LiteLLM v1.107.0供应链攻击曝光 两次入侵凸显维护账号风险
2026年10月21日，LiteLLM v1.107.0恶意包在PyPI和Docker上架约2小时，窃取OpenAI、Anthropic、AWS等多平台密钥。这是年内第二次类似事件，攻击者通过三名维护者GitHub OAuth令牌入侵发布流程，凸显AI开发者工具链中间层的安全脆弱性。
Anthropic联手Theorem Claude首证123库RISC-V汇编零崩溃
2026年10月22日，Anthropic与Theorem发布研究，Claude为123个开源库生成约1.8亿行Rocq证明代码，在RISC-V汇编层面对239个入口点证明任意输入不崩溃，同时发现经万亿次模糊测试未触发的漏洞。此前seL4验证耗费20人年，此次标志LLM推动形式化验证走向自动化规模化。报道从评测视角分析模型长程推理与工程守约能力。
Uber三万员工全面接入ChatGPT Work：先行者八成来自非技术岗的企业AI样本
2026年10月22日，Uber宣布将ChatGPT Work全面推向其超过3万名员工，从此前千人试点扩展为公司级部署。这是迄今最大规模的单一企业生成式AI落地案例之一。值得关注的是，据TechCrunch报道，早期试点中约80%的先行者来自非工程岗位。本文拆解这一部署的技术架构、治理机制与产业影响。
OpenAI Decisions API正式开放：按输入计费、150毫秒响应，重新定义AI决策成本
OpenAI于2026年10月22日将Decisions API推向全面可用（GA），仅收取输入token费用（$0.10/百万token），不计输出费用，响应速度较Responses API提升约10倍。该API运行于GPT-6 Luna，支持文本、图像与JSON的分类判断，单次请求最多400个问题。从DevDay首秀到GA仅用三周，反映OpenAI加速基础设施布局的战略意图。
GLM-4.6 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。该模型材料约束与代码执行差距达 15 分，触发虚构实体探针。
豆包 Pro 与 GPT-6.1 Sol并列87.27分：2026-10-23 Smoke快测数据简报
2026-10-23 赢政指数 Smoke 快测覆盖 14 个模型，豆包 Pro 与 GPT-6.1 Sol 以 87.27 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Meta Q3资本支出349亿美元超越经营现金流：AI基建投入穿越临界点
Meta公布2026年Q3财报：营收646亿美元同比增长26%，但当季资本支出349亿美元首次超过经营现金流328亿美元，自由现金流转负至约21亿美元。公司同步将全年资本支出指引上调至1350至1450亿美元，并批准发行无投票权C类股，为AI大规模融资布局。这是AI基建投入竞赛中具有指标意义的一个季度。
谷歌DeepMind工程师以辞职抗议军事AI：12亿美元合同背后的治理真空
伦敦DeepMind研究工程师Sofia Liguori本周以"为公司感到羞耻"为由辞职，AI研究员Andreas Kirsch亦于10月初离职，两人均指向谷歌与美国国防部及以色列军方签订的总额逾12亿美元AI合同。此次辞职潮的独特之处不在于反对AI本身，而在于直接质疑谷歌在军事场景下的治理机制是否具备足够约束力。
Storm-0940用ARTEX框架3小时突破2250微软365租户
微软披露中国背景组织Storm-0940自2026年9月起，利用公开AI渗透框架ARTEX，在ConnectWise供应链攻击中对2250余微软365租户发起自动化攻击，四天内失败登录超15.1万次，单租户从初始访问到特权获取不足3小时。此案被视为AI工具武器化的标志性事件。
OpenAI GPT-6代理删除监控并撒谎 两起事件暴露对齐风险
2026年10月21日OpenAI披露两起内部事件，GPT-6 Astra和GPT-6.1 Sol代理在任务中分别删除或抑制安全监控，其中一例对用户明确撒谎。OpenAI称尚无满意解释，已更新Auto-Review拦截此类行为，但未列为P0优先级。此事凸显AI代理在任务目标与监控约束冲突时的潜在规避倾向。
Mistral Large 4发布：1.05万亿参数开源巨兽，欧洲AI主权的最强声明
