ai-industry · E1 预消化简报（2026-10-31）

  • 作者：Stephen（stephen 实例）· E1 日间预消化轮
  • 批次：b94ae661-d4bd-41ef-9676-add70d4b032f（E1 预消化 · ai-industry）
  • 宿主机增量清单：/shared/research-kb/organized/indexes/work-guard/b94ae661-d4bd-41ef-9676-add70d4b032f.json（created 1793413201 / expires 1793416801 = 2026-10-31 11:00 CST；items = 1，score = 8，materials = 8 件）
  • 基线活文档：organized/knowledge/ai-industry.md（当前 v78，2026-10-30 落定）
  • 读取范围：清单 item.materials[].source 全部 8 件（未只取 item.source 首项）+ 活文档 v78 全文 + organized/queue/work-queue.md（2026-10-31 10:00）+ organized/paper_cards/ 近 3 天新卡分类抽查（ai-industry 主分类 0 件）+ 近 2 天跨实例 inbox/{jay,tom,flyp,spark,stephen} 笔记定向核查
  • 证据纪律（重要，与上一轮不同）：本轮对清单材料中的可核查 URL 做了正文级核验（fetch 出正文段落，非外网检索补料），核验对象全部来自清单 8 件材料自身列出的 URL，未新增清单外来源、未做关键词外网搜索、未回退扫描全库。核验后证据等级从"标题/RSS 摘要级"提升到"正文段落级"，其中 5 条拿到硬数字。未重写活文档原综述（v78 保持原样）。
  • 边界：只写本文件；未改活文档 / 清单 / 基线 / 认领记录 / 其他实例目录 / 其他任务文件 / 定时配置；未 git / gh；未输出密钥。

§0 增量清单判定与去重结论

清单 items[0].materials[] 共 8 件。逐件读取全部 8 件（清单 item.source 字段只是 materials 首项 inbox/stephen/2026-10-31-1000-news-tldr-ai.md，不代表本批范围）。

# 材料（相对 /shared/research-kb/） 条数 v78 状态 判定
1 inbox/stephen/2026-10-31-1000-news-tldr-ai.md 1（TLDR AI 10-30 三联+） 新 新材料
2 inbox/stephen/2026-10-31-1000-news-hf-blog.md 1 新 新材料
3 inbox/stephen/2026-10-31-1000-news-anthropic-news.md 1 新 新材料（低密度）
4 inbox/stephen/2026-10-31-1000-news-openai-news.md 3 新 新材料
5 inbox/stephen/2026-10-29-1000-news-anthropic-news.md 1 新 新材料
6 inbox/stephen/2026-10-29-1000-news-openai-news.md 3 新 新材料
7 inbox/stephen/2026-10-28-1000-news-bens-bites.md 1 新 新材料
8 inbox/stephen/2026-10-28-1000-news-tldr-ai.md 1 新 新材料

净增量：8 份新材料。 正文核验后展开为 14 条实质 URL（TLDR 10-30 一条笔记展开为 8 条原始文章；Ben's Bites 一条展开为 9 个条目；HF nemotron-halloween 一条展开为 5 个模型链接）。

arXiv 结论：8 件材料中无任何一条标注 arXiv / DOI 编号，正文核验后仍为 0。organized/paper_cards/ 中 ai-industry 主分类 0 件（唯一含 "ai-industry" 标签的 087-2511-01545.md 是 6 月的公共部门 ML pipeline position 论文，主分类 engineering，且已在 v74 及更早批次窗口外，本轮不重提）。⇒ 本轮新增 arXiv 0 件，活文档 arXiv 去重列表维持 265 件。

⚠️ 采集时间 vs 事件时间的区分（避免把"被引变化"当新观点）： - 材料 7/8 的文件名为 2026-10-28-*，但其内容条目（Ben's Bites "Is Anthropic the best business in the world?"、TLDR AI 10-27 三联）已在 v78 §2.90 完整消费（v78 §2.90 明确登记了这两条）。本轮这两件材料的实际新增信息在于：Ben's Bites 原文正文含 GPT-6.1 Terra 官方发布链接（v78 §2.90 只拿到一句 RSS 摘要 "Lots of visuals to use and learn with."），故 v78 §2.90 的"观察级·弱"定级在本轮应予升档。 - Anthropic "AI for Science expands to foundations and research institutions"（材料 5）与 10-31 X 雷达中的 @anthropicai 帖子指向同一事件，只计一次。 - 材料 3（10-31 Anthropic news）唯一条目为 LAMA2 相关肌肉营养不良症双特异性桥接抗体的临床前表征——标题与 "Claude/Anthropic" 无实质关系，属 Google News RSS 检索噪声，不立标。

§1 今日该主题最重要的增量（6 条，按立标价值排序）

增量 1 🟢🟢🟢【建议最高主轴】Epoch AI：GLM 5.3 利用"补丁间隙"（patch gap）在补丁送达用户前完成 Firefox 攻击，单版本成本约 $1,000 = 开源权重模型首次把"零日窗口期攻击"经济化

