AI行业周报-10月第二周

DeepSeek 1017 · 深度拆解

10 月 17 日下午，DeepSeek V4.1-Flash 更新至 V4.1-Flash-1017，网页端、App 和 API 同步切换，权重在 Hugging Face 和 ModelScope 开放下载。没有发布会，没有预告——DeepSeek 一贯的突袭，只是这次发生在下午。

先看效果。新版重点增强从零构建完整项目的能力，官方叫它「许愿式编程」：凭较少的提示词和素材、少量交互，直接产出完整可运行的作品。演示包括故宫 3D 建模、网页版赛车游戏、用 godot 引擎复刻《传送门 2》、以 3D 场景动态展现从史前到现代的文明演进——每一个都是从前要一个团队做几周的东西。基准表现提升的同时，任务耗时与输出长度双双缩短，使用成本直接下降；The Decoder 的测试里它在智能体任务上击败了更大的对手，同时再一次大幅压低单任务成本，Reddit 本地社区已经把它排进开放权重第一梯队。DeepSeek Harness 需升级至 0.2.1-rc.1 以上。

真正的看点在训练方法。据 The Decoder 报道，这个版本用自反馈强化学习训练了五周：模型自己生成完整项目，自己跑、自己验证结果，验证信号直接回流训练——没有人类标注员在环上打分。外部评估者的概括很准：一个带尖锐锋芒的小版本发布（a small release with a sharp point）。

同一天 DeepSeek 还开放了 Search 和 Fetch 接口，每千次 5 元：自研搜索引擎索引千亿级网页，每天处理数亿次请求，过滤 SEO 作弊、GEO 操纵和低质 AI 生成内容。在 Harness、Claude Code 和 Codex 中调用 DeepSeek API 时服务端工具已可用——目前免费，北京时间 11 月 1 日零点起按次计费。模型自己训练自己、自己联网找数据、跑在自家 Harness 里——三件套同一天各推一步。

10 月 13 日，Google 向 Pro 与 Ultra 订阅者开放 Gemini 4 Argon，次日扩展到全球开发者的 API、AI Studio、Antigravity 与 OpenRouter。补全时间线：9 月 30 日官宣，之后两周只通过 Fairwind 向安全防御者开放，10 月 13 日起全面放开——七个多月来第一款全面可用的旗舰 Gemini，上下文窗口同步扩到 1M token。

跑分的定位很有意思。AA 智能指数上，Argon 高推理档得 52.56，与 GPT-6 Astra 的 52.67 基本持平，落后 Claude Opus 5.5 约五分。但差距的构成不寻常：AA-Omniscience 里它的错误率压到 15%，Astra 与 GPT-6.1 Sol 分别是 51% 和 54%——代价是正确率只有 50%，低于 Astra 的 63%。它在用「不确定就不答」换可靠性：宁可留白，不肯瞎说。对企业知识工作场景，这个取舍未必是坏事。ARC-AGI-3 拿到 97.5%，成为第二家越过 95% 的实验室。

生态实测比跑分更能说明定位：AutomationBench 51.3%，CWE-bench v1 以 68% 并列第一；最硬的案例是 Google 工程师让它在一个 20.5 万行的 Python 代码库上无人值守跑了 11 小时，6 项优化合并 2 项，长会话内存准备时间降低约 40%——十一个小时没有人类介入，这正是下一节的能力。

定价是隐藏的关键信息：输入每百万 2 美元、输出 10 美元，11 月 30 日后翻倍。目前单任务成本 1.99 美元约为 Astra 的六成，但每任务输出约 62K token、是 Astra 的两倍多——费率恢复后成本优势会被抵消。想试的抓紧这一个月。

把本周几件事并排放，会发现它们是同一件事的三种做法。

RSI 是什么。 九月一篇学术综述给的定义很干净：把系统中的一次收获，变成产生下一次收获的更强能力。工程上是三步闭环：模型产出、自动验证、验证信号回流训练。上周 State of AI Report 用一整章讲它——Anthropic 26% 的研发由 Claude 主导、Karpathy 的 autoresearch 一晚跑百次实验，也泼了冷水：影子评估里智能体能完成论文全部工程却拿 2/6 的拒稿分，「能干活」和「能发明」隔层窗户纸。本周的增量在于，三种新的闭环同时出现。

