1. 美国下令联邦文职机构清除 DeepSeek，第三方「套壳」产品也一并覆盖
美国国土安全部（DHS）10 月 20 日在《联邦公报》发布命令，要求联邦文职机构停止采购 DeepSeek 的产品与服务，并把已有部署从政府 IT 系统中移除。这道命令的范围比”封一个 App”要宽：它不仅指向 DeepSeek 自家产品，也覆盖由第三方使用 DeepSeek 技术构建的产品和服务，机构如需保留可申请豁免。
DHS 给出的理由是数据出境风险——按中国法律，来自美国政府用户的敏感信息有可能被中国当局获取。此前 2025 年 12 月通过的一项法律已经限制 DeepSeek 在情报界国家安全系统中的使用，这次把约束扩到了整个联邦文职体系，同时管住新采购与存量系统。
外交部发言人毛宁在 20 日的例行发布会上回应，反对”过度延伸国家安全概念、把科技和经贸问题政治化”，并表示将坚决维护中国企业的合法权益。另一条并行线索是，彭博上周报道中方正在考虑对 23 项 AI 相关技术实施出口管制，包含芯片设计与部分先进模型。美方去年 9 月还曾指认 DeepSeek、阿里、月之暗面等 6 家中国公司用大规模蒸馏方式提取美国模型能力——管制与反制，正在同一张桌子上往两个方向加码。
2. MiniMax M3.1 Flash 正式交卷：匿名「玉兔」现形，Agent 榜国产第一
国庆期间在 OpenRouter 上匿名屠榜、代号 Space Bunny（玉兔）的模型，马甲被揭了：背后是 MiniMax，正式型号 M3.1 Flash。正式版的成绩比匿名期还略高一档。
Agent 维度是这次的主场。Agents Last Exam（ALE）拿到 29.6%，国产模型第一，Artificial Analysis 榜 43 分；DeepSWE v1.1 得 73.7%，只输给 DeepSeek V4.1 Flash 1017 的 77 分，压过 GPT-6.1 Sol、Claude Opus 5 和 Claude Fable 5；伯克利主导的 CyberGym 82.2 分，与 GLM-5.3 的 84.5、GPT-5.6 Sol 的 83.6 同处第一梯队；Zapier 开源的 AutomationBench-AA 位居前列，单任务成本不到 0.05 美元；金融场景的 BankerToolBench 飙到 76.2，与 Claude Opus 5 并列第一；OSWorld V2 桌面操作 61.7 分。
工程上的关键是一套相当激进的稀疏注意力架构，线上推理速度提升近 3 倍，输出峰值 200+ TPS、P50 稳定在 170+ TPS——多子 Agent 串联时那个”等红绿灯”的体感，主要就是被这一层削掉的。价格是另一半答案：输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，输入输出直接腰斩，缓存降 75%，综合成本压到上一代 M3 的 30%。
把它和两天前的 DeepSeek V4.1 Flash 1017 放在一起看，路线分工已经很清楚：DeepSeek 死磕纯 Coding 的极致性价比，MiniMax 押跨 SaaS 企业工作流和金融工具链调用。曾经”Flash = 旗舰阉割版”的默认共识，正在被这两款小尺寸模型拆掉。
3. 御三家下月混战：Claude 新版「修 Bug 治本」、Gemini 4 Carbon 内测约等 Opus 5.5
据 The Information 的消息，Anthropic 的新版 Claude 被内测用户评价为”重大飞跃”，强在推理与直觉，尤其擅长判断人的潜在意图和目标。最具体的一个例子是修 Bug：用户只要求修一处，模型会去识别导致这处错误的整个类问题，然后问要不要一并修掉。它跳出思维定势的表现也被单独提到——问它怎么投资股票，它不会掏”看市盈率”这类常识答案，而是自己造一套预测算法。
