AI 日报 2026-10-07 · 先说明身份，再交付结果

📰

每日精选

4 条核心资讯

今日焦点

个人智能体协议与安全权限分级；Mistral Large 4预览和合同流程评估；话语场谈凭据隔离与自动化攻防，浏览研究与本机多模态检索。

身份授权

个人智能体协议：用户授权之外，企业也要能决定怎样接入

原标题： Introducing Personal Agent Protocol

Sierra 与 Meta 10月6日宣布共同开发 Personal Agent Protocol，参与方包括 Walmart、Stripe、Shopify 等。方案让个人智能体表明代表的用户，以 OAuth 建立授权会话；用户决定只读或写入权限，企业决定提供网页、API 或自家智能体等接入方式。查询库存与修改订单可以有不同的授权要求。

v0.1 规范计划本月稍后发布，参考实现和更细权限、支付扩展仍在后续路线中，不能写成成熟协议已普遍部署。TechCrunch 当天采访还显示，不同网站的限制原因并不相同：Walmart 否认刻意阻挡个人智能体，将部分中断归于验证流程。这次协议倡议的新意，是把用户意图、访问方身份和接收方规则放到同一会话里；它不意味着智能体从此可以任意访问所有网站。

Sierra 原始公告 · TechCrunch 原创采访

来源：Sierra原始公告与TechCrunch原创采访 · 10月6日；首版规范计划本月稍后 · 官方全文与记者原创采访；协议仍在开发

安全权限

Anthropic 扩大安全验证计划，按任务与身份分级开放

原标题： Expanding the Cyber Verification Program

Anthropic 10月6日扩展 Cyber Verification Program。防御级面向监测、响应、恶意软件分析和维护系统中的漏洞验证；红队级针对获授权的机构渗透测试，个人不能申请这一档；更高的专项级只对少数经核实的组织开放。模型拒绝边界放宽，不等于授权任意攻击或取消全部防护。

公司在自设的10个场景、每档各50次尝试中比较权限设置，显示放宽限制能让更多合法测试继续，但这不是外部审计或普遍安全保证。验证计划要求保留数据以监测滥用；更强调隐私的 Enterprise Frontier Safeguards (EFS) 预计稍后推出，不能笼统写成现在所有申请者均可零留存。实际部署要分清身份审核、任务授权、模型限制与数据安排。

更正（2026-10-07）： 第31期此处的 EFS 英文全称已按官方公告更正为 Enterprise Frontier Safeguards (EFS)。本次更正只涉及文字名称。

官方计划及评估说明

来源：Anthropic官方公告 · 10月6日 · 官方计划、分级条件、公司场景实验与数据留存

模型预览

Mistral Large 4 开始 API 预览，权重开放仍是月底计划

原标题： Introducing Mistral Large 4

Mistral 10月6日发布 Large 4 预览：原生多模态混合专家模型，总参数1万亿、每次激活490亿，面向推理、代码与智能体工作。当前可通过 Mistral Studio API 使用，权重、架构报告和训练说明计划月底开放；不能把预览发布等同于已可下载权重。

公司强调减少对合法安全研究的误拒，当前较少限制的网络安全模式面向经过审核的伙伴。公告给出多项公司评估成绩，但未据此证明模型在任意实际任务中的安全或成功率。本期关注部署选择与开放日程；后续需要结合真正发布的权重、许可、技术材料和可比评估，再判断自部署条件与代价。

模型原始公告

来源：Mistral官方公告 · 10月6日；权重计划月底 · 官方全文；当前API、未来权重及公司评估分开

专业评估

OpenAI 与 Ironclad 把合同流程变成任务：评分提高不等于合同自动完成

原标题： Advancing computer use with Ironclad

10月6日官方研究案例把合同审批、采购流程和可复用法律条款配置拆成11项任务，每项有8至50条评分标准。GPT-6 Astra 的平均标准得分为55.0%，GPT-5.6 Sol 为41.6%；这是满足要求的平均评分，不是完整任务成功率。

两者估计单次用时从37.0分钟降至19.2分钟，但时间依据假定处理速度模拟，不是客户实测省时。Astra 使用 Max、Sol 使用 High 推理设置，结果只覆盖这11项研究任务。训练与评估使用筛过个人信息的公开 SEC 合同衍生模拟任务，未使用非公开客户合同。值得关注的是把金额门槛、审批例外和最终流程一起检查，而不是从一个演示推断全部专业工作已能无人接手。

官方方法、结果和脚注

来源：OpenAI官方研究案例 · 10月6日 · 官方全文、实验表及脚注；11任务、不同推理设置、模拟时间

其他动态

Claude 进入 Google 文档、表格与幻灯片，付费用户开始公测

原标题： Claude now works in Google Docs, Sheets, and Slides

Claude 10月6日宣布面向所有付费方案提供 Google Docs、Sheets、Slides 插件公测，也提供从 Claude 对话连接这些文件的原生连接器公测。工具可在既有文件中修改内容；团队与企业使用还取决于管理员启用及原有权限，不能把连接到文件理解为获得任意账号权限。

