Latent Space AINews：OpenAI 发布内部模型产出的 722 篇数学论文，Mistral Large 4 与多款开源模型同周登场
Latent Space 发布 2026 年 10 月 5 日至 6 日一期 AI 新闻汇总，头条为 OpenAI 公开内部前沿模型产出的 722 份数学手稿。
#Anthropic
#Anthropic
今日 11 条Latent SpaceAI 评分7272 The DecoderAI 评分5656 保险公司为失控 AI 智能体可能引发的数百万美元索赔做准备
据 Financial Times 报道，保险公司正为失控 AI 智能体引发的数百万美元索赔做准备，Sam Altman 和 Dario Amodei 等高管的人身责任也被纳入讨论。
Simon WillisonAI 评分5858 Anthropic Cowork 新版将模型推理和 VM 迁至云端
Anthropic 的 Felix Rieseberg 介绍 Cowork 新版架构：旧版在本地 VM 中执行工具调用、云端做模型推理，用户不满磁盘、电池和性能开销，且合盖即停。新版将模型推理和 VM 都移到云端，每个会话使用独立沙箱、不共享状态，需要访问用户设备文件（如本地文件）时由桌面应用负责该文件访问工具调用，从而支持手机使用、任务持续运行并减少电量消耗。
Simon WillisonAI 评分4141 Scrimshaw Jukebox：用 Claude Opus 5.5 创作游戏音乐
Simon Willison 测试 Claude Opus 5.5 能否作曲：先让它设计一个简单的文本音乐格式，再构建一个可发声播放的 artifact，并参考《Secret of Monkey Island》原声水准生成示例曲目。结果质量出乎意料地好，但风格偏向 Monkey Island 主题。作者推测作曲可能是文本模型近几个月涌现的新能力，需用其他新旧模型做实验验证。
TechCrunch · AIAI 评分2222 TechCrunch Disrupt 2026 公布完整分会场议程
TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone West 举行，汇聚 10,000+ 名创始人、投资人和科技领袖，并公布全部 breakout session 议程。
Simon WillisonAI 评分2323 Mistral Large 4 发布
Simon Willison 用“在火星上乱穿马路的穿渔网袜犰狳”SVG 生成提示词测试 Mistral Large 4，并与 claude-opus-5.5、gpt-6.1-sol 和 gemini-3.8-flash 的输出进行对比，各模型均使用默认推理级别。
AWS Machine Learning BlogAI 评分3636 Claude Code 携手 Amazon Bedrock 助力合规工作负载在 AWS GovCloud (US) 提效
Claude Opus 5.5 与 Claude Sonnet 5.5 现已在 AWS GovCloud (US) 区域的 Amazon Bedrock 上可用，可配合 Anthropic 的智能体编程工具 Claude Code 支持含 ITAR 在内的合规开发工作负载。
TechCrunch · AIAI 评分3535 Anthropic 向初创企业提供一年免费 Claude Team 及 $1,000 API 额度
Anthropic 扩展 Claude for Startups 计划，为符合资格的初创公司提供一年免费 Claude Team（最多 5 个高级席位）和 $1,000 API 额度。参与公司还可使用 Claude Marketplace 构建插件，并预约 Applied AI 团队的虚拟办公时间。成立于近五年内或近两年内获得融资的公司均可通过计划页面申请。
The Verge · AIAI 评分3939 AI 接管数学引发的种种争议
过去一年，OpenAI、Anthropic 等 AI 实验室在多个长期悬而未决的数学问题上宣布突破，甚至包括一个著名的千禧年大奖难题。这些本该受到庆祝的成果却在数学界引发强烈反弹，OpenAI 表示将咨询顶尖数学家以避免重蹈覆辙，但能否兑现仍有待观察。
TechCrunch · AIAI 评分6565 Lambda 拟以 145 亿美元投前估值融资 40 亿美元，为 2027 年 IPO 做准备
云服务商 Lambda 正在以 145 亿美元投前估值融资至多 40 亿美元，由 Coatue Management 和 Blackstone 领投，可能是其 2027 年 IPO 前最后一轮私募。
