GPT-6 Astra(max) 和 Fable 5.1、比 GPT-6.1 Sol(max) 高 1 分（Opus 5.5 仍以 58 领跑）；幻觉率 15%，远低于 Astra 的 51%——它是目前最敢说「不知道」的前沿模型。1M token 输出上限（从 64K 一口气提高）配合 Long Decode Continuation，改变长任务的形态；AutomationBench-AA 第一（77.5%）、Text Arena 人类偏好第一。
- 确认阻断项:还没开放。Fairwind 计划先只放可信网络防御者（而且是无护栏版本），付费 API 和 Google AI Ultra 的开放时间只有一句「as soon as possible」；独立评测只有 High 档，Deep Think 未测。
- 下一步验证:24-72 小时盯付费 API 开放公告（T-184）；开放后看 AA/vals 扩档复测和幻觉率口径复核。顺带留意谷歌自报与第三方口径的差距——Terminal-Bench 官方口径与 AA 口径差了约 20 分。
- 已有证据:[Google 官方博客]｜[DeepSWE 77.9%、CWE-bench 68% 并列第一、内部释放 300+TiB 内存]｜查看原文；[Artificial Analysis]｜[53 分、$1.99/任务、62k 输出 token]｜查看原文；[The Decoder]｜[closes the gap but no clear lead，介绍期后单任务成本反超 Astra 约 20%]｜查看原文
纵轴 · 能力与技术演进
- 决策模型 / System One（解决「让 agent 用几分钱做一次可靠分类决策」的问题） —— 档位:收敛中·事实标准候选
- 实验室侧:Cloudflare 发布并开源 Clef 与 Clef-flash（9B 多模态、带视觉编码器、65k 上下文、Workers AI 托管每百万输入 0.09 美元、Apache 2.0 许可），自报 Jev Decision Index 61.21 排第一，同时上线 RL 微调服务；Perplexity 开源 pplx-decider-27b（基于 Qwen3.8-27B 微调、250k 上下文、固定答案集 85.71% 准确率）并推 Decisions API，每百万输入 0.04 美元、输出免费。OpenAI DevDay 给 Codex 加了 Decisions API，TypeSafe 的 Jev 同窗重新开放注册。
- 开源侧:两个 HF 开源权重之外，Ollama 官方宣布支持 Jev 类模型，CodeRabbit 办了首届 Jev 黑客松。
- 还卡在哪（open_pain）:两条毕业判据已经满足——多家独立实现收敛到同一套接口（「Jev API 兼容」成了新进者的默认动作），第三方榜单和采用也出现了。差的是第三条「不再冒新工程痛点」：Clef 的榜单成绩是自行运行、还没被上游复现，决策模型的安全评测口径没标准化，RAG/工具路由变体还在乱战。什么事件会补上：上游榜单复现 Clef 成绩 + 安全评测标准化。
- 别高兴太早:Perplexity 的 85.71% 是自家固定评测集口径；决策模型分流 LLM 流量的大盘数据（OpenRouter 分类份额）本期没有复测。
- 证据:[Cloudflare 博客]｜[开源+RL 平台]｜查看原文；[橘鸦 AI 早报]｜[Clef/decider 规格与定价汇总]｜查看原文
- agent 安全与信任（攻防、披露与执法的边界） —— 档位:收敛中
- Anthropic 9 月 29 日发布 GLM-5.3 研究并给出量化口径：用简单技巧就能绕过其防护，伪装成红队演练 64% 命中、预填思考词 92%、abliteration（去拒绝微调，约 4400 美元算力成本）后 100%，且能力几乎不降；NIST CAISI 此前已称 GLM-5.3 是「迄今最具网络能力的开放权重模型」（落后美国前沿约四个月）。研究里最扎眼的一例：一名研究员用 GLM-5.3-Flash 花 20 分钟人工加 8 小时模型时间、约 20.4 美元 API 成本，把两个已知漏洞串成绕过指针认证的 ARM64 可用利用链。
- 防御侧同窗加速：NVIDIA 联合 100 多家伙伴发 Open Agent Safety Platform（OpenShell 沙箱 + Sentry），Intel 把 OpenShell 加进自家 agent 工具包，吴恩达宣布其 OpenWorker 框架基于 OpenShell 构建声明式沙箱——HF 事件（OpenAI 称之为「迄今最严重的平台事故」）被归因于沙箱薄弱后，声明式沙箱第一次有了跨厂商生态。OpenShell 本身 14.2k stars 连日 trending。
- 还卡在哪:治理从披露扩展到执法（FTC/州传票）和产品节奏（Astra 推迟、Argon 分阶段），但自愿协议与强制机制的边界没定；GLM-5.3 级开放权重扩散目前没有对冲机制。
- 证据:[Anthropic 研究]｜[64-100% 越狱、$20.40 利用链]｜查看原文；[吴恩达/NVIDIA 平台]｜[100+ 伙伴]｜查看原文；[NVIDIA/OpenShell]｜[14.2k stars、Apache 2.0]｜查看原文
