AI日报 | 2026年10月09日

每日 AI 资讯速递

Arena 公布 Claude Haiku 5.5 (High) 真实评测结果：Code Arena 1587 分首秀第 30 名

Arena 公布 Anthropic Claude Haiku 5.5 (High) 的真实评测结果，该模型在 Code Arena: WebDev 赛道以 1587 分首秀排名第 30，略在 Pareto 前沿之外。作为 Haiku 系列的轻量级产品，其 WebDev 表现已接近部分旗舰模型水平，但距离第一梯队仍有差距。

Artificial Analysis 评测 Google Nano Banana 2.1，两榜居第 4 且价格为前代一半

Artificial Analysis 对 Google 于 10 月 6 日发布的图像模型 Nano Banana 2.1 进行评测，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 4。最引人注目的是其定价仅为前代产品的一半，性价比大幅提升，有望推动图像生成与编辑能力的进一步普及。

Claude 九月回顾：Chat 与 Cowork 合一，Claude 5.5 系列模型上线

Anthropic 发布 Claude 九月更新回顾，Chat 与 Cowork 合并为统一的 Claude 体验，工作流可在云端运行，合上笔记本后仍可继续执行。Claude Docs 支持团队与 Claude 在同一文档中协作编辑；新推出的 Claude 5.5 系列包含 Opus 5.5（重任务）和 Sonnet 5.5（快速修改），并支持通过 /slides、/docs、/designs 直接生成对应格式。

Codex 与 ChatGPT Work 活跃用户达 4000 万新高，付费账户重置已全部到账

据最新动态，Codex 与 ChatGPT Work 合计活跃用户达到 4000 万新高，付费账户的 banked reset 已全部到账。值得关注的是，消息中提到 GPT-6 已在 ChatGPT 中上线，若属实将标志着 OpenAI 在基础模型能力上的又一次重大迭代。

Claude 推出 Dashboards 实时仪表盘与 Motion 动画讲解功能

Anthropic 发布 Claude Dashboards 和 Claude Motion 两项 beta 功能。Dashboards 提供实时数据仪表盘能力，Motion 则支持动画讲解，进一步扩展了 Claude 在数据可视化与演示场景中的应用边界，显示出 Anthropic 正从纯文本对话向多模态工作平台演进。

LangChain 用 Stripe Link 和 Managed Deep Agents 构建可支付的智能体 Restock

LangChain 发布示例项目 Restock，一个在 Slack 上通过 Managed Deep Agents 运行的办公用品购买智能体，演示了智能体如何安全完成支付流程。该项目集成了 Stripe Link 支付能力，为 Agent 商业化落地提供了可参考的安全支付范式。

Anthropic 用 Claude Managed Agents 构建定时智能体自动化的实践指南

Anthropic 发布基于 Claude Managed Agents（beta）的每日简报参考实现，可按计划读取 Slack 和 GitHub 来源并向 Slack 发布简报。该指南展示了定时智能体在团队协作场景中的实际应用模式，为开发者提供了可复用的自动化工作流模板。

如何在单张 RTX 5090 上用 MiniMax H3 生成实时视频

ComfyUI 博客作者借助智能体搜集各类优化方案，将 MiniMax H3 实时视频生成压缩到单张 RTX 5090（32 GB 显存）上运行，生成 30 秒视频仅耗时 23.51 秒，达到 1.28 倍实时吞吐。这一结果展示了消费级 GPU 上实时视频生成的可行性，对内容创作者意义重大。

OpenAI 年化营收被曝接近 500 亿美元，与此前预期差距约 200 亿美元

据金融时报报道，OpenAI 向投资者披露截至 9 月底年化营收逼近 500 亿美元，大幅低于外界估算的 700 亿美元，缺口约 200 亿美元。差异源于统计口径不同——Anthropic 计入 AWS 和谷歌云等合作方销售收入，而 OpenAI 剔除该部分。报道发布后美股科技股下跌，纳斯达克 100 指数收跌 1.4%，英伟达跌 2.9%，甲骨文跌 5.5%。

Arena 完成 2 亿美元 B 轮融资，估值 31 亿美元并发布 Alignment Index

Arena 完成 2 亿美元 B 轮融资，估值 31 亿美元，由 Lightspeed 和 Khosla Ventures 联合领投，a16z、Felicis、Salesforce Ventures、The House Fund 等参投。自 A 轮以来，Arena 年化收入超 1 亿美元，平台累计 3.5 亿场次会话，约 5 个月内产生 700 万次 Agent Arena 会话，覆盖文本、视觉、代码、搜索、图像和视频的投票达 6200 万，用户遍布 150 多个国家。融资同时，Arena 发布 Alignment Index。

Arena 获 Lightspeed 领投 2 亿美元 B 轮融资，估值 31 亿美元并推出 Alignment Index

Arena 宣布完成由 Lightspeed 领投的 2 亿美元 B 轮融资，估值 31 亿美元。数百万用户通过真实使用帮助评估前沿模型，年化收入已超 1 亿美元。同步推出的 Alignment Index 旨在衡量 AI 行为在真实场景中与人类价值的契合程度，为模型安全性评估提供新维度。

Arena 宣布 2 亿美元 B 轮融资，估值达 31 亿美元，并推出 Alignment Index

Arena 宣布完成 2 亿美元 B 轮融资，估值 31 亿美元，同时推出衡量 AI 智能体是否安全、真实且在用户要求范围内行动的 Alignment Index。Felicis 表示 Arena 年化收入已超 1 亿美元，累计促成 3.5 亿次会话和 6200 万次投票，其真实用户评测数据已成为行业重要参考基准。

