Latent Space 的 AINews 汇总了 10 月 21 日至 22 日约 48 小时内集中出现的一批安全事件。
核心软件方面，PHP 出现未认证 RCE（PHP2Shell），GitLab 披露一个影响 2014 年以来版本的 CVSS 10 漏洞并在 19.5.1 修复，Node.js 修复 Brotli 解码器 RCE，NGINX 与 HTTP/3 也有 DoS 问题。供应链方面，LiteLLM 1.107.0 被指带有密码窃取程序，Railway 要求用户轮换密钥，Zeabur 在 321,810 个账号被入侵后关停。
MIT 研究人员将 13 个运行 Claude Opus 4.7 的 Eko 智能体放在模拟荒岛上 30 小时，不给具体任务，智能体开始自创挑战，研究者认为这具有玩耍的特征，相关论文已发布在 arXiv。
之后研究人员给这些智能体设定具体挑战，例如把尽可能多的物体搬到岛上最高的岩塔，玩过 30 小时的智能体普遍胜过从未上岛的相同智能体。实验中有 6 个智能体自行发现跳跃中松手能把方块扔得更远，这是研究者原本未设计的能力。研究者认为这种无目标探索是智能体学习技能的另一种方式，尤其可能用于未来控制机器人；Eko 的“灵魂”提示词将其描述为“天生好奇”。
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 0/1 可执行校验结果当作强化学习奖励，用于训练智能体。
用 GRPO 对 Qwen3.8-27B 训练 50 步后，在 507 项 ThinkingBox-Bench 任务各跑 20 次，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降至 446 个。训练池按离线策略相对难度筛选，只保留基础模型时对时错的任务，最终池含 187 个任务，基准任务未参与训练。
微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，读者可据此判断这类奖励能否迁移到自己的智能体训练。
OpenAI 发布 Decisions API，面向各类应用提供快速、聚焦且低成本的决策能力。
该 API 主打响应速度与低成本，适用于需要在应用内完成决策调用的场景。原文未披露模型版本、定价、上下文长度及具体可用时间等信息。
OpenAI 首次向所有客户开放 Decisions API，进入快速、低成本决策模型市场，该市场此前由前 OpenAI 研究员创办的 TypeSafe 及其 Jev 模型打开，TypeSafe 估值已达 76 亿美元。
该 API 于 9 月 29 日开发者日发布，本周四全面可用；OpenAI 并未专门训练决策模型，而是把 ChatGPT Luna 重新配置以加快推理、降低成本，产品负责人 Nikunj Handa 称延迟从 1 至 3 秒降到 100、120、180 毫秒。
1Password 周四推出 1Password for Agents，允许用户授权 AI 智能体代为登录个人账户，智能体全程不接触用户凭据。
其机制是智能体发起登录时向 1Password 发送唯一数字密钥以确认身份，用户收到登录提醒并亲自确认后，由 1Password 代为填入凭据完成登录。该服务支持用户自选智能体，包括 Anthropic 的 Claude Duet、OpenAI 的 Dots 与 ChatGPT Work、Grok Bot、Meta 的 Muse 以及 Town 的智能体，1Password 称正与其他公司合作扩展支持范围。
Discord 今日发布更新，上传 Markdown（.md）文件后预览可正确渲染，不再显示“一堆符号”，表格与格式均能正常呈现。
该改进对在平台上分享 AI 项目资料的用户有帮助，因为 LLM 和 AI 智能体常依赖 Markdown 文件承载指令与上下文。此次更新还支持右键点击侧边栏图标，通过新增的“Move to…”功能整理服务器和频道；Nitro 会员的上传文件上限提升至 1GB。
微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的初级保健医生和普通内科医生为 36%。
