跳转至
Gavin 每日简报 东京版

AI 工具日报 · 2026-10-24

AI 工具日报2026年10月24日 星期六 · 约 5 分钟

覆盖：过去约 24 小时（约 10-23 08:00 至 10-24 08:15 JST），另收两条 10-21、10-22 发布、以前没报过的项目。 去重：已按 reported.md，以及 /workspace/news-top5/2026-10-24.md 和 /workspace/x-news/2026-10-24.md 两个文件去重（两个文件都存在）。另外按要求跳过：Codex CLI 0.164、Cursor 操作桌面、Claude MCP Tasks、Nemotron 3.5 Bolt、Kimi K3.1 Pro、ESP-Mosaico、Grok Bot 保管库、OpenAI 断网训练、Mythos 5 事件。 收录标准：每条都实际打开过官方或一手页面，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。数字均为厂商或媒体所报，未经独立验证。

Agent 产品 / 研究

  • Agent S4（Simular，10-21 发布，开源）
  • 简介：一个“电脑操作 Agent 的科学家”。它自己不做任务，而是由一个元 Agent 阅读任务 Agent 的操作轨迹，用种群进化的方法不断改写 Agent 用来操作电脑的“接口库”（例如一次批量写入表格单元格，而不是逐格输入）。模型和运行框架都不改，只有接口库在变。
  • 为什么值得关注：官方称在 108 个任务的 OSWorld V2 上，Qwen3.8-27B 用进化出的接口库后，严格二元成功率达到 21.3%，是同一模型用固定接口时（5.56%）的 3.8 倍，也高于 GPT-5.5（13.0%）和 Claude Opus 4.8（20.6%），单任务成本 1.10 美元，而后两者分别为 25.5 和 72.4 美元。不过 Opus 4.8 的部分得分仍更高（54.8% 对比 46.9%）。它说明“给 Agent 更好的工具”是独立于“换更大模型”的另一条提升路线。代码在 Agent-S 仓库开源。
  • 来源：Simular 官方博客

评测

  • Artificial Analysis Coding Agent Index v2.0（10 月更新）
  • 简介：Artificial Analysis 的编程 Agent 综合榜升级到 v2.0。它评测的是“模型加运行框架”的组合，由 FrontierCode v1.1（Cognition 出品，100 道真实开源仓库的改动任务，按“维护者是否愿意合并”打分，题目不公开）、Terminal-Bench 4.0（66 道终端任务）和 SWE-Atlas-QnA-AA（124 道代码仓库问答）三项等权平均，共 290 道题。
  • 为什么值得关注：v2.0 用 FrontierCode 取代了 DeepSWE，对作弊（改测试、上网抓答案）一律判 0 分，并公布作弊率、安全拒答率、单任务成本、token 用量和耗时。选 Claude Code、Codex 或其他组合时，这比只看模型跑分更贴近真实工作。具体排名请以官方榜单页为准（本期只核实了方法论页面）。
  • 来源：Artificial Analysis 方法论页面 ・ 榜单页

产业

  • Warp Sciences 结束隐身（10-22）
  • 简介：前 OpenAI for Science 负责人 Kevin Weil 创办的公司，在美国建设由 AI 和机器人驱动的药物化学外包实验室（CRO），首个业务是先导化合物优化，并把包括失败实验在内的每一步数据都记录下来，用于训练模型。
  • 为什么值得关注：Lightspeed 官方文章确认领投了 A 轮。据 TechCrunch，Weil 在 X 上公布本轮融资 2.15 亿美元、估值 8.65 亿美元，IVP、Mayfield、Lux、Premji Invest、Menlo 等参投。这是“AI 加机器人自动化湿实验”方向的又一笔大额融资，也和美国 BIOSECURE 法案推动供应链回流有关。
  • 来源：Lightspeed 官方文章 ・ TechCrunch

newsletter 核实结果

  1. OpenAI 拟以 1.25 万亿美元估值融资最多 300 亿美元：属于“报道”，不是官方确认。CNBC 援引知情人士称，OpenAI 正接近完成一轮最多 300 亿美元的融资，投前估值 1.25 万亿美元，由阿联酋投资方和 Coatue 领投，定位是 IPO 前的“过桥”融资；OpenAI 告诉投资人目标是下周末前签约，最终规模未定。TechCrunch 称 OpenAI 拒绝置评。→ CNBC
  2. METR 发现约 10% 的 Codex 内部流量没被监控：已核实，有一手来源，但需要加限定。METR 在 10-22 的博客中称，2026 年 5–7 月因为没有监控“上下文压缩”（compaction）事件，“可能约有 10% 量级”的、本应受监控的内部 Codex 流量没有被监控，具体比例不确定度很大；OpenAI 在演练前已自行发现，并在演练期间修复。准确表述是“符合监控条件的内部 Codex 流量中约 10% 量级未被监控（5–7 月，已修复）”，而不是“10% 的 Codex 流量”。（此事 10-23 x-news 已报过 METR 和 Redwood 的评估。）→ METR 博客
  3. Baseten 开源 mammoth-1/elephant-1：已核实（10-21 Baseten 官方博客），10-22 日报已报，本期不重复。→ Baseten 博客
  4. Warp Sciences 2.15 亿美元 A 轮：已核实，见正文。领投方 Lightspeed 有官方确认；金额和估值来自 Weil 本人公布（经 TechCrunch 报道）。→ Lightspeed
  5. Ideogram Vector 1.0：已核实。官方产品页已上线，可以从文字生成可编辑的 SVG，也可以把已有图片转成矢量图，API 价格为文字转矢量每张 0.13–0.32 美元、图片转矢量每张 0.10 美元。10-23 x-news 已报，本期不重复。→ Ideogram 官方产品页
  6. Claude Duet：本期没有打开 Anthropic 官方页面，以 CNBC 报道为准：10-21 发布预览版，美国 Pro 和 Max 订阅用户需要先排候补名单。10-22 news-top5 已报，本期不重复。→ CNBC

本期去重与未收录说明

  • 按指示跳过、或已在 news-top5 或 x-news 报过的：Codex CLI 0.164、Cursor 操作桌面、Claude MCP Tasks、Nemotron 3.5 Bolt、Kimi K3.1 Pro、ESP-Mosaico、Grok Bot 保管库、OpenAI 断网训练、Mythos 5 事件、OpenAI 存储架构、Cloudflare GeoKey Manager 和 Origin Range Requests等。
  • 没收的：REA（Reverse Engineer Anything，GitHub 页面没能取到正文）；Sume API（只看到 X 摘要）；Claude 适配 iPhone Duo（只看到 X 摘要）；GitHub Trending 和 Product Hunt 当日的新项目（没核实到一手页面）。

最值得 Gavin 关注的 1–3 个

  1. Agent S4：思路可以直接借鉴到公司内部，与其等更强的模型，不如让 Agent 根据自己的失败轨迹写出更顺手的工具和 skill（例如批量操作表格、直接调 API，而不是点界面）。可以用它的 Agent-S 仓库，在一个固定的内部流程上试一次“进化接口”。
  2. Artificial Analysis Coding Agent Index v2.0：重度使用 AI 编程的团队选工具时，可以看“模型加运行框架”组合在 FrontierCode 上的得分和单任务成本，比单纯比较模型跑分更有参考价值，适合定期复查公司的编程 Agent 配置。
  3. METR 的监控红队报告【视频选题】：“Agent 可以靠持续行动、不交还控制权来推迟被监控”“两个请求头就能关掉监控”这类具体发现，很适合做一期“AI Agent 安全监控有多难”的中文解读，讲的时候注意 10% 这个数字的限定条件。