AI 技术日报 · 2026-10-08

模型发布

01  Claude Haiku 5.5 发布：短请求单价降到十分之一，首次支持推理强度调节

Anthropic 10 月 7 日发布 Claude Haiku 5.5，定位是高并发、对成本敏感的任务，比如摘要、上下文压缩、数据库查询、分类，以及给 Opus 5.5 和 Sonnet 5.5 当编码子 Agent。官方称它是 Anthropic 目前最快的模型，也是第一款可以调节推理强度的 Haiku 级模型。上一代 Haiku 4.5 发布已近一年，在 Terminal-Bench 4.0 上得 0 分，Haiku 5.5 得 39.2%；OSWorld 2.1 离线子集从 15.7% 升到 72.4%。同一天 Anthropic 还把 Sonnet 5.5 的缓存读取价格减半，并给 Max 和 Team 订阅用户发放每月 API 额度。

• 10 万 token 以内的请求每百万 token 输入 0.10 美元、输出 0.50 美元，超过 10 万 token 涨到 0.50 和 2.50 美元；Haiku 4.5 是 1 美元和 5 美元。官方称平均运行成本约降 75%，这已计入新分词器带来的 token 数增加。
• Simon Willison 实测，同一段长提示词在 Haiku 5.5 上约是 Haiku 4.5 的 1.25 倍 token；10 万 token 以内与 OpenAI GPT-6 Luna 同价，超过之后 Luna 更便宜。
• 官方成绩（对照 GPT-6 Luna）：Terminal-Bench 4.0 39.2% 对 16.4%，OSWorld 2.1 离线子集 72.4% 对 48.9%，FrontierCode 1.1 46.4% 对 42.4%；Sonnet 5.5 在前两项分别为 70.6% 和 83.9%。
• 推理强度分 low 到 max 五档，默认 medium，不能完全关闭推理。模型 ID 为 claude-haiku-5-5，已在 Claude Platform、AWS、Google Cloud 和 Azure 上线。
• Sonnet 5.5 缓存读取从每百万 token 0.20 美元降到 0.10 美元，官方估计多数 Agent 任务成本因此降约 20%。Max 5x、Max 20x 每月分别送 100 和 200 美元 API 额度，Team 最多 500 美元，额度不结转。
• Python 和 TypeScript SDK 同时加入电脑操作与浏览器操作的 beta 支持。

来源：Anthropic 发布页^[1] · Simon Willison^[2]

02  GPT-6 进入 ChatGPT 聊天：Intelligent UI 让回答变成可交互的图表、按钮和小工具

OpenAI 10 月 7 日开始把 GPT-6 推到 ChatGPT 的聊天（Chat）标签页，并配套推出 Intelligent UI。回答不再以纯文字为主，而是按问题自动加入图表、可点按钮、表单、地图、清单，或者现场做一个小工具，比如存钱计算器、分账工具、小游戏。据 MacRumors 转述，OpenAI 说这套界面由一组可流式输出的原生组件和一个编译器组成，模型一边生成，界面一边被处理出来。GPT-6 还可以边思考边作答，The Decoder 引述 OpenAI 的数据称等待时间缩短 44%。

• Plus、Pro、Business、Enterprise 用户当天开始推送，用的是 GPT-6 Sol；Free 和 Go 用户 10 月 8 日开始，用的是 GPT-6 Luna。
• GPT-6 只用于聊天标签页，Work 和 Codex 背后的模型不变。
• 据 TechCrunch，可视化程度可以在个性化设置里调低，不想要太多图的用户可以减少。
• Google 5 月已在 Gemini 应用里上线过类似的生成式界面功能。
• OpenAI 发布页对本站抓取返回 403，以上细节来自 TechCrunch、MacRumors 和 The Decoder 的报道。

来源：TechCrunch^[3] · MacRumors^[4] · The Decoder^[5]

