wjt:~/posts$

AI新闻汇总-2026-10-11

约 7 分钟

  • #AI

AI新闻汇总-2026-10-11

覆盖时间：10 月 10 日 08:00 至 10 月 11 日 08:00（北京时间）。来源：X 头部账号帖子、X 热点汇总、科技媒体。标注“X 热点”的条目是 X 平台自动生成的摘要，标注“社区帖”的内容未经官方确认。

今日要点

  1. 马斯克演示 Grok Bot 网购：把信用卡照片丢进对话，Bot 会全网比价并下单；他本人用它买了 LEGO（约 2.5 万赞、325 万浏览）。云端 Agent 从“能办事”走到“能直接花钱”。@elonmusk
  2. Gemini 4 Argon 基准再刷屏：社区流传 DeepSWE 等编码跑分约 77.9%，高于 Claude Opus 5.5 与 GPT-6 Astra；公开大规模开放仍未到。社区帖 ｜ X 热点
  3. Devin 可绑定 ChatGPT 订阅额度：用 GPT 模型时可走 ChatGPT 配额，但仍需单独的 Devin 付费计划（约 4.4k 赞）。编程 Agent 开始“共享订阅额度”。@thsottiaux
  4. Claude Code 子 Agent 缓存踩坑：默认只缓存 5 分钟，空闲后再读会烧额度；改 subagentPromptCacheTtl 为 1h 可明显省用量。社区帖
  5. OpenAI 722 篇 AI 数学论文继续发酵：已有论文因错误撤回，学界纠结验证与署名；验证成本正在压到数学家身上。X 热点

一、AI 大模型

能力测试与排行榜

  • Gemini 4 Argon：社区热传知识工作约 68.9%、编码（DeepSWE v1.1）约 77.9%，对比 Claude Opus 5.5 / Sonnet 5.5 与 GPT-6 Astra 更靠前；也有人提到内部更新的 Carbon 检查点。公开可用性仍落后于跑分热度。社区帖 ｜ @alwayspriyesh ｜ X 热点
  • Claude Opus 5.5：发布约两周后，用户继续用“Opus 规划 + Sonnet 编码 + Haiku 检索”分层；有人称 Terminal-Bench 等榜单仍靠前，也有人觉得 GPT-6.1 Sol 更懂整库结构。X 热点 ｜ X 热点

研究与争议

  • OpenAI 数学论文包：10 月 6 日在 GitHub 放出约 722 篇内部模型生成的数学手稿（约 372 组结果），部分带 Lean 形式化证明；随后至少 3 篇因错误撤回。NYU 等学者称冲击早中期研究者课题，也有人强调“数学不属于谁”。瓶颈从“发现”转向“核验与可读性”。X 热点 ｜ 社区帖
  • Anthropic「模型福利」政策余波：11 月 12 日起禁止对 Claude 的持续、无意义虐待，主要手段是模型结束对话；不含普通吐槽、暗黑创作或常规测试。All-In 等节目继续讨论是否在暗示 AI 意识。X 热点 ｜ 社区帖

新模型与开源

  • Drex 1.5（Nace AI）：开源紧凑决策模型，自称 Decision Index 约 58.28、参数量不到 10B，偏策略选择与文档分析，可在 Hugging Face / OpenRouter 使用。X 热点

用户使用反馈

  • 开发者工作流样例：研究用 Grok Bot、编排用 Opus 5.5、日常编码用 Claude Code + Sonnet、测试用 Codex、难案用 GPT-6 Sol（社区帖，仅供参考）。@humzaakhalid

二、AI 编程编辑器

Claude Code

  • Projects 放行后的用法：候补 Pro / Max 用户已可开“协调者对话 + 并行云端线程”；社区分享用它扫邮件/Slack 找自动化、并行开任务，也抱怨额度烧得快。官方原帖见昨日日报，今日以使用反馈为主。社区帖 ｜ X 热点 ｜ 媒体
  • 子 Agent 缓存默认 5 分钟：主会话订阅档约 1 小时缓存，子 Agent 空闲超过 5 分钟会整段重读；在 settings.json 设 "subagentPromptCacheTtl": "1h"（或环境变量）可省用量（约 425 赞）。@daniel_mac8 ｜ X 热点
  • 版本侧记：媒体称 latest 到 v2.1.296（大文件一次读完、子 Agent 提前压缩等），stable 推进到含 Claude Mods 的构建；Codex、Gemini CLI 同期多为修 bug。媒体

