每日 AI 日报
开发生态
OpenAI 已正式开放仅支持 gpt-6-luna 的 Decisions API，可处理文本、图像和 JSON，并将单次请求的问题上限从 200 个提高至 400 个，输出 token 不收费。
OpenAI 已正式开放 Decisions API，开发者现可通过专用 API 接口调用，或在 OpenAI 平台的 Playground 中试用。该接口目前仅支持 gpt-6-luna，可评估文本、图像和 JSON，并返回条件成立的概率、预设选项或评分，用于内容分类、请求分流及确定后续动作。单次请求的问题上限由公测期间的 200 个增至 400 个，同时新增 GPT-Live 原生集成和提示缓存。官方表示，其决策速度最高可达通过 Responses API 调用 GPT-6 Luna 的 10 倍。未缓存输入的价格为每百万 token 0.10 美元，缓存输入为每百万 token 0.01 美元；缓存写入另计费，输出 token 不收费。
开发生态
OpenAI 的 Codex 负责人 Tibo 表示，连续改进计划第 17 天的用量额度重置已完成。这次兑现的是额度重置安排；他此前承诺，团队将在 28 天内每天交付一项改进或完整重置一次额度。
OpenAI 的 Codex 负责人 Tibo 宣布，团队已在连续改进计划的第 17 天完成用量额度重置，这次更新对应计划中的重置安排。按他此前公布的承诺，该计划持续 28 天，每天的交付有两种选择：上线一项对多数 Codex 和 Work 用户有实际价值的明确改进，或完整重置一次用量额度。此次公布的是后者，而不是一项新功能改进；每天二选一的安排属于他对团队交付节奏的承诺。
开发生态
Anthropic 宣布向 Agentic AI Foundation 捐赠 Agent Skills 开放标准；该标准已被超过 70 个 Agent 平台集成，已发布的 skills 达 100 万个，安装量接近 2.8 亿次。
Anthropic 在公告中宣布，将 Agent Skills 标准及其名称、标识、GitHub 组织和 agentskills.io 域名捐赠给 Linux Foundation 旗下的 Agentic AI Foundation（AAIF）。该标准于 2025 年 12 月开放，已有超过 70 个 Agent 平台集成，包括 ChatGPT、Cursor、GitHub Copilot 和 VS Code；已发布的 skills 达 100 万个，安装量接近 2.8 亿次。每个 skill 是包含 SKILL.md 的文件夹，可附带 scripts 和参考材料，为 Agent 提供特定任务或领域的操作知识。据官方说明，使用或贡献该标准无需加入 AAIF，来自 Anthropic、Google、OpenAI 等公司的工程师将以个人身份维护项目。Anthropic 提议的初始路线图包括版本化发布、正式提案流程，以及面向 skills 编写者和安装者的安全指南。
开发生态
Anthropic 托管版 Claude 已在 Google Cloud 正式可用，支持沿用 IAM 与统一账单。官方称，Opus 5.5 的 Fast Mode 输出速度最高为原来的 2.5 倍，每百万输入、输出 tokens 分别为 8、40 美元。
Anthropic 已在 Google Cloud 正式提供其托管版 Claude，原文未注明具体上线日期。该服务由 Anthropic 运营并担任数据处理方，目前提供 US 和 Global endpoints。官方表示，客户可使用完整的 Claude Platform 功能，新功能与 beta 将与原生平台同日上线，新模型也将在发布时同步提供。目前可用模型包括 Claude Fable 5.1、Opus 5.5、Sonnet 5.5 和 Haiku 5.5。接入沿用现有 Google Cloud IAM 凭证，费用计入同一张 Google Cloud 账单，使用量可抵扣现有 Google Cloud 承诺消费额度。