DeepSeek 做的是可验证域（Part 01 已讲）：程序能不能跑是客观信号，便宜、可无限重复，所以最先跑通，而且直接进了量产模型。

Claude 把闭环伸进了理论物理。 10 月 16 日 Anthropic 公布：让 Claude Mythos 5 在无人干预的闭环里重设计量子电路——八项计算原语的纯文字规格，配一个按「量子比特数乘门数」打分的自动评估器，模型提设计、拿分数、再改一版，中间没有人类输入。量子电路的约束极苛刻：不能条件分支、每步必须可逆，空间与时间怎么换得模型自己找结构。结果是八项任务全部超过已发表最优，部分提升超过一个数量级：椭圆曲线点加法一次 53 小时长跑，用多 12% 的量子比特换到少 17 倍的门数，经数值模拟与 Lean 双重校验；解码器步骤上它自主换成 Berlekamp-Massey 算法，4.03 亿次模拟后把 665 个量子比特的备用预算压到 19 个。Anthropic 的总结值得抄下来：凡是能把目标写成评分函数的基础研究，都可能被这套方法加速。

Sakana AI 的 MASS 论文（10 月 8 日）把它推向开放域。 可验证任务的反馈是免费的，但研究、写作这类任务没有客观评分——MASS 让一个模型解任务、设计工作流、评估结果，再从多智能体执行中学习，模型自己当评估器。这是 RSI 从「可验证域」向「开放域」的试探。

还有一块拼图来自 Google：本周开源的 agent-eval 评测工具包，把 LLM judge 的 1 到 5 分改成布尔判断题——问「是否在调用退款工具前核验了账户 ID」，而不是给有用程度打分。它与 RSI 是一枚硬币的两面：反馈回路的质量决定自我改进的上限，验证信号不准，训练就在放大噪声。

安全侧的声音同步变响：一位 OpenAI 安全研究员本周警告「正冲进 RSI」，认为这种能力最早 2027 年初到来——与 State of AI 压轴的 AGI 2027 预测同频。窗户纸还在，但捅它的动作越来越密。

技术主线之外，这一天的密度像是约好的：10 月 13 到 15 日，四家把「开放」各自做到了一个极端。

Meta 开源 Muse Spark Open（10/15）：816B 总参数、42B 激活、1M 上下文、原生全模态输入，Muse Model License 允许多数开发者免费商用。交付阵容是开源史上最齐的一次——SGLang、vLLM、llama.cpp、MLX、Unsloth 当天全可用，NVIDIA、AMD、Intel、Apple 四家芯片完成验证。端侧演示更激进：两台各带 512GB 内存的 Mac Studio 借 MLX 与 M5 Ultra 统一内存装下整个模型——Meta 称同级别模型第一次能在一张桌面上跑起来。Code Arena WebDev 1511 分排美国开源第一。

阶跃开放 Step 5 Preview 权重（10/15）：兑现 9 月承诺，BF16 与 FP8 双版本上线。600B-27B、1M 上下文，架构上把上下文压缩纳入端到端策略训练——模型主动整理任务状态再继续执行，指向连续跑几十小时的 Agent 任务。GB300 上 NVFP4 单 GPU 吞吐近每秒 8000 token。最硬的验证是用量：OpenRouter Token 日榜与周榜都排全球第二。

面壁开源 MiniCPM-V 4.7（10/13）：35B-A3B MoE 塞进 3GB 内存，iPad Pro 解码 15 token/s——首个端侧无损流畅运行的开源 MoE 多模态模型。关键是自研 LES 前瞻专家调度，提前预测下一段需要的专家、把搬运藏进计算里。覆盖 iOS、安卓与鸿蒙，系列累计下载破 6000 万。端侧的竞争点已从「能不能跑」变成「能不能不降级地跑」——图片语音不必上云，这是与云端并行的隐私路线。

端到端语音与长镜头视频各进一步。 xAI 的 Grok Voice 3.0（10/14）输入输出都是音频，Speech-to-Speech Index 以 86.9 分登顶、首音频延迟 0.81 秒；更硬的是生产数字——星链客服每天约 2 万通来电由它承接，七成无需人工，四分之一销售通话在通话中成单。可灵 Kling 4.0（10/15）单次原生生成最长 30 秒，此前主流停在 5 到 10 秒；釜山电影节上《首尔之春》导演金性洙的 AI 短片《Worm Train》，核心镜头就由它完成——30 秒直出改变的是工作流，剪辑点从拼接五秒素材变成在长镜头里做取舍。

