AI 大事件 | 2026年10月26日

导读： 10 月 25 日的 AI 新闻有一个共同主题：分数要看怎么测出来的。ARC Prize 公布的对照显示，同一款 GPT-6 Astra 换个评测支架就能从 62.7% 变到 99.9%；Cerebras 用 59 片晶圆给 3 万亿参数模型算了一笔部署账，但那是配方而非实测成绩；英伟达 Flora 号称把机器人视频标注成本压到 1/125，用的也是模型化租金而非生产账单。与此同时，宾州给会误导人的 AI 广告立了标签法，路透社则把 Kimi 开源前的自我审查与中国拟议的 AI 出口管制放在了同一条新闻线里——今天的 7 条新闻，条条都在提醒：读 AI 新闻，先读脚注。

1. ARC Prize 对照实验：同一款 GPT-6 Astra，标准支架 62.7%、厂商适配器 99.9%——差的不是模型，是“支架”

10 月 25 日前后，多家 AI 日报集中讨论了 ARC Prize 公布的一组对照数字：OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 基准上，用 ARC Prize 的标准（厂商中立）支架跑出 62.7%（最高推理档，单次运行成本约 26,098 美元）；换成 OpenAI 自家的 Provider Adapter 支架，同一模型在高推理档跑出 99.9%。两个数字都来自 ARC Prize 的公开榜单数据，并非一方凭空捏造——分歧在于这算不算同一个测试。

关键差异在请求之间保留了什么：标准支架下，每次请求基本冷启动，模型只能靠自己选择保留的笔记往下走；厂商适配器则保留不透明的推理状态、并对长对话做压缩，等于让模型带着上文接着做。在两个支架都解出的 167 对任务里，适配器快约 3.66 倍、少用约 49% 的 token——效率提升是真的，但 ARC Prize 的立场是：模型加支架的成绩不能当成模型本身的成绩拿去排座次。

摘要： ARC Prize 公开对照：GPT-6 Astra 在 ARC-AGI-3 上标准支架 62.7%、厂商适配器支架 99.9%，差距来自推理状态保留与对话压缩；适配器在共同解出的任务上快 3.66 倍、省约一半 token。

为什么重要： 这是今年最值得从业者记住的一课：基准分数从来不是模型一个人的成绩，而是模型加支架加成本档位三件套。62.7% 仍是标准支架下的最高纪录，说明 Astra 的能力跃升是真实的；但 99.9% 这个标题数字不能用来论证 AGI 已至——ARC Prize 自己也明确表示，跑满基准不等于证明通用智能。此后引用任何基准分数，都请同时报出支架与推理档位，否则就是在传播半个真相。

来源： ARC Prize 公开榜单数据经 BenchLM 转录（ARC-AGI-3，GPT-6 Astra Max 62.7%） · Startup Fortune：ARC Prize 驳回 OpenAI 的 99.9% 说法（10 月 25 日前后） · Paktechstan：ARC Prize 独立重测 Astra 为 62.7% · Metirai：ARC-AGI 详解，含双支架成本对照（注：99.9% 与 62.7% 的档位、成本口径以 ARC Prize 公开数据为准，两家转述在高档位数字的小数位上略有出入，不影响 37 分差距的结论）

2. Cerebras 的 59 片晶圆账：3 万亿参数的 Kimi K3 怎么住进晶圆——配方很漂亮，但还没实测

Cerebras 10 月 22 日的技术文章在 10 月 25 日冲上 Hacker News（333 分、118 条评论），因为它把一个抽象问题算成了具体数字：一个 3 万亿参数的模型，到底要多少片晶圆才装得下？答案是 59 片 WSE-3T 晶圆。算法是这样的：每片晶圆有 44GB 片上 SRAM；模型按 4-bit 量化后，93 层每层约 16GB；69 个线性注意力层（每层状态小且固定）两层合住一片，用 35 片；24 个全注意力层（要给 KV 缓存留空间）每层独占一片，用 24 片；35 加 24 等于 59。层与层之间只传激活值，经 RDMA 以太网每跳约 2 微秒，公司宣称这类多万亿参数模型可达 1000–2000加 token/秒。

但必须把配方和成绩分开：Cerebras 自己把 Kimi K3 称为示例模型，多家复核指出，该文没有给出这套布局的实测基准、功耗或并发请求数，也没有以每兆瓦 token 数这一公司自己认可的诚实指标来兑现速度宣称。有 Hacker News 评论者按公开参数估算整机功耗约 1.18 兆瓦——这个数字未经 Cerebras 证实，仅供理解量级。

