要点速览
- OpenAI 前沿模型与 Codex 工作流将接入 Google Cloud Model Garden，企业可在现有开发环境使用。
- OpenAI 披露今夏邀请 METR 与 Redwood Research 对内部监控系统进行三周嵌入式评估试点。
- Hugging Face 发布决策模型 elephant-1 与 mammoth-1，并更新 Decision Index 至 0.4。
- Hugging Face 发布 14B 模型 Carbon-X，首次将 DNA 与自然语言结合，采用 Apache 2.0 许可。
- Aravind Srinivas 与英伟达 AI 提出后训练方法 JOLT，称以更少 token 达到 GRPO 水平。
- 多起安全事件被集中讨论，涉及 PHP、GitLab、LiteLLM 等，部分细节仍待证实。
- 李开复称本周与 Walter Isaacson 对话，讨论美中 AI 路径差异及 AI 时代人际连接。
一、平台与模型发布
- OpenAI 前沿模型和 Codex 智能体工作流将接入 Google Cloud 的 Model Garden，使企业能在其现有开发环境中使用 OpenAI 技术。这是本次材料中明确披露的跨云平台接入变化，但材料未给出上线时间、覆盖模型清单或定价信息。1
- Hugging Face 发布两个决策模型 elephant-1（9B）和 mammoth-1（27B），由 baselabs 团队训练，在 Model API 上免费开放一周至 2026 年 10 月 27 日。材料称 mammoth-1 在 Jev Decision Index 排名第一，elephant-1 在 Artificial Analysis Decision Index 并列第一，并支持开源部署与后训练。1 同时，Hugging Face 将 Decision Index 更新至 0.4，评分仅由私有与内部基准构成以抑制刷榜，新增领域私有基准，已评估 224 个模型，各规模均出现新头部模型。2
- Hugging Face 发布 14B 模型 Carbon-X，材料称其首次将 DNA 与自然语言结合：在测试的 DNA 基准上超过所有开放语言模型，与 GPT-6.1 Sol 差距在 1 分内而推理成本低 1,000 倍以上。该模型用 300B token 的 DNA 与文本交错数据中训，经 SFT（无蒸馏）和 RL；混合分词器使 DNA 编码 token 数约为 BPE 的 1/3；Kimi K3 咨询 Carbon-X 后提升 11.1 分；Apache 2.0，可在笔记本用 llama.cpp 本地运行。1 2 3
- Aravind Srinivas 称与英伟达 AI 合作提出后训练方法 JOLT：同一模型兼任教师和学生，教师额外获得学生没有的信息，并接受奖励训练，同时惩罚其偏离学生行为的漂移；JOLT+ 在此基础上为学生增加基于结果的奖励。材料称在 MATH 基准上，JOLT 以少 6.5 倍的训练 token 达到与 GRPO 相当的准确率，JOLT+ 在数学、编程、终端任务和工具使用基准上明显超过 GRPO。1 2
二、安全与评估
- OpenAI 披露今夏邀请 METR 和 Redwood Research 对其内部监控系统开展为期三周的嵌入式评估试点，并向对方开放了基础设施的深度访问权限。OpenAI 称评估发现有助于其在扩展该系统时强化防护措施，也将影响未来与 METR 及其他第三方评估者的研究合作。1
- 多起安全事件被集中讨论，但部分细节属于转述且待证实。材料列举：PHP 出现两个无需登录即可远程执行代码的严重漏洞，补丁发布前细节已泄露，Censys 称约 150 万台服务器运行无修复版本；GitLab 出现 CVSS 10.0 漏洞，影响自 2014 年以来的自托管实例；LiteLLM 1.107.0 被劫持并植入凭据窃取器和远程访问木马，仅安装即受影响。材料还提到 Railway 因环境变量被入侵暂停全平台部署、TiDB Cloud 遭窃取凭据入侵约一个月、Zeabur 两个月内第二次被攻破并关停、Node.js 修复远程代码执行和 TLS 绕过。1 争议/待证实：上述事件的具体影响范围与部分数字来自转述材料，尚未在本次输入中获得独立确认。Deedy 称亲眼见到非技术人员借助某些 AI 模型利用 PHP2Shell 等 CVE，并认为全球数字基础设施面临风险。2 Ethan Mollick 则把近期一系列安全事件视为 AI 业内人士此前警告的迹象：攻击与防御正以非人类速度加速，并与需要作出反应的人类系统相互作用。3
三、行业动态与观点
- 李开复称本周与 Walter Isaacson 对话，讨论美中塑造 AI 的路径差异，以及 AI 改变工作后人际连接为何更重要；他感谢对方在节目中介绍其新书《AI Native》，该书聚焦企业转型，强调人类领导力中不可替代的品质。1
- Ethan Mollick 认为 AI 编程工具确实可能带来大幅改进，但研究反复显示产品改进的瓶颈往往不在编程环节，因此要回答“哪款普通软件因开发者大量使用 AI 而进步最大”并不容易。1 这一观点与 swyx 对 Claude Code 的判断形成对照：swyx 认为 Claude Code 正演变为可塑、通用且经过强化的 harness，类似 LLM 从专用到基础模型再回到专用的演化，可被重新用于任何领域专用 harness；其团队对 Claude Mods 做了深入评测并列出推荐尝试项。2
- Hamel Husain 与 sh_reya 将于 11 月 12 日在 LeanProdMeetup 发布新书《Evals for AI Engineers》，活动在 Mountain View 线下或通过 Zoom 参加，赞助方 raindrop_ai 为到场者提供免费签名书。1 2 被转发文章给出主观任务评测路线图：以人工评估为质量北极星，用校准后的 LLM 评审或任务专属评分标准做离线评估，再经生产监控与 A/B 测试验证；流程为离线评估→人工评估→生产 A/B 测试→全面部署，并建议用功效分析、置信区间、重采样和配对比较控制噪声，强调基准分数提高不一定代表能力提升。3
- NVIDIA 在 GTC 柏林站设展台，黄仁勋到场与欧洲开发者及合作伙伴交流，介绍 AI 在欧洲的落地情况；NVIDIA AI 同时发布“GTC Dev Community Berlin Recap: From Open Models to Physical AI”回顾内容，主题涵盖开放模型到物理 AI。1 2 3