Codex

  • 全局额度 Reset（Day 6）：Codex 相关工程师 Tibo 发“Day 6/ Reset”，并称当天结束前全球重置用量（约 7.3k 赞）。@thsottiaux ｜ @thsottiaux
  • Devin 绑定 ChatGPT：Tibo 称“ChatGPT 订阅现在也是 Devin 订阅”（约 4.4k 赞）；社区纠正：仍需 Devin Pro/Max/Teams，ChatGPT 只覆盖 GPT 模型用量，非 GPT 模型仍扣 Devin 额度。@thsottiaux ｜ 社区帖 ｜ X 热点
  • 小版本：Codex v0.162.1 修复多行异步提问导致的 TUI 崩溃，以及后台服务特性与 CLI 默认不一致时的启动失败。媒体

Cursor

  • 官方账号本时段暂无重要产品更新；changelog 仍以本周早些时候的 Remote Control 等为主。媒体

新用法与对比

  • 社区热议：Grok Bot / Muse / Dots / Gemini Agent 与 Claude Code / Codex 怎么选——常见分法是编码底座用后者，收件箱、浏览器、杂务用前者。社区帖 ｜ @gabrielayuso

三、云端 Agent / 云端 Bot

Grok Bot

  • 拍照信用卡即可下单：马斯克称把卡照丢进聊天，Grok @Bot 会搜最优价并完成订购；他刚用它在 LEGO 官网下单（约 2.5 万赞）。评论区有人兴奋，也有人列安全风险（卡号泄露、误购）。@elonmusk ｜ X 热点 ｜ 社区帖
  • 团队 Playbook 继续传播：SpaceXAI 工程师分享「参谋长 + 专员 + 审稿」多 Bot 编排；有人月开上千 PR。昨日的独立邮箱能力仍在被引用，今日无新官方宣布。X 热点

Muse（Meta）

  • 社区称 Muse 像“给普通人的 Agentic AI”，免费档额度够上手；隐私与档案争议仍在背景讨论中。社区帖

dots（ChatGPT）

  • 暂无重要新更新（昨日已报道可在手机端创建）。

Jarvis

  • 暂无重要更新。

其他同类产品

  • Google Gemini Agent（企业）：10 月 8 日 Gemini at Work 上线，统一提示框做知识工作/编码，可接企业系统，并带成本与治理控件；模型路由可含 Gemini 与 Claude。今日以媒体与余热讨论为主。官方博客 ｜ X 热点
  • 分层用法共识：编码 Agent（Claude Code、Codex）当“底座”，Grok Bot / Muse 等当“手脚”处理收件箱与浏览器杂务。社区帖

四、公司高管动态

OpenAI

  • Sam Altman：本时段暂无重要新帖。
  • Codex 方向工程师 Tibo：宣布 Devin 可共用 ChatGPT 订阅额度；晚间发 “Day 6/ Reset” 并提示全球用量重置。@thsottiaux ｜ @thsottiaux

Anthropic

  • Dario Amodei：本时段暂无新帖。
  • 产品侧：Claude Code Projects / Managed Agents 昨日放行后的社区用法仍是主话题；创业者计划部分优惠暂停一事在热点中继续被引用（申请量暴增后审核）。X 热点

xAI

  • 马斯克：公布 Grok Bot 信用卡拍照购物能力（约 2.5 万赞）；另转发 Grok Bot 模板、并讨论非 AI 话题（Starlink 印度竞争等）。@elonmusk

Meta

  • 扎克伯格：本时段暂无新帖（账号解析未找到公开 handle）。
  • Muse 相关讨论见第三章。

Google

  • Sundar Pichai：本时段暂无新帖。
  • Demis Hassabis：近日主要是转发 AlphaProtein Novo、AI×科学文章等，无新的大模型产品官宣。@demishassabis
  • Logan Kilpatrick：本时段暂无新帖。

cd ../posts