AI 周报 · AI 日报

AI 周报|10 月 25 日—10 月 31 日

GPT-6.1 Terra 与 Copilot Fusion 把模型成本和选择方式带入完整工作流程,企业部署则继续补齐身份、采购与区域控制。交互模拟和科研进展共同提出更严格的问题:输出怎样接受检验,能力与授权如何分别确认。

本文目录

把一份报告交给 AI,读者通常关心三件事:它能否读对,能否把结果填进软件,以及谁来检查最后的结果。模型价格下降会让尝试更容易,但文件、账号和业务操作一旦连起来,费用、权限与验收就需要一起考虑。

本期覆盖 2026 年 10 月 25 日至 10 月 31 日,均按 Asia/Shanghai(北京时间)计算,以本周七篇日报为主要材料,合并相关进展,并重新核对二十个主要一手来源。下文的“本周变化”介绍公告、版本记录和研究中的事实与发布方主张;“影响与边界”及趋势判断为编辑分析。本文未实测产品、复现论文或完成独立安全审计。

本周摘要:哪些变化最值得记住?

  • 模型使用开始按完整任务组织。 Terra 提供新的视觉理解与电脑操作选项,Fusion 将模型选择和相互检查做成产品流程;单次调用价格仍不能代表完成工作的总成本。
  • 企业采用需要同时打通采购与授权。 IBM 更新智能体身份与短期凭据管理,Anthropic 扩大政府采购优惠,AWS 补充政府云部署方式。渠道可买、模型可用和工作负载获批,各有条件。
  • 交互越逼真,验收越需要可核对的状态。 Genie 4 扩展有声音的世界模拟;InteractiveWorld 则检查模拟世界中的目标是否真正成立。两者回答不同问题。
  • 科研与信息治理都在追问证据。 AI 生成的研究材料、实验优先级、泄密预警和网站训练偏好,需要分别确认公开范围、判断质量与实施效果。

本周关键词:怎样读懂这些进展?

关键词 本周需要理解的含义
完整任务成本 除模型单价外,还要计入多次调用、重试、等待和人工纠错
模型自动选择 系统按任务选模型,必要时增加检查或升级投入
短期凭据 为程序限时发放访问权限,并能够撤销
世界状态 物体位置、开关状态等可以核对的信息,用于判断目标是否达成
形式化检查 用严格规则检查被表达的数学推导,仍需确认命题与原问题对应
训练偏好信号 网站表达内容使用意愿的方式,实际作用取决于提供商实施

本周重要进展:五条主线发生了什么?

一、模型更便宜、选择更自动后,怎样判断工作是否更划算?

过去,开发者常先选一个模型,再让所有步骤都使用它。但读图、解析长文档与排查复杂代码的要求并不相同。本周几项发布,把成本控制推进到了模型选择和任务处理方式上。

本周变化。 OpenAI 发布 GPT-6.1 Terra,侧重视觉理解、电脑操作与写作,并通过 ChatGPT Work、Codex 和模型调用接口提供。标准接口每百万输入、输出词元的价格分别为 1 美元和 5 美元;词元是模型处理内容的计量单位。公司报告的电脑操作成绩与成本改善来自指定评测,不能直接当作所有业务的收益。来源:Terra 发布公告

GitHub Copilot Fusion 正式可用,用户选择投入程度,由系统决定调用哪些模型。它可以直接由一个模型完成,也可以先起草、检查后升级,或让另一模型评审再修改;企业模型策略仍限制可选范围。费用按实际使用的模型累计计算,付费计划的七折属于限时优惠。来源:Fusion 发布说明

百度正式公布 Unlimited OCR 2 和超长文档评测集。光学字符识别(OCR)在这里还涉及跨页结构:项目将文字与图像的交互压缩到有限的工作参考中,报告单步解析延迟和内存开销随文档增长保持近似稳定。单步稳定不代表整份报告总耗时固定,也不保证任意长度都能准确解析。来源:百度官方仓库

另一端,Google 公布 Gemini 4 Carbon,强调网络安全和长时间工程任务,但先向部分网络防御者开放,再逐步扩展至可信伙伴;普通开发者和消费者的开放仍待后续安排。公告列出的部分外部安全评测未启用防护措施,不能直接代表实际部署表现。来源:Carbon 官方公告

影响与边界。 这几条路线共同指向一个问题:应当为哪个步骤投入多少计算。以处理报告为例,先解析页面、再核对字段、最后操作软件,可能比始终调用同一模型更合适;但额外评审也可能增加费用。实际比较应固定任务和验收标准,记录完成率、总费用与人工修改量。有限开放的模型则应先确认准入,才能谈选型。

二、企业与公共部门怎样把“能调用”变成“获准使用”?