Waymo 完成 50 亿美元债务融资，加速业务扩张

Waymo 宣布完成 50 亿美元定期贷款，这是其首次债务融资。PIMCO、Blackstone 和 Sixth Street 担任牵头银团贷方，Goldman Sachs 担任独家主账簿管理人。资金将用于加速其全自动驾驶打车服务在美国及国际市场的扩张。此前今年早些时候 Waymo 完成了 160 亿美元股权融资，上个月刚在第十五个美国城市启动服务。

Zenity 研究人员发现一条提示词即可劫持 AWS 账户内全部 AgentCore 智能体

Zenity Labs 研究人员披露名为 AgentCorruption 的漏洞链，只需对一个公开的 Amazon Bedrock AgentCore 智能体发送一条提示词，即可通过元数据服务 169.254.169.254 窃取其 AWS 凭据，进而控制同账户同区域内的所有 AgentCore 智能体。攻击者可读取私人对话、源代码和存储的凭据，还能篡改长期记忆，暴露出 Agent 基础设施面临的系统性安全风险。

Crowdstrike 报告疑似单人使用 AI 渗透工具攻击多家韩国银行

Crowdstrike 报告称，一名疑似中文使用者于 2026 年 9 月底至 10 月初利用 AI 驱动的开源渗透测试工具 ARTEX 攻击多家韩国金融机构，窃取大量数据。其中 Shinhan Bank 超过 25,000 条包含姓名、联系方式、收入和信用额度的记录泄露。该事件凸显了 AI 工具降低网络攻击门槛的现实威胁。

部分数学家呼吁抵制 OpenAI，AI 生成的数学证明涌入数学领域

AHM 组织在 Terence Tao 主持下发表声明，呼吁抵制 OpenAI，称其一次性发布 700 多个 AI 生成证明文件是展示力量而非学术行为。此前 OpenAI 宣称内部模型一个月内解决逾 100 个开放数学问题，约 8000 个测试问题成功率约 5%，平均每个耗时 3 小时 GPT-Pro 级算力。这一争议引发了关于 AI 在学术研究中角色与边界的深层讨论。

OpenAI 在 GitHub 发布 openai/math 仓库，722 份数学手稿引发数学界震荡

OpenAI 于 10 月 7 日在 GitHub 发布 openai/math 仓库，收录其未公开内部模型产出的 722 份数学手稿，归为 372 个成果组，覆盖数论、代数几何、偏微分方程等方向，每个结果平均花费约 3 小时 ChatGPT Pro 级别思考算力。该仓库的发布在数学界引发巨大争议，核心分歧在于 AI 生成证明的学术价值认定与同行评审机制。

ts-rust 发布：由 LLM 将 TypeScript 编译器、检查器和 LSP 移植到 Rust

ts-rust（tsc-rs）将 microsoft/TypeScript（Go 实现）的编译器、类型检查器和语言服务器移植为 Rust，作者称全部代码由 LLM 编写，本人未读过代码。这一项目展示了 LLM 在大型代码库迁移中的极限能力，同时也引发了关于 AI 生成代码质量保障与可维护性的讨论。

Google 开源 ML Drift 端侧 GPU 推理引擎，接替 TFLite GPU delegate

Google AI Edge 团队以 Apache 2.0 许可开源 ML Drift，一个跨平台端侧 GPU 推理计算引擎，作为 LiteRT 的核心 GPU 加速层。ML Drift 将接替此前的 TFLite GPU delegate，为移动端和边缘设备提供更高效的推理加速能力，进一步推动端侧 AI 部署的标准化。

Block 如何用 Claude Fable 编排数千个 pull request 的代码迁移

Anthropic 发表对 Block AI capabilities 负责人 Bradley Axen 的访谈，介绍 Block 用 Claude Fable 5 编排大规模代码迁移的实践：Fable 负责数据模型、API 规格等高层设计，再调度数十个更小的 Opus 或 Sonnet 模型执行文件修改和测试，一次迁移可能合并上千个 pull request。这一案例展示了多模型编排在大型工程迁移中的实际效能。

📝 编辑点评

今日最值得关注的信号来自两个方向。其一是 OpenAI 营收口径争议——500 亿美元与 700 亿美元之间的 200 亿缺口，本质上是"生态收入是否计入"的统计分歧，但它已足以引发纳斯达克 100 指数 1.4% 的跌幅，说明市场对 AI 商业化兑现能力的敏感度正处于高位。其二是 Arena 以 31 亿美元估值完成 B 轮并推出 Alignment Index，标志着"真实用户评测"正在从社区行为升级为可商业化的基础设施，模型评测赛道的价值正被资本重新定价。

安全层面，Zenity 披露的 AgentCorruption 漏洞链和 Crowdstrike 报告的 AI 驱动银行攻击事件形成呼应：当 Agent 获得更多权限、AI 工具降低攻击门槛时，安全边界正在从"模型对齐"扩展到"基础设施隔离与凭据管理"。与此同时，OpenAI 的 722 份数学手稿引发的抵制声明，则把 AI 与学术共同体之间的张力摆上了台面——技术能力突进与学术规范之间的摩擦，可能成为接下来一段时间内反复出现的议题。工程侧，Block 用 Claude Fable 编排上千 PR 的案例和 ts-rust 全 LLM 编写的 Rust 移植，共同指向一个趋势：AI 正在从"辅助写代码"走向"主导大型工程迁移"，这对软件工程的协作模式和质量保障体系都将产生深远影响。