纯人工智能技术全景 · 近三年与近月
0 研究设计
1 一页结论
A1 技术树全景
A2 近三年关键节点时间线
A3 主题纵深（架构/训练/推理/多模态/Agent/开源/评测安全/算力）
B 最近一个月详细梳理
C 专家未提示角度
待确认清单
来源列表
0 研究设计
改写后的研究问题：2023-10 至 2026-10，通用 AI 在架构、训练、推理、多模态、Agent、评测、基础设施与安全上的可验证技术地图是什么？最近约 30 天具体发生了什么？主张须锚定论文 / model card / 实验室技术博客 / GitHub / 有日期基准，而非媒体合集。
专家角色与额外检查
角色：AI 研究工程师 + ML 系统分析师。强制覆盖：scaling vs 效率、open vs closed、eval 污染、推理经济学、硬件约束、中美欧实验室活动、炒作失败模式。
方法
- 时间线重建 + 技术树分类
- 头条主张三角验证；否则标待确认
- 证据分层：已核实 / 厂商宣称 / 作者判断 / 待确认
- 不编造数字；Lean 形式化 ≠ 同行评议完成
通俗说：这份报告只讲「人工智能本身怎么进步」，不绑某个行业。先画过去三年的技术地图，再把最近一个月新模型、新论文、新开源一件件拆开讲——每件事都尽量链接到官方或论文原文，不确定的会标红「待确认」。
ai-frontier-liji.pages.dev（日更前沿）及工业 AI 全景分离。本页为独立公开页 pure-ai-liji。1 一页结论
一句话：近三年主轴是「预训练规模 → 后训练推理（RL/可验证奖励）→ 多模态与 Agent 产品化 → 开源权重与推理成本塌陷」；近月（2026-10）则同时出现三条高压线——世界模型交互（Genie 4）、端侧/开源 Agent 权重（Meta Muse 系）、以及AI 生成重大数学/物理主张并附 Lean（OpenAI，社区复核进行中）。作者判断
- 后训练 > 单纯堆参数：o 系列、R1、GRPO/RLVR 类方法把「会想」从提示工程变成训练目标。作者判断
- 开源闭源价格战并行：DeepSeek/Qwen/Moonshot 与闭源旗舰同场；近月 Meta 再推 Muse Spark Open / Glimmer。已核实（官方页）
- Agent 从工作流走向模型内建：工具调用、失败恢复、长程规划进入模型卡与产品默认。作者判断
- 世界模型进入实时多模态仿真：Genie 4 原生音视频+可交互，但仍承认物体持久性/长时一致性不足。厂商宣称+自限
- 安全与能力同步外溢：Anthropic 展示 Claude 发现浏览器/OS 级漏洞链；OpenAI 披露 Lean 形式化科学主张——二者都要求「验证制度」跟上。已核实（官方博客）
通俗五句话：① 模型不只是更大，更会「慢慢想」。② 开源模型越来越便宜好用。③ AI 开始像助手一样连工具干活。④ 近月出现能实时「生成一个可走进去的世界」的模型预览。⑤ 有的 AI 开始参与很难的数学/安全研究——但结果必须等人慢慢核实，不能直接当定论。
A1 技术树全景（2023–2026）
1. 基础架构
Transformer 主干；GQA/MQA；Sliding Window；MoE/稀疏；SSM/Mamba 与混合架构；长上下文（128K→1M+）
2. 预训练与数据
Scaling laws；高质量过滤；合成数据；多语；代码与数学占比上升；续训/领域适配
3. 后训练与对齐
SFT → RLHF → DPO；推理 RL（PPO/GRPO/RLVR）；过程/结果奖励；可验证域（数学/代码）
4. 推理与系统
投机解码；量化（INT8/4/FP8）；Paged/连续批处理；KV 压缩；编译器（Triton/CUDA kernel）
5. 多模态
视觉语言（后接 vs 原生）；音视频；图像/视频生成；世界模型与交互仿真
6. Agent
工具调用；浏览器/电脑使用；多步规划；记忆；多智能体；端侧 Agent
7. 评测与安全
Arena Elo；污染与泄漏；红队；形式化验证辅助；网络能力双刃剑
8. 算力与软件栈
GPU/加速器世代；集群网络；训练框架；推理引擎；MLPerf 类基准
A2 近三年关键节点时间线（选摘）
A3 主题纵深
A3.1 架构：从「更大 Transformer」到「稀疏 + 混合 + 长上下文」
主干仍是 Transformer，但工业化默认件变化：GQA 降 KV 显存；MoE 用「总参数大、激活小」换质量；SSM/Mamba 提供线性复杂度选项并出现混合栈。长上下文从工程技巧（RoPE 插值、YaRN 等）变成产品卖点（128K→1M）。
优劣：MoE 训练与负载均衡难、路由不稳；超长上下文评测常虚高（「能塞」≠「能用」）。
就像把一条大马路改成「很多专线」：总车道更多，但同一时刻只开几条，省油又尽量保持速度。窗口开得极大后，要小心「塞得进不等于找得准」。
