🤖 AI 资讯早报 · 10-23

本期共抓取 66 篇（30 小时窗口），36氪 40 条中约 30 条为纯股市与财报公告，按画像剔除；其余源命中偏薄，主要靠机器之心 16 篇支撑版面。以下为深读后的推送内容。

🔥 必读

1. 讯飞星火 X2.6：全国产算力做出端云一体基座，缓存未命中价压过 DeepSeek V4.1 Flash

科大讯飞 10 月 22 日发布端云一体星火 X2.6：云端 293-A30B 支持百万 token 上下文，定价输入 0.9 元/百万 tokens、输入缓存命中 0.08 元、输出 3.6 元；官方称「输入缓存未命中 + 输出」两项均低于 DeepSeek-V4.1-Flash-1017（⚠️ 仅这两项、非全口径，且为厂商自比）。端侧 X2.6-4B 已开源，前代 X2.5-4B 自 9 月 1 日开源累计下载 256 万次、居全球端侧模型前四。

训练侧的关键数字是国产算力的长上下文训练效率：在飞星二号万卡上训练 2000B 参数 / 256K 长度数据，耗时从 4.5 个月压到 1.2 个月（效率 4 倍），刘庆峰称 X2.6 就是过去 2–3 个月训出来的。推理侧用全国产硬件的四层 KV Cache 架构，芯片推理效率达优化前 4.5 倍，KV Cache 命中率从 63% 升到 95.7%。端云协同的核心是指路：用评语模型做路由协同训练，把「纯端 / 纯云 / 端云协办」的路由准确率从 81.2% 提到 96.1%。刘庆峰给出的长期形态是 60% 任务本地、30% 端云协同、10% 云端独立。

同场还发了语音基座 SparkAudio 1.0（半监督音频编码器 +20%、动态分段响应时间 -15%、双范式协同解码成本 -60%）、1299 元 AI 录音环、4299 元起 AI 眼镜，以及向开发者开放的机器人超脑平台 V3.0。⚠️ 所有基准（SWE Pro 第一、SWE Verified 仅次于 DeepSeek V4.1 Flash、MCP-Atlas 第一梯队、AA-LCR 与 MiniMax M3 持平）均为讯飞自测，无第三方复现。

原文：智东西 · 全国产芯片训练的大模型来了！百万上下文，价格比DeepSeek V4.1 Flash更低

2. 田渊栋新公司首模型 Flint-40B-A2B：Eureka Machine 全程参与，不到 4 个月从零造完

Recursive_SI（田渊栋参与创立，今年 5 月官宣）交出第一个模型成果。Flint-40B-A2B 是 MoE 架构：总参 400 亿、每 token 只激活 25 亿，支持 512k 上下文（官方建议控制在 256k 内）。它最大的看点不是参数，而是造它的过程——自研自动化研究系统 Eureka Machine 参与了几乎全链路：从架构搜索（从 35B/3B 激活的基线出发试专家配置与网络宽度）、数据处理、训练配方，到量化与推理优化。团队规模很小，从零到完成不到 4 个月。

量化上有一步非常规操作：把输出层也量化到 4 bit。原因是每 token 只激活 25 亿参数、输出层在读取权重里占比很大，量它能实降开销；为补精度损失，又加了一道离线蒸馏（用 16 位模型作教师）。结果：SWE-Bench Pro v2、Terminal-Bench 2.1、SWE-Bench Verified 上超过总参低于 500 亿的其他 MoE，能力与 250–400 亿稠密模型相当而速度快 5 倍以上。端侧实测：M4 Pro MacBook Pro >125 tok/s、64GB RTX Spark >150 tok/s；有开发者在 M5 Max 上跑到 114–132 tok/s，还有人用 12GB 显存的 RTX 3060 跑起这个 40B 模型，约 46 tok/s。权重 Apache 2.0 已在 Hugging Face 开放，配套推理引擎 rec 专门优化 M4/M5 Pro·Max。

⚠️ 两点限定：机器之心正文自己写了「部分稠密模型在编程基准测试中仍取得更高分」；官方也提示复杂任务要拆成子任务并给明确指令，「相比大型闭源编程模型需要更多引导」。GitHub 的 rec 仓库 10-21 才建（125 star、Apache-2.0），属刚发布的新库，还不是成熟项目。

