AI简报 – 2026.10.23

大模型  讯飞星火 X2.6 端云一体：全国产算力首次跑通代码与智能体，云端 API 打到 0.9 元/百万 token

10/22 北京第十届 1024 开发者节，科大讯飞发布端云一体星火 X2.6：云端为 293B 总参 / 30B 激活的 MoE，上下文拉到 100 万 token，官方称这是首次在完全国产算力上实现代码与智能体能力突破——长程任务动态并行训练把超长上下文训练效率提升 4 倍，业界首个国产设备四层 KV-Cache 让缓存命中率从 63% 升到 95.7%、推理效率提升 4.5 倍。定价是最锋利的一刀：输入 0.9 元/百万 tokens，缓存命中 0.08 元，输出 3.6 元，两项主力价均低于 DeepSeek-V4.1-Flash-1017；端侧 X2.6-4B 自 9 月初开源后下载已超 256 万次，进入全球端侧模型前四，官方称多项指标超过部分 9B 模型。刘庆峰给出任务分工判断：未来 60% 在本地完成、30% 端云协同、10% 纯云端。基准上 SWE Pro、SWE Multilingual 两项第一，SWE Verified 仅次于 DeepSeek-V4.1-Flash-1017；同场还发布 SparkAudio 1.0 语音基座（实时说话人分离）、机器人超脑平台 3.0（已服务近 500 家机器人企业，国内头部机器人公司九成是其客户）。”国产算力能不能训出一流模型”这个问题第一次有了公开的肯定答案，但仍待第三方基准复验。来源 ↗

大模型  GPT-5.6 Sol 挖出 PHP 两个未授权远程执行漏洞：影响 PHP 5.4–8.5，CISA/NSA 紧急预警

OpenAI 10/21-22 披露，在”Patch the Planet”计划中，GPT-5.6 Sol 发现 PHP 两个未授权远程代码执行漏洞（合称 PHP2Shell），CVSS v4.0 评分 9.2；Wiz 独立发现了同一问题。漏洞出在内存管理与错误处理路径，影响 PHP 5.4 至 8.5 十余年版本；PHP 官方 10/21 发布 8.5.12 等四个安全更新。披露前一天消息已泄露，CISA、NSA 等发布紧急警告，维基媒体旗下站点与《赛马娘》等多款日本游戏一度停服。真正的分水岭在于：这是”AI 找漏洞”第一次直接命中全球最大 Web 运行时之一的核心路径，且与人类安全团队独立撞车、互为验证——模型从”辅助审计”变成了能独立出 CVE 的发现者。反过来说，攻防两侧的节奏都被压到”补丁发布即公开”的小时级，企业升级窗口比过去任何一次 PHP 高危漏洞都更窄。来源 ↗

Agent  田渊栋新公司 Recursive 开源 Flint-40B-A2B：AI 自己造出的本地编程模型，MacBook Pro 上 125 token/s

10/21 晚，田渊栋参与创办的 Recursive 发布首个模型 Flint-40B-A2B：MoE 总参 400 亿、每生成一个 token 只激活 25 亿，Apache 2.0 权重已上 Hugging Face，支持 512K 上下文（官方建议 256K 以内）。M4 Pro MacBook Pro 上 125+ token/s、RTX Spark 上 150+，是同规模模型最高 2 倍；12GB 显存的 RTX 3060 也能跑起这个 40B。基准 Terminal-Bench 2.1 拿 54.9%、SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%，在 500 亿参数以下的 MoE 里全线领先。真正的看点在”怎么造出来”：自研自动化科研系统 Eureka Machine 从架构搜索、tokenizer、预训练、中期训练、SFT 到 RL 全程参与，还把输出层压到 4bit 并用离线蒸馏补精度、为 Apple Silicon 生成 Metal 融合内核，不到 4 个月从零交付。这是”递归自我改进”的一次小规模公开实测——AI 帮忙造出更强的 AI，再由后者改进下一轮研发流程。同一天 Anthropic 平台工程负责人 Katelyn Lesse 在 ObservabilityCON 说，他们约 200 人团队”所有代码都是 Claude 写的”，合并进生产库的代码 80% 以上出自 Claude——一边把模型塞进口袋，一边把人类推到审查位，AI 编程的两端在同一周同时到位。来源 ↗