A3.2 训练与后训练：RL 推理成为分水岭
预训练仍提供世界先验；差异更多来自 SFT + 偏好优化 + 可验证奖励上的 RL（数学/代码）。DeepSeek-R1 后，开源社区大量复现 GRPO/RLVR 类配方；Survey（如 arXiv:2509.08827 等）系统化「Large Reasoning Models」训练资源与失败陷阱（奖励黑客、过拟合基准）。
以前像「读完百科就上岗」；现在还要「刷题 + 裁判给分」——尤其数学和写代码这种对错分明的事，模型会被专门训练去多想几步。
A3.3 推理效率与经济学
投机解码、量化、连续批处理、前缀缓存把「同质量下的 $/token」压下来。闭源用价目表竞争；开源用权重+托管价竞争。测试时计算（多采样、长思维链）让延迟与成本随难度上升——能力曲线与账单曲线绑在一起。
同样聪明，可以靠「小模型先猜、大模型再验收」加快回答；难题让模型多想一会儿，电费和等待时间都会上去。
A3.4 多模态与世界模型
路径分叉：后接视觉塔 vs 原生多模态预训练。生成侧从图到视频再到可交互世界模型（见近月 Genie 4）。机器人/Agent 仿真开始与语言推理模型闭环（DeepMind 自述 Gemini 引导 Genie）。
AI 不只看图说话，还开始「生成一个你能走进去、改天气、听得到声音的小世界」——但东西放久了还可能「忘了」或形状漂移。
A3.5 Agent
从 LangChain 式工作流编排，转向模型内建工具调用、失败恢复、长程任务。端侧 Agent（近月 Muse Glimmer）强调无云推理。评测从单轮 QA 转向 Terminal-Bench / OSWorld 类环境任务（厂商数字需独立复核）。
Agent 就是会自己点网页、跑命令、失败了再换办法的助手。现在连「尽量在手机/电脑本地跑」也开始有开源模型尝试。
A3.6 开源 vs 闭源；中美欧实验室
- 美国闭源旗舰：OpenAI / Anthropic / Google DeepMind — 产品迭代快、安全与合规叙事强。
- 美国开源：Meta（Llama→Muse 开源线）、部分 NVIDIA 权重等。
- 中国开源/高性价比：DeepSeek、Qwen、Moonshot、Zhipu、MiniMax 等 — 推理与 MoE 效率叙事强。
- 欧洲：Mistral 等持续开放权重与合规定位。
「开源」常指权重可下载，不等于训练数据/过程可复现。作者判断
A3.7 评测、污染与安全
Chatbot Arena 提供有日期的人类偏好信号但受提示分布影响；学术基准易污染。安全侧：对齐、拒答、网络红队。Anthropic 近月展示漏洞挖掘能力——对防御者是工具，对攻击面是预警。官方博客
A3.8 算力与系统软件
训练受制于高带宽互联与 HBM；推理更受批大小、显存与调度影响。CUDA/Triton/自研 kernel、推理引擎（vLLM 类连续批处理思想）决定「纸面 FLOPs」能否变成吞吐。MLPerf 提供部分标准化对照，但配置差异大，跨厂商直接比分需谨慎。作者判断
B 最近一个月详细梳理（约 2026-09-30～2026-10-31）
B1. OpenAI：与学界协作公开 AI 辅助科学主张（2026-10-26）
厂商宣称 社区复核中
专业：OpenAI 宣布三组结果：（1）高维局部光滑/Kakeya/限制猜想相关证明；（2）称 ETH（指数时间假设）为假，并称 Lean 已形式化；（3）QCD/Yang–Mills 存在性相关工作，物理组暂缓公开部分产物。披露策略按学科不同（直接公开 AI 输出 / 外部 shepherd 协作）。原始自然语言稿与 Lean 仓库据称已公开（数学与 CS）。
优劣：形式化大幅降低「胡写证明」风险，但Lean 通过 ≠ 定理在数学共同体中的最终接受；ETH 被推翻若成立将冲击大量条件硬度结果——必须等待 Impagliazzo/Paturi/Williams 等 shepherd 组与公开审阅。
通俗：OpenAI 说自家模型在数学、计算复杂性、量子场论方向给出了重大证明草稿，并用 Lean 这种「证明检查器」过了一遍。这很震撼，但科学界还要自己拆开检查——现在只能当成「附带机器校验的重大主张」，不是教科书定论。
B2. Google DeepMind：Genie 4 世界模型（2026-10-27）
已核实（官方博客）
专业：Genie 4 为可实时交互的世界模型；原生多模态（画面+环境音+对话）；结合 Gemini 家族做场景锚定与连贯性推理；宣称可用自然语言实时改场景；面向机器人/Agent 训练环境与创意预演。明确限制：长时程物体持久性漂移、复杂物理、可读文字、空间精度仍是研究问题。预览先信任测试者，再面向 Ultra/API 合作方。产出带 SynthID。
