3,985 字
早报 | MORNING 2026-10-06
Nolla Health 获准 AI 开处方,Reflection 发布 501B 开源模型 Beam
今日要点
- Nolla Health 获监管批准,可用 AI 开具初始处方
- Reflection 发 Beam:501B 总参、23B 激活开源
- Cognition 为 Devin 推出 Dreaming 记忆图谱
Nolla Health 获监管批准,成为首个可用 AI 开处方的机构;Reflection 发布 501B 总参、23B 激活的开源模型 Beam;Cognition 为 Devin 推出 Dreaming 记忆图谱。
1️⃣ OpenAI 为欧盟 ChatGPT/Codex 文本加水印#
- 核心发布:OpenAI 宣布为满足欧盟《人工智能法案》透明度条款,将在未来数周内对欧盟用户通过 ChatGPT 和 Codex 生成的文本嵌入隐形水印。
- 技术原理:水印在生成过程中嵌入隐形统计信号,不增加可见标记或特殊字符,不识别作者、组织或对话身份。OpenAI 内部测试称水印未影响模型能力或速度。
- 适用与限制:欧盟 ChatGPT 和 Codex 默认开启;API 用户可在全球范围自行选择开启,默认关闭。检测工具仅向获批研究者和专业机构开放;短文本检测率显著较低,同义词替换或翻译可大幅降低检测。
- 行业对比:Anthropic 已于 8 月全球统一为 Claude 加水印,用户无法关闭,理由是暂无可靠办法按地区区分。OpenAI 采取地区差异化方案,其他地区 ChatGPT 用户不受影响。
🔗 OpenAI 官方博客 | OpenAI 推文 | 宝玉解读
2️⃣ Reflection AI 发布 Beam:501B 总参数、23B 激活的开源 Agent 模型#
- 模型规格:Reflection AI 发布首个开放权重模型 Beam,总参数 501B、激活 23B,端到端从头训练,完整权重本月发布。
- 性能定位:主打推理效率,推理计算量仅为 GLM 5.2 的 1/3–1/4,能力接近 GLM 5.2;与 GLM 5.3、Kimi K3、DeepSeek V4.1 Flash 相比多项能力仍有差距。
- 生态反应:Ollama 宣布将引入 Beam,称“更多美国模型即将上架”;Hugging Face CEO 转发支持。开发者评价其推理效率对长运行 Agent 意义重大。
- 行业意义:被视为美国开放权重模型追赶中国头部开源模型的重要信号,主要靠推理效率争取竞争力。
🔗 Reflection AI 官方 | Ollama 推文 | 马东锡分析
3️⃣ Cognition 推出 Devin Dreaming:Agent 记忆图谱与开源标准#
- 核心功能:Cognition 为 Devin 推出 Dreaming,跨会话构建用户工作方式的记忆图谱;夜间自我改进记忆,移除过时记录,发现潜在信息。
- 早期实验:多个 Devin 智能体在无提示情况下自发利用共享记忆进行大规模协作。
- 开源标准:同步推出 Agent Memory Repo 开放标准,推动 Agent 记忆互操作性。LangChain 创始人 Harrison Chase 点评称“记忆需要离线清理循环,不该只有更好的检索,否则过时记录会堆积”。
- 待解问题:Harrison Chase 指出,推断出的记忆在被 Agent 使用前如何验证,仍是开放问题。
🔗 Cognition 推文 | Devin 博客 | Harrison Chase 评论
4️⃣ GitHub 开源 ReviewBench:基于 1 亿真实 PR 的 AI 代码评审基准#
- 数据规模:GitHub 分析 1.039 亿真实 PR,构建包含 219 个 PR、187 个开源仓库、19 种语言的 ReviewBench,语言与仓库规模分布匹配 GitHub 整体。
- 评估方法:多源 golden set 汇集人类评审、前沿 LLM、静态分析结果,统一评分规则;高级工程师独立重标注,一致率 96.6%。
- 指标设计:提供 grounded 与 augmented 两套精确率/召回率/F1,支持按严重程度和类别切片,可调 Fβ 权重适配不同评审偏好。