模型能够查询数据库,并不说明它应该拥有数据库的全部权限。机构采购还涉及预算、部署区域和责任归属,因此本周的企业进展需要从这些条件一起理解。

本周变化。 IBM 将智能体的负责人、生命周期和授权记录,与 HashiCorp Vault 的凭据控制结合,支持短期、受限和可撤销的访问。Vault 2.2、Agent Identity 与评估功能正式可用;发现和约束智能体等功能仍是技术预览,Secure Hub 为公开预览。来源:IBM 公告与可用性清单

AWS 发布在美国政府云配置 ChatGPT 桌面应用的指南,示例将 Codex 推理送往美国西部的 Bedrock Mantle 端点,结合身份权限、设备策略和网络限制管理连接。指南支持配置零数据保留,但明确指出,照做指南本身不会使工作负载自动获得组织授权。来源:AWS 桌面部署指南

同周,Bedrock 的政府云 bedrock-runtime 端点扩展 GPT-5.6 Terra、Luna 的接口支持,并可在两个政府云区域之间分配推理请求,以提高吞吐和冗余。这与上述 Mantle 指南属于不同配置,不能直接互换;保持在美国境内,也不等于始终停留在同一区域。来源:AWS 接口与跨区域推理公告

采购方面,Anthropic 扩大与美国总务署(GSA)的合作,向政府客户提供 Claude Enterprise、Claude for Government 和 Claude API 的 40% 折扣,覆盖州及地方等政府。直接采购渠道当下可用,经云服务商购买的优惠仍计划在未来数月提供;不同产品的认证状态需要分别确认。来源:GSA 合作公告

公司层面,Anthropic 宣布提交首次公开募股(IPO)的 S-1 注册文件,拟使用股票代码 ANT。公告时注册文件尚未生效,发行数量与价格区间未定;这是申请进展,不能写成上市完成。来源:Anthropic S-1 公告

影响与边界。 这些事件分别改变了身份控制、运行环境、采购条件和公司融资程序,没有证据表明它们之间存在直接因果关系。对采用 AI 的团队,更有用的检查顺序是:先确认产品与区域,再确认程序代表谁、能访问什么、授权何时结束,最后检查文件、工具和推理请求的完整数据流。采购优惠与云服务说明都不能代替这一步。

三、能生成交互世界之后,怎样确认助手真的完成了任务?

让场景看起来连贯,与让任务结果可以检查,是两种不同能力。前者帮助用户探索环境,后者帮助开发者判断助手的指导是否有效。

本周变化。 Google DeepMind 公布 Genie 4,加入与场景同时生成的环境声音、音乐和互动对话。用户可以移动视角,也能用文字改变场景。目前它仅向可信测试者提供研究预览;面向 Project Genie 订阅者和接口早期伙伴的开放仍属后续安排。官方承认,长时间运行、多次复杂修改和移动视角后,物体与细节仍可能漂移。来源:Genie 4 公告

Meta 的 InteractiveWorld 提供另一种路径:一个模型读取第一人称画面并给出指导,另一个固定模型扮演人执行动作,再由三维世界状态检查目标。其 InteractiveBench 包含 120 项多轮任务。例如,助手说“把杯子放进柜子”之后,评测需要检查杯子是否真的到位,而不是只给回答文字打分。来源:首次公开版本 README

影响与边界。 两项工作并未宣布相互集成,但形成了有用的对照:模拟可以扩展交互体验,可核对的状态才能支撑明确验收。InteractiveWorld 的表现也会受到模拟执行者影响,不能直接推断真实用户表现;Genie 4 的逼真画面则不能自动作为物理预测依据。

同周还有一项需要采用类似判断方式的硬件试验:Google 公布 Project Suncatcher 原型卫星上的数据中心级张量处理器(TPU,用于机器学习计算的芯片)运行 Gemma 4 并传回输出。它验证了基本计算链路,热应力与辐射测试仍在后续安排中,2027 年双星互联也仍是目标。一次响应尚不能证明长期可靠性或商业经济性。来源:在轨响应公告

四、AI 科研进展怎样从“有输出”走向“可理解、可检验”?

