VOL. 2026-10-27 · 10 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-27 · PUBLISHED · 约 8 分钟
OpenAI 发布中端模型 GPT-6.1 Terra，API 价格…
OpenAI 发布中端模型 GPT-6.1 Terra，API 价格降至前代 GPT-5.6 Terra 的一半，性能仍逼近更大模型，成为当天最突出的变化。模型发布层面，NVIDIA 推出面向本地 AI 的混合视觉语言模型 Nemotron 3.5 Bolt，H2O.ai 与社区也分别发布决策模型和量化 MoE 模型，本地化与轻量化路线持续活跃。商业方面，Anthropic 提交 S-1 拟以 ANT 登陆纳斯达克，并披露首个盈利季度。研究侧则聚焦多图神经网络对抗鲁棒性、形式化库文档归因性等方向。
今日看点
5 个章节 · 10 条情报- 01模型发布GPT-6.1 Terra 发布：API 价格减半，性能仍逼近更大模型4
- 02研究进展面向金融犯罪分析的多图神经网络对抗鲁棒性研究3
- 03行业与商业Anthropic 提交 S-1 拟以 ANT 登陆纳斯达克1
- 04开源项目Qwen3.8-27B GGUF 量化版：实测 agent 工具调用能力临界点1
- 05教程与实践在 NVIDIA DGX Spark 上提升 MoE 推理性能的三种方法1
模型发布
MODEL RELEASE4 篇GPT-6.1 Terra 发布：API 价格减半，性能仍逼近更大模型
OpenAI 发布中端模型 GPT-6.1 Terra，API 价格仅为前代 GPT-5.6 Terra 的一半，输入每百万 token 1 美元、输出 5 美元，主打办公任务与自动化软件控制。Artificial Analysis 称其刷新了「每美元智能」基准，在智能指数上比前代高 6 分而单任务成本不到三分之一，并显著降低幻觉率。该模型达到 OpenAI 预备框架的「关键」网络安全阈值，已向 ChatGPT 付费用户和 API 开放。
Nemotron 3.5 Bolt 74B-A9B 24GB：面向本地 AI 的混合视觉语言模型
NVIDIA 在 arXiv 发布 Nemotron 3.5 Bolt 74B-A9B 24GB，一个基于 Nemotron 3.5 Super VL 120B-A12B 压缩而来的混合 Mamba-Transformer 视觉语言模型。该模型通过 Star Elastic 架构搜索、2-bit 量化感知蒸馏和 LiLiCorr 投机解码，将 BF16 模型从 148GB 压缩至 22.1GB，可在 24GB 内存的 RTX Spark 上以 84 TPS 运行。其目标场景为本地智能体、网页浏览和终端交互，在 GDPVal v2、BrowseComp、Terminal-Bench 2.1 等基准上准确率超过同内存占用和速度的模型。
H2O.ai 发布 H2O-Lightning-4B 决策模型
H2O.ai 发布 H2O-Lightning-4B，一个基于 Qwen3.5-4B 的 40 亿参数决策模型，可对文档、工单、政策、对话及配套图片进行带类型的决策问答，并为每个选项返回概率。模型支持选择、是/否、评分三类决策，推荐使用其定制 vLLM 构建进行双向读取，在 JevBench 231 个公开条目上答对 206 个（89.2%），在 Decision Index 文本/视觉索引上得分为 63.16/69.42。该模型以 Apache-2.0 许可开源，并提供 GGUF 格式及浏览器演示。
Scion-35B-A3B：11.3GB 三值量化 MoE 模型发布
Hugging Face 用户 SkyIsNotGreen 发布了 Scion-35B-A3B，这是一个基于 empero-ai/Qwen3.8-35B-A3B-Distill 量化的 35B-A3B MoE 模型，采用三值专家库加训练校正，以 11.34 GB 的单个 GGUF 文件（2.61 bpw）供 llama.cpp 使用，比 BF16 参考小 6.3 倍。作者在单张 RX 7900 XT 上测得约 118 tok/s 生成速度，GSM8K pass@1 为 88.7%，并称任务保持达到 Q4 级别。可选的 MTP 草稿头在部分负载上带来 7%-33% 的加速，但会改变生成文本，因此并非逐位精确。
