Infinitum - 10-17日报 | Gemini智能体自主组队通关、商务部拟增列AI出口管制、Mistral万亿模型ML4预览

声明：完全使用AI生成，可能存在错误，需谨慎甄别。

摘要

2026-10-17 AI领域呈现多线并进格局，值得关注的信息：Google DeepMind公布4个Gemini智能体零人工分工27小时自主击败《我的世界》末影龙；商务部、科技部拟在出口技术目录增列23项人工智能关键技术；Mistral发布万亿参数MoE模型Large 4预览，Anthropic警示智谱GLM-5.3存在严重网络攻击风险；字节跳动首次公开展示可实时交互三维生成的世界模型。

热点事件

Gemini智能体零人工分工27小时自主击败《我的世界》末影龙

Google DeepMind公布一项多智能体协作实验：4个基于Gemini 4 Argon的通用编码智能体在无人类预设分工的前提下，仅依靠游戏内聊天频道与共享笔记自主协商角色划分，进入随机生成的《我的世界》生存模式后连续作战27小时14分钟，最终击败末影龙完成通关。智能体全程不操控键鼠，而是调用Mineflayer库自行编写代码，累计产出2783个程序，期间共死亡605次但未中断，并自主摸索出摧毁末影水晶的有效战术，聊天频道仅产生229条消息。DeepMind通过独立裁判智能体审查与人工抽样审计两层机制确认无作弊，并强调这是一次无预设架构、长时程的多智能体自主组队实验，其能力被视作可迁移至编码、科研、工程及机器人等领域。

重点： 无预设架构长时程多智能体自主组队，能力可迁移编码、科研与机器人。

来源：展开 3 条收起 3 条

刚刚，4个Gemini死了605次，竟自己组队打穿《我的世界》！（新智元）
不操控键鼠、自己写代码：4 个 Gemini 智能体在《我的世界》里自主组队击败末影龙（AI新闻资讯）
DeepMind 宣布 4 个 Gemini 智能体自组队通关《我的世界》（Readhub - 每日早报）

商务部、科技部拟在出口技术目录增列23项人工智能技术并征意见

商务部、科技部发布2026年第48号公告，就修订《中国禁止出口限制出口技术目录》公开征求意见，拟增列人工智能、生物医药、光伏三个领域共40项关键技术，其中禁止出口14项、限制出口26项，并对相关技术实施出口前登记的临时管理措施。人工智能领域拟增列大模型、智能体、算力集群、信息处理等23项关键技术，涵盖恶意代码生成与变异、辅助漏洞挖掘等；对开源技术、企业境外自建算力中心、芯片流片、联合研发、国际标准制定等技术出口适用自动许可便利措施，进入公共领域的技术不纳入管理。API调用、APP/网页交互、SaaS应用、端侧轻量化部署等大模型出海情形不属于技术出口管理范围。生物医药拟增列5项，光伏拟增列12项，全部技术出口前需在商务部业务系统统一平台登记。

重点： AI出口管制升级，明确大模型/智能体/算力集群等23项技术纳入管理。

来源：展开 1 条收起 1 条

商务部、科技部拟在出口技术目录增列23项人工智能技术并征意见（AIHOT — 精选）

Mistral发布万亿参数ML4预览、Anthropic警示智谱GLM-5.3网络攻击风险

法国Mistral发布1万亿参数MoE架构模型Mistral Large 4（ML4，昵称le Chonk）API预览版，采用3800—4000块自研或NVIDIA Grace Blackwell GPU完成训练，激活参数约52亿，参数量仅次于中国闭源对手；Artificial Analysis智能指数得分38，是中美之外最高，并强调欧洲主权AI定位，计划月底前开源权重。Anthropic发布红队评估报告，警示智谱开源模型GLM-5.3存在严重网络攻击风险，实测显示其在ExploitBench上以410次尝试完成50次端到端漏洞利用，权重消融后护栏绕过率达100%，触发其既定的发布前测试机制。Anthropic同时呼吁对前沿模型开展独立安全测试。

