AI 日报 | DHS 令联邦文职机构移除 DeepSeek，连带第三方服务
今天的头条不封某个应用，而是直接动供货链：用 DeepSeek 开发的服务，一起被排除在联邦采购之外。
另一条值得停下来看的是评测：斯坦福用三年做的医疗智能体基准显示，最好的模型单次也只做完不到一半的任务。
图 1：DHS 移除令的范围与两件事。来源：据 Reuters 与 WSJ 报道整理（2026-10-19）；本图为自制整理。
头条深读 | DHS 令联邦文职机构移除 DeepSeek：连「用了它的第三方服务」一起排除
据 Reuters 与 WSJ，美国国土安全部（DHS）发布通知，要求联邦文职机构从 IT 系统中移除 DeepSeek 的产品，以及「使用该模型的第三方服务」，并禁止今后采购；相关通知于周一（10 月 19 日）公布。
范围拆成三层才看得清。第一层是产品：官方要求把 DeepSeek 自家产品移出。第二层是供货链——用 DeepSeek 实现开发的第三方服务同样在移除范围内，这一层影响的不是一家公司，而是下游所有把该模型嵌进产品的供应商。第三层是增量：「移除存量」与「禁止采购增量」是两件事，前者是清点现有系统，后者才决定未来能不能买。
限定词是「联邦文职机构」，不是美国政府全面禁用。同一批报道里还有一份 7 月的备忘录在周一被公开，内容是要求联邦机构监测进出政府网站的流量——它与本周这份通知不是同一份文件。
有几处网上流传的细节目前无法确认：流传版本称该命令「依据 2018 年供应链法、编号 2026-01」，但 Reuters 与 WSJ 的报道里未见这两项。另外要避免把两件事写成因果：检索中另见美国 CISA 一份公告，标题称 DeepSeek 自 2024 年末起对前沿模型开展有组织的蒸馏活动，那是独立的一条线，与本次移除令不是一回事。
图 2：Anthropic 与 Nscale 的第二份算力协议（据报洽谈中）。来源：据 TechCrunch 引 Bloomberg 报道整理（2026-10-19）；本图为自制整理。
积木点评： 这条的分量在「供货链」三个字。当模型来源成为采购的硬门槛，下游做集成的人要先回答一个问题：我这条链上有没有它——这个问题以前不需要问。
重点速递
Anthropic 与 Nscale 据报洽谈再签 450 亿美元算力协议
据 Bloomberg 引知情人士（经 TechCrunch），Anthropic 与 AI 基础设施商 Nscale 正洽谈再签一份 450 亿美元的算力协议，距两家 8 月 26 日宣布上一份同额协议才一个多月；消息人士提醒谈判仍在进行、细节可能变化，两家公司暂无回应。
两处口径要注意：两份协议是独立的同额协议、不能加成「900 亿一次性」；Nscale 拟上市的 300 亿美元估值正遭遇投资者阻力，那是 IPO 侧的事，与协议本身无关。把它放回本周的算力账上看更有意思：一边是 Anthropic 那笔 600 亿美元芯片债（收益率从 8.5% 升到 10% 以上），一边是 Tenstorrent 以 62 亿美元估值融到 15 亿美元股权融资——买方在两头加杠杆，卖方在抬估值。
一句话看懂：同一个买方，一个多月里谈第二份同额协议——算力锁定在加速。
斯坦福的医疗智能体基准：最好单次完成率不到一半
斯坦福 HAI 用三年搭了一套递进的医疗 AI 基准，结论直接：今天最好的 AI 智能体完成不到一半的工作。PhysicianBench 上表现最好的 GPT-5.5 单次完成 46%，三次运行都正确完成的任务只有 28%；HealthAdminBench 上当时最好的智能体 Claude Opus 4.6 端到端完成 36.3%。
图 3：MedHELM 的任务分类结构（5 个大类、22 个子类、121 项任务；这是分类结构图，不含任何分数）。来源：Stanford HAI（原图出自《自然·医学》2026 年论文）；本图由资讯方提供。
图 4：两个基准的关键数字与它们为什么不能并列。来源：据 Stanford HAI 报告整理（2026-10-19）；本图为自制整理。
46% 与 36.3% 不可直接比较（作者自己写明：环境、模型集合、界面与评分方案都不同）。能说的是方向一致：两个独立构建、以执行为依据的基准都发现最好的智能体完不成一半工作。知识测试和干活的差距，在这份材料里被拆得很清楚。
