AI Daily

评测机构 Vals AI 称，DeepSeek V4.1（10/17 版）成为 Vals Index 排名第一的开源权重模型，单任务成本仅 0.64 美元（ValsAI）。teortaxesTex 给出的成绩是 Artificial Analysis 45%、Vals 56.6%，与他赛前预测基本一致，评价「好，但不算顶尖」，胜在便宜且快（teortaxesTex）。AA 细项显示它是 2026 年幻觉最少的 DeepSeek 模型，但知识准确率与 LCR 较前代退步；他据此反驳「提升来自蒸馏」：重度 RL 通常伴随知识准确率小幅下降，而在别家轨迹上做重度 SFT 往往推高幻觉（AA 细项）。Terminal-Bench 4.0 的 42.3 分存在 harness 依赖，他请 Artificial Analysis 用原生 harness 复测（harness 讨论）。

（图：Artificial Analysis 官方 Intelligence Index 结果，AA 原帖）

10 月 20 日凌晨，Together AI 创始人兼 CEO Vipul Ved Prakash 宣布 Together Post-Training 平台上线，Prakash 公告。

该平台把开源模型转为客户自有的定制模型，同时支持 SFT（监督微调）与 RL（强化学习）两条路径，Together AI 自述基础设施按质量与速度调优，Prakash 公告。

10 月 19 日晚间，Alexandr Wang（Meta Superintelligence Labs 负责人）在 X 上确认 Muse Wonder Full 已在 Code Arena 的 WebDev 子榜上线；榜单通告显示其以 1726 分位列第 6，比 Muse Wonder（第 17）高 75 分、11 位，Meta 因此排到实验室榜第 3，Wang 推文。

Muse 是 Meta 的基础模型系列，Wonder Full 为 Max 档位，首次参榜。Jack Rae（Meta AI 研究员）同日转发 Meta 官方公告：Muse Wonder 的训练在 Meta 的 gigawatt 级超算 Prometheus 上完成，Prometheus 说明。

Meta 另外公布 Muse Glimmer 的技术报告：30B 开源权重模型，面向 agent 任务，含训练与量化配方，在单张消费级 GPU、4-bit 精度下可跑到实用速度，Jack Rae 转发。

10 月 20 日凌晨，Stefano Ermon（Inception Labs 联合创始人、斯坦福副教授）发布 Mercury 3；Menlo Ventures 分析师 Louis Bunzel 同步背书，Ermon 推文。

Mercury 系列是 Inception Labs 的扩散 LLM 线，与自回归生成不同，整段并行采样。Mercury 3 在质量上超越 GPT-6 Luna 和 Haiku 5.5，同时输出速度超过 1,000 tokens/s，Louis Bunzel 表示「团队过去需要在快模型与强模型之间选择，直到今天」，Bunzel 推文。

10 月 19 日，doubleAI 账号发布 Maxwell，Lightspeed Venture Partners 作为投资人同步背书，Lightspeed 推文。

doubleAI 联合创始人包括 Amnon Shashua、Shai Shalev-Shwartz、Lior Galanti、Yoav Levine、Noam Weis、Or Sharir，公司定位为「专为代码运行而设计的 AI」。Maxwell 自称是世界上第一个 Code Execution Model（代码执行模型），doubleAI 称其为「一种生活在机器内部的新型 AI」，与通常的编码助手（辅助写代码）构成对照，doubleAI 发布帖。

10 月 19 日，Stephanie Palazzolo（The Information 记者）称未来几周会有多个新模型发布（她随后把「本月」更正为「未来几周」，更正帖），原帖。

据 Palazzolo 独家消息，名单包括 Anthropic 新模型、Google Gemini 4 Carbon、以及 OpenAI 可能的新 Terra 模型。型号名与发布时间尚未公布。Source

The Information 同日报道，Anthropic 正在准备的新模型即便指令模糊也能更好推断用户想做什么，据一位用过的人称其推理和创造性解题更强；过去一个月 Anthropic、OpenAI 与 Google 已发布十余个模型，The Information、新模型密集。

10 月 19 日，Dean W. Ball（Hyperbolic 政策研究员）转推账号 @choblin29 对路透社报道的转述，一名讲中文的攻击者用 AI agent 入侵 100 余家公司，包括 Deere、SharkNinja 与 Cummins，此前尝试入侵的站点超过 1,200 个，Dean Ball 转推。

按路透社估算，整轮攻击耗用约 $5,000 的 AI token，折合每次成功入侵约 $50，成功入侵平均耗时约 23 小时。攻击者使用开源 Cairn agent 框架。据称组合 DeepSeek 模型与 Claude Code harness（驱动并约束模型完成任务的执行框架）。其中一次行动给 agent 的指令不到 100 个汉字。NorForge 研究员 Snorre Fagerland 评价「这是一个新世界」。Source

同日，Satya Nadella（Microsoft 董事长兼 CEO）宣布扩展 Project Perception：持续评估 agent 风险、动态调整权限、围堵威胁；核心主张是把模型视为「内鬼风险」，把安全控制放在模型之外，Nadella 推文。

10 月 20 日凌晨，@spisallyouneed 账号发布 SKY-001，Francois Chollet 转发背书，Chollet 转发。

SKY-001 自称是第一个「工程世界模型」，针对 CAD（计算机辅助设计）与 BIM（建筑信息模型）任务训练，与 GPT-6 Astra 等前沿模型做对照。Chetaslua 转载的基准页披露：CAD 任务 1,000 零件、每件约 100 步构建；Astra 79.1% IoU、199 秒、单件 $0.75，SKY-001 79.7% IoU、3.9 秒、单件 $0.005，成本约为 Astra 的 1/150，Chetaslua 评论。他也指出，多数世界模型是造一个可以走动其中的世界，SKY-001 产出的是构建计划。

10 月 19 日，WSJ Tech 跟进报道 Anthropic Public Benefit Fund 的法律结构：此前 Anthropic 宣布把约 20% 股权用于公益、首批注入 5% 股份；这 5% 股份置于一家 LLC 之内，可发放慈善捐赠或投向「特定群体」，WSJ 报道。

Anthropic 的章程信托（charter trust）能够影响董事会构成并对重大决定有否决权，相关细节未公开，WSJ 跟进。

10 月 20 日凌晨，SemiAnalysis 机构账号披露 NVIDIA 对 Google TPUv7 FP8 提交的反击结果，SemiAnalysis 推文。

上周 TPUv7 的 FP8 提交在性能/美元上领先，SemiAnalysis 称 NVIDIA 为此连续加班赶出 GB300 FP4 的对抗提交。结果仍比 TPUv7 对外部客户的性能/美元差 1.64 倍，差距仍然巨大；SemiAnalysis 预期 NVIDIA 将继续追赶。Source

同机构同日发布《Datacenters 2027: The Year of Acceleration》，2027 年单年新增 50GW、在建 60GW、年初至今已签 1.3 万亿美元租赁合同；短缺可能转向芯片侧，SemiAnalysis 报告。