Latent Space AINews：TypeSafe/Jev 发布 3 周达成超 $100M ARR 与 $7.5B 估值

正如你在下方 AINews X 回顾板块所见，地球上所有人都在克隆 Jev API，但只有一家公司能开创这个品类。TypeSafe 宣布了他们的“Series AI”，而红杉资本“泄露”他们在第一周就突破了 1 亿美元 ARR。

尽管有怀疑者指责这是水军营销，但我们希望大家能看出，我们的 Jev 播客是 100% 真实的。

2026年10月8日-10月9日的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号，没有更多 Discord。AINews 网站可以搜索所有往期内容。提醒一下，AINews 现在是 Latent Space 的一个栏目。你可以选择加入/退出不同的邮件频率！

决策模型成为一个产品品类

这个模式：多家厂商在同一天发布了“决策”模型。这些模型在单次前向传播中返回结构化的答案（概率、从列表中挑选、分数），而不是自由文本。Jev 是所有人进行基准测试的参照物，@scaling01评论了这一格式传播之快。
- OpenAI Decisions API：三种请求类型：判断某个条件为真的概率、从列表中挑选，或对照等级打分。它接受文本和图像，运行在 GPT-6 Luna 上，成本为每百万输入 token 0.10 美元且不收取输出费用，按 OpenAI 自己的数据“最高快 10 倍”（@LearnOpenCV）。
- Microsoft-Decision-1：定位于 LLM 评判器和科学假设筛选。一位早期评估者表示，决策模型在一致性和复杂决策上仍有困难（@omarsar0）。
- Perplexity pplx-decider-v1.1-27b：宣称在 1,071 个案例中以 94.5% 的准确率登顶 Decision Bench，价格为每 1K 次决策 0.017 美元（@perplexitydevs）。
- Cloudflare clef：新的 clef-omni 接受音频、视频、图像和文本。clef-flash 现在比 Jev 更便宜，且 clef 整体速度约快 2 倍（@michellechen）。权重已放在 Hugging Face 上。
- Liquid d1：现已上线 Vercel AI Gateway，为分类、路由和打分任务提供视觉支持（@vercel_dev）。
服务与路由：vLLM Semantic Router 的 Decision 2.0 可以在一次处理中回答关于同一输入的多个问题，并给出每个选项的概率（@vllm_project）。LangSmith 使用 Jev 作为评判器，在每条 trace 上为难度和正确性分别返回结构化的答案（@hwchase17）。
训练你自己的：Unsloth 发布了一个免费 notebook，可在 8GB 显存上把 Qwen3.5-4B 变成一个决策模型（@UnslothAI）。一份关于 Qwen3.5-0.8B 的教程显示，60 步训练后准确率从 37% 提升到 65%，在 4GB 显存上大约只需 10 分钟（@akshay_pachaar）。
为什么执行框架需要这个：许多智能体步骤是“是/否”判断，而非生成任务。LangChain 表示，把每个任务路由到最便宜的够用模型后，Open SWE 每个任务的成本中位数降低了 64%（@hwchase17）。
相关研究：Apple/CMU 的 Selection-based Structured Reasoning（SSR）在智能体内部应用了同样的思路（@ZhihuFrontier）。
- 方法：六种自然语言策略通过长度归一化的对数似然进行评分，在一次共享 KV 缓存的批量前向传播中完成。
- 结果：每轮推理延迟下降超过 90%，但每个问题的端到端延迟仅下降 28–54%。在 Qwen3-VL-4B 上使用 GRPO，平均成功率为 61.37%，而 TAPO+GSPO 基线为 61.25%。