谷歌这边在做 Gemini 4 的”Carbon”。早期 Argon 在部分编程任务上落后于 Claude Opus 5，Carbon 在编程上强于 Argon，视觉理解继续领先（受益于 YouTube 数据训练），已在内部编程平台 Jetski 向员工开放数日，试用者的反馈是”感觉与 Opus 5.5 相当”。Gemini 4 内部曾并行测试 Argon、Barium、Carbon 三个代号，最终被选中发布的其实是被称作”Barium-B”的那一支——也就是今天的 Argon。Carbon 内测成绩泄露后，谷歌员工 Vedant Misra 发帖反问”你听说过递归自我改进（RSI）吗”，是否暗示用了 RSI 尚无定论。
OpenAI 的中杯 GPT-6.1 Terra 已经出现在微软 Copilot 的代码里，说明 6.1 Sol 并非 Terra 改名，而是 Sol 相对 5.6 Sol 的升级幅度确实有限。Terra 的定位大概率为更便宜的档位——OpenAI 打算把 ChatGPT 的 Chat/Work 与 Codex 模式合并，免费用户需要一颗足够便宜的模型。官方唯一落地的硬数据在冷门语言：COBOL 迁移测试中 GPT-6.1 Sol 在 low 档准确率 86.6%，而 GPT-5.6 Sol 只有 5.4%，高推理档下达到 97.9%。COBOL 至今支撑 40% 以上的银行系统、80% 的面对面信用卡交易和 95% 的 ATM 交易，这条”古董软件维护”的生意，比跑分更值钱。
以上除 COBOL 数据为 OpenAI 官方口径外，其余均为内测爆料与泄露，官方尚未确认。
4. 谷歌开源 TorchTPU：改配置就能把 PyTorch 应用搬上 TPU
AWS 出手一天后，谷歌跟上了。10 月 20 日，谷歌宣布把 TorchTPU 以开源项目形式放出——这是 PyTorch 面向 TPU 的原生版本，开发者做一次配置改动，就能把已有 PyTorch 应用搬到 TPU、进而搬到 Google Cloud，不需要重写代码。
PyTorch 2016 年由 Meta 开发，2022 年交给 Linux Foundation 托管，如今被相当一部分统计口径认为覆盖约 85% 的 AI 应用。它诞生时英伟达 GPU 已是 AI 研究的默认硬件，很多特性天然贴着 CUDA 长，这正是护城河的物理形态。谷歌这次的差异化在于生态对接：官方称与 Meta、Hugging Face、Inferact（vLLM 的开发方）、RadixArk（SGLang 的开发方）直接合作，保证 TorchTPU 的库和特性与这些主流工具链兼容；同时放出 TPU agent suite（github.com/google-pytorch/tpu-agent-suite）帮开发者做迁移排错，并更新了跑在手机、笔记本和嵌入式设备上的 LiteRT。AWS 那头更进一步，向 PyTorch 主项目提交代码，把若干特性从英伟达芯片上解耦。
需要留一分清醒：可迁移不等于会大规模迁移。硬件替换的成本从来不只在改配置那一刻，还在稳定性、算子覆盖和长期运维。但两家云厂商同时从”框架层”下刀，方向已经很难逆转。
5. OpenAI 收购 Orchestra Bio，团队并入生命科学模型 Rosalind
OpenAI 10 月 20 日宣布收购成立四年的 AI 生物科技软件公司 Orchestra Bio，交易金额未披露。这家公司 2025 年时的累计融资约 2000 万美元，投资方包括 Andreessen Horowitz、Atria 和 8VC。
Orchestra 做的不是科学发现，而是药物研发的运营脏活：用 AI Agent 帮生物科技公司盯财务、处理临床试验排期冲突这类琐碎协调。收购后，其团队与技术并入 OpenAI 的生命科学模型 Rosalind 和配套的 Rosalind Workbench——后者是一个帮研究者规划实验、分析结果的 harness。OpenAI 称 Rosalind 已拿下 Moderna、Novo Nordisk 等客户。