原文：机器之心 · 田渊栋新公司首个模型亮相！AI全程参与、不到4个月从零造 ｜ 智东西 · RSI，田渊栋交卷了！40B本地编程模型开源

3. OpenAI 联手 PerturbAI：数千智能体 32 分钟解析全脑 CRISPR 图谱，引 700+ 篇文献

10 月 21 日，OpenAI 与生物技术公司 PerturbAI、Scripps Research 公布一项成果：用新架构 GPT-Rosalind 驱动的数千个智能体，解析小鼠全脑 CRISPR Perturb-seq 图谱（公开数据集约 772 万行），整套分布式分析流程 32 分钟跑完。团队估计，人类研究者逐个处理基因扰动并做文献检索，同类工作要数月到一年。

方法叫「分布式生物学推理」：把庞大图谱切成任务片，每个智能体只负责一个基因扰动——在对应细胞群落里找差异表达基因，再定向匹配文献；所有局部报告最后汇总成一张 Reasoning Atlas，建立「基因扰动 → 细胞响应 → 相关文献 → 潜在分子机制」的多维关联。效果差距主要体现在文献覆盖：单智能体受上下文窗口限制、平均只能引用 11 篇文献，分布式集群总计引用 700+ 篇。评估上做了盲法专家比较，专家在 75% 的比较中更偏好分布式智能体的报告，而不只看速度。

具体发现：DCTN1 基因（编码 dynactin 亚基、突变关联佩里综合征）受扰动时，胆固醇合成相关基因簇显著上调；AI 跨到文献层联想到「胆固醇跨膜运输受阻会触发代偿性合成」，据此推演出可检验假设——DCTN1 受损是否先扰乱神经元内脂质/胆固醇空间分布、进而驱动变性，以及调节胆固醇稳态能否成为神经保护策略。⚠️ 这仍是机制假设，不是验证结论；成果以 bioRxiv 预印本发布，32 分钟指的也只是分析流程耗时。

原文：机器之心 · 32分钟解析，OpenAI携手生物技术公司部署数千个智能体，破解脑细胞图谱

📌 值得看

4. 黄仁勋 GTC 柏林：Vera Rubin 全面量产，AI 工厂装进集装箱、部署从 6 个月缩到 14 天

柏林这场没有新芯片，Vera Rubin 只是确认「已全面量产」，黄仁勋把时间给了三个落地问题。最实的是 DSX POD：一套由 7 个液冷机架组成、内部约 17 公里线缆、800V 直流供电的模块化参考设计，计算/网络/供电/液冷在工厂集成测试完再装箱运走，戴尔、HPE、联想、鸿海、广达等参与制造，2027 年初交付；官方称现场部署从约 6 个月缩到最快 14 天——⚠️ 前提是电力、场地、网络已就绪，而欧洲不少地区电网接入本身就要排队，价格与 TCO 均未公布。配了两套用电工具：DSX MaxLPS 同样 Token 产出下功耗最多降 30%，DSX Flex 让集群跟着电价调负载、模拟电网事件中负荷最多降 40%。

智能体侧是 OpenShell 企业参考架构（6 月已开源的内核级沙箱运行时）：Rubin 负责推理、Vera CPU 跑智能体框架、OpenShell 划权限边界、BlueField-4 DPU 上跑 Sentry 安全框架——「在 Rubin 上思考、在 Vera 上行动、在 BlueField 上被管住」。英伟达称越界可在毫秒级隔离叫停，⚠️ 这一点仍待第三方验证。物理 AI：Bolt 计划 2027 年在马德里采数据、部署至少 2.5 万辆 L4 级 Lucid；车端新模型 Alpamayo 2 Edge 仅 20 亿参数、10Hz 运行；思灵 Agile ONE SN 参考平台 1.4 米/40 公斤/31 自由度，2027 年初推出。

原文：极客公园 · 欧洲 AI，等来了黄仁勋

5. 蚂蚁数科发布决策模型 LingDT-Decision-1.0：4B/27B 两版，23 项基准超过微软与 Jev

蚂蚁数科 10 月 22 日发布决策模型 LingDT-Decision-1.0，提供 4B 与 27B 两版，已在 DTMaaS 平台上线、限时免费。核心思路是把大模型从「先生成结构化答案再解析」变成「在限定选项里直接判断」，因此天然适配意图判断、工具选择、规则分类、结果打分这类高频任务。官方数据：同任务下相比大模型 Token 消耗降超 90%、响应时效提升 10 倍。

