珂的非官方整理
AI 速递

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Anthropic 发布个人智能体 Claude Duet，由 Claude Opus 5.5 驱动，可调用超过 6000 个连接器和插件，并直接继承原账户的记忆、Skills 和应用连接。
2. 2.腾讯摘要称，Duet 提供独立 iOS、Android 应用和网页端，配有独立云端虚拟机在后台执行任务，暂不能访问本地文件，也未接入第三方聊天渠道。
3. 3.腾讯摘要称，预览期不单独收费，但与 Claude 共用 Pro、Max 套餐额度，首批面向美国地区 Pro 和 Max 用户开放候补申请。

扩展解读 / READ

关联原文（量子位）补齐了几处容易被摘要抹平的边界：6000 多个连接器和插件来自 Claude Marketplace；Duet 在云端虚拟机里自带浏览器，但当前不向用户展示浏览器操作画面，也不开放终端，本地文件访问缺位；它不直接读取密码或登录令牌，另有敏感信息分类器拦截信用卡号、证件号一类内容，健康与个人财务信息需要用户明确授权。官方也承认它可能误读邮件对话、误判消息重要程度，并把预览期定位为候补阶段。原文给出的早期案例集中在日程与账务：房产经纪人被它挑出日历里排错日期的看房活动，品牌策略师被告知通话被排在航班起飞前不久，一家约 110 名员工的餐厅老板则用它按门店整理发票、经 QuickBooks 或 Stripe 查未付款记录、用 Gusto 整理工时与报销。值得注意的是额度设计：预览期不单独收费，但共用 Pro、Max 额度，日更简报和复杂任务都会消耗额度，标签页少了，账单并没有变少。原文把它放进 OpenAI Dot、Gemini Spark、Grok Bot、Hermes Agent 的横评语境，Duet 的差异点不在能力清单，而在尚未接入第三方聊天渠道这一克制选择。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，OpenAI 称 GPT-5.6 Sol 在「Patch the Planet」计划中发现 PHP 两个未经认证远程代码执行的漏洞「PHP2Shell」，CVSS v4.0 评分 9.2，Wiz 也独立发现同一问题。
2. 2.腾讯摘要称，漏洞涉及内存管理与错误处理，影响 PHP 5.4 至 8.5 版本，PHP 官方 10 月 21 日发布 8.5.12 等四个安全更新。
3. 3.腾讯摘要称，披露前一天消息泄露，CISA、NSA 等发布紧急警告，维基媒体及《赛马娘》等多款日本游戏暂时停服。

扩展解读 / READ

关联原文（机器之心）给出了两个漏洞的技术定位：CVE-2026-109618 落在内存管理机制上，当请求恰好在特定时机触发 memory_limit 限制时，部分初始化的内部数据被遗留并当作有效数据处理，造成内存损坏；CVE-2026-109619 落在错误处理流程上，fatal error 在错误时点发生后，内部状态仍指向上一个请求的内存区域，后续请求在同一 worker 中复用了已释放内存。研究者在 Apache 加 mod_php 的默认配置下演示了未认证远程代码执行，PHP-FPM 环境也通过应用层代码路径得到确认。修复侧，10 月 21 日一次性发布 8.5.12、8.4.27、8.3.36、8.2.35 四个版本；评分上 CVSS v4.0 为 9.2，安全公司 watchTowr 自评为 10.0，两个数字口径不同，引用时不宜混用。发现路径值得留意：OpenAI 内部团队 Calif 在 Patch the Planet 计划下用 GPT-5.6 Sol 审计代码库，Wiz 用自家智能体加 Gemini 4 Argon 与 GPT-5.6 Sol 的组合独立命中同一缺陷，两条独立路径指向同一处，降低了误报嫌疑。披露过程并不体面：10 月 20 日消息在 Hacker News 提前泄露，Calif 团队误发概念验证视频，Chainguard 提前发布含补丁的二进制版本，使攻击者可通过代码差异反推细节，PHP 基金会公开表达不满，并在复盘中把这次多方协调的失控称为结构性失败。技术上的历史线索也清楚：2024 年 Quarkslab 的外部审计已出现内存溢出问题的初步迹象，但修复方案因向后兼容、引入新拒绝服务面、需要第三方扩展同步修改等代价陷入僵局。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Recursive 团队开源本地 Coding Agent 的 MoE 模型 Flint-40B-A2B，借助 AI 自动科研系统 Eureka Machine，不到 4 个月完成全流程研发。
2. 2.腾讯摘要称，Flint 比同类模型最高快 2 倍，MacBook Pro 上生成速度超每秒 125 Token，RTX Spark 上超每秒 150 Token。
3. 3.腾讯摘要称，Flint 可在笔记本上自主科研，工厂调度任务完成时间较轮询基线提前 26%。