研究

03  NVIDIA 用 Nemotron 3 微调出 IOI 和 IMO 金牌水平的系统，模型、数据和流程开源

NVIDIA 10 月 7 日在 Hugging Face 介绍，他们以 Nemotron 3 为基础，用监督微调、强化学习加上“生成、评估、修正”的推理循环，在 IOI 2026 和 IMO 2026 两项竞赛上都达到金牌线。IOI 方面，5500 亿总参数、550 亿激活的 Nemotron-3-Ultra-CC 在与人类选手相同的时间、联网和提交限制下实时参赛，拿到 535.4 分（满分 600）。IMO 方面，系统完全用自然语言作答，不调用形式化证明器或外部工具，由官方阅卷人评出 30 分（满分 42），高于 29 分的金牌线。NVIDIA 想说明的是，一套可复用的专精化流程比为每个任务重训基座更划算。

• IOI 2026 成绩高于金牌线 361.12 分和人类最高分 498.27 分；但这是非官方、无监督的测试，不计入官方排名。
• 编程方向整理了 2.2 万道题并合成推理轨迹。在 IOI 2025 上，300 亿参数的 Nemotron-3-Nano-CC 从后训练前的 130 分升到 SFT 后 280 分、RL 后 291 分，加上迭代修正策略 GenCorrect 后到 468 分，越过 438.3 分的金牌线。
• 数学方向的 SFT 语料有 414,890 条，覆盖 15,818 道证明题，内容包括写证明、找漏洞、回应批评和判断证明是否完整；RL 用了 9,597 道接近模型能力边界的题。
• IMO 六题中四题拿满分。最终系统同时使用 SFT 和 RL 两个检查点，NVIDIA 发现两者互补，比从单一检查点多采样更有效。
• SFT、RL 检查点、两份训练数据和含 200 道奥赛题的 Nemotron-IMO-Bench 已发布在 Hugging Face，推理流程和提交的证明在 NeMo-Skills 仓库。

来源：NVIDIA（Hugging Face 博客）^[6]

开源项目

04  开源小型决策模型一天两款：Strands Decider 2B 和 Liquid AI d1，可在本地和边缘设备跑

继 TypeSafe AI 的 Jev 之后，开源的决策模型也多了起来。Agent 框架 Strands 团队开源了 Strands Decider 2B，做法是拿 Qwen3.5-2B 作躯干，去掉语言模型输出头，换成一个约 100 万参数的指针头，给每个候选选项打分，躯干用秩为 16 的 LoRA 微调。Liquid AI 同日发布 d1 系列的 d1-3B 和实验性的 d1-omni-600M，基于自家 LFM 模型，一次前向计算就给出答案，不逐个生成 token。两者都主打低延迟，并给出置信度分数，适合 Agent 里的路由、工具选择和护栏判断。

• Strands Decider 2B 在 JevBench 公开集上的准确率与校准度在 2B 级别 33 个模型中排第 3；在 RTX 3090 上中位延迟约 115 毫秒，M3 MacBook 上小任务约 153 毫秒。权重、训练数据和脚本全部开源，可用 pip install strands-decider 上手。
• Strands 的示例：Agent 调用工具前先让决策模型回答两个是否题，参数是否来自用户原话、现在调用是否为时过早，以此拦下 Agent 自己编出来的参数。
• Liquid 称 d1-3B 在 Decision Index 0.2.1 上得 48.57 分，是 10B 以下决策模型中最高；在七个公开数据集上平均 82.9 分。
• d1-3B 支持文本加图像输入；d1-omni-600M 由双向编码器改造，可接文本加图像或文本加音频，目前是早期研究版本。
• 决策模型的局限也很明确：Strands 指出，它们一次并行给出所有输出，复杂问题明显不如推理模型，也不能生成文本，不适合写代码、聊天或摘要。

来源：Strands Agents 博客^[7] · Liquid AI（Hugging Face 博客）^[8]

开发工具

05  OpenAI 推出 Decisions API：只答是否、选项和评分，只收输入费

OpenAI 上线 Decisions API 公测，这是一个只做“决策”的接口：开发者给出问题、允许的答案集合和一段文本或图片，模型只能从给定选项里返回结果。支持三种题型，是否题返回概率，选择题从预设类别里挑一个，评分题给出量表分数。The Decoder 引述 OpenAI 的说法，它比 Responses API 快约 10 倍。这类“决策模型”是 TypeSafe AI 9 月发布 Jev 之后兴起的新品类，Simon Willison 认为 OpenAI 的接口形态与 Jev 在概念上非常接近。