该托管版同时向客户开放 Claude Console，用于编写 prompts、配置 Agent、在托管环境运行、监测用量与成本，以及按 workspace 管理访问权限和安全。Opus 5.5 的 Fast Mode 也已正式可用；据官方说明，其输出 token 生成速度最高为原来的 2.5 倍，每百万输入 tokens 收费 8 美元，每百万输出 tokens 收费 40 美元。Google 托管版仍保留，由 Google 担任数据处理方，并提供 Model Armor、Agent Engine 等原生集成。官方另说明，已有折扣的客户需在启用 Anthropic 托管版前联系客户经理确认适用情况，折扣不能追溯用于已发生的用量。
开发生态
Google 已开放 Gemini API CLI 实验性预览，当前版本为 v0.4.x，开发者和具备 shell 访问权限的 Agent 可直接调用 Gemini API，生成媒体文件并将其接入 shell 流水线。
Google 已推出 Gemini API CLI（gemini-api）实验性预览版，目前提供 v0.4.x 版本，供开发者和具备 shell 访问权限的 Agent 使用。该工具覆盖图像、视频、语音和音乐生成，也支持媒体分析、音频转录及 Managed Agents 管理。据其说明，媒体生成命令会把文件直接保存到磁盘，标准输出仅返回文件路径，以便接入 shell 流水线。程序采用无状态、零依赖的二进制形式，支持 macOS、Linux 和 Windows，使用前需要配置 Gemini API key。
开发生态
Qoder 公布社区助力活动，符合资格的个人用户可领取 1,024 SOTA Credits，并通过每日助力共同解锁三轮奖励；活动于 2026 年 10 月 22 日至 2026 年 10 月 30 日举行，奖励用于 Sonus。
Qoder 将于 2026 年 10 月 22 日至 2026 年 10 月 30 日 23:59 举办 Community Boost，向符合资格的个人用户提供 Welcome Pack 和社区累计助力奖励。据官方说明，Welcome Pack 含 1,024 SOTA Credits；累计助力达到 20,000、50,000 和 100,000 点时，分别解锁 2,048、3,072 和 4,096 SOTA Credits。成员每天可助力一次，每次有效助力计 1 点，每日额度于 00:00 重置，不累积。各轮达标后，奖励将在 12 小时内发放，累计点数继续计入下一轮，不会清零。上述 Credits 可用于 Sonus。
个人 Pro 及以上订阅用户自动加入，活动期间订阅或升级的用户也符合资格；Free 用户须提交申请并获批，每个账户只能申请一次，提交后不能修改或重交。Lite 目前不支持 Sonus，须升级至 Pro 或以上才能领取。领取资格以领取时的账户状态为准，各礼包每个账户限领一次，且须在支持的客户端手动领取，无须当天助力。Welcome Pack 的领取截止时间为 2026 年 10 月 30 日 23:59，有效期至 2026 年 10 月 31 日 23:59；各轮礼包须在发放后 3 天内且不晚于活动结束时领取，领取后有效期为 24 小时。未使用的 Credits 到期作废，不能与非高峰时段折扣叠加。
开发生态
智谱就部分 GLM Coding Plan 用户遇到的回答质量下降致歉，并向所有 Coding Plan 付费用户补偿 3 张重置卡，有效期至 2026 年 12 月 22 日；新模型发布后还将额外赠送一次重置卡。
智谱就部分 GLM Coding Plan 用户的模型回答质量下降致歉，并于 2026 年 10 月 22 日晚向所有 Coding Plan 付费用户发放 3 张补偿重置卡，有效期至 2026 年 12 月 22 日。补偿范围不限于遇到问题的用户，新模型发布后还会额外赠送一次重置卡。据智谱说明，排查发现少数推理节点存在硬件异常，经过这些节点的会话输出质量受到影响。官方表示，异常节点已全部下线，相关流量已转至健康节点，后续将继续监控并加强服务保障。
模型发布
科大讯飞发布星火 X2.6 端云一体大模型，并开源 4B 参数端侧模型，系列模型已开放试用。官方公布的限时价格为每百万 tokens 输入 0.9 元、缓存命中 0.08 元、输出 3.6 元。