科研需要区分提出想法、运行实验、解释结果和证明结论。把其中一个环节自动化,不能直接说明其余环节也已经可靠。

本周变化。 OpenAI 公布数学、计算机科学和物理方向的模型生成研究材料与协作安排。公司称模型给出局部平滑猜想的证明及指数时间假设的反驳;数学与计算机科学材料公开自然语言稿件和 Lean 形式化证明,物理产物暂不公开,由外部合作组决定发布安排。公告将产物定位为原始研究材料,外部成员独立、无偿参与,结论不代表公司。来源:科研材料与学术协作公告

Lean 使用严格规则检查数学推导,但仍要确认被表达的命题、假设与原科学问题相符。上述成果的公开与组织检查发生在本周,模型生成和形式化工作发生在此前;本期不把它们写成已经获得学界共识的结论,也不由指数时间假设的相关主张推导出所有困难问题都能快速解决。

Springer Nature 与 Google DeepMind 则合作研发同行评审助手,帮助专家浏览稿件、分析图表、定位需要细查之处。原型正在测试,运行在出版方私有 Gemini Enterprise 环境中,科学判断仍由专家负责;公告尚未证明审稿准确率提高。来源:双方联合公告

新提交的 rTaste 论文进一步拆开“会提实验”和“会选实验”:六个模型围绕七篇论文提出并排序小规模实验,再由独立执行者尝试全部 415 个方案,包括排名最后的方案。研究没有发现排序优于直接选取最先写出的实验的充分证据。质量标签全部来自模型,没有人类基线,每种条件只运行一次,结论也受这些限制。来源:rTaste 研究全文

影响与边界。 本周更值得保留的变化,是验证链条被拆得更清楚:材料是否公开、命题如何表达、候选是否完整检查、谁来作最终判断。对于科研工具,完成实验数量与有价值的研究判断需要分开测量。原型、厂商主张和预印本各自提供线索,后续仍需独立检查与复现。

五、规则、风险预警与安全修复怎样各自发挥作用?

企业凭据解决“允许访问什么”,模型行为规则解决“面对请求怎样判断”,程序修复则堵住具体的信息暴露路径。把这些措施放在一起看,才能理解为什么一个安全分数不能概括整个系统。

本周变化。 OpenAI 更新模型行为规范(Model Spec),围绕人的意图、减少伤害、诚实透明、自主选择和关照受影响者组织指引,补充上下文、监督及操作附带影响等内容。公司明确,规范描述目标行为,现有模型尚未完全符合它。来源:行为规范更新公告

OpenAI 还承诺遵循网站 robots.txt 中的共同训练偏好信号,让经营者能够向多个参与方表达内容使用意愿。robots.txt 是网站向自动访问程序说明规则的文件。此次属于自愿安排,计划未来数月实施;现有爬虫控制继续适用,不能写成所有提供商已经执行的新规则。来源:网站训练偏好公告

在具体软件层面,Big-AGI v2.1.2 修复服务器端 Gemini 密钥可能经调试检查器回显的问题。受影响的是设置了 GEMINI_API_KEY 的自托管实例,官方托管服务不受该问题影响;维护者要求受影响用户升级后轮换密钥。补丁与轮换分别处理后续暴露路径和旧凭据有效性。来源:安全公告、版本说明

另一篇泄密预警论文尝试在模型生成前读取内部信号。Qwen3-32B 测试中,按良性控制调用 5% 报警率设置阈值后,检出 31 次、共 38 次泄密调用;未泄密的受攻击测试过程中,调用报警率为 5.5%,约 59% 的过程至少报警一次。检测还可能对获准披露的信息报警,因此高检出率不能直接换算成可靠的自动阻断效果。来源:研究全文与误报分析

影响与边界。 规则提供判断目标,训练偏好提供意愿表达,检测器提供风险信号,补丁处理已知缺口。它们可以互补,但各自都需要实施证据。对于部署团队,可先修复明确受影响的程序和凭据,再把规范转成具体案例,衡量预警带来的复核工作量与误中断,而不是仅比较检测比例。

趋势判断:这些进展怎样相互影响?

以下是基于本周材料的编辑判断,不代表已经得到普遍验证的行业结论。

第一,成本下降会把更多压力转移到验收。 更便宜的调用和自动选模型,让团队更容易增加任务与检查步骤。但如果没有可核对的结果,调用次数增加也可能只产生更多待审核内容。模型费用、结果正确率与纠错成本应一起记录。

第二,部署竞争正在延伸到模型之外。 身份管理、采购渠道、区域路由和设备配置都在影响机构能否实际采用 AI。企业需要的是能进入已有制度的完整流程;接口开放或采购优惠只是其中一部分。这也解释了为什么同周会同时出现能力发布与更细的访问约束。

第三,能力增长正在要求更细的证据。 生成场景、提出实验、检查推导和预测泄密,各有不同验收对象。InteractiveWorld 的状态检查、rTaste 的全候选执行和泄密研究的过程级误报统计,都说明评估需要追到实际目标,才能避免一个亮眼数字掩盖其他失败。

下周关注:哪些后续证据值得追踪?

