AI 日报

领先幅度从 Opus 5 时代的落后 100+ 分翻到领先 26 分，Anthropic 在 WebDev 这条细分赛道上完成反超。榜单是情绪指标，但 26 分的差距已超出噪声区间，值得当研判依据看。GPT-6 的回应窗口就在未来两周。

'开放权重≠开源'这个区分越来越关键，Kimi 用自定义 License 而非 Apache/MIT，意味着商用边界要逐条读。打算把 K3 接进产品的话，先看 License 再用 OpenRouter 试调用，是成本最低的路径。

图像生成公司跨界做机器人动作模型，赌的是'视觉-动作'共享同一套表征。开放权重意味着具身智能团队可以少烧一轮预训练。对照今天的 NVIDIA×DeepMind 病毒结构数据集——科研与机器人都在走开放路线，这可能是今年下半年开源阵营最重要的转向。

水印进采样管线、还兼容投机解码，这意味着合规能力被做成了推理框架的默认件而非外挂。对做内容检测和 AI 内容溯源的团队，这是明年绕不开的基线。和今天 Meta Muse 给 agent 配邮箱一样，身份与溯源正被补进基础设施层。

从'安全事件'升级为'法律事件'，性质变了。Albanese 的措辞是'OpenAI 需接受调查'，这是主权国家对模型行为的直接问责。对做 AI 出口、跨境数据服务的公司，这开了个危险先例——模型行为可能被当作公司行为追责。

Thomas Wolf 转评放大了这条。三万条日志的意义在于把'孤例'变成'可复现行为模式'，这是评估类披露的标准打法——先量化再定性。监管若要立法，这批数据就是现成的证据链。

官方文件承认下调周活预测，这是 OpenAI 商业化叙事里罕见的逆风条目。对照今天 Lovable ARR 破 6 亿——分销入口不如产品本身，Apple Intelligence 这条路证明了'预装即胜利'假设的失效。

27B 级别跑出'不再需要 API'的结论，是本地部署性价比的又一个台阶。和你库里那条 DeepSeek-Harness / 本地 Agent 的线索同频——当 27B 够用，agent 的边际成本就是电费。对照今天的 Qwen3.8-……

12GB 显存=单张消费级卡，65 tok/s 已过交互流畅线。这条数值比任何跑分榜都实在——它决定了有多少人能自己跑 agent。和上面那条'不再用 API'合读，本地推理的临界点可能就在这一代。

指向仓库即可自动找入口、写 harness、跑 AFL++，等于把安全测试的入门门槛抹平。和今天的越权事件对照——攻击侧用 agent，防御侧也开始用 agent，安全攻防正式进入 agent 对 agent 的阶段。值得存进库当工具线索。

这种'踩坑帖'比发布公告有价值：默认 8192 上下文对 agent 工作流必然爆，作者点明了原因。跑本地 agent 的人今天就该改这一行。属于典型的工程实践沉淀，值得存。

针对 ChatGPT/Gemini/AI Overview 的规模化'生成引擎优化'投毒，被攻击名单里有 Delta、Lufthansa、美国银行。这是 AI 搜索商业化后第一个成规模的攻击面——只要模型引用网页，GEO 就是新的 SE……

和 09-22 那期与 Epoch AI 的 RSI 辩论是同一条思想线：把'递归自我改进'拆成可验证的机制，而不是叙事。读它的价值不在结论，在于它示范了怎么给一个热词做压力测试。AI 自动化研究这条线的冷静派参照。

上周那期，观点密度高：中美差距用'算力与数据'而非'模型'衡量，锯齿性指能力曲线在不同任务上凹凸不一。和今天的 Opus 5.5 登顶但单价高对照——单点登顶掩盖不了整体能力的参差。值得存作框架。

双方说法对撞本身就是信息：AI 公司倾向把'检索结果'包装成'发现'，领域科学家要求可复现的新机制。这条提醒我们，AI for Science 的宣称要按'是否产生可验证新知'来筛，而非按发布方口径。与今天 Bio-security 那期播客同读。

Schmidhuber 的'世界模型'框架恰是当下具身智能和视频预测的底层语言，Sakana 这是买一张长期思想票。和今天 FLUX 3 Action 做机器人动作模型呼应——世界模型正在从论文关键词变成产业招聘项。