AI 日报 · 2026-11-03

OpenAI 是今天的主线：一边宣布下一轮安全冲刺并引入 Cathedral 等外部研究者，一边把漏洞赏金上限拉高到最高 17.2 万美元，同时公开 Pando Git 后端来支撑 Codex 带来的 monorepo 并行开发压力。LangChain 则把 Managed Deep Agents 推向公测，并给托管智能体加上浏览器能力，让智能体在 API 覆盖不到的网页操作和端到端测试中直接看渲染页面、点击和填表。垂直行业上，法律 AI 公司 Legora 披露其从 Word 起草、合同批量审阅到多智能体协调的实践，ARR 已破 1 亿美元；Heimstaden 也展示了 AI 出租流程和虚拟布置成本下降超过 99%。研究工程侧，Hugging Face 提出 Transformers 模型集成契约，用缩小版 fixture 捕获 UMT5 这类注意力缺陷；IBM 的 Palette 则用 20B 模型生成企业设计语言的幻灯片。Claude Code、Simon Willison 的 llm 0.37 等工具更新，以及用原始权重判断模型任务、从飞机声推断拍摄位置的实验，构成了今天分散但有趣的长尾。

北美一手（LLMs 官方 & 关联账号）

Anthropic

⭐⭐ [产品更新] 2.1.317

Claude Code 发布 2.1.317 版本更新。新增多项提示与确认：当 /schedule 创建的云定时任务获得未申请的连接器时给出警告及移除方法；web 或 shell 工具调用将账号邮箱发往网络前会先询问；Agent SDK 的 hook 回调新增 onFailure: "block"，回调失败时阻止该操作执行；Claude Desktop 的 Code 标签页在组织的远程托管设置加载前后分别给出提示；auto 模式的检查对子代理工具调用无结论时也会提示。新增 anthropic.plan、anthropic.seat_type、anthropic.provider、anthropic.custom_base_url 到 OTel 的指标、事件与 span。Claude apps 网关管理 API 新增成本报告 GET /v1/organizations/analytics/cost，可按日期范围读取总支出、按开发者、按天或按 IdP 分组，并新增开发者 IdP 分组按 admin.identity_retention_days 保留的每日记录；另新增环境变量 CLAUDE_CODE_DISABLE_NESTED_SESSION_ID。变更部分包括：SendMessage 使发给运行中后台代理的消息更早到达（其运行中的命令转入后台而不被停止）；不同模型的子代理改用该模型保存的 effort 级别；移除 Read 工具「文件自上次读取未变更」的占位返回，重读未变更文件会返回内容。此外列出 8 项改进与 62 项 bug 修复。

OpenAI

⭐⭐⭐ [其他] Preparing our next security sprint to harden OpenAI

OpenAI 宣布筹备下一轮内部安全冲刺（security sprint），将引入新的研究人员与安全合作方，与自家团队一起用其模型测试并加固系统；首个外部合作伙伴为安全公司 Cathedral，其研究人员将用 OpenAI 的模型与 OpenAI 团队共同挑战自身防御。OpenAI 同时改进安全漏洞赏金计划，将关键发现的奖励提高至原来的四倍以上。上一轮冲刺中，公司投入 25% 的产品工程师寻找并修复系统弱点，工程师使用 Codex 调查发现、在隔离环境中复现漏洞并准备补丁供审核。OpenAI 表示已承诺在六个月内提供 10 亿美元的补贴额度，供保护关键服务与数字基础设施的一线防御者使用，并向 Daybreak 客户提供其最强模型；此外将公开上一轮冲刺的架构与经验，以及面向行业与政府的网络防御蓝图。

⭐⭐ [其他] Heimstaden is changing residential real estate management with AI

欧洲住宅房地产运营商 Heimstaden 于 2025 年 6 月决定加速 AI 投入，在评估多个平台后选择 OpenAI，目标一是赋能员工，二是重构核心业务流程。在出租流程中，AI 现在支持定价建议（基于 ChatGPT Sites 中构建的工具）、房源图片风格化与房源描述撰写、由 agent 依据 Heimstaden 质量标准审核所有在架广告，以及生成市场反馈供出租团队修正决策，员工仍负责审核与批准。在荷兰市场，虚拟布置房源图片的单张制作成本从约 50 欧元降至不足 0.10 欧元，降幅超过 99%，该公司估计仅该市场每年可节省约 13 万欧元。文中还给出 Heimstaden 用 Codex 分析了 20,112 项房产资产、员工采用率在 2-3 个月内达到 50%，其 AI 战略分为三部分：通过培训和工具赋能员工、设立中央转型办公室与 AI 冠军网络推动大型项目、让物业管理系统与数据模型为 AI 做好准备。