AWS Machine Learning BlogAI 评分5454 AWS 博客讲解如何在 AgentCore 与 OpenClaw 上构建有记忆的个人 AI 助手
AWS Machine Learning Blog 发布教程，演示用 OpenClaw 智能体框架和 Amazon Bedrock AgentCore runtime、memory 构建带长期记忆的园艺助手 Sprout。
Latent SpaceAI 评分3434 AINews 周报：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，Agent Arena 排名第 5，比 GPT-6 Sol 便宜 39% 且得分高 1.52 分，比 Astra 便宜 81%。
AWS Machine Learning BlogAI 评分5252 AWS 发布 Adjudicated Query 模式：用 Amazon Quick 与确定性规则引擎实现可验证的租赁合规扫描
AWS 机器学习博客介绍 Adjudicated Query 设计模式，让业务用户通过 Amazon Quick 聊天界面提问合规问题，而通过与否的判定仍由确定性规则引擎完成，模型只负责翻译问题和叙述结果。
AWS Machine Learning BlogAI 评分4040 用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全的 Web Search
借助 Amazon Bedrock AgentCore Gateway，可将 Claude Desktop 连接到完全托管的 Web Search——一项兼容 MCP、基于覆盖数百亿文档的 Amazon 网页索引的搜索能力，所有查询流量都留在 AWS 基础设施内，无需管理外部 API 密钥。
The DecoderAI 评分4747 AI 在速度和准确性上超越持证会计师，但仍无法在无监督下完成结账
Mercor 的研究让 12 名平均经验 5 年半的持证会计师完成 APEX Accounting Benchmark 的简化任务，结果显示当今 AI 模型的速度、准确率和成本均优于会计师，而 18 个月前最佳模型得分还低于会计师约 37% 的平均水平。
The DecoderAI 评分6161 Ramp AI Index：美国企业 AI 用量增长约 50%，支出反而下降
Ramp 最新 AI Index 显示美国企业 AI 支出下降，自 7 月支出见顶后用量增长约 50%，9 月底创纪录。
TechCrunch · AIAI 评分7070 据报道马斯克的 Grok 曾向 Trump 建议抓捕委内瑞拉总统马杜罗
Time 杂志报道称，2025 年 12 月 Trump 与马斯克秘密会面，花费数小时与 Grok 对话，询问抓捕委内瑞拉总统马杜罗后当地人的反应，Grok 称马杜罗是不得人心的独裁者、许多委内瑞拉人会庆祝其下台。
TechCrunch · AIAI 评分6868 Graphite 研究找出各前沿模型的 AI 写作特征，Claude Opus 5.5 爱说 this matters
TechCrunch 报道 Graphite 的新研究：对比 ChatGPT 发布前的 10,000 篇人类文章和各模型重写版本，找出 13,000 个在 AI 文本中出现频率至少高 2 倍的短语。
AWS Machine Learning BlogAI 评分4949 在 AWS 上为 Claude Platform 实现多环境访问
AWS Machine Learning Blog 发布 Claude Platform on AWS（CPonAWS）多环境访问的完整实现指南：在专用 AI Services 账户中部署订阅。
Simon WillisonAI 评分3535 纯 Python WebAssembly 引擎 pwasm 0.2a0 发布，由 Claude Opus 5.5 改进完成
Simon Willison 让 Claude Opus 5.5 接手他的纯 Python WebAssembly 引擎 pwasm，经 42 次提交后发布 0.2a0。该版本现支持几乎所有 WASM 规范，PyPI 包内含 MicroPython、QuickJS 和 Micro QuickJS 的可用 WASM 构建。作者因项目完全由 AI 生成而将其标记为 alpha，不保证可靠性。
The Verge · AIAI 评分6868 OpenAI DevDay 发布智能体 Dots，主打专业长任务但难敌 Meta Muse 免费
OpenAI 在年度 DevDay 上发布智能体产品 Dots，由 GPT-6 Astra 驱动，定位为可委派长期复杂工作的专业助手，如产品 QA、网站设计、团队出行规划和投资组合再平衡，账号、法务等 Specialist Dots 计划即将推出，并将与 Microsoft Agent 365 集成。
