VOL. 2026-10-09 · 10 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-09 · PUBLISHED · 约 8 分钟
OpenAI 解雇三名安全研究员并发布 GPT-6.1 Sol Ul…
OpenAI 解雇三名安全研究员并发布 GPT-6.1 Sol Ultrafast，成为当日最受关注的公司层面变动，安全与商业利益之间的张力再次浮现。模型侧，小米推出主打强化学习自我改进的旗舰 MiMo-V2.6-Pro-RL，采用稀疏 MoE 与全模态输入，开源社区也出现 Wald-Q4B v2.1、DiffuRefill-1B 等新检查点。研究方面，AgentGarten 探索面向进化智能体的实时交互环境，多项工作则分别聚焦 MoE 路由遥测的隐私泄露风险、结构化潜在视觉推理以及编码智能体的代码理解瓶颈。政策与工具层面，Anthropic 更新使用政策收紧高风险滥用边界，Xinference v4.0.0 新增 Responses API 与 KV 缓存共享。
今日看点
5 个章节 · 10 条情报- 01研究进展AgentGarten：面向进化智能体的代码世界4
- 02行业与商业OpenAI 解雇三名安全研究员并发布 GPT-6.1 Sol Ultrafast1
- 03模型发布小米发布 MiMo-V2.6-Pro-RL 旗舰模型3
- 04政策与监管Anthropic 更新使用政策：禁止虐待 Claude 及高风险滥用1
- 05开源项目Xinference 发布 v4.0.0：新增 Responses API 与 Xavier KV 共享1
研究进展
RESEARCH4 篇AgentGarten：面向进化智能体的代码世界
该论文提出 AgentGarten 框架，将模拟器与游戏引擎同共享神经渲染器耦合，构建兼具状态一致性与真实视觉分布的实时交互环境。渲染器通过适配预训练视频模型并采用 Adversarial Forcing 蒸馏实现实时推理。实验显示智能体仅需 4 轮即可学习，而传统强化学习需数百万轮，且新世界可用代码编写并通过同一接口渲染，实现环境与智能体共同扩展。
MoE路由遥测泄露成员隐私：路由增强的成员推断攻击
该论文研究MoE语言模型推理时产生的路由遥测信息是否会导致成员推断隐私泄露。作者提出一种结合输出信号与路由特征的攻击方法，在三种MoE架构和三个数据域上，路由遥测使1%假阳性率下的真阳性率提升2.7至9.4个百分点，且在全量微调、冻结路由器、LoRA和指令微调下均持续存在。机制分析表明泄露源于微调将成员信息编码进隐藏表示，而路由器即使参数冻结也会暴露该信号的投影。
SLVR：基于类人推理流的结构化潜在视觉推理
该论文提出 SLVR 训练框架，将多模态推理组织为规划、定位、证据选择与推理整合等类型化潜在阶段，并用特殊分隔符 token 对每个阶段施加对应监督信号。SLVR 还引入 Visual Dependency Induction 对比训练，通过遮蔽答案提示文本并加入视觉干扰项，减少模型对语言先验的依赖。基于 Qwen2.5-VL-7B 构建的 SLVR 在 MMVP 上提升 9.4、BLINK Relation 上提升 14.2，并在 V*、MathVista、ChartQA 上也有改进，且无需在推理时生成文本思维链。
代码理解是编码智能体的瓶颈
微软研究院提出 Cabra，一个用于严格评估编码智能体的合成任务框架，通过有向无环调用图从零生成任务，并在函数遍历、搜索、运行时解析和指令遵循四个维度上控制任务规模。研究在 6,840 个任务上测试了 8 个 LLM 和 6 个编码智能体，发现 LLM 准确率随任务规模下降，但智能体通过调用 grep 等工具可保持接近满分；进一步分析 SWE-bench Verified 轨迹表明，智能体用于理解代码的工具调用次数比编辑代码行数更能预测任务难度。作者据此指出代码理解是编码智能体的瓶颈，并呼吁用 Cabra 这类可控合成评估补充 SWE-bench 式基准。
