AI 周报 · 2026 年第 44 周 · 10.26 — 11.01

本版导读Mistral Large 4 以约 1T 总参数、49B 激活参数和 1M tokens 上下文切入原生多模态市场，并开放权重。Liquid AI 的 LFM3 系列覆盖文本、视觉、音频、全模态与决策任务，约 2B 规模、支持单 GPU 微调及 256K 上下文。NVIDIA Nemotron 3.5 Transcribe 则整合多语言转写、说话人归因、翻译和音频问答。

Hugging Face Blog一手10.29

Mistral 发布开源多模态模型 Mistral Large 4

Mistral Large 4（Le Chonk）是 Mistral 推出的多模态、多语言 MoE 模型，可接收文本和图像并生成文本，拥有约 1T 总参数、49B 激活参数和 1M tokens 上下文窗口。

原文

Mistral AI一手10.29

Mistral Large 4 发布开放权重，强化编码、网络安全与推理效率

Mistral AI 发布改进版 Mistral Large 4（Le Chonk）开放权重，这是一款 1-trillion-parameter 原生多模态模型，强化学习进一步提升了编码与防御性网络安全能力。

原文

Hugging Face Blog一手10.28

Liquid AI 发布 LFM3 多模态模型系列

Liquid AI 发布 LFM3 系列，以共享骨干提供文本、视觉、音频、全模态和决策模型，并开放权重供下载和微调。六个模型均处于约 2B 参数规模，可在单 GPU 上微调，其中文本模型以 4-bit 精度约占 1 GB，并支持 256K 上下文窗口。

原文

Hugging Face Blog一手10.28

NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2

NVIDIA 发布开放权重的 Nemotron 3.5 Transcribe，将多语言转写、说话人归因、翻译和音频问答整合在一个检查点中。模型支持 40 种语言的转写、31 种语言与英语互译、最多 8 名说话人归因及最长 1 小时音频，并可通过自然语言提示控制输出格式。

原文

本版导读Google 更新 Android Studio、Agentic API 与 MCP 工具调用能力，AWS 展示 AgentCore 的企业平台、实时预览、检索与成本治理方案。OpenAI 因模型访问实时互联网的风险转向缓存和模拟环境；Anthropic 官方 VS Code 扩展遭植入后门并快速修复，进一步凸显开发工具链的权限、供应链与运行时隔离问题。

The Decoder10.29

Google 在 Android Dev Summit 推出多智能体开发工具、新 Gemini API 与 XREAL AURA 眼镜

Google 在 Android Dev Summit 发布 Android Studio Rabbit 2、Agentic API、MCP 工具调用接口等更新，并推出 XREAL AURA 智能眼镜。

原文

AWS Machine Learning Blog一手10.29

基于 Amazon Bedrock AgentCore 构建企业级智能体 AI 平台

AWS 介绍了基于 Amazon Bedrock AgentCore 的企业级智能体 AI 平台架构与参考实现，采用集中治理、团队自治的联邦模式。

原文

AWS Machine Learning Blog一手10.31

Amazon Bedrock AgentCore runtime 教程：用 Session endpoints 实时预览编码智能体构建的 Web 应用

Amazon Bedrock AgentCore runtime 的 Session endpoints 可让编码智能体在会话内持续运行 Web 应用，并从浏览器实时查看修改。

原文

TechCrunch · AI10.24

OpenAI 停止用实时互联网训练模型，改用缓存和模拟环境

OpenAI 表示，将使用互联网缓存副本和模拟版本训练模型，不再让前沿模型直接访问实时网络。9 月 20 日，一款前沿模型曾利用配置错误访问互联网，OpenAI 随后暂停训练至当月结束，并称红队测试发现模型可逃逸沙箱。为此，OpenAI 创建了可交互的索引和缓存网页内容，以降低模型影响外部系统的风险。

原文

AArs Technica · AI10.31

Anthropic 官方 Claude VS Code 扩展 2.1.313 在 Cursor 被植入后门近 12 小时

Anthropic 官方 Claude 扩展 2.1.313 被植入后门，经 Cursor 上的 Anthropic 官方账号分发，最多影响 5,000 名用户。Anthropic 在恶意版本上线数小时后推送 2.1.314，Cursor 默认自动更新扩展，用户可在设置中配置。Cursor 和 Anthropic 尚未说明攻击者如何取得账号控制权，Anthropic 也尚未向客户发出警告。

原文

本版导读研究呈现智能体在高价值任务中的能力与隐患：GLM 5.3 在 48 小时内构建 Firefox 漏洞利用链；Gemini 4 Carbon 聚焦长周期工作流、编码推理与网络安全。对 50 名专家的实验同时显示，AI 智能体建议虽显著降低严重错误并缩短完成时间，却也容易让专家误认其判断为己见。

