AI 日报 | 沃尔帕托授权数字分身：四类数据、抽成、代维权
一名 22 岁的意甲球员，把自己的脸、声音、生物特征和赛场数据打包签给一家加州公司，按品牌合作抽成，连拦侵权也一起外包。
同一周，澳大利亚橄榄球联盟却在要求博彩公司撤下未经许可的 AI 肖像——差别不在技术，在合同里有没有这一条。
图 1：四类数据的授权结构与变现方式。来源：据 IT之家 2026-10-25 转述整理；本图为自制整理。
头条深读 | 从「一张图」到一台能持续生成的分身
2026 年 9 月中旬，效力萨索洛的澳大利亚国脚克里斯蒂安·沃尔帕托（Christian Volpato）与总部在加州的卡兰多（Callandor）签约。授权范围不是某张照片的使用权，而是四类东西：数字形象、声音、生物特征数据、赛场表现数据。
变现方式也换了结构：卡兰多负责对接品牌合作、按抽成分成，同时承担拦截未经授权内容的职能。维权这件事，被一起外包了。
合作方菲斯克设想的具体场景是一款足球训练应用，由沃尔帕托的数字分身实时给出动作指导。他的说法很直白——「沃尔帕托本人根本不可能一对一指导这么多人」。
按报道原文，他并不是第一位这么做的运动员。2026 年 6 月，内马尔已把 AI 肖像授权给一家中资娱乐平台，后者在世界杯期间发布了相关短视频。
反面案例就在同一个国家、同一个月。澳大利亚橄榄球联盟（AFL）本月早些时候要求合作博彩公司 Sportsbet 停用未经球员许可的 AI 肖像，起因是球员工会投诉，工会正在商议是否制定更严格的规则。而澳大利亚各大主流体育联赛的球员合同里，目前还没有任何 AI 相关条款。
桑德斯的判断是，Sportsbet 这件事说明当企业和技术跑在知情同意前面会发生什么；他把沃尔帕托的选择解读为，在别人随意处置自己的肖像之前，先把权利握在自己手里。
报道未给出协议金额、抽成比例与授权年限。
图 2：同一周里的两种处理方式。来源：据 IT之家 2026-10-25 转述整理；本图为自制整理。
积木点评： 新东西不是「明星授权 AI」，而是肖像权被拆成了能分别计价、分别拦截、分别分成的数据资产——一旦拆开，合同里缺的那一条就成了实际损失。
重点速递
宾州：广告要标 AI 生成，四个口子还开着
宾夕法尼亚州州长 Josh Shapiro 签署《人工智能欺骗性广告法》：凡经 AI 显著修改或生成的广告，图片、视频、音频、文字都算，都要加注标识，且标识要与广告本身同格式。The Verge 在 10 月 24 日报道了这件事。
适用面比想象中宽，大公司的电视广告和小餐馆的传单都在里面。管辖逻辑是按投放地算：不论广告在哪里制作，只要预期在宾州播出就适用，这对跨州投放的广告主是实打实的成本。
这个位置需要精确：报道说宾州是「最早要求 AI 内容披露的州之一」，没有说它是第一个。
真正值得看的是四个口子。显著修改是主观判断；设有戏仿、讽刺、评论、批评的豁免；另有「明显虚构」豁免，而这个词的含义同样不清；措辞读起来只覆盖「以合成内容造成对产品或服务错误消费者认知」的情形。
报道未给出法案编号、生效日期与处罚条款。
图 3：宾州法的适用范围与四个口子。来源：据 The Verge 2026-10-24 报道整理；本图为自制整理。
一句话看懂：它不禁止生成，只要求标明；威力大小取决于那些豁免条款怎么解释。
srt：不装容器，直接用操作系统的隔离
Anthropic 开放了一个叫 srt（sandbox-runtime）的沙箱运行时：在操作系统层面限制任意进程能碰哪些文件、能连哪些网络，不依赖容器。macOS 用 sandbox-exec，Linux 用 bubblewrap，再加代理式网络过滤。
用法是包住一条命令。按 README 的例子，curl 到 anthropic.com 放行，到 example.com 被网络白名单拦下，读 ~/.ssh/id_rsa 直接返回 Operation not permitted——默认拒绝、白名单放行。
官方定位是 Beta Research Preview：为 Claude Code 做的，API 与配置格式都可能变化。
它不是刚上线的新项目：仓库 2025 年 10 月 20 日就建好了，媒体到 10 月 24 日才介绍。准确说，它早已作为早期开源预览对外提供。
可核的一手数据：npm 最新版 0.0.81、Apache-2.0、4 个运行时依赖；GitHub 6,493 stars、571 forks，最近一次 push 是 10 月 24 日。
README 没有给隔离强度或性能开销，「更安全」目前没有数据支撑。
图 4：srt 的隔离方式与默认策略。来源：据 Anthropic 仓库 README 与 npm 元数据整理（2026-10-24）；本图为自制整理。
一句话看懂：主流做法是把 agent 关进容器，它的选择是直接用操作系统自带的隔离能力。
瑞典：禁的是直连入口，不是模型
