AI 日报 | 10-20：MiniMax 上新 M3.1 Flash，比前代省七成
今天最硬的一条换了打法：MiniMax 没有单刷分数，而是把「分数 + 每任务成本」两条轴一起摆出来。
另一条是同一种能力落到坏事上的样子——一个黑客用开源智能体平台，打进了上百家网站。
图 1：MiniMax 官方基准总表（含与 DeepSeek-V4.1-Flash-1017、Kimi-K3、GLM-5.3 等的对照，表下逐项列出 harness 脚注）。来源：MiniMax 官方博客《MiniMax M3.1 Flash: Redefining Agent Performance and Cost》（2026-10-19）
头条深读 | MiniMax 发 M3.1 Flash：快近三倍、用量成本降 70%，$0.15 起
MiniMax 正式发布 M3.1 Flash。官方给的三组数字是：在线推理快近三倍、使用成本降低 70%、定价 $0.15 输入／$0.60 输出／$0.015 缓存输入（每 1M token，flat 计费）。日常输出速度官方称可达 200+ TPS、中位稳定在 170+ TPS，靠的是更激进的稀疏化。
先把一个口径拆开：降 70% 是相对其前代（指智能体任务的整体用量成本，不是比所有模型便宜 70%）。这两个数字常被揉成一句「便宜 70%」，读的时候要小心。
能力侧，官方读数里最有分量的是几项：DeepSWE v1.1 得 73.7%、CyberGym 82.2%、OSWorld 2.0 得 61.7、Agents’ Last Exam 29.6%，并称 OSWorld V2 与 Agents’ Last Exam 两项在中国模型中排名第一。分数要连着 harness 一起读（官方脚注逐项列出：DeepSWE v1.1 用 mini-SWE-agent 2.4.5、Terminal-Bench 4.0 用 Codex 0.149.1、CyberGym 用 Claude Code 2.1.263、NL2Repo-Bench 用 Claude Code 2.1.233）——不在同一框架下比较就没有可比性，这是这份总表最容易读歪的地方。
图 2：Automation-Bench 分数与每任务成本（图注写明 DeepSeek-v4.1-Flash-1017 用 peak rates）。来源：MiniMax 官方博客（2026-10-19）
成本被官方做成了第二条轴：三张散点图分别画 Automation-Bench、DeepSWE v1.1 与 Agents’ Last Exam 的分数—成本关系。以 Agents’ Last Exam 为例，max 档通过率 29.6%、估算总成本 111 美元——同一条水平线上，差的是钱。三张散点图的脚注还写明，各模型取各自最佳的 harness 与 effort——横向比分数只适合看趋势，不适合当作「谁强多少」的证据。
图 3：DeepSWE v1.1 分数与每任务成本（可对照 DeepSeek V4.1 Flash-1017 在该图中的位置）。来源：MiniMax 官方博客（2026-10-19）
图 4：Agents’ Last Exam 通过率与估算总成本（公开模型数据截至 2026-10-18、来自 agents-last-exam.org、ALE-V1 Overall、152 个任务；MiniMax M3.1 Flash 用 Claude Code、max effort）。来源：MiniMax 官方博客（2026-10-19）
一个背景值得记：匿名运营期处理超 200 万亿 token 的 Space Bunny，就是它的早期版本——「先匿名上量、再认领」已是这行的常见做法。权重方面官方只表示「稍后发布」、没给日期；第三方 Artificial Analysis 给它智能指数 45，与 GLM-5.3 并列开源权重模型第二。
积木点评： 这条真正的信息是「同代里把成本打下来」。当分数被 harness 与评测条件拉平时，谁能压住每任务成本，谁就能拿下智能体这类长任务的流量——官方自己也在用成本轴说话。