摘要： Cerebras 技术文章（10 月 22 日，10 月 25 日 HN 热议）：以 Kimi K3（约 3T 参数、93 层）为例，4-bit 量化下 59 片 WSE-3T 晶圆可装下整模型（线性层 35 片加全注意力层 24 片），只传激活值，宣称 1000–2000加 token/秒；但该布局未公布实测成绩。

为什么重要： 前沿推理正在从模型多大转向权重动不动：把整层钉在片上 SRAM 里、只让激活值流动，是晶圆级计算最核心的工程思想，这套算账方法对任何想部署超大开源权重的人都有参考价值。但同样重要的是读法：厂商的可达速度在没有实测、功耗与并发条件之前，只能当作部署路线的上限估计，不能当成采购依据——这正是今天第 1 条的姊妹教训。

来源： Cerebras 官方博客：How Cerebras deploys trillion-parameter frontier models（10 月 22 日） · Daily Inference：59 片晶圆说法的复核（10 月 25 日，指出未有实测） · ai0.news：2026 年 10 月 25 日日报（HN 热度与功耗估算的讨论）

3. 社区项目 GVS5H：五个 Qwen3.8-27B“穿 trenchcoat”，在难题编码榜上追平 Claude Fable 5——但对照并不公平

10 月 25 日日报里最“极客”的一个项目叫 GVS5H：它不训练新模型，而是用共享文件系统（plan.md、tasks.json，外加一个验证者角色）把五个 Qwen3.8-27B 实例编排成一个小组，在 LiveCodeBench 的难题（hard）子集上拿到 92.4% pass@1，基本追平 Claude Fable 5 的 90.4%。对只有本地硬件的开发者来说，这个故事的吸引力不在分数本身，而在成本叙事：用自己已有的机器、跑开源小模型，通过分工与校验“拼”出前沿表现。

但这条新闻必须连同批评一起读：LiveCodeBench 是为单次评测设计的基准，给模型套上“写计划—执行—验证”的 Agent 循环再去比，本身就不是同场竞技；该基准又是 2025 年的老基准，在高分段已趋饱和；而且目前没有这套编排与 Astra、Sol、Opus 5.5 的对照数字。换句话说，GVS5H 证明的是“编排能把小模型推高”，而不是“五个 27B 就等于一个前沿模型”。

摘要： 社区项目 GVS5H（10 月 25 日日报报道）：五个 Qwen3.8-27B 经共享文件系统与验证者角色编排，在 LiveCodeBench 难题集上 92.4% pass@1，约等于 Claude Fable 5 的 90.4%；但对照方法不对等，尚无与更新前沿模型的对比。

为什么重要： 这是“小模型 + 好编排”路线最直观的注脚：当权重开源、推理框架成熟，工程组织方式本身就成了能力的一部分——对预算有限的团队，搭验证循环、写好任务分解，可能比追逐更大模型更划算。但选型时要警惕“ trenchcoat 式对标”：任何用 Agent 循环跑出的基准分，都必须注明循环结构，否则就是拿接力赛成绩去比百米。

来源： ai0.news：2026 年 10 月 25 日日报（GVS5H 与方法批评同条报道）（注：本条仅见于单家日报转述，项目原始仓库与完整评测细节未在该报道中附出，引用时请以“社区项目报道”口径理解）

4. 英伟达 Flora：机器人视频标注成本号称压到 1/125——但 72 美分是“租金数学”，不是生产账单

英伟达 GEAR 实验室的 Flora 套件在 10 月 20 日论文发布后，于 10 月 25 日前后迎来第二波报道。它是三款模型：Flora-TempSeg（9B，基于 Qwen3.5-9B 的适配器）把视频切成动作时段；Flora-Captioner（27B，基于 Qwen3.5-27B）给每个时段写一句动作指令；Flora-Rewarder（27B）给整段表现打分、按半秒步长标记正常/次优/失败，还能按用户自写标准评分。英伟达称这套就是训练 GR00T 人形机器人模型的内部数据引擎，每天在 512 块 GB300 上标注 20 万小时视频。

价格对比是传播最广的一句：标注一小时视频，Flora 约 0.72 美元，GPT-6 Astra 约 88.49 美元，相差约 125 倍；50 段视频的内部评测里，Flora 标注质量 57.1%，Astra 53.7%。但复核者指出了三处脚注：第一，0.72 美元是按每 GPU 小时 10 美元租金做的模型化估算，不是生产实测账单，且只覆盖“描述”环节、不含奖励模型；第二，质量评测基本是英伟达自己做的，Flora 在人类视频、动作边界上占优，Astra 在机器人视频、描述准确度与标准评分上仍领先；第三，权重只限非商业研究使用，商用与生产部署不在许可内。