当地时间 10 月 23 日，瑞典国家公共广播公司报道，瑞典政府办公厅将从下周一起，禁止工作人员用办公电脑直接访问 ChatGPT 与 Claude，要求改用微软 Copilot 等已获批准的服务。
容易被忽略的一层是：部分工作人员今后仍可通过内部自主开发的 AI 助手平台使用这两款模型。管的是未经协议的直连，不是模型本身。
官方理由由该机构数字化总监米卡埃尔·韦特克兰茨（Mikael Wettercrantz）在内部网说明：使用未签订协议的 AI 服务可能影响信息安全。
横向扩散已经有了。瑞典税务局与国家机构管理局已采取类似封锁，强制执行局还在研究是否实施限制。背景是瑞典交通管理局今年早些时候的内部审计发现，员工普遍使用约 10 种 AI 服务，其中存在不少风险。
已获批的 Copilot 也加强了安全防护，新闻办公室以涉及安全为由拒绝披露具体措施。
图 5：瑞典禁的是什么、没禁什么。来源：据 IT之家 2026-10-24 转述整理；本图为自制整理。
一句话看懂：换的是「签了协议的服务」，不是「换了个更安全的模型」。
山大：换 harness 涨的分，多半只是一次重跑的波动
两名山东大学研究者把五个模型分别放进三个 harness——Claude Code、OpenCode、mini-SWE-agent——跑 SWE-bench Verified，比的是「换框架」和「同一配置重跑一次」哪个带来的分数变化更大。The Decoder 在 10 月 24 日报道了这项研究。
结论不客气：两者差不多。同一配置纯重跑，在 SWE-bench Verified 上本身就会波动最多 6 分；此前研究报告的 harness 之间 20 分以上的差距，几乎都来自单次运行。
具体例子有：智谱为自家 harness 打出的卖点是「比 Claude Code 高 2.4 分」，这个幅度落在噪声范围内。
三个 harness 的差别也被描述得很具体。mini-SWE-agent 只给模型一个 Bash 工具、不做上下文管理；Claude Code 与 OpenCode 提供专门的文件与搜索工具、长系统提示、自动历史压缩。
论文标题把话说死了：What does a harness buy? Mostly tokens，也就是换来的主要是 token 消耗。这不等于「harness 没用」，它说的是差异的来源被误读了：更强的 harness 主要体现为消耗更多 token。成本最高能到三倍，具体是哪两个之间、按什么计价，报道没有展开。
报道未给出论文编号、五个模型名单与任务样本量。
图 6：换 harness 与重跑的分数变化对比。来源：据 The Decoder 2026-10-24 转述整理；本图为自制整理。
一句话看懂：看到「换个框架涨 2 分」的榜单，先问一句重跑了几次。
Claude 平台：官方开始给多智能体编排降温
Anthropic 在 Claude 平台发了一篇文章，取向是少开子 Agent：把子 Agent 折回主循环，用 Skills 渐进披露，并称在其内部的多项对比中质量更好、成本与延迟更低。
这组结论出自 Anthropic 自家的评估，不是第三方测评。
同一天社区侧有独立呼应。HumanLayer 的 Dex Horthy 称，单一智能体配合 skills 常能胜过复杂的多智能体系统，并称有客户执行速度约提升 2 倍——这是他对客户的描述，不是测量结果。他的观察是，subagent 被滥用从 2025 年年中就已经是问题，社区炒作在鼓励「盲目并行」，而不是「有意识地管理上下文」。
这条和上面山大那条指向同一件事：编排层的复杂度，未必换来等价的能力。
原文全文与「多项内部对比」的具体任务、指标，截至发稿未见公开信息。
图 7：编排复杂度的两条相反建议。来源：据邵猛转述的 Claude 平台文章与 Dex Horthy 帖整理（2026-10-25）；本图为自制整理。
一句话看懂：当模型本身变强，多智能体的边际收益在下降，token 账单和调试难度在上升。
快讯速览
- Krea 开放 Krea 3 图像编辑 beta，端到端 2k 编辑 8 秒内完成，支持 bounding box 控制与多轮精确编辑，「对标 Nano Banana Pro 与 GPT Image 2.5」是厂商自述。来源：Krea AI（10-25 04:53）
- BBC《蓝色星球 III》刻意保留画面粗糙感，执行制片人 Elizabeth White 称过去会因水质差或杂物剪掉的镜头这次全部保留，用真实质感区别于 AI 生成的过度精致影像。来源：The Verge（10-25 05:29）
- TechCrunch 维护着一份「AI 坟场」清单，覆盖 Relay、Character.ai、Notion Mail、Humane AI Pin、Rabbit R1、Sora 等已关闭、转型或远低于预期的项目，属持续更新的清单而非新事件。来源：TechCrunch（10-25 03:00）