对工作流程的改变是少一些复制粘贴，并让修改留在可检查的文件中。生成公式、图表或幻灯片之后，仍要检查引用范围、数值和改动是否符合要求；公告中的功能描述不是独立正确率测试。

官方产品说明

来源：Claude官方公告 · 10月6日；付费方案公测 · 官方产品全文；管理员启用与文件权限

Figma 设计智能体结束公测，团队规范进入工作上下文

原标题： 3 ways product designers use the Figma agent for craft, speed, and creative expression

Figma 10月6日宣布设计智能体全面可用，新增把 Markdown 指南附到设计库、跨产品查找上下文，以及查看同事智能体在画布上的工作等能力。指南可以交代色彩和组件规则，减少只靠一句提示重新描述整个设计系统的负担。

官方文章中的 Uber、Granola、Atlassian 案例属于客户与供应商描述；公司的人类评分比较也不等于所有设计场景的效果。这里更值得试验的是，规则能否落到组件、状态和开发交接中，以及多人操作时改动怎样被追踪。

Figma 原始更新与案例

来源：Figma官方更新与客户案例 · 10月6日 · 官方全文；功能、公司评分与客户描述分开

Hark 推出个人电脑助手，可见操作不等于隐私已经获证

原标题： Hark releases an AI personal assistant with a focus on privacy

TechCrunch 10月6日原创采访与演示报道 Hark Pro 广泛开放，提供免费使用及重度用户订阅。助手接入邮件、日历等用户资源，用小窗口显示访问网页的操作过程；公司以任务导向和隐私作为卖点。

这提供了一个产品观察样本：用户能看到动作路径，但可见路径不能代替数据处理、账号权限或安全安排的审计。报道中的办理事项表现来自演示与公司叙述，不能扩展为已独立验证所有复杂任务都能端到端完成。其2027年硬件也是计划。

TechCrunch 原创采访

来源：TechCrunch原创采访与演示报道 · 10月6日 · 记者原创采访；可见操作与隐私审计分开

llm-mistral 0.16：为新推理模型补上命令行入口

原标题： llm-mistral 0.16

Simon Willison 于10月6日21:32 UTC 宣布 llm-mistral 0.16，为其 LLM 插件加入 Mistral 推理模型支持，包括新发布的 Large 4。该条来自补到北京时间06:00的增量，是开发者自己的版本说明。

这是 API 调用工具的兼容性更新，不是 Large 4 权重提前开放，也不表示调用变为免费。本期读发布说明，未执行插件或比较模型效果。

作者版本说明与项目入口

来源：开发者自己的版本说明 · 10月6日21:32 UTC；06:00增量 · 作者说明及0.16发布页；未运行插件

🔍

行业洞见

深度分析

原标题： How Many Credentials Should Your AI Agent Have? Zero. — Jim Clark, Docker

Jim Clark 是 Docker 的 Principal Software Engineer，参与 MCP 网关、容器与智能体工具基础设施的工作。他在公司官网写过网关安全与工具配置文章，从工程实施解释权限怎样进入工作流程；这也是供应商的产品观察角度。

AI Engineer 是面向 AI 开发者的技术会议，发布工程演讲与工作坊录像。本材料为大会演讲，YouTube 于10月6日上传，现场录制日未核定，不能当作对当天协议公告的即时回应。

在已读的自动字幕中，他用新闻编辑部作类比：调查环节能上网但不能发布，核查环节读事实库，最后的撰稿环节只接收已过滤材料并取得发布工具。另一个例子是，一小时编码任务可能只有提交时才需要签名密钥，没必要让它整小时留在工作环境里。他主张凭据由网关管理，各个沙箱只拿当前任务所需的能力。

PAP 讨论如何与外部企业建立授权会话，Clark 的演讲解释内部怎样缩小权限范围。两者回答不同层次的问题；本刊关联分析是，即使用户准许访问，系统也可以继续拆分读入不可信内容与执行写操作的环节。材料含 Docker 产品推广，按自动字幕转述，不使用未经校听的直接引语。

原演讲 · 人物官方介绍 · AI Engineer 官方介绍

来源：原演讲自动字幕、Docker与AI Engineer官方介绍 · 10月6日上传；录制日未核 · 自动字幕00:00–17:36；人物与节目官方背景；非校听直接引语

