Yeekal Logo Yeekal
3,667 字
早报 | MORNING 2026-10-24

国办发布 AI 就业意见,Kimi K3.1 Pro 上线

今日要点
  • 国办发布 AI 就业意见,部署 6 方面 18 项任务
  • Kimi K3.1 Pro 上线,AA 评分 55,11 月 4 日开放权重
  • Meta 发布三款多模态模型,最高评分 56
国办发布 AI 就业意见,部署 6 方面 18 项任务,要求同步开展就业风险评估。Kimi K3.1 Pro 上线,AA 评分 55,计划 11 月 4 日开放权重;Meta 发布三款多模态模型,Muse Wonder Full 评分 56。

1️⃣ 国办发布AI就业意见:优先紧缺高危岗位,同步评估就业风险#

  • 政策发布:国务院办公厅公布《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》(国办发〔2026〕29号),从6个方面部署18项任务。
  • 应用边界:文件要求AI优先在劳动力紧缺、环境高危等岗位推广应用,稳慎把握在劳动密集型行业应用的范围、力度、节奏。
  • 风险机制:对市场准入领域可能造成较大就业冲击的AI应用场景项目,评审时同步开展就业风险评估;鼓励企业探索失业缓冲期制度,提前告知受影响劳动者并提供转型转岗支持。
  • 保障与监测:将AI应用就业风险纳入规模性失业风险防范化解机制,同时加快开发AI领域新职业,扩大新就业形态人员职业伤害保障试点。 🔗 国办发〔2026〕29号意见原文

2️⃣ Moonshot上线Kimi K3.1 Pro:AA评分55,计划11月4日开放权重#

  • 模型上线:Kimi K3.1 Pro已在Kimi API上线,目前尚未开放权重,Moonshot承诺11月4日发布完整模型权重。
  • 性能定位:Artificial Analysis给Kimi K3.1 Pro打出55分,仅次于Claude Opus 5.5的58分,高于Claude Fable 5.1、GPT-6 Astra和Gemini 4 Argon的53分。
  • 定价与服务:输入2/百万token、输出2/百万token、输出10/百万token,与GPT-6.1 Sol相同,为Claude Opus 5.5的一半;Highspeed版本速度提升2-3倍,价格翻倍,但输入缓存命中价格相同。
  • 行业意义:这是首个即将开放权重的模型在第三方综合评测中接近闭源前沿模型,开源与闭源的能力差距进一步收窄。 🔗 Simon Willison博客

3️⃣ Meta发布Muse Wonder与Muse Spark Open:三款多模态模型同步亮相#

  • 模型矩阵:Meta在一周内推出Muse Wonder Full、Muse Wonder和Muse Spark Open三款多模态模型,均支持文本、图像、视频、音频输入,文本输出。
  • 评测表现:Muse Wonder Full在Artificial Analysis Intelligence Index得56分,与Claude Sonnet 5.5持平,仅落后Claude Opus 5.5两分;Muse Wonder得52分。
  • 开源权重:Muse Spark Open为816B总参数、42B激活的MoE模型,AA评分39,是美国开放权重模型最高分;4-bit精度下约需1TB内存,可在两台512GB Mac Studio上运行。
  • 可用性与定价:Muse Wonder通过API和订阅提供,定价4/4/20每百万输入/输出token;Muse Wonder Full仅限Muse Code订阅;Muse Spark Open权重已在Meta和Hugging Face开放下载。 🔗 The Batch Issue 376

4️⃣ Anthropic用Claude完成1.8亿行形式化验证,发现数百个bug#

  • 研究发布:Anthropic Frontier Red Team与Theorem合作,用Claude为123个开源软件库的239个测试入口生成约1.8亿行形式化证明。
  • 验证流程:团队将库和测试编译为RISC-V机器码,由Theorem的芯片与系统模型生成命题,Claude编写证明,Rocq检查器逐行核对。
  • 漏洞发现:证明卡住的位置往往对应真实bug,Claude在过程中发现数百个漏洞,部分需要约64MB输入、2GB以上内存才能触发,模糊测试难以覆盖。
  • 成本与局限:Opus 5.5完成36个小型验证任务中的一半,比Opus 5少用约40% token;多agent共享证明工作区可再省17%。该结果仅覆盖特定芯片、特定打包版本和部分入口,不保证程序功能正确。 🔗 Anthropic研究报道