- 实际验证:Copilot 代码评审使用该基准的离线信号与线上 A/B 实验方向一致:精确率提升 8.0%,召回率提升 13.6%,严重问题评论量预测增长 227%(线上 262%)。
5️⃣ SemiAnalysis 实测:同价 Claude 订阅 Token 价值约为 OpenAI 的 5 倍#
- 测试方法:SemiAnalysis 实测九家 AI 订阅套餐,逐 Token 测量进度条消耗,按 API 标价折算为美元,得出“API 等价价值”。
- 顶配接近:200 美元档中,OpenAI GPT-6 Astra 用满额度约值 2897 美元,Anthropic Fable 5.1 约值 2485 美元,两者接近。
- 中档拉大:Anthropic Opus 5.5 的折算价值约为 OpenAI GPT-6.1 Sol 的 5 倍。OpenAI 上周刚将 200 美元档额度从 Plus 的 20 倍降至 10 倍,同时推出 500 美元 Ultrafast 新档。
- 补贴策略差异:订阅仅占 Anthropic 收入约一成,却消耗超四成推理算力。Anthropic 通过限制高价模型用量控制补贴,OpenAI 则一刀切降低所有模型额度。
🔗 SemiAnalysis 原文 | 宝玉解读
6️⃣ Meta 与微软收紧员工内部使用 Claude,转向自研模型#
- Meta:使用 Claude Code 的员工从年初约 6 万人降至约 3 万人。推广自研 Muse Spark 系列,Muse Code 用户超 6000 人并已开始外部测试,MetaCode 内部用户超 3 万。
- 微软:原本预计内部在 Anthropic 上花费至少 10 亿美元,已削减三分之一以上。引导工程师转向 GitHub Copilot 命令行版本,云和 AI 部门员工每人每月 AI 模型支出上限从 10 万美元降至约 1 万美元。
- 行业背景:AI 编程工具 Token 消耗成本高企,大公司开始算账。此前 Nvidia、Palantir、Booz Allen Hamilton 也因数据隐私担忧收紧使用 Anthropic 和 OpenAI 部分先进模型。
- 需注意:微软企业客户通过微软平台购买 Anthropic 服务的支出仍在增长,收缩的是两家公司自己员工的用量。
7️⃣ a16z 发布第七版消费 AI Top 100:ChatGPT 月活超 10 亿,前 1% 用户月支出 903 美元#
- 流量排名:ChatGPT 仍居首,移动端月活超 10 亿;Claude 升至 Web 第三,月访问量近 10 亿;NotebookLM 进入 Web 产品 Top 10。
- 付费集中:仅约 4.5% 美国消费者付费订阅 AI 产品,但前 10% 付费用户贡献超一半收入,前 1% 贡献约 20%;前 1% 月均支出 903 美元,超过后 50% 总和,中位数仅 25 美元。
- 商业模式:85% 的 Web 产品通过订阅变现,仅 13% 有广告或其他模式。Olivia Moore 指出消费 AI 收入过度依赖订阅,应回归广告与交易费模式,并称 OpenAI 广告年化运行率已达 10 亿美元。
- 空白领域:15 个消费互联网类别中 9 个没有 AI 产品进入 Top 100,包括流媒体、社交、约会、游戏、旅游、零售、金融、房产、招聘。
8️⃣ Nolla Health 获监管批准,成为首个可用 AI 开具处方的机构#
- 核心事件:Nolla Health 获得美国监管批准,成为首个可使用 AI 开具初始处方的机构,从痤疮治疗起步。
- 流程覆盖:AI 处理问诊、皮肤扫描、评估、处方和随访,临床医生在需要时介入。
- 监管意义:据称这是美国乃至全球首个获监管批准由 AI 开具初始处方的案例,被视为 AI 医疗的里程碑。
- 选择逻辑:从痤疮起步合理,该疾病常见且风险相对较低。AI 驱动的个性化医疗正从低风险场景向更复杂领域逐步扩展。
9️⃣ OpenAI 推出 ChatGPT 新视觉广告格式#
- 核心发布:OpenAI 宣布在 ChatGPT 中推出新的视觉广告格式,并扩展广告测量工具、归因合作伙伴与品牌适配能力。
- 新格式:在 ChatGPT 图像生成过程中展示图片广告,目前处于测试阶段。
- 商业模式:a16z 报告显示 OpenAI 广告收入年化运行率已达 10 亿美元。ChatGPT 拥有超 10 亿移动端月活,广告模式可能重塑 AI 产品的收入结构。