摘要： 英伟达 Flora（三模型：TempSeg 9B、Captioner 27B、Rewarder 27B，均基于 Qwen3.5，Hugging Face 上架）：英伟达称标注一小时视频约 0.72 美元（模型化估算），约为 GPT-6 Astra 的 1/125，内部 50 段评测质量 57.1% 对 53.7%；许可仅限非商业研究。

为什么重要： 具身智能的瓶颈早已不是模型结构，而是“机器人看过什么、看懂了什么”——标注 20 万小时/天的数据引擎，决定了 GR00T 能学多快。Flora 的真正价值不在 125 倍这个标题数字，而在它把“切段—描述—评分”三件套做成可下载的权重：任何机器人团队都能先在自己的视频上跑一遍，再决定信不信这个倍数。对国内做具身数据的团队，提醒只有一句：先看许可——非商业条款意味着它目前是研究工具，不是生产零件。

来源： The Decoder：英伟达开源 Flora，标注成本约为 Astra 的 1/125（10 月 25 日前后） · Tesla News Wire：Flora 三模型与 GR00T 数据引擎（10 月 20 日） · Strong Mocha：Flora 成本与许可的复核（指出成本为模型化估算）（注：成本与质量数字均为英伟达口径，未经独立验证）

5. 宾州 AI 广告标签法 12 月 21 日生效：广告里“假得像真的”那部分，必须明说自己是 AI 做的

宾夕法尼亚州州长 Josh Shapiro 于 10 月 22 日签署《人工智能欺骗性广告法》（参议院 806 号法案，现为 2026 年第 99 号法案），10 月 25 日前后进入各家 AI 日报的法规栏目。法律 60 天后生效，即 12 月 21 日。它的触发条件不是“用了 AI”本身，而是广告商在“明知、鲁莽或故意”的情况下，用合成内容制造了关于商品或服务性质、来源或真实性的错误认知——这时广告必须附上清晰醒目的披露，说明其中含有 AI 修改或生成的内容；披露要在合成内容首次出现时、以相同媒介呈现，并在技术可行的情况下做到永久或极难移除。

豁免与罚则同样值得记：明显虚构、戏仿、讽刺、评论或批评的内容不在此列，纯文本内容也被多家法案解读排除在外；执法由州检察长或地方检察官负责，单案民事罚款上限 3000 美元，另加律师费与诉讼费。罚款数字不大，但合规含义不小：跨州投放的广告商很难只给宾州单独做一套素材，实际效果可能是全国素材统一加标签。

摘要： 宾州《人工智能欺骗性广告法》（SB 806 / Act 99 of 2026）10 月 22 日签署、12 月 21 日生效：当 AI 合成内容会造成对商品真实性的错误认知时，广告必须清晰披露；单案罚款上限 3000 美元；明显虚构、戏仿与纯文本内容获豁免。

为什么重要： 这是美国第一个成文的、专门针对“AI 广告真实性”的州法样本：它没有禁 AI 广告，而是把“是否误导”作为分界线——合成代言人、合成产品图、合成配音只要会让人信以为真，就得亮明身份。对出海做跨境电商与内容营销的团队，这条线的意义是模板级的：从现在起，素材库应当登记“哪些资产是 AI 生成的”，因为 12 月 21 日之后再补登记，成本远高于现在建表。

来源： Let's Data Science：宾州通过 AI 误导性广告披露法（法案号与生效日） · SiliconNoon：宾州 AI 广告标签法 12 月 21 日生效、罚款上限 3000 美元 · FourWeekMBA：SB 806 条款表（触发、豁免、执法、罚则） · Precise Impact：2026 年 10 月 25 日 AI 日报（法规栏目）（注：本文非法律建议，具体合规请以法案原文为准）

