AI 技术日报 - 2026-10-25

Top 10 AI 技术要闻

  1. 微软开源 Agensh：无中心编排的 1024 智能体集群，Pandoc 通过率从 33.9% 升到 55.1%

    微软开源 Agensh，一个自组织的多智能体 harness，可扩展到 1024 个智能体，全程没有中央编排器：智能体自行发现并认领子任务、共享发现、验证结果、异步合并进度，靠共享工作区、消息接口与共享上下文把各自的局部进展拼成团队成果。评测选 ProgramBench 中最难的五个任务，使用 GPT-5.6-sol 高推理档、六小时预算、完全断网，让智能体仅凭行为观察与文档重建参考程序：五任务平均测试通过率从单智能体 19.31% 提升到 128 智能体的 28.78%（相对提升约 49%）；Pandoc 单任务从 33.89% 升到 128 智能体的 50.94%、1024 智能体的 55.06%。换成 GPT-6.1-sol 后，Pandoc 从 56.19%（1 个）升到 79.59%（32 个），相对提升 41.64%。论文同时观察到，随着团队规模扩大，同伴协调、集成流程与专职角色会自发涌现。

    链接：https://github.com/microsoft/Agensh

  2. Block 发布 Dessa：不用一个字的语音模型，全双工对话可在 M4 Max 本地跑

    Block 发布 Dessa，称其为"最真实的语音对话模型"：从零开始训练，训练数据只有人类对话的声音——没有文本、没有预训练模型、没有文本 tokenizer。它音频进音频出，全双工，能一边听一边说，会挑时机插话，也会用"嗯""懂了"这类 backchannel 表示自己在听；情绪、讽刺、笑声、叹气、哽咽都是原生处理的，而不是先转成文字再合成。因为不经过文本，它不会在转写阶段丢掉语气信息，也不会出现"等你说完再按脚本笑"的僵硬感。工程上更狠的是效率：整个模型只在一块 NVIDIA GB200 NVL72 上训练完成，推理快于实时，且能在 MacBook Pro M4 Max 及以上机型本地运行；团队称其学会语言所用的词量比 LLM 少数百倍。Block 把动机归结为好奇心、人机理解与安全三点，并抛出一串开放问题：纯语音模型的样本效率、语言习得、上下文学习能力究竟如何。官网放出多段未经剪辑的实录对话，包含与第三方模型 GPT-Live-1 的对谈。

    链接：https://www.block.xyz/dessa

  3. Cloudflare 发布 Clairic：不生成 token 的抽取模型，亚秒返回带置信区间的结构化值

    Cloudflare 预览了一类全新模型——System One 抽取模型（extraction models），首个模型 Clairic 已上线 Workers AI（@cf/cloudflare/clairic），并计划近期开放权重。它与 TypeSafe 的 Jev、Clef 这类"决策模型"同属 System One 家族，但输出不同：决策模型在给定选项里挑一个并给概率，Clairic 直接从非结构化输入里抽出、算出、估计乃至预测值。返回四类结果：带字符偏移与置信度的文本 span；发票金额、日期、时长这类按类型规则归一化的计算值；输入没有明说但有证据支撑的估计值（给定边界与网格上的分布、中位数与 80% 区间）；以及序列的未来值预测。关键在机制：单次并行前向、不逐 token 生成，所以响应通常不到一秒、只按输入计费，也不存在"编出一个格式错误的答案"这种失败模式，找不到答案时直接返回 null。Cloudflare 的论点是，今天大量结构化输出调用都在拿前沿 LLM 做回归任务，属于用 System Two 的价钱干 System One 的活。

    链接：https://blog.cloudflare.com/clairic-extraction-model/

  4. PHP2Shell 复盘：AI 把"人类无法利用"的陈年漏洞变成了现实危机

    WIRED 的 Kernel Panic 专栏复盘了本周的 PHP 漏洞风波。安全公司 Calif 在八月初借助前沿模型（属于 OpenAI 的 Patch the Planet 计划）加上人类对 PHP 的深度理解，首次发现并写出 PHP2Shell 系列漏洞的利用代码；随后 OpenAI 与谷歌旗下 Wiz 的研究者用 AI 工具独立复现。耐人寻味的是，部分底层缺陷 2024 年就已知晓，只因"人类攻击者难以利用"而被搁置——Wiz 研究员直言，漏洞团队知道它存在多年，但既然没人能利用，就没修。漏洞公开后数小时内，Cloudflare 观测到数百万次利用尝试；PHP 基金会表示尚未见到成功利用，网上流传的多数 PoC 实际无效，最坏的场景没有发生。但压力已经显性化：微软本月安全更新修了创纪录的 1453 个漏洞，美国银行则雇了 1000 名顾问专门修 Anthropic Mythos 找出的缺陷。结论不是 AI 造出了新风险，而是它把"披露到武器化"的窗口压缩到了以小时计。