多智能体编排与编码工具

Claude Managed Agents 动态工作流（公开测试版）：一个主导智能体编写分阶段计划，分发给每次运行最多 1,000 个智能体，然后合并结果。通过 multiagent_20261001 启用（@ClaudeDevs，config）。
- 成本警告：Anthropic 建议先从范围受限的任务开始，因为 token 消耗可能很高（guidance）。
- Claude Code Projects：所有在等候名单上的 Pro 和 Max 用户均已获得访问权限。每个项目将任务作为并行线程运行（@ClaudeDevs），且会话现在可以在本地运行（@gem_ray）。
- Opus 5.5 快速模式：已经推出，但它按用量积分计费，不包含在订阅中（@theo）。
智能体团队划算吗？：Vals AI 在 Vibe Code Bench 上单独和以团队形式测试了 GPT-6 Sol 和 Opus 5.5（@ValsAI）。
- 结果：团队的成本高出 1.8–5.1 倍。只有 Sol 在中等投入下有显著提升，提高了 7.3 分。
- 行为：Sol 沿架构边界进行并行委派。Opus 以串行波次运行，在最大投入下每个应用达到约 6.8 个子智能体和约 1,140 次子智能体工具调用，但没有显著收益（details）。
Prime Agent 用 Rust 重写自身：在两周内，一个超过 2,000 个智能体的集群使用了 10K+ 个沙箱和 200B+ 的 GLM-5.3 token。结果达到可用输入状态的速度快了约 13 倍，启动内存占用减少 83%（@PrimeIntellect）。一篇配套文章认为，上下文限制必然导致智能体集群的出现（essay）。
Codex 更新：
- Windows 沙箱：基于 Microsoft Execution Containers（MXC）构建的新模式提供更快的设置、网络强制执行和细粒度的文件控制（@OpenAIDevs）。
- Composer 预测：Codex 现在会建议你的下一条消息，目前处于测试阶段，仅限 Pro 用户（公告）。一些用户批评仅限 Pro 的门槛限制（@Angaisb_）。
- 可靠性：有用户抱怨出现长达一整天的宕机（@dzhng）。
- 舆情：DHH 表示 GPT-6.1 Sol 让 Codex 成为他超越 Claude 的主力工具（@dhh）。
Devin 和 Grok Bot：Devin 现在可以派生多棵受管 Devin 的树，因此总耗时取决于最慢的分支而非各分支之和（@devindevelopers）。Devin 还接受个人版 ChatGPT 套餐用于 GPT 用量（@cognition）。另外，Grok Bot 有了自己的电子邮箱地址，用于注册和日程安排（@bot）。

模型发布与独立评测

Qwen-Image-2.1-Turbo（开放权重）：7B Qwen-Image-2.1 的加速版本检查点。它支持 8 步 2K 生成和自然语言编辑，可通过 Diffusers 加载QwenImage21Pipeline，与 Pro 和 Turbo API 同步发布（@Alibaba_Qwen）。
StepFun Step 5 预览版：一个总参数 600B、激活参数 27B 的稀疏 MoE，拥有 1M 上下文和视觉能力（@omarsar0）。
- 结果：它在 Hermes Index 上得到 33.89 分，与 GPT-6 Luna 持平，并在 Nous Portal 上免费开放一周（@NousResearch）。
- 可用性：它登上了 OpenRouter Trending 第一名，该榜单衡量的是使用量而非质量（@kimmonismus）。开放权重将于 10 月 15 日发布。最大输出已更正为 64K tokens（更正）。
Upstage Solar Mini 4：一个 35B MoE，激活参数 3B，524K 上下文，208 tok/s。其 24 分的 AAII 成绩是 3B 激活参数模型中最佳的，与 Nemotron 3 Ultra 相差不到 1 分。它在 Cline 中免费（@cline）。
Gemini 4 Argon：据报道在 DeepSWE v1.1 上达到 77.9%，而 Opus 5.5 为 74.2%。它将首先面向 650 多名 Fairwind Program 防御者提供，价格为每 M tokens 2/10 美元（@dl_weekly）。
- 信号：Antigravity 中出现了推理力度选择器（@testingcatalog），Logan Kilpatrick 表示“Argon 快来了”（@OfficialLoganK）。
- 未经证实：Business Insider 报道称，一个内部“Carbon”检查点在编程方面正逼近 Opus 5.5。
语音模型：HeyGen Voice 以 1,201 的 Elo 登顶 Artificial Analysis Controlled Voice TTS 竞技场，价格为每 1M 字符 30 美元，速度 40 字符/秒（@ArtificialAnlys）。Whistle 是一个 16.9MB 的端侧 STT 模型，据称可与 Whisper base 匹敌（@victormustar）。
多轮图像编辑：Artificial Analysis 连续执行了 30 次编辑（@ArtificialAnlys）。
- 结果：Ideogram 4.5 和 FLUX 3 进行局部编辑，在小幅编辑时能保持图像 95% 以上的区域不变。GPT Image 2.5 Sunburst 每一轮都会重新渲染画面的大部分区域，仅保留约 20% 不变，因此会产生漂移。Nano Banana 2.1 则会逐渐变暗。
OCR 基准测试：Roboflow 的新基准测试覆盖 48 个模型，GPT-6 Astra 在文本定位方面领先（@skalskip92）。Datalab 的 OmniParseBench 包含 90 种语言的 16K 项测试，而其自家的模型并未排名第一（@VikParuchuri）。
Arena 动态：Claude Haiku 5.5 在 WebDev 上排名第 30，价格为 $0.10/$0.50，与 GPT-6 Luna 价格相同但得分高出 6 分。Mistral Large 4 在 Agent Arena 上排名第 43（@arena）。ARC-AGI-3 上出现了 59.17% 的新高分（@arcprize）。