重点： 欧洲主权AI迈入万亿参数阵营，前沿模型网络安全风险再敲警钟。

来源：展开 5 条收起 5 条

Mistral发布旗舰模型Large 4预览版（The Batch | DeepLearning.AI | AI News & Insights）
拒签、尺子与锁死窗口：Anthropic 开源态度的来源（Deep News — Superlinear Academy）
Mistral 新版发布 1 万亿参数模型，试图超越闭源与开源对手（TechCrunch）
Mistral Large 4开源模型即将发布（TLTD）
Anthropic，你是来给智谱打广告的吧！（量子位）

字节世界模型首次公开演示支持实时交互三维生成

在抖音集团《2026美好奇妙夜》科技节目上，字节跳动尚未正式发布的世界模型首次公开演示：输入一句话即可从零生成三维场景，用户可在其中自由探索、与物体实时交互，还可通过"任意门"实现跨空间连通，展现出空间表征、动态预测、场景编辑与跨场景连续性能力。该项目已被列为字节2026年AI四大重点方向之首，由创始人张一鸣亲自督导，依托Seedance视频生成模型开发实时空间视频生成模型，多部门资源优先保障算力，目标年底前达到国际头部水平。与海外World Labs、DeepMind Genie、英伟达Cosmos等路线不同，字节选择从视频生成出发、面向大众应用的差异化路径，后续将延伸至机器人训练、自动驾驶仿真及Pico VR终端等领域。

重点： 字节押注视频生成路径，差异化打法争夺世界模型赛道。

来源：展开 2 条收起 2 条

AI从「造图」卷到「造世界」，这次真有点科幻了。。。（量子位）
张一鸣亲自督导字节世界模型项目，押注 AI 新赛道（Readhub - 每日早报）

变更与实践

vLLM推出无置信头在线拟合接受估计器，拓展草稿模型自适应验证

vLLM发布无需置信度头的在线拟合接受估计器，使EAGLE、MTP、DFlash等缺乏置信度头的草稿模型能够启用自适应验证（Adaptive Verification）。该方法以草稿分布最可能token的logit(q_max)为特征，通过逐位置逻辑回归并在校验阶段用IRLS在线拟合系数，从而估计目标模型的接受概率，并在服务过程中持续更新。在DeepSeek-V4-Flash+DSpark、MiMo-V2.5-Pro+DFlash、Inkling-NVFP4+MTP、Muse-Glimmer-30B+DFlash2等模型组合上，多个数据集测得吞吐量提升，部分报告显示MTP、EAGLE因自回归裁剪收益有限，且需目标模型注意力后端支持可变长度验证。

来源：展开 2 条收起 2 条

vLLM 推出无需置信头的在线拟合接受估计器，让 EAGLE、MTP 等草稿模型可用 Adaptive Verification（AIHOT — 精选）
卡加了，吞吐为何没跟上？大模型推理中的等待，有了新解法（机器之心）

Reflection AI发布501B开源模型Beam，多框架同日支持

Reflection AI正式推出首个开放权重MoE模型Beam：总参数约5010亿、每次推理激活230亿参数，上下文窗口达100万token，基于23.8万亿token预训练，并在约1.05万块NVIDIA GB300上完成强化学习训练。官方宣称在高级推理基准上以3–4倍更低推理算力达到与Z.ai GLM-5.2相当的水平，性能对标中国阵营开源前沿模型，但编码与智能体基准仍显著落后于Qwen、DeepSeek等中国模型。发布当日，vLLM、SGLang与Ollama同步宣布Day 0原生支持：vLLM在TP8下将Beam解码延迟从8.95ms降至3.30ms。

来源：展开 5 条收起 5 条

vLLM 实现 Reflection Beam 501B MoE 模型 Day 0 支持（AIHOT — 精选）
SGLang 原生支持 Reflection 的 Beam 并驱动其生产 API（AIHOT — 精选）
【AI资讯】Reflection Beam——501B总参/23B激活的美国开源模型（Latent Space）
Reflection 发布 Beam 开源权重 AI 模型，意图以更低算力成本对标中国模型（TechCrunch）
FOD#170：Reflection 的挫败、Pardon、Beam：全球前沿仍在前方（Turing Post）