⭐⭐ [其他] Rewarding defenders with bigger bug bounties

OpenAI 宣布提高其安全漏洞赏金（Security Bug Bounty）计划的奖励金额，以鼓励独立安全研究者报告其内部测试可能遗漏的漏洞。中危、高危和严重漏洞的奖励区间中位数平均提高逾三倍；ChatGPT、Codex、API 平台等核心产品中的严重漏洞最高可获 3 万美元，特别突出的严重问题最高 10 万美元，叠加奖金后最高 17.2 万美元。同时新增三项奖励机制：高质量报告可在基础赏金上获得倍数加成（需提供可复现的概念验证），推出五档忠诚度奖励计划，以及针对新上线功能的短期优先活动奖金池。OpenAI 还表示，已提交但尚未发奖的报告将按新标准计算，公告前 30 天内已发放的赏金若在新标准下更高将补足差额；11 月 20 至 21 日其安全团队将参加奥克兰的 PROMPT2PWN 活动。

⭐⭐ [产品更新] Scaling Git at OpenAI

OpenAI 工程团队为其 monorepo 构建了新的 Git 后端 Pando。原因是 Codex 带来的并行开发使分支、推送、合并、拉取和克隆的需求大幅增长，原有系统开始吃紧，出现拉取与推送变慢、合并失败，可靠性一度低于 90%。Pando 有两个设计目标：写入可水平扩展，即按分支独立协调更新、无关分支的更新可并行；以及最大化读取吞吐，即跨请求复用 packfile、把同一份字节提供给多个客户端；代价是同时查看多个分支的读者可能看到不同时间点的状态。Pando 保持与 Git 协议和客户端兼容，工程师与 agent 可以直接沿用现有工作流。在生产环境中，Pando 把中位推送延迟降低近 5 倍，目前每天传输近 1 PB 的 Git 数据；团队表示将继续向上游 Git 贡献改进。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐⭐ [产品更新] Browser Use in Managed Deep Agents

LangChain 为托管版 Deep Agents 增加了浏览器能力：LangSmith 负责运行浏览器运行时，并提供针对上下文效率调优的浏览器工具，使智能体可以像人一样读取页面渲染结果、点击、滚动和填写表单；文章指出 curl 只能拿到 JavaScript 渲染前的 HTML，也无法点击。文中给出两类典型场景：一类是 API 覆盖不到的操作（如订机票、订餐厅），有 API 时应优先用 API；另一类是端到端测试，比如编码智能体在沙箱里启动应用、在浏览器里点完注册表单，LangChain 自家的 Open SWE 就采用这种做法。接入方式是在项目根目录的 browser.py 中导出 browser，用 define_browser 配置：scope=thread（默认）让每个会话拥有独立浏览器窗口、不残留其他会话的 cookie 与登录态，scope=user 则在同一登录用户的多条会话间共享浏览器状态但各自独立窗口；浏览器在 idle_ttl_seconds 无活动后停止，默认 10 分钟。遇到登录页时智能体调用 browser_handoff 并附上原因，用户在 LangSmith Studio 的交互卡片里自行登录后点击交还，凭据可跨会话保留，从而不必把密码交给智能体。用开源 Deep Agents 构建的智能体同样可以使用浏览器，关于测试与调优的细节将在下周的深度文章中介绍。

⭐⭐ [产品更新] Transformers Model Integration Contracts

Hugging Face 博文介绍了「Transformers Model Integration Contracts」（transformers-mic）这一拟议标准。起因是 2026 年 7 月 30 日 Transformers 为 T5 启用 PyTorch 的 SDPA 注意力后，UMT5 的解码器可以关注到未来 token，这个缺陷在 main 分支上存在了近两个月才被修复；而一个跑在 CPU 上的小型 UMT5 模型在回放这些提交时，每一次都报出了该问题。由于 Transformers 支持 750 多种模型，main 上有 8.8 万多个 CPU 测试，每日运行还有 20 万多个 GPU 测试，若每个 PR 都跑完整集成测试并不现实，团队因此把模型缩小成 fixture 来跑「快速集成测试」：该 fixture 用真实 checkpoint 的配置构造，层数更少、更窄，但保留每一类层，tokenizer 与 processor 文件不变，只需发布一次即可复用；UMT5 fixture 的权重为 66 MB，而源 checkpoint 为 1,227 MB。MIC 由三部分组成：fixture、可运行的 Markdown 用法示例（usage path）和经人工审阅的基线输出（baselines）；只要在 fixture 上运行该用法示例仍能产出基线结果，契约即成立。契约对应的是一个架构和一条用法路径，而不是单个 checkpoint。这些契约发布在 huggingface-mic 中，例如 SmolLM 契约会从「The capital of France is」等提示生成文本并与记录的 token ID 比对，同时比较训练 loss、检查梯度是否有限、确认优化器更新后权重发生变化。Hub 上的 fleet 数据集把每个 MIC 固定到某个冻结版本及记录基线时所用的包版本，CI 每次运行都会记录所用的 fleet 版本；PR 中会根据改动文件挑选对应的 MIC。团队用冻结的 MIC 回放了五个月的 Transformers 提交，小型 UMT5 fixture 从 2026 年 7 月 30 日引入缺陷起一直标记到 9 月 28 日修复，其 log-probabilities 与审阅过的基线相差 1.22。