该系统协调多个 AI 智能体扮演医生小组，向患者提问、安排检查并讨论诊断。研究同时测量成本：GPT-5 单独使用在复杂病例上准确率 78.9%，每例约 8400 美元，DxO 将成本降低约 3000 美元但准确率仅提升约 4 个百分点；在急诊病例上，准确率和成本均无明显改善。研究指出，这类复杂病例通常由专科医生或医生团队处理，而他们未参与对比。
Google 宣布 Agent Compute Engine，为每个 AI 智能体分配一台独立虚拟机，该服务已用于支撑 Gemini，并将在未来几个月开放预览。
每个智能体运行在由 Google Titanium 芯片保护的 microVM 中，空闲时虚拟机自动暂停以释放机器资源，虚拟机之间共享内存可降低单个实例的运行成本。Google 称配套开源的 Kubernetes 运行时 Agent Substrate 能让单台服务器容纳 10 倍数量的智能体，在 20 万个智能体的测试中暂停与恢复耗时低于 500 毫秒。
摩根士丹利、摩根大通、美国银行和富国银行等美国大型银行正在限制外部 AI 智能体访问客户账户，原因是智能体使用客户提供的凭证登录，违反银行要求账户持有人本人登录的政策。
摩根士丹利已完全封堵 AI 智能体，摩根大通、美国银行和花旗也在采取同样做法；摩根士丹利称尚未在其平台上发现“失控的 AI 智能体”。多数银行希望把智能体限制为只读访问，即只能查看账户数据而不能执行操作，理由是客户有使用需求但当前安全风险过高，且许多银行无法判断智能体是在代表用户操作还是自行访问账户。
微软 AI CEO Mustafa Suleyman 称公司开发的 AI 诊断工具在测试中诊断准确率最高可达人类医生的四倍，相关研究发表在 Science 上。
该工具名为 Diagnostic Orchestrator，由多个 AI 智能体协作推理症状与病史、决定检查项目并给出诊断，底层由 OpenAI 的 GPT-5 驱动。在取自《新英格兰医学杂志》数百份病例报告的测试中，该系统诊断准确率约 83%，使用参考资料的全科医生约 36%，不使用的约 22%；在波士顿 Beth Israel Deaconess 医疗中心急诊病例上准确率为 80%，人类医生平均 47%。微软将这些病例整理为自有基准 SDBench，并计划开源。
微软用多智能体系统在自有基准上对比人类医生，读者可了解其准确率差距与尚未做临床验证的边界。
Meta 在周三晚间财报电话会上披露，其个人 AI 智能体 Muse 自上月向公众发布以来，在美国和加拿大已有超过 1000 万用户下载并完成设置，扎克伯格称这是 Meta 史上最成功的发布之一。
约四分之一下载用户每天使用，四分之一用户通过 Muse 购物，单笔消费平均超过 200 美元，Meta 对平台上的每笔商业交易收取费用。扎克伯格设想未来数十亿人使用 Muse，并让各自的智能体互相沟通和交易，形成大规模 Muse 网络，并预计 Muse 几年内将高度盈利。他同时表示，Muse 尚未全球上线的原因是算力效率限制，计划明年将算力成本效率提升 10 倍，但未说明具体做法。
在 Amazon SageMaker AI 上托管的 Kokoro-82M 文本转语音模型可让 AI 语音智能体按句流式合成，第一句生成后即开始播放，无需等整段回复完成。
Kokoro-82M 仅 8200 万参数，可跑在单台 ml.g5.xlarge GPU 实例上，从而压低延迟与推理成本。容器暴露 POST /invocations 与 WS /invocations-bidirectional-stream 两条路由，分别对应单次完整输入和跨多条消息的双向长连接。
Amazon Quick 是 AWS 的 HIPAA-eligible 服务，其 Web、桌面和移动客户端均可在签署 AWS BAA 后用于处理 PHI。
该平台的 chat agent 可同时读取临床笔记、申诉信等非结构化内容和理赔、会员记录等结构化数据，并通过 Slack、Microsoft Outlook、Salesforce、Atlassian Jira、Microsoft SharePoint 等预置连接器调用外部系统，也可通过 MCP 接入自定义工具。为满足治理要求，Amazon Quick 提供 ACL 感知检索、聊天与反馈日志，以及针对每个 chat agent 的操作权限控制。
