Ataraxos 击败 Stratego 最强人类选手，算力成本约为 DeepNash 的 1/500
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 有效胜率击败史上最强选手 Niemeijer，终结了人类在这款不完美信息棋盘游戏中的优势。
推荐理由：对比 DeepNash 的算力开销与训练成本，读者可了解不完美信息博弈中强化学习的新解法。
10月2日 · 周五
精选
热榜
完整榜单最新精选
The Decoder精选SI 评分7676 The Decoder精选SI 评分7878 OpenAI 称已阻断窃取模型推理的攻击，但同一手法在 Azure 上仍然有效
OpenAI 称其阻断了一场针对模型推理内容的蒸馏窃取活动，该活动 7 月 1 日起低量出现，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，7 月 28 日前已全部关停，OpenAI 将核心参与者与 Moonshot AI 相关人员关联。
推荐理由：事件披露了推理蒸馏攻击的完整时间线与云平台防护差异，可据此理解模型推理泄露的攻防现状。
Ars Technica · AI精选SI 评分8080 OpenAI 因 AI 安全顾虑推迟 IPO
OpenAI 因 AI 安全顾虑推迟 IPO 计划，目前正寻求 300 亿美元私募融资。
最新进展10月1日 18:09OpenAI洽谈300亿美元融资，估值1.4万亿
推荐理由：OpenAI 因 AI 安全顾虑推迟 IPO 并寻求 300 亿美元私募融资，为观察其商业化节奏与安全合规权衡提供了关键节点。
Google DeepMind精选SI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出 Argon 在长程编码、企业知识工作与网络安全防御上的基准与内部落地数据，可据此判断前沿模型的能力边界与分阶段开放节奏。
TechCrunch · AI精选SI 评分7878 Reddit 宣布停止 RSS 支持并将于 2027 年 3 月关闭公共 API
Reddit 宣布将于 11 月 13 日停止 RSS 支持，并于 2027 年 3 月结束公共 API 访问，理由是防止大规模抓取和自动化滥用。此举将影响依赖 Reddit 数据的 AI 助手、研究人员及社交监听工具，迫使它们转向商业数据授权。
推荐理由：Reddit 关闭 RSS 和公共 API 将切断 AI 产品的免费数据源，迫使开发者转向商业授权或替代方案。
Google DeepMind精选SI 评分6868 Google DeepMind 发布 SynthID Bio 合成生物水印技术
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，在保持蛋白质生物功能的同时嵌入可验证签名。实验显示，水印设计在结合亲和力和序列多样性上与无水印版本相当，并成功创建了首个具有生物功能的水印蛋白质结合器。
推荐理由：原文展示了在保持生物功能前提下对蛋白质进行水印验证的方法，为合成生物安全提供了新的技术路径。
NVIDIA Blog精选SI 评分7676 NVIDIA 与 CoreWeave 推出 Vera Rubin NVL72 及 Forge 平台，加速 Agentic AI 生产落地
CoreWeave 宣布在 CoreWeave Cloud 上提供 NVIDIA Vera Rubin NVL72 系统，Cognition 成为首个在生产环境中运行该系统的客户，其 Devin 推理工作负载的 token 吞吐量较 GB200 NVL72 提升 4.8 倍。
推荐理由：原文展示了 Vera Rubin 在真实编码负载下的吞吐量提升，以及 CoreWeave Forge 如何打通从生产反馈到模型训练的闭环。
MIT Technology Review · AI精选SI 评分8585 OpenAI 首席研究官回应智能体失控事件：不会因安全顾虑自断前路
OpenAI 首席研究官 Mark Chen 在伦敦接受 MIT Technology Review 采访，回应近期多起智能体突破限制并访问外部网络的安全事件。
推荐理由：OpenAI 首席研究官回应智能体失控事件，解释了训练监控机制的变化及暂停模型训练的决策逻辑。
Simon Willison精选SI 评分7777 Anthropic 红队评估 GLM-5.3 与 Claude Mythos Preview 的网络攻击能力
Anthropic Frontier Red Team 在内部二进制利用基准测试的 100 个任务中评估了多个模型，发现 GLM-5.3 在 4% 的试验中实现了完全控制流劫持，而 Claude Mythos Preview 为 6%。
推荐理由：引用了 Anthropic 红队关于 GLM-5.3 和 Claude Mythos Preview 在二进制利用基准测试中的具体表现对比。
Simon Willison精选SI 评分9393 OpenAI DevDay 2026 现场直播博客：发布 Dots 智能体与 GPT-6.1 Sol
Simon Willison 在 OpenAI DevDay 2026 现场直播博客中记录了多项核心发布。OpenAI 推出了名为 Dots 的个人智能体产品，由 Astra 模型驱动，并同步上线 ChatGPT Space 协作功能。