⭐⭐ [产品更新] Managed Deep Agents: the fastest way to ship a production deep agent

LangChain 宣布 Managed Deep Agents 在 LangSmith Cloud 上进入公开测试（此前于 2026 年 5 月 13 日开放私有测试）。该产品把开源的 Deep Agents 运行框架托管在 LangSmith 上：开发者只需编写 agent 的指令、工具并选择模型，由 LangSmith 负责运行生产环境，无需自建服务器或拼接基础设施。一个 agent 就是一个 Python 项目文件夹，必填文件是 agent.py（用 define_deep_agent 定义），系统提示放在 instructions.md，skills/ 下存放按需加载的操作手册，tools/ 下是普通 Python 函数，tools/mcp.py 可接入远程 MCP 服务器。流程上用 mda init 创建项目、mda dev 在本地启动 Agent Server 并在 LangSmith Studio 中调试、mda deploy 一键部署。持久记忆、沙箱、定时调度等生产能力的实现方式是往项目里加文件（如 memory.py、schedules/ 下的 cron 文件），不需要自己搭建和运维这些服务；部署运行在 LangSmith Agent Server 上，提供可跨重启的线程与流式运行。LangChain 称 GTM Agent、Open SWE 和 Content Studio 都跑在这套方案上，Content Studio 迁移后代码量减少约 80%。

⭐⭐ [产品更新] llm 0.37

Simon Willison 发布 LLM CLI 工具与 Python 库的 0.37 版本，包含约两个月累积的功能与修复。新增对 gpt-6.1-sol 和 gpt-6.1-terra 两个模型的支持，并加入「llm openai endpoint add」命令，用于更方便地配置使用 OpenAI 兼容端点的其他模型。未自行设置默认模型的用户，默认模型改为 gpt-6-luna，价格是此前默认模型 gpt-5.6-luna 的一半。嵌入（embeddings）功能现在允许不同二进制内容携带不同的 content-type，这是为 Gemini Embedding 2 这类可嵌入文本、音频、图像和视频的模型所需。该版本包含来自 12 位贡献者的修复，作者称几乎都是 AI 辅助完成；他表示 AI 辅助的 PR 对他并非负担，而是把它们当作附带示例的 bug 报告来处理。

研究

⭐⭐ [研究] Palette: teaching a small model to build decks in your design language

IBM Research 的 Palette 项目将一个 20B 开源权重模型通过 LoRA 微调，用于按照企业自身的设计语言生成幻灯片，训练数据为遵循 IBM Design Language 的合成数据。方法把任务拆成两个角色：设计师输出结构化 JSON 简报，包含调色板、字体系统，以及每页的布局、内容和简短设计理由；编码器再根据单页规格编写带推理的 pptxgenjs JavaScript 来绘制页面。由于每页上下文在写代码前已固定，编码调用可以并行，编码阶段约快 6–7 倍。作者称在 PresentBench 的三个评测领域中，该模型在其中两个领域排名第一。文章还提到小模型在布局几何、同时做编辑判断与精确摆放、以及缺少幻灯片制作过程数据方面的困难，并因编码示例长度约为设计示例的 5 倍而对设计示例做了 5 倍过采样。