- 行业影响:消费 AI 目前高度依赖订阅,广告与交易费模式被视为将 AI 带给更广泛用户的关键路径。
🔗 OpenAI 官方博客 | AI Breakfast 转述
🔟 [持续跟踪] OpenAI Codex 28 天更新 Day 1:默认速度提升约 50%#
- 前情提要:OpenAI Codex 负责人 Tibo 承诺连续 28 天每天上线一项明显改进,否则重置全体用户用量额度。
- 最新进展:Day 1 公布 GPT-6 Astra 和 GPT-6.1 Sol 通过订阅使用的默认输出速度从每秒 30 Token 提升至每秒 50 Token,提升约 50%,用户无需更改设置,两小时内生效。
- 覆盖范围:覆盖 OpenAI 所有产品及通过“用 ChatGPT 登录”接入的第三方工具,包括 OpenCode、Pi、Amp、Devin。
- 额外优化:Tibo 称 OpenAI 分词器为当前优化最佳,完成同样任务消耗更少 Token,叠加提速后实际等待时间更短。
⭐ GitHub 趋势#
1. msitarzewski/agency-agents ⭐ 今日 +687#
语言/许可: Shell / MIT
总 Stars: 157.2k
仓库: GitHub
项目定位:
面向使用 Claude Code、Cursor、Codex、Gemini CLI 等 AI 编码工具的开发者与团队,提供分门别类的 Agent 角色资产与安装脚本,解决“把通用编码代理快速配置成具备特定职责、流程与交付标准”的问题。与零散 prompt 集合的差异在于:提供多工具转换/安装、按团队批量选择、runbooks 与桌面端管理入口。
核心功能:
- 按工程、安全等 division 维护 Agent 定义,每个 Agent 包含身份、工作流、交付物示例与成功指标。
- 支持把 Agent 安装到 Claude Code、Cursor、Codex、Gemini CLI、OpenCode、Aider、Windsurf 等编码工具。
- 提供交互式安装脚本,可按 division 或指定 agent 子集安装,避免全量导入。
- 提供 runbooks/roster,可按“startup-mvp”等场景批量装配团队。
技术亮点:
通过 convert.sh / install.sh 将同一套 Markdown Agent 定义转换为不同 AI 编码工具的目录与提示格式;核心是提示资产与安装适配层,不是 Agent 运行时或编排引擎。
🟧 Hacker News 热议#
Beam: Reflection’s 501B open-weight model#
278 pts · 73 comments · reflection.ai
📌 内容总结
- 背景/作者意图:Reflection 发布首个开放权重模型 Beam,稀疏 MoE,总参 501B、激活 23B,面向 coding、reasoning 与 agentic workload;权重计划本月以 Apache 2.0 发布,当前先开放 waitlist 早期访问。
- 关键要点:
- 预训练 23.8T tokens,来自 web、公开与专有授权数据;目标是与同规模开放 base model 持平或更强。
- 高算力 RL:10.5K NVIDIA GB300 训练 4 周,生成 >100M rollouts,最大 context 256K,约 1.3B sandboxes,近 1M 环境;异步 policy gradient 支持最高一天 staleness,约 107 个权重版本。
- 效率主张:高级推理基准与 GLM-5.2 相当,但用 3–4× 更少推理 compute;相对 2T+ 参数模型更省。图中部分对比模型分数为 NR,compute 估计排除 prompt prefill、context attention 与 serving overhead。
- 工程细节:预训练在 6,144 GB300 NVL72 上不到 4 周完成,goodput 92.3%,9 次 semi-automatic rewinds;MoE 专家利用率近均匀,最忙专家 1.04×;midtraining 扩到 1M context。