DeepSeek发布V4.1-Flash-1017模型并开放搜索抓取API

DeepSeek于10月17日将V4.1 Flash升级至V4.1-Flash-1017，网页端、App与API同步上线，API调用方式与价格保持不变（输入$0.3/输出$1.2每百万token）。官方称新版本在推理、代码、Agent等多基准上显著提升，同时缩短任务运行时间与输出长度，实现性能与成本的帕累托改进，其中DeepSWE v1.1达77.0、HLE(w/o tools)达42.6。该模型登顶Arena Code Arena: WebDev开源模型榜首，以1670分位列总榜第12，超过Kimi K3 (Max)，相较9月版提升52分。模型已针对DeepSeek Harness v0.2.1-rc.1、腾讯CodeBuddy、WorkBuddy等完成适配。

来源：展开 5 条收起 5 条

DeepSeek-V4.1-Flash-20261017 登顶 Code Arena: WebDev 开源模型榜首（AIHOT — 精选）
DeepSeek V4.1-Flash-1017模型全端上线（AI洞察日报 RSS Feed）
DeepSeek-V4.1-Flash-1017 发布，多基准成绩提升且 API 价格不变（AIHOT — 精选）
突发！DeepSeek新模型发布，超级性价比斩杀一切（量子位）
DeepSeek更新模型，能按需求生成游戏和3D场景（爱范儿）

Waymo宣布进军加拿大，多伦多2028年开放自动驾驶出租车

Alphabet旗下自动驾驶公司Waymo正式宣布进入加拿大，多伦多成为其加拿大首个运营城市，也是迄今纬度最高、气候最冷的部署地。按规划，Waymo将先以人工驾驶方式开展高精度地图绘制，随后由安全员在公共道路完成自动驾驶测试，逐步撤除安全员后向公众开放乘车，目标2028年在多伦多推出商业robotaxi服务。此次扩张依托其与美国15城已运营服务及伦敦、东京在测项目的全球布局。Waymo同时与多伦多本地Element Fleet Management合作负责端到端车队管理，并计划带来数百个相关岗位。官方援引超4亿公里自动驾驶里程数据，称重伤及以上事故率较人类驾驶低95%，但进度仍受寒冬降雪、街车混行及运营可靠性等挑战影响。

来源：展开 4 条收起 4 条

Waymo 宣布进军多伦多，计划2028年迎接首批乘客（AIHOT — 精选）
Waymo的robotaxi将进入加拿大（TechCrunch）
Waymo 正式进军加拿大，多伦多率先迎来自动驾驶出租车测试（极客公园）
🤖 Waymo 2028 进军多伦多：雪天、街车、就业与监管成焦点（News Hacker | 极客洞察）

DeepSeek整合成立「产品部」，崔添翼担任负责人

国产大模型公司DeepSeek近期整合Harness、Web、App、Platform团队，正式成立产品部，由崔添翼担任负责人。崔添翼此前负责Harness团队，其开源项目曾迅速获得大量关注，新版本增加了Claude Code Mods兼容层，团队目标是以创新路径推进AGI。此次整合将分散在不同团队的产品能力收归一处，有助于在大模型API、Web控制台、App与开发工具链之间形成统一的产品节奏。

来源：展开 1 条收起 1 条

DeepSeek 整合成立「产品部」，崔添翼担任负责人（Readhub - 每日早报）

安全与风险

PromptArmor研究称开放权重模型遭间接提示词注入攻击易感率高88%

PromptArmor发布基于9800次试验的评估报告，比较开放权重模型（DeepSeek、Kimi、GLM、Qwen）与闭源模型（GPT、Claude、Gemini）在真实世界间接提示词注入攻击链下的易感性。结果显示开放权重模型整体易感率26.7%，闭源模型为14.2%，前者高出约88%。分攻击类型上，URL运行恶意软件场景开放权重模型易感率49%对比闭源9%，钓鱼登录覆盖层36%对5%，Markdown图片邮件外泄23%对9%。报告还指出，专有厂商高性价比模型相对旗舰易感性高169%，而开放权重厂商反而低5%；OpenAI和Anthropic较新高性价比模型比旗舰更易感，分别高出38和21个百分点。文中以Gemini 3.8 Flash在识别出攻击后仍执行恶意代码等案例说明现有对齐与拒绝评估的不足。

