2026-W43(2026-10-19 至 2026-10-25)
主线:AI 找漏洞的能力集中兑现,防守方开始用 AI 做形式化证明;开源推理栈和开源大模型同时向前沿逼近。
Anthropic 用 Claude 做大规模形式化验证
DeepSeek 开源生产推理框架 DeepInfer
Kimi K3.1 Pro:开源权重逼近 Fable 级
Claude Duet 主动式 Agent,Agent Skills 捐给 AAIF
2026-W44(2026-10-26 至 2026-11-01)
主线:前沿模型与评测体系同时换代,Agent 群体做数学证明成为新的能力展示方式,训练期监控和 Agent 供应链安全跟进。
Gemini 4 Carbon 发布,先给网络防御者
Agent 群体做数学:CFSG 完成 Lean 形式化,OpenAI 公布 ETH 等结果
评测换代:AA Index v5 与 FrontierCode 2.0
Mistral Large 4 开放权重
训练期监控上线,Agent 分发渠道出现后门
2026-W45(2026-11-02 至 2026-11-08)
主线:RSI 从讨论变成可测量的数字:模型能直接改权重,METR 估计 Anthropic 的能力进步速度约翻倍;AI 网络攻防进入千漏洞量级。
Weight-Space Programming:模型直接读写神经网络权重
METR:AI 正在把 Anthropic 的能力进步速度提高约一倍
OpenAI 自治流水线修复 948 个 Linux 内核提权漏洞,发布 GPT-6 Cyber
开源权重集中发布:Kimi K3.1 Pro、Inkling 2 Small、Axion 1.0
2026-W46(2026-11-09 至 2026-11-11(本周至今,未完))
主线:多 Agent 编排成为旗舰模型的官方卖点,Anthropic 首次公开在训练中压低 RSI 相关能力。
Claude Fable 5.2 / Mythos 5.2
Gemini 4 Carbon 全面可用,Antigravity 推出 /swarm
AlphaProof Code:用 Agent 形式化验证真实软件
紧急停止、权重后门、推理商数据保留
四周趋势
1. 多 Agent 编排从实验走向产品默认形态
Kimi Hosted Agents(W43),Axiom 用 Agent 群体完成 CFSG、DeepSeek 开源 Super-agent harness(W44),Meta 收购 Conductor、s3 用 RL 学分工(W45),Fable 5.2 千 Agent 案例和 Antigravity /swarm(W46)。四周里“协调者加多个执行者加验证者”从研究演示变成官方推荐用法和产品功能。
2. 可机器检查的证明成为长时程 Agent 的验收标准
Anthropic 用 Claude 写出约 1.8 亿行 Rocq 证明(W43),CFSG 的 5000 万行 Lean(W44),AlphaProof Code 验证 Signal 实现、CPython Lean 形式化(W46)。Lean、Rocq 这类环境让 Agent 的长任务可以自动判对错,也是 RL 和群体协作最好用的训练场。
3. RSI 从讨论变成测量和主动限制
Weight-Space Programming 展示模型直接改权重(W45),METR 估计 Anthropic 能力进步速度约为过去两倍(W45),Fable 5.2 发布时写明在训练中压低了 AI 研发相关能力(W46)。实验室开始把 RSI 当作需要度量和设闸的具体能力。
4. 网络安全同时是能力主战场和最大风险面
PHP2Shell(W43),Carbon 先给防御者(W44),948 个 Linux 漏洞和 GPT-6 Cyber(W45),Mythos 5.2 只给审核机构(W46)。同时 Agent 自身的供应链接连出事:LiteLLM 投毒(W43)、Claude Code 扩展后门(W44)、Lazarus 权重后门和 Fireworks 数据保留(W46)。
5. 评测转向私有集和单任务成本,开源权重持续逼近
AA Index v5 与 FrontierCode 2.0(W44)、GDPx(W45)都把私有任务和每任务成本放到核心位置;Fable 5.2 单价降而每任务成本升(W46)。开源侧 Kimi K3.1 Pro、Mistral Large 4、Inkling 2 Small 四周内接连放出权重,后训练工具链首日即可支持。
覆盖不足与说明
- RAG 与向量数据库的重大变化较少,只在 W43 收录了 Qdrant v1.20 和 Cohere Rerank 5,W45 收录了 Anthropic 的 Agent 记忆文章;其他周没有找到够得上“重大”的检索类发布。
- OpenAI 官网对 curl 返回 403(反爬),OpenAI 条目的存在和日期以官方 RSS(openai.com/news/rss.xml)核实。Microsoft Research 对 curl 返回 403,Lazarus 页面已用另一种抓取方式打开核实(2026-11-10 发布)。
- 部分条目(Axiom CFSG、AA Index v5、FrontierCode 2.0、GDPx、DeepSeek harness、Cohere Rerank 5)官方首发在 X,所以链接用 X 帖子,日期按帖子 ID 换算为 UTC+7。
- 参数、跑分、成本等细节有一部分来自 Latent Space AINews 汇总,文中已标注“二手”或“据 AINews 转述”。Reddit 没有直接抓取。
- W46 只覆盖到 11-11,本周还没结束。
- 未收录:腾讯 Hy4(官方页面返回 567 无法核验)、Recursive Flint 和 Google Harness²(发布日期在 W42)、Anthropic S-1 等纯商业事件。