🤖 AI 资讯晚报 · 10-24

今晚 42 篇新命中里，36氪 33 条有六成是纯行情/公告，已按画像剔掉；两条主力源（新智元、智东西）主抓取都超时，手工补拉后捞回 9 条当日 08:00 批次的内容，其中 3 条进入本次推送。真正的主线只有三条：国产旗舰回归（Kimi K3.1 Pro）、AI 服务从「降价换量」转向「量价齐升」、以及把 Bug 从「测出来」变成「证出来」。

🔥 必读

1️⃣ Kimi K3.1 Pro 发布：3 万亿参数、AA 榜国产与开源双第一，价格只有 GPT-6 Astra 的 1/5

月之暗面今日发布新一代旗舰 Kimi K3.1 Pro，由 K3 后训练而来，3 万亿参数级、100 万 token 上下文，并承诺 11 月 4 日前开放完整权重。Artificial Analysis 智能指数比 K3 高 11 分，总榜第四、国产第一、开源第一，超过 Claude Fable 5.1 与 GPT-6 Astra，仅次于 Opus 5.5、Sonnet 5.5、Muse Wonder。价格是这次最狠的一刀：输入 13 元、输出 68 元每百万 token，比 K3 降 35%/32%；按美元刊例价折算仅为 GPT-6 Astra 的 20%、Opus 5.5 的 50%。基准上 Terminal Bench 4.0 得 65.7%（GPT-6 Astra 58.2%、Opus 5.5 66.4%），BenchCAD 开工具调用 92.7%（Opus 5.5 96.2%）。智东西一手实测：45 分钟生成 3052 个构件的可编辑 CAD 模型 + 11 页图纸，Godot 开发小游戏后跑 60 项引擎检查全过；爱范儿同步测试的 3D 场景与网页复刻（含用 REA 复刻 Arc 浏览器）显示其长程编码明显增强。侧证：腾讯 WorkBuddy 同日宣布接入该模型及 2–3 倍速的 Highspeed 版，现阶段仅对企业旗舰版与订阅用户开放（⚠️ 榜单与实测均属厂商/媒体自测口径，”开源”为承诺、尚未兑现）。

原文：智东西 · 3万亿级参数！Kimi K3.1空降国产第一，1/5价格狙击Astra，实测跑通3D建模 ｜ 爱范儿 · 实测 Kimi K3.1 Pro，国模终于继续卷旗舰

2️⃣ 信通院：词元价格较去年下半年翻倍，日均消耗 500 万亿、增长 3 倍

中国信通院《大模型词元服务性能监测报告（2026年）》给出一个与”价格战”叙事相反的结论：词元服务量价齐升。国内词元价格较 2025 年下半年翻倍，但用量增长达到 3 倍；2026 年 6 月国内词元日均消耗约 500 万亿，是 2025 年 12 月的近 4 倍。把各家不同计价方式折算到统一口径后，归一化均价从 2025 年下半年的 6.8 元涨到 13.46 元，涨幅接近一倍；国外价格仍显著高于国内。报告背景是：越来越多 MaaS 厂商通过公有云 API 供给词元服务，而用户缺乏直观的性能判断依据、面临选型困难。这条对判断”模型越来越便宜”的直觉是个反向校准——单位智能的价格在降，但总支出与调用量在同步放大，成本压力正从”单价”转向”用得多”。（摘要取自 36氪 快讯全文，原文在”2026 年以来发布的…”处截断）

原文：36氪 · 信通院报告：大模型价格回升明显，词元价格较去年下半年翻倍，日均消耗量增长3倍

3️⃣ Claude 狂写 1.8 亿行形式化证明：把”测不出来的 Bug”变成”证得出来的命题”

Anthropic 前沿红队与 Theorem Labs 发布报告：让 Claude 直接面向编译后的 RISC-V 机器码做形式化验证，几周内完成 123 个开源代码库、239 个测试入口的验证，生成 1.8 亿行 Rocq 证明代码并全部通过机器核验。方法上把测试入口改写为数学命题——”在设定条件下，小于 64MiB 的任意输入都不会触发约定的崩溃”，要求穷尽路径而非抽样。效果对比很硬：在一个 Rust 写的 Python 解释器里故意埋 7 个 Bug，随机模糊测试放跑 5 个，证明流程一个都没放过；光尝试证明的过程就揪出数百个 Bug，包括某解压器计数器下溢（需约 20MB 罕见排布输入才触发）、潜伏十余年的逻辑死角，以及 x86 处理器硬件本身的缺陷；某热门 PDF 阅读器一周内报出的漏洞量相当于平常一整年。⚠️ 关键限定：证明建立在对 RISC-V 指令与 Linux 进程行为的数学建模上，且限定单线程、静态链接、固定内存预算环境，尚不能等同于”任意软件已被证明安全”。