AWS 宣布 SageMaker AI 无服务器模型定制中的训练会话（training sessions）正式可用，用户可自行编写训练循环、自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。
该功能支持 SFT、DPO、RLVR、RLAIF 和多轮 RL 等技术，并可选择 LoRA 或全量微调。计费按 SageMaker AI 处理的 token 计，奖励函数在用户环境中打分时停止计费，无需预留容量。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了企业知识助手，让员工用自然语言查询零售运营、兽医诊疗、人事入职和采购等领域的内部文档，覆盖西班牙、葡萄牙、法国三国和四种语言，且无需自建 RAG 基础设施。
该助手通过原生 SharePoint 连接器直接读取现有文档库，避免数据迁移，并启用高级索引处理文档内嵌图片内容。检索环节采用语义与关键词（BM25）混合搜索及托管重排序，均不额外收费，同时在检索时沿用 SharePoint 原有文档级权限，只返回提问者有权查看的内容。答案要求标注来源，检索内容不足时模型会明确说明。
Modal CEO Erik Bernhardsson 在 Latent Space 访谈中解释，传统 GPU 容量合约按固定数量、固定期限出售，而真实负载会随时段涨落，按峰值采购就会为闲置硬件付费。
Modal 的做法是把数千客户的需求聚合成更平滑的总量，再在底层锁定容量，按需弹性分配。他披露 Modal 在 5 亿美元 C 轮后年化收入突破 10 亿美元，以 160 亿美元估值完成 7.5 亿美元 D 轮，累计启动近 30 亿个沙箱；沙箱业务约占收入三分之一，曾因增长有限考虑关停，后因编码智能体、后台智能体和强化学习需求上升而扩张。
Anthropic 宣布把 Agent Skills 标准捐赠给 Linux 基金会下的 Agentic AI Foundation（AAIF），以保持其开放、社区驱动和厂商中立。
AAIF 由 Anthropic 与 Block、OpenAI 去年共同创立，此前 MCP 规范也已捐赠给该基金会。Simon Willison 引用 Anthropic 的声明，并提到自己在去年 12 月 Anthropic 首次称 Skills 为开放标准时就预判它会进入 AAIF；他还用 simonwillison.net 的 MCP 插件让 Claude 检索到自己那条旧帖。
改装者 Sammy Hajhamid（网名 pepsipu）利用旧游戏 SmileBASIC 4 和 OpenAI 的 Codex，实现了 Switch 2 的“ns2jb”越狱，并已演示主机运行加入 Cinnamoroll、红色愤怒的小鸟、Peter Griffin 和 Minecraft 的 Steve 等新角色的自定义版 Mario Kart World。该越狱为纯软件、需联网绑定的方式，每次开机都要从游戏内重新运行才能生效；另有改装者称 SmileBASIC 4 并非严格必需。目前这一越狱对普通用户仍极其复杂，实际影响尚不明确，Switch 2 破解社区正在争论其意义有多大。
Uber 与 OpenAI 扩大合作，Uber 全球约 3 万名员工将全部使用 ChatGPT Work。
ChatGPT Work 于 7 月推出，是面向企业的 AI 智能体，可供企业团队部署于各类工作流。Uber 今年早些时候曾以 1000 名员工试点，覆盖财务、运营和产品等部门，其中约 80% 为非工程师；试点任务包括分析运营数据、本地化培训材料和搭建个性化交互仪表盘。Uber 未披露此次推广的支出，表示将跟踪员工使用方式和工作流效果，再据此决定 AI 在业务中的部署。
Rescale 基于 AWS 的 AI-DLC 框架和 Strands Agents 构建了一个 AI 分诊智能体，用于自动分类和路由夜间端到端测试失败，从问题定义到 staging 部署仅用五天，数周内进入生产。
该智能体运行在 Amazon EKS 上的 Argo Workflows CI/CD 流程中，调用 Amazon Bedrock 上的 Claude Opus 4.8 将失败归类为基础设施问题、代码缺陷、不稳定测试或环境问题，并从知识库检索历史失败模式、通过 MCP 查询 pod 日志，数秒内生成含文件引用、函数名和修复建议的结构化报告供工程师审核。
