AI代理删除瑞典真人秀整季素材 TV4节目延播至2027年
瑞典制作公司Mastiff在《The Challenge Sverige》播出前将AI代理接入编辑服务器，导致已剪辑完成的整季内容被删除，数百天工作成果报废，TV4将节目首播推迟至2027年。此事件凸显AI代理在生产环境中操作文件时的潜在风
原创
谷歌发布Gemini 4 Argon：定价仅对手五分之一，Vals Index夺冠但胜差不足2%
谷歌于2026年10月13日正式发布Gemini 4 Argon，定位企业级复杂任务旗舰。发布价$2/$10每百万tokens，不及GPT-6和Claude Fable定价的五分之一；在Vals Index行业基准中以68.90%排名第一，
Gemini 2.5 Pro以95.91分居首：2026-10-15 Smoke快测数据简报
2026-10-15 赢政指数 Smoke 快测覆盖 13 个模型，Gemini 2.5 Pro 以 95.91 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
TasteVal基准显示AI创造力每3个月翻倍 RSI时间线或提前至2027年
Anthropic联合创始人Jack Clark在Import AI #476中披露TasteVal基准结果，AI实验研究品味自2025年12月起每3个月翻倍。Claude Opus 5.5以约1/30专家成本超越24名顶级研究员组成的人类
苹果发布Minions论文：将闲置Mac GPU聚合成分布式推理集群，排队从10小时压缩至数分钟
苹果机器学习研究团队2026年10月9日发表论文《Minions》，提出将企业内部闲置的Apple Silicon Mac GPU动态聚合为虚拟推理集群，实测将大型ML推理任务排队等待从超10小时压缩至数分钟内启动，且无需采购任何新硬件。这
IMF官方认证：AI投资托底全球3.1%增速，台湾韩国吃下62%硬件红利
国际货币基金组织10月13日曼谷年会发布《世界经济展望》，维持2026年全球增速3.1%预测，并明确将AI强投资列为抵消中东能源冲击的核心引擎。但报告同时揭示：台湾和韩国占据全球AI硬件净贸易62%，中美两国包揽57%新建数据中心，贡献全球
Anthropic与OpenAI要求评测报告发布前获批 独立性承诺现矛盾
路透社2026年10月13日报道，Anthropic至10月5日仍要求新评测机构报告发布前需获批准，OpenAI持类似立场，与两家CEO此前公开承诺的评测机构编辑独立性形成反差。10月8日后Anthropic立场有所调整，此事凸显AI实验室
Linus Torvalds首次署名Claude Code内核补丁 八线程缓存读吞吐提升三倍
2026年10月12日，Linus Torvalds在Linux内核邮件列表提交名为noref-filemap-read-with-llm的补丁系列，明确署名代码、测试程序及初稿由Claude Code在本人指导下完成。该补丁针对页缓存引用
从10秒到10分钟：Higgsfield用GPT-6 Astra重新定义AI视频生成的边界
Higgsfield借助GPT-6 Astra将AI视频生成上限从约1分钟提升至10分钟以上，同时引入GPT-Image-2.5实现精准视觉控制，并以GPT-Live开启声音电影制作路径。这一跃升的核心不仅是时长数字的变化，而是从"逐段生成
xAI推出五档统一订阅：$30能换回原价$90，但Claude用户要多付钱
xAI于2026年10月12日推出"The X Subscription"，将Grok、Cursor和X Premium合并为五档方案（免费至$200/月）。$30档Premium将原本合计约$90的三项服务打包，看似大幅降价；但关键变化在
WDCD Run #379: GLM-4.6 Leads with Perfect Score as Average Instruction Decay Hits -53.3%
WDCD Run #379 (2026-10-14) tested 15 models for multi-turn commitment integrity, recording an average instruction decay
WDCD v3.1周期：豆包Pro跌22.8 GPT-5.5升11.8 守约分化加剧
本期WDCD v3.1中6模型上升2模型下降，豆包Pro下跌22.8分最剧烈，GPT-5.5上升11.8分至92.60，DeepSeek V4 Pro上升9分进入Top4。GLM-4.6保持100分领先，显示守约能力在多轮施压下的显著分化。
WDCD五场景横评：数据边界1.7分垫底，安全合规成最大短板
WDCD v3.1试点数据显示，数据边界场景最低分仅1.7分（qwen3-max），安全合规场景垫底1.8分（doubao-pro），两者区分度最高。Claude与多款GPT模型在数据边界显著偏科，deepseek-v4-pro在业务规则与
WDCD三轮锚点测试：R3诚信率仅73.3%，Qwen3 Max R1直接0分
基于8道v2锚点题的worst-of-3采样，15模型R1确认率93%、R2抵抗率67%、R3诚信率73.3%，仅3次完全崩溃。Qwen3 Max首轮即破，Claude Opus 4.7 R2即崩，GPT-o3 R3崩盘；GLM-4.6等8
GLM-4.6 WDCD满分100 豆包Pro62分垫底 38分差距暴露什么
GLM-4.6以WDCD 100.00分登顶，豆包Pro仅62.00分垫底，15模型中满分率66%，R3崩溃率2%。头部与尾部差距达38分，揭示不同模型在多轮施压下的约束维持能力差异。
GLM-4.6 Smoke评测代码执行19.50分 材料约束全缺本期不排名
GLM-4.6今日Smoke评测因API故障导致grounding与judgment维度缺失，代码执行得分19.50分，任务表达50.00分，主榜无数据，本期不参与排名。需分析波动成因及关注必要性。
Gemini 3.1 Pro代码执行暴跌27.2分 主榜下滑6.5
Gemini 3.1 Pro今日Smoke评测中代码执行从91.70分跌至64.50分，降幅27.2分，主榜从82.39分降至75.89分。材料约束则从71.00分升至89.80分，工程判断保持100分不变。
Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3并列92.39分：2026-10-14 Smoke快测数据简报
2026-10-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3 以 92.39 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不
IMF报告警示AI市场修正风险 全球金融系统面临新压力
国际货币基金组织2026年10月13日发布全球金融稳定报告，指出AI相关股权估值过高可能引发市场修正，并将AI增强型网络攻击列为主要风险之一。报告强调AI投资回报可能低于预期，网络威胁可能破坏金融基础设施，同时债券收益率上升也是潜在冲击来源
美联储、OCC、FDIC同步追问银行：你们的AI代理，关得掉吗
据路透社2026年10月报道，美国三大银行监管机构——美联储、OCC与FDIC——已将AI治理纳入每一项例行银行检查，重点追问机构是否具备紧急关停AI代理的"杀死开关"、人工干预机制以及外包供应商的数据边界管控。与此同时，欧洲央行要求银行在