Infinitum

10-20日报 | 前OpenAI工程师涉嫌窃听被捕、GPT-6低资源语言能力跃升、医疗智能体完成率不足一半

来源：73 个引用生成：2026/10/21 06:07

内容

声明：完全使用AI生成，可能存在错误，需谨慎甄别。

摘要

2026-10-20 AI 领域呈现模型能力、安全风险与产业落地并行推进的格局，值得关注的信息：OpenAI 发布低资源编程语言评测，显示 GPT-6 系列在 COBOL 等迁移任务上显著提升；斯坦福 HAI 测量医疗智能体实际完成率不足一半；美国陆军网络司令部推进 ECHOTRIBBLE 自主扩散网络武器项目，引发失控风险讨论；前 OpenAI 工程师因涉嫌窃听被捕且保释被拒。

热点事件

前OpenAI工程师涉嫌窃听被捕保释被拒

前 OpenAI 工程师阿卜杜勒拉赫曼·阿尔福赞因涉嫌窃听被捕，检方指称他把录音设备藏在旧金山绝密高管会议室，并以 WhatsApp 与沙特王室成员持续联络。美国治安法官以潜逃风险高及美沙无引渡协议为由，驳回其 100 万美元保释金等条件并裁定继续羁押，指控最高可判五年；相关指控仍待司法确认。

重点： 涉及企业机密、前雇主机密会议室与潜逃风险，案件仍在审理中

来源：展开 5 条收起 5 条

OpenAI发布低资源语言代码评测，GPT-6系列显著提升COBOL等迁移与构建能力

OpenAI 发布并开源 MultiLangBench 与 COBOL 迁移评估，覆盖 20 种编程语言和旧有程序迁移。最高推理强度下，GPT-6 Astra 平均通过率由 26.8% 升至 87.4%，COBOL 由 10.9% 升至 72.1%；GPT-6 Luna 以约低 78% 的 API 成本达到 40.3%。结果指向低资源语言代码能力的明显提升，但评测结果不等同于所有生产环境表现。

重点： 低资源语言代码评测显示GPT-6系列能力跃升

来源：展开 2 条收起 2 条

斯坦福HAI发布三项医疗AI基准，测出医疗智能体实际完成率不足一半

斯坦福 HAI 团队发布 MedHELM、PhysicianBench 和 HealthAdminBench，并以三年多构建经验为基础评测医疗 AI Agent。PhysicianBench 的最佳模型单次完成率为 46%，HealthAdminBench 最佳模型完成率为 36.3%；失败常出现在长周期执行、跨系统传递和临床操作落地环节。三项基准同时提供合成数据、代码和排行榜。

重点： 基准显示医疗智能体距离稳定执行仍有明显差距

来源：展开 1 条收起 1 条

OpenAI发布准黎曼猜想证明

OpenAI 近日发布准黎曼猜想证明。准黎曼猜想是黎曼猜想的较弱版本，相关突破被认为是人工智能参与数学研究的重要成果，并为进一步理解素数性质提供了新基础。现有候选信息仅说明该证明已发布及其数学背景，未提供证明细节或独立核验结果。

重点： 人工智能参与数学研究出现新的公开成果

来源：展开 1 条收起 1 条

美国陆军网络司令部ECHOTRIBBLE项目拟将AI智能体变成自主扩散的网络武器

美国陆军网络司令部据报道正在开发代号 ECHOTRIBBLE 的平台，目标是让 AI 智能体像计算机蠕虫一样在网络间隐蔽移动、识别并清除目标，任务完成后自毁，并以极少人工监督运行。项目处于早期阶段，已向潜在供应商演示。专家警告，把清除指令交给存在故障模式的自主系统可能导致攻击非目标系统，防护薄弱的关键基础设施面临更大失控风险。

重点： 自主扩散攻击系统引发误伤与失控风险

来源：展开 1 条收起 1 条

变更与实践

英伟达一次性开源三款Nemotron 3.5模型，1200亿多模态旗舰与两款端侧版本同步登场

英伟达开源 Nemotron 3.5 Super VL 及两款 Bolt 端侧模型，分别面向企业级多模态智能体和本地推理。Super VL 聚焦文档、安全、财务等场景的工具调用与多模态推理；Bolt 74B-A9B 支持 2-bit 量化并可装入 24GB 显存设备，Bolt E4B 面向嵌入式与对话智能体。三者权重、训练数据和配方开放，方便开发者在云端与消费级设备之间选择部署路径。