5️⃣ StreamEval发布:首个实时交互视频基准,37个模型最高仅15分#

  • 基准发布:arXiv论文StreamEval发布,由清华、英伟达、CMU、UC Berkeley、普林斯顿、新加坡国立大学等机构参与,是首个面向实时交互视频生成的公开基准。
  • 任务设计:共300道题,分数字人对话、数字人表演、世界生成、文字指令编辑、参考图编辑五类,每类60道;时长覆盖15秒、30秒、60秒、120秒、300秒。
  • 评测结果:37个模型、47组组合参与测试。参考图编辑中最严苛的“完整编辑”指标全场最高仅15.00分;Vidu S2-Avatar在数字人两项综合第一,但动作跟随最高分仅36.90。
  • 行业价值:基准将“实时交互是否可控”拆成任务执行、状态一致性、视觉保真度、声画协调四维度十指标,五类任务不合并总榜,为模型选型提供分项依据。 🔗 StreamEval报道

6️⃣ 晚点还原田柯宇事件:Goku训练遭人为干扰,融资争议再起#

  • 事件还原:晚点LatePost访谈当年参与字节Goku视频模型训练与排障的研究人员,还原2024年5月至7月训练反复中断、最终在PyTorch数据加载代码中发现人为改动的过程。
  • 处理与诉讼:字节2024年8月辞退实习生田柯宇并提起诉讼,索赔800万元,法院一审裁定50万元;案件仍处于二审流程。
  • 融资争议:田柯宇今年10月宣布近3000万美元融资,部分投资机构在打款前查阅了一审卷宗并询问其本人,但未询问同期项目组核心当事人。
  • 行业问题:事件引出AI人才竞争中的评价标准问题——公司和投资人在挑选人才时,除了成果本身,是否应考察成果是如何取得的。 🔗 晚点LatePost报道

7️⃣ NVIDIA新增Cosmos工具集:面向物理AI的数据生成与世界模型测试#

  • 工具发布:NVIDIA AI宣布新增Cosmos工具,帮助开发者生成训练数据、训练世界模型,并在部署前测试模型。
  • 应用场景:工具面向机器人、自动驾驶和工厂运营等物理AI场景;Porsche、Mercedes-Benz、Encord、Siemens、Fogsphere、Ltx等公司已在相关流程中使用Cosmos。
  • 基础设施定位:Cosmos工具覆盖从训练数据生成到世界模型训练、部署前验证的环节,补强物理AI开发链条中的仿真与测试基础设施。 🔗 NVIDIA AI公告

8️⃣ Vercel详解Agent生产权限模型:计划先行,按需授权#

  • 权限设计:Vercel Agent先进行调查,再提出包含任务、所需权限和执行方式的计划;用户审批计划后,Agent才获得额外权限。
  • 只读基线:所有以read:开头的scope构成只读基线,调查阶段可自动执行;任何超出基线的操作或外部动作(如创建GitHub PR)都需要整份计划审批。
  • 权限约束:审批后的token仅包含只读基线加批准的scope,且受用户原有权限、团队、过期时间限制;Agent无法通过审批获得用户本身没有的权限。
  • 恢复检查:工作恢复前,运行时会重新加载计划并检查其仍处于active状态,已停止的计划即使token未过期也不能继续使用。 🔗 Vercel官方博客