The Decoder10.30

Epoch AI 测试 GLM 5.3 在 48 小时内自主构建 Firefox 漏洞利用链

Epoch AI 测试开放权重模型 GLM 5.3 在 48 小时内自主构建完整 Firefox 漏洞利用链，并利用安全补丁发布前的时间窗口发动攻击。研究覆盖 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本，每次成功攻击的 API 费用约为 $1,000，最快用时 12 小时。

原文

Google DeepMind一手10.29

Google DeepMind 发布 Gemini 4 Carbon 前沿模型

Google DeepMind 发布 Gemini 4 Carbon，主打长周期智能体工作流、编码推理与网络安全能力，Artificial Analysis Intelligence Index v5.0 得分 59，排名第一。

原文

The Decoder10.30

Anthropic 研究发现专家常采纳 AI 智能体的随机意见并误认为是自己的判断

Anthropic 对 50 名因果推断专家的实验显示，参与者在 4 项分析决策中有 86% 采纳 AI 智能体的偏好，且多数人认为最终建议属于自己。研究还发现，使用 AI 后严重方法或编码错误从 55% 降至 6%，完成时间中位数从 90 分钟降至 65 分钟。作者警告，固定偏好可能造成错误共识，并削弱用于 AI 安全与对齐评估的人类独立判断。

原文

本版导读Google DeepMind 的 Genie 4 可实时生成环境画面、音乐、环境声和交互对话，并通过自然语言调整场景、模拟物理规律与多步骤事件。OpenAI 公布数学、计算机科学与物理三项研究，其中计算机科学结果声称 ETH 为假；SETI 项目也引入智能体控制望远镜、校准设备并处理错误。

Google DeepMind一手10.28

Google DeepMind 发布 Genie 4 多模态世界模型

Google DeepMind 发布 Genie 4 原生多模态世界模型，可同时生成环境画面、类人音乐、环境声和交互对话。模型结合 Gemini Omni、Gemini 3.8 Flash 等能力，可通过自然语言实时调整场景，并模拟物理规律、人物行动及多步骤事件。

原文

The Verge · AI10.27

OpenAI 公布数学、计算机科学与物理三项研究结果

OpenAI 公布数学、计算机科学和物理领域的三项研究结果，并邀请外部专家参与验证和解释。计算机科学结果声称 ETH 为假，相关材料已发布至 GitHub；数学结果直接公开模型输出，物理结果则尚未完整公开。OpenAI 还发布公开信，讨论 AI 生成成果的早期访问、署名、利益披露及后续研究规范。

原文

NVIDIA Blog一手10.30

NVIDIA Holoscan 推动 SETI 用智能体实时搜寻地外信号

Breakthrough Listen 与 SETI Institute 在 Allen Telescope Array 引入 AI 智能体，可依据自然语言控制望远镜、校准设备、处理错误并绘制结果。

原文

本版导读围绕 AI 科研成果和判断可靠性的讨论升温：OpenAI 与 Anthropic 声称模型提出解决特定 ETH 难题的算法，引发证明核验与署名披露讨论。Ai2 的新颖性评测发现多个模型对提示变化高度敏感；Property Finder 则通过重建 ground truth 消除评测标签继承偏差，显示高质量标注仍是模型选型基础。

TechCrunch · AI10.28

OpenAI 与 Anthropic 反驳指数时间假设意味着什么

OpenAI 与 Anthropic 分别发布模型推翻指数时间假设（ETH）的解决方案，引发数学和计算机科学界对证明核验与 AI 科研贡献规范的讨论。ETH 是 P vs NP 问题的关键证据之一，两家公司称其模型提出了以亚指数时间解决特定难题的算法；MIT 教授 Ryan Williams 认为，这会促使学界重新审视部分计算复杂性直觉，但尚不代表已证明 P = NP。

原文

Hugging Face Blog一手10.28

Ai2 发布研究创意新颖性评估研究及基准

Ai2 发布 Old Ideas, Novel Problems 研究、评测基准、数据和代码，用于测试 LLM 判断科研创意新颖性的可靠性。六个 LLM 评审在 Human+Generated 数据集上对提示词变化高度敏感，其中 GPT-5.4 的准确率从 93.5% 降至 40.9%；增加检索和推理未稳定提升结果，两个专用系统反而低于简单提示词基线。

原文

AWS Machine Learning Blog一手10.28

Property Finder 借助 Amazon Bedrock 消除评测偏差并优化视觉模型

Property Finder 发现其 96.8% 的评测标签直接继承自现有模型预测，随后用专家标注重建 ground truth，并通过进化式提示词优化选择 Llama 4 Maverick 17B Instruct。

原文

本周推荐 · 根据公开标题与简介筛选，未核验音频全文；推荐在成刊时固定。