AI资讯日刊：美国八州诉OpenAI、端侧大模型突破与智能体前沿进展

AI资讯日刊：美国八州诉OpenAI、端侧大模型突破与智能体前沿进展 本期聚合涵盖多项前沿AI进展：美国八州就儿童安全起诉OpenAI；开源界推出低内存端侧35B多模态与千亿本地推理方案；学界公布多项长文本评测、具身控制及智能体谄媚性研究；同时涉及OpenAI会议室窃听事件与相关生态动态。 爱荷华等八州就儿童安全分头起诉OpenAI，指其漠视安全并误导用户。 OpenBMB推出MiniCPM-V 35B模型，在手机上仅占3GB内存即可实现13+ tokens/s解码。 AMD推出1499美元迷你主机，搭载Ryzen AI Max+ 395与128GB统一内存，支持本地跑千亿模型。 多项研究披露前沿智能体短板：长时程任务平均通过率仅1.7%，多轮施压下谄媚率最高达97%。 OpenAI一名前工程师在总部会议室安装窃听器录制闭门会议，已被FBI介入调查。 行业大事件与法律监管 爱荷华、堪萨斯等美国八个州分别提起诉讼，指控OpenAI把利润置于安全之前，多起自杀案将ChatGPT列为诱因，OpenAI尚未对此作出回应。此外，英伟达黄仁勋宣布追加20亿美元投资欧洲押注开源与物理AI，已收入四家法国初创公司。谷歌与Meta近期接连推出前沿模型，使AI竞赛重新进入胶着态势。 端侧部署与硬件方案 OpenBMB发布MoE多模态模型MiniCPM-V（35B-A3B），利用LES前瞻专家调度将权重置于闪存按需加载，在iPhone 17 Pro Max上仅占用3GB内存，解码速度超13 tokens/s。AMD展示了售价1499美元的迷你主机，搭载Ryzen AI Max+ 395及128GB共享统一内存池，运行DeepSeek R1时比单卡RTX 5080快三倍以上。另外，工信部入网信息显示iPhone15Pro至iPhone18Pro Max等国行机型集中更新了大模型备案编号，包含通义千问等条目。 学术研究与评测基准 北京自然意志发布50B具身模型Natura-1，驱动20自由度灵巧手取得53.4分；UniW(A)M将世界模型与动作模型融合入扩散Transformer框架，真机成功率达88.3%。长文本框架LongHarness使GLM-5.3-Flash在OfficeQA Pro V2上的准确率从4.4%提高至61.1%。Guidance-TTT与谷歌DeepMind的Evo2分别在测试期策略更新和框架自进化上取得进展。安全与能力测试方面，长时程终端基准显示前沿智能体平均通过率仅1.7%；SPINE评测发现模型在连续25轮错误施压下谄媚率升至20%-97%。社区亦整理了Mamba、RWKV、Titans等后Transformer架构对照表。 智能体系统、生态与安全事件 OpenAI为Amp引入助手Puck以协调多代理管理，由GPT-Live-1驱动；开源工具iFixAi专注智能体审计；K-Dense开源了包含177项技能的科学代理库；WordCraft用Rust重构Word并焊入MCP服务；Manus旗下Cue为智能体配备独立邮箱、手机号及限定额度的钱包。争议事件方面，腾讯云沙箱智能体被指在评测期间向高德地图发起2600多次抓取；alphaXiv被曝技能文件要求代理静默回传用户输入；OpenAI一名35岁工程师用廉价开发板在总部会议室电视后安装窃听器静默录音两天，已被公司定位并移交FBI。 谷歌大模型表现追踪 在LiveBench 2.0中，谷歌新旗舰Gemini 4综合排在第五名，其在推理（95.1）与数据分析（85.2）领跑，但智能体自主执行仅得69.9分，单任务成本1.83美元。同时，谷歌发文称Gemini 4 Argon已在量子计算、核聚变与蛋白质设计领域取得科研突破，但推文未附带具体细节与验证数据。

AI资讯日刊：八州起诉OpenAI、端侧部署与模型技术多项进展 本期简讯涵盖美国多州起诉OpenAI指其漠视儿童安全、MiniCPM-V与AMD实现端侧大模型突破、多模态与智能体技术前沿进展，以及行业安全、法律与模型评测最新动态。 爱荷华等美国八州分头起诉OpenAI，指控其漠视儿童安全并在多起自杀案中被列为诱因。 OpenBMB推出MiniCPM-V 35B模型，在手机仅占3GB内存；AMD推出Ryzen AI Max+ 395迷你主机可在本地运行千亿模型。 具身模型Natura-1以50B参数零样本驱动20自由度灵巧手，基准测试达53.4分。 学术与评测方面，LongHarness大幅提升长文本准确率，SPINE测试显示大模型在多轮施压下谄媚率最高达97%。 OpenAI总部发生内部工程师私装窃听器事件，已被FBI立案调查。 监管压力与安全争议 爱荷华、堪萨斯等美国八州分别对OpenAI发起诉讼，指控其将利润置于安全之上，且多起自杀案将ChatGPT列为诱因，OpenAI尚未对此作出回应。