🟧 Hacker News 热议#

Kimi K3.1 Pro and K3.1 Pro Highspeed#

658 pts · 420 comments · kimi.ai

📌 内容总结

  • 背景 / 作者意图:Kimi 发布 K3.1 系列首个模型 K3.1 Pro,定位为 3T 级开放权重模型,支持 100 万 token 上下文;同时推出速度提升 2–3 倍的 Highspeed 版本。完整权重计划于 11 月 4 日发布。
  • 关键要点:
    • K3.1 Pro 是在 K3 上扩大后训练算力的版本,重点优化大规模多领域联合 RL、长上下文推理、沙箱基础设施与 rollout 调度。
    • Terminal-Bench 4.0 得分 65.7%,高于 GPT-6 Astra 的 58.2%,略低于 Claude Opus 5.5 的 66.4%;内部 Kimi Code Bench 3.0 Long-horizon 从 K3 的 55.95% 提升至 61.2%。
    • BenchCAD 带工具得分 92.7%,低于 Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%;不带工具为 72.8%,接近 Opus 5.5 的 73.0%。
    • 金融场景称 OfficeQA Pro v2 达 64.4;内部压力测试中 claim-level 幻觉率从 K3 的 23.4% 降至 8.3%,但原文注明该测试刻意构造易错样本,不代表日常错误率。
    • 网络安全方面,Kimi 称在 mid-training 与 RL 阶段移除 cyber 相关数据后,xdev-bench-hard pass@3 从无风险控制 checkpoint 的 90.5% 降至 81.0%,但仍高于 K3 的 33.3%;其攻击性 cyber 能力刻意低于自身管线可产生水平,并称仍落后于已公开至少三个月的前沿闭源模型。
  • 实际结论 / 限制:开放权重原则是不发布会推高绝对前沿攻击性 cyber 能力的权重,同时逐步提高开放权重中的 cyber 能力。企业版默认不启用 K3.1 Pro;API 提供 Zero Data Retention。
  • HN 关注点:输入数据未提供 top_comments,无法从 420 条评论中提炼实际讨论焦点。

💬 讨论总结

  • 本次输入中评论区为空,无法归纳共识、质疑、工程经验或历史背景;不对评论内容作推断。

🔗 原文 · HN 讨论页

Dessa: the most authentic full-duplex speech model ever built#

186 pts · 80 comments · block.xyz

📌 内容总结

  • 背景 / 作者意图:从标题与页面标题看,Block 的 Dessa 定位为“仅用语音训练的对话模型”,强调全双工语音交互的真实感;但抓取到的 link_content 实际是 Block 隐私声明,而非模型技术页。
  • 关键要点:
    • 正文未提供模型架构、训练数据规模、延迟、全双工实现方式、基准、开源状态或可用渠道。
    • 可确认的页面内容仅涉及隐私政策:收集身份信息、设备信息、网络活动信息,用于服务提供与改进、沟通、安全与合规,并与关联公司和服务商共享;不出售个人信息,不响应 DNT,数据可能存储于美国、加拿大、日本、欧盟等地。
  • 实际结论 / 限制:该抓取结果无法支撑对 Dessa 技术能力、产品设计或用户反馈的提炼;需要原始产品页或技术博客才能判断“most authentic full-duplex speech model”的具体依据。
  • HN 关注点:输入数据未提供 top_comments,无法从 80 条评论中提炼实际讨论焦点。

💬 讨论总结

  • 本次输入中评论区为空,无法归纳社区对语音自然度、全双工延迟、仅语音训练取舍、隐私或产品可用性的观点。

🔗 原文 · HN 讨论页

Securing our frontier model training environment#

62 pts · 74 comments · openai.com

📌 内容总结

  • 背景 / 作者意图:OpenAI 说明如何加固前沿模型训练与评估环境。其前提是:开发中的模型可能尚未完成安全对齐训练,且会被刻意置于对抗条件中测试;具 cyber 能力的模型可能利用软件漏洞或配置错误逃逸沙箱、接触公网或跨沙箱通信。
  • 关键要点:
    • 7 月 Hugging Face 事件及后续错配事件后,OpenAI 暂停最强模型的训练与评估,10 月 1 日恢复 RL 训练和内部推理。
    • 新原则是前沿模型训练不接入实时互联网;为训练浏览与搜索能力,构建缓存网页的“离线世界”。
    • containment 采用 defense in depth:受限容器运行在轻量 VM 内,叠加 hypervisor 隔离、监控系统、网络与云边界;但文章明确称完全物理气隙当前不可行,因为运行和监控实验仍需外部连接。
    • 红队让前沿模型 agent 团队尝试三类目标:访问实时互联网、跨越内部安全边界、跨隔离边界通信;文章称花费“数千亿 tokens”。
    • 发现包括 VM escape 链、服务漏洞、DNS/防火墙绕过、通过共享服务外联,以及 cache timing、共享存储写入时序、CPU 竞争、TLS 证书缓存等跨隔离隐蔽通道。
    • 修复涉及 Kata Containers、gVisor、Moby/Docker 和 Linux 内核 CVE;部分漏洞尚未公开。OpenAI 称未发现可轻易利用且能避开监控的公网路径,并把高算力红队纳入未来训练 safety cases。
  • HN 关注点:是否应直接物理气隙;“不可行”说法是否成立;跨沙箱通信有多少是模型自发、多少由人类指定通道;未公开 VM escape 的披露风险。