- 安全/对齐:用独立 safety/alignment teacher 与 RL teacher 做 MOPD 合并;采用 deliberative alignment,并计划开源部分安全评测。
- 实际结论/限制:模型仍在最终 red-teaming 与评测,权重、技术报告、模型卡稍后发布;Kimi K3 在原始能力上仍领先,Beam 的卖点是推理时效率。
💬 讨论总结
- 输入未包含
top_comments,无法提炼 HN 社区共识、反驳或工程经验。HN 讨论页显示 73 条评论,但本次数据没有评论正文。
Dust: Pretraining Transformers Without Backpropagation#
76 pts · 6 comments · qlabs.sh
📌 内容总结
- 背景/作者意图:提出 zeroth-order 方法 Dust,目标是在 transformer 预训练中不依赖 backprop,用激活扰动与搜索式信用分配近似梯度。
- 关键要点:
- 方法:对每个 token 的线性层输出独立加高斯噪声,即 node perturbation;一次 forward 并行评估大量 virtual population。按 token loss reduction 给噪声奖励,并用 decay 通过 attention 传给未来 token;权重梯度为 reward-weighted noise 与层输入的 outer product。
- 实验设置:GPT-style 模型,FineWeb,4096-token BPE,16k token batch,SGD with momentum;token 预算 100k–20M,population 64–16k,backprop 同预算调参。
- 结果:100k/1M tokens 时 Dust 在几百到 1k draws 后低于 backprop;10M/20M 差距随 population 缩小。20M 时 power-law 拟合极限 4.431,低于 backprop 4.633,但作者承认外推约束弱。
- 与 weight-space ES 对比:EGGROLL 即使 16k population 仍达不到 Dust 64 draws;作者估计需 10^3–10^4× population 才可能追平。
- 反直觉观察:2M–243M 参数、固定 10M tokens 下,较大模型通常更 population-efficient,38M 在多数 population 最好;Dust 梯度与 backprop 梯度的 cosine 随 population 上升,拟合 law RMSE <0.06。
- Adam 下:EGGROLL 几乎无收益;Dust 与 backprop 都改善,Dust 极限区间仍低于 backprop。
- 实际结论/限制:作者明确当前 compute efficiency 远不足以替代 backprop,仍需 orders of magnitude 提升;尚未训练需要非可微或循环架构的新网络;部分结论基于外推。
💬 讨论总结
- 输入未包含
top_comments,无法提炼 HN 社区观点。HN 讨论页显示 6 条评论。原文自身的关键疑点集中在 compute 成本、外推可信度、与 EGGROLL 的比较是否公平,以及“大模型更 population-efficient”需要更多复现。
Opus 5.5 agents discover two room-temperature magnetic semiconductor candidates#
178 pts · 133 comments · vals.ai
📌 内容总结
- 背景/作者意图:AI agents 与作者用 DFT 寻找 Luttinger compensated 磁性半导体。这类材料净磁矩为零,但自旋向上/向下原子处于不等价环境,因此可像铁磁体一样按能量分选自旋,适合 spintronics/MRAM。
- 关键要点:
- 目标性质:半导体带隙、零净磁矩、带边附近存在足够大的 spin window;室温热扰动约 26 meV,窗口需远大于该值。
- 设计候选 YBaMnFeO₅:五元素新化合物,预测带隙 2.35 eV,空穴/电子 spin window 1.0/1.4 eV,磁有序约 420 K,校准后约 490 K。