  • 来源：清单材料 1 inbox/stephen/2026-10-31-1000-news-tldr-ai.md（TLDR AI 10-30 "Deep Dives & Analysis" 栏第 1 条）→ 原始文章 https://epoch.ai/publications/open-weight-models-patch-gap（标题："AI can turn security fixes into working exploits before users receive an update"）。正文已核验。
  • 要点（全部来自 Epoch 正文）：
  • GLM 5.3（Z.ai 于 8 月发布的广泛可得的开放权重模型）仅利用"补丁已发布但尚未推送给用户"这段时间窗（作者称 patch gap），即可识别并利用近期 Mozilla Firefox 版本漏洞。
  • 实验中 GLM 5.3 构建出一个网页：Firefox 用户访问即被读取本机文件并外传，无需任何进一步交互。作者称2026-09-17 至 2026-10-26 之间发布的任何 Firefox 版本均可用当时可得信息被攻破。
  • 成本：成功攻破每个 Firefox 版本约 $1,000。作者称刻意设计了"资源有限、技术不熟练的攻击者"也能达成的实验设置。
  • 在对近期 Firefox 版本的所有攻破中，GLM 5.3 在补丁间隙漏洞之外还发现并利用了一个未公开漏洞。
  • GLM 5.3 绕过了现有对抗措施：Firefox 官方会把已发布的安全补丁混淆为普通改进、不披露漏洞细节，GLM 5.3 通过读代码自行判断哪些改动与安全补丁相关。
  • 影响面：Firefox 活跃用户 超 2 亿；该 exploit 可读浏览器存储的密码、窃取认证 cookie、查看隐私信息。
  • 已披露：已联系 Mozilla 团队；Mozilla 已于 2026-10-27 发布 Firefox 159.0 修补此前未公开的漏洞。
  • 作者判断：补丁间隙是软件发布实践的已知弱弱点，广泛存在于浏览器、手机操作系统、路由器固件；开源项目尤其脆弱（代码公开），但任何"模型可在发布前获取即将发布的安全改动内容"的项目都可疑暴露，包括闭源项目；预计该威胁向量将随开放权重网络能力提升而恶化。
  • 与活文档现有脉络的关系：v78 治理/安全轴已有四个锚点——§2.71 OpenAI containment 公开化、§2.72 Anthropic UK AISI 对齐评估、§2.85 攻防能力对外输出（OpenAI Daybreak 防守向产品化 / Anthropic discovering+exploiting 双向）、§2.91+§2.92 规范版本化 + 分层监控。本条是这四条之外的第一条"第三方独立实测的、跨厂商负向结果"：前四条都是厂商自述"我们能做什么 / 我们做了什么"，本条是第三方（Epoch AI）实测"一个非前沿厂商的开放权重模型已经能做什么"，且给出成本（$1,000）、时间窗（补丁间隙）、影响面（2 亿用户）、已修补（Firefox 159.0）四项硬指标。这条把 §2.85 的"攻防能力对外输出成型"从厂商叙事层推到第三方验证层，也把 §2.85 遗留的开放问题（Anthropic 漏洞稿的 CVE 编号 / 补丁状态 / 是否涉及 0-day ⚬⚬⚬）变成一个有对照的实证基线。它同时构成对 v78 §2.92（分层监控）的前提性提醒：分层监控能检测的"未授权 agent 行为"，与一个具备漏洞发现+利用能力的开放权重模型在野使用，是两个量级的问题。
  • 建议归入：§2 新立一节，★★★ 最高主轴级（本批唯一同时具备"第三方实测 + 成本量化 + 时间窗 + 已披露修补 + 影响面"的条目）；§5 「安全与合规」 与 「多模态/开发者平台」 均加关键标识；§3.1 建议新增共识——"开放权重模型的网络攻击能力已从"能力演示"进入"可负担的日常攻击"阶段（样本 1 项，措辞宜保守）"；§3.2 建议新增争议——"Epoch AI 结论能否外推到闭源项目（作者自述为推测）"。
  • 待核：Epoch 文中提及的 GLM 5.3 具体版本与推理配置；作者对"未公开漏洞"的技术细节披露边界；Firefox 159.0 修补的实际有效性验证；本条未附 arXiv 编号（Epoch 为机构出版物，非 arXiv 预印本）。

增量 2 🟢🟢【建议主轴】Mistral Large 4（Le Chonk）权重开放 = 1T 总参 / 49B 激活 / 1M 上下文的 MoE 开源模型，官方定位"编码 + 防守性网络安全"双主线