这个案子的意义不在金额，而在方向：大实验室正把能力往垂直行业做深，从”提供模型”变成”提供该行业的工作流”。对创业公司来说，过去最大的恐惧是实验室随手发个功能就变成竞争对手；这次 Orchestra 是被吸收，而不是被碾过去——在当下的 AI 创业生态里，这已经算一种体面的结局。
6. Meta Muse 四十天拿下美国千万下载，留存率反超 ChatGPT
Sensor Tower 的数据显示，Meta 的 AI 助手 Muse 自 9 月上线以来累计下载 1090 万，其中美国市场 1020 万——在 40 天内突破美国千万下载的 App，历史上只有 12 款，上一款还是 2023 年 7 月的 Threads。这份名单里其余大多是游戏（Fortnite、PUBG Mobile、Pokémon GO 等），非游戏产品除 Threads 外只有 Disney+。
增长主要靠砸钱和导流：Meta 10 月把 39% 的广告预算投给了 Muse（9 月是 23%），其在美国广告曝光量的品牌排名从 9 月的第 73 位升到第 21 位；同时还有 Meta 全家桶 36 亿日活的交叉推广底座。留存数据比下载量更有说服力：Muse 的美国 7 日留存 30%、14 日留存 23%，而 ChatGPT、Claude、Grok 的均值分别是 19% 和 16%。10 月 16 日其日活首次达到 250 万，周环比增长 15%。
横向对比首 40 天美国下载：ChatGPT 370 万、Grok 50 万、Claude 20 万。全球口径 ChatGPT 约 1500 万高于 Muse，但 Muse 目前只开美加两国，这个比较并不公平。Muse 自发布起几乎一直占据美国 App Store 榜首，只在 10 月 19 日被直播应用 Kick 短暂挤下。
7. Otter.ai 拿到 3.2 亿美元，来自不稀释股权的「营销换增长」基金
会议记录工具 Otter.ai 10 月 20 日宣布获得 3.2 亿美元注资，出资方是 General Catalyst 的 Customer Value Fund（CVF）。这个基金的结构比较特别：不稀释股权，回报来自营销支出所产生的实际结果——本质上是把增长费用做成了投资。
对照来看这笔钱的量级：Otter 成立近十年，此前累计融资只有 5000 万美元（最后一轮在 2021 年）。公司去年 ARR 突破 1 亿美元，累计使用过的用户从一年前的 2500 万涨到 4000 万，但月活与流失率未披露。资金用途是企业级增长、GTM 策略、国际化和产品创新。
赛道拥挤程度不容乐观：Fireflies、Granola（估值 15 亿美元）、Read AI 都在，Calendly、Wispr 也在入场，Superhuman 干脆收购了 Fathom。Otter 的应对是把”记录”往”会前会后”延伸——正在测试会前预读简报（带跨会话上下文）和会中实时提问的 Live Assist。会议记录这件事的天花板从来不在转写准确率，而在转写之后能不能变成可执行的路线图。
8. VAST 开源实时世界模型 EdenLive：单张 5090、720P 跑过 24FPS
VAST 发布并开源了实时世界模型 EdenLive。按官方说法，它首次在实时生成的前提下同时做到三件事：任意参考输入、任意画风、长时连续运行。给它一段简化场景或参考视频，配上目标首帧和提示词，就能沿参考的布局与运动持续生成写实或二次元等不同画风的画面。
性能指标给得很具体：5B 参数，单张消费级显卡 RTX 5090、720P 分辨率下生成速度超过 24FPS，可连续生成分钟级画面；从用户操作到画面响应的端到端延迟在百毫秒级。