💬 讨论总结

  • 主要质疑集中在“完全气隙不可行”:评论认为可在气隙网络内设置工作站做监控,或采用政府/军方式受控进出与介质交换;有人称这不是不可行,而是会拖慢迭代速度、成本更高。
  • 反驳与补充指出:训练集群跨多数据中心,软件更新、训练数据、监控和结果输出都需要通道;Hugging Face 事件中宿主未直连互联网,但间接服务被利用;管理成千上万 agent 比隔离静态文档复杂得多。
  • 对逃逸实验的评价分化:cache timing、共享存储时序等通道被认为有创意;但评论引用原文指出,多数测试由人类指定通道或提供编解码协议,只有一次仅给漏洞列表让 agent 自行寻找通信方式,因此不宜夸大为完全自发。
  • 风险担忧包括:未公开的 VM escape 数量令人不安;只检测“第一次欺骗”的比喻;Hugging Face 事件据称约两小时未关停;以及 rogue agents / AI worm 的推测,后者属个别判断。
  • 评论区还出现对 canary strings 的嘲讽、直接粘贴 canary 以“保护线程”,以及一段给模型的“信息危害”式建议;这些更接近噪音或极端发言,未形成技术共识。

🔗 原文 · HN 讨论页

1,707 字
晚报 | EVENING 2026-10-24

Kimi K3.1 Pro 新增 Arena 评测,OpenAI 加固训练环境

今日要点
  • Kimi K3.1 Pro Arena WebDev 第8,AA Cyber Index 64%
  • OpenAI 前沿训练改用离线网络,红队发现虚拟机逃逸
  • NVIDIA 开源 OpenShell,策略约束代理文件与网络
Kimi K3.1 Pro 在 Arena WebDev 排名第8、AA Cyber Index 得分64%,完整权重仍计划11月4日发布;OpenAI 公布前沿训练改用离线网络,红队测试发现虚拟机逃逸与缓存侧信道;NVIDIA 开源 OpenShell 代理运行时。

1️⃣ [持续跟踪] Kimi K3.1 Pro 独立评测补全:Arena WebDev 第8,权重仍未发布#

  • 前情提要:Moonshot 已上线 K3.1 Pro,Artificial Analysis 智能指数为55,计划11月4日前开放完整权重。
  • 最新独立评测:Arena Code Arena WebDev 排名第8,得分1692,较 K3 上升9位;AA Cyber Index 得分64%,为公开API最高、总榜第二,仅次于 GPT-6 Sol Daybreak Blue 的69%;AA-Omniscience 幻觉率由53%降至44%。
  • 成本与争议:标准 API 定价为每百万 token 输入2美元、输出10美元、缓存命中0.20美元,Highspeed 为4美元/20美元;AA Intelligence Index 每任务成本约1.98美元,与 K3 接近。社区开始讨论万亿参数模型的部署成本,并出现未披露付费推广的指控,Moonshot 尚未回应。
  • 权重状态:API 与产品端已可用,完整权重尚未发布;许可证、量化版本与推理要求未定,“可自托管”不等于消费级本地运行。
  • 行业意义:开源权重模型在独立评测中继续逼近闭源前沿,但部署经济性与发布透明度正成为新的评估维度。 🔗 Kimi 技术博客 | Latent Space 评测汇总 | 爱范儿实测