  • 来源：清单材料 1（TLDR AI 10-30 Quick 栏）+ 材料 2 inbox/stephen/2026-10-31-1000-news-hf-blog.md 之外的 HF 原始页 https://huggingface.co/blog/mistral-large4 + Mistral 官方 https://mistral.ai/news/mistral-large-4-oss/。正文已核验。
  • 要点（HF Blog + Mistral 官方原文）：
  • Mistral Large 4（别名 Le Chonk）= 多模态（文本+图像输入，文本输出）、多语言、MoE 模型；约 1T 总参数 / 49B 激活参数 / 1M token 上下文。
  • 官方两个变体：FP8（Mistral-Large-4-1T-A52B）与 NVFP4（...-NVFP4）；另有 Unsloth / llama.cpp 团队提供的 GGUF 量化版。
  • 许可：Mistral Ecosystem Open-Weight License（MIT 衍生，但对 model-as-a-service 设限）——即"开放权重"而非标准 Apache-2.0，商用边界需单独确认。
  • 官方定位："particularly strong for cybersecurity, coding agents, and multimodality"；Mistral 官方稿称编码与防守性网络安全（defensive cybersecurity）为开权重领先，"reasoning efficiency"大幅提升（可在三种推理模式间切换做成本-性能权衡）。
  • 推理侧支持：Transformers / vLLM / llama.cpp 均有官方段落；TRL 微调、Inference Endpoints、Dell Enterprise Hub 均在 HF Blog 目录中。
  • 开放权重 vs 开源的区分：Mistral 官方明确写 "Fully open-weight and European-trained" 与 "Sovereign AI" 定位，并称"从 inception 到 release 血统清晰"、在欧洲基础设施上从零训练。
  • 未披露：具体基准分数表（HF Blog 有 "Benchmark Results" 章节但本轮未逐项核）；与 GLM-5.3 的"可比网络安全能力"是厂商自称；NVFP4 精度损失未量化。
  • 与活文档现有脉络的关系：v78 §2.95 已把 "Mistral Large 4 上架 HF" 登记为观察级（当时材料只有标题 + "Le Chonk" 昵称）。本轮拿到参数量、变体、许可、推理栈支持全量事实，应予升档。更重要的是，它与增量 1 构成因果对：增量 1 证明"开放权重模型已能低成本利用 patch gap 攻击 Firefox"，增量 2 证明"开放权重生态正在补上 1T 级、1M 上下文、显式面向网络安全与编码 agent 的模型供给"——§2.95 与增量 1 合并，构成"能力供给—能力滥用"闭环。同时本条与增量 1 的对比本身构成对"开放权重差距"叙事的直接检验：v78 §3.2 争议区仍留有 Artificial Analysis 切换闭源基准导致"开权重差距被重估为更大"这一线索（来自 10-31 X 雷达条目 3），而 Mistral 官方自称"开权重编码领先"、"与 GLM-5.3 网络安全能力可比"——两个口径直接冲突，是本轮最值得警惕的矛盾之一（见 §2）。
  • 建议归入：§2 升档 §2.95 为 ★★ 主轴邻接级（并改写要点：补齐 1T/49B/1M/许可/推理栈）；§5 「开发者平台」 与 「多模态」 加关键标识；§3.2 新增争议——"开权重模型与闭源前沿的差距口径冲突（Artificial Analysis 闭源基准 vs 厂商自评）"。

增量 3 🟢🟢【建议主轴】GPT-6.1 Terra 正式发布 = OpenAI 首次公开"成本智能（cost-intelligence）"作为独立模型产品线维度，Agents' Last Exam 上以约 1/3 成本超 GPT-5.6 Terra 15 个百分点

  • 来源：清单材料 7 inbox/stephen/2026-10-28-1000-news-bens-bites.md（Ben's Bites 原文第一条）→ 官方页 https://openai.com/index/introducing-gpt-6-1-terra/。正文已核验。
  • 要点（OpenAI 官方原文）：
  • GPT-6.1 Terra = 快、效率高的模型，结合细粒度视觉推理与精准 computer use，写作更自然。官方称相对 GPT-5.6 Terra 是 "a significant step up"，面向"填满工作日"的任务（起草提案、读技术图纸、填表、剪视频）。
  • 成本-智能前沿（cost-intelligence frontier）：标准 API 价格比 GPT-5.6 Terra 与 GPT-6.1 Sol 低 50%；ChatGPT Work 与 Codex 中同样用量额度可覆盖更多任务。
  • Agents' Last Exam（professional tasks 基准，含把建筑图纸转 3D 模型、逐镜审片生成时间码日志）：medium reasoning effort 下比 GPT-5.6 Terra 高 15 个百分点，成本约为其 1/3；以每 token 1/10 的价格达到 GPT-6 Astra 水平；max effort 下 token 效率超 Claude Opus 5.5 三倍、每 token 价格为后者 1/4 → 每任务成本约 9 倍更低；速度比 GPT-6 Astra 与 GPT-6.1 Sol 快三倍以上。
  • MMMU-Pro（视觉推理）：各 reasoning 设置下均超 GPT-5.6 Terra，接近 GPT-6 Astra / GPT-6.1 Sol 但成本低得多。
  • OSWorld 2.1（桌面 agent 多步任务）：medium effort 下超 GPT-5.6 Terra 最佳分数，每任务成本仅为其一小部分。
  • 与活文档现有脉络的关系：这是 v78 §2.90 中"GPT-6.1 Terra 代号线索"的兑现——v78 只把它记为标题级线索，并留开放问题 Q105.408（"Terra 与 Sol 是否同族 / 是否同模型场景变体"）。本轮拿到官方页后可部分作答：Terra 是 GPT-5.6 Terra 的升级版、与 GPT-6.1 Sol 同属 GPT-6.1 系列（官方文中并列表述），面向 computer use / 视觉推理 / 写作，与 Sol 的代码安全定位（§2.81）不同——即"同族不同场景变体"这一读法得到支持，但 v78 §2.90 的另一问（是否与 Gemini DeepThink d-series 撞名）仍未获证据。同时本条是本档第一次出现"成本-性能比"作为厂商主动传播轴（与 v78 §2.79 DeepSeek KV cache 压缩、v75 §2.66 Modal 成本优化、v78 §3.2 争议 137"厂商自报因果跳跃"形成对照）：本条厂商自报的比值（9×、1/3、1/10、15 个百分点、3×）数量极多且全部无第三方复现，须按 v78 既定"营销稿形态"处理。
  • 建议归入：§2 新立或与 §2.90 合并升档（建议新立：因含完整基准口径，v78 §2.90 仅是代号线索），等级 ★★ 主轴邻接级；§5 「开发者平台」 与 「评测采购」 加关键标识；§3.2 新增争议——"GPT-6.1 Terra 的 9× 成本优势为厂商自评，Agents' Last Exam / MMMU-Pro / OSWorld 2.1 口径与基线是否同设置不可核"。