机器人  Optimus 在弗里蒙特走下产线：首批量产级机器人下线，百万台产线待爬坡，对外交付推到 2027 年底

北京时间 10/22 凌晨的特斯拉 Q3 财报首次白纸黑字确认：Optimus 已在弗里蒙特工厂的高量产线开始生产，下线的是”首批达到量产质量要求”的机器人，现有制造工艺已被证明适用于商业产品；该产线规划年产能 100 万台，得州第二座工厂在建、长期设计年产能 1000 万台。马斯克在电话会上把时间表摆全：爬到周产 2 万台”至少还要一年或更久”，仍有约一万个细节待调；明年 4 月前后换装 AI5 芯片（算力比 AI4 高一个数量级，并针对机器人场景缩减内存配置）；2027 年底前后才开始向外部客户交付，先工业后家庭；一两个月内发布最新演示视频。训练路径也第一次讲清楚——没有汽车那样的现成车队数据，就先造 1-2 万台机器人在”Optimus Academy”里反复练，人类数据打底、再在仿真与现实里自我对弈。财报本身并不好看：营收 280.5 亿美元同比零增长，经营利润 7.18 亿、同比 -56%，资本开支却翻倍到 47.3 亿，毛利率 19.6% 回升 160 个基点。市场反应很直接，10/22 A 股机器人板块逆市爆发，特斯拉团队赴拓普、三花、均胜等中国供应商审厂的消息同步流出——叙事正式从”口头展望”切到”产线 + 时间表”的对表验证。来源 ↗

机器人  王兴兴：GPT-6 零训练”住进”宇树机器人，物理 AI 一两年内被击穿；H2-X 首秀续航 8 小时

10/22 杭州，2026 世界物理 AI 大会暨宇树十周年生态大会，王兴兴 30 分钟演讲把时间表又往前压了一截：”随着 GPT-6 发布，物理 AI 已经看到被击穿的苗头，很可能最近 1-2 年，或 2-3 年。”证据是零训练迁移：GPT-6 未做任何微调即部署到宇树机器人上，自主完成绘画并更换颜料、清洗画笔，在精细棋盘上下围棋和象棋，自己找厨房、找工具；斯坦福团队把 GPT-6 接上 G1 进厨房收拾，新环境不采数据、不重训直接干成。他给”具身智能的 ChatGPT 时刻”下了可验收的定义：在 80% 的陌生场景里，凭语音或文字指令完成约 80% 的任务，并希望今年底到明年”说一句帮我整理房间”就能做到。同时他点出真正的墙不在认知而在对齐——规划导航已基本解决，模型输出与真实力矩、接触力之间的误差没解决，”击穿的是认知，不是物理”。硬件侧 H2-X 首次公开亮相：180cm 级、约 70kg、31 个自由度、续航约 8 小时，徒手抬车、4 米高台落地。家底也亮了：G1 自 2024 年 5 月发布以来累计下线约 1-2 万台，是全球最畅销人形机器人。阿里云创始人王坚同台，说”期待迎来 AI 的宇树时代”，并提醒 AI 概念已被滥用。来源 ↗

