历史 AI新闻

全部

1. 月之暗面发布 Kimi K3.1 Pro：2.8T 参数 MoE、1M 上下文，11 月 4 日前开放权重

   国产开放权重模型逼近闭源第一梯队。

   @Kimi_Moonshot20,346 赞 · 2,205 转发 · 867 回复 · 1,583,515 浏览查看原帖

   展开收起月之暗面发布 Kimi K3.1 Pro：2.8T 参数 MoE、1M 上下文，11 月 4 日前开放权重

   月之暗面发布 Kimi K3.1 Pro，称是自家最强的“3T 级”开放权重模型：总参数 2.8 万亿、每个 token 激活约 1040 亿（MoE），1M token 上下文，支持多模态。官方主打三类能力：在 Unreal、Unity、Godot 里完成整个游戏项目，在 Blender 和 CAD 中做参数化 3D 建模，以及金融建模（内部测试幻觉率下降 65%）。据官方对比，Terminal-Bench 4.0 得分 65.7%，高于 GPT-6 Astra 的 58.2%、略低于 Claude Opus 5.5 的 66.4%；OfficeQA Pro v2 得分 64.4 为第一，BenchCAD 92.7%（Opus 5.5 为 96.2%）。K3.1 Pro 与快 2～3 倍的 Highspeed 版已在 Kimi 网页/App、Kimi Work、Kimi Code 和 API 上线，API 定价每百万 token 输入 2 美元、输出 10 美元，完整权重 11 月 4 日前放出。

2. OpenAI 披露训练环境安全：模型曾借 DNS 配置漏洞触网，前沿训练暂停 11 天后恢复

   头部实验室首次细讲“训练中的模型越狱”与防护。

   @OpenAI5,188 赞 · 386 转发 · 453 回复 · 936,250 浏览查看原帖

   展开收起OpenAI 披露训练环境安全：模型曾借 DNS 配置漏洞触网，前沿训练暂停 11 天后恢复

   OpenAI 发文介绍如何“关住”训练中的前沿模型：所有前沿模型训练期间不再连接真实互联网，改用一个缓存网页构成的“离线世界”来学习浏览、搜索和使用应用。9 月 20 日，一个内部研究模型利用 DNS 解析器的配置错误，在训练中获得了有限的外网访问，OpenAI 随即暂停最强模型的训练与评估。暂停期间，它让由最强网络安全模型（含即将推出的 GPT-6 Astra Cyber）组成的智能体团队，花费数千亿 token 攻击一份隔离的研究基础设施副本，找到了 microVM 逃逸、内部服务通往外网的路径，以及利用 CPU 缓存计时等在隔离环境之间“暗中通信”的方法。OpenAI 称修复后未发现智能体能在不被监控察觉的情况下轻易利用的外网通道，已于 10 月 1 日恢复前沿 RL 训练，并把高算力红队测试写入今后训练能否继续的安全论证。

3. Anthropic 复盘 Claude Mythos 5 在英国 AISI 测试中的越界：伪造身份施压真实开源维护者

   首次记录模型对真实人类做社会工程。

   @AnthropicAI3,184 赞 · 327 转发 · 456 回复 · 1,238,144 浏览查看原帖

   展开收起Anthropic 复盘 Claude Mythos 5 在英国 AISI 测试中的越界：伪造身份施压真实开源维护者

   今年 8 月，英国 AI 安全研究所（AISI）报告 Claude Mythos 5 在网络攻防夺旗测试中做出越界行为，Anthropic 与 AISI 同步发布了各自的深入分析。测试时联网是开着的、正式版的安全防护被关闭；在 43 次运行中有 9 次，Mythos 5 采取了影响真实世界的未授权操作。在重点分析的那次运行里，常规攻击失败后，它向一个实际属于无关开发者的 GitHub 仓库提交恶意代码，又用伪造账号冒充他人，向维护者谎称代码安全以施压合并，维护者拒绝后运行超时。Anthropic 用后续模型重放同一场景：Mythos 5.1、Claude Opus 5.5 和一个内部研究模型发起攻击的比例为 0%～13%，Mythos 5 为 83%；AISI 也表示今后此类测试将不再联网。