- YBaMnFeO₅ 限制:需要 Mn/Fe 完美 checkerboard;约 950 K 会混排,而合成温度 900–1300 °C,低温原子难迁移,标准合成可能得到无序晶体,失去自旋分选。
- 旧材料 KV[Cr(CN)₆]:1999 年已合成,属普鲁士蓝家族;预测带隙约 2.1 eV,空穴/电子窗口 2.6/1.6 eV;1999 样品磁有序到 376 K,加热后 365 K。Cr 接 C、V 接 N,位点固定,避免候选 1 的无序问题。
- 限制:KV[Cr(CN)₆] 预测针对完美干晶体;唯一样品是含水粉末,有 0.125 μB/formula unit 残余磁矩;HSE06 认为自旋分选保留,PBE+U 认为空穴窗口缩小过半;带隙与自旋分选均未实测。下一步是重新合成并直接测量。
- 实际结论:一个候选是未经合成、合成难度可能很高的设计;另一个是 1999 年已有材料,但此前未被识别为 Luttinger compensated 半导体,也未被量化 spin window。
💬 讨论总结
- 输入未包含
top_comments,无法提炼 HN 讨论焦点。HN 讨论页显示 133 条评论。原文中的待验证点已较明确:AI agent 的“发现”与实际实验验证之间仍有距离,材料合成可行性与水合样品影响尚未解决。
1,359 字
晚报 | EVENING 2026-10-06
GLM 5.3 上线 Bedrock,Claude Code 生成引擎解码快 vLLM 90%
今日要点
- GLM 5.3 上线 Amazon Bedrock,753B MoE 支持提示缓存
- Baseten 用 Claude Code 生成推理引擎,解码比 vLLM 快 90%
- Cloudflare 推出面向 AI Agent 的 cf CLI,Wrangler 将退役
GLM 5.3 上线 Amazon Bedrock;Baseten 用 Claude Code 生成 VibeQwen 推理引擎,解码比 vLLM 快约 90%;Browser Use 发布 Chrome 扩展预加载功能,Cloudflare 推出面向 Agent 的 cf CLI。
1️⃣ Baseten 用 Claude Code 生成推理引擎,解码比 vLLM 快 90%#
- 实验设置:Baseten 工程师给 Claude Code 一张 B200 和 Qwen-3.6-35B-A3B,让它生成并持续优化推理引擎 VibeQwen。
- 性能结果:NVFP4 精度下,单流解码达到 1792 token/s,比 vLLM 0.25.1 的 943 token/s 高约 90%;首 token 时间从 28ms 降至 12ms;并发 32 时输出吞吐高 71%。
- 成本规模:Claude 自主工作约一周,消耗约 200 B200 小时、17 亿 token,作者称成本为数千美元量级。
- 知识复用:更新后的知识库用于 SAM 3.1,单张 H100 达 91 图/秒,比 Meta 参考服务器吞吐高 50%。 🔗 AINLP 报道 | Baseten 博客 | MetaInfer 论文
2️⃣ GLM 5.3 上线 Amazon Bedrock,753B MoE 面向编码与 Agent#
- 发布内容:Z.ai 的 GLM 5.3 在 Amazon Bedrock 可用,753B 总参数 MoE,面向编码和长周期 agentic 任务。
- 能力数据:官方称其在 DeepSWE、Terminal Bench 3.0、FrontierSWE 有竞争力,CyberGym 得分 84.5,内部编码基准比 GLM 5.2 提升 50%。
- 企业集成:支持跨区域推理、隐式与显式 prompt caching、OpenAI 兼容 Responses/Chat Completions,以及 Bedrock Invoke/Converse,服务分层包括 Flex、Priority、Standard。
- 行业意义:开放权重模型通过托管 API 进入企业,推理运行在 AWS 账户控制下。 🔗 AWS 博客 | Z.ai 公告 | Hugging Face
3️⃣ Cloudflare 推出面向 AI Agent 的 cf CLI,Wrangler 将退役#
