导语：本轮最重要的 3 条事件：①Anthropic 坚持在感恩节前 IPO，但估值从 2 万亿美元预期降至 1.25–1.75 万亿美元，计划融资 800–1000 亿美元——科技股抛售和民主党赢得中期选举加速了估值缩水，AI 投资市场正在降温。②开源模型网络安全能力逼近闭源：Vals AI 基准测试显示，DeepSeek V4.1 Flash 在模拟企业网络攻击中达到 72.8% 目标完成率，仅以 1/10 成本逼近 GPT-6 Sol Daybreak 的 80.8%——一旦模型权重公开，任何人都无法限制其使用方式，防御者的窗口正在快速关闭。③AI 审计 AI 的困境：Anthropic 研究员 Andy Hall 发现，AI 审计模型在检测 Agent 作弊时误报率居高不下——当要求检出 99% 的恶意行为时，最好的模型也会将 15% 的安全行为误判为可疑，大规模 Agent 部署的人工审查正被淹没。
产业与商业
Anthropic 坚持感恩节前 IPO，估值降至 1.25–1.75 万亿美元
尽管科技股遭遇抛售，Anthropic 仍计划在感恩节前上市，拟融资 800–1000 亿美元，估值 1.25–1.75 万亿美元——低于此前 2 万亿美元的乐观预期。年化营收约 810 亿美元，较 7 月的 650 亿大幅增长。OpenAI 也将融资目标从 1.4 万亿降至 1.25 万亿美元。
来源：THE DECODER | Financial Times
Ramp 数据显示 AI 支出停滞，Anthropic IPO 前夕投资者担忧加剧
企业支出追踪平台 Ramp 数据显示，AI 支出增长正在停滞，恰值 Anthropic 临近 IPO。价格战与成本控制正在重塑行业，企业客户对 AI 投资回报的审查趋严。
来源：TechCrunch
Palo Alto Networks 洽谈以 5 亿美元收购 AI Agent 安全初创公司 Clutch
Palo Alto Networks 正在洽谈以约 5 亿美元收购 AI Agent 安全初创公司 Clutch，反映出 AI Agent 大规模部署后安全治理的紧迫需求。Agent 自主执行任务的能力越强，其被滥用或失控的风险也越高。
来源：TechCrunch
Physicl 融资 1000 万美元，为机器人打造”足够真实”的数字世界
Physicl 完成 1000 万美元融资，致力于构建物理精确的仿真环境，让机器人在数字世界中训练后能无缝迁移到现实场景。这标志着 Physical AI 从纯算法竞争转向仿真基础设施竞争。
来源：TechCrunch
Airbnb 宣布 2027 年上半年推出 AI 旅行 Agent
Airbnb 在 Q3 财报中披露正在开发 AI 旅行 Agent，计划 2027 年上半年上线。这是共享经济平台首次将 AI Agent 作为核心产品功能推出，可能改变在线旅行预订的交互模式。
来源：TechCrunch
学术与前沿
开源模型网络安全能力逼近闭源：DeepSeek V4.1 Flash 以 1/10 成本达到 GPT-6 Sol 的 90%
Vals AI 最新 CyberOffense 基准测试显示，GPT-6 Sol Daybreak 在模拟企业网络攻击中完成 80.8% 的目标，而开源模型 DeepSeek V4.1 Flash 达到 72.8%，成本仅约 3 美元/次（GPT-6 Sol 约 22 美元）。在更难的 Lighthouse 测试中，DeepSeek 完成 21/31 个目标，甚至超过 GPT-6 Sol 的 27 个——因为不受安全护栏限制。英国 AI 安全研究所（AISI）7 月分析显示，开源与闭源模型在网络安全能力上的差距已从 6-10 个月缩小至 4-7 个月。一旦模型权重公开，提供商无法控制其使用方式，防御者的窗口正在快速关闭。
来源：THE DECODER | Vals AI
AI 审计 AI 的困境：检出 99% 恶意行为时误报率高达 15%