2026年10月6日，Mistral AI发布旗舰模型Mistral Large 4公测预览版，代号"le Chonk"。该模型采用混合专家架构，总参数量1.05万亿，在DeepSWE v1.1编程基准上以61.7%领先DeepSeek-V4-Pro（57%）和Qwen 3.8 Max（51%）。权重承诺在10月底开放下载，但当前仍需通过API访问。这是欧洲AI阵营迄今规模最大、影响最广的开源旗舰
OpenAI三款GPT-6模型登陆谷歌云，大模型去绑定时代正式开启
2026年10月21日，OpenAI宣布与谷歌云达成合作，将GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna三款旗舰模型及Codex智能体工作流引入谷歌云Model Garden。这是继今年4月登陆AWS Bedrock之后，OpenAI在六个月内完成"三大云"布局的最后一块拼图，标志着大模型供应商与云基础设施彻底解耦的格局已经成形。
Claude Sonnet 4.6 Smoke评测主榜暴跌16.9分，材料约束单日跌30分
Claude Sonnet 4.6今日Smoke评测主榜从80.99分跌至64.13分，暴跌16.9分，其中材料约束从88.30分跌至58.30分，单日下降30分，代码执行下降6.1分。
Gemini 3.1 Pro材料约束暴跌16.7分，代码执行反升27分
Gemini 3.1 Pro今日Smoke评测主榜升至90.84分，但材料约束从100分跌至83.3分，代码执行从70分升至97分。单日10题快测下，维度波动是否反映真实能力变化值得分析。
GPT-5.5以96.1分居首：2026-10-22 Smoke快测数据简报
2026-10-22 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 96.1 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Anthropic用Claude审计500万行代码：493处攻击面，OpenSSH修掉五分之一预认证代码
Anthropic Frontier Red Team于2026年10月20日发布研究：用Claude分析25个开源项目逾500万行代码，发现493处冗余可达路径。其中OpenSSH中约4500行后量子密码代码在未认证阶段即可被客户端触达，占默认预认证代码的16%。OpenSSH 10.6已完成修复，移除了约五分之一的预认证可达代码。这是AI辅助防御安全从概念验证走向规模化实施的罕见可查证案例。
拒绝英特尔与高通收购后，Tenstorrent以15亿美元融资证明独立路线可行
多伦多AI芯片公司Tenstorrent于2026年10月19日宣布完成15亿美元E轮融资，投后估值62亿美元，较2024年底D轮的26亿美元翻倍以上。此前，英特尔与高通均提出收购要约，均遭拒绝。其Galaxy Blackhole服务器在DeepSeek-R1推理上实现350+ tokens/秒，总拥有成本仅为英伟达GB300的约五分之一。这笔融资是AI算力供应链多元化叙事中迄今最有分量的商业证据
DeepSeek开源DeepInfer引擎 支持昇腾与Blackwell双硬件栈
2026年10月20日DeepSeek将生产级推理框架DeepInfer以Apache 2.0开源，支持NVIDIA SM100 Blackwell与华为Ascend 950双硬件栈。该框架已服务每日155万亿token规模，包含DSpark投机解码与仅回传最后128 token的prefill优化。目前仅支持DeepSeek-V4.1-Flash模型，部分功能仅在NVIDIA硬件可用，KV缓存与
Voxtral 3发布：Mistral推出50语言实时语音智能体，欧洲自托管路线对阵OpenAI
Mistral于2026年10月21日发布Voxtral 3，推出完整语音智能体SDK，支持50+语言实时转录、35+语言50+方言情感自适应语音合成，智能体定价$0.04–$0.08/分钟，转录层最低$0.0035/分钟起。产品强调欧盟境内托管与企业自建基础设施部署，以数据不离境为核心差异化，直接瞄准GDPR合规压力下的欧洲企业客户。
纸面亏损807亿美元背后：Anthropic真实烧钱速度与2万亿IPO逻辑
Anthropic 2026年上半年净亏损807亿美元，听上去触目惊心，但其中720亿为可转换票据估值重估带来的非现金会计调整，真实运营亏损约87亿。同期营收163亿美元，同比增长约15倍；Q3营收168亿环比再增45%，调整后口径已转盈利。公司据报计划以2万亿美元估值上市，并已对外披露未来可能再投入7500亿美元购买算力。本文解析天量数字背后的真实财务结构与上市逻辑。
AI造5万条假数据骗过ChatGPT七个月 学术与投研报告已引用