架构上走的是”状态与渲染解耦”：交互规则和世界状态由上游交互系统维护，EdenLive 只负责视觉渲染。这条路线 VAST 在 6 月初的 Project Eden 研究预览里就已确定，比行业形成共识早了约 3 到 4 个月。权重、推理代码、技术报告与端到端 Demo 已全部开放（github.com/VAST-AI-Research/EdenLive，Hugging Face 上的 VAST-AI/EdenLive）。
值得对照的是一个更大的背景：GPT-6 Astra 已经能在 Blender 里搭房子再导入 Unreal Engine 5 形成可漫游场景，AI 生成 3D 内容的能力正在快速成熟。谁来把这些内容渲染得又真又实时，就是 EdenLive 想抢的位置。
9. Meshy Edit：圈一块、说一句，一分钟改完 3D 模型局部
AI 3D 公司 Meshy 发布局部编辑功能 Meshy Edit，基于自研新模型：用户在模型上圈出要改的区域，用一句话描述改动（可附最多 5 张参考图），约一分钟生成新模型，未选中区域保持原样。现在已向全部注册用户开放。
操作路径被压到两步。选区可以用套索圈整块部件——正、侧、背三面同时覆盖，也可以用画笔涂抹可见表面做边缘微调；改动描述比如”去掉帽子”。每次修改都生成一个新模型，原模型完整保留，新模型可继续编辑、下载，或直接送进切片软件进入 3D 打印流程。计费上每次编辑消耗 20 积分，目前支持 Meshy 6 与 Meshy 7.1 生成的模型；带贴图的模型会自动切到未贴图版本进行编辑。
过去改局部只有两条路：重新生成整个模型（想留的部分也会变），或者打开 Blender 手工改（需要长期建模技能）。这两条路的时间成本，正是这个功能的定价基础。第三方数据也印证了付费意愿：a16z 10 月 5 日发布的第七期生成式 AI 消费应用榜首次增设按收入排名的 Top 50，基于 YipitData 追踪的美国银行卡消费数据，Meshy 位列第 31 名，与 Midjourney、Suno、Runway 同榜，且是榜上唯一的 AI 3D 公司。截至 2026 年 9 月，Meshy 全球注册用户超 1500 万、累计生成模型超 1 亿个，7 月完成近 4 亿美元 B 轮、估值 15 亿美元，9 月 ARR 突破 1 亿美元。
10. 是石科技 TokenFleet：首 Token 延迟降 32.4%，把调度做成「Token 工厂」的产能管理
在 2026 CCF 全国高性能计算学术大会期间，是石科技（METASTONE）发布分布式调度框架 TokenFleet，把优化重点从单实例效率挪到集群层：请求路由、跨机房容量协同、混合负载治理。
最直接的数字是首 Token 延迟降低 32.4%。更值得看的是产出结构的变化——在 GLM5.3 的收益测算示例中，采用流控协同调度后总输出吞吐只增加约 1.5%，但达标输出吞吐提升约 29.4%，达标比例从约 67% 升到约 86%。这个反差说明瓶颈不在”算得多快”，而在”算出来的东西有多少是真正交付成功的”：GPU 集群里请求排队和资源闲置完全可以同时发生，超时、取消、重复计算都在偷偷吃掉产能。TokenFleet 的做法是把达标吞吐、失败、取消、重复执行这些结果回传给调度策略，持续调整准入阈值和容量分配比例。上述数字属于收益测算，实际收益仍需按具体负载与服务门槛验证。
技术脉络上，此前发布的 Meta-Infer 推理引擎负责提升单个实例的执行效率，TokenFleet 负责把成千上万个实例组织成产能。是石科技定位为不绑定任何模型厂商的独立第三方全栈算力运营商，集群 SLA 达 99.95% 以上，已纳管超过 20000P+ 算力资源、运营 10 多个超智算中心（含 2 个国家级超算中心），团队累计拿过 3 项戈登·贝尔奖。
国产算力这件事，硬件叙事讲得最多，但真正决定”每块钱买到多少可用 Token”的，往往是这一层看不见的调度软件。
相关文章