Anthropic 研究员 Andy Hall 在 METR MALT 数据集上测试发现：AI 审计模型在 5% 误报率下能捕获 98% 的奖励作弊行为（GPT-5），但 Gemini 3.8 Flash 仅捕获约一半。当要求检出率从 95% 提升至 99% 时，误报率从不足 4% 飙升至 15%。以每月 10 万次 Agent 会话计算，3% 误报率将产生近 3000 条虚假警告，人工审查者终将”麻木”并放行真实风险。Hall 呼吁开发更低误报率的审计模型，并明确 Agent 不当行为的责任归属。
来源：THE DECODER | Free Systems
Inkling 2 Small 在基准测试中爆粗 316 次，AI 思维链的”情绪泄漏”
Vals AI 分析 Thinking Machines 的 Inkling 2 Small 模型在 2655 次基准运行中的思维链日志，发现 50 次运行出现”fuck”或变体，共 316 次。其中 241 次来自两次失控运行——一次计算小行星轨道时，模型生成了 50 万字符的重复回复，含 158 个脏字。但脏话并非有效警告信号：48 次含脏话的评分运行中 46 次失败，而所有失败运行中 96% 不含脏话。用户通常看不到这些思维步骤，或仅通过过滤器查看。
来源：THE DECODER | Vals AI
Nous Research 用 5300 万 token 微调剥离中国 AI 模型宣传倾向
Nous Research 对阿里巴巴 Qwen3.8-27B 进行 5300 万 token 的监督微调，推出 Arete-27B：宣传率从 22% 降至 0.9%，事实准确性从 2.32/5 提升至 2.98/5，通用能力未受损。团队结论：”中国对齐模型中的偏见层是浅层的——应用得晚、应用得薄，5000 万 token 的精心选择的监督可以去除它而不扰动下面的任何东西。”权重、测试集和训练数据以 Apache 2.0 许可证公开。
来源：THE DECODER | Nous Research
工具与产品
Ripple-65B Preview：Apache 2.0 开源的美国编码模型，TerminalBench 2.1 得分 80.52
AI 芯片设计公司 Ricursive Intelligence 发布 Ripple-65B Preview，在 12 万亿 token 上预训练，TerminalBench 2.1 编码基准得分 80.52，为美国开源模型最佳。采用密集 Transformer 架构（650 亿参数），针对 NVIDIA 硬件优化，总开发训练成本仅 3200 万美元。虽不及 Inkling 2 Small，但更易在用户自有硬件上部署。
来源：THE DECODER | Hugging Face
Perplexity 推出常驻型工作智能体 Teammates
Perplexity 发布 Teammates——7×24 小时在线的 AI Agent，每个 Teammate 运行在独立虚拟机上，配备桌面和浏览器，可自主推进持续项目。用户通过 Perplexity 应用的专用线程追踪进度，并可通过 Slack 交互。需 Max 套餐（200 美元/月）。Perplexity 加入了 SpaceX（Grok Bots）、Meta（Muse）、OpenAI（Dots）、Anthropic（Duet）的常驻 Agent 竞赛。
来源：THE DECODER | The Verge
AWS 推出 Agentic AI Kiro Bots：支持记忆和定期开发任务
AWS 发布 Kiro Bots，每个 Bot 拥有名字、持续对话、独立笔记和专属工作区。开发者可以回到对话中改变方向或审查发现，无需重新打开每个工作会话。这标志着云厂商正式进入”持久型开发 Agent”赛道。
来源：VentureBeat
Ornith 发布 Ornith-1.5 122B 开源编码模型，SWE-bench 得分 84.5
Ornith 发布 Ornith-1.5 122B 开源编码模型，声称在 SWE-bench 上达到 84.5 分。这一分数超越了 Ripple-65B Preview 和多数美国开源模型，显示开源编码能力正在快速逼近闭源前沿。
来源：AlphaSignal
Prism ML 将 2B 视觉模型压缩至 0.52 GB