    链接：https://www.wired.com/story/kernel-panic-the-php-meltdown-shows-how-ai-makes-bugs-more-exploitable

  5. fal 与 BFL 推出 FLUX 3 Max：10 秒视频 12.45 秒生成，比 Seedance 2.5 快 26.5 倍

    fal Research 与 Black Forest Labs 合作发布 FLUX 3 Max，一个经过后训练的视频生成模型，官方称其图生视频质量已与榜首模型统计上打平，而延迟只有对手的零头：生成 10 秒视频耗时 12.45 秒，Seedance 2.5 需要 277.80 秒，相当于快 26.5 倍、延迟低 96.2%。在 Artificial Analysis 的图生视频评测中，FLUX 3 Max 相比原版 FLUX 3 提升 47 个 Elo 分，直接进入第一梯队。方法上沿用 H3 Max 的路线：H3 Max 在 MiniMax H3 开放权重上做后训练，验证了"后训练 + 极致推理优化"能在不改基座的情况下大幅提升表现；这次把同一套打法套用到 BFL 的 FLUX 3 上，并继续迭代后训练。这条路径的意义在于，它展示了前沿模型厂商开放权重后，专门的研究团队能在原版发布之外继续榨出性能，也把"质量—速度"的帕累托前沿又往前推了一格。目前已支持文生视频、图生视频与关键帧生视频。

    链接：https://fal.ai/blog/introducing-flux-3-max-by-fal

  6. AWS 发布 Agent Toolkit：把云操作打包成编码智能体的官方插件

    AWS 上线 Agent Toolkit for AWS 并进入 GA，采用 Apache 2.0 许可，目标很直接：给 AI 编码智能体提供操作 AWS 所需的工具、知识与护栏。它不绑定单一客户端，支持 Claude Code、Codex、Cursor、Devin、Kiro 与 fx，通过插件市场分发，也可用 aws configure agent-toolkit 在终端直接调用。插件按职责拆分：aws-core 覆盖服务选型、CDK/CloudFormation、Serverless、容器、存储、可观测性、计费、SDK 用法与部署；aws-agents 用于在 Bedrock 与 AgentCore 上构建智能体；aws-data-analytics 面向 S3 Tables、Glue、Athena 的数据湖与 ETL；aws-agents-for-devsecops 用 DevOps Agent 与 Security Agent 做故障调查、代码评审、发布就绪 UAT、漏洞扫描与渗透测试；aws-startup-advisor 则负责架构、成本、安全建议，还能处理从 Azure、GCP、Heroku 以及 OpenAI、Gemini 技术栈的迁移。把云厂商的最佳实践固化成智能体可加载的技能包和护栏，正在成为新的分发入口。

    链接：https://github.com/aws/agent-toolkit-for-aws

  7. gpu-unlock：一个内核模块让 RTX 30 系的 BF16 算力涨 68%，无需改驱动

    Zagitta/gpu-unlock 用 Linux 内核模块，把 GeForce RTX 30 系（GA102/GA103/GA104/GA106）的 FP/BF16 指令发射率解锁到专业卡水平。实现思路很讲究：把 CMP 解锁器的 V67/PLM 技术与 UEFI 方案的"驱动加载前"时机结合起来，运行解锁、写入速度选择器（SS0 = 0x88888888 选中全速 BF16 档，SS1 写入 4 位值 0x8 选中 IMLA4），并在未修改的 NVIDIA 驱动绑定显卡之前完成 FLR。它既不是 UEFI 应用，也不是打过补丁的驱动，好处是每次 NVIDIA 发布新驱动都不必重新 patch。实测 3090 Ti 在 450 W、8192³ GEMM、FP32 累加、五次采样中位数条件下：FP16 从 87.46 升到 118.39 TFLOPS，BF16 从 87.50 升到 157.41 TFLOPS，TF32 从 42.58 升到 82.61 TFLOPS。社区已提交大量兼容性报告，3090、3080 等卡普遍获得 25%–80% 的 BF16 增益，也有 3080 Ti 20GB 解锁完成但速率未变的个例。