优劣：交互+原生音频是代际能力；一致性与物理可信度仍是落地瓶颈；安全与深度伪造风险需护栏。
通俗：像一个可以「走进去」的 AI 游戏世界：你打字改天气、挪镜头，人物会动会说话，环境有声音。但玩久了细节可能对不上，官方自己也说还早。
B3. Google Research：Sleep 持续学习框架（2026-10-27）
研究博客数字
专业：提出 wake/sleep 周期：活跃交互把信息放入短期组件；sleep 阶段做记忆巩固（MoE/低秩专家扩展 + 蒸馏/RL 模仿）与「dreaming」自生成样本筛选。博客报告 BABILong 至 10M tokens 近完美缩放、SQuAD/CPT 事实注入及 AIME/HMMT 等推理分数相对基线提升。属研究范式，非直接等同某商用旗舰已部署。
优劣：直面灾难性遗忘与静态知识截止日期；工程化成本、稳定性与安全（自生成数据漂移）未在博客中完整展开。
通俗：让模型也有「醒着干活 / 睡着整理记忆」的节奏，把临时聊天里学到的东西写进长期参数，减少「学新忘旧」。
B4. Meta：Muse Wonder / Wonder Full（约 2026-10-12）与 Muse Spark Open（2026-10-15）
已核实（官方新闻/研究博客） 第三方 Elo/价格待核对
专业：Wonder 系列定位个人/职业 Agent 任务；宣称 Active Memory / Active Focus。Spark Open：官方称迄今最强美国开源权重之一；原生多模态；总参约 816B（激活约 42B）；上下文 1M；面向编码与长程 Agent；权重经 HF 等分发；可在双 Apple M5 Ultra + MLX 桌面场景运行（厂商演示口径）。
优劣：开源降低封闭生态锁定；超大 MoE 自托管门槛仍高；独立基准名次需看有日期榜单。
通俗：Meta 又推了更强的「会办事」模型，并把一版超大开源权重放出来，让有机器的人可以自己下载跑（虽然机器要很强）。
B5. Meta：Muse Glimmer 30B 端侧 Agent 模型（2026-10-19）
已核实（Meta Research 摘要页）
专业：开源约 30B 因果 LM + perception encoder；面向消费级硬件上的自主 Agent；文本+图像入、文本出；约 4-bit 量化单卡推理；宣称在同尺寸级相对 Gemma4-31B、Qwen3.6-27B 的工具使用/多步规划/任务完成上更优；Apache 2.0。
优劣：端侧隐私与离线价值高；绝对能力仍低于云端旗舰；基准对比为摘要宣称，需读全文/复现。
通俗：一个专门为「在你自己电脑/设备上当小助理」训练的开源模型，不强制连云，强调会用工具、会多步计划。
B6. Anthropic：用 Claude 发现真实软件漏洞链（2026-10-27）
已核实（官方研究博文）
专业：Frontier Red Team 用未发布内部研究模型发现 Chrome/Safari/Android/Windows/Linux 等攻击链；Chrome 相关称至 Chrome 156 已有 62 个 CVE 获分配并修补；强调协调披露与防御者 Cyber Verification Program。展示测试时算力扩展与多样扫描器提升发现量。
优劣：对防御是加速补丁的杠杆；对攻击面是能力外溢预警；文中含利用链叙述——本报告只做能力评估摘要，不复述可操作利用步骤。
通俗：Anthropic 展示 Claude 能帮安全人员在真实浏览器和系统里挖出严重漏洞并推动修复——说明 AI 的「黑客能力」变强了，所以厂商自己的代码更要提前扫描。
B7. 近月其他模型/产品动态（需继续一手核对）
待确认 第三方合集线索
第三方 October 2026 合集提到：Anthropic Claude Sonnet 5.5 / Haiku 5.5；OpenAI GPT-6 系产品化与 Agents/API；Google Gemini 4 Argon 更广可用；DeepSeek V4.1-Flash 权重/价目；Mistral Large 4 preview；xAI Grok 迭代等。本版不把合集中的价格与 Elo 当事实，列入待确认，下一步逐条打开各实验室官网/model card 补链。
通俗：这个月好像「每隔几天就有新模型」，但很多数字来自整理网站，我们还要去官网核对后才能写进「已核实」。
B8. 学术侧近月相关（Agentic MLLM / RL for LRM 等）
arXiv 条目存在
例如 Agentic MLLM survey（arXiv:2510.10991，2025-10 投稿窗，框架仍指导 2026 Agent 讨论）：内部智能 / 工具 / 环境交互三维。RL for Large Reasoning Models survey（arXiv:2509.08827）梳理奖励、算法、数据与基础设施。用于支撑 Part A 技术树，而非宣称「本月新定理」。
