1. Claude Duet 开放研究预览：Claude 从”等你提问”变成”主动找活干”
Anthropic 在 10 月 21 日以研究预览形式开放了 Claude Duet，一个独立于聊天窗口的主动式智能体应用，已登陆 iOS、Android 和 claude.ai。首批只面向美国地区的 Pro 和 Max 订阅用户，需要加入候补名单，Team 与 Enterprise 套餐暂不包含在内。
它和聊天机器人的区别在交互方向：Duet 会主动提示需要关注的事项，每天早上推一份简报，用户合上笔记本之后继续在云端虚拟机里执行任务，并在代替用户行动之前先请求确认。发消息、付款、签字、删除这类动作必须人工批准。据 Testing Catalog 拆包，Duet 基于 Claude Opus 5.5 构建，记忆、技能和已连接应用都从用户的 Claude 账户继承，还能调用 Stripe 的 Link 数字钱包做企业采购、通过 Shop Pay 在线结账、用 1Password 里保存的凭据登录网站。
The Verge 与 TechCrunch 都把它对标 Meta 的 Muse 和 OpenAI 的 Dots，目标人群是专业人士和小企业主。Claude Code 产品负责人 Cat Wu 给出的说法是”Duet 会注意到需要完成的工作，在你开口之前就去做”。正式上线时间 Anthropic 没有给。
2. OpenAI 正式上线 Decisions API：只做小决策，比 Responses API 快 10 倍
OpenAI 宣布 Decisions API 全面可用。它基于 GPT-6 Luna，但不做开放式生成，只回答”有界”的问题——把输入归类、把请求路由到某个下游、给一段内容打分，然后返回结构化结果。官方称在同样的问题上，它比通过 Responses API 调用 GPT-6 Luna 快最多 10 倍。
接口设计很克制：开发者定义一个问题加允许的答案集合，上下文可以是文本、图像或原生 JSON，返回三种答案类型之一——predicate（条件为真的概率）、choice（从预定义选项里选一个，附带概率与置信度）、score（按有序等级打分）。计费也简单得反常：输入每百万 token 0.10 美元，缓存输入 0.01 美元，不收输出费。单请求最多可提 400 个问题，是公测期的两倍；新增原生 GPT-Live 集成、提示缓存，以及美国和欧盟的推理驻留，亚洲也加了容量。
真正有说服力的是合作方给的数字：Sierra 用它做实时对话编排，p95 低于 280 毫秒，成本降 90%；Datadog 用它给智能体生成的 shell 命令做风险打分，p95 快 40 倍，准确率与前沿模型相当；Speak 在 GPT-Live 里接入后，下一步动作的延迟从 1.4 秒降到 0.13 秒；Ramp 把 AI 成本归因提速 4 倍、成本降 30%；Box 在 30 个保险证书案例上路由快约 5 倍，准确率与 Responses API 持平。
3. DeepSeek 单轮融资约 150 亿美元，投前估值 748 亿美元
据 Bloomberg 报道，DeepSeek 最新一轮融资规模约 150 亿美元，是中国规模最大的私募融资之一。谈判过程中融资目标至少被上调过两次，从约 75 亿美元一路抬到 120 亿美元，最终成交还更高。
投资方名单里出现了两个意外角色：宁德时代和腾讯是最大投资方之一，其中宁德时代据报出资约 15 亿美元，是其首轮支票的两倍。中国媒体给出的投前估值约 748 亿美元——关键在于这个数字在本轮规模翻倍后没有跟着涨，等于同样的估值卖出了更大的股份。加上 6 月完成的首轮超 75 亿美元，DeepSeek 在大约六个月里合计募资约 225 亿美元。
对照一下背景：美国刚要求联邦机构清除 DeepSeek，外部压力与国内资本下注同时加码，这轮融资的定价逻辑显然不是按短期营收算的。
4. 讯飞星火 X2.6 发布：293B-A30B、1M 上下文，全流程跑在国产算力上
