📌 头条:AI 攻克 Stratego——不完美信息博弈的「好奇心+前瞻」范式
Deep Blue 拿下国际象棋(1997)、AlphaGo 拿下围棋(2016)、扑克机器人早已称雄,但经典兵棋 Stratego 一直没被攻克——连预算雄厚的 DeepMind 也做不出能稳定击败顶尖人类的机器。
来自卡内基梅隆、MIT、纽约大学、斯坦福的联合团队用 AI Ataraxos 做到了:以 15:1(另 4 平)击败被广泛认为是史上最强的 Stratego 棋手 Pim Niemeijer,且只用 16 张 GPU、成本几千美元。
- 难点:Stratego 每方 40 枚棋子(军衔从元帅到间谍,外加炸弹与军旗),对手知道你的位置却不知道你的身份,只有碰撞时才揭晓——隐藏信息量巨大(棋盘排列超过 10^33 种),单局可长达 2000 步(象棋通常 40 步),还极度依赖虚张声势(bluff)的平衡。
- 两处关键创新(相对 2022 年的 DeepNash):① 自我对弈 1.63 亿局,且「训练前期大步、后期小步」地调整学习率,避免隐藏信息把自对弈学成原地打转;② 引入第二张神经网络「信念模型」,根据对手走法推测其隐藏棋子,从而只采样「合理排列」并做前瞻搜索,而非穷举全部可能——这正是 DeepMind 当年做不成的「搜索」。
- 风格:Ataraxos 名字源自希腊语「不动心(平静)」——决策冷静、不轻易受骗。
一句话:当搜索空间大到无法穷举,「猜得准」比「算得多」更值钱——信念建模让不完美信息下的前瞻搜索第一次跑通。(数据引自 Ars Technica 报道)
🤖 模型与产品动态
1. Black Forest Labs 发布 FLUX 3 Image
FLUX 3 被定位为 BFL 的多模态模型(图像、视频、音频、动作),此次先放出图像能力:
- 两种控制路径:既可用 bounding box + 元素表「像排版一样」精确构图(如把标题、穹顶、人群、游泳者分区布局),也可「跳过框」直接写提示词做文生图,具备原生构图理解。
- 多图编辑:一次改多处而不动其余部分;支持最多 10 张参考图融合成一张构图讲究的成图。
- 原生 2K/4K 生成,保留纹理、人脸、色彩等细节;支持像素级编辑同时保留原图。
- 面向 Agent 训练:强调「agent 只需一句文本提示即可生成构图良好的图像」;并提供商用权重许可(可微调并部署到自有基础设施)。
2. ds4:Redis 作者做的「本地前沿推理引擎」
由 Redis 作者 antirez 打造的 DwarfStar 4(ds4)登上 HN 热榜,定位「窄而深」的本地推理引擎(非通用 GGUF runner):
- 支持模型:DeepSeek V4 / V4.1 Flash、GLM 5.x、Qwen3.8 Flash-Next(含文本与视觉),MIT 许可,C / Metal / CUDA / ROCm。
- 核心设计:① 对路由专家做非对称 2-bit 量化(压缩专家、保留关键共享路径精度),让 284B 级 MoE 在高内存机器上可用;② 把 KV Cache 当作「磁盘公民」——长前缀存 SSD、按 prompt hash 恢复,重启不必全量 re-prefill;③ 一个引擎三套接口(CLI / 本地 API / 原生 agent,共享同一模型状态与缓存)。
- 信号:本地推理正从「跑得动」转向「跑得像前沿」——量化与缓存管理是主战场。
3. Wagtail 实测 GLM 5.3 Flash 一个月:$68 的账本与两个坑
开源 CMS Wagtail 团队公布「一个月只用 GLM 5.3 Flash 编码」的实测:
- 成绩:前半程只用 GLM 5.3 Flash,花费约 $68、约 4kWh 电、365g 碳排,预算内。
- 坑一(vibe coding 代价):实验性 MCP server 选了「错的模型」,一夜烧掉 450M token / $150 / 5kWh,团队自评「本可 5 倍成本内做到」。
- 坑二(基础设施降级):GLM 5.3 Flash 因处于 Pareto 前沿、极受欢迎,产能不足导致性能劣化,被迫切换到 DeepSeek V4.1 Flash、Qwen 3.8 Flash。
- 启示:模型选择与 agentic 模式要设预算;开源模型推理商的容量远不及囤卡的大厂。
4. ChatGPT 上线无代码建站「Sites」