扩展解读 / READ

关联原文（智猩猩 AI）的重点不在跑分，而在研发过程本身：Tokenizer、预训练、中期训练、监督微调、强化学习整套流程由 Eureka Machine 深度参与，从 35B 总参数、3B 激活参数的基线出发，探索不同专家配置后收敛到 40B 总参数、2.5B 激活参数；量化阶段尝试把输出层压到 4-bit 再用额外蒸馏恢复精度；底层推理针对 Apple Silicon 与 NVIDIA 生成专用计算内核。三个本地科研实验的读数分别是：圆形填充这类无视觉输入的空间优化任务，靠代码调整圆心与半径迭代得分；工厂调度任务相较轮询调度基线整体完成时间提前 26%；共享单车需求预测用 UCI Bike Sharing 数据集，验证集 RMSLE 降低 30.8%、留出测试集降低 9.1%。原文明确写了边界：Flint 并不代表 AI 已实现完全自主的递归自我改进，当前成果仍是人类研究员与 AI 系统协作完成的模型研发实践。这一点很关键，因为它把可以谈论的部分限定在「AI 参与研发的某些环节已经跑通」，而不是「AI 自主造出了更强的 AI」。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，腾讯混元与复旦大学提出 WorkForge 框架，按专家蓝图从真实代码仓库、数据集和网页搭建工作区，结合程序化检查与 LLM 语义评分核验。
2. 2.腾讯摘要称，WorkForge-16K 含 16665 个环境，覆盖 40 个专业领域、60 种文件类型，单条轨迹平均约 7.6 万 tokens。
3. 3.腾讯摘要称，训练后 WorkForge-A3B 的 GDPval 从 45.5 升至 73.6，WorkForge-27B 达 82.4，超过 397B-A17B 的 79.7。

扩展解读 / READ

关联原文（腾讯混元）把方法拆成四步：专家写场景蓝图，按蓝图去真实世界找代码仓库、数据集与网页搭出工作区并保留原目录结构，先给工作区做体检、记下可核对的事实支撑再出题与定标准，最后让智能体完整执行并保存轨迹。数据侧的读数：16665 个环境、40 个专业领域、60 种文件类型，每个任务平均 21.9 条验证标准，每个工作区平均 42.3 个文件、约 279 KB，完成一个任务平均 31.8 步、33.8 次工具调用、约 7.6 万 tokens；文件类型里表格占 53.3%、图像占 18.7%。最有说服力的是真实与合成的对照：同一批蓝图下，真实工作区文件数是合成工作区的 5.4 倍、文件类型是 2.4 倍、平均体积从 21.5 KB 增至 279 KB，合成环境被过度整理，关键信息挤在少数文件里。金融案例也具体：297 个 CSV 分散在 16 个目录，月度与年度数据混排、缺失值以 −99.99 标记、同一因子命名不一致。训练结果上，A3B 的 GDPval 从 45.5 到 73.6、APEX 从 5.0 到 21.3，ALE 通过率 12.4% 对 ClawGym 的 2.9%；27B 版本 GDPval 82.4，高于 397B-A17B 的 79.7，与原文列出的 Claude Opus 4.8 的 89.1、GPT-5.6 Sol 的 90.1 仍有距离。消融里两个结论值得记：轨迹从 1K 增至 16K，ALE 与 WildClaw 分别提高 13.0 和 8.4 分；同量数据下，41 至 60 轮长轨迹优于 20 轮以内短轨迹。混合验证也优于单路信号，ALE 22.11 高于单用语义评分的 15.62 和单用程序化检查的 14.89。行为层面的变化同样具体：模型在 GDPval 中平均访问 6.52 个外部域名，是基座的 5.3 倍；工作区内定向取证占比从 5.9% 升到 16.2%；工具调用失败后的推理长度从 144 字符增至 614 字符。所有指标均为论文自测口径。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供 4B 和 27B 版本，首创原生多选与按序决策（DAG）能力，已上线 DTMaaS 平台。
2. 2.腾讯摘要称，23 项开源评测基准中，27B 版本综合性能居首，超过 Microsoft-Decision-1、Jev 1.13.0 等决策模型。
3. 3.腾讯摘要称，客服、风控、金融场景测试中，较大语言模型 Token 消耗降超 90%、响应提速 10 倍，智能客服风险识别准确率由 76% 升至 89%。