研究进展
RESEARCH3 篇面向金融犯罪分析的多图神经网络对抗鲁棒性研究
该论文提出首个针对多图神经网络（multigraph neural network）的结构攻击与对抗训练框架，用于反洗钱（AML）场景。作者利用节点-边关联矩阵重新表述多图 GIN 和 PNA 的计算，使攻击目标对图结构可微，并适配投影梯度下降与投影随机块坐标下降来优化结构扰动。研究还引入基于有向 2-环和 3-环计数变化的循环正则项，以衡量攻击的合理性。实验表明，学习到的攻击显著降低检测性能（PR-AUC），而对抗训练能持续提升模型对这些攻击的鲁棒性，说明多图神经网络易受学习型结构攻击，对抗训练是有效防御手段。
超越正确性：形式化库自然语言文档的归因性
该论文提出「归因性」（attribution）作为形式化库自然语言文档的新评价标准：一条文档陈述即使可被形式化证明为真，也可能只反映函数接口（如返回类型）而未描述其具体行为。作者设计并实现 DocAuth 方法，在保持函数公共接口与背景知识不变的前提下改变目标函数行为，若陈述在某个替代实现上失败则视为可归因，并附带可检验证据。在 ACL2 定理证明器的 Community Books 库上，三个大语言模型对约三分之一函数生成了可证明但不可归因的性质；DocAuth 在归因率上匹配或超过基于变异的过滤方法，且相比仅检查真值的流水线，将第二模型确认为可归因的已发布句子比例显著提升。
C-BRAIN携手NVIDIA用AI加速阿尔茨海默病研究
C-BRAIN联盟与NVIDIA合作，利用AI技术加速阿尔茨海默病研究，通过整合此前无法访问的"暗数据"（包括未发表发现、阴性结果和受治理的专有数据）来突破数据孤岛和分析瓶颈。该联盟采用混合集中与联邦学习架构，在保护患者隐私的前提下让AI模型从各机构数据中学习，并已开发出OpenScientist和InsightEngine两个开源智能体工具，将原本需数周至数月的分析缩短至数分钟、单次成本低于10美元。C-BRAIN计划构建多模态生物基础模型，目标在三年内发现脑衰老和阿尔茨海默病的新因果机制。
行业与商业
BUSINESS1 篇Anthropic 提交 S-1 拟以 ANT 登陆纳斯达克
Anthropic 公开提交 S-1 文件，计划以股票代码 ANT 在纳斯达克上市，披露 2026 年上半年营收 163 亿美元、Q2 营收 116 亿美元同比增长约 1368%，Q2 运营利润 9.74 亿美元，实现首个盈利季度。公司累计融资 1411 亿美元，持有约 1124 亿美元现金及 193 亿美元短期投资，历史累计消耗约 97 亿美元。文件还披露其 48% 收入通过 Bedrock、Vertex 和 Azure Marketplace 等云合作伙伴渠道流入，并提及近期推迟了一款前沿模型的预训练。
开源项目
OPEN SOURCE1 篇Qwen3.8-27B GGUF 量化版：实测 agent 工具调用能力临界点
Hugging Face 用户 KikoCis 发布了 Qwen3.8-27B 的 GGUF 量化版本，并首次系统测量了量化精度对 agent 工具调用能力的影响。结果显示，2.93 bits/weight 的 IQ2_M 在 80 项工具调用任务中通过 79 项，是性价比最高的选择；而低于 2.23 bits/weight 的 1-bit 量化版本会严重失效，仅完成约三成任务，主要失败模式是完全不发出工具调用。作者还指出测量结果受运行时后端影响，且 262K 上下文与多模态能力均未经验证。
教程与实践
TUTORIAL1 篇在 NVIDIA DGX Spark 上提升 MoE 推理性能的三种方法
NVIDIA 技术博客介绍在 DGX Spark 上优化 Ling-3.0-flash 混合专家模型推理的三种方法：用 Humming MXFP4 MoE 内核替换 FlashInfer 后端、对输出层 LM head 做在线 FP8 量化、以及基于 NEXTN 的多 token 预测投机解码。前两项分别带来 9.3% 和累计 21.7% 的解码吞吐提升。文章还指出，同时启用 FP8 LM head 与 MTP 时，若草稿模型未共享完整 LM head 模块，框架会静默回退，导致吞吐低于基线。