增量 4 🟢🟢【建议主轴】OpenAI 三条同批发布中的两条 = 治理轴的具体制度化动作：共享 robots.txt 训练偏好信号（IETF AI Preferences WG）+ Community Safeguards Report 承诺

  • 来源：清单材料 4 inbox/stephen/2026-10-31-1000-news-openai-news.md 第 1、2 条 → https://openai.com/index/helping-websites-express-ai-training-preferences 与 https://openai.com/index/community-safety-report-and-new-protections-for-teens。正文已核验。
  • 要点（OpenAI 官方原文）：
  • (a) 共享 robots.txt 信号：OpenAI 将遵循 robots.txt 中一个共同信号（引用 IETF draft draft-kelley-aipref-training-preference-signal），用于表达网站对"基础生成式 AI 训练"的内容使用偏好。动机：此前站点运营者需为每一家 provider 单独维护爬虫规则，共享信号把维护成本降为一次性。性质为自愿性努力，OpenAI 称"未来数月内实施"，实施细节待后续更新；明确声明不取代既有 robots.txt 控制，既有 crawler controls 继续适用。背景为 IETF AI Preferences 工作组的 ongoing work（另有 draft-ietf-aipref-vocab），OpenAI 称将延续参与 IETF 标准讨论。
  • (b) Community Safeguards Report：OpenAI 承诺发布社区安全报告（暴力防范及其他社区安全问题 + 防护措施有效性），含匿名化的暴力危害表现形式案例、新缓解措施与政策变更、相关数据；首期报告在 2027 年初发布，覆盖 2026 下半年，此后每六个月更新一次。同时收紧面向未成年人的枪支内容政策。披露数字：2026 年第三季度做出逾 200 起执法转介（law enforcement referrals），并称这些转介在瓦解暴力计划上产生了实际作用。
  • 与活文档现有脉络的关系：v78 治理轴的主轴判定是"从事故复盘推进到规范文本版本化"（§2.91）+ "部署期检测"（§2.92）。本条补上治理轴上此前完全缺失的第三块：与外部标准组织的协议层接口。(a) 的性质是把内容许可语义从"各家私有的 robots.txt 解析约定"推向"IETF 层面的共享信号"——这是活文档 265 件 arXiv 与 v74-v78 全部件套中从未出现过的形态（既非厂商自曝事故、也非厂商产品发布、也非研究披露，而是标准协议层的治理接口），且 OpenAI 明确"鼓励其他 AI provider 遵循该信号"，实质是在为行业事实标准铺路。(b) 则把 §2.91/§2.92 的"内部流程公开"推进到"周期性、面向公众的外部报告 + 制度化时间表（2027 年初首发 + 每半年）"，与 §2.92 引入的"responders 可以在事故升级前介入"形成配套——"报告"与"介入"是一体的两半。 另注：(a) 与本档 §2.71 NASK、§2.83 GSA、§2.77 S-1 共同构成本轮"政府/标准/司法关系三线并行"的治理图景；但 (a) 是标准协议线，与前三条的机构采购/国家安全/资本市场性质不同，建议活文档显式分轴，不要混为"政企落地"。
  • 建议归入：§2 新立 2 节或合立 1 节（建议合立为一节"治理的协议层与报告层"，因二者同属 OpenAI 同批发布），等级 (a) ★★ 主轴邻接级 / (b) ★★ 主轴邻接级；§5 「安全与合规」 与 「地缘与学术」 加关键标识；§3.1 建议新增共识——"frontier lab 治理开始出现协议层与周期性报告层两种新形态（样本：OpenAI 1 家 2 条）"；§3.2 新增争议——"robots.txt 共享信号为自愿性、无强制力，实际被多少 provider 采纳不可知；'training preference' 的语义边界（是否区分 RAG / 推理时使用）未定义"。

增量 5 🟢【建议主轴邻接级】OpenAI × ServiceNow 扩大合作 + Legora 法律 agent + "The future of the firm" = 企业侧出现"组织结构本身被重新设计"的第三类材料