行业与商业
BUSINESS1 篇OpenAI 解雇三名安全研究员并发布 GPT-6.1 Sol Ultrafast
OpenAI 解雇了三名安全研究员 Tomek Korbak、Mikita Balesni 和 Jasmine Wang，三人称被解雇是因为在 METR/Hugging Face 事件中优先考虑安全而非公司短期利益，OpenAI 则称其不当处理机密信息。同时 OpenAI 发布 GPT-6.1 Sol Ultrafast，速度最高达 Sol Standard 的 8 倍，API 定价为每百万输入/输出 token 12/60 美元。Anthropic 推出 Claude Haiku 5.5，支持 100 万上下文窗口，定价与 GPT-6 Luna 持平。
模型发布
MODEL RELEASE3 篇小米发布 MiMo-V2.6-Pro-RL 旗舰模型
小米发布 MiMo-V2.6-Pro-RL，作为 MiMo-V2.6 系列的旗舰检查点，主打通过扩展强化学习实现自我改进。该模型采用稀疏 MoE 架构（总参数 1.02T、激活 42B），支持文本、图像、视频、音频的原生全模态输入，上下文长度达 100 万 token。其核心方法包括混合 RL 单次训练、异步 GRPO 大规模计算、组内智能体评分（GRS/GAR）以及多前缀多教师在线策略蒸馏（MOPD2）。评测显示其在代码、通用智能体、网络安全等基准上接近或部分超越 Claude Opus 5、GPT-5.6 Sol 等模型。
org2ai 发布开源 4B 决策模型 Wald-Q4B v2.1
org2ai 在 Hugging Face 发布开源决策模型 Wald-Q4B v2.1，基于 Qwen3.5-4B 微调，采用 Apache-2.0 许可。该模型接收状态与带类型的选项，直接输出每个选项的校准概率，并通过 Jev 兼容的 POST /v1/systemone API 在自有 GPU 上部署。在 Decision Index 0.3 公开套件上取得 60.05 分（v2.0 为 54.18），Mind2Web 元素选择达 92.3%，中位延迟 158ms。
DiffuRefill-1B：1.08B 掩码扩散语言模型预训练中
Hugging Face 上出现一个名为 DiffuRefill-1B 的 1.08B 参数掩码扩散语言模型预训练检查点，目前训练约进行到一半（约 10 万步 / 20 万步，约 460 亿有效 token）。该模型采用置信度定向重填充解码，整段序列约需 20 次并行去噪即可生成，而自回归模型每 token 需一次前向。训练通过 DiLoCo 在 3-5 台单 GPU 机器上同步进行，作者称其英语流畅但事实性仍不可靠，尚未做指令微调。
政策与监管
POLICY1 篇Anthropic 更新使用政策：禁止虐待 Claude 及高风险滥用
Anthropic 一年多来首次更新使用政策，新增禁止选举干预、武器开发、监控以及健康金融用途等高风险滥用行为，并首次明确禁止对 Claude 持续且无意义的虐待或残忍行为，终止对话仍是主要执行机制。政策还将分散的既有限制整合为对欺骗性商业或政治宣传的禁令，并扩大武器与监控相关禁令范围。Anthropic 表示这些规则仅适用于极端情况，不涉及普通用户不满、黑暗创作主题或模型测试研究。
开源项目
OPEN SOURCE1 篇Xinference 发布 v4.0.0：新增 Responses API 与 Xavier KV 共享
Xinference 发布 v4.0.0，新增无状态 OpenAI Responses API（/v1/responses）、jina-ocr-v1 OCR、Confucius4-TTS 支持，并引入 Xavier 快照存储与 KV 缓存共享机制，支持 vLLM、SGLang、MLX 之间的 P/D 分离与跨平台传输。该版本还新增 NIXL 后端、运行时日志中心、跨平台安装与本地服务管理，并修复了 Windows/Metal CI、DeepSeek 工具调用解析等问题。