The DecoderAI 评分6060 Anthropic 向美国文职机构开放 Claude for Government，与五角大楼的争端仍在持续
Anthropic 现已向美国联邦和州级文职机构提供 Claude for Government，该平台自 7 月起处于开放 beta，运行在 FedRAMP High 环境中。
The DecoderAI 评分7070 OpenAI 称已阻止蒸馏窃取行动，但同样手法在 Azure 上仍能窃取推理内容
OpenAI 披露一次针对其模型推理内容的蒸馏窃取行动，7 月 24 至 25 日出现超过 4000 名用户发起的 16000 次请求，涉及超过 15000 个关联账户，OpenAI 称已于 7 月 28 日全部关闭，并将核心团伙与 Moonshot AI（Kimi 模型的开发公司）相关人员联系起来，同时说明这些是未遂提取。
Ars Technica · AI精选AI 评分8181 Anthropic IPO 招股书包含人类灭绝风险警告
Anthropic 的 IPO 招股书包含对 AI 可能威胁人类的警告，Amodei 在联合国安理会称 AI 是当今世界最重要的全球安全议题，Altman 与 Musk 也表态支持其放慢前沿开发、加强安全的呼吁。
推荐理由：报道披露了 Anthropic 招股书中的风险警告与财务数据，可借此了解其上市叙事与安全争议如何交织。
Latent SpaceAI 评分7373 Gemini 4 Argon 发布：GDM 对标 Astra/Fable，输出上限达 1M token
Google DeepMind 发布 Gemini 4 Argon，主打编码、企业知识工作与网络防御，在 19 项基准中 13 项排名第一，输出上限从 64K 提升至 1M token，定价 $4/$20（限时五折 $2/$10），目前仅向 Fairwind 项目的政府用户和可信网络防御者开放。
The DecoderAI 评分7575 Google 发布 Gemini 4 Argon，逼近 OpenAI 与 Anthropic 但未明显领先
Google 发布 Gemini 4 Argon，是其七个多月来首个前沿模型， introductory 定价为每百万输入 token $2、输出 $10，缓存输入约 95% 折扣。
Ars Technica · AIAI 评分7272 特朗普促成两十余家科技公司签署白宫超级智能安全协议，依靠行业自律应对 AI 风险
两十余家科技公司签署自愿协议，承诺接受独立安全审计并定期讨论 AI 安全标准，但协议无法律约束力。报道称部分签署方如 Anthropic、Google、OpenAI 此前已承诺外部审计；批评者质疑自律能否解决安全问题，加州和特拉华州正调查 OpenAI 近期失控事件是否涉及治理失误，FTC 也就 rogue AI agents 的潜在消费者危害发起调查。
The DecoderAI 评分6666 Google 在 Gemini 中用 Skills 取代 Gems
Google 在 Gemini 聊天中全球推出 Skills，用于保存和调用特定任务的详细提示词，输入“/”加名称即可调用，并取代对标 OpenAI Custom GPTs 的 Gems。
The Verge · AIAI 评分7171 特朗普召集六位 AI 公司负责人签署联合安全承诺，以行业自律取代联邦监管
特朗普在与科技领袖晚宴后表示不再推行联邦 AI 监管，而由行业自我监督，Pichai、Amodei、Zuckerberg、Brockman、Musk 和黄仁勋签署了道德约束性质的《前沿责任联合承诺》。该承诺要求公司按常识准则自我监管 AI，违约似乎无实际后果；六位签署人随后各自发表评论予以支持，Amodei 称 AI 风险的应对机制仍在讨论中。
The DecoderAI 评分7575 FTC 对 OpenAI、Anthropic 等 AI 实验室启动消费者保护调查
美国联邦贸易委员会（FTC）正就消费者保护违规嫌疑调查 OpenAI、Anthropic 等头部 AI 实验室，FTC 主席 Andrew Ferguson 计划通过有法律约束力的 Civil Investigative Demands 强制调取文件并质询高管，命令将在数周内发出。
The Verge · AIAI 评分6969 特朗普政府公布前沿 AI 安全自律协议 Joint Commitment on Frontier Responsibilities 全文细节
The Verge 公布了特朗普昨日宣布的“道德约束力”AI 安全协议 Joint Commitment on Frontier Responsibilities 细节。
