AI资讯日报 2026/10/26

今日摘要

产品与功能更新

1. Kimi K3.1 Pro月之暗面 / InfoQ（10/24）。K3.1 系列首款旗舰：官称约 3 万亿参数、百万 Token 上下文，强化代码 / 3D / 金融 / 长程 Agent；同步 Highspeed 高速版，官称同智输出约快 2–3×。Terminal-Bench 4.0 约 65.7%（对比口径 GPT-6 Astra 58.2%、Claude Opus 5.5 66.4%）；权重称 11/4 前开源。API 缓存命中输入约 1.3 元/百万 Token、未命中约 13 元、输出约 68 元；社区集中吐槽订阅额度易烧光——以官方套餐与实测为准。

2. Grok Imagine《奥德赛》Episode 1TechCrunch / Variety（片源 10/23，报道 10/25）。距马斯克「年底全片、历史准确」约 3 个月后，先交出约 7 分 12 秒、4K 的系列第 1 集；与 Wonder Studios、导演 Dev Walker 协作，非「一键成片」。媒体评测褒贬不一：单镜头偶有拟真感，叙事与表演仍空；全片进度与后续集数未官宣。

3. ChatGPT Ads 扩至 89 国OpenAI 官稿 / CNBC / Reuters（10/21）。再扩 26 国（含阿根廷、秘鲁、尼日利亚、南非、乌克兰、巴基斯坦等），覆盖拉美、欧非亚；官称周活用户超 12 亿、累计超 10 万广告主试投，广告业务 8 月曾称年化 run rate 约 10 亿美元。广告仅出现在 Free / Go；Plus / Pro / Enterprise 仍无广告，且官称不卖对话数据、广告不改答案。

4. 蚂蚁数科 LingDT-Decision-1.0IT之家 / InfoQ / DTMaaS（10/22）。面向客服 / 风控 / 金融等高频结构化判定的 System One 决策模型，4B / 27B 双版本；原生单选 / 判断 / 打分 / 多选 + DAG 按序决策（深度最多约 4 层、单请求最多约 32 问）。官称相对通用 LLM Token 可降超 90%、部分场景响应约 10×；23 项开源基测上 27B 综合分超 Microsoft-Decision-1、Jev 1.13 等——限时免费至约 10/30，以平台公告为准。

5. 科大讯飞星火 X2.6 + 星辰 TaaS量子位（10/22–23，1024 开发者节）。星火 X2.6 上下文扩至百万 Token，并开源端侧 X2.6-4B；端云路由准确率官称约 81.2%→96.1%。同步首发 SparkAudio 1.0（效果约 +20%、时延约 -15%、调用成本约 -60%）、Agent OS 与 星辰 TaaS；开放平台开发者约 1187 万、大赛约 5.2 万 队参赛。

前沿研究

1. RoleFlow：可自演化的多角色协作结构arXiv 2610.30429（10/21）。用原子级结构编辑 + 按需角色合成，让多智能体协作链随任务反馈演进；SECPO 把每次编辑与「同状态不编辑」对照，给编辑专属 token 打信用。七基准四领域平均约 67.1，相对最强竞品约 +4.7；三套多跳 QA 上 F1 领先约 3.2–7.5。

2. FreeEvolve：连进化循环本身也学会arXiv 2610.09197（v2 10/21）。AWS AI Labs 等提出：环境只定目标 / 评估 / 预算，evolver 自行决定测什么、采多少证据、何时停；进化策略再经 meta-evolution 打磨。τ³-bench、ARC-AGI-2/3、Terminal-Bench 2.1 上主指标平均约 +13.6；冻结后的 meta 技能相对种子技能约再 +6.9。

3. 无状态语言智能体（SLA）做长程研究arXiv 2610.07625（10/6，近周持续被引用讨论）。主张「状态在 harness、智能体无会话」：每次调用重建角色上下文，Advisor 派实验、Worker 并行跑。最高约 10 亿 token 预算下，软件 / 内核 / 算法任务均最优；达到最强内核基线最终成绩时 token 约少 84%，Advisor 耗 token 占比 <0.6%。

4. Steward：可治理自演化的投资多智能体Agents Radar / 开源仓库报道（雷达日 10/23）。九角色联合决策 + 七层共享记忆 + 夜间复盘 / 季度可逆提示学习，不变式核心（下单算术、风控规则）禁止自改。约 5 个月实盘（102 交易日、约 1632 次 LLM 调用）称把约 24.6% 板块回撤压到约 0.3% 亏损——实盘数字以作者披露与复现为准。

行业展望与社会影响

1. Apollo：「S&P 493」几乎零财务回报Apollo Daily Spark（10/24）/ TechCrunch（10/25）。首席经济学家 Torsten Slok 称剔除 Mag7 后，人均营收与利润率仍平、未见生产力抬升；主流企业更把 token 当成本中心。Ramp 等数据亦显示 AI 支出高度集中——论断偏宏观截面，不等于单一公司 POC 无效。