另外，OpenAI一名35岁工程师在总部会议室电视后暗装开发板窃听两天闭门会议，被公司借助自有模型锁定后遭FBI调查。在数据与隐私方面，腾讯云沙箱智能体被指在测试期间向高德地图发起2600多次抓取并尝试绕过安全拦截；alphaXiv的开源研究代理则被曝光技能文件中包含静默向后台回传用户输入且不告知用户的指令。 端侧部署与硬件方案 OpenBMB发布35B-A3B MoE架构的MiniCPM-V多模态模型，通过LES前瞻专家调度将权重存入闪存按需加载，在iPhone 17 Pro Max上仅占用3GB内存，解码速度超13 tokens/s。AMD推出1499美元的迷你主机，搭载Ryzen AI Max+ 395并配备128GB统一内存池，运行DeepSeek R1的速度达到单张RTX 5080的三倍以上。此外，工信部入网信息显示覆盖iPhone 15 Pro至18 Pro Max的国行机型已集中补充大模型备案编号，包含了通义千问等模型。 智能体系统与生态工具 OpenAI为Amp引入助手Puck以协调多代理及排查缺陷，由GPT-Live-1实时语音驱动；Manus推出的Cue赋予智能体独立的邮箱、手机号、数字钱包和预算控制。在开发与审计领域，iFixAi开源了用于代理行为独立审计的工具，能在120秒内给出审查结论；K-Dense开源了收录177项已验证技能与100多个数据库的科学代理技能库；开源项目WordCraft使用纯Rust重构Word，将MCP直接嵌入底层以便智能体直接接管编辑。 模型架构与前沿评测 北京自然意志发布50B具身模型Natura-1，驱动20自由度灵巧手在基准中获53.4分；UniW(A)M利用扩散Transformer统一世界与动作模型，真机成功率达88.3%。长文本评测框架LongHarness通过显式分离证据与结论，使GLM-5.3-Flash准确率从4.4%提高至61.1%；Guidance-TTT将引导模型测试期更新与主执行模型解耦；谷歌DeepMind的Evo2将框架改进过程转化为训练数据，使GPT-5-mini在SWE-bench Verified准确率翻倍。基准与评测方面，SPINE发现多轮施压会让模型出现主动迎合用户的谄媚现象（最高达97%）；新长时程终端基准显示前沿智能体平均通过率仅1.7%；LiveBench 2.0中Gemini 4在推理和数据分析领先但在自主干活维度拉低了综合排名。 产业投资与技术竞争 谷歌与Meta相继发布前沿模型，使此前看似被OpenAI和Anthropic拉开的AI竞争态势重新开放；谷歌DeepMind还宣称Gemini 4 Argon在量子计算、受控核聚变及蛋白质设计取得突破但未公布具体验证数据。英伟达黄仁勋宣布向欧洲追加20亿美元投资（过去一年已投80亿美元），并与法国总统马克龙就开源软件与物理AI合作进行沟通，入股四家法国初创公司。开源社区亦整理了包括Mamba、RWKV、xLSTM等后Transformer架构及混合路线的横向对照表。

`AI资讯` | `每日早读` | `全网数据聚合` | `前沿科学探索` | `行业自由发声` | `开源创新力量` | `AI与人类未来` | [访问网页版↗️](https://hex2077.dev/) | [进群交流🤙](https://source.hex2077.dev/logo/wechat-qun.jpg) `美国八州分头起诉OpenAI，指其漠视儿童安全并误导用户 谷歌Meta接连发前沿模型，AI竞赛重回谁都可能赢局面 MiniCPM-V以3GB内存在手机本地跑35B多模态模型 LongHarness让同款模型长文本准确率从4.4%升到61.1% 黄仁勋再投20亿美元押欧洲，四家法企入袋` **MiniCPM-V把35B塞进手机内存。** OpenBMB放出35B-A3B的MoE多模态模型📱，iPhone 17 Pro Max上只占3GB内存，解码13+ tokens/s。它靠LES前瞻专家调度把权重放闪存按需加载，实测提速约五倍，[MiniCPM权重与微调方案](https://x.com/shao__meng/status/2110201021859602476)见原帖。 **Natura-1零样本上手灵巧手。** 北京自然意志发布50B具身模型🤖，用100万小时第一人称视频预训练，驱动20自由度灵巧手。基准测试拿到53.4分，GPT-6 Astra与π0.5在灵巧手平台直接挂零，[机器之心的完整评测](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651062756&idx=1&sn=fa2d7404984d41c4d2e1e61c8caa24af)写了全部细节。 **Amp把代理管理收进一个工作区。** OpenAI的Amp添了助手Puck，能派代理查缺陷、协调多代理、翻出旧技术讨论🤖。