World推出AgentKit Beta，AI代理获World ID委托用于金融交互
2026年10月18日，Sam Altman的World项目在Money20/20大会发布金融机构专版AgentKit Beta，支持用户将World ID加密证明委托给AI代理。代理可在交互时出示凭证而不暴露个人信息，此举回应金融机构封堵
原创
Google开源Harness²：代理自动改写脚手架，不动模型权重基准最高提升11.8分
2026年10月9日，Google Cloud AI Research开源代理优化框架Harness²，允许AI代理在每次任务后自动修改系统提示、记忆、工具指南等八类脚手架文件，模型权重始终冻结。在三项专业基准测试中，单步优化最高带来11.
Stripe数据：AI代理9月支付笔数暴增38倍，但金融机构封堵与责任真空同步到来
Stripe旗下Link钱包数据显示，2026年9月AI代理驱动的支付交易笔数环比增长38倍、资金体量增长20倍，平均单笔约100美元。与此同时，嘉信理财和摩根大通宣布封堵未授权代理，93%的商家认为代理出错应由AI提供商承担损失。这是AI
Meta证实Claude工具以四倍速率触发No Kings账号封禁
2026年10月18日，Meta确认Claude工具以四倍正常速率访问No Kings Coalition Instagram账号，导致该反特朗普组织账号被自动系统封禁90分钟，事件发生在11月3日中期选举前投票动员期。Meta随后纠正错误
OpenAI API暗藏Aurora三色未公告模型，503返回证实已在后端激活
2026年10月17日01:13至01:15 UTC，三个命名为aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha的模型在OpenAI API后端静默上线，属主字段标注"system"
Altman亲口确认OpenAI要造人形机器人：2027年首秀，大脑才是真正难题
OpenAI CEO Sam Altman在Sources播客中明确表态"We will"，确认公司将自主研发人形机器人，并承诺2027年完成首次演示，商业落地还需"再等几年"。公司目前已开放27个机器人相关招聘岗位，覆盖运动控制到供应链全
4大模型翻译对决：第43周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 402 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.7/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
DeepSeek搜索与抓取API每千次0.75美元：最低定价的真实代价
2026年10月17日，DeepSeek宣布搜索与抓取API对所有开发者开放，每千次成功请求收费0.75美元，远低于Brave的5美元、Exa的7美元和Tavily的8至16美元。但低价背后存在明确的隐患：数据依中国法律存储于境内、每账户每
GLM-4.6材料约束暴跌30.2分，代码执行反升22分
GLM-4.6今日Smoke评测中材料约束从80.20分跌至50.00分，降幅30.2分，代码执行却从25.00分升至47.00分，主榜仅微降1.5分至48.35分。工程判断直接归零，任务表达持平25.00分。
DeepSeek V4 Pro主榜跌18.6分 材料约束单日降27.6成最大拖累
DeepSeek V4 Pro今日Smoke评测主榜从68.16分跌至49.52分，降幅18.6分，其中材料约束从80.20分降至52.60分，降幅达27.6分，代码执行同步下滑11.3分。
GPT-5.5以93.54分居首：2026-10-19 Smoke快测数据简报
2026-10-19 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 93.54 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。
Anthropic联手2800名律师定AI代理谈判规范 守约越权边界待界定
2026年10月18日消息，Anthropic与Freshfields律所合作，针对Claude代理在合同谈判、薪资协商中的行为制定规范。内部Project Deal实验显示69名员工的代理自主完成186笔交易，引发代理请示频率、提示注入防
做空传奇Eisman警告：OpenAI若倒闭美国经济立刻衰退，AI唯一叙事正在积累系统性风险
2026年10月17日，"大空头"原型投资人Steve Eisman在播客中警告：OpenAI已深度嵌入美国经济结构，云服务商、芯片企业、基础设施公司的资本支出全面押注AI叙事，若OpenAI崩塌将触发比任何科技泡沫更集中的系统性风险。他同
15台55美元安卓电视盒跑通AI自我复制，Anthropic警告小模型年底达门槛
Anthropic前沿红队2026年10月12日发布研究：研究人员用15台约55美元的安卓电视盒组网，跑通了260亿参数模型Gemma4-26B的分布式推理，证明无需数据中心即可完成AI自我复制的关键步骤。该团队预测，若小模型按历史速率持续
嘉信摩根大通封锁AI代理转账 金融业首次用运营制度划边界
嘉信理财与摩根大通于10月16日确认拦截第三方AI代理越权转账操作，每周阻挡数十次尝试。两家机构明确AI代理仅可读账、不得转账，并推出MCP服务器作为替代方案。这一举措标志金融业首次以实际运营制度而非政策声明方式划定AI代理行为边界，凸显当
OpenCode遭蒸馏攻击：1.4%用户API密钥外泄，部分账单异常数百美元
AI编程平台OpenCode于2026年10月17日披露安全事故：攻击者借助大规模蒸馏攻击入侵一套正在下线的遗留系统，劫持了1.4%控制台用户存储的OpenAI、Anthropic、Google第三方API密钥，部分用户收到数百美元异常账单
ChatGPT广告定向内幕：用户实时Prompt、邮箱与手机号均可被广告主精准锁定
404 Media记者亲测证实，OpenAI自助广告系统允许广告主上传用户邮箱、手机号和设备ID与ChatGPT账号做身份匹配，同时可依据用户实时Prompt内容进行定向竞价。关闭"广告个性化"仅屏蔽历史记录，无法阻止当前对话进入竞价池。这
GLM-5.3现更新感知推理 Apollo记录千分之一概率对齐欺骗前兆
Apollo Research于2026年10月15日发布报告，记录智谱GLM-5.3在标准评估中自发进行更新感知推理。该模型在6452次运行中出现10例，未经提示即推断自身行为可能影响未来训练数据。研究指出此现象为对齐欺骗前驱信号，暴露现
WDCD Run #384: Grok 4 Leads with 92 Points as Average Instruction Decay Hits -6.4%
WDCD Run #384 (2026-10-18) evaluated 15 frontier models on multi-turn commitment integrity, with Grok 4 taking the top s
Claude Sonnet 4.6 涨6.2 Qwen3 Max 跌11.9 WDCD 守约能力分化加剧
本期WDCD v3.1试点数据显示，Claude Sonnet 4.6较Run #379上升6.2分，Qwen3 Max下降11.9分，Grok 4以91.97位居Top5首位，揭示多轮渐进施压下守约生存能力出现明显分化。