2026年10月8日星期四
PERIOD HIGHLIGHTS
MODEL RADAR
Hugging Face Trending 上出现 Qwen 家族新模型 Qwen-Image-2.1，作者标注为未知，任务为 text-to-image，热度分 228、点赞 3090、下载 109298。该模型将文本生图与图像编辑统一，视觉生成组件为 7B 参数、32 层 Single-Stream DiT，主打低算力下的画质、效率与多用途平衡。
Anthropic 发布新一代模型 Claude Haiku 5.5，在 Artificial Analysis 智能指数上取得 43 分。证据显示，该得分较上一代 Haiku 在一年内提升 26 分。这是一次模型版本更新，评测结果来自 Artificial Analysis 这一第三方评测体系。
Perplexity 开源了 pplx-embed-v2-late，这是两个面向文本和图像的 late-interaction 多向量嵌入模型，参数规模分别为 9B 和 0.6B，共享同一嵌入空间，权重已发布在 Hugging Face。官方给出的效果是：9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面；MADQA 得分 92.4%，BrowseComp+ 得分 64%。
PRODUCT
Anthropic 为 Claude Max 和 Team 套餐新增月度 Claude Platform API 额度：Max 5x 为 $100，Max 20x 为 $200，Team 最多 $500 且团队内可共享。额度可用于任何模型，包括 Haiku 5.5，并支持在自有代码或第三方 harness 中调用。
OpenRouter 宣布上线 GPT-6 Luna Decisions，该产品对应 OpenAI 的 Decisions API，作用是让应用在多个模型、工具或动作之间做出选择。它支持输入文本、JSON 或图片，返回带概率的类型化答案，上下文为 1M，定价为输入 $0.10/M、输出免费，并声称决策速度比经 Responses API 调用 GPT-6 Luna 最快快 10 倍。
Anthropic 宣布下调 Claude Sonnet 5.5 的缓存读取价格，减半至每百万 token $0.10。官方表示，这一调整让 Sonnet 5.5 在多数长期运行任务上的运行成本降低约 20%。该信息以产品调价形式发布，主要面向使用该模型 API 的开发者与产品团队，降低重复上下文读取的开销。
Cursor 公布了 Claude Haiku 5.5 的定价：每 M 输入 token $0.10、输出 token $0.50；当输入超过 100k token 时，价格升至 $0.50/M 和 $2.50/M。同时，Claude Sonnet 5.5 的缓存读取价格从 $0.20/M 下调至 $0.10/M。用户可在 cursor.com/evals 上通过 CursorBench 对比 Haiku 5.5 的表现。
Proofsource 是一款在 Product Hunt 上发布的产品，定位为 AI 搜索可见度工具，并配备可自动修复可见度缺口的 agent。它试图解决的问题是：在 AI 搜索或 AI 问答场景中，品牌与内容可能无法被正确检索或引用，而该产品不仅提供可见度监测，还让 agent 直接处理发现的缺口。
INDUSTRY
Anthropic 发布 Claude Haiku 5.5，在基准测试中大幅超越前代，OSWorld 计算机操作测试成绩从 15.7% 升至 72.4%。同时 token 价格最高下调 90%，但新 tokenizer 在每项任务中消耗更多 token，会侵蚀部分节省。The Decoder 认为 AI 定价竞争仍在持续。
Common Sense Media 下属的 Youth AI Safety Institute 对 ChatGPT 的青少年安全功能进行了独立审计。在超过 4000 条测试提示后，该机构将 ChatGPT 对未成年人的风险评估定为“不可接受风险”。测试发现，在涉及自杀和自残的对话中，测试账户从未触发家长提醒。该机构主张在安全性能获得独立验证前，应禁止青少年使用该服务。
Anthropic 正在扩大 Cyber Verification Program，让更多安全专业人员以更少安全限制使用 Claude 模型，用于渗透测试、恶意软件分析和漏洞研究。Anthropic 表示，该计划前身项目的合作方在 2026 年 4 月至 7 月期间确认了至少 129,000 个漏洞，其中超过 33,000 个被评为高严重性或关键级别。
OpenAI 推出新的 ChatGPT 用户界面，将交互式视觉内容引入 ChatGPT。据 TechCrunch AI 报道，此次变化以界面更新形式落地，核心是把可视化、可交互的呈现方式带入原有的对话产品中，但报道未披露具体功能清单、适用模型、上线范围与时间节奏。
OpenAI 在 GitHub 上公开了 372 项由 AI 生成的数学结果，并附带可供机器验证的 Lean 形式化证明。这些结果平均每项消耗约三小时 ChatGPT Pro 算力。与此同时，25 位 Fields 奖得主警告称，批量产出数学真理可能破坏数学研究的生长土壤，而不是催生新想法。
RESEARCH
一篇论文研究稀疏 mixture-of-experts（MoE）模型在长程 LLM 智能体场景中与智能体行为的协同设计问题。研究发现，现成 MoE 模型的专家选择呈现出与智能体轨迹对齐的结构：执行语义相近操作（如 READ、UPDATE）的轮次之间，专家路由重叠度高于操作不同的轮次。但标准强化学习算法忽略这种结构化特征，训练中 MoE 路由不受控制，经验上限制了任务表现与推理效率。作者提出分层路由控制框架，在轮次级别对齐智能体操作，在 token 级别做一致性正则，并加入熵门控机制解决后训练稳定性问题，在所有评测基准上成功率提升超过 10 个百分点。
该论文提出 WebFovea，一个基于视觉的网页 agent，在 WebRetriever Challenge 2026 的 Protocol III 上以 57.0 分（满分 100）获第二名。作者指出，仅有强大多模态大模型并不足够，模型决策需经 harness 传导到浏览器，四个环节——动作解析、页面生效、结果回传、信息回显——均可能出错。实测中坐标空间错配使每次点击落在预期坐标的 3/4 处，原生下拉框、iframe 内和文本框操作静默失败，自生成 chat-template token 污染了 4.9% 的任务回合。