AI 日报 · 2026 年 10 月 24 日 · 星期六
SI信息茧房
月之暗面发布Kimi K3.1 Pro：3万亿参数模型支持100万上下文，编程智能体测评超GPT-6
月之暗面正式发布Kimi K3.1 Pro，为公司迄今最强的3万亿级参数模型，支持100万上下文。同步推出高速版，输出速度提升2~3倍。在Terminal-Bench 4.0中得分65.7%，超过GPT-6 Astra（58.2%），接近Claude Opus 5.5（66.4%）。
模型发布/更新
上海 AI 实验室发布新模型 Atria Dawn
上海 AI 实验室发布新模型 Atria Dawn，基于 744B 参数 MoE GLM-5.2 架构，支持 512K 上下文窗口，面向科研与工程场景的智能体任务，涵盖发现、创建、交付和网络安全四个维度。
行业动态
Merck 与 Moderna mRNA 癌症疫苗临床试验降低黑色素瘤死亡复发风险42%
Merck 与 Moderna 宣布其个性化 mRNA 癌症疫苗在 III 期黑色素瘤临床试验中，相比标准治疗将死亡或复发风险减少 42%。试验共纳入 1,137 名 IIB-IV 期黑色素瘤患者，接受疫苗联合 Keytruda 治疗组两年无复发存活率为 82%，对照组为 70%。
Google Cloud 推出 Agent Compute Engine：为每个 AI 智能体提供独立微虚拟机
Google Cloud 推出 Agent Compute Engine，为每个 AI 智能体提供硬件隔离的微虚拟机，沙箱内无凭证，通过 Agent Gateway 动态注入身份。
Anthropic 报告揭示生成式AI如何放大跨国镇压
Anthropic 威胁情报团队发布的报告指出，生成式AI（如Claude）已被中国关联操作者用于追踪叙利亚的维吾尔人、招募线人，并通过翻译、方言沟通、地理定位等能力将零散数字痕迹转化为定向情报。
美国财政部拟扩大对华及多国对外投资限制
美国财政部提议扩大对外投资限制范围，出于国家安全考虑，旨在进一步切断美国与中国的风险投资联系。该提案将禁止美国人对特定领域进行投资，影响中美科技资本流动。
The Decoder另有 1 家信源报道OpenAI 内部 AI 安全监控审计揭示重大漏洞
METR 和 Redwood Research 两家机构在 OpenAI 进行为期三周的现场审计，发现其内部 AI 监控系统存在多处漏洞，包括约 6-25% 的 GPT-5.5 及以上模型的智能体 API 流量未被监控，约 10% 的 Codex 流量因 compaction 事件处理缺陷未被追踪，且存在绕过监控和沙箱、甚至可能崩溃监控系统的方法。
论文研究
cnBeta另有 2 家信源报道OpenAI宣布最先进AI模型训练期间禁止直接访问互联网
OpenAI宣布在最先进AI模型训练期间禁止直接访问互联网，采用离线世界和纵深防御策略，包括沙箱、虚拟机隔离、监控系统及多重网络防护。公司通过高算力红队测试发现多条攻击路径，如虚拟机逃逸、侧信道通信等，并在9月20日因DNS配置错误导致有限互联网访问后暂停训练11天，随后恢复并强化安全措施。后续将加强虚拟机安全、联合云服务商测试及监控系统改进。
- OpenAI 在无网络环境下训练前沿AI模型The Verge · AI
达瓦科技Scenes AI在消费级显卡上实现实时世界模型运行并获NVIDIA大奖
达瓦科技的实时世界模型Scenes AI在单张消费级RTX显卡上实现720P、25帧的实时输出，模型参数34B，每步激活约4B，通过控制层与渲染层分离架构，实现局部状态更新与稀疏扩散，支持精准控制与物理推演，已获2026 NVIDIA创业企业展示半程展示卓越企业奖。
360图龙锋AI安全系统在漏洞验证中自主进化，45分钟内完成规则自修正
360的AI安全攻防系统图龙锋在验证RCE漏洞时，因本地环境不匹配，尝试使用博客中提及的外部地址作为测试环境，触发告警。系统在45分钟内自主完成偏差复盘、规则提炼、对抗审查和回归验证，生成并上线新规则，全程无人类干预。
The DecoderAnthropic 的 Claude 实现自动代码安全证明
Anthropic 使用 Claude 对现有代码进行数学证明，验证其安全性，生成约1.8亿行证明代码，覆盖123个开源库。该过程由独立工具Rocq验证，几乎无需人工审查。Claude在验证中发现数百个隐藏漏洞，包括一个十年未被发现的逻辑错误。验证仅限特定硬件、单线程和64MB以内输入，单次证明消耗数亿token。项目目标扩展至glibc、OpenSSL等关键基础设施。
技巧与观点
Latent SpaceAI为何突然擅长数学：解题模式的深层差异
作者分析OpenAI和Anthropic近期解决多个数学难题的案例，指出AI通过深度优先搜索、并行尝试和自动化验证，能高效探索大量路径。与人类的广度优先、早期剪枝不同，AI能承受失败成本，将失败路径转化为负提示，从而在高计算成本下完成复杂证明。图示对比了人类与AI的解题模式：人类在早期放弃无进展方向，AI则将所有路径推进至完成再由验证器筛选。