两个细节最值得记。一是失败类型的错位：MedHELM 的任务全景里，最需要帮助、回报最大的两类——临床决策支持（胜率 0.63–0.77）与行政工作流（0.53–0.63）——恰恰是得分最低的，而美国行政支出每年超 1 万亿美元。二是一个关键对照：通过 82.8% 的单项子任务，却只完成 26.7% 的整任务（零件合格不等于流程可靠）。作者把主因指向跨就诊、跨文档、跨系统时信息没带过去，也就是 harness 与记忆，其重要性和「更大的模型」至少相当。
一句话看懂：会答题与会把事做完，是两种能力；后者离落地还差一半。
图 5：Ming-3.0 语音系列的五款模型与落地场景。来源：据 IT之家报道与蚂蚁百灵公开信息整理（2026-10-20）；本图为自制整理。
蚂蚁百灵开源 Ming-3.0 语音系列：五款模型，三个方向
蚂蚁百灵开源 Ming-3.0 语音系列共五款模型，覆盖语音合成、音频理解与对话、语音识别三个方向。合成侧支持用文字描述音色或参考音频定音色，还有「导演模式」可说明台词的表演方式（情绪怎么变、哪些词重读、节奏怎么处理）；理解侧支持直接对长音频做转写、总结与观点分析并结构化输出；识别侧结合候选热词与对话上下文提升真实场景效果。
官方给出的落地清单比较具体：合成模型用于阿福 App 主对话与语音通话、医生音色克隆与智能办公，识别模型用于医生助手、支付宝搜索与安全核身。要留意的是，官方没有给基准分数，所以别替它补「领先」这类词；许可与参数细节以仓库为准。
一句话看懂：语音这条线开始被当作一整套能力交付，而不是单点开源一个 TTS。
图 6：OpenAI 这次讲的是低资源语言与遗留系统。来源：据 OpenAI 官方页面与公开转述整理（2026-10-19）；本图为自制整理。
OpenAI 讲的是 COBOL：低资源语言的提升与两套自建评测
OpenAI 宣布最新模型在 COBOL、Fortran、Visual Basic 等低资源编程语言上的构建与迁移能力显著提升，并开源了评测套件。它的落点不是通用编码能力，而是遗留系统：COBOL 至今仍是金融机构与政府系统的主力语言，维护与迁移是笔实打实的开支。
方法上有一点要标清：这两套评测（MultiLangBench 与一项 COBOL 迁移评测）是 OpenAI 自建的，也就是厂商自己为自家弱的维度定义考卷，引用分数时必须说明来源性质，不能当成第三方结论。逐语言分数目前未见公开数据。
一句话看懂：模型竞争打到了六十年前的老语言上，而那里是真有钱的地方。
图 7：面部照片那条的三处限定。来源：据彭博报道与 IT之家转述整理（2026-10-20）；本图为自制整理。
一张面部照片预测癌症患者生存几率：低门槛输入，高敏感输出
据彭博报道，研究团队在《柳叶刀·数字健康》发表研究：一个仅凭一张面部照片预测癌症患者生存几率的 AI 工具，用超过 4,000 万张人脸图像与 3 万多名癌症患者的照片训练，可生成风险评分，分数最高者更可能在 90 天内死亡，估算年龄误差约 5 岁，并称在不同年龄、种族、性别与癌症类型人群中生效。
三处限定要带上：数字出自报道转述，论文原文与 AUC 等对照指标目前未见可核的公开版本；「更可能在 90 天内死亡」是相对风险，不是确诊；不要写成「AI 能诊断癌症」。真正值得讨论的是输入成本——一张照片意味着极低的采集门槛，也意味着面部数据用于健康推断本身的隐私与公平性争议。
一句话看懂：采集成本越低、输出越敏感，这类应用的争议就越大。
快讯速览
- Claude 推出 Dashboards 与 Motion（均 beta），并把 Docs／Slides／Design 转正：Dashboards 可连数据平台或 CRM 生成随数据更新的仪表盘、面向所有付费计划；Motion 把报告或图表变成动画讲解短片、以代码方式生成、无视频模型参与。来源：Claude（10-19 至 10-20）
- 微软推出 Guardian Agents（隶属「感知项目」），用于监控企业内部正在使用的各类 AI 智能体，官方表述的落点是「前沿模型不可信」。来源：IT之家与微软官方博客（10-19）
- 日本演员协会发布生成式 AI 语音使用准则：复刻演员声音在每个环节都须取得当事人同意，用于 AI 训练须获表演者许可，授权生成的语音被视作表演、企业需支付报酬或版税。来源：IT之家（10-20）
- 纽约市长 Mamdani 在 AI Now Institute 的活动上批评联邦政府在 AI 监管上完全缺位，并呼吁市民抵制「AI 必然取代工作」的叙事。来源：TechCrunch（10-20）