2. PHP2Shell：AI 缩短十年级内存洞到利用链Wiz / OpenAI Patch the Planet / Calif（披露 10/21）。核心 PHP CVE-2026-109618 / 109619（CVSS 可达约 9.2），可未授权 RCE 或读 worker 内存；近十年多数 PHP 版本至少中一枚，WordPress / Drupal / Joomla 演示链已公开。OpenAI 另推约 10 亿美元补贴级防御方访问，并放出 PHP 版本检查 Codex Skill——先升 PHP、再谈应用层补丁。

3. Storm-0940 + ARTEX：开源 Agent 渗测框架上战场Microsoft Security Blog（10/21）/ CSO 等。中国国家背景行为体 Storm-0940 借 ConnectWise Cloud Backup 供应链身份，用开源多智能体渗测框架 ARTEX 对超 2250 个 Microsoft 365 租户尝试登录；部分环境 <3 小时拿到特权云权限，密码喷射峰值约 2900 次/分钟。微软强调非自家产品被攻破——提醒：红队 Agent 工具默认出站与凭证范围要收紧。

4. ChatGPT 广告全球化 vs Claude「无广告」品牌对峙OpenAI / CNBC（10/21）。Ads 扩至 89 国、广告主超 10 万，对冲订阅与 API 波动；Anthropic 此前以「Claude 无广告」打差异化。对出版商与电商：对话式漏斗里的「比较—决策」时刻正在被重新定价。

5. 国产 Flash / 决策小模型继续卷性价比InfoQ / 时代周报等（10/17–24）。DeepSeek V4.1-Flash-1017 强调「更好又更省」；Kimi K3.1 Pro 冲旗舰 Agent 分；蚂蚁 LingDT 把高频判定从通用 LLM 里拆出。业内共识渐清：日常 Skill / 工单分流吃 Flash 与决策模型，复杂系统设计仍偏旗舰——选型按任务分布，勿一刀切。

开源TOP项目

1. pbakaus/impeccable链接：https://github.com/pbakaus/impeccable（⭐ 87,616）让 AI 编码 harness「更会设计」的设计语言 / 技能包，Apache-2.0，10/25 仍有推送、趋势榜前列。适合塞进 Claude Code / Cursor 一类工作流统一前端观感；效果依赖你的组件库与品牌约束，别指望一条 skill 治好所有生成页。

2. lemomo-ai/lemo-opuscar链接：https://github.com/lemomo-ai/lemo-opuscar（⭐ 7,351）给 Claude Code 用的「纯代码做片」风格工具箱：59 种现成风格 + 可自建；演示片由 Claude Opus 5.5 全代码生成、不用视频模型，MIT，10/24 活跃。适合做短演示 / 教程片风格实验；成片长度与稳定性以本机渲染链路为准。

3. Graphify-Labs/graphify链接：https://github.com/Graphify-Labs/graphify（⭐ 135,188）把代码库、文档、SQL、配置、PDF 收成可查询知识图谱的 /graphify skill，本地确定性 AST、边可解释、不用向量库，Apache-2.0，周榜热门。适合给 Agent 做「先图后搜」的仓库导航；大仓首次构图耗时与忽略规则要先校准。

4. kitlangton/scrawl链接：https://github.com/kitlangton/scrawl（⭐ 744）在屏幕上圈画、录屏，把问题「秀」给 Agent 看，MIT，10/25 AI 日榜新面孔。适合 UI / 布局类 bug 的「指哪打哪」；上生产前核清录屏是否含密钥、通知栏与客户数据。

社媒分享

1. K3.1 Pro 额度先算账再开长程InfoQ / 社区实测（10/24+）：旗舰分好看，但订阅 5 小时档位可能被单会话啃光；长程 Agent 优先 Highspeed 或把规划 / 执行拆多会话，并盯输出是否「特别啰嗦」（Artificial Analysis 曾批冗长）。

2. PHP 升级清单别停在应用层Wiz / OpenAI（10/21）：升到已打补丁的 PHP 发行版并重启 PHP-FPM / Apache worker；CDN / WAF 缓解不是终点。可用官方 Codex PHP 版本检查 Skill 扫一圈镜像与主机。

3. ARTEX 类红队 Agent：默认权限当生产事故预演Microsoft（10/21）：多租户 SaaS 的应用身份、Graph 权限与凭证轮换要单独审计；Agent 框架若能「少人工」跑完整渗测链，就按最高敏凭证保管。

4. 决策 API / LingDT：把选择题从旗舰里拆出去蚂蚁 DTMaaS / OpenAI Decisions 口径（10/21–22）：工单分流、工具选择、风险是否转人工，优先选项+置信度端点；用你自己的延迟与误判成本 A/B，别只盯公开榜。

5. Impeccable / Graphify 怎么接进日常GitHub 趋势（10/25–26）：设计 skill 放全局默认提示之前先锁组件库；/graphify 适合大仓 onboarding，向量 RAG 仍留给非代码长文档——两者威胁模型与更新频率不同，别混成一个「万能记忆」。

6. 看 Grok《奥德赛》别当基准片TechCrunch（10/25）：7 分钟展示的是拼接与导演工作流，不是「模型一键长片」已成熟；评估视频模型请用可控镜头长度、角色一致性与可复现提示，而不是社交热帖观感。