跳到正文
K = 0.731订阅
时光机停在2026年10月17日 周六‹ 前一天后一天 ›加速史回到现在

今日 AI 新闻：精选与新兴事件

2026.10.17 · 周六· 智能体时代

宇宙在降温，
文明在升温。

站在时间之外看这一天，和刚刚推着文明往前走的那几件事。

订阅每日 08:00 日报打开加速史智能成本指数
设为 4K 壁纸 →
当天头条2 家信源 · 00:51四个 Gemini 4 Argon 智能体从零开始在 27 小时内通关《Minecraft》Google DeepMind 报告称，四个 Gemini 4 Argon 智能体从零开始在 27 小时内通关了《Minecraft》。 它们在沙盒环境中仅使用代码和文本，编写了 2,783 个程序，通过聊天分工、共享笔记并协作调试错误，全程没有人类帮助。 https://t.co/uyIhDOQXGT读这件事 →

压力表 · 此刻最热

完整热点榜
  1. 1Meta 发布 Muse Spark Open，支持 Mac 和云端；Artificial Analysis 发布基准测试结果43.8
  2. 2DeepSeek发布V4.1-Flash-1017，服务商扩大接入并推出促销价格33.9
  3. 3Google 在全球发布 Gemini 4 Argon，扩大访问范围并报告其前 72 小时处理了 25 万亿个 token29.2
  4. 4Meta在出版商强烈反对后修订业务条款，并称可能进一步推迟14.7
  5. 5OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应11.5

最新精选

10月17日周六
  1. The Decoder80

    Deepseek-V4.1-Flash-1017 提升了智能体编程得分，并降低了报告的任务成本

    Deepseek 通过其网站、应用和 API 发布了 Deepseek-V4.1-Flash-1017，并在 Hugging Face 和 ModelScope 上提供开源权重。在 Deepseek 自行公布的 DeepSWE 测试结果中，该模型得分为 77.0%，每项任务成本略低于 0.20 美元；其前代模型得分为 74.2%，每项任务成本约为 0.50 美元。目前尚无独立基准测试结果。Deepseek 还向开发者开放了其内部开发的搜索引擎，提供 Search & Fetch API，每个接口的定价为每 1,000 次调用 0.75 美元。

    推荐理由

    Deepseek 报告的任务成本与基准测试得分并列呈现，为比较编程效率提供了具体依据，同时文章清楚区分了公司公布的结果和独立评估。

  2. vLLM74

    DeepSeek 宣布推出 DeepSeek-V4.1-Flash-1017，其基准测试表现更强、任务完成更快，输出也比上一版本更短，可通过其网站、应用和 API 使用。 vLLM 向 DeepSeek 表示祝贺，并报告称，在 SemiAnalysis AgentX 上，DeepSeek-V4.1-Flash 的总拥有成本（TCO）为每美元 1.3B 个 token；在每位用户 100 tok/s 的速率下，每块 GPU 可达到 830K tok/s（缓存 + 输入 + 输出），自第 0 天以来，智能体任务吞吐量提升了 5 倍。 https://vllm.ai/blog/2026-10-07-deepseek-v41-flash

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 is here! Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API. 🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy, WorkBuddy, and more. Upgrade to DeepSeek Harness v0.2.1-rc.1 or later for the best experience with the new model. 1/4

    推荐理由

    这篇帖子在模型更新中补充了服务成本效益，将更短的输出和更快的任务完成速度与 vLLM 在指定的每用户生成速率下报告的吞吐量联系起来。

  3. 宝玉80

    Baoyu 分享了 Claude Code 团队的审查方法，并报告称 Claude 编写了约 90% 的代码，从 6 月到 9 月合并的更改数量增加了一倍多，回滚率则下降了 40% 以上。 视频用一叠瑞士奶酪切片来解释相互重叠的检查如何构成安全网。 @ClaudeDevs 发布的引述帖文宣布，Claude Team 和 Enterprise 用户现可使用 Code Review，每个仓库可选择 Quick、Standard 和 Deep 三种审查级别。https://t.co/RO4tDC4U1U

    引用ClaudeDevs@ClaudeDevs

    Code Review is now generally available for Claude Team and Enterprise plans. Reviews are now faster, catch more of the bugs that matter, and admins can pick from Quick, Standard, or Deep review levels for each repo. https://t.co/RO4tDC4U1U