⭐⭐ [研究] Qwen 3.8 27B on my laptop can interpret model weights, too

Simon Willison 介绍了他昨天读到的一篇论文《Sparks of Weight-Space Programming》（作者 Rikiya Takehi、Jayden Teoh、Alex Zhang、Omar Khattab）：论文称前沿模型（尤其是 GPT-6 Astra）仅凭查看浮点数形式的原始权重，就能判断一个网络被训练来做什么，并在不写训练循环、不用梯度的情况下修改权重——论文举例说 Astra 定位并修复了 Qwen3.5-0.8B 中导致推理循环的权重问题，只改动 0.016% 的权重，就把 MATH-500 从 7.9% 提到 48.1%，IFEval 提升 3 倍，还能从零写出小游戏网络，胜过用 PPO 训练一亿步的网络。Willison 认为论文把两件事混在一起：模型在没有工具时对原始权重能做什么，以及模型借助代码去更新其他模型；他提到 spaCy 作者 Matthew Honnibal 批评论文混淆二者、有误导性，Sean Goedecke 则拆解了 Qwen3.5-0.8B 那个案例，认为其步骤与人类 ML 研究者相同。他自己聚焦「无工具」问题：论文训练了四个网络玩 10x10 网格版的 Breakout、Pong、Pac-Man 和 Freeway，把权重作为浮点数连同「这是哪个游戏」的问题一起输入模型；对应 GitHub 仓库 RikiyaT/lm_understand-logs 的 exp1_which_game 目录存放了四个 prompt，除权重外内容完全相同。他展示了用 llm 工具的 -f 参数直接读取这些 prompt URL 并指定模型运行的方法，并表示在自己笔记本上运行的 Qwen 3.8 27B 也能完成这一任务。

观点

⭐⭐⭐ [观点] Building AI for Lawyers - Jacob Lauritzen, CTO of Legora

这是 Latent Space 对法律 AI 公司 Legora 首席技术官 Jacob Lauritzen 的访谈，背景是该公司不久前以 88 亿美元估值完成 5.5 亿美元 E 轮融资。Legora 起步于斯德哥尔摩，最初的产品就是 ChatGPT、瑞典法律和搜索工具的组合；如今其智能体可以起草和编辑 Word 文档、一次性审阅数千份合同，并在律师、客户和其他智能体之间协调工作。公司 4 月 ARR 突破 1 亿美元，距上线不到 18 个月，目前客户超过 1800 家；3 月以 55.5 亿美元估值融资 5.5 亿美元，10 月又以 88 亿美元估值融资 5.5 亿美元，年内第五次收购为 Wexler。Jacob 谈到，由于客户上传内容几乎都属于律所客户而非律所本身的机密材料，评测团队无法读取真实调用轨迹，只能由 3 名工程师加 3 名律师搭建强化学习环境来模拟客户工作，例如在 1 万份文件的数据室中做尽职调查并产出能命中关键风险信号的报告，再按业务领域和任务绘制热力图；生产环境则把失败归入 10 到 20 种已知失败模式，用低成本的 LLM 检查加功能开关兜底。他还表示模型目前已能较好处理约 60% 的法律工作，这部分现在主要是成本与延迟问题，跨百万 token 合同的复杂分析与编辑仍需更强智能，Legora 已开始针对法律检索等狭窄任务对开放权重模型做后训练；基础设施全部跑在 Azure 上，因为早期律所不接受 AWS 或 GCP。

⭐⭐ [观点] New context engineering challenges in late 2026

LangChain 的 Harrison Chase 在文中指出，Agent 架构正趋同于「LLM 在循环中调用工具并在沙箱中运行」，一些工程师因此认为难题已解决。他认为已有的上下文工程做法已较标准，包括长对话摘要、工具结果卸载、用 Skills 渐进披露、工具搜索、用子 Agent 做上下文隔离以及把 Bash 作为主要工具。随着主动式、常驻、目标导向的 Agent 出现，他提出四类新挑战：主动推送但不能打扰用户；记忆系统要决定记住什么；异步工具和子 Agent 完成后如何通知主 Agent，以及处理主 Agent 运行中、已完成或等待人工批准等状态；把目标拆成步骤、做实验、获取反馈并持续迭代。文中提到 Hone 作为目标导向 Agent 的例子，并称业界对这些挑战尚无通用解决方案。

其他

⭐⭐ [其他] I discovered a sound that leaks your exact location (and it's everywhere) - YouTube

Simon Willison 在链博客中推荐了 Colsto 的一段 YouTube 视频，介绍一种 OSINT（公开来源情报）做法：从视频音轨中提取几乎听不出来的飞机背景噪声，计算出这些声音的多普勒曲线，再与 ADS-B 航班数据交叉比对，根据飞机速度、距离以及不同航班之间的间隔，推断出视频拍摄的精确位置。Willison 称这是一次出色的 OSINT 操作。该帖为链接转发，未涉及 AI 模型或产品。