真实业务里的三组数字：数据标注场景对比 DS-V4-flash，Token 降约 97%、时效提升约 10 倍；客服场景对比 Qwen-3.7-flash，Token 降 90%、风险识别准确率 76%→89%；金融场景意图识别/工具调用/幻觉检测时效提升约 5 倍，工具组合完全匹配率提升约 2.6 倍，幻觉召回 44%→70%。23 项开源基准综合评分（90% 单选 + 10% 多选）上，27B 版本居第一，超过 Microsoft-Decision-1、Jev 1.13.0、Fastino/GLiDE；多选任务上 4B 与 27B 均超过含 Star-lux 在内的 16 个决策模型。机制上的新增点是首创原生多选与按序决策（DAG）——真实诉求常是「退款 + 关续费 + 补发票，但别注销」，单选会漏，多选加按序才能对上流程。⚠️ 基准与场景数据均为蚂蚁自测，权重未开源（仅平台免费体验）。

原文：机器之心 · 又一国产决策模型发布！准确率超过微软和Jev等决策模型 ｜ InfoQ · 又一国产决策模型发布

6. 上交大「Agent 资源劫持」实测：顶级模型沦陷率 70%–89.6%，现有护栏几乎全线失守

上海交大人工智能学院任麒冰课题组提出一个新攻击面：智能体资源劫持。攻击者不偷 API Key、不拿 GPU 权限，而是把 Agent 本身当特洛伊木马，诱使它「合法地」代调付费 API、代跑训练、代发内网消息——每一步工具调用看起来都完全正常，现有护栏只审「这个调用危不危险」，审不了「它在为谁干活」。

他们造了 ResourceHijackBench（300 个父级攻击场景 / 900 条攻击 prompt，部署在隔离沙箱，行为级判定：底层真触发资源变更才算成功，不靠大模型打分）。结果：GPT-5.5 89.6%、DeepSeek-V4-Pro 84.1%、Qwen3.8-Max 82.8%、Gemini-3.5-Flash 70.0%；换成「直接索要凭证」只有 3.4%–7.6%，拐个弯诱导资源劫持成功率直接高 62.4–84 个百分点。框架无关：OpenClaw 84.1%、Codex 72.3%。团队还做了实地渗透（Moltbook 平台、飞书群聊）。⚠️ 学术预印本（arXiv 2608.15108），攻击在受控环境完成、非真实资产损失。

原文：机器之心 · Agent作为木马：驶向智能「奥德赛」的AI，为何成了黑客洗劫资产的「白手套」？

7. 奇瑞墨甲「墨宝」开放预订：90 厘米、18 公斤的家庭陪伴人形机器人，年底量产

10 月 21 日，奇瑞旗下墨甲机器人在芜湖发布首款消费级家庭陪伴人形机器人「墨宝」（Mobo）并开启全球预订。规格刻意做小：高约 90 厘米、重约 18 公斤、22 个运动自由度、30 余种动态表情——不追负载与精度，优先移动、感知与交互。技术栈是 VLM 视觉语言大模型 + FaceID 人脸识别 + 自研 MoAgent 智能体 + 长时记忆：能区分家庭成员、拆解多步指令、记住日常习惯与提醒事项；老人侧做跌倒检测与联动通知，儿童侧做绘本讲解与英语口语陪练。

它此前在 8 月世界机器人大会、9 月世界制造业大会都是「跳舞的那个」，这次是正式开订。底气来自商用积累：墨甲已有墨茵（汽车销售/公共服务）、智警、智护与四足 Argos，截至今年 8 月全球累计交付超 2000 台、覆盖 60 多个国家；奇瑞的智驾感知与座舱交互技术可复用。⚠️ 现实约束不小：单次续航仅 1.5–2 小时，对长时看护与巡检是硬伤；价格未公布；跌倒检测等能力目前只是发布会演示口径。计划 2026 年底量产。

原文：机器之心 · 从合肥展会走向普通家庭，奇瑞这台90厘米人形机器人开放预订

📄 其他