扩展解读 / READ

关联原文（蚂蚁数科）把评测口径交代得比较细：综合指数是 0.9 乘单选能力加 0.1 乘多选能力，单选取 13 项主流开源基准平均，多选取 10 项平均，27B 版本在该口径下居首，并超过 Microsoft-Decision-1、Jev 1.13.0、Fastino/GLiDE、Star-lux 等模型；多选任务上 4B 与 27B 两个版本的准确率超过 16 个决策模型，单选处于第一梯队。模型思路是改掉生成式模型的推理链路：不再先逐 token 生成结构化答案再做解析校验，而是在限定选项内直接判断，因而格式稳定性与解析成本都下降。分场景读数：数据标注相较 DS-V4-flash，Token 成本降低约 97%、处理时效提升约 10 倍；智能客服相较 Qwen-3.7-flash，Token 成本降低约 90%、处理时效约提升 1 倍，风险识别准确率从 76% 升至 89%；金融场景相较 Qwen-8B，处理时效提升约 5 倍、工具组合完全匹配率约 2.6 倍、幻觉召回率从 44% 升至 70%。原文强调的两个新能力也有现实对应：多选解决一句需求里同时出现退款、关闭续费、补开发票、不注销账号这类复合意图，按序决策则按依赖关系排定先核验、先执行、后处理的顺序。需要保留的判断是：这些数字全部来自厂商自测，且决策模型的适用前提是候选集合可以被枚举。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，科大讯飞在 1024 开发者节发布讯飞星火 X2.6，以端侧与云端模型按需协同兼顾安全与性价比，刘庆峰称其是迄今唯一在全国产算力上训练的国产大模型。
2. 2.腾讯摘要称，端侧模型星火 X2.6-4B 自 9 月初开源以来下载量超 256 万次，进入全球端侧模型前四。
3. 3.腾讯摘要称，刘庆峰预计未来 60% 应用可在本地完成、30% 端云协同、10% 用云端大模型；「讯飞晓法」让整体办案效率提升 45% 以上。

扩展解读 / READ

关联原文（智能超参数）的信息密度集中在落地侧：发布会为 10 月 22 日北京 1024 开发者节；端侧 4B 模型 9 月初开源，下载量 256 万次以上，官方称已进入全球端侧模型前四；端云一体的目标配比是 60% 本地、30% 协同、10% 云端。行业落地分三条线：教育侧的讯飞星光覆盖 AI 备课、AI 教研、家校沟通与事务助理，学习机同步上线探究学；医疗侧讯飞影像云强调多模态多病种、影像质控超专家会诊水平、报告生成跨过实用门槛，讯飞晓医升级多报告综合解读、健康风险洞察与综合健康管理，并新增中医舌面体质辨识及养生计划；法律侧讯飞晓法覆盖法律工作全流程，办案效率提升 45% 以上。终端侧讯飞 AI 办公本、AI 眼镜、星火智慧座舱 3.0 同步接入。基准方面原文只写到代码与智能体能力有突破、多项成绩比肩国内开源大模型，没有给出具体分数与对比对象，因此这些能力的强弱暂时只能当作厂商口径看待。刘庆峰把全国产算力训练当作差异化卖点，这一点的可验证性依赖训练日志与第三方复现，目前公开材料尚未提供。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，宇树科技王兴兴在世界物理 AI 大会上称，GPT-6 已零训练部署到宇树机器人上，可自主画画、下棋、寻找厨房工具，物理 AI 很可能在最近 1 到 2 年被击穿。
2. 2.腾讯摘要称，他称产业正迈向具身智能 ChatGPT 时刻，80% 陌生场景中机器人可完成约 80% 任务，宇树正预研物理 AI 机器人自进化 V1.0。
3. 3.腾讯摘要称，Unitree G1 累计下线约 1 到 2 万台，新款人形机器人 H2-X 首次亮相，续航约 8 小时。