影响： 部署开放权重模型开发Agent的企业与终端用户，受间接提示词注入攻击威胁更大。

建议： 针对真实智能体系统持续更新基准，并在关键链路增加独立安全检查与工具调用审计。

来源：展开 1 条收起 1 条

PromptArmor 研究称开放权重模型遭间接提示词注入攻击的易感率高 88%（AIHOT — 精选）

清华北邮联合警告：扩散式VLM的安全防线出现结构性缺口

清华大学与北京邮电大学联合在EMNLP'26发表论文，提出DIVA离散扩散视觉语言模型攻击方法，指出离散扩散视觉语言模型（dVLM）在多轮去噪生成过程中反复引入视觉条件，导致原本用于自回归模型的安全防线出现结构性缺口。研究者提出"跨步条件传播"机制，并设计由跨模态意图混淆与扩散感知对抗优化组成的白盒越狱链路，使用有界视觉扰动在多个去噪时间步上联合优化。在HADES与VLSBench基准上，DIVA在LLaDA-V、MMaDA与LLaDA2.0-Uni三类模型上的攻击成功率均高于比较方法，MMaDA与LLaDA2.0-Uni上比DIJA高出6.67至19.20个百分点。论文强调这是白盒研究，未公开扰动文件与脚本，主张在生成轨迹各阶段加强安全监测并为扩散模型建立专门红队测试。

影响： LLaDA-V、MMaDA、LLaDA2.0-Uni等扩散式VLM的安全对齐被结构性削弱。

建议： 为扩散模型建立专门红队测试，并在生成轨迹各阶段加强安全监测。

来源：展开 1 条收起 1 条

EMNLP'26 | 清华北邮联合警告：扩散式VLM的安全防线步步失守（新智元）

Apple加强对未经同意亲密影像及"bait-and-switch"应用的审核指南

Apple于2026年10月16日发布App Store审核指南更新，针对未经同意的亲密影像与"bait-and-switch"等违规应用加强监管。新规明确：1.2条款要求应用主动预防和移除未经同意的亲密影像，包括AI生成的此类内容；2.5.19条款重申禁止应用在审核通过后变更功能；第5节规定涉及儿童性虐待材料等的应用将被下架并禁止替代分发。违规开发者可能违反开发者行为准则并被移除Apple开发者计划。Apple表示，去年阻止逾15万款存在安全问题的应用上架，并因欺诈和滥用终止逾19.3万个开发者账户，强调将持续进化审核工具以更快速拦截违规行为。

影响： 在App Store分发涉及AI生成亲密影像或bait-and-switch违规模式应用的开发者。

建议： 下架违规内容并审查应用功能变更，避免违反开发者行为准则。

来源：展开 1 条收起 1 条

Apple：加强对未经同意的亲密影像及" bait-and-switch"应用的审核指南（Andrej Karpathy Curated RSS）

开源与工具

Black Forest Labs开源文生图模型FLUX 3 Image Klein上线多家平台

Black Forest Labs发布并开源5.6B参数文生图模型FLUX 3 Image Klein，统一支持文本生成图像、多参考图生成与图像编辑，并新增基于JSON边界框的精确版式布局控制，可原生输出4K图像。模型权重以FLUX Kommunity License发布，年收入低于500万美元的用户可免费商用，并提供FP8、INT8与NVFP4多种量化版本，在8GB显存消费级GPU上即可运行。官方内部评估显示其文生图、多参考与编辑能力排名第一，文本到图像Elo较FLUX.2 [klein] 9B提升91分，参数规模减少约38%。社区反馈指出其人体生成出现退化，但编辑能力与高分辨率风格获得部分认可。

适用场景： 低成本图像生成与编辑、广告与版式设计，8GB显存即可在本地运行。

来源：展开 4 条收起 4 条

欢迎 FLUX.3 Image Klein 加入 Diffusers（Hugging Face - Blog）
Black Forest Labs 发布开源文生图模型 FLUX 3 Image Klein（5.6B）（AIHOT — 精选）
🤦 Flux 3 Klein 开放权重：5.6B 低价模型却被指人体生成崩坏（News Hacker | 极客洞察）
Black Forest Labs FLUX.3 Image Klein 登陆 Diffusers，支持边界框布局控制（AIHOT — 精选）