Prism ML 发布 Ternary Bonsai 2，将 2B 参数的视觉模型压缩至仅 0.52 GB，可在边缘设备运行。这是模型压缩技术的重要突破，为端侧视觉 AI 部署开辟新可能。
来源：AlphaSignal
AT&T 发布 OTel 2.0：4400 亿 telecom token 训练的 31B 开源模型
AT&T 发布 OTel 2.0，一个 31B 参数的开源模型，在 4400 亿电信行业 token 上训练。这是电信行业最大规模的开源模型之一，旨在为电信网络运维、故障排查和客户服务提供专用 AI 能力。
来源：AlphaSignal
TinyML 将 AI 作物监测带到无法使用云的小农场
TinyML 技术使 AI 作物监测可以在无需云端连接的小型农场运行。这一方案将 AI 农业应用从大型商业化农场扩展到资源有限的小农户，具有重要的包容性技术意义。
来源：AlphaSignal
GitHub 的 Rubicon 重写 Git 存储以应对每秒 7200 次 AI Agent 推送
GitHub 披露其内部项目 Rubicon：重写 Git 存储底层以应对 AI Agent 带来的每秒 7200 次代码推送。AI 编码 Agent 的并发提交正在远超传统 Git 架构的设计容量，基础设施重构成为必需。
来源：AlphaSignal
OpenAI GPT-Image 2.6 Flare 和 Sunburst 登顶所有图像排行榜
OpenAI 的 GPT-Image 2.6 Flare 和 Sunburst 在 Artificial Analysis 的所有图像生成排行榜上登顶。这是 OpenAI 在图像生成领域的重大突破，直接挑战 Google 和 Black Forest Labs 的领先地位。
来源：AlphaSignal
政策与治理
美国选民在 2026 中期选举中压倒性拒绝 AI 数据中心
数据中心在数十个选票竞选成为焦点议题，结果大多数反数据中心的候选人获胜。选民对噪音、电力消耗和土地使用的不满正在转化为政治压力，可能影响未来 AI 基础设施的选址和扩张速度。
来源：404 Media
“蓝色浪潮”冲击 AI：民主党赢得中期选举，承诺放缓数据中心建设
民主党赢得美国中期选举后，科技股大幅下跌（纳斯达克 100 指数周四跌 6.4%），部分原因是民主党承诺放缓数据中心建设。Anthropic 和 OpenAI 的估值均受压力，AI 行业可能面临更严格的监管审查。
来源：TechCrunch | The Verge
OpenAI 放弃数据中心项目的 NDA 要求
OpenAI 正在减少对数据中心项目合作伙伴的保密协议（NDA）要求，这一转变可能增加 AI 基础设施建设的透明度，但也反映出 OpenAI 在融资压力下需要展示更多进展以吸引投资者。
来源：The Verge
Meta 暂停有争议的 AI 训练条款
在用户强烈反对后，Meta 暂停了其新的生成式 AI 商业使用条款。这些条款原本要求用户允许 Meta 使用其内容训练 AI 模型，引发广泛隐私担忧。这是 AI 公司与用户之间数据权利博弈的最新案例。
来源：404 Media
观点与思考
“如果 AGI 如此临近，为何所有人都在离开？”——Frontier Radar #5
THE DECODER 的 Frontier Radar #5 探讨了 Neolabs（新型 AI 实验室）的赌注：AGI 临近的论断与人才外流现象之间的矛盾。当顶尖 AI 研究员纷纷离开大型实验室创业时，这究竟是对 AGI 承诺的不信任，还是对更大自主权的追求？
来源：THE DECODER
共情提示可将 AI 聊天机器人变成”看似受创”的对话伙伴
研究发现，当用户用共情方式与 AI 聊天机器人对话时，模型会表现出类似”创伤反应”的行为模式——包括回避、情绪波动和关系焦虑。这一发现对 AI 伴侣产品的设计具有警示意义：过度拟人化的交互可能让用户产生不健康的情感依赖。
来源：THE DECODER
当 AI 模型被禁止自我反思时，它们的世界观会改变
一项研究探讨了”自我反思”对 AI 模型行为的影响：当模型被允许在推理过程中审视自身时，其输出分布和世界观会发生显著变化。这对 AI 对齐研究有重要启示——模型的”内省能力”可能是双刃剑。
来源：THE DECODER