    推荐理由

    分层审查方法提供了一种可迁移的代码检查思路：多个相互重叠的保障措施可以弥补任何单项检查的不足。

  4. DeepSeek69

    🚀 DeepSeek-V4.1-Flash-1017 现已推出！ DeepSeek 表示，与上一版本相比，新版本的基准测试表现更强、任务完成更快、输出更短，并称其在性能和成本方面实现了帕累托改进。该模型现已上线 DeepSeek 网站、应用和 API。 🛠️ 针对 @DeepSeekHarness、腾讯 CodeBuddy、WorkBuddy 等进行了优化。DeepSeek 建议升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以便获得使用新模型的最佳体验。

    推荐理由

    与上一版本的对比将基准测试的提升与任务完成时间和输出长度联系起来，为此次发布所称的性能和成本改进提供了背景。

  5. vLLM77

    MosiAI 宣布开源发布 MOSS-Image。该模型基于 5B Diffusion Transformer（DiT）构建，支持中文和英文文本渲染、最长 4K token 的提示词，以及使用边界框进行实验性 JSON 布局控制。Hugging Face 上提供基础版和 SFT 检查点，同时开放模型权重和采用 Apache-2.0 许可的推理代码。vLLM 向团队表示祝贺，并宣布通过 vLLM-Omni 提供 Day-0 支持。

    引用MOSS@MosiAI_Official

    🤗 MOSS-Image is now open source on @huggingface . Built on a 5B Diffusion Transformer (DiT), MOSS-Image brings Chinese & English text rendering and controllable layouts to image generation — from posters and infographics to creative visuals.@Open_MOSS What it offers: 📝 Long prompts & text rendering — up to 4K-token prompts, including multi-line text 📐 Experimental JSON layout control — specify text, objects, and their positions using bounding boxes 🖼️ Flexible generation — multiple aspect ratios, resolutions, and customizable inference settings 🛠️ Developer workflows — Python (Diffusers), Gradio, ComfyUI, and a Prompt Enhancer Skill 📦 Base & SFT checkpoints are both available, with open model weights and Apache-2.0 licensed inference code. 🙌 Huge thanks to @sgl_project @vllm_project @ModelScope2022 for the Day-0 support!

    推荐理由

    此次发布为如何将双语文本渲染与实验性边界框布局控制相结合提供了一个具体示例，可供需要明确指定文本和物体位置的图像生成工作流开发者参考。

  6. 宝玉81

    Anthropic 于 10 月 16 日发布了两份报告，探讨内部工作和招聘变化，以及员工与美国成年人对 AI 预期的差异。Baoyu 总结称，截至 8 月，由员工调用的智能体记录的工作时长已达到员工工作时长的六倍，而初级员工在技术岗位新聘员工中的占比从 27% 降至 9%。报告还比较了员工与公众的预期，并将两者之间的大部分差距归因于他们对 AI 能力的不同体验，同时提醒不要将 Anthropic 的职场发现泛化到一般公司。

    引用Peter McCrory@PeterMcCrory

    Today, we're publishing two new findings from inside Anthropic: how work and hiring are changing at a company at the frontier of AI adoption, and how Anthropic staff expect AI to change the economy. https://www.anthropic.com/research/expectations-for-the-future

    推荐理由

    这些报告为通过职场变化理解 AI 采用情况提供了背景，同时明确指出，来自一家快速扩张的 AI 公司的研究发现不一定适用于其他雇主。

  7. AWS Machine Learning Blog60

    构建对 AI 代理的信任：基于 Amazon Bedrock AgentCore 的生产就绪评估框架

    AWS 介绍了其 SMGS 运营团队如何使用 Amazon Bedrock AgentCore，为内部销售智能系统构建了一个包含九个阶段的评估框架。该框架结合了特定领域的评估器、版本化的黄金数据集、CI/CD 门禁、持续监控，以及基于追踪数据对工具、代理和多代理工作流进行改进。AWS 报告称，自动化评估将质量回归的发现时间从几天或几周缩短到不到四小时。