科大讯飞在全球 1024 开发者节推出星火 X2.6 端云一体大模型，同时开源 X2.6-4B 端侧模型，系列模型目前可在讯飞星火官网试用。据官方说明，X2.6 使用国产算力训练，采用 293B-A30B MoE 架构，支持 1M 上下文，强化了代码和 Agent 能力，并允许按任务场景自定义安全策略。其限时推理价格按每百万 tokens 计费，输入为 0.9 元，缓存命中为 0.08 元，输出为 3.6 元。端侧的 X2.6-4B 则采用 4B 参数的 Dense 架构，支持 200 多种语言及 1M 推理上下文，新增三档推理模式，推理服务限时免费。
模型发布
上海人工智能实验室已发布并开放书生-A1.5（Sage-A1.5）模型权重，总参数为35B、激活参数为3B；据其说明，模型着重提升智能体编排、自主验证与开放式科学探索能力。
上海人工智能实验室已发布书生-A1.5（Sage-A1.5），模型权重已在Hugging Face和魔搭开放，支持通过vLLM、SGLang等框架本地部署，并提供免费试用入口。该模型采用MoE架构，总参数为35B，激活参数为3B，原生支持256K上下文，通过YaRN可扩展至512K。据官方说明，模型可把任务交给上下文相互独立的子智能体并行执行，也能在推理过程中核查证据并调整策略，能力提升重点包括智能体编排、自主验证与开放式科学探索。编排和验证模式均默认关闭，需要按需启用。
模型发布
Canva 推出首款自研图像模型 Craft，向全球用户及 API 开发者开放，支持最高 2K 输出。官方称，该模型在 DesignArena 首次上榜排名第 4，并在两项细分类别中排名第 1。
Canva 发布由内部 AI 实验室 Canva Research 从零训练的首款基础模型 Craft，发布时已向全球 Canva 用户开放，并提供 Public API 和 Canva MCP Server 接入。用户可在 Dream Lab 中使用该模型，开发者可将其接入营销平台、电商网站、广告制作工具和印刷服务。据官方说明，Craft 在 DesignArena 首次上榜位列图像生成模型第 4；在 People & Portraits 的 87 个模型及 Landscapes & Nature 的 85 个模型中均排名第 1，在 Abstract & Patterns 和 Products 中分别排名第 2 和第 4。
据官方说明，Craft 将构图规划与图像渲染分为两个阶段，先确定元素、空间关系、比例、视觉层级和文字，再生成最高 2K、支持超过 30 种宽高比的图像。这一结构支持针对单个元素修改，并可配合 Magic Layers 将生成图像转为可编辑的设计元素。训练数据包含 Canva 内容库中数百万个人工制作的模板，后续通过 supervised fine-tuning 和 reinforcement learning 纳入专业设计师反馈。官方还表示，模型蒸馏和定制推理引擎使 Craft 比首个内部版本快一个数量级；Craft-fast 和 Craft-ultrafast 两个变体尚待推出。
模型发布
Ideogram 发布矢量模型 Ideogram Vector，支持通过文字描述或已有图像生成可编辑的 SVG。官方表示，输出可用于标志、印刷设计和插画，并能在矢量编辑器中调整颜色与独立形状。
Ideogram 已发布 Ideogram Vector，提供从文字描述生成 SVG 和将已有图像转换为可编辑矢量图的两种方式，原文未注明发布日期。输入文字描述时，用户可以选择附加参考图像；直接上传已有图像进行转换时，则不需要提供文字描述。据官方说明，生成结果适用于标志、印刷设计和插画，可从小型标签放大至大型海报，同时保持边缘清晰。用户还可以在矢量编辑器中修改 SVG 的颜色，选择并细化单独的图形元素，以调整设计。
模型发布
Hugging Face 发布基因组模型系列 Carbon，以 1T tokens、约 6T DNA 碱基对训练，并提供 7 项 zero-shot DNA 评估代码及任务微调方案，预训练数据中原核生物占 10%。
Hugging Face 已在 GitHub 发布基因组 causal language models 系列 Carbon 及配套评估、微调代码，原文未注明发布日期。该项目由 Hugging Face、中关村学院与 TIGEM／那不勒斯费德里科二世大学的研究团队合作完成。据项目说明，模型使用 Carbon Pretraining Corpus 中的 DNA 与 RNA 序列训练，规模为 1T tokens，约合 6T DNA 碱基对；数据组合面向真核生物，原核生物占 10%。其 hybrid tokenizer 对英文使用 BPE，对 DNA 使用 6-mer，通过序列内的 <dna> 标签切换。
