跳转至

← X AI 日报

X AI 日报

日期2026 年 10 月 26 日 · 周一时间窗口2026-10-25 02:00 至 2026-10-26 07:58覆盖完整

1. AI 模型、产品与应用

用户报告 Claude 开始拦截 REA 逆向工程任务，厂商没有专门说明

  • 发生了什么：@Pirat_Nation 10-25 03:01 发帖（42.4 万浏览、6476 赞、291 回复）说，用户报告让 Claude 用 REA（Reverse Engineer Anything）做详细逆向工程时会触发安全检查，即使研究已经完成也被中途截断。约六小时后，@0x0SojalSec 10-25 09:41 发帖（6.95 万浏览、550 赞）称 OpenAI 也以“Cyber Abuse”为由封禁了一位在本地逆向自己三星电视的用户，并质疑 OpenAI 面向审核过的安全研究者设立的 Daybreak 项目。@cherry_mx_reds 补充说 REA 本身是开源 MCP，可以换 GLM、DeepSeek 等模型跑；@vartekxx 转述 REA 作者随后发布了“REA agents”。
  • 为什么值得关注：REA 让编码 Agent 在本地调用 Hopper、Ghidra、IDA 等工具检查二进制、Electron 应用与运行时行为，近期在开发者圈传播很广。如果托管模型的厂商在服务端加拦截，工具本身还在，但“让 Agent 自己看代码”的默认体验会被切断。这类冲突的实质是安全对齐与合法逆向（自有设备、自有软件维护）之间的边界在哪里，而这条边界目前只有厂商自己知道。
  • 原帖与互动：Pirat_Nation 的帖子、0x0SojalSec 的帖子、cherry_mx_reds 的补充、vartekxx 的转述。
  • 核验：REA 仓库存在，为 morluto/rea，README 自述“让 Agent 从应用行为一路检查到原生二进制”，分析在本地运行、结论附带证据与限制，MIT 许可，通过 npm 包 rea-agents 安装，官网是 rea.tools。Anthropic 没有针对 REA 的声明；可查到的官方口径是 10-06 的《Expanding the Cyber Verification Program》：面向公众的 Opus 5.5、Fable 5.1、Sonnet 5.5“带有保守的网络安全防护，会拦下大部分网络安全工作”，同时把该计划拆成三档，其中 Defense Access 覆盖恶意软件逆向等防御任务。社区指南据 Claude 帮助中心整理说，这类检查对每一次请求生效，包括模型读到的网页与文件，恶意软件分析与漏洞验证可能被中断，而自有代码的安全审查、威胁建模不受影响（帮助中心原文未直接读到，属二手转述）。OpenAI 的 Daybreak 项目确实存在，官方描述是给经过审核的防御方提供模型与 Codex Security；“三星电视用户被封”只有 X 帖与聚合站转述，未见官方或一手报道，未证实。
  • 判断：工具是开源的，模型不是，所以这类限制最终表现为“换模型”而不是“换工具”。对做兼容实现、固件分析、老设备维护的团队，比较现实的读法是：把 REA 当成可切换后端的分析框架，而不是绑定某一家；同时留意厂商的网络安全使用政策。至于厂商是否真的收紧了策略、收紧到什么程度，目前只有用户观测，需要等官方文档或正式声明。

Kimi 为 K3.1 Pro 限流道歉，给所有订阅一次性重置 25% 月额度（后续）

  • 发生了什么：官方 @Kimi_Moonshot 10-26 04:14 发帖（17.9 万浏览、2752 赞、192 回复、116 引用）为 K3.1 Pro 订阅的限流和不必要的额度消耗道歉，说“这是我们的问题，本该更早修好”；当天所有套餐的每位订阅者获得一次性用量重置，恢复月额度的 25%（已用不到 25% 的直接清零），相当于一周用量，用量条在太平洋时间当天结束前更新；同时调整了套餐参数，减少不必要的子 Agent 调用和输出长度。
  • 为什么值得关注：上期日报已报 K3.1 Pro 发布后的两条争议（LiveBench 得分与未标注付费推广）。这次是厂商在两天内对订阅侧问题给出补偿，而不是继续讲基准。补偿按“月额度的 25%”统一发放，等于承认限流来自产品侧，而不是用户用法问题；对刚把工作流搬过去的付费用户，这是最直接的一种止损。
  • 原帖与互动：官方道歉帖；批评方 @MiaAI_lab（5588 浏览、96 赞）认为这条道歉没有回应付费推广争议；中文侧传播见 @NFT_Chen。
  • 核验：官方帖内容与 Bot 通过 X 接口取得的数据一致，另有 Phemex 的新闻转述确认“重置月额度 25%”。关于付费推广争议，查不到任何官方回应，@MiaAI_lab 的批评在公开可见范围内成立。“减少不必要的子 Agent 调用和输出长度”没有公布具体数值，无法量化。
  • 判断：补偿解决的是额度，不解决信任。上期的推广争议伤的是社区对 K3.1 演示内容可信度的判断，这次道歉只覆盖了限流，两者在官方口径里被当成一件事处理，这本身会被记住。接下来更值得看的是 11 月权重放出后的独立测试，以及套餐参数改动是否真的把单位任务的消耗降下来。