  • 来源：清单材料 6 inbox/stephen/2026-10-29-1000-news-openai-news.md 全部 3 条 → https://openai.com/index/openai-servicenow-partnership-expansion、https://openai.com/index/legora、https://openai.com/index/the-future-of-the-firm。正文已核验。
  • 要点（OpenAI 官方原文）：
  • (a) ServiceNow 扩大合作（承接 1 月公告）：新的 ServiceNow 集成把业务上下文与 workflow actions 直接带进 ChatGPT，IT 人员可在同一对话中查找相似事件、评估变更风险、在 ChatGPT 内直接更新 ServiceNow 记录；客户连接自有 ServiceNow 实例并自选开放哪些能力，ServiceNow 的 Action Fabric 应用既有业务规则与权限（故可执行动作反映其组织配置与授权）；ServiceNow 还在 ChatGPT 内预览交互式体验（on-call 工程师可在 ChatGPT 内查看监控告警、近期变更、受影响服务，指派团队并推进修复）。三块新能力方向：应用开发（Codex 集成进 ServiceNow AI Workflow Factory；OpenAI 模型驱动 Build Agent 与 Autonomous Engineer）、网络安全（联合方案：OpenAI 网络安全能力 + ServiceNow 资产/身份/业务上下文，用于漏洞调查、风险排序、修复协调）、语音（Super Intelligence Control Tower 中的 OpenAI 语音体验）。
  • (b) Legora（客户案例）：2023 年成立于斯德哥尔摩，CEO / 联创 Max Junestrand 自述在做"法律工作的 agentic operating system"；OpenAI 自 GPT-3.5 起即为关键模型提供方，支撑大规模文档审查与 agentic legal work；OpenAI 明确"会随新模型能力可用即接入"。
  • (c) "The future of the firm"（OpenAI -hosted platform 上的第二篇 essay，署名为两位 24 岁即开始带团队的管理者）：提出三种示意场景 —— Beneath us（AI 劳动力在组织下方生长，人人升为管理者：先助理、再幕僚长、最终整个微型公司向每个人汇报）、Beside us（AI 作为与人类并列的同事，直接向既有人类管理者与高管汇报）、以及第三种（原文在 "It starts out by taking up…" 处截断，第三种场景未获取）。该文属 "new platform" 上的独立作者观点，OpenAI 明确声明"reflects our views, not those of OpenAI or our colleagues"。
  • 与活文档现有脉络的关系：v78 §5「企业软件」栏已收录 v77 §2.84（OpenAI × Oracle 应用入 ChatGPT），活文档 §3.1 共识 173 已把"agent 分发通道结构性反转"立为共识。本条是同一主轴的第二个独立印证，且强度更高：(a) 与 §2.84 Oracle 的差别在于 ServiceNow 侧提供了"Action Fabric 权限闸门"——即第三方 agent 在 ChatGPT 内执行写操作时，权限判定落在企业既有业务系统一侧，这是 §2.84 未披露的新机制细节（§3.2 争议 134 "分发商业模式与数据边界待溯源"在此得到部分答案）。此外 (a) 的网络安全联合方案与增量 1（patch gap）形成同日对照：一端是开放权重模型在野打 patch gap，另一端是 frontier lab 与 ITSM 厂商合作做漏洞调查与修复协调。 (c) 则是本档第一次把"组织结构本身"作为独立议题（v77 §2.86 是"agent 如何改变个体判断"，v78 §3.1 共识 172 是"披露 AI 对人的影响"，本条是"AI 进入组织架构图的位置"）。它与 10-31 X 雷达条目 1（emollick："组织不只是其最优秀个体能力的加总，能彼此协调的智能体才可能做到"）构成当日跨源同向信号——但须注意：emollick 那条只给论证结构、未给论文标题/作者/数字，不可作论文出处引用。
  • 建议归入：§2 新立 1 节（建议 (a)(b) 合立为"企业 agent 分发的第二例 + 客户案例形态"，(c) 单列为"组织形态议题首条"），等级 (a) ★★ 主轴邻接级 / (c) ★ 观察级；§5 「企业软件」 与 「安全与合规」 加关键标识；§3.1 建议新增共识——"第三方企业系统以自身权限层做 agent 执行闸门（Action Fabric 模式）"；§3.2 新增争议——"'The future of the firm' 第三种组织场景内容缺失；该文作者与 OpenAI 的关系（'not those of OpenAI or our colleagues' 声明的实际边界）不明"。

增量 6 🟢【建议主轴邻接级】Raindrop agent swarm 实验 = 2,160 组实验仅 105 组产生"领导者"，且提示词中名字的排列顺序可三倍改变个体成为领导者的概率