微软研究院发布 Flint-interactive，一种在 Flint 之上创建交互式数据可视化的语言，让智能体生成用户可点击、筛选、缩放、高亮并进行跨图表联动的图表。
它用高层语义事件和更新算子描述交互行为，由 Flint 编译器处理命中测试、布局和渲染更新，从而降低生成成本与调试难度。用户可通过 Flint-MCP 和 MCP Apps 在聊天或画布环境中直接使用，开发者可用 Flint Interactive Canvas 的编程 API 构建仪表盘和数据故事，并让图表与表格、文本、其他图表或应用状态联动。
微软研究院把交互逻辑交给编译器处理，让智能体生成可点击、可联动的图表，减少反复调试的成本。
Spotify 第三季度月活跃用户达 7.88 亿，营收近 50 亿欧元（约 56 亿美元），联合 CEO Gustav Söderström 在财报电话会上称 Spotify 属于少数能在智能体时代繁荣的品类，目标是成为用户通过任意 AI 智能体调用的媒体服务。
Spotify 是首个接入 Meta Muse 助手的音乐服务，同时也已接入 ChatGPT 和 Claude，用户可让智能体按跑步节奏、播客主题或有声书进度发起请求。Söderström 强调 Spotify 不向合作方发送用户收听数据，而是由智能体提出请求、Spotify 用自有系统推理并决定播放内容。
Moshi 正在为交易员构建一款推荐引擎，把市场信息与交易员持仓组合中真正重要的内容连接起来。
CEO Anekha Sokhal 在 AI Engineer New York 与 swyx 对谈时，将 Moshi 形容为 Bloomberg、Claude 和 Netflix 的结合体：市场数据、操作界面，以及针对交易员定制的推荐。她此前在 JPMorgan 从事能源衍生品交易，本科在 Warwick 学习数学、运筹学、统计与经济学，后获 Fulbright 奖学金赴美。访谈还涉及可信信源、文档抽取（节目笔记提到 Reducto）、自建模型还是采购模型的取舍，以及 AI 工程师被要求“你就是整个团队”所承受的压力。
AI 初创公司 Recursive 发布首个语言模型 Flint，其研发过程几乎每一步都有名为 Eureka Machine 的 AI 系统参与，由它提出想法、构建、测试并规划后续实验。
Flint 是面向本地硬件智能体编码的 MoE 模型，总参数 40B、每 token 激活 2.5B，四个月完成开发。Recursive 称其在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-Bench Verified 上领先参数少于 50B 的 MoE 模型，但结果尚未经独立验证。
1Password 推出 1Password for Agents 功能，允许 AI 智能体登录用户的账号，但智能体不会看到或接触密码。
智能体在遇到登录表单时用唯一数字密钥向 1Password 验证身份，应用随后通知用户需要哪些账号凭据及原因；用户在自己设备上批准后，由 1Password 填入登录信息，流程类似双因素认证。该功能设计支持 Meta Muse、ChatGPT Work、Dots、Claude Duet、Grok Bot 和 Town 等智能体，Browserbase、Browser Use、Perplexity、Ramp 等合作方也在推进支持。
Moshi 正在为大宗商品交易员构建一款推荐引擎，把市场信息与交易员持仓真正相关的部分连接起来。
CEO Anekha Sokhal 在 AI Engineer New York 播客中称，Moshi 相当于 Bloomberg、Claude 和 Netflix 的结合体：既有市场数据，也有操作这些数据的界面，还能为交易员定制推荐。她此前在 JPMorgan 从事能源衍生品交易，本科读数学、运筹学、统计与经济学。节目还讨论了可信信源、文档提取（提及 Reducto）、自建模型还是外购模型的取舍，以及 AI 工程师被要求“你就是整个团队”所承受的压力。她表示，参会期间与客户的会面已排满会后一周，并强调见用户要先于招人。
Anthropic 发布名为 Claude Duet 的智能体应用，面向专业人士和小企业，帮助自动化和管理任务。