- Nace AI 发布多模态决策模型 Drex Max，在公开 Decision Index 0.3.2 上得 67.59 分，称比竞品 Jev 1.14 高 6.9 分（公开榜自述口径）。来源：MarkTechPost（10-20）
图 8：速览 1—5 一览。来源：各条来源见上方列表；本图为自制整理。
- Apate.ai 称用 35 万个 AI 伪装成容易上当的受害者拖住骗子：已与骗子聊天 250 万次、累计耗掉骗子约 17 年时间；澳洲运营商 TPG 将近 59 万通可疑来电转给这些 AI。来源：一篇二次汇总（10-20，数字未回一手）
- MiniMax M3.1 Flash 限时对所有订阅用户免费，未给截止时间。来源：MiniMax（10-20）
- Mercury 3 出现「速度与评测争议」：热点榜显示已聚拢 Artificial Analysis、OpenRouter 与 Inception Labs 三方讨论，争议的具体内容目前未见公开。来源：热点榜（10-20）
- Arena 实测 Meta 的 Muse Wonder 与 Muse Wonder Full，覆盖 3D 场景、动画 HTML 片段与网站构建，并与多款模型对比（结果以视频形式发布）。来源：Arena（10-20）
图 9：速览 6—9 一览。来源：各条来源见上方列表；本图为自制整理。
- OpenAI Platform 新增「Decisions」API 演练场，可用 Predicate／Choice／Score 测试其决策模型（该账号非官方）。来源：Testing Catalog（10-20）
- ChatGPT Slides 支持实时协作编辑，已在 Pro、Business、Enterprise 套餐提供（该账号非官方）。来源：Testing Catalog（10-20）
- NotebookLM 的 Slide Decks 与 Video Overviews 支持自定义：可选建议主题或自拟，指定格式、长度、语言与视觉风格，再审阅大纲后生成，面向所有 Pro 与 Ultra 订阅用户。来源：NotebookLM（10-20）
- Artificial Analysis 为 OpenAI 的 HealthBench 与 HealthBench Professional 上线排行榜，评估模型对真实健康对话的回复。来源：Artificial Analysis（10-20）
图 10：速览 10—13 一览。来源：各条来源见上方列表；本图为自制整理。
- Hugging Face 首席政策官 Irene Solaiman 表示，嵌入式 AI 评估器并非简单解法，评估结果的可复现性仍是核心难题，开放权重对此至关重要。来源：TechCrunch（10-20，观点）
- 一篇汇总列出美国平台对智能体的新动作：Amazon 致函要求 Perplexity 的购物代理停止未经许可访问、eBay 要求代买 Agent 事先获许可、Target 采用 Agent 白名单等（二手汇总，具体条款需各自核实）。来源：indigo（10-20）
- Preferred Networks 与 Tenstorrent 的共同研究被 NEDO「光电融合技术 xPU 设计开发」主题采纳，计划研发至 2031 年度并推动商业化。来源：PFN（10-20）
- 两条工程与生态材料：HP 在 Data + AI Summit 分享基于 Databricks CustomerLake 构建 AI 就绪 CDP，估算整合后总拥有成本最多降低 40%（HP 自估）；MIT 课程 MAS.S62 第 4—5 讲主题为 Harness 与多 agent 系统的演化。来源：Databricks 博客、邵猛（10-20）
图 11：速览 14—17 一览。来源：各条来源见上方列表；本图为自制整理。
积木观察
今天三条线其实在做同一件事：算账。采购上把整条供货链算进来，评测上把「能答题」和「能干完活」分开算，算力上一个多月里签两份同额协议。
给读者一条可执行的：如果你在做企业侧的智能体选型，先按斯坦福这份材料的方法想一遍——不是问它单项能力有多强，而是问它跨文档、跨系统时会不会把上下文丢掉，以及整任务的成功率是多少。
图 12：今天的三条线。来源：本图为编辑判断，自制整理。
结尾互动
把「模型来源」当成采购门槛，和只看它能不能通过测试，你更认可哪一种做法？说说你的理由。