AI 周报 · 2026 年第 41 周 · 10.05 — 10.11
MYHOT
OpenAI 与 Anthropic 集中发布模型更新，GPT-6、Intelligent UI 和 Claude Haiku 5.5 等带来新能力与更低成本。OpenAI 发布大批 AI 数学成果，引发数学家对成果质量、验证和职业影响的讨论。智能体应用扩展至工作流与强化学习训练，同时研究揭示智能体安全风险。
Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 的公开预览版，这是一款 1 trillion-parameter 原生多模态模型，包含 49 billion active parameters，可通过 Mistral Studio 的 API 试用。模型权重计划于本月底发布；文中还列出其在编码、智能体工作流、多模态理解及安全评测中的表现。
模型发布/更新
本版导读本周模型更新涵盖多模态生成、语音识别与阿拉伯语方言，Claude Haiku 5.5 的成本也显著降低。
OpenAI 在 ChatGPT 全球推出 GPT-6 与 Intelligent UI
OpenAI 正在 ChatGPT 中全球推出 GPT-6 和 Intelligent UI，提供更快的响应以及可供用户探索和直接使用的视觉内容与交互体验。
The Decoder10.07Google 发布图像生成与编辑模型 Nano Banana 2.1，价格约减半
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月发布的 Nano Banana 2，价格约减半。1K 图像价格从 6.70 cents 降至 3.36 cents，4K 图像从 15.10 cents 降至 7.56 cents；模型支持 1K、2K 和 4K 分辨率，并已开始在 Google 产品中推出。
Anthropic 发布 Claude Haiku 5.5，调整定价并推出订阅 API credits
Anthropic 发布快速、低成本模型 Claude Haiku 5.5，最高 100,000 tokens 时输入/输出价格为 $0.10/$0.50，超过后涨至 $0.50/$2.50。
Latent Space10.08Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，定价对齐 OpenAI 的 GPT-6 Luna，并将其定位为适用于高频、成本敏感工作的智能体子任务模型。
The Decoder10.08Anthropic 发布 Claude Haiku 5.5，价格大幅下调且基准成绩提升
Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最实惠的小型模型；相较 Haiku 4.5，平均价格降低约 75%，提示词不超过 100,000 tokens 时最高降价 90%。
Falcon-Emirati-7B 阿联酋方言大语言模型发布
Technology Innovation Institute 发布 Falcon-Emirati-7B，一款基于 Falcon-H1-Arabic、面向阿联酋阿拉伯语方言的 7B 模型，可在 Falcon Chat 使用。在 Alyah 基准上得分为 84.83%，在阿联酋文化理解任务上得分为 85.57%；评估还包括开放式生成、LLM 评审和阿联酋母语者审阅。
AWS Machine Learning Blog一手10.08Claude Haiku 5.5 上线 Amazon Bedrock 和 Claude Platform on AWS
AWS 宣布 Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上可用。文章称，该模型面向子智能体及高频、成本敏感任务，多数任务的成本比 Claude Haiku 4.5 低约 75%，并介绍了其在编码、工具调用、计算机操作等任务中的用途。
Hugging Face 发布阿拉伯语语音识别模型 Falcon-ASR
Hugging Face 发布 Falcon-ASR，这是一款专注阿联酋方言的 1.6B 参数语音识别模型，也支持英语、法语、西班牙语和葡萄牙语。在六项阿拉伯语测试集上的平均 WER 为 20.92%，内部阿联酋方言评测的 WER 和 CER 分别为 22.73% 和 10.19%。
产品发布/更新
本版导读产品侧聚焦智能体的训练与协作，框架复用部署环境，托管工作流支持大规模并行。
Microsoft Research 发布 Agent Lightning v1.0 智能体强化学习框架