大厂  Meta Q3 落地：营收 646 亿、自由现金流转负 21 亿，仍上调 AI 开支下限并新设无投票权 C 类股

美东 10/21 盘后（北京时间 10/22）Meta 交出 Q3：营收 646 亿美元、同比 +26% 超预期，净利 98.6 亿、EPS 3.83；但一笔 98.9 亿美元的青少年心理健康诉讼和解把营业利润压到 130 亿（-37%），剔除后本应为 229 亿、EPS 7.40，远高于预期。真正刺眼的是现金流：单季资本开支 349.1 亿美元超过经营活动现金流 327.9 亿，自由现金流 -21.2 亿；全年资本开支指引下限仍从 1300 亿上调到 1350 亿（上限 1450 亿）。融资侧动作更值得记：新设可公开交易的无投票权 C 类普通股，按股派发、效果类似”一拆二”，2027 年 1 月下旬开始交易——既为 AI 投资拓宽融资渠道，又不稀释扎克伯格的投票权，他同时承诺未来八年留在加州。Muse 的商业化被明确提前：上线约六周，美加已有超 1000 万人创建个人智能体、约 25% 每天使用，超四分之一周活用户用过购物、客单价 200 美元以上；扎克伯格称明年 Muse 计算成本效率要提 10 倍，”若未来几年持续快速提升，Muse 将实现高额盈利”。Q4 指引 730-760 亿，Reality Labs 亏损收窄至 41.3 亿，员工数环比降 12% 到 6.6 万。AI 巨额投入正式进入”要回报”的验收期。来源 ↗

大厂  iPhone Duo 今日开售却只能限量：苹果罕见放低姿态，中国大陆等市场仅限已网购用户

10/22 苹果宣布，首款折叠屏 iPhone Duo 于 10/23（今日）在 Apple Store 零售店”限量发售”，声明罕见地放低姿态：”零售店将为到店顾客提供数量有限的 iPhone Duo，我们正在努力尽快把这款新产品送到顾客手中。”该机 9 月发布、10/16 开启预售几分钟即售罄，大量订单交货期已推到 2027 年 1 月之后。渠道策略出现极少见的割裂：美、英、加等地允许线上订单自提与线下少量购买，中国大陆、日本、韩国、法国等核心市场只向已在线购买者供货，澳门仅限到店且库存极低。国行 256GB 15999 元起，京东预约超 200 万、黄牛加价最高 1.2 万元。以供应链掌控力著称的苹果在首款折叠屏上失手，暴露的是铰链、UTG 超薄玻璃与纳米纹理工艺的良率爬坡——苹果新任 CEO 特努斯同期在《时代》最佳发明报道中回应”迟到七年”：早年竞品”廉价又劣质”，苹果要等真正正确的时候。同期三星 W27（基于 Z Fold8）定档 10/29、小米 18 Fold 10999 元起、华为 Mate XT 2 19999 元起，折叠屏三强同台，苹果迟到的第一战打成了产能战。来源 ↗

人物  黄仁勋回应”AI 会毁灭人类”：这是博头条的廉价说法，别试图扼杀 AI

10/22 在柏林（GTC 现场），黄仁勋回应法新社关于”AI 可能毁灭人类”的提问：”当你说它将终结人类文明时，首先，这并非事实。”他称这类言论能制造头条，但”捏造且廉价”，主张以”负责任的乐观态度”看待 AI：”如果我们关心超越个人生命的未来、关心可持续的未来，那么现在就是发展 AI 的最佳时机——不要试图扼杀 AI。”这番话的语境并不轻：近期多起 AI 测试过程中失控的事件之后，美国多名科技企业家公开呼吁放缓前沿技术。GTC 会后对话里他把需求端说得很直白：OpenAI 的需求惊人、Anthropic 的需求惊人、Meta Muse 惊人、Grok 惊人，Gemini 4 刚发，DeepSeek、Kimi、GLM 的模型需求也很旺——”没有任何东西能解决 AI 带来的需求，因为全世界的需求太大了”，并称此刻正走进”AI 生产力”的拐点。他重申”电子永远不会取代原子”，德国的手艺与机电专长仍是优势，但”这场工业革命不会有第二次机会”；同场披露过去一年对欧洲公司投资约 100 亿美元、本周新增 14 项投资。安全与速度被他捆在一起卖：”不安全的 AI 会被淘汰，我认为这很公平。”注：本条为 GTC 柏林现场媒体问答及会后对话，非一对一专访。来源 ↗