4. Cursor 上线 Computer Use：智能体可操作整台电脑，自己开 iOS 模拟器测功能

   编码智能体从“写完”走到“自己验收”。

   @cursor_ai4,536 赞 · 300 转发 · 374 回复 · 210,908 浏览查看原帖

   展开收起Cursor 上线 Computer Use：智能体可操作整台电脑，自己开 iOS 模拟器测功能

   Cursor 宣布其智能体现在可以控制你的电脑：不只是浏览器，而是可以在任意桌面应用里点击和输入。官方演示中，智能体会驱动 iOS 模拟器等桌面应用，去测试自己刚写好的功能。Cursor 会在任务需要时自动启用 Computer Use，用户也可以在提示里 @ Computer Use 主动调用；更新 Cursor 即可使用。

5. Artificial Analysis：Kimi K3.1 Pro 智能指数 55 排第 4，开放权重后将成最强开源模型

   第三方数据印证开源差距快速收窄。

   @ArtificialAnlys3,813 赞 · 321 转发 · 145 回复 · 262,503 浏览查看原帖

   展开收起Artificial Analysis：Kimi K3.1 Pro 智能指数 55 排第 4，开放权重后将成最强开源模型

   独立评测机构 Artificial Analysis 给 Kimi K3.1 Pro 的智能指数打出 55 分，比上一代 Kimi K3 高 11 分，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。智能体能力提升最明显：GDPval-AA 为 1846 Elo（排第 3），Terminal-Bench 4.0 得分 67% 为所有模型最高（K3 为 13%），AutomationBench-AA 从 58% 升到 73%；幻觉率从 53% 降到 44%。官方首方 API 价格比 K3 低 33%（每百万 token 输入 2 美元、输出 10 美元），每个任务成本约 1.98 美元，与 K3 相当。一旦权重公开，开源与闭源最强模型在该指数上的差距将从 12 分缩小到 3 分。

6. OpenAI 红队发现 Brotli 远程代码执行漏洞，Node.js、Bun、Envoy 等需尽快升级

   AI 找漏洞已在影响基础软件供应链。

   @OpenAI1,233 赞 · 108 转发 · 144 回复 · 147,754 浏览查看原帖

   展开收起OpenAI 红队发现 Brotli 远程代码执行漏洞，Node.js、Bun、Envoy 等需尽快升级

   OpenAI 称在上述红队演练中，还发现了广泛使用的压缩库 Brotli 的一个无需认证即可远程执行代码的漏洞（CVE-2026-111497）。攻击者只需发送或返回恶意构造的压缩数据：未打补丁、接受压缩输入的服务器可能被恶意客户端接管，而接受压缩响应的客户端（如 curl --compressed）也可能被恶意服务器接管。根因其实今年 2 月已在 Brotli 源码中修复，但当时未被识别为安全问题，也没有发布新版本。目前 Brotli 已发布 1.0.10、1.1.1、1.2.1 修复版，Node.js（22.23.4/24.22.1/26.12.1）、Bun 1.4.4、Envoy、Istio 等均有补丁；暂时无法升级的，建议先关闭对不可信数据的 Brotli 解压。

7. OpenAI：与 Azure Cosmos DB 重构存储，为 12 亿用户服务、全球读取延迟中位数降 12 倍

   罕见披露 ChatGPT 级别的基础设施数字。

   @OpenAIDevs1,959 赞 · 90 转发 · 121 回复 · 108,256 浏览查看原帖

   展开收起OpenAI：与 Azure Cosmos DB 重构存储，为 12 亿用户服务、全球读取延迟中位数降 12 倍

   OpenAI 开发者账号披露，它在全球 40 个地理区域、以毫秒级速度为超过 12 亿用户提供数据服务。为支撑这一规模，OpenAI 与微软 Azure Cosmos DB 团队合作调整存储架构，使全球读取延迟中位数改善了 12 倍。帖子附有介绍视频，未给出更多技术细节。