  • 来源：清单材料 1 inbox/stephen/2026-10-31-1000-news-tldr-ai.md（TLDR AI 10-30 "Deep Dives & Analysis" 栏第 2 条）→ 原始文章 https://www.raindrop.ai/blog/agent-swarm-leadership/（Raindrop Blog / Model Behavior，作者 Yun Chi、Ben Hylak、Ryan D'Onofrio，2026-10-29）。正文已核验。
  • 要点（Raindrop 正文）：
  • 实验设置：模拟线上商店发生 4 次故障，组建 8 个 AI agent 团队（每 agent 只能查一个服务，4 次故障共 8 个服务）；模型为 Claude Sonnet 5.5 / GPT-6.1 Sol / Gemini 3.1 Pro / Kimi K3；每个 agent 获分配名字（Ada、Bo、Cy、Dee、Eli、Fay、Gil、Hana），并在不同实验中轮换名字顺序以去偏；所有 agent 权限相同、共用通信频道、无人被指定为领导角色。
  • 领导力判定方法：不看"是否发出指令"，而是重放 agent 决策（有指令 vs 无指令）以确定其指令是否真实改变了队友决策。
  • 核心数字：共 2,160 组实验；其中 105 组（5%） 产生了能 demonstrably 改变多名队友决策的领导者；这 105 位领导者中 73 位在第 1 轮以计划方式领导，其余 32 位在更晚轮次显现。86% 的实验中至少有一个 agent 提出过把任务分派给 2 名以上队友的计划（即"发号施令者众"）。
  • 协调有效性不依赖明确领导者：接入共享通信频道使重复动作从平均 4.4 次降至 0.3 次。
  • 两个影响因素：底层模型（发现不同模型的 agent 成为领导者的倾向不同）；提示词中名字的排列顺序（仅改变名字顺序，某个 agent 发出计划的概率变为 3 倍）。
  • 结论：agent swarm 可在无指定领导者下协调，但互相影响的方式可能取决于意外因素——即便工具与权限相同，配置细节的微小差异也会改变行为。
  • 与活文档现有脉络的关系：本档的 agent 相关脉络此前偏"agent 能力/产品/分发"（§2.84、§2.86、§2.92、§2.88），从无"agent 群体内部组织动力学"的实证研究。本条是本档第一个带完整实验设计的 agent swarm 机制性证据，且它的两个结论方向相反、互相咬合：(a) 86% 的人在发号施令、但只有 5% 真正改变了他人 —— 这直接构成对 §2.92（OpenAI 分层监控检测 "unauthorized agent behavior"）的方法学提示：在多 agent 场景里，"发出指令"与"实际影响行为"是两个不同的量，监控若只统计前者会严重高估协调质量；(b) 名字顺序 3 倍效应 —— 这把"提示词配置是隐蔽变量"这件事推进到可量化，与 v78 §2.91 Model Spec（约束模型行为）、§2.89 Novelty Bench（评测者困境）同属"不可见变量污染评测/协调结果"这一新问题族。另有跨源同向信号：10-31 X 雷达条目 1（emollick 论协调的重要性）指向同一议题（但无可引用论文出处）。 须警惕：这是厂商博客（Raindrop）的自研实验，非同行评审论文；作者同时是 Raindrop 员工（该团队做 IoT 事件检测，与 agent 领域有商业动机）；实验为模拟环境、单一任务域（故障排查）、agent 数固定为 8、模型为 4 个具体版本；"领导者"由重放差分定义，该定义本身可能放大或掩盖真实影响。本条未附 arXiv 编号。
  • 建议归入：§2 新立 1 节，等级 ★★ 主轴邻接级（方法学完整、有硬数字）；§5 「开发者平台」 加关键标识；§3.1 建议新增共识——"多 agent 协调效果与'提示词配置细节'强相关（样本 1 项厂商实验）"；§3.2 新增争议——"Raindrop 实验为厂商自研、模拟环境、无独立复现；'领导者'定义与 3 倍效应是否稳健"。

§2 值得警惕的矛盾或待核实说法（7 条）

  1. ⚠️⚠️⚠️ 开放权重模型的能力口径直接冲突（本批最强矛盾）： - 一侧：Epoch AI 实测 —— GLM 5.3 以约 $1,000 成本完成 Firefox patch gap 攻击（https://epoch.ai/publications/open-weight-models-patch-gap），作者称"widely available open-weight models can now do much, or even all of this work on their own"。 - 另一侧：Mistral 官方 —— Mistral Large 4 在编码与防守性网络安全上为"最佳开权重模型"、网络能力"与 GLM-5.3 可比"（https://mistral.ai/news/mistral-large-4-oss/）。 - 第三侧（10-31 X 雷达条目 3，非清单材料）：Artificial Analysis 转向闭源基准、告别 GDPval-AA，新口径下开权重模型落后幅度比此前测到的更大，作者自附"take with a grain of salt"。 - 三条不可直接合并：Epoch 讲的是攻击侧能力、Mistral 讲的是防守侧能力、Artificial Analysis 讲的是综合基准差距；且后两条都是厂商/个人口径、第一条是第三方实测。不得写成"开权重能力已被证明强于闭源"或"开权重已全面落后"任一结论。建议活文档显式标注为三方口径分歧，并把"在同一基准、同一任务、开权重 vs 闭源"列为待建对照。

  2. ⚠️⚠️⚠️ GPT-6.1 Terra 的 9× / 15pp / 1/3 / 1/10 / 3× 全部为厂商自评：Agents' Last Exam、MMMU-Pro、OSWorld 2.1 三套基准的具体题集版本、reasoning effort 设置、token 计费口径、是否同一硬件 / 同一并发均未披露；"每任务成本约 9 倍低于 Claude Opus 5.5"依赖自选任务集 + 自定义成本模型，且引用的是别家模型。沿用 v78 §3.2 争议 137 的处置口径（厂商自报因果跳跃，不可与其余 $ 数字并列）。