    链接：https://github.com/Zagitta/gpu-unlock

  8. Pollen Robotics 开源 Microduck：25 厘米双足机器人，神经网络策略驱动 15 个舵机

    Pollen Robotics 开源了 Microduck 的"大脑"——一台约 25 厘米、800 克的小型双足机器人。主控是 Rockchip RK3566，运行一组守护进程：50 Hz 的控制环用神经网络策略直接驱动 15 个舵机，同时管理无线模块、摄像头，以及一套能在不把机器人刷成砖的前提下完成 OTA 的升级机制。策略不在本仓库训练，而在隔壁 microduck_rl 里完成——MuJoCo 仿真加 PPO，包含完整的 sim2real 配方，最终导出为 ONNX 供本仓库加载；仓库还提供设计架构文档、速查表与贡献指南。玩法上，它既能用游戏手柄遥控行走，也能装上轮子切到"roller 模式"加载另一套策略，等于一个身体两套大脑。把策略训练、sim2real 与部署固件拆成两个仓库、并把架构与踩坑都写进文档，这种开源方式对做具身智能教学与复现的人相当友好。

    链接：https://github.com/pollen-robotics/microduck

  9. Hallmark：一个专治"AI 味"的设计 skill，48 套主题 + 真实浏览器 lint

    Together AI 的 Nutlope 发布 Hallmark，一个面向 Claude Code、Codex、Cursor、OpenCode 的设计 skill，口号是"拒绝看起来像 AI 生成的"。它从 48 种"材料"主题里抽三套（纸张、字体、配色、表面、组件与纹理各有成套定义，每套都配成品页面图），先定住底线，再围绕"访客来这儿要干什么"组织页面。核心机制是分层的门禁：Floor 级永不放过（对比度、焦点态、减弱动效、编造的事实、手机上崩掉的布局）；Reflex 级是模型最容易落入的套路，有理由可在记录后破例；Finish 级只是工艺细节，不阻塞发布。它还会在真实浏览器里 lint 成品，专门抓那些"一看就是机器做的"痕迹——每个标题上方的小标签、字距拉开的全大写、标题里单独染色的一个词、满屏空框或纯照片、hero 区溢出首屏、每页底部都塞邮件订阅、点了"谢谢"却什么都没提交的表单，最后由一个全新上下文的评审模型拍板。此外支持 /hallmark redesign 保内容重做页面、/hallmark audit 只出报告，内置 755 张开放授权照片，还能直接指向你的 URL 或 dev server 自己截图。

    链接：https://github.com/Nutlope/hallmark

  10. Loböle：开源参数化 CAD，GUI 能做的每个命令都开给了 AI 智能体

    Loböle 以 0.1 版本开源，是一个 Linux 优先的参数化 CAD：几何内核用 OpenCASCADE 做 B-Rep，视口用 Vulkan，最关键的架构决定是"一套命令层"——GUI、Python 脚本与 AI 智能体走的是同一组命令。功能覆盖相当完整：带约束的草图器、能在上游修改后存活的稳定拓扑命名、变量与表达式、配置、钣金与弯管；装配体支持配合、子装配、运动仿真与干涉检查、爆炸图、BOM 与标准件；工程图可出投影视图、尺寸与表格并导出 SVG/PDF；零件上直接跑静态与模态有限元、拓扑优化；制造侧支持 2.5D、三轴与第四轴铣削，后处理输出到 Mach3、LinuxCNC 或 GRBL，且每个刀路文件都会先仿真验证，另有 3D 打印检查；版本管理基于 git，有历史、命名版本、分支与合并。对外通过 JSON-RPC、Python SDK 与 MCP server 暴露全部能力，窗口内还带一个跑智能体的终端面板。作者坦承 v0.1 尚有毛刺，CAM 目前只在一台 6090 CNC 铣床（Mach3）上真正切过零件，务必先仿真与空跑。

    链接：https://github.com/eliasaronson/lobole

数据来源：TheAIEra News Hub 生成时间：2026-10-25 08:30:00