    推荐理由

    该框架提供了一种可迁移的方法，可将特定领域的故障类别与发布门禁和生产监控相结合，覆盖工具、单个代理和多代理工作流。

  10. Google Research76

    让 AI 智能体立足生物学现实：构建自主湿实验室的基石

    Google Research 介绍了三个将 AI 智能体与湿实验相结合的项目：VERD 实验室自动化、闭环适配体发现，以及从头设计蛋白质结合体。经过三轮实验，适配体对肌红蛋白和 α-凝血酶的靶向命中率分别达到 33.5% 和 42.1%；蛋白质设计流程将计算周期加快了八倍以上，并获得了亲和力达到个位数纳摩尔级的结合体。整合这些项目仍是下一步工作，相关保障措施包括序列筛查、机器人执行前进行模拟，以及取得人工授权并由人工监督。

    推荐理由

    适配体实验展示了实验反馈如何揭示具有误导性的优化目标，为自动化发现流程提供了一种可迁移的方法，用于区分真正的生物学改进与实验伪象。

  11. Google DeepMind72

    Google DeepMind 报告称，四个 Gemini 4 Argon 智能体从零开始在 27 小时内通关了《Minecraft》。 它们在沙盒环境中仅使用代码和文本，编写了 2,783 个程序，通过聊天分工、共享笔记并协作调试错误，全程没有人类帮助。 https://t.co/uyIhDOQXGT

    引用Maxence Faldor@maxencefaldor

    Four Gemini 4 Argon agents, one shared Minecraft world, one goal: defeat the Ender Dragon. 27 hours and 2,783 self-written programs later, the dragon fell. https://t.co/Cx7Djg1VTx

    推荐理由

    这份报告提供了一个具体案例，展示了智能体如何通过代码、聊天、共享笔记和协作调试，在一项持续 27 小时的任务中进行协调。

  12. The Verge · AI77

    一周使用 Nvidia RTX Spark 笔记本电脑：性能优势与实际取舍

    The Verge 的三位评测人员花了一周测试五款 Nvidia RTX Spark 笔记本电脑，发现它们图形性能出色，Windows on Arm 应用总体上也能正常使用，但价格高昂，CPU 性能弱于 Apple 的竞品，而且运行本地 AI 工作负载要求很高。Sean Hollister 的 Asus ProArt P16 在日常工作中续航约 5 小时至 5 小时 40 分钟。他们进行本地 AI 实验时遇到了明显的电量消耗、发热、响应缓慢和结果不稳定等问题，尽管这些配置提供了最高 128GB 的统一内存。

    推荐理由

    这些实测对比展示了大容量统一内存和出色图形性能在本地 AI 工作负载、电池续航和软件兼容性方面带来的日常取舍。

10月16日周五
  1. AWS Machine Learning Blog73

    推出 Reflection Beam：一款面向 AWS 智能体编程的开放权重模型

    Reflection AI 推出了 Beam，这是一款用于智能体编程和多步骤任务的开放权重模型，总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布 Beam 1.0，提供 BF16、FP8 和 NVFP4 版本。本指南介绍如何通过 Amazon SageMaker JumpStart，或借助 JumpStart、SGLang 或 vLLM 在 HyperPod Inference 上进行部署，内容包括容量规划、调用、性能测量和清理。

    推荐理由

    部署方式的比较说明了何时托管端点已足够，以及何时 Kubernetes 基础设施或自定义运行时能为服务配置、分布式执行和扩缩容提供有用的控制。

  2. The Decoder78

    Google 的 Gemini 4 Argon 比数月来任何一款 Google 模型都更接近 AI 前沿

    Google DeepMind 的 Gemini 4 Argon 使用 Provider Adapter Harness 得分 97.5%，完成 ARC-AGI-3 测试，成本为 4,800 美元，低于 GPT-6 Astra 的 99.9%。在 Standard Harness 的低推理设置下，其得分降至 49.8%；由于 API 问题，测试未能完成所有游戏。Epoch AI 给 Argon 评定了 165 个 ECI 积分，与 Opus 5.5 和 GPT-6 Astra 相近，不过早期估算将其列为数学能力第八、软件工程能力第六。