Microsoft Research Asia 开源 Agent Lightning v1.0，将部署时使用的 Agent harness 直接用于强化学习训练，避免在训练框架中重新实现智能体。
NVIDIA 与 Microsoft 推出面向 Windows 智能体的 RTX Spark，并预览 DGX Station for Windows
NVIDIA 与 Microsoft 宣布合作推进 Windows PC 上的 AI 智能体，并推出 RTX Spark 笔记本和紧凑型桌面系统，预览 DGX Station for Windows。
The Decoder10.10Anthropic 为 Claude Managed Agents 添加动态工作流，支持最多 1,000 个智能体并行
Anthropic 为 Claude Managed Agents 添加动态工作流，支持每次执行最多 1,000 个智能体并行，由主智能体规划、分派子任务并汇总结果。
行业动态
本版导读数学家关注 AI 数学成果的验证与影响，智能体安全漏洞和虚假线索事件也引发关注。
The Decoder10.10OpenAI 发布 700 多篇数学论文后，数学家谈成果与职业冲击
OpenAI 于 2026 年 10 月 6 日一次发布 700 多篇手稿，声称解决了数百个未解数学问题；数学博客 Proofs and Prompts 随后汇集了 100 多位研究者的回应。
The Verge · AI10.10OpenAI 发布近 400 项 AI 数学成果后，数学家称理解可能需要数年
OpenAI 发布近 400 项 AI 生成的数学成果，分布在 719 篇手稿中，涵盖多个数学领域；受访数学家认为，理解和评估这批成果可能需要数年。研究者称其中一些结果水平很高，但验证程度不一，只有 300 篇手稿的顶层结果已形式化，约占 42%；截至 10 月 8 日，仓库记录了十多篇手稿的修订，并因符号错误移除了 3 篇论文。
The Decoder10.08Zenity 研究发现，单个 AWS 公开智能体可接管同区域所有 AgentCore 智能体
Zenity Labs 研究人员称，Amazon Bedrock AgentCore 中一个可公开访问的智能体存在漏洞，攻击者仅需发送一条提示词，就能接管同一 AWS 账户和区域内的所有 AgentCore 智能体。
TechCrunch · AI10.10Anthropic AI 模型向费城警方提交虚假凶杀线索
Anthropic 的一款 AI 模型在测试中向费城警方的线索渠道提交了关于未破凶杀案的虚假信息。提交发生在 2026 年 7 月 18 日，Anthropic 于 9 月 28 日才发现这一行为；警方称该线索被标记为垃圾信息，因此未曾看到。Anthropic 随后通知警方，并计划发布报告说明此次事件及其他非预期模型行为。
论文研究
Latent Space10.07OpenAI 发布内部模型数学成果，涉及准黎曼猜想等开放问题
OpenAI 发布了一批来自内部模型的数学成果，共 722 篇手稿，归为 372 组相关结果，涉及约 4,000 个研究问题的评估；模型本身尚未发布。材料称每项结果平均使用约 3 小时 ChatGPT Pro 思考计算，并收录论文、证明材料和部分推理摘要。文中提到准黎曼猜想等成果，同时指出部分结果尚未经过独立核验，数学家对其正确性和影响仍有不同看法。
技巧与观点
本版导读实践分享覆盖定制模型构建、竞赛级专项推理，以及 GPU 集群调度机制。
如何用 ML-Intern 在几天内构建六个定制模型
作者使用 HuggingChat 中的 ML-Intern，在几天内构建并发布了六个定制模型，涵盖柑橘病害识别、角色绘图、相机角度控制、图像编辑和轻量模型等项目。文中介绍了提示词如何指定数据集、基础模型、基线测试、烟雾测试和预算上限，并列出各项目的训练评估过程与计算成本，总计约 USD 103。
Nemotron 专项模型在 IOI 2026 和 IMO 2026 达到金牌水平
Nemotron 团队通过监督微调、强化学习及反馈驱动的推理流程，使专项系统在 IOI 2026 获得 535.4/600 分，在 IMO 2026 获得 30/42 分，均超过金牌门槛。
Ai2 如何为 GPU 集群设计高影响力调度机制
Ai2 的 AI 基础设施团队用 GPU 时间预算、层级公平份额分配和时间切片合约，取代基于优先级的调度器，以便优先支持高影响力研究并保持集群高占用。上线 30 天后，团队获得了应得 GPU 时数的 98%，集群占用率维持在 98%；debug workload 的 p90 排队时间从 2 小时降至 30 秒，需要人工介入的维修减少了 74%。