在 2026 科大讯飞全球 1024 开发者节上，讯飞发布了端云一体的 星火 X2.6，官方口径是”首次基于全国产算力实现代码和智能体能力突破”。模型采用 293B 总参数、30B 激活的 MoE 架构，上下文长度扩展到 1M token，输入限时 0.9 元/百万 token、输出限时 3.6 元/百万 token。
端侧同步开源 星火 X2.6-4B，新增三档推理模式，推理定价限时免费。这套组合的意图很明确：云端用大 MoE 顶住复杂代码与智能体任务，端侧用 4B 保住隐私和离线场景。
董事长刘庆峰在演讲里给了个相对诚实的判断：国产算力对标全球还有两代左右差距，但会很快缩到一代、半代，”一定会有并跑甚至领跑的一天”。他也直言国产生态里真正在大模型训练上舍得投入的公司寥寥无几。
5. 蚂蚁数科 LingDT-Decision-1.0：把”生成”换成”判断”，Token 消耗降九成
蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，已在 DTMaaS 平台上线并限时免费。它的思路不是让模型写答案，而是让它在限定选项里直接做判断——省掉了生成结构化文本再解析校验的整条链路。
实测数据相当激进：同样任务相比通用大模型，Token 消耗降低超 90%，响应时效提升 10 倍。细分场景里，数据标注对比 DS-V4-flash，Token 降约 97%、时效提升约 10 倍；智能客服对比 Qwen-3.7-flash，Token 降 90%，风险识别准确率从 76% 提升到 89%；金融场景的幻觉召回率从 44% 提到 70%，工具组合完全匹配率提升约 2.6 倍。
两个全球首发的功能是真正的差异化：原生多选（一次命中多个候选，适配多标签与复合意图）和按序决策（DAG）（按依赖关系做多步判断）。现实业务里”我要退款、关闭续费、补开发票，但不要注销账号”这类复合诉求，单选模型只能抓住主诉求。在 23 项开源基准上，27B 版本综合评分第一，超过 Microsoft-Decision-1、Jev 1.13、Fastino/GLiDE。
6. Meta 开源 Muse Glimmer 30B：单张消费级显卡就能跑的本地智能体
Meta Superintelligence Labs 发布论文并开源了 Muse Glimmer 30B，一个从更大的 Muse Spark 蒸馏出来的稠密 30B 模型，采用 Apache 2.0 许可，目标场景明确写着”消费级硬件上的本地智能体任务”。
这条路线和主流开源阵营不太一样。多数厂商的本地化方案要么堆 MoE 总参数、要么砍到 7B 以下牺牲能力，Meta 选择用稠密 30B 把智能体能力压进单卡可承载的显存预算里——蒸馏自研旗舰，保住 agent 相关的工具调用与多步规划，再把规模降下来。对于不想把业务数据送进 API 的团队，这是目前少见的中间档选择。
7. fal 发布 FLUX 3 Max：10 秒视频 12.45 秒出片，比对手快 22 倍
fal 与 Black Forest Labs 联合发布了后训练视频模型 FLUX 3 Max。它的卖点不是画质参数，而是速度：生成一段 10 秒、720/768p 的视频只需 12.45 秒，而对比模型 Seedance 2.5 需要 277.8 秒——差距约 22 倍，在第三方评测里两者的 Elo 却都是 1139。
也就是说，同档质量下把等待时间从四分半压到十几秒，这对”抽卡式”创作流程的改变是结构性的：一个 prompt 改十遍的成本从半小时降到两分钟。该模型在第三方图生视频质量榜并列第一，fal 还宣布未来三周降价 75%。视频生成的竞争重心，正从”能不能生成”转向”每秒能生成多少”。
8. PHP2Shell 后续：利用量冲到数百万级，NSA 建议打不上补丁的机构直接下线
两个 PHP 核心的预认证远程代码执行漏洞（CVE-2026-109618 / CVE-2026-109619，CVSS v4.0 9.2）影响 PHP 5.4 到 8.5，覆盖近二十年的版本，波及约 70% 的 PHP 站点——Wikipedia、WordPress、Drupal 都在名单上，DeviantArt 和 4Chan 在披露后一度下线。补丁已于 10 月 20 日前后紧急发布，但细节在协调披露前四天就已泄露，攻击演示视频外流。