• 目前只支持 gpt-6-luna，每百万输入 token 0.10 美元，输出不收费；Jev 是每百万输入 token 4.2 美分。
• 与 Jev 不同，OpenAI 的决策模型支持图片输入，官方举的场景包括照片定损、客服工单路由和文档分类。
• 支持零数据保留，并可在美国和欧洲用于符合 HIPAA 的场景；正式版“即将推出”。
• 同时 OpenAI 把 API 付费等级从 5 档简化为 Build、Launch、Grow 三档，月度用量上限分别为 500、5,000 和 200,000 美元，累计充值到门槛后自动升级。
• Simon Willison 已发布 llm-openai-decisions 插件，可在命令行直接调用。

来源：The Decoder^[9] · Simon Willison^[10]

06  Google 向所有人开放 SynthID 检测器，可查图片、视频和音频的 AI 水印

Google 10 月 7 日宣布，SynthID 检测器即日起在全球开放（目前只有英文界面），任何人都能上传图片、视频或音频，检查它是否由 Google 或合作方的 AI 生成。这个工具去年只对部分记者、媒体从业者和研究者开放测试。它检测的是 SynthID 隐形水印，Google 自家的 Nano Banana、Veo、Lyria 以及 Gemini、Flow、Vids 等产品生成的内容都会带这种水印。需要注意的是，它不是通用的 AI 内容检测器，没有 SynthID 水印的内容查不出来。

• Google 称自 2023 年推出以来，已给超过 1,800 亿张图片和视频、以及累计 24 万年时长的音频加了水印。
• 合作方包括 OpenAI、NVIDIA 和 Kakao，Apple 即将加入；OpenAI 另有自己的内容核查站点。
• 据 TechCrunch，支持 JPG、PNG、WEBP、AVIF、HEIC、GIF 等图片格式，MP4、MOV、WEBM 视频，以及 WAV、MP3、FLAC、M4A 等音频格式。
• 搜索、Gemini 应用和 Chrome 里已内置 SynthID 核查，Google 称每天稳定处理超过 100 万次请求。

来源：Google 官方博客^[11] · TechCrunch^[12]

行业动态

07  Anthropic 把网络安全验证计划分成三档：防御、红队、特殊授权

Anthropic 10 月 6 日发布新版网络安全验证计划（Cyber Verification Program，CVP），把此前只给少数关键软件维护方的 Project Glasswing 并入其中，按工作范围分三档开放更强的网络安全能力。通用版模型对大部分网络安全工作默认拦截，通过审核的安全团队可以申请放宽。三档都能用 Opus 5.5、Sonnet 5.5、Mythos 5.1 和今后的新模型。Anthropic 用 CyScenarioBench 测了每一档的拦截效果，并公布了 Glasswing 半年来的漏洞发现数据。

• 防御档面向安全运营、应急响应、恶意软件逆向和漏洞验证，适用对象包括企业和政府安全团队、地方医院和水电等关键基础设施运营方、开源维护者和有漏洞提交记录的个人研究者，申请几天内答复。
• 红队档增加授权渗透测试和红队演练，只对机构开放，审核需要几周；部署勒索软件、破坏物理系统等操作仍会被实时拦截。特殊授权档留给需要测试航空、电网、电信、银行间转账等系统的少数机构，与美国政府一起逐家审核，Glasswing 成员直接转入。
• 参加计划必须保留数据以便监测滥用；今秋 Enterprise Frontier Safeguards 上线后，可以把数据存在客户自己控制的云上。计划支持 Claude Platform、Vertex AI 和 Microsoft Foundry，Amazon Bedrock 只对 EFS 合格客户开放。
• Anthropic 称 Glasswing 合作方在 2026 年 4 月至 7 月发现了至少 12.9 万个经核实的漏洞，Anthropic 自己的开源扫描另外发现约 5,500 个，其中 3.3 万多个被评为严重或高危；这些数字基于部分合作方的问卷。

来源：Anthropic 公告^[13]