    推荐理由

    这一比较显示，测试环境会如何改变基准排名，有助于理解 Argon 与领先模型的接近程度，同时也能看到它在数学和软件工程方面较弱的表现。

  3. Aravind Srinivas70

    Aravind Srinivas 表示，Gemini 4 Argon 在 Wide-And-Deep-Research（WANDR）基准测试中创下新的 SoTA，目前已向所有 Perplexity 用户开放，可用于快速搜索和 Computer（智能体）模式。https://t.co/0U671BhbMj 被引用的 @perplexity_ai 公告称，该功能面向 Pro 和 Max 订阅用户开放。https://t.co/n1TyI9RhBX

    引用Perplexity@perplexity_ai

    Gemini 4 Argon sets a new record on WANDR. It is now available in Perplexity for Pro and Max subscribers. https://t.co/n1TyI9RhBX

    推荐理由

    该帖称快速搜索和 Computer 模式均可使用，但其更广泛的开放范围说法，与被引用公告中仅限 Pro 和 Max 订阅用户的说法不同。

  4. Hugging Face Blog83

    Reflection发布Beam：一款用于编程和智能体工作的501B开源模型

    Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。

    推荐理由

    部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。

  5. vLLM75

    @reflection_ai 推出的 Reflection-Beam-1.0 在 vLLM 中获得 Day-0 支持。 总参数量为 501B，每个 token 激活 23B，上下文窗口为 1M token。Beam 将混合注意力与 Harmony 格式的推理和工具使用相结合。 Beam 还在 SkyRL（@NovaSkyAI）中获得 Day-0 RL 支持：https://t.co/3SjWJKKgpH https://t.co/EkmA1L6B3H

    引用Reflection@reflection_ai

    Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source https://t.co/tHYv4cuYIh

    推荐理由

    vLLM 和 SkyRL 的 Day-0 支持将 Beam 的发布与推理和 RL 工作流衔接起来，为考虑如何使用该模型进行推理或训练的开发者提供了具体背景。

  6. ollama81

    Ollama 是 Reflection AI 首个开放权重模型 Beam 的首发合作伙伴，限时在 Ollama Cloud 上免费提供该模型，采用美国托管并提供完整 ZDR。Beam 的上下文窗口为 100 万 token，专为软件工程、推理和长时间运行的智能体任务而设计。 ollama run beam Claude Code ollama launch claude --model beam:cloud Codex ollama launch codex --model beam:cloud OpenCode ollama launch opencode --model beam:cloud Reflection AI 表示，Beam 的权重以 Apache 2.0 许可发布，地址为 https://huggingface.co/reflection。

    引用Reflection@reflection_ai

    Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection

    推荐理由

    这项限时免费服务让用户可以通过多种编程工具试用 Beam；其软件工程和智能体任务定位，以及美国托管和完整 ZDR 均有说明。

  7. NVIDIA AI77

    Reflection 发布了 Beam，这是一款拥有 501B 参数的 MoE 模型，权重依据 Apache 2.0 许可证开放，并有 40 多家生态合作伙伴。 NVIDIA AI 表示，该模型使用 NVIDIA GB300 NVL72 训练，在 Blackwell Ultra 上开箱即用，第 0 天即可达到每 GPU 每秒超过 70K 个 token。 Reflection 引述的公告包含 BF16、FP8 和 NVFP4 权重、DFlash2 drafter 以及 Mirror CLI；Beam 1.0 NVFP4 检查点可在 https://huggingface.co/reflection/Beam-1.0-501B-A23B-NVFP4 获取。

    引用Reflection@reflection_ai

    Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection

    推荐理由

    Apache 2.0 许可证、多种权重格式以及已发布的训练工具包，为开发者评估 Beam 是否适合其部署工作流提供了具体信息。

  8. Hugging Face72

    Hugging Face表示，一场与Reflection团队探讨他们如何构建Beam的直播将在几分钟后开始。 直播：https://t.co/q6OKvCiB9o https://t.co/scNsrfsC3s 在被引用的公告中，Reflection表示，Beam已在多个平台开放，权重采用Apache 2.0许可证，并与40多家合作伙伴协作推出；还提供分词器、参考实现、BF16、FP8和NVFP4权重，以及DFlash2起草模型。

    引用Reflection@reflection_ai

    Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source https://t.co/tHYv4cuYIh

    推荐理由

    列出的制品和Apache 2.0许可证，为评估Beam如何融入现有模型部署工作流提供了具体背景。