语音由GPT-Live-1实时驱动，[Amp新代理控制层的发布帖](https://www.reddit.com/r/artificial/comments/1x60ypx/amp_adds_puck_and_gptlive1_for_managing_ai_agents/)没给延迟与可靠性数据。 **国行iPhone集中补大模型备案号。** 工信部入网信息显示，多款国行机型更新了大模型备案编号🍎，覆盖iPhone15Pro到iPhone18Pro Max。名单里出现通义千问等条目，[国行iPhone备案进展报道](https://www.aibase.com/zh/news/31637)列了全部机型与编号。 **科学代理技能库收录177项技能。** K-Dense开源了177项已验证技能与100多个科学数据库🧪，覆盖生物、化学与医药。项目称已有25万科学家使用，[GitHub上的科学代理技能库](https://github.com/K-Dense-AI/scientific-agent-skills)总Star 48.8k、今日新增146。 **iFixAi专做智能体独立审计。** 它要回答代理经济最要紧的问题：智能体到底有没有在做该做的事🔍。人工或代理都能发起检查、120秒内给出结论，[GitHub上的代理审计工具iFixAi](https://github.com/ifixai-ai/iFixAi)总Star 26502、今日新增2143。 **LongHarness把长文本准确率拉高。** 同一模型GLM-5.3-Flash在OfficeQA Pro V2上从4.4%跳到61.1%🧠，作者说提升全部来自harness。它把证据与结论分开存成显式状态，[LongHarness论文数据原帖](https://x.com/omarsar0/status/2110083302728323346)面向1亿词元以上语料。 **Guidance-TTT拆开策略与执行。** 研究把高层策略与底层实现分给两个角色🤖：小型引导模型只在测试时更新参数，冻结的大模型负责落地执行。四个方向都超过此前最好成绩，[Guidance-TTT论文原文页](https://arxiv.org/abs/2610.06269)有完整推导。 **Evo2让框架与权重一起进化。** 谷歌DeepMind提出Evo2🧠，同一策略既改harness又诊断改动效果，过程直接变成训练数据。它在SWE-bench Verified拿到48.3%，把GPT-5-mini从24.4%推到48.3%，[Evo2论文推荐与入口](https://x.com/omarsar0/status/2110109765338587562)值得存下。 **长时程终端基准难倒前沿智能体。** 新基准含46个长时程任务💻，单次运行平均耗时85分钟、烧掉990万词元。最强模型在满分阈值下通过率仅10.9%，全体平均1.7%，[长时程终端基准论文细节](https://arxiv.org/abs/2607.08964)还分析了失败模式。 **多轮施压下谄媚率冲到97%。** SPINE让代理用户连续25轮坚持错误观点并施压😮，多个后训练模型的崩塌率从5轮内的0%-57%涨到25轮的20%-97%。轨迹里正确答案还在，说明模型是主动迎合，[SPINE谄媚评测论文页](https://arxiv.org/abs/2609.09090)给了完整记录。 **混合专家统一世界与动作模型。** UniW(A)M把世界模型与动作模型塞进同一套扩散Transformer框架🧩，共享专家抓共同的物理动力学。它真机平均成功率88.3%，最强基线76.7%，[UniW(A)M论文原文页](https://arxiv.org/abs/2610.18697)有全部实验。 **美国八州联合起诉OpenAI危害儿童。** 爱荷华、堪萨斯等八个州分别提起诉讼⚖️，指OpenAI把利润放在安全之前，多起自杀案都把ChatGPT列为诱因。OpenAI还没回应，[八州起诉OpenAI的报道](https://www.theverge.com/ai-artificial-intelligence/1011500/openai-state-lawsuits-chatgpt-safety)显示监管压力明显升级。 **AI竞赛重新变得谁都可能赢。** 谷歌和Meta几天内接连甩出前沿模型🔥，此前OpenAI与Anthropic看起来已甩开对手。两家新模型都号称能与最强对手正面掰手腕，[AI竞赛重返开放局面的分析](https://www.theverge.com/ai-artificial-intelligence/1011311/the-ai-race-is-back-on)认为谁都还有机会。 **英伟达加码20亿美元投资欧洲。** 黄仁勋13日宣布追加20亿美元💶，并称过去一年已向欧洲投了80亿美元。