重点速递
一个黑客用 AI 智能体打进了上百家网站，受害名单里有三家知名企业
据 AI 安全公司 Norforge 与 Reuters，一名黑客用开源 AI 平台 Cairn 编排的智能体入侵了超过 100 家网站，这些智能体「基本自行行动」；Norforge 另发现 20 多个「很可能恶意」的暴露 Cairn 实例，该攻击者是其中最活跃的一个。目标位于美国、加拿大、澳大利亚与日本。
两个细节最值得注意：攻击者用不到 100 个汉字写下「偏好入侵战术」，成功入侵约需 23 小时。「人用 AI 编排」不是「AI 自主发起攻击」——人的角色退到写战术偏好，执行交给智能体，这是本条最容易被写歪的地方。
受害者名单据 Reuters：包括 John Deere、SharkNinja 与 Cummins（Norforge 的报告未列企业名）。三家都作了回应：Cummins 称正调查「第三方供应商运营的一个网站遭潜在网络攻击」的报告；John Deere 称没有迹象表明敏感信息被访问；SharkNinja 称被入侵的是存放产品支持信息的独立站点、已控制威胁。Cairn 作者则称该平台从来不是黑客工具。
图 5：AI 智能体入侵案的报道配图（编辑插画，非数据图）。来源：The Verge（2026-10-19）
一句话看懂：攻击门槛已经低到「写不到 100 个字的战术偏好 + 等 23 小时」。
Disney 买走 Character.AI 的团队与技术，把诉讼留在了原地
据法院文件（经 Ars Technica 转载 WIRED），这笔交易其实是两笔相互关联的交易。9 月先付 550 万美元与 200 万美元可退还定金、雇走包括 CEO 在内的「大部分」员工，并同意让部分已是 Disney 员工的人帮 Character.AI 运营五个月；Character.AI 于 10 月 12 日申请破产；破产程序中 Disney 力争一份「永久、全球、非独占」的许可，覆盖代码、文档、框架、工具，含信任与安全审核栈、训练基础设施与年龄预测技术，若中选再付 1,250 万美元。
算式要写出来：2,000 万美元 = 550 万 ＋ 200 万 ＋ 1,250 万（三笔之和，不是一次性对价）。许可清单不含用户数据，也不含 Character.AI 的网站。Disney 准备的法院命令草案明确此事不应被视为两家公司的合并，Character.AI 继续对任何责任负责——前 FTC 竞争局副局长 John Newman 称这类交易极其不寻常，「让公司行使控制权却不承担责任，对社会是有害的」。
监管侧数字要对：申请破产时，参与多州调查的州与地区达 46 个，而全国总检察长协会代表 40 个州提交了利益通知；提出利益通知的州已保留挑战任何破产方案的权利，结局未定。
图 6：Character.AI 交易结构与责任边界。来源：据 Ars Technica 转载 WIRED 的法院文件报道整理（2026-10-19）；本图为自制整理。
一句话看懂：团队和技术被买走，诉讼与 40 州调查留在空壳里——结局还没定。
Tenstorrent 以 62 亿美元估值融资 15 亿美元，做的是开源权重芯片
据 TechCrunch，专注推理的芯片公司 Tenstorrent 完成 15 亿美元融资，投后估值 62 亿美元，相比 2024 年底的 26 亿美元翻倍以上。这轮由 Trace Capital 与 Innovation X 领投，Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 参投。
融资额与估值不是一回事：15 亿是这轮的融资额，62 亿是投后估值。它的叙事重心是「推理芯片 + 开源权重」，正好与上周那笔 600 亿美元算力债形成对照——债务在变贵，而芯片侧的股权融资还能翻倍抬估值。资金用途与客户出货情况截至发稿未见公开信息。
图 7：Tenstorrent 融资的关键数字。来源：据 TechCrunch 报道整理（2026-10-20）；本图为自制整理。
一句话看懂：算力链上，借钱的那一端在涨价，卖芯片的那一端还在抬估值。