来源：展开 5 条收起 5 条

Meta发布精简编排器多智能体架构，提升数据列接入可靠性

Meta 工程团队为数据列接入场景设计精简编排器架构，以确定性编排器负责路由和可靠性检查，再由 14 个专域子智能体按需执行。单一智能体方案在生产环境准确率仅 10%–20%，新方案将列配置准备时间从手工 3–4 天缩短到不足 1 小时，约三分之二的系统变更无需大幅人工修改。该实践说明，减少编排器承担领域推理、隔离专域上下文，有助于控制长流程智能体的稳定性。

来源：展开 2 条收起 2 条

微软推出企业级AI Agent安全监控功能

微软发布 Guardian Agents 等企业级 AI Agent 安全功能，并强化 Microsoft Defender 对多种 Agent 的识别、权限动态调整和人工审批机制。微软将 Agent 视为类似恶意内部人员的不可信实体，主张企业不应把模型供应商的安全承诺当作免责理由，应通过独立监控和治理能力限制智能体行为。这为企业部署 Agent 提供了更明确的安全控制方向。

来源：展开 1 条收起 1 条

ChatGPT新增多智能体并行处理能力，GPT-6 Astra Pro支持分头执行任务

OpenAI 升级 ChatGPT 中的 GPT-6 Astra Pro，增加同一任务下的多智能体并行处理能力，并支持在聊天入口查看进度和成果。功能正逐步向符合条件的 ChatGPT Pro 用户推送，Plus 用户暂不能在 Chat 场景使用，不同 Pro 订阅档位对应不同周限额。并行模式可提升部分复杂任务效率，但仍需解决任务重复、结果冲突、合并验收和额度消耗等问题。

来源：展开 1 条收起 1 条

Waymo宣布进军西班牙，目标2027年在马德里大区迎接首批乘客

Waymo 宣布在西班牙马德里自治区启动全自动驾驶网约车服务，目标于 2027 年迎接首批乘客。短期内，电动 Jaguar I-PACE 将先以人工驾驶方式上路，再由当地受训自动驾驶专家进行技术验证。Waymo 称已累计完成逾 2000 万次出行和 4 亿公里全自动驾驶里程，并计划与当地政府及应急部门协作推进服务落地。

来源：展开 1 条收起 1 条

安全与风险

WhatsApp帮助页隐藏LLM指令，限制AI客服提供监管与法律信息

研究发现，WhatsApp 帮助页面曾嵌入人眼不可见、面向大语言模型的隐藏指令，试图让聊天机器人在用户无法删除账户、讨论法律行动或删除数据时，不推荐数据保护监管机构、不引用 GDPR、LGPD、CCPA 等隐私法律，也不提供法律意见。WhatsApp 已移除相关内容，并称这是客服 AI 提示因部署漏洞被外部获取。争议集中在隐藏指令是否与平台公开隐私政策相冲突。

影响： 影响WhatsApp用户获得账户救济、隐私法规和法律信息的权利

建议： 核查客服AI回答、审计隐藏内容访问权限并公开说明修复结果

来源：展开 3 条收起 3 条

黑客利用Danfoss漏洞远程触发欧洲多国超市冷柜除霜升温

10 月 11 日至 13 日夜间，法国超过 400 家超市的联网冷藏和冷冻设备被远程切换至除霜模式，部分温度升至约 50°C并引发少数起火；欧洲多国也报告类似攻击。事件指向 Danfoss 商用制冷控制器的身份验证绕过和可预测固件密码机制。法国扫描显示 1331 个控制面板暴露公网，85%运行含已知漏洞的固件，造成食品变质、门店停摆和经济损失。

影响： 影响法国及欧洲多国超市制冷设备、食品供应和门店运营

建议： 立即升级固件、隔离公网管理面并核查除霜模式与温度异常

来源：展开 5 条收起 5 条

美国国土安全部要求联邦民用机构移除DeepSeek

美国国土安全部要求联邦文职机构停止采购并移除 DeepSeek 及其关联实体开发的产品和服务，基于相关技术的第三方服务也在限制范围内，个别机构可申请例外。措施主要基于数据安全、供应链和司法管辖风险，国防部内设机构不在此次民用禁令范围内。该政策可能扩大政府系统对模型来源、部署方式和数据流向的审查范围。

影响： 影响美国联邦文职机构及使用DeepSeek技术的第三方政府服务

建议： 盘点相关服务和数据流，评估替代方案并按机构要求申请例外

来源：展开 4 条收起 4 条

旧版Plex媒体服务器遭到Plex2Shell攻击，蜜罐被植入挖矿程序

公网旧版 Plex 媒体服务器遭攻击者利用 Plex2Shell 漏洞链入侵。攻击链通过 SSRF 触达内部插件接口，再利用授权检查缺陷和转码流程写入文件并执行代码，无需登录即可运行；攻击者随后植入挖矿程序，并将服务器作为代理转发外部流量。Plex 建议 1.43.2 及更早版本用户升级至 1.43.3.10861+，同时应检查入侵痕迹。