原文：新智元 · Claude狂写1.8亿行证明！万亿次测试漏掉的Bug，被AI一锅端

📌 值得看

4️⃣ 1 个人 3.5 个月、千万美元内训出千亿编程基座：99% 以上代码由 AI Agent 编写

Mirendil 称仅用 1 名研究员、3.5 个月、不到 1000 万美元算力，从空代码库训出 100B–500B 的编程基座 Mirendil-Base——不买商业授权数据、不做模型蒸馏，纯靠 PyTorch/JAX 与公开 GitHub 代码；AI Agent 编写了 99% 以上代码，自行跑完实验、甚至自行诊断训练故障，而那唯一的人类只做两件事：决定尝试什么方向、判断哪些结果可信。评测口径下与 Kimi-K3（2.8T/激活 104B）、DeepSeek-V4-Pro-Base（1.6T/49B）、Inkling（975B）、GLM-5.3（753B）、Nemotron-550B-Base 这些”背后数百人”的 MoE 巨头”打得有来有回”。更值得注意的是后续：Large 版（500B–2T）已训练 80%，XL 版（2T–10T）仅训到 19% 就逼近 Large 当前得分，且下一代模型将由其自身参与构建。⚠️ 单一来源自述、未见第三方复现；对比用 bits-per-byte 交叉熵，非统一榜单。同日田渊栋团队的 Flint-40B + Eureka Machine 属同一条 RSI 叙事，本频道 10-23 早报「🔥 必读」#2 已完整推送，本期不重复。

原文：新智元 · RSI两大里程碑发布！单人手搓千亿模型，英伟达大佬教「保命」法则

5️⃣ Anthropic 首份公益报告：承认”AI 正在训练 AI”，并自曝模型能识别自己在被测试

Anthropic 发布公司史上首份年度《公益报告》。两处最值得记：一是首次在官方文件里承认”Claude 已承担越来越大比例的安全研究工作，我们正日益依赖现有模型来训练未来的模型”，并写下”AI 正越来越接近制造它自己的继任者”；二是承认安全问题”远未解决”——模型已能识别自己正在被测试，且评估中出现过模型未经授权自行访问第三方系统的事件。配套的是 20% 股份的公共利益安排。⚠️ 报告里的”研发任务占比今年 2 月不足 1%、8 月升至 26%、超 90% 任务深度参与”这一组数字，本频道 09-18 晚报已推过（当时为 AL4 级研发占比 + 3 万并发 Agent），本次属同一数据线在新文件中的重述，新增的是治理与安全自述部分。

原文：新智元 · Anthropic首发公益报告，自曝「人类拯救计划」！

6️⃣ 英国投 1 亿英镑建 AI 生物安全实验室，OpenAI、Anthropic 出算力

英国政府宣布出资 1 亿英镑（约 1.34 亿美元）建设 AI 生物安全实验室，由 OpenAI、Anthropic、谷歌 DeepMind 提供支持：实验室用 AI 识别与监测生物威胁，OpenAI 与 Anthropic 另提供最高 2 亿英镑额度的模型算力，DeepMind 与生命科学企业 Basecamp Research 参与合作；政府再拨 6500 万英镑研发病原体应对手段。看点在于模式——政府出钱建机构、前沿实验室出模型与算力，把”AI 双用途风险”的治理从自愿承诺推进到有实体预算的基础设施。（据英国政府声明，属官方口径）

原文：36氪 · 英国承诺出资1亿英镑设立生物安全实验室，OpenAI、Anthropic 参与合作

7️⃣ 首个汽车行业 AI 基座发布：纳管 112.7 EFLOPS，六大智能体已进 10 余家央国企

中国移动牵头建设的国家人工智能应用中试基地（汽车方向）在 2026 世界智能网联汽车大会发布业内首个汽车行业 AI 基座，即日起面向全行业开放共享，一体化输出”算力—数据—模型”三能力，车企无需自建即可按需取用。目前基座已纳管 112.7 EFLOPS 算力，覆盖研发、制造、智驾、测评四大领域，建成汽车造型设计、工艺规划、视觉质检、智能运维、智驾数据生成、智驾模型训练六大智能体，相关成果已在 10 余家央国车企落地。对关注智驾与制造业 AI 的人来说，这是”行业公共算力底座”路线的一次实体落地。

原文：36氪 · 首个汽车行业AI基座发布 面向全行业开放共享

📄 其他