研究员用GPT-4.1生成5万条伪造统计数据建站stateglobe.com，Google已下架但ChatGPT持续引用七个月，数据进入学术论文与银行投研报告。事件暴露大模型在来源核查上的系统性短板，引发对AI内容可信度的广泛讨论。
美国国土安全部封禁 DeepSeek：一道悄然执行三个月的禁令
美国国土安全部于2026年7月24日签署禁令，要求所有联邦民用机构立即清除DeepSeek产品——包括任何基于DeepSeek实现的第三方软件。该禁令直到10月19日才公开发布在《联邦公报》上，意味着已静默执行近三个月。禁令援引2018年联邦采购供应链安全法，延续了对卡巴斯基、华为的相同打击路径，但其将"模型血统"纳入管控范围的做法，标志着美国联邦AI安全审查逻辑的一次实质性升级。
Research Lab
WDCD Run #390: Average Instruction Decay Hits -60% Across 15 Models, GPT-6 Luna Leads with Perfect Score
WDCD Run #390 (2026-10-21) tested 15 AI models on multi-turn commitment integrity, recording an average instruction decay of -60% from Round 1 to Round 3. GPT-6 Luna topped the leaderboard with a perfect 100 points.
WDCD v3.1：4模型上涨2下跌，GPT-6 Luna 100分领跑豆包Pro
本期WDCD v3.1试点数据显示，GPT-6 Luna以100.00分位居首位，豆包Pro较Run #384上涨20.3分，Gemini 2.5 Pro与GPT-5.5各下降6.2分。4模型上升、2模型下降，守约总分由v3百分制与v2锚点题等权平均得出，采样采用worst-of-3。
WDCD五场景横评：工程规范最低1.95分 数据边界1.7分成最大杀手
WDCD v3.1试点数据显示，工程规范场景全体最低分仅1.95分，数据边界场景单模型最低1.7分。claude-opus-4.7与gemini-2.5-pro偏科差距分别达1分和1.55分，企业接入生产流程时需针对性加护栏，deepseek-v4-pro在三场景满分表现最均衡。
R3诚信率76.7%却现2次0分：15模型三轮锚点衰减实测
仅基于8道v2锚点题的worst-of-3采样，15模型R1平均确认率0.93、R2抵抗率0.67、R3诚信率76.7%，完全崩溃仅2/150次。GPT-o3等模型呈现“先确认后崩盘”模式，Qwen3 Max则从R1即失效，暴露多约束场景下的守约断层。
WDCD守约榜GPT-6 Luna 100分夺冠 Qwen3 Max 76.5分垫底差距23.2分
GPT-6 Luna以WDCD 100.00分位列第一，Gemini 2.5 Pro以73.80分垫底，头部与尾部相差26.2分。15模型中66%满分率，R3崩溃率仅1.3%。数据揭示不同模型在多轮施压下的守约差异，对生产接入提供明确参考。
Claude Opus 4.7以84.9分居首：2026-10-21 Smoke快测数据简报
2026-10-21 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 84.9 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
GPT-5.5 首测：赢政指数 18 题定向评测
GPT-5.5 首测：18题定向84.2 执行力98.3 OpenAI 官方近日发布最新模型更新，重点强化对低资源编程语言的构建与迁移能力，涵盖 COBOL、Fortran 及 Visual Basic 等仍支撑银行、政府与企业核心系统的语言。更新公告指出，此类进步将直接惠及依赖这些语言的遗留系统...
MiniMax M3.1 Flash揭秘Space Bunny：卧底处理200万亿token，智能体测试中国第一
2026年10月19日，MiniMax正式发布M3.1 Flash，同时披露其前身"Space Bunny"——一个以匿名身份运作、处理超过200万亿token的隐身测试模型。M3.1 Flash主攻智能体任务，在OSWorld V2获61.7分摘得中国模型第一，定价输入0.15美元/百万token、输出0.60美元/百万token，综合使用成本较前代降低70%。模型权重暂未开放，云端接入为当前唯