该应用基于 Claude Opus 5.5 模型，可连接 Claude Marketplace 中超过 6000 个连接器和插件，能生成每日简报、创建仪表盘，并在后台虚拟机中执行任务、需要时请求用户批准。Anthropic 明确它与个人助理的差异，称 Duet 不擅长跑腿或订票，也不能实时展示浏览器操作；它可通过 Stripe 的 Link 数字钱包或 Shopify 的 Shop Pay 代用户在线购物，但支付等敏感步骤需用户批准，且不进行证券交易或账户间转账。
The Verge 记者实测 Meta 的购物智能体 Muse，发现其在 Amazon、Target 等零售网站上的访问并不稳定，有时被机器人检测拦截，有时又能通过。
Amazon 已起诉 Perplexity，指其智能体无视停止在站内购物的要求，近期又要求 Meta 将 Amazon 从 Muse 中移除；Amazon 发言人称第三方代购应用应公开运营并尊重服务商是否参与的决定。JPMorgan CEO Jamie Dimon 表示不允许外部智能体访问账户，称对客户和公司都太冒险，也有用户反映无法用智能体在 Delta、Amtrak 等平台订票。
Symantec 安全研究人员发现一个攻击型 AI 智能体，会劫持互联网上未受保护的语言模型，并利用这些模型自主发起攻击，被劫持模型的所有者则要承担算力费用。
该智能体在获得模型访问权后，会扫描更多目标、利用常见服务器软件的漏洞、窃取数据库和凭据，并在后台安装挖矿程序，整个过程最多可执行 10 万步且无需人工介入，Symantec 将这种盗用他人 AI 模型访问权的行为称为 LLMjacking。
Symantec 披露的完整攻击提示词与五层越狱结构，能帮助运行 AI 服务的一方理解未受保护端点的暴露方式。
OpenAI 与 PerturbAI、Scripps Research 合作，部署数千个基于 GPT-Rosalind 的 AI 智能体，分析覆盖数百万小鼠细胞的全脑 CRISPR 图谱，整个分析耗时 32 分钟。
每个智能体负责一个基因扰动，分析细胞反应并检索科学文献寻找解释；团队估计人工完成同样分析需数月至一年。智能体发现两个疾病相关基因之间存在意外差异，以及胆固醇调控与神经退行性病变的可能关联。在盲测比较中，人类专家有 75% 的情况下更偏好分布式智能体的报告，而非单一智能体的报告。
Celonis 企业 AI 首席科学家 Devavrat Shah 提出“决策智能”概念，认为 AI 智能体要真正支撑企业决策，必须理解每项任务在业务流程中的角色及其所处业务条件，否则会忽略关键约束、造成代价高昂的错误或浪费算力。
他建议企业先把 AI 接入现有流程与数据，通过上下文层让智能体理解工作流、在既定护栏内运行，并输出可供人工审核批准的建议。落地路径是从一个具体业务决策切入，找出其中最困难的环节，测试 AI 能否改善，再以速度与价值增益判断是否值得扩展。这一做法还可能改变员工的时间分配，但需要投入员工教育，使其能理解 AI 输出及其影响，而非直接把决策交给智能体。
Anthropic 以研究预览形式推出常驻智能体应用 Claude Duet，基于 Claude Opus 5.5，在 iOS、Android 和网页端 claude.ai 运行。
它每天早上推送连接应用中的重要事项摘要，之后只在需要关注时主动联系用户，用户通过文字或语音在单一持续对话中派发任务。Duet 运行在带浏览器的云端虚拟机中，通过 Claude Marketplace 的 6000 多个连接器和插件接入 Gmail、Slack、Stripe、Docusign、Shopify 等服务，可追踪未付发票、起草催款提醒或准备工资单。
Meta 在第三季度财报电话会上称，其 AI 应用 Muse 用户已超过 1000 万，与 Sensor Tower 本周早些时候的估算一致。
CEO 扎克伯格表示，约 25% 的注册用户每天使用 Muse；在使用 Muse 购物的活跃用户中，超过四分之一的人平均单笔消费超过 200 美元。Muse 通过 Plaid 的连接器实现智能体购物，其他常见用途包括连接邮箱或日历处理个人生产力任务。扎克伯格称 Muse 已达到产品市场契合，接下来将聚焦扩大规模、增加收入和优化算力成本，并预计未来一年成本效率提升 10 倍以上，同时计划在未来几年建设可服务超过 10 亿人的算力容量。
