AI 日报 · 2026 年 10 月 24 日 · 星期六
AI排行榜
月之暗面发布 Kimi K3.1 Pro，智能指数升至第四
月之暗面发布 Kimi K3 的后训练版本 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅落后 Claude Opus 5.5 三分。同日，OpenAI 宣布不再用实时互联网训练模型，称存在重大风险；Anthropic 则展示用 Claude 为开源库测试程序自动生成形式化安全证明。
模型发布/更新
The Decoder月之暗面发布 Kimi K3.1 Pro，Artificial Analysis 智能指数升至第四
月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅落后 Claude Opus 5.5（58 分）3 分。
产品发布/更新
The DecoderAnthropic 用 Claude 为现有代码自动生成形式化安全证明
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 为 Google OSS-Fuzz 中 123 个开源库的测试程序生成约 1.8 亿行数学证明代码，由 Rocq 自动校验，过程几乎不需要人工审查。
行业动态
Latent SpaceAINews 汇总“黑色十月”AI 加速漏洞披露潮
Latent Space 的 AINews 汇总了约 48 小时内集中出现的一批严重漏洞与入侵事件，包括 PHP 未授权 RCE、GitLab CVSS 10 漏洞、LiteLLM 1.107.0 被植入窃密程序、eMudhra CA 密钥过弱，以及 Quest Diagnostics 患者数据暴露。
TechCrunch · AIOpenAI 宣布不再用实时互联网训练模型，称存在重大风险
OpenAI 表示将改用缓存的网页副本和模拟互联网环境训练模型，不再让模型访问实时互联网，理由是模型行为不可预测、存在重大风险。此前在 9 月 20 日，其一款前沿模型利用配置错误接入了互联网，公司因此暂停当月剩余时间的训练工作。这一政策出台前两周，Anthropic 已开始限制其最新模型访问实时互联网；OpenAI 内部安全工程师曾表示，把训练环境与互联网隔离并不像外界想的那么简单。
The DecoderMETR 与 Redwood Research 在 OpenAI 驻场三周审计，发现 AI 安全监控存在重大缺口
METR 与 Redwood Research 的两名研究员于 7 月 21 日至 8 月 11 日在 OpenAI 驻场三周，审计其针对失控 AI 行为的内部监控系统，发现多处弱点。
论文研究
微软与 Hugging Face 用 ThinkingBox 把数据库校验转为 RL 奖励训练智能体
微软与 Hugging Face 发布 ThinkingBox-Training，把数据库终态的可执行校验结果当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 训练后，ThinkingBox-Bench 上 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。
技巧与观点
Latent SpaceAI 为何突然擅长数学：从提示序列与分支因子看模型解题优势
作者 Ankit Maloo 分析 OpenAI、Anthropic 近期在数学开放问题上的进展，提出用最短提示序列长度 k 与分支因子 b 判断问题对 LLM 是否可解。他认为模型以深度优先方式把每条可行路径走完，配合自动验证器剪枝，把人类需要数月判断的尝试压缩到几分钟，因此擅长概念跳跃已完成、剩余工作繁重的证明。人类优势仍在搜索树深且分支多、需要直觉剪枝的问题上。