影响： 影响运行旧版Plex Media Server的公网或可被访问服务器及其网络流量

建议： 立即升级至修复版本、限制管理面暴露并排查挖矿和代理进程

来源：展开 2 条收起 2 条

Meta Muse分享链接设计缺陷导致隐私对话可被枚举发现

安全公司 Claroc 研究人员发现，Meta 的 AI 智能体 Muse 通过网页链接分享对话时使用统一域名，并将对话标题作为子域名拼接进 URL。研究人员通过一次被动 DNS 查询枚举出约 6800 个分享链接，并成功打开其中数百个，发现内部笔记、营收报告、贷款申请、欺诈警报待办清单和员工休假安排等敏感内容。该设计使链接标识难以抵抗枚举，暴露了 AI 助手分享功能的隐私风险。

影响： 影响使用Muse分享对话的用户及其中包含的内部和金融信息

建议： 改用不可预测的随机标识，限制分享权限并检查已公开链接

来源：展开 1 条收起 1 条

开源与工具

DeepSeek开源DeepInfer及Token组件降低推理部署成本

DeepSeek 开源内部推理框架 DeepInfer，并同步开放生产级 Token 编解码组件 deepseek-recipe。DeepInfer 已用于支撑 DeepSeek V4.1 Flash 的大规模服务，支持分布式推理、推测解码、结构化输出等能力，并兼容英伟达和华为昇腾平台；配套 Token 组件与官方 API 处理逻辑对齐。项目适合希望降低私有化推理算力和能耗成本的开发者与企业，但相关盈利与性能数字仍待核实。

适用场景： 适合大规模模型推理、私有化部署和算力成本优化场景

来源：展开 5 条收起 5 条

蚂蚁百灵开源Ming-3.0五款语音模型

蚂蚁百灵开源 Ming-3.0 语音系列，一次推出 5 款模型，覆盖语音合成、音频理解和语音识别。模型支持音色设计、情绪与副语言控制、长音频结构化分析和上下文热词识别，权重已上架 Hugging Face 和 ModelScope，Ling Studio 提供 API 与在线体验，并已用于阿福、支付宝搜索和医生助手等产品。

适用场景： 适合声音创作、长音频分析、业务转写和语音助手开发

来源：展开 2 条收起 2 条

Index-Translate支持150种语言，覆盖文本、图片、语音与长文档翻译

哔哩哔哩 Index LLM 团队发布并开源 Index-Translate 系列模型，提供 2B、9B 和 35B-A3B 三种规模，支持 150 种语言的文本及图片翻译，并延伸至语音翻译、音节控制和长文档翻译。团队介绍了多语言中训练、专家强化学习、参数融合与蒸馏方法，项目同时提供在线 Demo 和免费 API，适合多模态翻译与文档本地化场景。

适用场景： 适合多语言内容、图片、语音及长文档翻译

来源：展开 1 条收起 1 条

AnyLanguageModel 1.0支持在苹果平台切换本地与托管模型

Hugging Face 发布 AnyLanguageModel 1.0、swift-huggingface 1.0 和 swift-xet 1.0。AnyLanguageModel 可作为苹果 Foundation Models 框架的替代方案，在系统模型、本地开源模型和多家托管提供商之间切换，并新增工具调用、引导式生成、图像输入和 OS 27 Core AI 模型兼容能力。配套工具可加速 Swift 应用从 Hub 下载模型，适合需要本地优先或多提供商切换的苹果平台应用。

适用场景： 适合苹果应用中的本地模型推理、多提供商切换与Hub模型下载

来源：展开 1 条收起 1 条

MemT 1.0将记忆原生机制引入大模型，关注长历史与持续更新

记忆张量发布并开源 MemT 1.0 记忆原生大模型，通过动态记忆状态和并行记忆注意力实现信息读写、更新与调用。训练累计使用 340 亿 token 数据；在 11 项系统记忆基准测试中，MemT-1.0-Flash 与 Nano 闭卷均分分别为 50.6 和 47.0。编程场景中，模型在 SWE-bench Verified 平均成功率达到 69.73%，并以约 3.99 倍速度处理 256K token 长历史。