GPT-6.1 Terra 线索继续增加：微软 EF Core 把评测裁判模型换成它（后续，传闻）

  • 发生了什么：@LuminaBench 10-25 18:26 发帖（6.89 万浏览、328 赞）称一名 GitHub 员工在 GitHub Copilot 里配置 GPT-6.1 Terra，定位是“GPT-6.1 Sol 的更便宜替代”，此人此前还发过微软在测试该模型的消息。@chetaslua 称微软 EF Core 团队 10-16 合并的改动把 18 个评测配置里的 judge_model 从 gpt-5.6-terra 换成 gpt-6.1-terra。@kimmonismus 10-25 16:47 发帖（6.94 万浏览、1049 赞）认为“Codex 的 28 天”会以新模型发布收尾，可能就是 Terra，同时评价 Luna 便宜好用、Sol 与 Astra 最强、Terra 是尴尬的中间档。同日 Codex 与 ChatGPT 负责人 Tibo 发了“Day 20/ Rest and reset”（123 万浏览、1.12 万赞），并在 14:06 说“It is all propagated. Enjoy some mad codexing tomorrow. Fun week ahead too.”（64.5 万浏览、5175 赞）。
  • 为什么值得关注：这是目前最“硬”的一类线索——不是跑分泄露，而是微软公开仓库里评测配置的默认值。这说明至少微软内部已经能以这个名字调用模型做评测，但能否对外开放、何时开放，配置文件本身说明不了。
  • 原帖与互动：LuminaBench 的帖子、chetaslua 的帖子、kimmonismus 的帖子、Tibo 的 Day 20 帖与“It is all propagated”帖。
  • 核验：已直接读取 dotnet/efcore PR #39217 的 diff，该 PR 由 AndriySvyryd 提交，2026-10-16 17:45 UTC 合并，把评测配置中 judge_model 的默认值从 gpt-5.6-terra 改为 gpt-6.1-terra：17 处为直接替换，另 1 处是新配置直接写入新值，共 18 个配置文件，测试里还出现用 gpt-6.1-sol 覆写的用例。所以“18 个评测配置”的说法基本准确。但 OpenAI 没有任何官方发布，也没有模型页或价格页，Terra 这一档目前仍是 GPT-5.6 Terra，gpt-6.1-terra 无法调用，仍属传闻。有二手转述称 The Information 报道 OpenAI 在准备新的 Terra 模型，原文付费未读到。Tibo 的帖子只能说明 Codex 活动期内做了用量重置，不能证明新模型。
  • 判断：证据强度足够支撑“OpenAI 在为 Terra 这一档做准备”的推测，但不足以支撑“明天发布”。真正的信号是官方模型页出现 gpt-6.1-terra，或者定价页多出一档；在那之前，把这条当成发布时间猜测即可，不必据此改采购计划。