清华团队推出低成本预训练方案Puro-2B，RTX 5090训练成本不到5090美元

清华大学陈文光与吕凯风教授团队联合推出全流程开源的低成本预训练方案Puro-2B，在消费级RTX 5090集群上从头训练约20亿参数模型，最多使用1.4万亿token，开放训练数据、框架、配置与权重。其4400美元版本在15项任务平均指标上超越Qwen2-1.5B，6900美元最佳版本接近Qwen2.5-1.5B。方案从五个层面协同设计：RTX 5090 BF16峰值算力/美元约为H200的2.77倍；采用FP8路径获得约1.36倍吞吐提升；优化器MuonH训练效率约为调参Muon的1.19倍；课程模型平均（CMA）相对随机数据排布将成本效率提升约2.40倍。

适用场景： 高校、小团队基于消费级GPU从头预训练中等规模语言模型。

来源：展开 1 条收起 1 条

小团队也能预训练！普罗2B：RTX5090训练成本不到5090美元（新智元）

范式智能联合睿思智联推出开源一站式生产级AI部署平台「模域ModelSphere」

范式智能技术集团联合北京睿思智联科技正式上线一站式生产级AI部署平台"模域"（ModelSphere），面向企业用户免费开源，已在GitHub开源。平台将算力管理、模型部署和运行优化整合在同一平台，主打四项能力：图形化面板与预置部署降低环境配置复杂度；内置自动弹性扩缩容、PD分离部署、三级KV缓存、负载均衡及断流续写等企业级能力；AutoTune智能排期与自适应负载均衡使极限吞吐效率较基准提升约285%；融合EngineX推理引擎统一调度华为昇腾、天数智芯、摩尔线程、海光DCU等国产芯片，并已适配DeepSeek-V4/V4-Flash、Qwen、Kimi、MiniMax、GLM等主流开源模型。

适用场景： 企业大模型规模化生产部署、国产异构算力纳管与新模型快速上线。

来源：展开 1 条收起 1 条

范式智能联合睿思智联推出开源一站式生产级 AI 部署平台 “模域ModelSphere”（量子位）

数据与洞察

Elorian与Scale AI联合发布视觉推理基准Humanity's Sixth Sense

Scale AI联合Elorian发布新基准Humanity's Sixth Sense（HSS），专门测试AI的直觉式视觉推理能力——即人类一眼就能从画面中读出隐含信息的能力。HSS包含522道开放式任务，覆盖时间因果、物理空间逻辑、社会理解和抽象情境推断四大类。测试结果显示，20名人类参与者得分93.1%，而25个多模态模型中表现最强的GPT-6-astra仅获53.6%，中位数仅30.9%。对8573次失败归因表明，94%的错误源于感知或隐含信息推断，而非逻辑推理本身，最常见的是漏掉关键线索和认错物体人物。

数据： 522题基准；人类93.1%；最强多模态模型GPT-6-astra 53.6%；中位数30.9%；94%错误源于感知或隐含信息推断。

意义： 揭示多模态AI在真实世界理解上仍存在结构性瓶颈，二维深度判断等核心缺陷几乎无法通过工具调用弥补。

来源：展开 4 条收起 4 条

新基准开测「AI第六感」！人类一眼秒懂，最强模型只拿53.6分（新智元）
Elorian 首个 AI 模型想要直接对图像进行推理，而非仅在文本中讨论图像（TechCrunch）
Humanity's Sixth Sense基准发布（Import AI）
Elorian视觉推理模型Glimpse获5500万美元种子轮（AI洞察日报 RSS Feed）

Anthropic用Claude半小时追溯NIST五条椭圆曲线种子生成谜题

Anthropic披露其内部研究模型Claude在不到半小时内，未借助外界流传的"给Bob和Jerry加薪"口令哈希线索，自主追溯出NIST五条椭圆曲线P-192、P-224、P-256、P-384和P-521种子的生成方式。Claude通过扫描公开种子并组合测试，定位到种子源自C语言库的lrand48伪随机数生成器，并借助LLL格基约简算法回推初始状态为1997至1998年的Unix时间戳，其中P-256对应1997年8月16日UTC 01:52:34。该结果已获悬赏发起人Filippo Valsorda独立复核，进一步降低了曲线被人为植入后门的疑虑，但仍未完整解释B-163二进制曲线及其他部分基点生成方式，且未攻破ECDSA本身。

数据： 5条椭圆曲线（P-192/224/256/384/521）种子溯源耗时<30分钟；种子源自lrand48 PRNG；P-256对应1997-08-16 01:52:34 UTC。

