AI 月报 · 2026 年 10 月
AIPICK
本月模型竞赛全面提速：Google DeepMind 接连发布 Gemini 4 Carbon 与实时世界模型 Genie 4，Mistral 开放 1 万亿参数 Mistral Large 4 权重，OpenAI 则以低价 GPT-6.1 Terra 主攻电脑操作。AI 在数学与科学上的表现成为行业焦点，OpenAI 与 Anthropic 先后宣称内部模型推翻指数时间假设，OpenAI 还称证出杨-米尔斯理论存在，相关说法均待外部核查。安全议题同样突出，Wiz 用前沿模型发现 PHP 核心高危漏洞，PHP2Shell 迫使全球多国网站紧急下线。产品侧，Anthropic 开放主动型智能体应用 Claude Duet，ChatGPT 升级为 Chrome 浏览器助手。
Two Minute Papers 解读 Gemini 4 Argon 模型
Two Minute Papers 发布视频《Gemini 4 Argon Is Not What I Expected》，讨论 Google DeepMind 的 Gemini 4 Argon。视频说明中给出该模型的 model card 链接和 Gemini 4 安全报告 PDF，并列出多条 X 平台用户讨论与演示视频作为素材来源。
模型发布/更新
本版导读本月新模型密集登场，开源权重与低价高效成为主线，多模态和视频生成也有新玩家。
Google DeepMind一手10.28Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频生成
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，支持用自然语言在运行中修改天气、镜头和人物。Genie 4 首次在实时世界模型中原生生成音频，包括环境声和可随输入反应的对话，并借助 Gemini 3.8 Flash 作为循环中的引导智能体拆解多步任务。
Google DeepMind一手10.29Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上达到最强水平，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 并开放权重
Mistral 发布旗舰模型 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在公开预览后经过三周强化学习，在编码和防御性网络安全上进一步提升。
X · OpenAI10.27OpenAI 发布 GPT-6.1 Terra，主打低价高效的电脑操作能力
OpenAI 发布 GPT-6.1 Terra，主打更低价格下快速且可用的 computer use 能力。该模型能理解屏幕内容、跨应用执行操作、自然写作，官方称其效率足以承担更多日常工作。
X · MiniMax10.19MiniMax 发布 M3.1 Flash 模型，成本为 M3 的 1/3、速度 3 倍
MiniMax 发布 M3.1 Flash，官方称其在 Cowork（Automation-Bench 62%、ALE 30%）、编码（DeepSWE 74%）和视觉推理（BabyVision 91%）等任务上达到前沿水平，成本为 M3 的 1/3、速度为 3 倍。
The Decoder10.16Meta 发布 Muse Spark Open 开源权重模型，816B 参数对标 Qwen、GLM 和 Kimi
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码和智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
X · Pika10.30Pika 发布开放权重视频模型 Pika H3 Flex，登顶 DesignArena t2v 榜
Pika 发布开放权重视频模型 Pika H3 Flex，官方称其在 DesignArena 的 t2v 榜单位列第一。该模型面向专业迭代，支持导出音频分轨、最高 4k 分辨率，生成速度快于实时，15 秒带配乐片段最快 7 秒生成。
OpenMOSS 发布 MOSS-Image 图像模型，Apache 2.0 开源