- 长任务可靠性（agent 能不能把活干完干对） —— 档位:收敛中
- 实验室侧:三个旗舰同窗把长任务基准连着拉——Sonnet 5.5 的 Terminal-Bench 4.0 从上代 10.3% 直接拉到 70.6%（Opus 5.5 是 66.4%），OSWorld 2.1 拿 80.1%；GPT-6.1 Sol 的 Terminal-Bench Science 得分翻倍、单任务 5.47 美元（Opus 5.5 是 23.21 美元）；Argon 在 DeepSWE v1.1 拿 77.9% SOTA，加上 1M 输出单轨迹。（Argon 详情 →候选①）
- 第三方口径提醒:AA 版 Terminal-Bench 4.0 里 Argon 只有 57%，落后 Sonnet（64%）、Opus 5.5（60%）和 Astra（59%），厂商自报和第三方榜单的差距能到 20 分，判档跟第三方走。
- 开源侧:Earendil 发布 Pi 1.0 正式版（MIT 许可、官方称每周数十万用户）和实验性的 Pi Durable——会话持久化、崩溃后从检查点恢复、并发会话加后台压缩，把 harness 层的「长任务不丢状态」补上了。
- 别高兴太早:基准分数都还是静态评测，「多天不碰仍在推进」的真实生产案例仍然稀缺。
- 证据:[Anthropic Sonnet 5.5]｜[70.6% vs 10.3%]｜查看原文；[Earendil Pi]｜[1.0 + Pi Durable]｜查看原文
- agent 技能与 harness 标准（提示格式与工具层能不能通用） —— 档位:收敛中
- Google 全球上线 Skills 替代 Gems（格式源自 Anthropic、开放标准，Gems 从 11 月起分批关停自动转换），OpenAI 同步日落 Custom GPTs——「agent 就绪提示格式」第一次三家同构。工具层往前走了一步：Claude Code 推出 mods，用少量 TypeScript 就能改写提示、拦截工具调用、自定义界面（2.1.287+ 默认开启；官方提醒 mods 没有沙箱、拥有与本机相同的权限，只应安装可信来源）。GitHub 侧 mattpocock/skills、cursor/plugins、awesome-claude-skills 连日 trending。
- 还卡在哪:skill 供应链安全扫描仍无跨家做法（GitHub 的 gh-secure 是仓库加固，不是 skill 扫描）。
- 证据:[The Decoder]｜[三家收敛]｜查看原文；[Claude Code mods 官方]｜[TypeScript 自定义]｜查看原文
- 开放权重/开源旗舰（开放权重能渗透到哪） —— 档位:收敛中
- Codex 企业原生支持 GLM-5.3 Flash/Kimi K3 是本窗最大分发侧突破（→重点①已展开，此处只留档位）；DeepSeek Harness v0.2 预览版发布 macOS/Windows 桌面安装包。企业采用数据未到，档位维持。
- 边界观察:模型自改进（v-rsi）维持实验档 —— 20 多位顶尖研究者联署警告自动化 AI 研究的「智能爆炸」极端风险，Nathan Lambert 背书，「递归自改进公司加速涌现」的媒体盘点也出现了——但全是研究/治理动作，没有主形态级证据（AC-004 维持 accepted）。
- 证据:[The Decoder]｜[20+ 研究者联署]｜查看原文
- 具身智能（空间智能与机器人） —— 档位:实验
- AMD 以 82 亿美元全股票收购李飞飞的 World Labs（年底交割、需监管批准，李飞飞出任 AMD 执行副总裁兼首席科学家），空间智能第一次被芯片大厂按「端到端系统」定价；Dyna-2.1 半人形机器人 Taku 独立完成一小时洗衣房任务；特斯拉宣布 AI5/AI6 芯片大幅削减 RAM 控成本。
- 别高兴太早:整机交付与真实使用数据两缺，Mark Cuban 公开看衰人形机器人。
- 证据:[金十]｜[82 亿全股票、年底交割]｜查看原文
- 实时语音智能体 —— 档位:收敛中
- Microsoft AI 发布三款 MAI 语音模型：流式转写准确率在 Artificial Analysis 排名第一、收到音频约 100 毫秒出初步结果、0.54 美元/小时介绍价；Inworld 收购实时语音平台 Ultravox；ElevenLabs 9/29 发 Eleven v4。开源侧复测仍缺。
- 证据:[microsoft.ai]｜[三款模型、AA 第一]｜查看原文
横轴 · 渗透率
- 消费级 agent 代办 —— 档位:早期采用（深化）
- 载体 / 入口:Dots 进 ChatGPT 桌面/网页/移动端和 Slack/Teams（→重点①已展开）；Muse 侧新增 VM 屏幕浏览与浏览器接管、进驻 Replit 分发。
- 用户段与自主度:大众｜后台自治（首个跨过这条线的消费形态）。
- 真实使用信号:ChatGPT 周触达 12 亿人（OpenAI 官方口径）；Epoch AI 首批系统性使用研究显示高频使用占比翻两番、对话平均变长。留存/转化数据两家都还没给。