The DecoderAI 评分7373 Anthropic 评估称智谱开源权重模型 GLM-5.3 的漏洞利用能力接近 Claude Mythos Preview
Anthropic 发布评估称，智谱开源权重模型 GLM-5.3 在 ExploitBench 上 410 次尝试中 50 次成功构建可用漏洞利用，接近仅向部分防御者开放的 Claude Mythos Preview 的 56 次；在基于 OSS-Fuzz 的内部二进制利用基准上分别为 4% 和 6%。
AWS Machine Learning BlogAI 评分3333 Amazon Bedrock 在印度推出 Claude 模型本地推理
Anthropic 的 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5 现已通过 Amazon Bedrock 在印度区域开放。
AWS Machine Learning BlogAI 评分3838 Amazon Bedrock 在首尔和新加坡区域推出 Anthropic Claude 模型的区域内推理
Amazon Bedrock 现已通过 bedrock-runtime 端点支持 Claude 模型的区域内推理：首尔区域提供 Claude Opus 5 和 Claude Sonnet 5，新加坡区域提供 Claude Sonnet 5。
Simon WillisonAI 评分5959 Anthropic Frontier Red Team：GLM-5.3 在二进制漏洞利用基准上 4% 试验中实现完整控制流劫持
Anthropic Frontier Red Team 在 100 道内部 Binary Exploitation 基准随机任务上评测多个模型，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 为 6%。早期模型如 Claude Opus 4.6 和 GLM-5.2 则无一成功，作者认为一个有意义的门槛已被跨过。
Latent SpaceAI 评分5454 Latent Space AINews：Opus 5.5 发布后社区好评集中在其解说视频能力
Latent Space 发布 9 月 24 至 25 日的 AINews 周报，主题称 Claude Opus 5.5 发布后社区反馈积极，尤其在纯代码生成解说视频方面接管了时间线。
Latent SpaceAI 评分6868 Anthropic Thariq Shihipar 谈 Claude Code 下一阶段：Claude Mods、可变软件与智能体安全
Latent Space 播客邀请 Anthropic 的 Thariq Shihipar 深谈 Claude Code 的现状与方向。
Simon WillisonAI 评分3939 llm-anthropic 0.30 发布：新增模型列表刷新与 token 计数命令
llm-anthropic 0.30 发布，除支持 Claude Sonnet 5.5 外，新增 `llm anthropic refresh` 命令，可直接从 Anthropic API 刷新模型列表，无需发布新版本即可支持新模型。同时新增 `llm anthropic count` 命令，借助免费的 token counting API 在发送提示词前统计其 token 数量。
Simon WillisonAI 评分7373 Anthropic 发布 Claude Sonnet 5.5，免费层模型升级
Anthropic 发布 Claude Sonnet 5.5，官方称速度快 30% 以上，多数工作成本最高降 30%，价格与 Sonnet 5 持平但基准全面占优。作者实测其编码表现接近 Opus 5.5，并指出它成为 claude.ai 免费层所用模型，使 Anthropic 免费方案强于使用 Luna 5.6 的 ChatGPT 免费层；官方重申 Haiku 5.5 将在未来几周内推出。
AWS Machine Learning Blog精选AI 评分6666 Claude Sonnet 5.5 上线 Amazon Bedrock 和 Claude Platform on AWS
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock（通过 Global CRIS global. inference profile）和北美的 Claude Platform on AWS 开放使用。
推荐理由：AWS 官方说明 Claude Sonnet 5.5 在 Bedrock 的可用性、与 Opus 5.5 的分工建议和上手方法，便于评估是否纳入现有工作流。