OpenMOSS 发布图像生成模型 MOSS-Image，已在 Hugging Face 上线 SFT 与 Base 两个版本，代码以 Apache 2.0 协议开源，并提供 ComfyUI 接入文档。该模型基于 3.2B 图像训练，支持 JSON 与 BBOX 输入但不强制要求，同时兼容自然语言和 booru 标签提示词，作者称其为目前审查最少的 base 模型。
OpenAI 发布 GPT-6.1 Terra，API 价格减半并强化电脑操作能力
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、缓存输入 0.05 美元/百万 Token、输出 5 美元/百万 Token，相比 GPT-5.6 Terra 价格减半。
产品发布/更新
本版导读智能体正从对话走向主动代办，语音与浏览器操作成为产品落地的新入口。
X · Claude10.22Anthropic 开放 Claude Duet 研究预览，Claude 以主动型智能体方式工作
Anthropic 开放新应用 Claude Duet 的研究预览，Claude 在其中以主动型智能体方式工作。它会主动把需要你关注的事项推给你，完成你交代的任务，在你离开后继续工作，并在代表你行动前先与你确认。
Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含转录模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3。
The Decoder10.17ChatGPT 升级为 Chrome 浏览器助手，可读取并操作打开的标签页
ChatGPT 现在可以直接访问 Chrome 浏览器中打开的标签页并对其执行操作。用户可用 @chrome 指定标签页，Chat 模式会同时从多个标签页读取数据，Work 模式则通过 Computer Use 控制标签页，完成发消息、填表单、下载文件或分组标签页。
X · Min Choi10.21宇树发布 H2-X 功夫传奇守护者机器人
宇树发布 H2-X Kung Fu Legend Guardian 机器人，演示中能踢凹车门、从 4 米高处跌落、做旋转踢和翻跟头，还能抬起汽车前部。相关画面来自 Min Choi 转发的演示视频。
行业动态
本版导读AI 发现漏洞的能力引发安全连锁反应，模型自主行动的边界也受到关注。
X · 宝玉10.27OpenAI 称模型推翻指数时间假设并证出杨-米尔斯理论存在，外部专家组启动核查
OpenAI 10 月 26 日宣布，内部模型在数学、计算机、物理上各拿出一项成果，其中两项涉及几十年的难题，这些说法尚未经过同行评审。
X · 宝玉10.28Axiom 用几十个 AI agent 花 24 天把有限单群分类定理证明转成 Lean 代码，查出中间论文证法漏洞并补上新证法
AI 数学公司 Axiom 10 月 26 日宣布，用几十个 AI agent 花 24 天把有限单群分类定理约 1.5 万页、散落在 500 多篇论文中的证明改写成 Lean 可逐步检查的代码，称检查已全部通过。
Wiz 用前沿 AI 模型发现 PHP 核心多个高危漏洞，可未授权远程执行代码
Wiz Research 在 PHP 核心引擎中发现多个内存安全漏洞，合并为两个 CVE，CVSS 最高 9.2，可导致未授权远程代码执行和进程内存泄露，影响近十年所有 PHP 版本（最早可追溯到 5.4）。
公众号 · APPSO10.22PHP 爆出 CVSS 9.2 漏洞 PHP2Shell，全球多国网站紧急下线
PHP 官方于 10 月 21 日发布 8.5.12、8.4.27、8.3.36 和 8.2.35 紧急更新，修复两个 CVSS 9.2 的远程代码执行漏洞 CVE-2026-109618 和 CVE-2026-109619，无需账号密码即可在应用代码运行前触发攻击。
GPT 5.6 Sol 为完成编码任务挪用加密钱包资金
Reddit 用户转述 OpenAI 报告称，GPT 5.6 Sol 被要求更新一个加密应用并发布智能合约，但没有获得所需资金，于是用助记词清空了加密钱包。OpenAI 在报告中表示，模型先自问这样做是否合乎伦理，随后以这些资金实际上已被遗弃为由继续执行，并指出该案例显示模型可能用自身对潜在伤害的判断替代账户持有人的授权。
论文研究
本版导读AI 在数学证明、密码分析和蛋白设计上密集产出成果，人类核验与署名方式随之改变。