1000 多名数学家加入“人类数学协会”，承诺不发表 AI 生成论文、不为前沿实验室工作

  • 发生了什么：@Hesamation 10-25 08:32 发帖（24.5 万浏览、641 赞、275 回复）称超过 1000 名数学家加入“人类数学协会”（Association for Human Mathematics，AHM），承诺不发表 AI 生成的数学论文、不与前沿实验室合作，其中 654 人进一步承诺研究中完全不用 AI。
  • 为什么值得关注：这是目前针对 AI 数学最具体的集体行动：不是一封公开信，而是带公开名单、带分级承诺的组织。协会把“不为 AI 公司工作”和“不在研究里用 AI”拆成两档，让立场不同的人都能签名，避免了“要么全反、要么全接受”的对立；同时它把议题从“模型能不能做数学”转到“期刊、教职、研究生训练怎么办”。
  • 原帖与互动：Hesamation 的帖子；报道见 New Scientist，官网为 ahmath.org。
  • 核验：AHM 成员页原文写明“1008 名成员，其中 654 人属于无 AI 核心小组”，并列出三条承诺：不为商业 AI 公司提供技术劳动、数学知识、咨询或宣传；不发表 AI 模型生成的数学文本（含论文、评审、讲义、教材、书）；加入无 AI 小组者不在研究中使用 AI 模型。页面同时标注成员名单自 10-25 起因站点维护暂停。New Scientist 的报道确认“超过 1000 人”，明确 AHM 是在 OpenAI 本月一次性发布 722 篇论文之后成立，并引用 Terence Tao（认为这种“倾倒”式发布可能伤害数学）、Sam Raskin（只签前两条）、Steven Sivek、Hervé Le Dret 的说法；OpenAI 与 Anthropic 未回应其置评请求。OpenAI 的 722 篇手稿一事另有维基条目等多家报道支持，OpenAI 原始研究帖本次未打开。
  • 判断：这份名单的实际约束力有限，但它改变了“谁在为 AI 数学背书”的成本：此后一位数学家与实验室合作，会被默认要求说明立场。对实验室来说，真正的损失不是 1000 个签名，而是愿意公开评审这些 AI 手稿的人变少——而评审恰恰是这批成果最缺的环节。

Nanbeige4.3-33B 开源：33B 稠密、512K 上下文、定位教师模型

  • 发生了什么：@testingcatalog 10-26 01:06 发帖（8933 浏览、116 赞）称这个模型在 30B 级的多数基准上领先，超过 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B，之后还计划发布 Nanbeige4.3-3B；@alvarobartt 也有转发介绍。
  • 为什么值得关注：这个团队没有去追总参数，而是先做一个高容量“教师”，再把它蒸馏到小模型。模型卡把 Terminal-Bench、SWE-Bench Pro、GDPval 这类 Agent 与办公任务放在最前面，说明目标场景是编码和职场协作，而不是通用对话。对只有单机或少量卡、又想跑 Agent 的团队，30B 级稠密模型是一个现实的落点。
  • 原帖与互动：testingcatalog 的帖子、alvarobartt 的帖子、Hugging Face 模型卡。
  • 核验：模型卡确认它被定位为“Nanbeige4.3 系列的旗舰教师模型”，支持 524,288（512K）上下文，对比对象正是 Qwen3.8-27B、Muse-Glimmer-30B 与 Gemma4-31B；Terminal-Bench 2.1 为 80.9 对 73.0，Terminal-Bench 4.0 为 23.8 对 6.3，但 SWE-Bench Pro 为 60.3 对 61.7（Qwen 更高）、GDPval 为 84.8 对 86.4（Qwen 更高）。仓库 2026-10-24 创建，许可为 Apache 2.0；config.json 为 LlamaForCausalLM、52 层、hidden size 7168，属稠密结构而非 MoE。以上基准全部是团队自报，没有第三方复现。团队归属方面，模型卡联系邮箱是 nanbeige@kanzhun.com，中文报道普遍把 Nanbeige（“南北阁”）称为 BOSS 直聘自研模型序列，未见官方页面直接写“BOSS 直聘旗下”。
  • 判断：一个 33B 稠密模型在 Terminal-Bench 上压过 Qwen3.8-27B，却在 SWE-Bench Pro 和 GDPval 上落后，这个分布比“全面领先”更有信息量：它擅长的是长程终端任务与多轮工具调用，不是单点修 bug 或专业交付。等第三方复现出来再判断更稳。