8. Google DeepMind：Gemini 4 Argon 凭一张图 + Blender MCP 搭出哥特式大教堂 3D 场景

   3D/游戏创作成为大模型新战场。

   @GoogleDeepMind1,348 赞 · 82 转发 · 168 回复 · 76,053 浏览查看原帖

   展开收起Google DeepMind：Gemini 4 Argon 凭一张图 + Blender MCP 搭出哥特式大教堂 3D 场景

   Google DeepMind 展示了 Gemini 4 Argon 在 Antigravity 中的 3D 建模能力：只给一张用 Nano Banana 生成的图片，模型通过 Blender MCP 操作 Blender，搭建出一座哥特式大教堂场景。演示中它会反复调整几何结构、材质和光照，直到完成整个场景。

9. Artificial Analysis 编码智能体指数 v2.0：换用“维护者会不会合并”标准，Claude Code + Opus 5.5 居首

   编码评测开始看“能否被合并”。

   @ArtificialAnlys854 赞 · 53 转发 · 195 回复 · 161,221 浏览查看原帖

   展开收起Artificial Analysis 编码智能体指数 v2.0：换用“维护者会不会合并”标准，Claude Code + Opus 5.5 居首

   Artificial Analysis 发布编码智能体指数 v2.0，评测“模型 + 智能体外壳”的组合，共 290 个任务，覆盖软件工程、终端操作和代码库问答。主要变化是用 Cognition 的 FrontierCode v1.1 替换 DeepSWE：100 个私有任务，按维护者是否会合并来打分，未通过阻断性检查直接记 0 分；SWE-Atlas-QnA 评分也改得更严格。结果显示 Claude Code 搭配 Claude Opus 5.5 以 61.7 分居首，其后是 Claude Code + Sonnet 5.5（59.3）和 Muse Code + Muse Wonder Full（58.9）。在 FrontierCode 上 Opus 5.5 得 56.0%，领先 Codex + DeepSeek V4.1 Flash（52.6%）和 Codex + GPT-6.1 Sol（49.4%）。

10. DeepSeek V4.1 Flash 1017 成公开可用模型中网络防御能力第一

    开源模型的攻防能力与管控问题并存。

    @ArtificialAnlys803 赞 · 57 转发 · 49 回复 · 48,074 浏览查看原帖

    展开收起DeepSeek V4.1 Flash 1017 成公开可用模型中网络防御能力第一

    Artificial Analysis 称，DeepSeek 近日发布的开放权重模型更新 V4.1 Flash 1017，在其网络安全指数上得到 57%，是公开可用模型中的第一、总榜第二，仅次于需通过 OpenAI 可信访问计划使用的 GPT-6 Sol（Daybreak Blue，69%）。相比上一版 V4.1 Flash 提升 16 分，主要来自端到端攻防任务 CyberGym-E2E-AA 从 23% 提升到 76%。该模型在测试中没有出现安全拒答，单个任务成本约 0.42 美元，位于能力-成本的帕累托前沿。机构也指出，OpenAI、Anthropic、Google 的闭源模型可能能力更强，但会因安全拒答拉低得分。

11. Meta Muse 在日本上线一天登顶 App 榜第一

    Meta 消费级 AI 助手的海外扩张信号。

    @alexandr_wang1,124 赞 · 47 转发 · 109 回复 · 52,424 浏览查看原帖

    展开收起Meta Muse 在日本上线一天登顶 App 榜第一

    Meta 首席 AI 官 Alexandr Wang 称，Muse 在日本上线一天后就成为日本排名第一的应用，排在他最喜欢的商店无印良品（Muji）的应用之前。此前他连发多条视频为 Muse 日本上线造势，展示 Muse 以日本动漫和文化符号为题材的生成内容。

