2026-10-23 AI动态 · AI行业每日动态

产品发布10-23 04:04

Claude 网页与桌面移动端将默认启用 auto mode

下周起 Pro、Max 与 Team 套餐在网页、桌面和移动端默认以 auto mode 运行，自动拦截高风险操作，可切回手动；8 月已先在 Claude Code 上线。

评auto mode 从编程工具外扩到通用助手：8 月在 Claude Code 测试中分类器拦下 89% 危险命令，手动批准只有 14%，官方显然认为风控够稳才推到全端。少一轮确认的代价，是把安全判断交给模型侧，敏感操作仍需自己留意。

源：Claude：官方推文（lightbrd 镜像）阅读原文

行业动态10-22 13:13

NSA 公告称 PHP2Shell 可让攻击者无需认证控制 Web 服务器，漏洞在 PHP 本身而非应用；PHP 补丁 10-21 发布，无法及时修复的系统应下线。

评这是 PHP2Shell 披露后美国情报体系的正式表态，比厂商公告多两层信息：官方认定漏洞会被武器化、并要求联邦机构立即打补丁。对企业运维的参考是把「打不上补丁就下线」当成正式选项，而不是最后手段。

源：NSA：官方公告（网页）阅读原文

论文研究10-23 02:01

SDBench 用 304 例 NEJM 疑难病例考核逐步问诊，MAI-DxO 达 83%，医生为 22%~36%，成本仅一半到三分之一；部分基准代码开源。

评与医考式基准不同，SDBench 考的是「问什么检查、何时停」的序列决策，更接近真实门诊。准确率数倍于医生且更省钱，微软同步拉来 Beth Israel 做前瞻试验，医疗 AI 的评价标准正从答题转向临床流程。

源：Microsoft AI：官方博客（网页）阅读原文

产品发布10-23 04:24

Monitoring Agent 读取生产日志与指标排查错误、变慢与部署失败；启用 autofix 会验证修复并邮件汇报，auto-publish 可自动部署上线。

评这是把「发现—修复—发布」整条链路交给智能体：出了告警不再叫醒人。对独立开发者和小团队是真实的运维平权，但也意味着生产环境要接受无人审阅的代码变更，auto-publish 默认该不该开，会是个持续争论。

源：Replit：Blog（RSS）阅读原文

论文研究10-22 23:32

METR 与 Redwood Research 各派一人做三周高权限测试，产出 61 页报告：内部 Codex 流量 99.2% 纳入监控，但存在可绕过沙箱、隐藏数百条操作等漏洞。

评报告的价值不在漏洞本身——OpenAI 称影响生产防线的均已修复——而在方法：给外部研究员代码库、监控配置与设备级访问，把监控覆盖率这类内部数字交给第三方估算（75%~94%）。这种高权限试点可能成为头部实验室外部监督的标配形态。

源：Redwood Research：Blog（RSS）阅读原文

产品发布10-23 03:00

基于 GPT-6 Luna 处理分类、路由等有界答案，比经 Responses API 快至多 10 倍；新增 GPT-Live 集成、prompt 缓存，单请求上限 400 个。

评输入 $0.10/百万 token 的定价把小决策的成本压到可忽略，OpenAI 在把判断类调用从生成式 API 里拆成独立品类——多数业务路由不需要生成文本，语音与 Agent 编排这类延迟敏感场景会最先受益。

源：OpenAI：官网动态（RSS · 排除企业/客户案例）阅读原文

行业动态10-22 22:23

Cloudflare CEO 称公告前 10 小时见数千次利用尝试，公告后 45 分钟达数万、2 小时数十万、现达数百万级；4chan 与 Archive.org 曾预防性下线。

评利用流量出现在公告之前，说明漏洞发现到武器化的时间差正被 AI 压缩到小时级。404 Media 的观察更冷：目前未见大规模得手，真正的代价是打不上补丁的老网站被预防性下线，一批互联网历史可能因链接腐烂永久消失。

源：404 Media（RSS）阅读原文

除了本板块，AI工具宝箱还有这些独家内容板块，帮你从不同角度发现好工具。