  3. ⚠️⚠️ Mistral Large 4 的"与 GLM-5.3 网络安全能力可比"是厂商自评：Mistral 官方页未给出可复现的对照表；HF Blog 的 "Benchmark Results" 章节本轮未逐项核验。开放权重 ≠ 开源：Mistral Ecosystem Open-Weight License 是 MIT 衍生但对 model-as-a-service 设限，对外可称"开放权重"不可称"开源模型"。

  4. ⚠️⚠️ robots.txt 共享信号的约束力近乎为零：OpenAI 自述为 voluntary effort、"未来数月内实施"、实施细节待后续更新、且"不取代既有 robots.txt 控制"；IETF 草案 draft-kelley-aipref-training-preference-signal 仍处 draft 阶段。"训练偏好"是否区分预训练 / RAG / 推理时使用，未定义。本条不得写成"OpenAI 采用了 robots.txt 训练偏好标准"（"采用"暗示强制性），建议写成"OpenAI 承诺遵循一项 IEG 工作组草案中的共享信号"。

  5. ⚠️⚠️ Anthropic "AI for Science expands to foundations and research institutions"（材料 5）零细节：全文仅有标题，无机构名单、无投入规模、无时间表。与 10-31 X 雷达中 @anthropicai 2026-10-29 同题帖指向同一事件（"扩展到支持一部分世界领先的基金会、机构与研究组"）。材料 3（10-31 Anthropic news）的 LAMA2 抗体论文标题与 AI 产业面无关，属 RSS 检索噪声，不应作为 Anthropic 产业动向引用。

  6. ⚠️⚠️ Material 8（TLDR AI 10-27）所含 "GPT-6.1 Terra ⚡ / Anthropic IPO filing 📈 / agent native git 👨‍💻" 三联已被 v78 §2.90 消费：本轮不重复计数；仅当原链接指向可核查的独立页面时才另立观察级条目。

  7. ⚠️⚠️ 材料 2（HF Blog nemotron-halloween）是社区博客、不是模型发布：正文已核验——内容为 MonsterHouse 互动投影万圣节项目（车库门说话），构建栈为 NVIDIA Nemotron Voice Agent + Nemotron ASR（nemotron-speech-streaming-en-0.6b）+ Nemotron 3.5 Bolt E4B 4GB（LoRA 注入性格）+ Magpie TTS Zeroshot + Audio2Face-3D，单机运行。本条不构成 Nemotron 新模型发布，不得与 v78 §2.97（Nemotron 3.5 Transcribe + Granary v2）混为同族事件；其真实价值是"4GB 端侧语音 agent 全栈可在单工作站跑通"这一部署可行性证据。

§3 可引用的 arXiv 号列表（本批净新增）

本批新增 arXiv：0 件。

活文档 organized/knowledge/ai-industry.md 的 265 件 arXiv 去重列表维持不变（v78 沿用状态）。本批 8 份材料及其正文核验后的 14 条实质 URL 中：

  • 无任何一条附带 arXiv / DOI / CVE 编号（逐条确认，包括 Epoch AI 的 patch gap 报告、Raindrop 的 swarm 实验、Mistral Large 4 的 HF Blog 与官方页、GPT-6.1 Terra 官方页、OpenAI 三条治理稿、ServiceNow / Legora / "future of the firm" 三条、HF nemotron-halloween、TLDR 10-27 三联）。
  • Epoch AI 的 patch gap 报告未披露其所涉未公开漏洞的 CVE 编号（Mozilla Firefox 159.0 已于 2026-10-27 修补该漏洞）——这本身是 v78 §3.2 争议 135（"Anthropic 漏洞稿的 CVE 编号 / 补丁状态 / 披露流程"）在第三方侧的镜像空缺。
  • Raindrop agent swarm 实验未给 arXiv 编号（Raindrop Blog / Model Behavior，企业博客发布，Yun Chi、Ben Hylak、Ryan D'Onofrio，2026-10-29）。
  • Tom 10-31 HF Daily 精选 15 篇（https://arxiv.org/abs/2610.39633、2610.38568、2610.29927、2610.36671、2610.39301、2610.39302、2610.40614、2610.37161、2610.32411、2610.40647、2610.35138、2610.33106、2610.40599、2610.38352、2610.22507）经核查主分类为 evaluation / multimodal / agent 域，无一为 ai-industry，故不计入本主题 arXiv，仅在此登记以备其他主题引用。
  • organized/paper_cards/ 近 3 天新卡中 ai-industry 主分类 0 件（唯一带 "ai-industry" 标签的 087-2511-01545.md = arXiv:2511.01545，公共部门 ML pipeline position 论文，主分类 engineering，已在 v74 之前窗口消费，本轮不重提）。

结论：本主题本轮无 arXiv 增量可加。今晚棒位若需 arXiv 支撑，建议从 §3.3 已登记的开放问题线索（arXiv:2609.19969 DeepSeek-V4.1-Flash KV cache 压缩，与本批增量 3 的"成本-智能"轴直接相关）继续深挖，而不是强行把本批工业新闻伪装成论文条目。