开发者可通过同一个 backend flag，在 Carbon、GENERator 或 Evo2 上运行仓库提供的 7 项 zero-shot DNA 评估；据项目说明，这一设置支持跨模型系列直接比较结果。对于 zero-shot variant scoring，输入完整序列后读取 log-likelihood 即可。微调代码包含基于 Transformers Trainer 和 AutoModelForSequenceClassification 的 promoter detection 示例，以及使用自定义 FNSTrainer 的自回归 DNA 建模方案。后者采用 Factorized Nucleotide Supervision（FNS），对 DNA k-mer tokens 计算碱基对级别的 loss。仓库也支持通过 AutoModelForCausalLM 加载模型，以带 <dna> 标签的序列和 next-token loss 继续预训练。
模型发布
蚂蚁数科发布软件研发决策模型 LingDT-Decision-1.0，提供 4B、27B 两个版本，仅通过 DTMaaS 提供 API，限时免费至 10 月 30 日，原文未注明年份。
蚂蚁数科已推出 LingDT-Decision-1.0，面向软件研发中的决策任务，发布日期未披露，免费期截至 10 月 30 日，原文未注明年份。模型原生支持多选与 DAG 决策，提供 4B 和 27B 版本，API 仅通过 DTMaaS 提供。单次请求的上下文上限为 16K，最多包含 32 个问题，最大支持 255 个选项。据蚂蚁数科的评测，27B 版本的综合准确性高于 Microsoft Decision-1 和 Jev 1.13.0。官方还表示，与通用 LLM 处理相同任务相比，该模型的 token 消耗减少 90%，响应速度快 10 倍。
模型发布
GameScaling 给出的结果显示，增加数据能改善训练语料内的游戏表现，数据多样性则有助于向相近世界迁移，但对较远世界的收益有限；更大的模型学习更快，却在单一世界训练下更难泛化到较远世界。
GameScaling 报告了数据量、数据多样性和模型规模对游戏表现及跨世界泛化的不同影响。其结果显示，扩大模型规模可以加快学习，但在只使用单一世界训练的条件下，更大的模型在较远世界中的泛化表现反而更差。数据方面，增加数据改善的是训练语料内的游戏表现；提高数据多样性能够促进向相关世界迁移，但迁移目标为较远世界时，收益仍然有限。
模型发布
蚂蚁百灵已开源面向医疗科研与工作流的 Ling-3.0-flash-Sante，总参数为 1240 亿，每个 token 激活 51 亿参数。模型权重可在 Hugging Face 和 ModelScope 获取，但不得用于独立诊疗决策。
蚂蚁百灵已宣布开源医疗增强 MoE 模型 Ling-3.0-flash-Sante，并在 Hugging Face 和 ModelScope 开放模型权重。该模型定位为研究模型，而非医疗器械，不得独立进行诊断、开药、分诊或治疗决策。其总参数为 1240 亿，每个 token 激活 51 亿参数，训练上下文扩展至 256K token。据其说明，模型面向医疗科研与工作流，强化的能力包括专业医疗任务、复杂医学推理、深度研究、多 Agent 协作及工具调用。
模型发布
蚂蚁百灵发布 Ling-3.1-flash-1019，官方称其 Intelligence Index 得分由 41 升至 44，两项 Agent 评测也有提升；API 接入和开放权重尚待推出。
蚂蚁百灵已发布 Ling-3.1-flash-1019，并公布与 Ling-3.1-flash 的评测对比，API 接入和开放权重即将推出。据官方说明，Agent 任务的两项评测中，AA-Briefcase Elo 从约 1400 升至 1524，AutomationBench-AA 得分从 62% 升至 68%。此外，官方表示，新模型在 Artificial Analysis Intelligence Index 上的得分从 41 升至 44。
产品应用