扩展解读 / READ

关联原文（机器人前瞻）记录的是一场约 30 分钟的演讲，其中可核的信息与判断需要分开看。可核部分是产品与产能：G1 自 2024 年 5 月发布以来累计生产下线约 1 至 2 万台，H2-X 首次线下亮相并给出续航约 8 小时、徒手抬汽车、4 米高空落地等描述，生态伙伴墙约 180 家；行业层面的参照是工信部数据，2026 年上半年中国人形机器人出货量超 4 万台。判断部分是王兴兴的三处表态：GPT-6 完全零训练部署到宇树机器人，能自主画画、清洗画笔、下围棋象棋、寻找厨房并取工具；物理 AI 已看到被击穿的苗头，可能在最近 1 到 2 年或 2 到 3 年发生；具身智能的 ChatGPT 时刻可用「80% 陌生场景完成约 80% 任务」来描述。他还给出了自进化 V1.0 的四个条件：基础模型更强、多源数据规模化、更多真机部署、技能生态累加；并认为规划问题已经解决，最大未解是模型输入与输出的对齐误差，物理 AI 真正突破还需年产千万台的制造能力、模型、超大规模算力与芯片。同台的王坚则提醒 AI 概念存在滥用，认为语言之外的肌肉动作信息仍有空间。以上均为现场演讲口径，没有独立评测或可复现的实验设置。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，智元开源 AGIBOT WORLD 2026 第四期「具身推理」数据集，称是首个真实场景 Physical Agent 数据集，任务设计从「操作难度」转向「决策难度」。
2. 2.腾讯摘要称，数据围绕物品数量、遮挡关系、位置占用、任务进度构造同一任务的多种状态，覆盖九类推理能力，分 Easy、Medium、Hard 三档。
3. 3.腾讯摘要称，同时提供高层问答与低层动作轨迹，成功与错误样本并重，已用于智元即将推出的 Agent 框架与新一代基座大模型训练。

扩展解读 / READ

关联原文（智元 AGIBOT）用两个场景说明了这期数据要解决什么问题：把客房迷你吧饮料补到 3 瓶，机器人要先区分空瓶与满瓶、数清数量，再决定回收几瓶补充几瓶，初始状态不同步骤就不同；从多个抽屉里找洗漱用品，即便当前画面一样，已经查过哪个抽屉也会改变下一步搜索位置。九类推理能力被明确列出：属性约束选择、情境条件化选择、操作可行性评估、前置条件推理、目标导向搜索、状态与数量推理、长程规划、记忆状态维护、子任务顺序推理。数据组织上，用任务指令描述完整目标，用 Task Frame、子任务区间与动作步骤刻画结构，动作层用 Dense Prompt 明确目标对象、操作部位、左右臂分工、运动过程与预期结果，并配框、点、线等空间标注；同时标注物品是否选对、是否放对、数量是否足够，成功与错误样本并重，以支持执行偏差发生后的调整研究。原文也给出了用途：可做联合训练与端到端训练，也可做决策与执行的协同训练。开源地址为 Hugging Face 上的 agibot-world/AgiBotWorld2026，项目主页为 agibot-world.com；但数据规模、许可条款与评测协议在这篇文章中没有展开，需要到项目主页核对。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，特斯拉三季度财报宣布 Optimus 在弗里蒙特工厂启动生产，首批达量产质量标准的机器人下线，首条产线设计年产能 100 万台。
2. 2.腾讯摘要称，马斯克称灵巧手仍是最大硬件难点，对外交付预计在 2027 年底左右，周产 2 万台至少还需一年，并计划先造 1 万至 2 万台机器人在 Optimus Academy 中练习。
3. 3.腾讯摘要称，三季度营收 280.46 亿美元，营业利润同比降 56%，研发支出 27.61 亿美元，同比增约 69%。