OpenAI 推出 Sites:描述想法 → ChatGPT 用 @Sites 生成网站/应用 → 直接发布分享。支持权限控制、访客用「Sign in with ChatGPT」保存进度与文件、连接自有工具(只读授权)、自定义域名(改托管 URL 会自动重定向)。定位从「聊天」进一步向「生产工具」延伸。
🔬 技术趋势
5. 「harness 即公司」:每个 SaaS 终将变成围绕模型的 harness
热文《The Harness Is the Company》给出一个演化路径:harness = 包裹无状态 LLM 的全部基础设施、接口、上下文与状态。软件服务公司的轨迹是——① 传统 SaaS(无 harness)→ ② 工程师与 agent 结对(个体操作 harness)→ ③ 核心任务转云端后台 agent(个体编排 harness)→ ④ 主动式后台 agent,人只审样本(harness 编排个体)。
- 观点:最终「产品」完全是模型输出,公司提供上下文、集成与人类审阅界面;组织图变成「把人放在哪里能榨出最多品味与判断」的问题——人也成了 harness 的一部分。
- 反面提醒:这并非「无人工厂式」低质量产,关键在于让 harness 决定「何处必须由人来把关」。
6. 论文侧(Hugging Face Daily Papers 10/2 高赞)
- 《OneStreamer》(赞 148,居首):统一感知、记忆与主动响应于流式视频交互。
- 《On-Policy or Off-Policy Learning?》(赞 129):蒸馏动力学的系统性研究。
- 《E-MoE》(赞 50):面向非因子化扩散语言模型的增强 MoE。
- 《Fewer Tokens, Better Action: GPT-6 Astra Robot Agents》(赞 26):成功率提升 14% 而 token 减少 65% —— 机器人 agent 的「少 token 更高效」。
- 另有《Transformers Stop Thinking Too Early, and a Tiny LoRA Fixes It》《Decentralizing Master-Mind(多智能体寻路)》等。
- 观察:今日论文焦点集中在流式/多模态交互、蒸馏与 RL 训练策略、MoE 与机器人 agent 效率。
🏭 行业与产业
7. Google Project Suncatcher 原型卫星入轨——「太空 TPU」第一步
Google 联合 Planet 打造的原型卫星随 SpaceX Transporter-18 拼车发射入轨,已确认建立联系、运行正常。这是「太空能否承载可扩展 ML 基础设施」长期 moonshot 的第一步:未来数周将收集 TPU 在太空飞行物理应力、辐射与热极端下的表现数据。同行评审论文已登上 Joule。
8. GitHub Trending:Agent 基础设施与「省 token」技能生态爆发
- Panniantong/Agent-Reach——给 AI agent「眼睛」:一个 CLI 读/搜 Twitter、Reddit、YouTube、GitHub、B站、小红书,零 API 费。
- JuliusBrussee/caveman——「用最少的 token 说最野的话」,为编码 agent 省 65% token 的 viral skill/proxy。
- mksglu/context-mode——上下文窗口优化:工具输出沙箱化(减少 98%)、持久化会话记忆、经 MCP+hooks 跨 17 平台路由。
- obra/superpowers——agentic 技能框架与软件开发方法论;另有 mattpocock/skills、google/skills(Google 产品 Agent Skills)、cursor/plugins。
- heygen-com/hyperframes——「写 HTML 即渲染视频」,为 agent 而生。
一句话:Agent 的「技能 / 上下文 / 运行时」正在取代单纯模型比拼,成为开源最热战场。
来源:Ars Technica、Hacker News、Black Forest Labs、Hugging Face Daily Papers、GitHub Trending、blog.sshh.io、wagtail.org、blog.google、dwarfstar.sh 等公开信息,2026-10-03 汇总。