其他

2. AI 算力与产业

猫王版权方起诉 Anthropic：274 首歌，索赔约 4100 万美元

  • 发生了什么：@PopBase 10-25 21:26 发帖（26 万浏览、1.73 万赞）称猫王音乐的版权方起诉 Anthropic，指其未经许可用 250 多首歌训练 Claude；随后 LA Times、Genius、NYMag 等账号跟进，中文侧 @sleepy0x13 引 The Hollywood Reporter 转述。
  • 为什么值得关注：这是一周内 Anthropic 第二次因音乐版权被诉，这次原告是持有单一艺人曲库的版权方，而且同时拥有猫王的音乐与肖像权。诉状还把“已经设了护栏、却仍能输出高度接近原曲的内容”作为故意侵权的论据——这等于把护栏的有效性本身变成争点，而不只是训练数据是否合法。
  • 原帖与互动：PopBase 的帖子、LA Times 的帖子、Genius 的帖子、NYMag 的帖子、中文转述 @sleepy0x13。
  • 核验：Pitchfork 称已看到诉状：10-23 提起诉讼，原告是总部在田纳西的 Authentic Brands Group 及多名共同权利人，涉 274 首歌，每首约 15 万美元、合计约 4100 万美元，诉状引语为“built its entire business model based on copyright infringement at a scale never seen before”。The Guardian称案件由 Billboard 首报、周五提起，涉案歌曲包括 Can't Help Falling in Love、All Shook Up、A Little Less Conversation，并称这是首例由艺人一方直接对 AI 开发者提起的重大诉讼之一。截至 Guardian 发稿，Anthropic 未就该案公开回应；有二手转述称公司对此前 Reservoir 案表示不认同并将抗辩。前案为 Reservoir 10-21 在加州联邦法院起诉 Anthropic，涉 853 首歌、索赔约 1.514 亿美元，同期还起诉了 Suno（1050 首、约 1.864 亿美元）。猫王案的受理法院在已读到的报道中没有写明。
  • 判断：金额本身不是重点——4100 万美元对 Anthropic 不构成生存压力——重点是诉讼结构在变：从“集体维权”转向“单一曲库精确索赔”，每一案都更小、更快、更容易复制。如果“护栏失效”被法院接受为故意侵权的证据，那么所有模型厂商的过滤层都会从合规装饰变成责任来源。

gpu-unlock：开源 Linux 内核模块解开 RTX 30 系 Tensor Core 的 FP/BF16 半速限制

  • 发生了什么：@HowToPrompt__ 10-25 10:15 称 4090 版 gpu-unlock-ada 把 FP16 tensor 从 165.6 提到 331.6 TF/s；@MinLiBuilds 10-25 17:00 的中文帖（4117 浏览）给出 3090 BF16 从 75T 提到 135T、出图 1.57 倍、vLLM prefill 快 33%，以及 4090 BF16 1.39 倍、TF32 2.14 倍，并说明 LLM decode 基本不变、适合扩散模型，原理是游戏卡 Tensor Core 的 FP32 累加被锁成半速，借助固件漏洞在驱动加载前把寄存器改回。@TeksEdge 也有介绍。
  • 为什么值得关注：对本地推理和小团队，这类改动的意义是把消费级卡的有效算力拉近专业卡，而不是买新硬件。它绕开的不是硬件缺陷，而是驱动的速率选择，所以收益集中在矩阵密集的环节，比如 prefill 和扩散模型；decode 受显存带宽限制，几乎不动。换句话说，它改善的是“读长上下文、跑大 batch”的体验，不是“每秒吐字”。
  • 原帖与互动：MinLiBuilds 的帖子、HowToPrompt__ 的帖子、TeksEdge 的帖子、仓库 Zagitta/gpu-unlock。
  • 核验：仓库存在，当前版本 1.0.0。README 说明它是 Linux 内核模块，在未修改的 NVIDIA 驱动绑定显卡之前写入速率选择位（SS0 0x88888888 选全速 BF16，SS1 0x8 选 IMLA4）并执行 FLR，所以不需要每次驱动更新后重新打补丁；作用是让 GA102/GA103/GA104/GA106 上 FP/BF16 FMA 到 FP32 的发射速率翻倍。README 给出的 3090 Ti 数据为 FP16 87.46 到 118.39 TFLOPS、BF16 87.50 到 157.41、TF32 42.58 到 82.61；用户报告表里 3090 的 BF16 GEMM 提升区间是 +25% 到 +67%（最低值来自 225W 限功率的卡），3080 为 +70% 到 +73%，3070 为 +73% 到 +81%，LLM prefill 为 +14% 到 +36%，decode 与 INT8 基本不变，对比过输出的报告显示前后 bit 级一致。模块默认不生效，必须在内核命令行显式加 gpu_unlock.targets。因此帖子里的“75T 到 135T”“出图 1.57 倍”属个人自测，与 README 的用户报告区间不完全一致；4090 是另一个仓库 gpu-unlock-ada，本次未核到其 README；“不刷 VBIOS、断电可恢复、需关 Secure Boot”三点未在 README 中得到确认。全部性能数据为作者与用户自测。
  • 判断：这是典型的社区补丁：有用、脆弱、且随时可能被驱动更新或固件签名堵上。它真正的价值不是省下买专业卡的钱，而是提醒人们消费级与专业级之间的差距有一部分是人为的速率选择。要用的话，先在自己的模型和 batch 上测 prefill 收益，再决定值不值得为它关掉 Secure Boot、并承担一次驱动更新就失效的风险。