学界在整理「会行动的多模态模型」和「用强化学习训练会推理的大模型」的地图，方便工业界对齐词汇。
C 专家未提示角度（强制覆盖）
| 角度 | 本版观察 | 标签 |
|---|---|---|
| Scaling vs 效率 | 旗舰仍升，但 MoE/开源推理/投机解码让「有效算力」比裸参数更重要 | 作者判断 |
| Open vs Closed | 闭源吃产品与安全叙事；开源吃可定制与成本；近月 Meta 加大开源 Agent 砝码 | 事件已核实 |
| Eval 污染 | 厂商自报 Terminal-Bench 等需第三方复现；Arena 有日期才可引用 | 待确认 |
| 推理经济学 | 思维链拉长 = 账单与延迟上升；缓存/草稿模型成标配 | 作者判断 |
| 硬件 | 端侧 30B 4-bit 与双定位工作站跑 800B 级 MoE 是两种完全不同的约束 | 厂商演示口径 |
| 炒作失败模式 | 「Millennium / ETH 推翻」类标题极易传播；本版坚持 Lean≠终审 | 作者判断 |
待确认清单
- OpenAI 数学/ETH/Yang–Mills 主张的独立同行审阅结论与最终论文形式。
- Claude 5.5 / GPT-6 / Gemini 4 Argon / DeepSeek V4.1 等近月版本的官网发布日、价目、model card逐条归档。
- Artificial Analysis 等第三方 Intelligence Index / Elo 的当日快照链接。
- Muse Spark Open 在非厂商演示硬件上的真实吞吐与显存第三方实测。
- Genie 4 对公众/API 的正式开放日期与安全评估报告全文。
- Sleep 框架是否已进入 Gemini 生产训练栈（博客未声明）。
- 中国实验室 2026-10 是否有与上述同量级的一手技术博客漏检。
来源列表（本版实际打开/检索）
- OpenAI, “Working with academic communities…”, 2026-10-26 — https://openai.com/index/building-scientific-understanding-with-academic-communities/
- Google DeepMind, “Genie 4…”, 2026-10-27 — https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
- Google Research, “The sleep framework…”, 2026-10-27 — https://research.google/blog/the-sleep-framework-a-new-way-for-llms-to-retain-knowledge-in-continual-learning/
- Meta, Muse Wonder — https://about.fb.com/news/2026/10/introducing-muse-wonder-models/
- Meta, Muse Spark Open — https://research.meta.ai/blog/muse-spark-open
- Meta, Muse Glimmer 30B — https://ai.meta.com/research/publications/muse-glimmer-30b-an-on-device-agentic-model/
- Anthropic, “Discovering and exploiting vulnerabilities…”, 2026-10-27 — https://www.anthropic.com/research/discovering-vulnerabilities-with-claude
- Leviathan et al., Speculative Decoding, ICML 2023 — https://proceedings.mlr.press/v202/leviathan23a
- Agentic MLLM Survey — https://arxiv.org/abs/2510.10991
- RL for Large Reasoning Models Survey — https://arxiv.org/abs/2509.08827
- 线索（非证据）：themodelindex releases.csv；llmgateway / aitoolsrecap October 合集 — 仅引导待确认项