6. Kimi 后续：路透社跟进月之暗面的“开源前自我审查”，中国拟议 AI 出口管制进入同一叙事

本报 10 月 24 日头条 Kimi K3.1 Pro 的故事，在 10 月 24–25 日有了路透社的跟进版本：月之暗面在介绍 Kimi K3.1 Pro（自述为迄今最强的 3 万亿参数级开放权重模型）时确认，已从训练语料与强化学习环境中移除了网络攻防相关数据，目标是“不发布会扩展网络攻击绝对前沿的开放权重”，完整权重仍定于 11 月 4 日前发布。路透社同时把另一条线并置报道：中国上周拟议的出口管制草案，拟禁止出口 AI 驱动的恶意软件生成与变异技术，并限制 AI 辅助漏洞发现工具，草案仍在征求意见阶段，理由是相关能力可能被用于关键基础设施、国防工业与核心政府系统。

摘要： 路透社 10 月 24 日跟进：月之暗面确认 Kimi K3.1 Pro 开源前已移除网络攻防训练数据，权重仍定 11 月 4 日前发布；同期中国拟议出口管制草案，拟禁 AI 恶意软件生成技术出口、限制 AI 辅助漏洞发现工具。

为什么重要： 这是 10 月 24 日头条的“第二章”，也是理解开源权重时代安全辩论的关键一幕：同一周里，一家中国 lab 主动给模型“降级”再开源，一个国家的监管草案则试图给相关技术出口“上锁”——企业自律与国家管制正在同一问题上相向而行。对开源社区：Kimi 的做法若成惯例，意味着“开放权重”不再等于“原样开放”，发布前的能力审查会成为新的默认环节；对安全从业者：通用编程与长周期调试能力的迁移效应仍在，审查的边界远未划定。

来源： 路透社经 Telegraph India 转载：月之暗面削减新 Kimi 模型的网络攻击能力（10 月 24 日） · Tribune（路透社稿）：同题报道（10 月 24 日）（注：本条为 10 月 24 日头条的跟进报道，非新模型发布；出口管制为拟议草案，尚未生效）

7. Block 的 Dessa：只听人话、不读文字的语音模型——演示很像人，但证据目前只有演示

Jack Dorsey 的 Block 于 10 月 23 日发布语音模型 Dessa，10 月 24–25 日经 TechCrunch、Indian Express 等报道进入公众视野。它最大的不同不是音色，而是训练方式：Block 称 Dessa 从零开始、只用人类的真实对话音频训练，没有文本、没有预训练模型；它是“全双工”语音到语音模型——边听边说，可以打断、附和（“嗯”“对”）、听出讽刺与笑声，而不需要先把语音转成文字再推理。Block 称它在单个英伟达 GB200 NVL72 机架上训练完成，推理快于实时、可在 MacBook Pro M4 Max 或更高配置的笔记本上本地运行。

但这条新闻的证据等级必须说清楚：目前只有 Block 自己的演示录音（包括一段与 OpenAI GPT-Live-1 的对话），没有公布参数量、基准成绩、API、定价或权重；公开渠道是候补名单，早期访问只给一小群 AI 安全研究者。The Verge 的试听评价是“大多自然、偶尔别扭”，有一次模型把说话者错认成另一个人。换句话说，Dessa 提出了一个很有吸引力的假说——“语言可以只从听中学，不必经过文字”——但这个假说目前还没有可复现的证据。

摘要： Block 10 月 23 日发布 Dessa：全双工语音到语音模型，宣称只用人类对话音频从零训练、无文本无预训练模型、可在 M4 Max 笔记本本地运行；目前仅候补名单与演示录音，无参数、基准、API 或权重公开。

为什么重要： 如果“纯语音训练”这条路走得通，语音助手的研发范式会变：不再依赖文本语料的规模，而是依赖对话音频的质量与结构——这对低资源语言、口语交互场景可能是个新起点。但在那之前，它更像一个研究预告而非产品发布：对语音赛道的从业者，值得跟进的是 Block 何时开放可验证的评测，而不是演示里那几声笑与停顿。

来源： TechCrunch：Block 的新语音模型听起来惊人地像人（10 月 24 日） · Indian Express：Jack Dorsey 的 Block 推出 Dessa（10 月 25 日前后） · Unite.AI：Block 发布全双工语音模型 Dessa（10 月 23 日）（注：模型能力描述均为 Block 官方口径，尚未经独立验证）

结语： 今天的 7 条新闻其实只讲了一件事：AI 行业正在学会给自己的数字加脚注——支架、配方、租金模型、触发条件、许可范围，都是脚注。62.7% 与 99.9% 可以同时为真，59 片晶圆可以既是好配方又不是好成绩，72 美分可以既是真估算又不是真账单。下一回再看到一个惊人的 AI 数字，先问三个问题：用什么测的？按什么算的？在什么条件下才成立？答不上来，就先别转发。