跳转至
Gavin 每日简报 东京版

AI 工具日报 · 2026-10-22

AI 工具日报2026年10月22日 星期四 · 约 4 分钟

覆盖：过去约 24 小时（约 10-21 08:00 至 10-22 08:10 JST）。 去重：已按 reported.md（含 newsletter 部分），以及 /workspace/news-top5/2026-10-22.md 和 /workspace/x-news/2026-10-22.md 两个文件去重（两个文件都存在）。 收录标准：每条都实际打开过官方页面，已核对发布日期和状态。只有 Product Hunt 一句话、X 自动摘要或 GitHub Trending 描述的条目，本期一律不收。数字均为厂商自报，未经独立验证。

模型

  • mammoth-1 / elephant-1（Baseten 旗下研究团队 Base Labs，10-21 发布）
  • 简介：两个开源的“决策模型”（27B 和 9B，由 Qwen3.5 全量微调而来）。它们不生成文字，而是一次前向计算，直接给每个问题的各个选项输出概率，问题类型可以是选择题、打分或是否判断。
  • 为什么值得关注：工单分流、垃圾邮件和钓鱼识别、提示词护栏、在大小模型之间分配请求这类分类任务，用生成式 LLM 来做又贵又慢。官方称决策模型比推理模型最多快约 10 倍，还能设置置信度阈值（例如 90% 以上自动处理，低于阈值转人工）。官方称 mammoth-1 在 Jev Decision Index 0.4 上排第 1（共 208 个模型），elephant-1 是 9B 档第一。权重已上传 Hugging Face，在 Baseten Model API 上可免费试用一周，默认零数据保留。
  • 来源：Baseten 官方博客
  • Ampersand v0.1（humans&，10-20 发布）
  • 简介：一个面向“协作者”场景的模型，可以加入群聊，帮多人推进各自和共同的长期目标。它基于 GLM 5.3（MoE 架构，总参数约 744B，激活约 40B），用强化学习在长时间、多人参与的模拟场景中训练。
  • 为什么值得关注：现在的模型大多只训练“完成单个任务”，它专门训练“什么时候该说话、什么时候不说话”（调用 send_message 或 pass 两个工具）。在 Collaborative Intelligence 团队协作基准上得分 59.1%，对比 GLM 5.3 的 54.3%。代价是编程能力略降（SWE-bench Pro v2 Hard-51 上 82.4%，对比 84.3%），网络安全危险知识评测的得分反而上升，提示词注入的抵抗力也明显弱于前沿模型，官方在模型卡里写明了这些问题。现在可以通过兼容 OpenAI SDK 的 Agents API 使用，不需要排队等待。
  • 来源：Ampersand 模型卡 ・ 发布博客
  • FastH3-Omni（Nuva Lab 与 UCSD Hao AI Lab 的 FastVideo 团队，10-20 开源）
  • 简介：MiniMax H3 视频模型的加速开源版，可以用文本加最多 9 张图片、3 段视频、3 段音频作为参考，一次生成 5–15 秒、24fps、带同步音频的视频。
  • 为什么值得关注：官方称在 8 张 GB200 上，端到端延迟比原版 MiniMax H3 低 5.6–11.9 倍（27 组对照任务，由 FastVideo 测量）。它可以在 NVIDIA RTX 显卡、DGX Spark 和 Apple Silicon（MLX）上本地运行，有原生 ComfyUI 版本。注意权重遵循 MiniMax-H3 Community License，商用前要看清条款。
  • 来源：Nuva Lab 发布页

Agent 基础设施 / 安全

  • NVIDIA OpenShell Reference Architecture（10-21 在 GTC Berlin 发布，官方称已可用）
  • 简介：一套构建安全 Agent 基础设施的参考架构，组合了开源的 OpenShell 安全运行时（包括网关、监督进程、沙箱和策略形式化验证四个组件）、负责 Agent 运行框架的 Vera CPU、负责推理的 Vera Rubin，以及运行 Sentry 的 BlueField-4 DPU。Sentry 一旦发现 Agent 越界，可以在毫秒级把它隔离并停下。
  • 为什么值得关注：它的思路是“Agent 管不了自己，安全要做在基础设施里”，凭据通过隔离在外的监督进程代管，权限默认拒绝。新闻稿列出 Anthropic、OpenAI、Google Cloud、Microsoft、CrowdStrike 等合作方，ServiceNow 同日宣布正式推出由 OpenShell 执行权限控制的 Agent Arc。OpenShell 软件本身开源，在边缘端可以跑在 DGX Spark 和 DGX Station 上。
  • 来源：NVIDIA Newsroom ・ NVIDIA 技术博客

本期去重与未收录说明

  • newsletter 已报（已追加到 reported.md）：DeepSeek DeepInfer、TorchTPU、Mistral Voxtral 3、Vercel durable-harness、Ramp Laminar、llm-d、Arda、ElevenLabs Eleven Realtime、ChatGPT 锁定对话、Meta Muse 下载量、Databricks MemCurrent。
  • 已在 news-top5 或 x-news 报过的：OpenAI 模型登陆 Google Cloud、Claude Duet、php2shell、Claude API 2026-10-21 版本、Recursive Flint、GPT-Rosalind、Perplexity JOLT、Claude Security 持续扫描、GitHub Chopin、ChatGPT 广告系统架构、Mistral × NVIDIA、Railway 安全事件等。
  • 以前报过的：MiniMax M3.1 Flash、Vyb、Ornith 1.5、headroom、Kronos、Orca。
  • 只有 X 摘要或 Trending 描述、按今天的规则不收的：Acurast、akitaonrails/ai-memory、ponytail、graphify、freehire，以及 Product Hunt 当日的产品（本期没有核实到一手页面）。

最值得 Gavin 关注的 1–3 个

  1. elephant-1（9B 决策模型）：公司内部的分流、分类、护栏判断，可以从“调大模型生成文字”换成“一次前向计算直接出概率”，省钱又容易设阈值。Wi-Fi sensing 的事件分类或告警分级也可以试着建模成这类判断问题。可以趁本周免费试用，拿真实工单做一次对比测试。
  2. NVIDIA OpenShell：重度使用编程 Agent 的团队，最大风险是 Agent 拿着凭据乱动。OpenShell 的网关、监督进程、沙箱、策略验证这套设计，即使不买 NVIDIA 硬件，开源运行时本身也值得试，可以给公司内部 Agent 加上一层默认拒绝的执行边界。
  3. FastH3-Omni【视频素材】：开源、可以本地运行的参考生成视频模型，适合给每天的 YouTube 视频做 B-roll 和片头，“开源版 Seedance 在 Mac 上实测”本身也是一个好选题。商用前看清 MiniMax 的许可条款。