NVIDIA 在 Jülich 的 JUPITER 上跑完 104 量子比特容错模拟
NVIDIA 宣布在德国 Jülich 超算中心的 JUPITER 上完成 104 量子比特的容错量子计算模拟，官方称这是迄今规模最大的容错量子处理器「完整」模拟。它验证的是 magic state cultivation 路线：所需物理量子比特比此前方法少 90%，而且是在真实硬件噪声下评估——此前同地研究的模拟是 50 量子比特、理想无噪声条件。
工程规模：开发平台是 NVIDIA 加速量子研究中心的 GB200 NVL72，先在 4 张 GPU 上迭代、扩到数百张，最终跑在 JUPITER 的 8,192 张 GPU 上。用途是在造出硬件之前预测设计性能，官方点名的方向是药物发现、金融建模与材料科学。要注意「少 90%」说的是物理量子比特数的方法差异，不是性能提升 90%。
图 8：这次量子模拟的规模与「少 90%」指什么。来源：据 NVIDIA 官方新闻稿整理（2026-10-19）；本图为自制整理。
一句话看懂：AI 超算正在当量子硬件「造出来之前的验证器」。
Gartner：2026 年 AI 基建近 1 万亿美元，2030 年底超 3.5 万亿或减值
据一条转述 Gartner 的帖子，AI 提供商 2026 年将投入近 1 万亿美元基建，2027 至 2030 年再投 6 万亿美元；若维持当前资本开支节奏，到 2030 年底超过 3.5 万亿美元的支出可能因收入无法覆盖成本而减值。
三个数字要分开看：「近 1 万亿」是 2026 年当年，「6 万亿」是 2027—2030 的累计，「3.5 万亿或减值」是警示口径、不是已发生的事。它与上周算力融资成本上升那条是一枚硬币的两面：供给端越铺越大，资金成本同时在变贵。这些数字都出自同一条转述帖，Gartner 原始报告目前未见可核的公开版本。
图 9：Gartner 的投入与减值口径。来源：据一条转述帖整理（2026-10-20）；本图为自制整理。
一句话看懂：铺得越大，对「能不能收回成本」就越敏感。
快讯速览
- fal 联合 BFL 发布后训练视频模型 FLUX 3 Max，称在第三方 image-to-video 质量评测中并列第一（报道未给出该评测名称），生成 10 秒 720/768p 视频约需 12 秒，未来三周 75% 折扣。来源：fal（10-20）
- Kling 4.0 发布：单次最长 30 秒，提示词理解扩展到 8000 token，Omni Reference 最多 15 个参考素材，新增双声道立体声与十余种语言对口型，另有轻量 Flash 版。来源：The Decoder（10-20）
- Inception 的扩散模型 Mercury 3 上线 OpenRouter：生成速度超 1,000 tok/s、支持 1M 上下文、是其 2.5 版的 4 倍；上线期五折，$0.10/M 输入、$0.35/M 输出（平台与厂商口径）。来源：OpenRouter（10-20）
- DeepSeek-V4.1-Flash-20261017 登顶 Agent Arena 开源第一、总排名第 11：基于超 7.5K 真实会话、净提升 +5.1%，中位任务成本 $0.20。来源：Arena（10-20）
图 10：速览 1—4 一览。来源：各条来源见上方列表；本图为自制整理。
- Artificial Analysis 给 DeepSeek V4.1 Flash 1017 智能指数 45，比上一代提高 6 分，与 GLM-5.3 并列开源权重模型第二，仅次于 MiMo-V2.6-Pro。来源：Artificial Analysis（10-20）
- Arena 称 Meta 的 Muse Wonder Full (Max) 以 1726 分登上 Code Arena: WebDev 第 6，是其首次进入该榜（榜单方口径）。来源：Arena（10-20）
- ARC Prize 公布 Reflection Beam 1.0 成绩：ARC-AGI-2 为 23.5%、每任务 $0.61，ARC-AGI-1 为 74.0%、每任务 $0.31，成本基于 Baseten 定价。来源：ARC Prize（10-20）