研究、训练与推理系统

vLLM 与 SGLang 在 Vera Rubin 上：vLLM 报告称，在 AgentX 上交互性相当的情况下，MiniMax M3 的吞吐量达到 GB200 的 7.8 倍以上。这些还是早期结果（@vllm_project）。
- 技术：局部性感知 MoE 利用 CUDA 13.4 的局部性域，使每个 SM 只读取本地 HBM，可将 MoE 解码速度提升至多 1.2 倍（详情）。
- SGLang：FP8 MLA 在 128K 上下文时速度最高提升 20%，MoE 尾部融合带来 5.9% 的端到端提升，每步解码减少 276 次内核启动（@sgl_project）。
- SemiAnalysis 的主张：一份 InferenceX 提交预览显示，相比 GB300，每吉瓦利润达 3.2 倍，每美元性能最高达 10 倍（@SemiAnalysis_）。
TRL v1.15：融合式 LM head 现已默认启用，避免了完整 logits 张量的物化（@LysandreJik）。
- 结果：在 Gemma 3 1B 上，GRPO 序列长度从 28K 提升到 114K，DPO 从 10K 提升到 59K。8K 时的峰值内存下降 52–82%，训练速度最高提升约 11%。
数据与后训练服务：
- Datology Curation Studio：声称在 39 个开放数据集上为 30B MoE 提供 6 倍的算力乘数（@pratyushmaini）。它还引用了以 45 万美元训练的 Thomson-1，在正面对比中击败了 GPT-5.6 Sol（@arimorcos）。
- Tinker：价格最高下调 70%，长上下文与短上下文定价相同，并新增了 GLM-5.3-Flash 和 DeepSeek-v4.1-Flash（@tinkerapi）。
DeepSeek 的周期性弱点：字节跳动 Seed 发现，检索效果取决于 token 相对压缩步幅的位置（@ZhihuFrontier）。
- 证据：在没有 RoPE 或学习门控的情况下，该模式依然存在，并与步幅长度相关。
- 解读：V4.1 的步幅为 2，减轻了但并未消除这一影响。
智能体研究：
- 智能体可塑性（Meta）：衡量每单位学习成本带来的保留集增益。表现最佳者并非学习效率最高者（@omarsar0）。
- MIMESIS：一个 9B 的用户模拟器，在行为保真度上超越 Opus 5 达 13.4 分（@dair_ai）。
- 基座模型选择（NVIDIA）：根据基座模型能否复现“决定性编辑”来对各个检查点进行排名，这一信号与后训练后的 SWE-bench Verified 分数相关（@dair_ai）。