扩展解读 / READ

关联原文（AGI 接口转虎嗅）把投产与量产之间的距离写得很清楚：产线用的是原本生产 Model S 和 Model X 的空间，弗里蒙特首条产线设计年产能 100 万台，得州第二产线远期目标年产 1000 万台；但财报里 Optimus 产能一栏留空，也没有订单数量与销售收入，马斯克明确说 2027 年不应期待大规模销售。财务面同样紧张：三季度营收 280.46 亿美元同比基本持平，归母净利润 7.87 亿美元同比下降 43%，营业利润 7.18 亿美元同比下降 56%；研发支出 27.61 亿美元同比增长约 69%，资本开支 47.32 亿美元同比增长 110%，同时把 2026 年资本开支预期从超过 250 亿美元下调至约 200 亿美元。技术上的关键约束是灵巧手：机电系统设计逐步收敛，手部仍涉及定制齿轮、结构设计与长期可靠性，这也是对外交付被推到 2027 年底的原因之一。训练路径的变化更值得关注：Optimus Academy 要求先造出 1 万至 2 万台机器人，让它们在真实环境中反复练习积累数据，并与仿真强化学习结合；2027 年 4 月前后计划把 AI5 芯片集成进 Optimus；未来一两个月将发布完成未经预先编程任务的演示视频。数据闭环的思路与汽车业务同源，但人手操作的数据无法直接复用自动驾驶积累。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Josh Woodward 称 Labs 新项目团队从 5 到 7 人缩至 2 到 3 人、最多 4 人，用 50 到 100 天推进到有意义的里程碑；团队维护「几乎成为可能」清单，能力跨过临界点即启动实验。
2. 2.腾讯摘要称，早期判断需求看用户「眼睛是否发亮」，而非 DAU、留存等指标，团队要爱上问题而非方案。
3. 3.腾讯摘要称，他认为模型基准被高估，看重人才的「反学习速率」，实验室需独立运作又要与主营业务打通。

扩展解读 / READ

关联原文（Z Finance 整理的对谈）里，Woodward 同时负责 Google Labs 与 Gemini 应用，一端是 0 到 1 的实验，另一端是超过 10 亿用户的产品。他的方法可以拆成几条可操作的：团队维护一张「什么几乎成为可能」的清单，记录模型暂时做不好但已接近可用的体验，等能力跨过临界点再和真实用户问题结合；想法很少来自设计冲刺或专门排出的头脑风暴，而多来自少数人对某件事的痴迷与持续的 side project；Labs 内部还有一份 82 条以「我们相信未来是……」开头的预测文档，他承认其中绝大多数会错，但必须先对未来有观点。产品判断上，他用展示原型时对方眼睛是否发亮、身体是否前倾作为早期指标，替代 DAU、DAU 除以 MAU、D7 留存；他强调要爱上问题而不是产品方案，因为通常要转型三到五次。反面案例也被说得很直白：有一个在 Gemini 里很受期待、准备发布的功能，早期数据回来后被 PM 主动叫停，他当场表示支持。被高估的是模型基准，他认为大多数人不会关心 ELO 评分；被低估的是关于原则与价值观的讨论，因为产品本身在编码这些原则。人才上他看重反学习速率，即学得快也放得下，以及 Federer 式的爆发式耐力，还强调能与人协作、能建立并规模化信任的人反而更重要。规模层面，Labs 把新项目团队压到 2 至 3 人、最多 4 人，用 50 至 100 天推进到有意义的里程碑，用短周期替代容易失效的长期路线图。