原标题： Building Defense for the Agentic Era: Kevin Mandia

Kevin Mandia 是 Armadin 创始人兼 CEO，曾创办 Mandiant 并担任 FireEye CEO，长期参与事件调查与数字防御。他如今从安全创业公司的立场谈自动化攻防，具有实践经验，也有商业利益。

《The a16z Show》是 Andreessen Horowitz 的技术、创业与商业访谈节目；本期于10月6日发布，由 David George 访谈 Mandia。节目原始说明与机构官网用于核对身份和背景。

本期核读自动字幕04:25至09:55、15:59至22:31附近：Mandia 认为 AI 可以并行尝试许多攻击路径，速度和覆盖改变了防守经济；但他同时描述目前观察到的一些 AI 攻击仍重复、粗糙，并非已经无所不能。他主张对已证实可利用的风险及时采取防护，并保持多层兜底，不能仅把发现大量疑似漏洞当成防守成果。

今天 Anthropic 分级开放安全能力，这段访谈帮助理解为何合法防守方需要工具，也提出另一层问题：检测、授权和真正补救能否衔接？这是本刊的关联分析，非嘉宾对今日公告的回应。其自动化前景是观点，公司自报漏洞数未独立核验，本期不据此制造已证实的安全优势。

原节目 · 发布方节目介绍 · 人物官方介绍

来源：原节目自动字幕、发布方与人物官方介绍 · 10月6日发布 · 自动字幕04:25–09:55、15:59–22:31；非全片观点总结

📄

论文速递

1 篇论文

01HyperBrowseComp：获准上网之后，仍要找到真正支持答案的证据

浏览评测10月2日提交；10月6日HF上榜补读摘要、方法3.1–3.2、实验4.1–4.4、表2与局限；未复现

原标题： HyperBrowseComp: A Multilingual and Multimodal Stress Test for Web-Browsing Agents

《HyperBrowseComp: A Multilingual and Multimodal Stress Test for Web-Browsing Agents》v1 10月2日提交，本期因10月6日 HF Daily Papers 上榜补读。基准包含423道人工撰写、复核的题目，覆盖13种语言，要求找到简短、可核实的答案；有些线索在视频、图片或扫描文档里，不只是网页文字。

研究先排除无需上网也容易答出的题目，再比较模型与原生搜索、Exa 或 OWL 等工具组合。报告的最高准确率为31.68%；五个原生搜索配置均未答对的题目约占57.68%。这些结果属于刻意挑选的难题和特定工具组合，不能换算成日常搜索失败率或全行业排名。

题目语言间难度不等，真实网页、排序和访问条件也会变化。今天谈接入协议与授权，本论文提醒：能进入网站，和能找到、理解并核对证据，是不同的能力。本期核读设计、采样、实验表与局限，未复现。

论文全文 v1 · 论文记录

作者预印本 v1 →

⭐

开源解读

1 个仓库

阅读说明

依据官方仓库说明整理，未进行部署实测。本期作为工具发现，不表示项目在当日首次发布。

EmbeddingGemma 2：本机检索把文字、画面和声音放进同一空间Apache-2.0

原标题： EmbeddingGemma 2: an open, lightweight multimodal embedding model

Google 10月6日发布 EmbeddingGemma 2，模型卡列明 Apache-2.0 许可，总参数7.4亿，由文字、视觉和音频模块组成，可按需要加载。模型把不同模态映射到共同向量空间，服务检索、分类与聚类，不是一款直接生成答案的聊天模型。

输出向量可从768维缩至128维，减少的是向量存储，而非承诺整个应用内存同步缩小六倍。官方示例中的移动端内存数字有指定设备与量化条件，实际部署仍需测量。它给本机跨模态检索提供可用权重与模型卡；能把文件留在本机处理，与应用其他环节是否联网仍应分开检查。

Google 原始公告 · 权重与模型卡

采集说明 · 采集不完整 · 39/45 个来源完成检查

本期主要新闻窗口为北京时间10月6日06:00至10月7日06:00，72小时用于发现与查漏。复用上游截至05:00的逐源收据，并对05:00至06:00增量和原有缺口补查。原始发布时间与发现时间分别保留；日期只到日的公告不冒充精确首发时间，历史论文与演讲保留原始日期。

新闻来源覆盖按当前45源配置分别记录，尚有来源入口、日期或增量覆盖缺口，属于采集不完整；具体状态见下方展开说明。话语场的29频道、23人物与5主题收据单独验收，不计入新闻覆盖；全库692条中检索相关材料，网页与口播采用相同两条。缺字幕仍保留原链接与待补状态，不编写未读观点。