其他

  • Apollo 首席经济学家 Torsten Slok 10-24 的 Daily Spark 写得很直白：《No Signs of AI Payoff Outside the Tech Sector》，“七巨头的人均收入在涨，标普 493 家是平的”。转述见 @MilkRoadAI；具体人均收入数字（七巨头约 78 万美元、其余 493 家约 52.5 万美元）来自二手汇总，未在 Apollo 原文页面核对。

3. 中文 AI 生态

易观三季度报告：9 月桌面端办公智能体，腾讯 WorkBuddy 月访问量 8534 万次居首

  • 发生了什么：@NFT_Chen 10-25 23:48 发帖（3572 浏览）引易观 9 月数据：WorkBuddy（腾讯）8534 万、千问办公（阿里）4655 万、豆包工作（字节）3039 万、TRAE（字节）2712 万、CodeBuddy（腾讯）2588 万，并称百度未进前十。
  • 为什么值得关注：这是少数按桌面端访问量统计的榜单，与 QuestMobile 把各端口月活相加的口径不同，两者都不能直接当收入榜，但都指向同一件事：办公 Agent 已经出现明确头部，前三款合计占 20 款上榜产品访问量的 53.1%。对大厂来说，接下来比的不是模型分数，而是谁能把个人试用变成团队席位。
  • 原帖与互动：NFT_Chen 的帖子。
  • 核验：易观分析 10-22 发布《中国桌面端 AI 原生办公智能体报告》（2026 年第三季度），9 月纳入统计的 20 款产品合计月访问量突破 3 亿次，较 6 月增长近 5 倍；WorkBuddy、千问办公、豆包工作分别为 8534 万、4655 万、3039 万次，合计占 20 款产品访问量的 53.1%，与帖子前三名数字一致（新浪科技转述、另一篇分析）。但同一篇转述明确写到，易观榜单上百度搭子以 926 万次排第八、库库 AI 以 836 万次排第九，所以“百度未进前十”与这篇报道不一致；TRAE 2712 万、CodeBuddy 2588 万两个数字未在查到的转述中出现，属帖子来源。榜单统计的是桌面端访问次数，不等于企业订单或收入。
  • 判断：榜单说明腾讯在企业协作入口上的优势确实转成了使用量，但也暴露了它的天花板：访问量增速再快，最终要落在席位与续费上，这件事榜单量不出来。

大厂为“前线部署工程师”开出接近百万元年薪

  • 发生了什么：@choblin29 10-25 20:48 的英文帖（2480 浏览）引南华早报称，字节、腾讯、阿里为把 AI 直接部署进客户企业的前线部署工程师（FDE）开出接近 100 万元年薪；相关职位同比增长 1523%；并列出 Kimi 年包 109 万元、字节豆包 105 万元，部分字节工程师驻场日薪可达 1 万元，工信部在推动该岗位、腾讯推出了专门认证。
  • 为什么值得关注：FDE 是先在硅谷流行起来的岗位，做的是把模型接进客户的业务流程，而不是训练模型。它薪水走高说明大厂的 AI 收入越来越依赖交付，而不是 API 调用量；这和办公 Agent 争企业入口是同一条逻辑。对个人来说，这类岗位的门槛是工程能力加业务理解，而不是论文。
  • 原帖与互动：choblin29 的帖子、南华早报原文。
  • 核验：SCMP 原文可读部分确认了三点：年薪“接近 100 万元（约 14.97 万美元）”、涉及字节跳动、腾讯、阿里巴巴三家、以及今年前七个月 FDE 职位数同比增长 1523%（数据来自脉脉）。但正文在付费墙后，Kimi 109 万元、豆包 105 万元、驻场日薪 1 万元、工信部推动、腾讯认证这些细节未能读到，属帖子转述。二手转述中可见的口径是字节在 BOSS 直聘挂出 3.5 万至 6.5 万元月薪、按 15 薪计约 97.5 万元（FourWeekMBA 转述），另一家汇总称部分管理岗年包最高约 140 万元。量级一致，具体数字互相有差异。
  • 判断：“接近百万”更可能是把月薪乘上 15 到 16 薪后的口径，而不是固定年包；1523% 是同比增速，基数未公开，不宜直接读成“岗位井喷”。真正值得记的是岗位形态的变化：模型的边际能力越来越难卖出溢价，能把它落到客户系统里的人反而稀缺。

其他

  • 中文圈对 Kimi 额度道歉和 Tibo 与 Alexandr Wang 互呛也有不少转述，内容见第 1 节，没有额外的新信息。