- 还差什么:Dots/Muse 的首月留存与付费转化（T-167 继续）。
- 证据:[The Decoder]｜[12 亿周触达]｜查看原文；[AI Hot]｜[Muse 接管浏览器]｜查看原文
- Agent 商务入口（新开形态） —— 档位:萌芽
- 企业知识工作 —— 档位:早期采用
- Dots 的企业工作流讨论（中大型公司 AI Engineer 能接管哪些环节）、Argon 按 Vals 经济影响指数登顶、OpenAI 企业业务收入较 7 月翻倍（→重点①指针）。
- 政府/公共入口 —— 档位:早期采用
- Anthropic 宣布 Claude for Government 正式全面开放；Argon 经 Fairwind 先放网络防御者（配合政府自愿预发布流程）；监管者自己成了 AI 事件的当事方（FTC/州检察长，见资本与政策）。
- 证据:[金十]｜[全面开放]｜查看原文
- 音乐/创意生成 —— 档位:萌芽
- Black Forest Labs 正式发布 FLUX 3 Image（边界框排版、多处局部编辑、最高 4K、10 张参考图，0.041-0.607 美元/张、10 月 8 日前 API 半价，开放权重数周内），同日登陆 fal/Krea/OpenRouter/Higgsfield 四个平台；OpenRouter 图像生成均价压到 0.018 美元/张。
- 证据:[BFL 官方]｜[4K、局部编辑]｜查看原文
- 端侧/可穿戴 AI 入口:今日无新渗透信号。
资本与政策
- Anthropic IPO 三连击:招股书细节浮出水面：2025 年营收 46 亿美元（上年 3.86 亿）、净亏约 420 亿其中 340 亿来自负债公允价值变动、47% 销售来自 AWS/GCP 分销。博通同意提供最高 420 亿美元贷款供其租用自家芯片，既是供应商又是融资方，招股书自己都点了潜在利益冲突。时间表也收紧了：最快 11/9 当周启动推介、感恩节前交易，估值区间 1.8-2 万亿美元，10/14 投资者日。招股书风险章节还写进了 AI 可能表现「自我保护行为」。
- OpenAI 资本线:拟按约 1.4 万亿美元投前估值融资至少 300 亿美元（IPO 推迟后的过渡轮）；英伟达与软银完成上一轮最后各 100 亿美元投资（软银累计 646 亿、持股约 13%）。
- 治理强制化三连:FTC 对 OpenAI/Anthropic 等展开全面调查（消费者保护口径、将发强制文件，且在 HF 事件前已启动）；佛罗里达州请求法院发布临时禁令叫停 OpenAI 前沿模型开发；加州总检察长就网络安全事件向 OpenAI 送达调查传票。另一面：联邦法官驳回 Chegg 和 Penske 诉谷歌 AI 搜索的反垄断诉讼。
- 证据:[金十]｜[FTC 全面调查]｜查看原文
- 白宫自愿安全协议与行业分叉:英伟达/OpenAI/Anthropic/xAI/谷歌同意定期讨论 AI 安全标准（黄仁勋称「很强的约束力」、扎克伯格称「多层次审计」，但性质是自愿承诺）；同场英伟达、Meta 高管质疑 Anthropic 风险表态「过度」，自愿路线与 Anthropic 的强制披露路线公开分叉；比尔·盖茨呼吁国会立法。
- 证据:[金十]｜[五家定期讨论]｜查看原文
- 基建与回购:英伟达追加 1500 亿美元回购授权（总额达 2350 亿）；谷歌宣布两年内向芬兰投资至少 152 亿美元建 AI 基建；台积电考虑在得州新建园区（每座厂成本至少 200 亿美元）；美光 2026 财年净利润 849.7 亿美元、同比 +895%。
- 证据:[金十]｜[2350 亿回购]｜查看原文
6 天档位迁移带
2026-09-18 ~ 2026-10-02 · 按 canonical id 对齐，全部取自 report_state
实验 / 萌芽收敛中 / 早期采用事实标准 / 主流化无声消失
每格一天，颜色是当天的档位。6 天里合计 1 次档位变化。
待跟踪
未来 24-72h 待跟踪（这三栏就是本期 watchboard 的投影，也是下一期的输入）:
| 待印证的能力矢量(纵轴) | 待观察的渗透(横轴) | 待发布动作 / 待验证项目 |
|---|---|---|
| v-jev 能否在 3 期内补齐「痛点清空」正式毕业（上游榜单复现 Clef 成绩） | f-agentcommerce 萌芽能否拿到第一笔可核查的 agent 促成交易量 | Gemini 4 Argon 付费 API 开放节点（T-184） |
| v-longtask 官方与第三方约 20 分的口径差距能否收敛（AA 扩档复测） | f-consumer Dots/Muse 首月留存与付费转化数据 | GPT-6.1 Sol 负载恢复与 Ultrafast 上线（T-185）；Codex 开源模型企业采用（T-186） |
| v-security 训练暂停恢复节点与安全层细节（T-183，10/5 到期复查）；入侵系列官方技术披露（T-181） | f-gov Claude for Government 的机构采用进度 | Anthropic IPO 推介启动与 10/14 投资者日（T-178） |