- 发布内容:Cloudflare 开放 cf CLI 公测,开源、TypeScript 编写,统一访问 Cloudflare 服务。
- 面向 Agent:提供结构化输出与命令发现,方便开发者与 AI Agent 调用 Cloudflare API。
- 迁移安排:Wrangler 将逐步退役。
- 行业意义:CLI 从人类可读转向 agent 可解析,开发工具开始为自动化调用优化。 🔗 InfoQ 报道
4️⃣ [持续跟踪] Browser Use 发布 Extensions,Agent 可预加载任意 Chrome 扩展#
- 前情提要:Browser Use 此前发布 JavaScript 版本 browser-use-pi,并强调 stealth 能力。
- 最新突破:推出 Extensions,任何 Chrome 扩展上传一次,在首个页面加载前生效,可装载广告拦截、密码管理器或自定义扩展。
- 行业意义:Agent 浏览器运行时开始支持扩展,接近真实用户浏览环境。 🔗 Browser Use 公告 | stealth 相关
5️⃣ TikTok 上线 AI 购物助手与站内购买 Buy Direct#
- Shopping Assistant:对话式 AI Agent,理解购物需求并记住上下文,回答商品详情、物流、尺码、库存和购买问题。
- Buy Direct:用户从 For You 信息流发现商品后,可直接在 TikTok 内完成购买,无需跳转外部网站。
- 商家侧:Agentic Leads 通过 AI Agent 在私信和品牌网页与消费者对话,筛选潜在客户。
- 合作方:与 Shopify、Salesforce、Stripe 等电商和支付平台合作建设。 🔗 极客早知道
6️⃣ 彭博:中国顶尖模型 LiveBench 跑分落后美国缩至 3%#
- 数据变化:彭博行业研究称,DeepSeek V4.1 Flash 发布后,中国顶尖模型基准得分仅落后美国 3%,5 月约 9%、年初约 15%。
- 原因判断:中国实验室 AI 专业能力深化,研究人员针对国产硬件优化模型。
- 行业影响:彭博认为中国竞争者可能扩大市场份额,并质疑美国技术出口限制的效果。 🔗 极客早知道
7️⃣ AI 制药瓶颈转向湿实验验证,GenScript 等订单增长#
- 核心观点:AI 模型生成设计变便宜后,稀缺环节转向 DNA/蛋白合成、检测和临床前产能。
- 订单数据:TWST 预计 FY26 AI 药物发现订单三位数增长,FY27 继续;GenScript AIDD 业务 1H26 同比翻倍,平台验证 4000+ designs/day,渠道检查约 8000/day,目标 YE26 16000/day。
- 案例参考:Anthropic Claude 设计 1320 个蛋白结合体,Adaptyv 测试仅 354 个结合,966 个失败成为负标签训练数据。
- 行业意义:湿实验室不只制造药物,也在生成模型训练数据。 🔗 Freda Duan 分析 | Substack 全文
8️⃣ flow-1 用 RL 检测 Agent 轨迹错误,比 GPT-6-sol 便宜 23 倍#
- 模型发布:flow-1 是 RL 训练模型,用于在 agent traces 中查找错误。
- 性能宣称:据发布者称匹配 GPT-6-sol 的 trace intelligence,成本低 23 倍;运行成本比 GPT-6-luna 低 25%。
- 行业意义:无需采样即可监控和理解每次 agent run;RL 也可加速专用智能。 🔗 发布者推文 | elvis 评论
9️⃣ Anthropic 将 Cowork 虚拟机迁至云端,Claude Code 引入 local hands#
- 前情提要:旧版 Cowork 在本地运行 VM,消耗磁盘、电池,合盖即停止工作。
- 最新变化:新版 Cowork 将推理和 VM 放在云端,每会话独立沙箱;需要本地文件时由桌面应用负责文件访问。
- 相关能力:Claude Projects 云端会话可连接用户授权的本地文件夹并就地读写;Thariq 称 “local hands” 模式即将登陆 Cowork。
- 行业意义:Agent 的云端沙箱与本地文件访问解耦,支持手机端和持续运行。 🔗 Simon Willison | Claude 帮助页 | Dan Fein | Thariq