- Exa 3.0 并列 Artificial Analysis Search Index 第一，Search API 新增 Dynamic Highlights 模式，称可降低 21% 成本。来源：Artificial Analysis（10-20）
图 11：速览 5—8 一览。来源：各条来源见上方列表；本图为自制整理。
- 前 OpenAI 工程师窃听案有新进展：据 BBC 报道，检方称其获沙特政府支持——一名未具名沙特王室成员与其频繁联系并试图招募，被捕次日其妻儿乘沙特军官预订的商务舱单程飞往卡塔尔。来源：BBC 经转述（10-20）
- Aleksander Madry 回归 OpenAI：首席科学家 Pachocki 宣布将与他共同研究 AI 进展的速度与影响；Madry 称此前离职更像一次学术休假。来源：Pachocki（10-20）
- 据 IT之家与 The Decoder 报道，Gemini 4 Argon 的四个智能体用 27 小时通关 Minecraft。来源：IT之家、The Decoder（10-19）
- 字节刘星否认「过半算力造爽剧」，称字节仅约 10% 算力用于视频生成。来源：IT之家（10-19）
图 12：速览 9—12 一览。来源：各条来源见上方列表；本图为自制整理。
- Viggle AI 发布世界基础模型 JST-2；参数、许可与评测截至发稿未见公开信息。来源：Viggle AI（10-19）
- Dream Labs 走出隐身模式并发布机器人基础模型 Dream-1：称能控制从未见过的双臂机器人、完成未训练过的任务，每小时仅需 3 美元（厂商口径），Dream API 即日开放。来源：谢赛宁转述（10-20）
- Meta 详解吉瓦级超集群 Prometheus：位于俄亥俄州 New Albany，一期已建成并用于训练 Muse 系列基础模型，目标扩展到约 100 万张 GPU；预训练 goodput 85%+、强化学习 90%+。来源：Meta 工程博客（10-19）
- AWS 发布 TorchNeuron：Trainium 的原生 PyTorch 后端，开源、Apache 2.0，10 月 20 日起公开 Beta。来源：PyTorch 博客（10-19）
图 13：速览 13—16 一览。来源：各条来源见上方列表；本图为自制整理。
- Artificial Analysis 发布 AA-PersonalityBench：从 30 项人格特质与 21 项沟通特征衡量模型差异，基于 900 道精选问题、由 LLM 评审团两两对比打分。来源：Artificial Analysis（10-20）
- 两条工程与评测方法材料：Meta 的「瘦编排器」模式（约 1300 行只做路由与可靠性检查，把 20+ 工作流分派给 14 个上下文隔离的子智能体）；Numan 的评测优先实践（稀缺资产不是提示词而是评测标准，安全回归自动阻断发布）。来源：Meta 工程博客、LangChain 博客（10-19）
- AI 生成的游戏克隆让独立开发者不敢公开作品：据 Ars Technica，多位开发者抱怨作品被整批复制，McPixel 开发者记录了诸多案例，称陷入「不分享就没销量、分享就被抄袭」的两难。来源：Ars Technica（10-20）
图 14：速览 17—19 一览。来源：各条来源见上方列表；本图为自制整理。
积木观察
今天的两条主线，一条在讲成本下探，一条在讲同一件事的另一面：MiniMax 把每任务成本画成轴，也说清了「降 70%」是相对前代；而智能体入侵案说明执行侧的边际成本已经低到可以无人值守。
给读者一条可执行的：如果你的产品跑在智能体上，把「每任务成本」和「单次成功率」当成一对指标一起看——只看分数或只看单价，都会在长任务上算错账。
图 15：今天的成本侧与安全侧。来源：本图为编辑判断，自制整理。
结尾互动
当「每任务成本」成为模型宣传的主战场，你选型时会先看分数、先看单价，还是先看自己的任务在什么框架下跑？说说你的做法。