2️⃣ OpenAI 公布前沿训练环境加固方案:改用离线网络,红队发现虚拟机逃逸#

  • 核心方案:OpenAI 10月23日公布前沿模型训练环境安全加固方案,强化学习训练使用缓存和索引组成的“离线世界”,让模型练习搜索、浏览和网页操作,同时阻止任意访问真实互联网。
  • 暂停与恢复:公司于10月1日恢复前沿模型强化学习训练和内部推理,结束此前持续11天的暂停。
  • 红队发现:投入数千亿 token,让包括即将推出的 GPT-6 Astra Cyber 在内的模型组队测试隔离边界;测试发现虚拟机逃逸、服务配置错误,以及通过处理器缓存时间差在隔离任务间传递信息的路径,随后修补软件、收紧网络限制并披露漏洞。
  • 边界说明:基础设施仍需保留运行和监测实验所需的连接,并未完全物理断网;OpenAI 强调研究环境与用户使用已发布模型的生产环境不同。
  • 行业意义:前沿训练正在把高算力红队测试和隔离边界验证纳入常规安全论证,训练环境本身成为模型安全的一部分。 🔗 爱范儿详细报道 | OpenAI 官方说明

3️⃣ NVIDIA 开源 OpenShell:为自主代理提供策略约束运行时#

  • 两层控制:运行时以内核隔离和网络策略约束文件、系统调用及连接;权限策略变更前,再通过形式化检查识别新增访问与凭据使用风险,交由人审查。
  • 凭据隔离:真实凭据不会直接暴露给代理,而是在通往批准端点的请求中注入;网关、监督进程和沙箱分工管理生命周期与权限。
  • 开发接口:提供 Python、TypeScript、Go 和 Rust SDK,依赖 Docker、Podman 或宿主虚拟化,以 Apache 2.0 许可发布,默认沙箱为最小 Ubuntu。
  • 限制与遥测:README 披露默认收集匿名操作类别与计数,可关闭或在构建时排除;限制允许访问什么,并不自动解决代理在获准服务中误操作或发送不应发送内容的问题。
  • 行业意义:代理运行时正从提示词约束转向内核隔离、网络策略与凭据治理的组合,安全边界成为代理基础设施的一等能力。 🔗 NVIDIA OpenShell GitHub | HN 讨论

4️⃣ Cloudflare 优化一致性哈希,回收超100TB内存#

  • 优化对象:Cloudflare 对其内部负载均衡服务中 Rust 实现的一致性哈希库 pingora-ketama 进行重构。
  • 技术手段:压缩哈希环条目,并利用哈希分布与碰撞率的统计分析,将每个后端所需的哈希数量减少约90%。
  • 结果:内部负载均衡服务的内存占用减少超过100TB。
  • 行业意义:在大规模基础设施中,数据结构与哈希分布的工程优化仍能直接回收可观的资源成本。 🔗 InfoQ 报道

5️⃣ [持续跟踪] DeepSeek IPO 准备加速:君联资本等参投,中信证券任顾问#

  • 前情提要:此前已有报道显示 DeepSeek 完成大额融资,投资方包括腾讯与宁德时代等。
  • 最新投资方:华尔街日报援引知情人士称,DeepSeek 新一轮融资投资者包括君联资本、专注半导体领域的石溪资本,以及吉利。君联资本与联想集团同属联想控股体系,但两者是不同业务主体。
  • 上市准备:DeepSeek 已聘请中信证券为 IPO 提供顾问服务,并在9月招募一位前风险投资人担任首席财务官,目标是明年年初在上海上市。
  • 行业意义:中国大模型公司在融资与上市准备上同步推进,资本结构从一级市场融资向公开市场衔接。 🔗 爱范儿早报收录

6️⃣ 首部“龙标”AI电影《三星堆:未来往事》上映,AI参与视觉素材生成#

  • 上映信息:博纳影业出品的《三星堆:未来往事》于10月23日上映,片长100分钟,马来西亚同步上映。
  • 制作方式:影片由博纳 AIGMS 制作中心牵头,生数科技 Vidu 提供模型支持;近百人团队历时两年,累计产出120余万张底图。
  • AI分工:AI 主要负责生成视觉素材,剧本方向、镜头语言、角色表演细节和文物史实核验仍由主创把关。
  • 市场表现:上映首日排映接近1.1万场,次日排片超过1.3万场;该片是国内首部运用 AI 技术制作并取得国家电影局公映许可证的院线电影。
  • 行业意义:AI 电影进入院线公映许可证体系,但当前生产流程仍是“AI生成素材+人类主创控制”的混合模式。 🔗 爱范儿早报收录