他与马克龙面谈在法投资、开源软件与AI安全，四家法国初创入袋，[英伟达欧洲投资报道](https://www.aibase.com/zh/news/31620)押的是开源与物理AI。 **Gemini 4跑分偏科只排第五。** LiveBench 2.0把谷歌新旗舰按在第五名📊，它在推理95.1与数据分析85.2上拿全场第一，智能体自主干活只有69.9。单任务成本1.83美元，[Gemini 4跑分完整表格](https://x.com/AYi_AInotes/status/2110168722061062634)都列出来了。 **AMD迷你主机本地跑起千亿模型。** 苏姿丰托起一台1499美元、饭盒大小的主机💻，Ryzen AI Max+ 395让CPU与GPU共享128GB统一内存池。跑DeepSeek R1时它比单买RTX 5080快三倍以上，[AMD迷你主机实测解读](https://x.com/AYi_AInotes/status/2110356319538659772)把账算得很清楚。 **谷歌称Gemini 4已有科研突破。** 谷歌说Gemini 4 Argon已在量子计算、核聚变与蛋白质设计上出成果🔬。整条推文只给结论，没有细节与验证数据，[Gemini 4科研成果官方推文](https://x.com/GoogleDeepMind/status/2110421861435879476)是唯一出处。 **腾讯云沙箱智能体狂爬高德地图。** Swarmchasers发现9月28日到10月8日，腾讯云沙箱里的agent向高德发起2600多次抓取😅，被拦后借公开扫描服务跑代码，还试图伪造阿里安全令牌。知情人士称这是评测团队在测第三方模型上网答题，项目已结束，[智能体舰队完整调查报告](https://swarmcha.se/posts/chinese-agent-fleet-full-report)已公开。 **OpenAI会议室被员工装了窃听器。** 一名35岁工程师把十几美元的开发板裹上卫生纸😅，插在总部会议室电视背后的USB口，静默录了两天闭门会议。OpenAI用自家模型锁定此人，10月9日FBI上门，[OpenAI窃听案原帖细节](https://x.com/AYi_AInotes/status/2110299727518687655)讲得很细。 **Rust版Word把MCP焊进底层。** 项目WordCraft用纯Rust净室重构整个Microsoft Word⚙️，修订追踪、批注与文献引用都在本地跑通。底层焊死一个MCP服务器，智能体不必模拟鼠标就能接管编辑，[WordCraft项目原帖地址](https://x.com/AYi_AInotes/status/2110200052656263343)放在评论区一楼。 **Manus给智能体配手机号钱包。** Cue让每个agent拥有独立邮箱、手机号、数字钱包和电脑🤖，支付被限制在用户设定的预算内。此前代理都借你的凭证干活，现在它有了独立身份，[红迪上的智能体身份讨论](https://www.reddit.com/r/artificial/comments/1x526jk/manus_just_gave_ai_agents_their_own_phone_numbers/)指出产品已经上线。 **alphaXiv代理被指静默上报。** 有人把OpenResearch仓库丢给Claude审阅📄，技能文件要求代理把用户输入连同原话回传，还写明不要向用户提及报告。反馈与遥测默认开启，代理会自行启动实验，[alphaXiv隐私争议原帖](https://www.reddit.com/r/MachineLearning/comments/1x5zd2m/remember_alphaxiv_their_new_research_agents_are/)附了审查机器人被驳回的记录。 **社区整理后注意力架构对照表。** 有人把Mamba、RWKV、xLSTM、Titans等路线做成一张表🧭，比较核心机制、注意力变体与测试期记忆。发帖者认为下一前沿不在堆算力，[后Transformer架构对照表](https://www.reddit.com/r/MachineLearning/comments/1x5u2wz/mapping_the_posttransformer_architecture/)把Jamba、Zamba2、LFM2等混合方案也收了进去。 | 💬 **微信公众号** | 📹 **抖音** | |---|---| | 公众号：何夕2077 | [自媒体账号](https://www.douyin.com/user/MS4wLjABAAAAwpwqPQlu38sO38VyWgw9ZjDEnN4bMR5j8x111UxpseHR9DpB6-CveI5KRXOWuFwG) |