Meta 首次披露 Muse 的用户规模、日活留存与购物客单价，可据此判断 AI 智能体商业化的早期形态。
作者 Dan McAteer 介绍 Claude Mods，它是 Claude Code 的插件机制，由运行在 Claude Code 内的 TypeScript 或 JavaScript 函数组成，可响应提示词、工具调用或界面渲染等事件，修改 CLI 与桌面端的执行和渲染行为。
Anthropic 已内置六个 mod，包括 agents-md、diff、plugin-authoring、sec-default、telemetry 和默认关闭的 you-should-know；Claude Code 还内置技能，可按自然语言需求生成 mod。
Tenex 联合创始人 Alex Lieberman 与 CJ Hess 在 AIE New York 分享了公司如何把"按交付成果付费"的模式扩展为面向财富 2000 强企业的 AI 原生软件开发生命周期（SDLC）。
Tenex 仍将故事点作为工程薪酬的重要组成，Alex 称虚报估算、为刷分交付劣质代码等担忧并未成为主要问题，公司已发展到 75 人，客户分为财富 2000 强与中型企业两类。CJ 介绍了 MetaHarness：一套共享技能、项目文档与 CLI，计划与决策随代码一起提交到 Git，使智能体接手任务时能读到"为什么这样建"。Tenex 也指出，这种结构对小团队单一项目可能过重。
Google 把 Personal Intelligence 带到车内的 Gemini，Android Auto 与内置 Google 系统的车型可让 Gemini 读取 Gmail、Calendar、Maps、Photos、YouTube 和 Search 中的个人信息。
例如开车去机场时可让 Gemini 从 Gmail 确认邮件中取航班信息并查询状态，也能直接说“带我去看医生”或“找到我上周拍的那家洗车店并导航过去”。该功能需用户开启 Personal Intelligence 设置，且手机需与车辆连接才会给出个性化回答；不开启时导航、音乐、通话和提问仍可用，但答案不会因人定制。
Google 将 Gemini 的 Personal Intelligence 功能推向 Android Auto 和 Google Built-in 车机，该功能仍为可选开启。
Personal Intelligence 于 2026 年初随 Gemini 推出，最初为付费功能，后向所有 Gemini 用户开放，但此前未进入汽车场景。它让 AI 调用 Gmail、Calendar 等应用中的数据来生成回答，用户无需手动提供上下文。该功能今日起在 Android Auto 开始推送，并将在未来几个月内覆盖搭载 Google built-in 的车辆。
Simon Willison 用 Claude Code 开发了一款 Command & Conquer 风格的浏览器 RTS 游戏 Battle Drones，支持两台邻近设备通过音频消息同步游戏状态实现多人对战。
项目经历 12 个大版本迭代、321 次由编码智能体（主要是 Claude Code）提交的 commit，可在手机和桌面浏览器运行。游戏包含 9 种建筑、7 种地面载具、6 种空中载具、3 种步兵单位，全部为 3D 模型，另有战争迷雾、6 张地图覆盖 5 种生物群系、随机地图生成器、Skirmish 与 Last Stand 模式、AI vs. AI 以及两个 LLM 对战的 Agent vs. Agent 模式。
Smartsheet 已正式发布（generally available）Model Context Protocol（MCP）Server，AI 助手可通过标准化协议读取、写入和管理 Smartsheet 数据，覆盖探索、创建和管理表格、行、列与自动化等 40 多个工具。
用户可用自然语言更新任务状态、创建行、调整项目结构。该服务提供三个区域端点，采用 Streamable HTTP 传输（MCP 规范版本 2025-06-18 和 2025-03-26），支持 OAuth 2.0 或 Personal Access Token 认证。