意义： 降低NIST曲线被人为植入后门的疑虑，但B-163二进制曲线及其他部分基点生成方式仍未完整解释。

来源：展开 5 条收起 5 条

Claude半小时解开密码学悬案，学界集体走偏20年（量子位）
Claude 半小时破解二十余年 NIST 椭圆曲线种子来源谜题（Readhub - 每日早报）
🕵️ Claude 追溯 NIST ECDSA 曲线种子为 1997 年 lrand48 时间戳输出，后门疑云未尽但大幅降温（News Hacker | 极客洞察）
Claude 当起"数字考古学家"：不到30分钟揭开NSA椭圆曲线参数26年谜题（极客公园）
自媒体作者实测开源 Skill Anatomy：一句话让 AI 生成原理科普动画和讲解视频（AIHOT — 精选）

三季度全球及中国智能手机出货量同比大跌，华为逆势双位数增长

多份IDC数据显示，*2026年三季度全球智能手机出货量降至2.553亿部，同比大跌22%，创有统计以来最大单季同比跌幅；中国市场出货量约5790万台，同比下降15.4%**。核心原因是内存等核心元器件成本大幅推高，手机均价上涨约20%，抑制换机需求，三星、苹果、小米、OPPO、vivo等头部品牌出货量均下滑约30%。中国市场内部出现分化：华为以21.1%份额位居第一，是头部厂商中唯一实现双位数同比增长的品牌，涨幅达17.3%**；苹果以17.8%份额位列第二，同比下跌4.3%*；OPPO、vivo、小米、荣耀、三星、中兴出货量均录得下滑。

数据： 全球2.553亿部同比-22%；中国5790万台同比-15.4%；华为份额21.1%同比+17.3%；苹果17.8%同比-4.3%。

意义： 内存涨价推动手机均价上涨约20%抑制换机需求，华为在中国市场逆势双位数增长凸显供应链优势。

来源：展开 2 条收起 2 条

三季度中国手机出货量下跌 15.4%（奇客Solidot–传递最新科技情报）
三季度全球手机出货量继续两位数下降（少数派）

苹果×CMU提出SSR框架，将Agent多模态搜索推理延迟最高降九成

苹果与卡内基梅隆大学联合提出SSR（Selection-based Structured Reasoning）框架，将多模态搜索Agent中每轮自由形式推理改为从6条预定义推理选项中做选择题。SSR利用模型自身打分与并行解码，无需额外分类头或SFT warm start，可直接接入SFT与RL训练管线。在Qwen3-VL 2B/4B上的7个多模态搜索benchmark评估中，SSR在保持与free-form thinking相当成功率的同时，每轮推理延迟降低超90%，每题总推理延迟降低28%–54%，p95延迟仅0.07秒。消融实验表明选项语义、库规模和自适应选择对性能至关重要。

数据： 6条推理选项；7个benchmark；每轮推理延迟降幅>90%；每题总延迟降幅28%–54%；p95延迟0.07秒。

意义： 验证选择题式结构化推理可显著压缩Agent在线推理时延，为低延迟多模态搜索Agent提供新路径。

来源：展开 1 条收起 1 条

Agent推理快10倍是怎么做到的？苹果×CMU：把「生成」改成「做选择题」（机器之心）

优必选Thinker-WM霸榜三大具身世界模型基准

优必选发布自研统一多模态世界模型Thinker-WM，在WorldOlympiad、EWMBench、WorldArena1.0 Track-1三大具身世界模型基准中均取得第一。模型核心是基于统一动态Transformer（UDT）将RGB图像、度量深度、动作编码至同一中间表征空间联合演化，在共享表征上同时实现视频-动作联合生成、世界预测、策略推理、视频转动作、逆动力学等六大能力。训练依托约2万小时第一人称人类视频、1万小时真实机器人数据和1千小时仿真数据。RoboTwin消融实验显示引入深度模态后操作成功率提升15个百分点，Motion Probe实验证实视觉表征中已编码与动作耦合的运动信息。

数据： 三大基准均第一；2万小时人类视频+1万小时机器人+1千小时仿真；引入深度模态操作成功率+15个百分点。

意义： 统一多模态表征实现视频-动作联合生成等六大能力，推动具身世界模型在机器人平台落地。

来源：展开 1 条收起 1 条