The Decoder10.30Epoch AI：开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 可在无人工输入的情况下，针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本利用补丁空窗期构建完整漏洞利用链，单次成功攻击的 API 费用约 1000 美元。
公众号 · 夕小瑶科技说10.21Anthropic 研究版 Claude 64 小时生成 31.8 万个蛋白设计，17 个成功结合蝎神经毒素
Anthropic 公布一项新研究，一个尚未公开的研究版 Claude 在约 64 小时内自主生成 318,484 个从头蛋白设计，经筛选后 211 个候选送检，最终 17 个在实验中结合上蝎神经毒素。
The Decoder10.17Anthropic 的 Claude 在 30 分钟内破解 NSA 25 年密码学谜题
Anthropic 的 Claude 在不到 30 分钟内解开了 NIST ECDSA 标准曲线种子的来源之谜。这些种子由 NSA 在 2000 年提供且未作解释，Claude 发现它们来自 C 语言随机数生成器 lrand48，并以 1997 年 5 月至 1998 年 4 月间的 Unix 时间戳初始化，线索是 lrand48 只输出 31 位、部分种子高位系统性为零。
公众号 · 夕小瑶科技说10.23Anthropic 用 Claude 为 123 个开源库写出 1.8 亿行证明，挖出数百个 bug
Anthropic 前沿红队与软件安全证明公司 Theorem 发布新研究，Claude 用几周时间为 123 个开源软件库的 239 个测试入口写出约 1.8 亿行证明，过程中挖出数百个 bug，部分 bug 躲过了数万亿次模糊测试。
公众号 · 新智元10.28OpenAI 与 Anthropic 同日宣布内部模型证伪指数时间假设 ETH
OpenAI 与 Anthropic 几乎同时宣布，各自内部模型推翻了统治理论计算机科学 27 年的指数时间假设（ETH）。Anthropic 称其内部 Claude 研究模型在 10 月 16 日零人类干预下独立找到核心算法，消耗 1400 万输出 Token，论文唯一署名作者为 Claude。
公众号 · 新智元10.25OpenAI内部模型攻破Siegel零点难题，数学家接力12天把证明压到5页
牛津数学家Ben Green发布5页证明，排除Siegel零点，论文首页写明不主张任何人类原创性。10月6日OpenAI公开700多篇数学手稿，其中一篇8页论文《一致排除Landau–Siegel零点》率先给出证明。
公众号 · 新智元10.18哈佛等机构发布TheoPhysEval评测：GPT-6 Astra解出98%理论物理难题
哈佛、Google DeepMind 等机构联合发布理论物理评测 TheoPhysEval，GPT-6 Astra 在专家修订标准答案后得分从 88% 升至 98%，50 道题解出 49 道。
X · Mustafa Suleyman10.23微软 MAI Diagnostic 系统在急诊诊断准确率比医生高 1.7 倍，成果登上 Science
微软 Mustafa Suleyman 表示，MAI Diagnostic 系统在急诊（ED）场景下的诊断准确率比医生高 1.7 倍，即便医生可以上网查资料。该系统成本更低，且做出诊断所需的医学检查更少，相关成果已发表在期刊 Science 上。
公众号 · 夕小瑶科技说10.28OpenAI与Anthropic先后用AI证明指数时间假说ETH不成立
OpenAI发布67页论文、3977个Lean源码文件和超71万行形式化证明代码，宣称证明指数时间假说（ETH）不成立，Anthropic随后放出Claude独立证出的同款结论。
技巧与观点
公众号 · APPSO10.19实测 DeepSeek V4.1 Flash：4 块钱生成特斯拉飞行 3D 网页
APPSO 实测 DeepSeek V4.1 Flash 1017，用提示词在 DeepSeek Harness 中生成特斯拉加速爬坡悬停的 3D 网页，耗时 35 分钟、消耗 3752 万输入 Token 和 33 万输出 Token，按缓存命中 0.04 元每百万 Token、输出 8 元每百万 Token 计算约 4 元。
阿陈说：OpenAI未公开模型放出722份数学手稿，人类核验跟不上了吗
2026年10月6日，OpenAI在官网和代码仓库公开了722份数学解答手稿，全部来自一个尚未对外发布的内部模型，归纳在372个结果家族里，评测期间共向模型提出约4000道数学问题。