从 816B 到 3GB，同一份「开放」的两端：一端把旗舰能力拉到桌面，一端把多模态塞进手机。

本周最大的资本事件是 Anthropic 的 IPO 进程落地。10 月 14 日，Anthropic 在旧金山总部举行上市前投资者日，定调估值区间 1.8 到 2 万亿美元，纳斯达克挂牌时间表推迟到 11 月。

同日披露的 Q3 财报是估值的支撑：营收 168 亿美元，环比增长约 45%——这个季度 alone 就接近 2024 年全年营收的数倍。对照此前招股书：2025 年全年营收 45.9 亿、净亏损 420 亿（其中 340 亿为会计计提），未来十年算力承诺至少 5180 亿。营收曲线在陡峭爬升，资本开支的承诺同样在陡峭爬升，两条曲线的交叉点就是这场 IPO 要向市场讲述的核心故事。

相关的两个信号。一是 Meta：据报道其内部预计每年最多花 100 亿美元采购 Anthropic 的模型能力，与 OpenAI 的合作之外另辟一条供给线。二是 OpenAI：洽谈中的新一轮融资（至少 300 亿美元、投前估值约 1.4 万亿）本周仍在推进——两家头部实验室一个冲刺上市、一个冲刺私募，资本市场对前沿 AI 的定价竞赛同步升温。

本周榜单第一名有点吓人：七天涨了 24.9 万星。

① rea | +248,962（总 293,568）——逆向工程 MCP：没有源码也能让 agent 把二进制、.NET 程序集、Electron 包拆开读，输出伪代码、汇编与调用关系，底层接 Ghidra、IDA 或 Hopper，每条结论附证据和局限。这个速度超过了 deepseek-harness 当年的 48 小时 10 万。

② artcraft | +20,267（总 30,791）——画师桌面 IDE：先在 3D 空间摆好场景、机位、姿势再出图，同地点连排多镜头、人物环境一致。Rust 写的。

③ skills | +11,937（总 294,237）——Matt Pocock 的技能库，连续第二周上榜：技能拆得极小、可组合、不绑模型。

④ diagram-design | +9,024（总 56,522）——画图技能，45 种图型，能读网站抓配色，No Mermaid slop。

⑤ context-mode | +4,207（总 30,290）——治上下文膨胀：315KB 压到 5.4KB，会话状态进 SQLite，FTS5+BM25 只捞相关片段。

⑥ claude-plugins-official | +2,328（总 40,779）——Anthropic 官方插件目录，第三方过审核，一条命令安装。

⑦ text-to-cad | +2,286（总 21,047）——agent 装 CAD：一句话出 3D 模型，STEP 格式直接进厂，带可制造性检查。

创业工具侧：Paperclip（约 10.4 万星）把 AI 智能体当一家公司运营——组织架构、预算、审批门，两周前还是「任务看板」现已长成创业基础设施；PhotoCraft（约 6.7 万星）是一个人用 AI 十来天纯 Rust 净室重写的 Photoshop，309 个 PSD 样本 307 个能原样存回；MiroFish（约 8 万星）用几千个有性格有记忆的智能体在数字沙盘里推演市场。

本周观察：七条里六条都在给 agent 装能力——模型趋同之后，竞争在接口层展开。

10 月第二周，最值得记住的五件事：

一是 DeepSeek 把自反馈强化学习做进量产模型：五周训练、许愿式编程、Search/Fetch 同日开放——RSI 从论文走到了当天可调用的 API。

二是 Gemini 4 Argon 全面开放，用 50% 的正确率换 15% 的幻觉率，并在 20.5 万行代码库上无人值守跑了 11 小时。

三是 RSI 三条证据同时出现：可验证域（DeepSeek）、理论物理（Claude 量子电路，八项全超已发表最优、门数最多省 17 倍）、开放域（Sakana MASS）。

四是开放的两极：Meta 816B 装进两台 Mac Studio，面壁 35B MoE 塞进 3GB 内存——旗舰上桌、多模态进手机。

五是资本线落地：Anthropic 投资者日定调 1.8-2 万亿估值、Q3 营收 168 亿美元环比 +45%、11 月挂牌；Meta 预计每年最多 100 亿美元采购其模型。

下周见。

持续分享AI工具、效率软件和实用黑科技。 如果觉得有用，欢迎点赞、在看、转发三连。