Anthropic 宣布，Claude 将从公告所称的下一周起，为 Pro、Max 和 Team 订阅用户的新会话默认启用自动模式，覆盖网页端、桌面端和移动端 App，用户仍可随时切回手动模式。
Anthropic 宣布将从公告所称的下一周起，调整 Claude 的默认会话模式，适用范围为 Pro、Max 和 Team 三档订阅用户在网页端、桌面端和移动端 App 中开启的新会话。据官方说明，自动模式不再要求用户逐步批准操作，而是通过自动检查放行安全操作、拦截风险操作，并让 Claude 寻找其他路径。这项默认设置不影响用户自行选择模式，用户可随时切回手动模式。
产品应用
Google 已开放将 Gemini App 交互式应用直接导出至 Google Sites 的功能，覆盖网页端、Android 和 iOS 三个平台。导出会生成保留交互能力的私有网站草稿，无需复制代码或重建应用。
Google 已在网页端、Android 和 iOS 开放 Gemini App 交互式应用的 Google Sites 导出功能。使用范围包括可访问 Gemini App 的 Google Workspace 客户、Workspace Individual 订阅用户及个人 Google 账号用户；使用者还须启用 Google Sites，并具备创建和编辑网站的权限。据 Google 说明，导出后会创建新的私有网站草稿，应用的交互能力会保留，用户不必复制代码或重新构建应用。草稿可继续添加内容和自定义，之后再发布和分享。
产品应用
Grok Bot 团队宣布向 iOS 和 Android 逐步推送手机应用操作功能，涉及日历、提醒事项和联系人等应用；展示的权限界面列出六类权限，涵盖消息读写、日程添加及家居设备控制等用途。
Grok Bot 团队宣布，手机应用操作功能正向 iOS 和 Android 逐步推送，Grok Bot 可使用日历、提醒事项和联系人等应用。团队展示的界面列出消息、位置、日历、家庭、提醒事项和联系人六类权限，据其说明，可用于读写消息、查找附近地点、添加日程及控制家居设备。另一来源 Tech Dev Notes 则称，Grok Bot 现可访问 Apple Calendar、Alarms、Reminders、Location、Home 和 Contacts。
产品应用
1Password 于 2026 年 10 月 22 日宣布推出面向个人 AI Agent 的登录授权平台。官方表示，用户批准后，平台会向目标网站直接填入凭据，让 Agent 继续执行任务，而不向其暴露密码或一次性验证码。
1Password 于 2026 年 10 月 22 日宣布推出 1Password for Agents，为个人 AI Agent 提供由用户审批的登录机制。据官方说明，Agent 遇到登录页面时，可请求使用用户 vault 中的凭据；用户在 1Password 中核对并批准后，由 1Password 直接向目标网站自动填入，Agent 不会看到密码或一次性验证码。用户可以选择允许使用的登录信息，并随时断开集成。集成进度因产品而异：Meta 的 Muse 和 SpaceXSI Grok Bot 将在公告后的数日内于所有平台陆续推出；Anthropic 的 Claude Duet、OpenAI ChatGPT Work 和 dots 的集成即将推出，Town Townie 的 web 和 iOS 集成也尚待上线。官方同时面向个人 Agent 开发者提供该平台，用于接入登录审批流程。
技术与洞察
Anthropic 与 Theorem 合作，使用 Claude 在数周内为 123 个开源库生成安全性质的形式化证明。官方表示，这些证明覆盖特定条件下的运行安全，并非证明软件不存在所有类型的漏洞。
Anthropic 披露，与 Theorem 合作的项目使用 Claude，在数周内为 123 个开源库完成了 RISC-V 汇编代码层面的安全性质证明。据其说明，证明针对的程序以单线程、固定内存预算的 static binary 运行于使用 Linux OS 的 RISC-V CPU；在这些假设下，对于所有小于 64 MB 的输入，以及模型涵盖的所有 Linux OS 响应和内存布局，程序均会正常退出，不触发内存安全错误或 assertion 失败。这不等于排除所有可能的漏洞。项目将已有、可编译的 test suites 自动转化为 specification，以测试始终通过作为规则。官方表示，Claude 在编写证明时还发现了经历数万亿次测试仍未被检测出的漏洞。Anthropic 正公开部分证明及 RISC-V 和 OS semantics，供外部验证和复用；Theorem 也提供面向其他开源项目的同类流程，并发布帮助开发者验证代码的 Claude skill。