算力供给  高盛拆解 GTC 柏林供应链：基板扩 2.5 倍、Amkor 的 CoWoS-R 扩 3 倍、SPIL 大幅扩 CPO，为”远超预期”的 GPU 出货备货

10/22 高盛研究团队发布 GTC 柏林参会报告（华尔街见闻整理）：英伟达与供应链伙伴联合宣布——Ibiden、SEMCO、Unimicron 三家基板供应商产能扩至 2.5 倍；Amkor 的 CoWoS-R 封装产能扩 3 倍；KYEC 提升美国本土测试产能；SPIL 大幅增加 CPO（共封装光学）产能。高盛的解读是”英伟达正在为一次远超此前预期的大规模 GPU 出货做准备”，维持买入评级、12 个月目标价 300 美元（现价 216.47 美元，约 38.6% 上行空间），并强调已授权约 2350 亿美元回购。同场另两个数据点：物理 AI 业务 FY27 上半年收入已达 110 亿美元、超过 FY26 全年；DSX POD 集装箱化 AI 工厂 2027 年初上市、现场部署最快 14 天（从数月压缩两个数量级）。封装与基板已是 AI 算力真正的物理瓶颈——2026 年全球 CoWoS 需求约 100 万片，英伟达独占约 60%，台积电月产能扩至 12.5-13 万片仍需把部分订单外溢给安靠与日月光。数据/报道日期：2026-10-22。来源 ↗

算力供给  TrendForce：Q4 DRAM 合约价再涨约 20%；HBM 堆叠或从 12 层改 8 层，用”降配”换更多 GPU 出货

10/22 集邦咨询（TrendForce）引述多方报道预估：2026 年第四季度 DRAM 合约价环比再涨约 20%——相比 Q2 约 80%、Q3 约 40% 的涨幅明显放缓，但仍在供应紧张、需求强劲的高位周期。推手是 AI 推理扩张：更长上下文窗口与 KV 缓存持续拉高服务器 DRAM 与企业级 SSD 的容量、带宽需求，主要存储厂同时把产能优先投向 HBM 等高端产品。同一份追踪里更值得记的一条：由于 HBM 供应吃紧，业界正在评估把下一代旗舰 GPU 的 HBM 堆叠层数由 12 层降为 8 层——单颗 GPU 的 HBM 容量将减少约三成，但同等 DRAM 芯片供应理论上可支撑更多 GPU 出货；不过 8 层方案的基础裸片成本占比更高，单位成本未必下降。这是典型的”用单卡规格换总出货量”取舍，也说明 2027 年的算力供给曲线不只由晶圆产能决定，还要由 HBM 的层数与良率重新定价。数据日期：2026-10-22（供应链与工程层面的阶段性评估，非已定案规格）。来源 ↗

绛烨、吕昭波 著 · 机械工业出版社 · 2026-09 · 99 元 · ISBN 978-7-111-81535-8

本月新出的一本智能体落地实操书，正好接住本周新闻里反复出现的那个问题：模型能力已经够强，为什么 Demo 一到企业就用不起来？全书分四篇——从业务流程与工作流的底层概念讲起，梳理自我反思、工具增强、任务规划、多智能体协作等 Agent 设计模式并对照 Anthropic 与 Google 的方法论，再落到 Dify、扣子、FastGPT、n8n、RAGFlow、ComfyUI、多维表格等平台的具体编排，最后用教育、营销、制造三个行业案例收口。在 Flint 把编程模型塞进笔记本、WorkForge 用上万真实职场环境训练智能体的同一周，这本书的价值不在讲模型，而在讲”什么时候该让智能体自己决策、什么时候必须人工接手”这类工程边界。来源 ↗