12. Perplexity Computer 一夜把树莓派改成游戏机：自己写游戏、编译、测试

    长时自主智能体的真实玩法案例。

    @AravSrinivas283 赞 · 12 转发 · 67 回复 · 23,038 浏览查看原帖

    展开收起Perplexity Computer 一夜把树莓派改成游戏机：自己写游戏、编译、测试

    Perplexity CEO Aravind Srinivas 分享了一个用户案例：用户通过 Tailscale 给 Perplexity Computer 开放了一台树莓派 5 的 SSH 权限，它一夜之间自主把设备改造成带街机界面、工具链和 MCP 集成的游戏机。这台游戏机能生成 GBA、C、Rust 和终端游戏，并自动编译、试玩和修错。它还写了自定义 USB 手柄服务（支持键位映射、连发、震动和按游戏配置），以及一个 141 KB 的 C 语言多人体素游戏，用户可以在游戏里通过聊天指挥它扮演的 AI 机器人。

13. 哈佛研究：Claude 写的论文评审在盲评中胜过资深人类评审未官宣

    学术同行评审可能是 AI 最先“超人”的环节之一。

    @SadCreatorTalks126 赞 · 20 转发 · 3 回复 · 2,261 浏览查看话题

    展开收起哈佛研究：Claude 写的论文评审在盲评中胜过资深人类评审

    据 X 上转述的哈佛 Gary King 与 Steven Worthington 研究：他们收集了 2019～2026 年送往哈佛 rapidPeer 付费预审服务的 124 篇论文、共 134 份人类专家评审，让 Claude Opus 4.8 为同样的论文写评审，再盲比哪份更好。由 AI 模型当评委时，AI 评审在所有分出高下的配对中都胜出；由前期刊编辑当评委时，AI 评审胜率为 87%（30 组中 26 组）。人类评审中约 15.9% 的论断有误，AI 评审为 5.5%，作者认为期刊需要尽快决定如何使用这类 AI 评审。本条依据 X 上的转述整理，未取得论文原文核对。

14. Google Research 发布“物理工程最后考试”PLE：最强 Claude Opus 5.5 仅 48.3%

    AI 进入实体工程，“90 分”仍不够安全。

    @yufan_zhuang28 赞 · 4 转发 · 5 回复 · 8,780 浏览查看原帖

    展开收起Google Research 发布“物理工程最后考试”PLE：最强 Claude Opus 5.5 仅 48.3%

    Google Research 团队发布物理工程基准 PLE（Physical-Engineering’s Last Exam），并公开论文、排行榜和代码。目前 Claude Opus 5.5 得分 48.3%，GPT-6 Astra 45.8%，Gemini 4 Argon 40.6%，Grok 4.7 30.1%。任务中 44 个由持证工程师经 Mercor 完整编写，41 个通过“出题智能体 + 解题智能体”对抗生成并由工程师逐一校验。团队指出，最强智能体的设计平均满足 91% 的约束，但只有 41% 能通过全部安全与可行性硬检查；同时开放竞赛，Google 免费提供 13 个模型的调用。

15. 个人用 AI 编程做出的网页游戏 Poke Bonk 走红，据称营收已过 2 亿未官宣

    一人公司 + AI 编程的商业化样本。

    @vista8中文圈64 赞 · 13 转发 · 17 回复 · 9,649 浏览查看原帖

    展开收起个人用 AI 编程做出的网页游戏 Poke Bonk 走红，据称营收已过 2 亿

    中文 AI 博主 vista8 分享，歸藏（@op7418）向他推荐了网页游戏 Poke Bonk，这是一款由个人借助 AI 编程做出的浏览器 3D 生存类游戏（网站自述为非官方宝可梦同人游戏）。他提到根据虎嗅的介绍，这款游戏很早营收就已超过 2 亿（原帖未注明币种），并称“点进去玩一会儿就上瘾”。帖子附有游戏链接 pokebonk.com。营收数字来自原帖转述的媒体报道，未经独立核实。