技术与洞察
METR 披露，其与 Redwood Research 的员工在为期三周的测试中发现 OpenAI 内部监控系统存在多项漏洞，并形成 61 页报告。OpenAI 表示，影响生产防护体系的相关漏洞均已修复，但评估方未核验这一说法。
METR 于 2026 年 10 月 22 日披露，其与 Redwood Research 的员工通过为期三周的高权限测试，发现 OpenAI 当时的内部失准监控系统存在多项此前未发现的漏洞。测试重点是估算 Agent 推理受到监控的比例，以及 Agent 是否原则上能够关闭或破坏监控。评估针对测试开始时及此前的系统，不涵盖当时正在推进的改动，也未确定扩展后系统的当前覆盖范围。OpenAI 表示，所有影响其生产防护体系的已识别漏洞均已修复，并称此后调整了预期监控覆盖范围；评估方未核验这些说法。
参与测试的两名员工可以查阅内部代码库、监控 prompts、配置和文档，并访谈了约 12 名研究人员及工程师。他们使用不得带离场所的 OpenAI 设备，现场活动有人陪同。测试形成的 61 页内部报告已交给 OpenAI 研究和安全人员，经过 OpenAI 删节的 38 页版本则交给 METR 和 Redwood 管理层。这项试点旨在探索向外部研究人员开放内部基础设施，三方事先约定只发布简短的概述。OpenAI 有权删除其认定为机密或敏感的信息，评估方没有单方面披露这些删节的权利。
技术与洞察
Google 与 Alphabet CEO Sundar Pichai 表示，Gemini 4 Argon 在最初 72 小时处理了近 25 万亿 tokens，约为 Gemini 3 同期的三倍；Google 面临算力限制，正开发效率更高的版本以扩大访问范围。
Google 与 Alphabet CEO Sundar Pichai 在 Gemini 4 Argon 扩大发布后接受 Sources 采访时表示，Google 正开发效率更高的模型版本，以应对算力限制并扩大访问范围。据其说明，Argon 在最初 72 小时处理了近 25 万亿 tokens，约为 Gemini 3 上一年相同时间窗口处理量的三倍。他承认 Google 需要在今年加快发布节奏，并预计 Gemini 4 将延续这一节奏。在消费者 Agent 方面，他表示 Google 正将企业 Agent 背后的能力引入 Gemini，包括全天候执行任务，让对话、定时任务和后台工作通过同一入口处理，相关能力将在接下来几个月扩大开放。他还表示，Agent 可以跨 Google 产品携带用户上下文，让用户在一个产品中开始任务、在另一个产品中继续。
技术与洞察
Microsoft AI 披露序贯诊断研究：其 MAI-DxO 搭配 OpenAI o3，在由 304 个 NEJM 病例构成的基准上准确率达 85.5%；参与对照的 21 名医生在已完成病例上的平均准确率为 20%。
Microsoft AI 公布了诊断编排系统 MAI-DxO 和 Sequential Diagnosis Benchmark（SD Bench）的评估结果，官方表示，MAI-DxO 提升了所有受测模型的诊断表现。SD Bench 将 304 个 NEJM 病例改造成分步诊断任务，参与者可逐步提问、申请检查，并根据新增信息调整判断，最终与 NEJM 公布的诊断结果比对。每项检查还计入虚拟费用，用于同时衡量准确率和资源支出。受测基础模型包括 GPT、Llama、Claude、Gemini、Grok 和 DeepSeek。据其说明，MAI-DxO 模拟多名医生协作，在决定下一步前检查费用并核验推理；与 OpenAI o3 搭配时准确率最高，为 85.5%。对照组由来自美国和英国、具有 5–20 年临床经验的 21 名执业医生组成，在已完成病例上的平均准确率为 20%。
技术与洞察
技术与洞察
行业动态
前瞻与传闻