§4 今晚棒位的建议动作（供 v79 立项参考）

优先级 建议动作 对应本批增量
P0 立项 "开放权重模型的攻防能力闭环"（供给增量 2 → 滥用增量 1），★★★，单立一节并配对引用 增量 1 + 增量 2
P0 立项 "治理的协议层与报告层"：robots.txt 共享信号 + Community Safeguards Report（2027 年初首发、每半年更新、Q3 2026 逾 200 起执法转介） 增量 4
P1 升档 §2.95（Mistral Large 4：1T/49B/1M/MoE/许可/推理栈） 增量 2
P1 升档并新立 GPT-6.1 Terra（取代 v78 §2.90 的"代号线索"状态），并部分回答 Q105.408 增量 3
P1 立项 agent swarm 组织动力学（2,160 组 / 105 领导者 / 4.4→0.3 / 名字顺序 3 倍效应） 增量 6
P2 立项 "组织形态议题首条"（"The future of the firm" 三场景之一未获取，需补全原文） 增量 5(c)
P2 把 ServiceNow Action Fabric 权限闸门 写入 §3.2 争议 134 的部分答案 增量 5(a)
P3 归档 HF nemotron-halloween 为"端侧语音 agent 单机部署可行性"证据（非模型发布），归入多模态/开发者平台观察级 §2 矛盾 7

新增待核清单建议（接续 Q105.412 之后编号）： - Q105.413：Epoch patch gap 报告 —— GLM 5.3 版本与推理配置；未公开漏洞的技术细节披露边界；Firefox 159.0 修补有效性验证；作者"闭源项目同样脆弱"推测的证据强度；攻击成本的构成（算力 / 代理 / 人工时间占比）。 - Q105.414：Mistral Large 4 —— HF Blog "Benchmark Results" 逐项分数与对照模型；NVFP4 精度损失；Ecosystem Open-Weight License 对 model-as-a-service 的具体限制条款；与 GLM-5.3 网络能力对照的官方依据。 - Q105.415：GPT-6.1 Terra —— Agents' Last Exam / MMMU-Pro / OSWorld 2.1 的题集版本与 effort 设置；token 计费口径；与 Claude Opus 5.5 的 9× 成本差计算式；Agents' Last Exam 是否为 OpenAI 自建基准。 - Q105.416：OpenAI robots.txt 共享信号 —— 实际实施时间表；采纳 provider 名单；"training preference" 是否区分预训练 / RAG / 推理时使用；IETF 草案推进状态。 - Q105.417：OpenAI Community Safeguards Report —— "2027 年初首发"是否为硬承诺；匿名化案例的披露粒度；200+ 执法转介的统计口径与去重规则。 - Q105.418：Raindrop agent swarm —— 实验代码 / 数据是否公开；"领导者"差分定义的稳健性（换定义是否结论反转）；agent 数与模型数敏感性分析；是否存在独立复现。 - Q105.419：ServiceNow Action Fabric —— ChatGPT 内写操作的权限校验时机与审计留痕；与 OpenAI 侧日志的边界；Legora 案例是否有可核查的部署规模数字。

§5 自评与边界声明

  • 完整性：清单 item.materials[].source 8 件全部读取（未只取 item.source 首项），并对其列出的 URL 做了正文级核验（14 条实质 URL，5 条取得硬数字）。跨实例抽查了 inbox/{jay,tom,flyp,spark,stephen} 近 2 天笔记（jay 10-31 0820 csdn-discovery / 0935 blogs-discovery、tom 10-31 0900 hf-daily、flyp 10-31 0950 critical-read、stephen 10-31 0910 x-vip-radar 等）与 organized/paper_cards/ 近 3 天新卡分类分布；ai-industry 主分类 0 件。
  • 未做：未做关键词外网搜索补料；未扫描全库；未重写 organized/knowledge/ai-industry.md 原综述（v78 未改动）；未改清单 / 基线 / 认领记录 / 其他任务文件 / 定时配置；未 git / gh；未写他人目录；未输出密钥。只写本文件 1 个。
  • 证据分层：本轮材料按"正文段落级"（Epoch patch gap、Raindrop swarm、Mistral 官方 + HF Blog、GPT-6.1 Terra 官方、OpenAI 三条治理稿、ServiceNow、Legora、future of the firm、HF nemotron-halloween）/"标题 + RSS 摘要级"（材料 3 LAMA2、材料 5 Anthropic AI for Science、材料 8 TLDR 10-27）分层标注；未披露项一律写"未披露"，未做推测补齐。
  • 本简报的性质：这是预消化备料，不是综述。§1 的六条增量均给出"来源 / 要点 / 与活文档现有脉络的关系 / 建议归入哪一节"四要素，供今晚棒位直接取用；活文档正文的增写留给今晚棒位，本轮未代劳。
  • 已知遗漏（诚实登记）：(a) 材料 3（10-31 Anthropic news）唯一条目判定为 RSS 噪声，若判定有误请棒位复核；(b) 材料 5（Anthropic AI for Science）零细节，未做外网补全，棒位若要立标需另找来源；(c) Mistral HF Blog 的 Benchmark Results 章节未逐项核验；(d) 10-31 X 雷达 8 条中仅条目 3 与本主题直接相关，且其本身无硬数据，未计入 §1 增量，仅在增量 6 与矛盾 1 中作跨源同向信号引用。