以下是观察清单,不表示相关方已承诺在下周交付。

  1. 模型使用的真实账单。 Terra 与 Fusion 在固定业务任务上的成功率、累计调用费用和人工修正量,能否支持厂商评测之外的比较?
  2. 有限开放是否发生实质变化。 Carbon、Genie 4 是否公布新的准入范围与测试结果?候补入口仍应与实际获得访问区分。
  3. 企业控制能否经受实际任务检查。 智能体越权时能否撤销访问,桌面工具和跨区域请求是否符合组织的数据流要求?
  4. 科研材料是否出现独立解释与检查。 关注公开证明的可理解说明、问题修订、研究复现,以及同行评审原型的测试依据;不把合作名单当作结论背书。
  5. 程序和规则如何落地。 关注受影响部署的补丁与密钥处理,以及共同训练偏好信号的实施细节。Anthropic 上市申请也应依据后续正式文件跟进,不采用传闻补足价格和时间。

日报索引:本周材料可以从哪里继续阅读?

本周七篇日报齐全,以下按报道日排列;部分文章在次日发布,本文不以文章入库日代替新闻覆盖日。

来源:关键事实与日期怎样核对?

核验日期为 2026 年 11 月 1 日(Asia/Shanghai)。以下二十个主要一手来源按正文顺序排列;同一事件的公告与版本说明用于互相补充,不计为两条独立新闻。动态价格、开放范围和条款描述的是本次核验状态。

  1. OpenAI:GPT-6.1 Terra。官方订阅记录为北京时间 10 月 26 日 08:00。
  2. GitHub:Copilot Fusion 正式可用。原始发布时间 10 月 28 日 16:00 UTC,换算为北京时间 29 日 00:00。
  3. 百度:Unlimited OCR 官方仓库。正式发布与 MarathonDocBench 标为 10 月 27 日;不将此日等同于权重首次上传日。
  4. Google:Gemini 4 Carbon。datePublished 为 28 日 17:00 UTC,即北京时间 29 日 01:00。
  5. IBM:智能体身份、控制与可用性。官方公告标注 10 月 27 日,按逐项可用性清单介绍。
  6. AWS:政府云桌面应用配置指南。页面原始时间为 30 日 09:27:45(UTC−8),即北京时间 31 日 01:27:45。
  7. AWS:政府云模型接口与跨区域推理。postDateTime 为 30 日 20:43 UTC,即北京时间 31 日 04:43。
  8. Anthropic:S-1 注册申请。公告标注 10 月 26 日,原始文章对象创建于当日 12:09:08 UTC;不以日期型字段的零点推断提交时刻。
  9. Anthropic:扩大 GSA 合作。海外页面标注 27 日,文章对象创建于 27 日 21:51:46 UTC,落在北京时间 28 日;创建记录只辅助归日,不声称是精确上线时刻。
  10. Google DeepMind:Genie 4。datePublished 为 27 日 16:13 UTC,即北京时间 28 日 00:13。
  11. Meta:InteractiveWorld 首次公开版本。初次发布提交时间为 24 日 23:19:11 UTC,即北京时间 25 日 07:19:11。
  12. Google:Project Suncatcher 首次在轨响应。原始发布时间为 30 日 17:00 UTC,即北京时间 31 日 01:00;实验仅确认发生于公告当周。
  13. OpenAI:科研结果与学术协作。官方订阅记录为北京时间 26 日 22:30;报道的是材料与协作公开,不将此前实验重新归日。
  14. Springer Nature 与 Google DeepMind:同行评审助手。联合公告标注 10 月 26 日,当前为测试原型。
  15. rTaste 论文全文。提交记录中 v1 为 29 日 17:15:53 UTC,即北京时间 30 日 01:15:53。
  16. OpenAI:模型行为规范更新。官方订阅时间为 29 日 17:00 UTC,即北京时间 30 日 01:00。
  17. OpenAI:网站训练偏好信号。官方订阅时间为 30 日 09:30 UTC,即北京时间 17:30;实施仍是未来安排。
  18. Big-AGI:Gemini 密钥泄露安全公告。10 月 25 日披露,不据此推断发生过攻击。
  19. Big-AGI:v2.1.2 版本说明。正式发布时间为 25 日 04:42:10 UTC,即北京时间 12:42:10。
  20. 智能体泄密前预警研究全文。提交记录中 v1 为 29 日 17:47:40 UTC,即北京时间 30 日 01:47:40;调用检出率与过程误报分别呈现。

时间辅助记录:OpenAI 官方 RSS、InteractiveWorld 初次发布提交、Big-AGI 正式发行 API。这些记录仅辅助核对,不另计主要来源;不使用搜索抓取日、后续修改日或转载热度代替首次公开日期。