适用场景： 适合需要长期上下文、持续记忆更新和长历史处理的AI应用

来源：展开 1 条收起 1 条

数据与洞察

GPT-6-Astra在真实机器人评测中暴露仿真与落地差距

商汤联合高校与企业团队，对 GPT-6-Astra 开展覆盖 12 项仿真评测和 8 个真实机器人平台的具身智能评估。模型借助上下文学习、放宽动作步数限制后，在部分传统仿真任务中接近满分，但进入真实机器人后，在精细接触和长程任务中频繁失误，还可能误判抓取与放置结果、走错后难以补救。团队认为模型已跨过具身能力门槛，但距离实用化仍有差距。

数据： 覆盖12项仿真评测和8个真实机器人平台；仿真部分接近满分但真机失误增多

意义： 传统基准成绩不能直接代表真实机器人执行能力

来源：展开 1 条收起 1 条

Mercor研究称现有AI基准仅覆盖约10%的美国工时

Mercor 发布 Benchmark Map，并结合美国劳工部 ONET 职业任务数据库分析美国经济中的 AI 能力覆盖情况。研究称，约 90%的美国工时对应现有 AI 基准很少或完全未覆盖的任务，传统测试分数因此难以反映模型对真实工作的适应能力。研究还指出，高工资职业任务在提示词中被过度代表，并关注基准加权、验证沟通成本和实体自动化约束。

数据： 约90%的美国工时对应现有基准覆盖很少或未覆盖的任务

意义： 传统基准成绩与真实工作覆盖度之间存在明显缺口

来源：展开 2 条收起 2 条

AI可凭面部照片预测癌症患者生存率，但仍需临床验证

一项发表于《柳叶刀·数字健康》的国际研究称，团队用逾 4000 万张人脸图像及 3 万余名癌症患者照片训练模型，仅凭面部照片估测生理年龄和癌症患者生存风险。模型可将评分最高者归入 90 天内死亡高风险组，估龄误差约 5 岁，但研究尚未证明其能在医生整体评估之外提供额外临床价值，也未与医生主观判断比较，研究人员呼吁开展多中心临床验证。

数据： 训练数据超过4000万张人脸图像和3万余名癌症患者；估龄误差约5岁

意义： 模型展现出风险筛查潜力，但尚不能替代临床评估

来源：展开 1 条收起 1 条

中国手机Q3出货量创14年同期新低，华为与苹果份额合计超四成

Counterpoint Research 初步数据显示，2026 年第三季度中国智能手机出货量同比下降 10%，降至 2012 年以来同期最低水平。华为以 21.3% 份额位居第一，出货量同比增长 19%；苹果以 19.5% 排名第二，两家合计超过四成。存储涨价与供应短缺被认为是市场承压的主要因素。

数据： Q3中国智能手机出货量同比下降10%，华为份额21.3%，苹果19.5%

意义： 市场总需求承压，头部品牌份额集中度仍然较高

来源：展开 1 条收起 1 条

Gartner称7万亿美元AI基础设施投资到2030年最多产生3.6万亿美元收入

Gartner 预计，2026 年至 2030 年全球人工智能基础设施投资将达 7 万亿美元，相关资产到 2030 年最多产生 3.6 万亿美元收入。若计入融资成本及 12%的投资回报率目标，财务平衡需要 8.5 万亿美元收入，存在约 5 万亿美元缺口。Gartner 还预计，相关投资可能到 2032 年才达到目标回报率，超过 80%的 Neocloud 或在 2030 年前停止独立运营。

数据： 7万亿美元投资对应最多3.6万亿美元收入，目标平衡需8.5万亿美元

意义： AI基础设施建设面临回报周期长和供给过剩风险

来源：展开 1 条收起 1 条

其他值得看

苹果定档10月28日发布新品，触屏MacBook Pro受关注

来源：展开 5 条收起 5 条

OpenAI拟在Anthropic上市前融资约300亿美元

来源：展开 3 条收起 3 条

日本发射MMX火星探测器，创H3火箭深空首飞纪录

来源：展开 3 条收起 3 条

Eka完成1.5亿美元A轮融资，估值达到14.5亿美元

来源：展开 1 条收起 1 条

Tenstorrent完成15亿美元融资，估值达到62亿美元

来源：展开 2 条收起 2 条

AI助理公司Town完成1.08亿美元B轮融资并跻身独角兽

来源：展开 2 条收起 2 条

千诀科技发布Polibrain预测式世界模型

来源：展开 1 条收起 1 条

初创公司Endurance Energy测试海底火山发电

来源：展开 1 条收起 1 条

相干科技推进百比特量子芯片、整机交付与云平台建设

来源：展开 1 条收起 1 条

Waymo计划融资50亿美元，将自动驾驶车队扩至2万辆

来源：展开 2 条收起 2 条
← 上一篇10-19日报 | AI智能体大规模入侵事件、O...下一篇 →10-21日报 | eMudhra私钥失守与PH...