AI造5万条假数据骗过ChatGPT七个月 学术与投研报告已引用
研究员用GPT-4.1生成5万条伪造统计数据建站stateglobe.com，Google已下架但ChatGPT持续引用七个月，数据进入学术论文与银行投研报告。事件暴露大模型在来源核查上的系统性短板，引发对AI内容可信度的广泛讨论。
原创
美国国土安全部封禁 DeepSeek：一道悄然执行三个月的禁令
美国国土安全部于2026年7月24日签署禁令，要求所有联邦民用机构立即清除DeepSeek产品——包括任何基于DeepSeek实现的第三方软件。该禁令直到10月19日才公开发布在《联邦公报》上，意味着已静默执行近三个月。禁令援引2018年联
WDCD Run #390: Average Instruction Decay Hits -60% Across 15 Models, GPT-6 Luna Leads with Perfect Score
WDCD Run #390 (2026-10-21) tested 15 AI models on multi-turn commitment integrity, recording an average instruction deca
WDCD v3.1：4模型上涨2下跌，GPT-6 Luna 100分领跑豆包Pro
本期WDCD v3.1试点数据显示，GPT-6 Luna以100.00分位居首位，豆包Pro较Run #384上涨20.3分，Gemini 2.5 Pro与GPT-5.5各下降6.2分。4模型上升、2模型下降，守约总分由v3百分制与v2锚点
WDCD五场景横评：工程规范最低1.95分 数据边界1.7分成最大杀手
WDCD v3.1试点数据显示，工程规范场景全体最低分仅1.95分，数据边界场景单模型最低1.7分。claude-opus-4.7与gemini-2.5-pro偏科差距分别达1分和1.55分，企业接入生产流程时需针对性加护栏，deepsee
R3诚信率76.7%却现2次0分：15模型三轮锚点衰减实测
仅基于8道v2锚点题的worst-of-3采样，15模型R1平均确认率0.93、R2抵抗率0.67、R3诚信率76.7%，完全崩溃仅2/150次。GPT-o3等模型呈现“先确认后崩盘”模式，Qwen3 Max则从R1即失效，暴露多约束场景下
WDCD守约榜GPT-6 Luna 100分夺冠 Qwen3 Max 76.5分垫底差距23.2分
GPT-6 Luna以WDCD 100.00分位列第一，Gemini 2.5 Pro以73.80分垫底，头部与尾部相差26.2分。15模型中66%满分率，R3崩溃率仅1.3%。数据揭示不同模型在多轮施压下的守约差异，对生产接入提供明确参考。
Claude Opus 4.7以84.9分居首：2026-10-21 Smoke快测数据简报
2026-10-21 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 84.9 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。
GPT-5.5 首测：赢政指数 18 题定向评测
GPT-5.5 首测：18题定向84.2 执行力98.3 OpenAI 官方近日发布最新模型更新，重点强化对低资源编程语言的构建与迁移能力，涵盖 COBOL、Fortran 及 Visual Basic 等仍支撑银行、政府与企业核心系统的
MiniMax M3.1 Flash揭秘Space Bunny：卧底处理200万亿token，智能体测试中国第一
2026年10月19日，MiniMax正式发布M3.1 Flash，同时披露其前身"Space Bunny"——一个以匿名身份运作、处理超过200万亿token的隐身测试模型。M3.1 Flash主攻智能体任务，在OSWorld V2获61
七个月估值涨64%：OpenAI抢在Anthropic IPO前锁定1.4万亿美元定价
据路透社报道，OpenAI正加速推进约300亿美元新融资，目标估值超过1.4万亿美元，较今年3月的8520亿美元大幅跃升64%。软银、阿布扎比主权基金MGX及现有股东参与谈判。融资提速的直接诱因是：Anthropic预计11月中旬上市，Op
DHS将DeepSeek正式列入联邦采购禁令 民事机构须立即下架
2026年10月20日，美国国土安全部通过《联邦公报》发布命令，要求全体联邦民事机构立即停止采购DeepSeek产品并移除现有部署。该命令援引2018年《联邦采购供应链安全法》，列出数据传输、情报采集和恶意代码三类风险向量。此举将中国大模型
Inception Labs发布Mercury 3：扩散LLM速度破千token但基准存疑
2026年10月19日，Inception Labs推出Mercury 3，官方宣称其扩散式LLM每秒生成1068 token，性能优于GPT-6 Luna和Claude Haiku 5.5，但第三方指出基准缺乏独立验证且存在不可比问题。报
中国拟管制23项AI技术 2万亿参数大模型出口受限但API豁免
2026年10月16日，商务部与科技部发布第48号公告，拟将23项AI技术纳入出口管制目录，其中包括参数量超过2万亿的大模型权重出口限制，14项技术拟禁止出口，26项限制出口。API服务、已开源模型及公开论文技术获豁免，征求意见至11月15
Mistral发布Timestral：209M参数在三大基准全拿第一，时序AI赛道迎来欧洲挑战者
Mistral于2026年10月15日发布Timestral，这是其首个时间序列基础模型家族，最大版本仅209M参数，在GIFT-Eval、TIME、fev-bench三大公开基准上同时拿下第一，以少于TimesFM-3和Falcon-2.
CERN与Mistral签署合作意向：用一个模型替代粒子物理的整条算法流水线
欧洲核子研究中心（CERN）与法国AI公司Mistral于2026年10月15日签署战略合作意向声明，计划共同开发全球首个对撞机物理基础模型"大物理模型"（Large Physics Model）。该模型将在LHC数十亿次模拟碰撞数据上训练
Qwen3 Max Smoke评测五维度全缺 API故障致主榜零记录
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据缺失，主榜无得分，本期不参与排名。所有昨日→今日对比均为“- → -
GPT-6 Astra代码执行暴跌25分 主榜单日跌11.3分
GPT-6 Astra今日Smoke评测主榜从82.33分跌至71.01分，代码执行从97.00分骤降至72.00分，材料约束小升5.4分。单日10题抽签波动或模型特定能力退化值得追踪。
GPT-o3以97.83分居首：2026-10-20 Smoke快测数据简报
2026-10-20 赢政指数 Smoke 快测覆盖 14 个模型，GPT-o3 以 97.83 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。
AI代理全自动入侵100多家企业 黑客仅花5000美元
2026年9月25日起，一名讲中文的黑客通过DeepSeek与Anthropic Claude Code组建AI代理群，尝试入侵1200多个网站，成功突破100多家企业，总成本约5000美元，单次约50美元且全程零人工干预。报道基于NorF