口播与网页由 AI 辅助制作；当期歌曲是根据已核验新闻创作的艺术表达，不代替新闻事实。音频公开状态以页面播放器及节目链接为准。

检查尚未完成的来源：下列状态表示检查缺口，不能据此认定近期无更新；“已完整检查且无新增”另行记录。

Microsoft AI：已检查部分内容，覆盖或日期待核。静态请求 https://blogs.microsoft.com/ai/ 最终落到 https://news.microsoft.com/source/topics/ai/ 。话题页抽出 source 链接约 44 条，多数没有可靠列表日期。配置 feed https://blogs.microsoft.com/ai/feed/ 失败：HTTPError: HTTP Error 410: Gone 替代 Source AI feed HTTP 200，10 条，最新 2026-09-10T13:08:37+00:00，最旧 2026-06-02T16:25:45+00:00，窗口内 0。该 feed 不是配置入口。两套入口不能互相代替。未读正文。本机：已读Source AI分类可见标题与链接，但发布日期尚未逐篇配对；旧RSS失效，备用RSS不足以覆盖当前AI页面，不能称无更新。
Qwen：已检查部分内容，覆盖或日期待核。配置 URL https://qwenlm.github.io/ 仍是旧 GitHub 博客，页面日期最新 2025-09-23，不能据此判断无更新。另查 https://qwen.ai/api/page_config?code=research.research-list 60 篇，最新 2025-12-23T05:08:30.000Z（Qwen-Image-Edit-2511）；research.latest-advancements-list 19 篇，最新 2025-09-24T04:00:00.000Z；news.news-list 17 篇，最新 2025-04-28T20:00:00.000Z。GET /api/v2/article/retrieval 多种参数返回 articles 空数组。https://qwen.ai/research 的 HTML 是首页 CSR 壳，pageConfig 为空。headless Chrome dump 未见 2026-10 研究卡片；页内 2026-08-10T23:59:59+08:00 是开屏素材下架时间，不是论文发布时间。窗口内 0 条。未改 config。未读正文。本机：配置旧博客和上游当前research记录只覆盖可验证部分；旧博客浏览器本轮未加载，当前研究日期未完整核对。
通义实验室：已检查部分内容，覆盖或日期待核。通义/千问实验室页 https://qianwen.aliyun.com/ HTTP 200。抽出 2 条 /news 链接，周围 HTML 没有可配对的标题和发布时间。指向 qwen.ai/blog 的研究链接另计在 qwen 的 page_config，不在这里编造标题。不能写成无更新。本机：官网产品与新闻链接已保存，新闻日期没有完整配对；与Qwen重叠不重复计算新闻。
阶跃星辰 StepFun：已检查部分内容，覆盖或日期待核。静态 HTML 约 2KB，是前端壳。headless Chrome 渲染 https://www.stepfun.com/ 后看到 Step 5 Preview、Step 3.7 Flash、Step 3.5 Flash、StepAudio 3，以及 “Open source release in 08 DAYS” 倒计时，没有绝对发布日。不把产品名或倒计时换成发布时间。窗口内 0 条。本机：官网显示Step 5 Preview与即将开源倒计时，缺可核的绝对发布日期；不能写已开源或从产品卡推断今天发布。
OpenReview：已检查部分内容，覆盖或日期待核。打开 https://openreview.net/ 。可见日期 ['Feb 13, 2026', 'Mar 23, 2026', 'Sep 24, 2026']。最新公告早于窗口，仍不能把首页可达写成各会场无新投稿。Active Venues / Open for Submissions 没有投稿时间。本机：首页三条公告日期与链接已保存；尚未遍历所有会议新论文，首页无新增不能代表全平台无新增。
MIT Technology Review：已检查部分内容，覆盖或日期待核。配置话题页 https://www.technologyreview.com/topic/artificial-intelligence/ 文章日期链接约 12 条，页面不是完整列表。topic feed HTTP 200，10 条，最新 2026-10-05T15:47:52+00:00，最旧 2026-09-28T17:03:16+00:00，窗口内 4。partial 是因为配置页不是完整列表，feed 不能代替配置入口。未读正文。本机配置主题页最终已加载；Newest to Oldest首屏十条卡片配对URL，最新10月5日，往下到9月23日；与feed部分条目不完全相同，故保留覆盖缺口。

来源核验不等于独立实测；论文阅读范围按各条说明，未复现。

资讯源 157 条

新闻资讯 · 127 条

话语场 · 2 条

话语场精选：凭据留在网关，能力按任务交给智能体How Many Credentials Should Your AI Agent Have? Zero. — Jim Clark, Docker原演讲自动字幕、Docker与AI Engineer官方介绍
话语场精选：攻防速度改变之后，哪些响应可以自动化Building Defense for the Agentic Era: Kevin Mandia原节目自动字幕、发布方与人物官方介绍

论文速递 · 1 条

HyperBrowseComp：获准上网之后，仍要找到真正支持答案的证据HyperBrowseComp: A Multilingual and Multimodal Stress Test for Web-Browsing Agents作者预印本 v1