AI日报 | 2026年10月09日

一条提示词，理论上就能摸到一个 AWS 账户里所有 AgentCore 智能体的临时凭证。另一边，单张 RTX 5090 已经能把 30 秒 AI 视频压到 23.51 秒生成。

今天的消息很像两条轨道同时加速。模型和工具越来越能干，接入生产环境的代价也越来越具体。真正该紧张的，不是某个榜单又多了几分，而是权限、评测和成本这些过去被当成收尾工作的东西，已经跑到了产品前面。

今日重点

AgentCorruption 把 Agent 的安全边界掀开了一角

Zenity Labs 披露了一条名为 AgentCorruption 的漏洞链。研究人员称，只要向一个公开的 Amazon Bedrock AgentCore 智能体投递一条精心构造的提示词，攻击者就可能借由元数据服务 169.254.169.254 获取凭证，并横向影响同一账户内其他 AgentCore 工作负载。

这个事件最刺眼的地方，不是「提示词注入又出现了」。大家早就知道它会出现。问题在于，Agent 一旦同时拥有网络访问、云身份和工具调用权限，提示词就不再只是输入文本，它可能是一次权限升级的起点。

很多团队做 Agent 评审时，会先看模型效果，再看工具是否能跑通。顺序该反过来。先把可访问的资源、短期凭证的边界、工具的最小权限说清楚，再讨论智能体能替人做多少事。否则，能力越强，事故半径越大。

来源，The Decoder 报道与 Zenity Labs 研究摘要

Google 把生产环境里的 Agent 质检做成了开源项目

Google 开源了 AQuA，也就是 Ambient Quality Agent。它会按计划从 Cloud Trace、Cloud Logging 或 BigQuery 抽取生产会话，经过抽样、评审和聚类，帮助团队定位 Agent 在真实环境里究竟是在哪一类任务上失手。

这类项目的价值不在于又多了一个「自动评分器」。离线 benchmark 很容易让人安心，线上失败却往往发生在脏数据、模糊指令、工具超时和上下文断裂的交界处。AQuA 把观察对象放回真实调用链，至少方向是对的。

不过开源框架不等于质量体系。评审标准谁来定，错误聚类后谁来负责修，修完后如何防止回归，这几件事还是要团队自己扛。可喜的是，生产 Agent 的可观测性终于开始从日志检索走向质量闭环。

来源，Google Developers Blog

单张 RTX 5090 跑实时视频，工程优化开始比参数表更有意思

ComfyUI 博客展示了一套优化方案，在单张 RTX 5090 的 32 GB 显存上运行 MiniMax H3 视频生成，30 秒视频生成耗时 23.51 秒，约为 1.28 倍实时吞吐。

这个数字不是在宣布「本地视频生成已经没有门槛」。它依赖具体模型、显存、工作流和大量工程取舍。但它确实提醒了一件事，端侧与本地部署的边界在变。以前看视频模型，大家盯着时长、清晰度和提示词跟随。接下来还要问，显存占多少，排队多久，能不能嵌进现有创作链路。

一段 30 秒视频在 23.51 秒内完成，差的不是几秒钟渲染时间。它让「等结果」变成了「边试边改」。创作工具一旦跨过这个心理阈值，使用方式会完全不同。

来源，Comfy Blog

OpenAI 的数学手稿引发争议，争的不是模型会不会做题

OpenAI 在 GitHub 发布 openai/math 仓库，收录 722 份由内部模型产出的数学手稿，覆盖 372 个成果组。与此同时，部分数学家在 Terence Tao 主持的组织声明中呼吁抵制 OpenAI，质疑这种集中发布是否更像能力展示，而非可被学术共同体消化的研究交流。

这场争论很难用「支持 AI」或「反对 AI」概括。数学证明不是只要答案正确就结束。它还需要可核验的推导、合适的表述、同行能接住的节奏。一次扔出数百份手稿，会让审稿、复现和归属问题一起变得拥挤。

模型能提出候选命题是进步。可把候选命题变成共同知识，仍需要人类的验证网络。速度可以很快，信任的形成没法跳帧。

来源，openai/math 发布摘要与数学界反应报道

Managed Agents 开始碰支付，真正的难题是授权

LangChain 发布了 Restock 示例，在 Slack 中结合 Stripe Link 和 Managed Deep Agents 完成办公用品采购。这个方向很自然，企业里有大量重复采购、报销、补货任务，交给 Agent 确实顺手。

但支付不是普通工具调用。一次搜索失败，最多给出错误答案。一次授权边界设计错误，可能直接产生一笔不该发生的真实支出。限额、审批、供应商白名单、操作留痕和撤销机制，缺一个都很别扭。

Agent 接入支付的分水岭从来不是「能不能下单」，而是用户能否在不盯着它的情况下仍然放心。现在离那条线，还得靠一整套产品机制去补。

来源，LangChain Blog

Arena 拿到 2 亿美元，模型评测正在变成一门生意

Arena 宣布完成 2 亿美元 B 轮融资，估值 31 亿美元，同时推出 Alignment Index，用来衡量智能体是否安全、真实，并在用户要求的范围内行动。

评测平台受资本追捧不难理解。模型更新太快，官方指标又很难代表每个人的真实使用体验，开发者需要一个能横向比较的外部坐标。但外部坐标也会反过来塑造模型优化方向。什么被测、怎么投票、使用场景来自谁，都会影响排行榜上的结果。

所以，榜单值得看，但别把榜单当采购单。特别是 Agent 产品，离线对话分数和线上可托付程度之间，隔着一整条工程链路。

来源，Arena 公告

其他值得点开

Claude Code v2.1.293 加入 Claude Haiku 5.5，默认 Haiku 模型支持 1M 上下文，工具型模型的价格梯度还在往下压。
LangChain Deep Agents 的 Skills 更新支持把工具绑定到技能、按需加载和线程内固定技能，直指企业技能库膨胀后的上下文浪费。
Google ML Drift 以 Apache 2.0 开源，定位为 LiteRT 的跨平台端侧 GPU 推理计算层。
Hugging Face 的 ML Intern 实验用约 103 美元做出 7 个小模型。这个故事适合拿来提醒自己，小模型不是过渡品，很多窄任务根本不需要巨兽出场。
NVIDIA 与 Microsoft 的 RTX Spark 把 AI Agent 往 Windows PC 推，端侧 Agent 的软件分发和权限体验值得继续盯着看。