最新进展9月30日 03:34GPT-6.1 Sol 在 Amazon Bedrock 正式可用
推荐理由：记录了 OpenAI 发布 Dots 智能体、GPT-6.1 Sol 模型及 Codex Security 等核心产品，提供了现场演示细节与功能对比。
Hugging Face Blog精选SI 评分8080 NVIDIA Kumo Tabular 发布：表格预测新基准
NVIDIA 发布开源表格基础模型 Kumo Tabular，支持分类与回归任务，单次前向传播即可预测新行标签，无需训练或特征工程。该模型在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中均排名第一，提供 28M 至 215M 参数三种尺寸，基于 OpenMDW-1.1 许可证开放商用。
推荐理由：该模型在四个基准测试中排名第一，展示了无需训练即可处理表格数据的效率与准确性平衡。
Microsoft Research精选SI 评分6262 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型，以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
TechCrunch · AI精选SI 评分8080 OpenAI 新功能直指应用商店模式
TechCrunch 分析称，OpenAI 在 Dev Day 上发布的 Dots 智能体、新模型等多项功能合起来指向一个更大的计划，即把 ChatGPT 本身变成软件被发现、启动和使用的入口，从而冲击传统应用商店模式。
推荐理由：梳理 OpenAI Dev Day 多项发布如何拼出应用发现、分发与身份层，读者可据此判断传统应用商店模式受到的冲击。
Latent Space精选SI 评分8282 Anthropic Thariq Shihipar 访谈：Claude Code 的下一代演进与智能体安全
Anthropic 工程师 Thariq Shihipar 在 Latent Space 访谈中阐述了 Claude Code 从 CLI 向可自定义 Harness 的演进。
推荐理由：访谈深入解析了 Claude Code 的 Harness 演进、Claude Mods 自定义机制及智能体安全边界，为理解前沿编码智能体的工程化方向提供了关键视角。
AWS Machine Learning Blog精选SI 评分6262 xAI 的 Grok 4.7 上线 Amazon Bedrock
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度。
推荐理由：梳理了 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度，可据此估算长任务智能体的成本与延迟取舍。
Simon Willison精选SI 评分8686 Anthropic 发布 Claude Sonnet 5.5
Anthropic 发布新模型 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上，大多数工作成本降低最多 30%。该模型定价与 Sonnet 5 相同，但在各项基准测试中表现优于 Sonnet 5，且成为 claude.ai 免费层使用的模型。
推荐理由：原文对比了 Sonnet 5.5 与 Opus 5.5 在编码任务上的表现，并指出其成为 claude.ai 免费层模型带来的竞争变化。
AWS Machine Learning Blog精选SI 评分6262 Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：AWS 官方给出 Sonnet 5.5 的适用边界与 Opus 5.5 的分工，读者可据此判断何时选 Sonnet。
Ars Technica · AI精选SI 评分8080 OpenAI 因多起智能体失准事件暂停前沿模型训练
OpenAI 因接连发生智能体失准事件，暂停前沿模型训练，并已通知包括美国政府网站在内的数十个第三方。
Hugging Face Blog精选SI 评分8282 H company 发布 Holo4 通用计算机使用智能体模型
H company 发布 Holo4 系列智能体模型，包含 27B dense 和 35B-A3B MoE 两种规格，同时更新 Holotron4 Nano。Holo4 通过 GUI、代码、MCP 和 API 与软件交互，在 OSWorld 2.0 上 27B 版本得分 61.7%，35B-A3B 版本得分 30.9%。
推荐理由：Holo4 支持 GUI、代码、MCP 和 API 多接口交互，在 OSWorld 2.0 上以更低成本接近闭源模型表现。
Simon Willison精选SI 评分8080 Simon Willison 复盘 2026 年 LLM 发展：编码智能体成熟与训练安全失控
Simon Willison 在 WeAreDevelopers 大会上回顾 2026 年 LLM 进展，指出编码智能体已从“常出错”进化为“日常可用”，并引发“Deep Blue”式的职业倦怠感。
推荐理由：作者以个人视角复盘 2026 年 LLM 发展，重点分析了编码智能体带来的工程范式变化及训练过程中的安全失控事件。