Cloudflare CEO 给出的数字能说明节奏：公告发布前 10 小时已见数千次利用尝试，公告后 2 小时增至数十万，目前已达数百万级。NSA 建议无法立即更新的机构将系统离线，英国 NCSC 警告攻击者可能无需任何登录凭据就控制服务器，白宫称联邦机构正在评估对政府系统与关键基础设施的影响。安全公司 Wiz 称这是”软件史上最严重的漏洞之一”。
更值得记一笔的是发现路径：Wiz Research 在 8 月 19 日借助 Wiz Atlas、Gemini 4 Argon 和 GPT-5.6 Sol 找到第一个漏洞，Calif 也用 GPT-5.6 Sol 辅助定位；OpenAI 则称自家前沿模型在攻击者之前发现了漏洞，并与 PHP、Calif、Wiz 合作验证和开发补丁。AI 把挖洞成本打下来之后，攻防两侧的节奏同时被拉快，而修补部署的速度并没有跟上。
9. Anthropic 把 Agent Skills 标准捐给 Linux 基金会，AAIF 同日收下四个项目
Anthropic 宣布将 Agent Skills 开放标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF）。这个基金会是去年 12 月由 Anthropic、Block 和 OpenAI 共同发起成立的，Anthropic 此前已经把 MCP 捐了进去。
这次捐出的不只是规范：包括名称、Logo、GitHub 组织和 agentskills.io 域名一并移交。目前已有 70 多个智能体平台集成了 SKILL.md 这套格式，后续将由 Anthropic、Google、OpenAI 的工程师以个人身份而非公司代表身份维护。
AAIF 同日宣布新增四个项目：Anthropic 的 Agent Skills、OpenAI 的 Open Responses、Hugging Face 的 OpenEnv、阿里巴巴的 OpenSandbox。成立不到一年，AAIF 托管项目从最初的 3 个涨到 10 个。智能体的接口层——技能描述、响应格式、运行环境、沙箱——正在被逐块标准化，且都放在厂商中立的治理结构下。
10. 微软 MAI-DxO 登 Science：复杂病例诊断准确率 83%，是医生的 2 到 4 倍
Microsoft AI 的医疗团队在《Science》发表了 MAI-DxO（Microsoft AI Diagnostic Orchestrator）与新基准 SDBench。他们指出，USMLE 这类执照考试考的是知识记忆，所有信息提前给全、选一个答案；真实诊断是逐步构建的——先问什么、开哪些检查、每项新发现如何改变判断。
SDBench 因此设计成交互式病例：来自 NEJM 病例报告的 304 个复杂病例，加上 MIMIC-IV-ED 的常规急诊病例，模型或医生都从有限信息出发，自行决定下一步要什么，评测同时看准确率、请求的证据和检查成本。MAI-DxO 不走单模型直答，而是像一组虚拟医生：各自提诊断、选检查、互相质疑，在数轮辩论中随证据更新判断，并权衡每项检查的价值与花费。
结果：NEJM 复杂病例上 83% 的诊断准确率，医生无外部参考时 22%、有参考时 36%，相当于 3.7 倍和 2.3 倍；MIMIC-IV-ED 急诊病例上 80% 对医生的 47%。成本优化配置在 NEJM 病例上以不到对比系统一半的成本达到 81% 准确率。把底层模型换成 GPT-5.5 等更新版本后提升依然存在，说明方法本身不绑定某一代模型。SDBench 的部分 NEJM 病例、Gatekeeper、Judge 与成本估算代码已开源；团队还与 Mayo Clinic、波士顿 Beth Israel Deaconess 医疗中心启动前瞻研究，让患者直接与系统互动并与医生独立评估对照。
相关文章