- 生成式价值分类器（GVC）把 Q 函数换一种参数化方式，不再需要以动作为条件，作者认为它能与大规模预训练策略结合、从更丰富的输出信号中学习。来源：Chelsea Finn 转述论文页（10-25 06:09）
- 面壁 EC²-Bench 用 128 个可执行任务评测边云协作，同时衡量完成度、成本与隐私暴露：Qwen3.5-9B 端侧加 GLM-5.3 云端的最佳协作得分 60.46，约为纯云端 82.70 的 73%，成本 8.73 美元对 56.42 美元。来源：面壁 OpenBMB（10-24 21:00）
- 芝加哥大学研究发现，LLM 对自己「为什么这么答」的说明不可靠，自述的关键因素与实际影响答案的变量不一致，实验用 59 场 March Madness 比赛与 15 个 Metaculus 事件验证，其争议事实定位方式的成本约为本地 LLM 评判的 1/86。来源：Rohan Paul 转述（10-24 17:30）
- 智元 110 台远征 A3 全尺寸人形机器人在济南黄河国际会展中心同场群舞，用 LinkBots 集群调控与 UWB 厘米级定位实现同步与编队切换，110 台量产机零失误通过认证。来源：IT之家（10-24 14:40）
- 美光公布 G11 存储芯片与至 2030 年路线图：同硅片容量约为 G9 两倍、堆叠从 276 层到 400 层以上、传输速率最高提升 1.5 倍、每 bit 能耗降超 25%，预计 2027 下半年量产，路线图另称单栈 HBM4 带宽 2.8 TB/s。来源：Rohan Paul 转述 Micron 报告（10-24 16:19）
- Perplexity 推出 Mac 本地决策模型应用，pplx-decider-flash-v1.2 以 Mac 应用形式在本地提供决策 API，占 5.8 GB、需 16 GB 内存。来源：Testing Catalog（10-24 17:59）
- Codex 支持对话中途切换推理等级且不丢缓存，简单任务用低推理、需要时调高，无需重建上下文，CLI 同步更新提示词预设、内联切换模型与权限、长会话恢复修复等。来源：Vaibhav Srivastav（10-24 15:25）
- 腾讯 WorkBuddy 接入 Kimi K3.1 Pro 与 Highspeed，现阶段仅对企业旗舰版与个人订阅用户优先开放，「规划、执行与自查能力明显更强」是官方内部测试口径。来源：IT之家（10-24 15:59）
- SGLang 用 DeepInfer 官方 benchmark 自测：相同硬件下 4×GB300 与 4×B300 上 prefill 吞吐最高 1.04 倍，64×GB300 上 decode 步长缩短 1.1%–7.4%，属用对方 benchmark 自测而非独立第三方。来源：LMSYS Blog（10-24 00:00）
- Conductor 0.92.0 支持用 iPhone 远程控制 Mac 工作区，可在 iOS app 里浏览与创建工作区、读聊天、发消息、选模型、停止本地 agent，需在 Experimental 中开启并扫码配对。来源：Conductor 官方 changelog（10-23 08:00）
- 悉尼一名 29 岁男子向 Claude 透露想枪击托儿所后，于当地时间 18 日被拘留，被控利用通信服务实施骚扰、恐吓或冒犯行为并将接受心理健康评估，辩方称其因耳部感染情绪失控、以为对话是私人交流，聊天记录如何被获取报道未给出。来源：IT之家（10-24 10:54）
- Dex Horthy 称单智能体加 skills 常胜于复杂多智能体，有客户执行速度约提升 2 倍，并认为 subagent 滥用自 2025 年年中起就是问题，「2 倍」是对客户的描述而非测量。来源：Dex Horthy（10-25 06:12）
图 8：速览 1—3 一览。来源：各条来源见上方列表；本图为自制整理。
图 9：速览 4—6 一览。来源：各条来源见上方列表；本图为自制整理。
图 10：速览 7—9 一览。来源：各条来源见上方列表；本图为自制整理。
图 11：速览 10—12 一览。来源：各条来源见上方列表；本图为自制整理。
图 12：速览 13—15 一览。来源：各条来源见上方列表；本图为自制整理。
积木观察
今天这几条在讲同一件事的两面。一边是技术往更复杂走：多智能体编排、更强的 harness、更大的分身资产；另一边是三份材料都在说，复杂度本身不产生价值。换框架涨的分被拆成重跑波动，Anthropic 自己在劝少开子 Agent，srt 则把安全边界交给操作系统而不是再叠一层容器。给读者的建议很具体：看到 harness 或编排层的对比数字，先问重跑几次、口径是不是同一套；要试沙箱，srt 是目前最轻的一个入口，但它自己标着 Beta。
图 13：今天几条的共同落点。来源：本图为编辑判断，自制整理。
结尾互动
如果你的脸、声音和赛场数据被打包授权出去，你更在意抽成比例，还是更在意对方替你拦下了什么？