开场（三人合声）
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！
第一段：晓桐开场
晓桐: 大家好，这里是《今日我们AI说》，我是晓桐。今天是2026年10月25日，星期日。先说一件白捡的便宜：一个个人开发者放出开源小工具，让英伟达RTX 30系列——好几年前的主流游戏显卡——把被厂商限速的那部分AI运算速度拨了回去，据项目仓库里的自测记录，一类AI常用运算从每秒约87.5万亿次提到约157万亿次。厂商出厂时人为留的那半截性能，正在被用户自己找回来。今天另外五条：Meta的AI助手把用户的聊天内容泄进了一个你从没听说过的公共档案库；中国信通院把各家AI服务的速度和价格拉进同一张表公开比价，涨了近一倍；蚂蚁数科发布只做选择题、不写作文的决策模型；重庆一家影视片场公司把世界模型跑成实时应用、拿了英伟达的奖；还有一家美国研究机构做出帮科研工作者选题的系统，请了17名研究者来做对照实验。下面请云阳播要闻。
第二段：云阳播报
要闻一：聊天标题进了公共档案库，6800多个AI分享链接被一次查询翻出
云阳: 要闻一，据IT之家10月24日消息，网络安全研究团队Claroc 10月18日发布报告：Meta个人AI助手Muse的分享功能存在隐私风险——用户分享对话时，Muse把对话标题直接写进网页地址的子域名里；被动DNS——一种记录全网域名访问历史、可供事后查询的数据库——把这些地址留了档。研究团队一次查询检索到超过6800个分享页面域名，抽查数百个，发现内容包括企业营收审查文件、小企业贷款申请、银行欺诈警报；相关页面无需登录即可打开。Meta收到漏洞报告后暂停了该功能，团队10月20日复测，此前抽查的40个页面已无法打开，但被动DNS历史里留存的标题仍在。团队说明没有证据表明页面已被恶意利用。完整报告见Claroc研究博客。
要闻二：AI服务第一次有了官方比价表：吞吐翻倍、价格也接近翻倍
云阳: 要闻二，10月24日，中国信息通信研究院联合工业和信息化部重点实验室和中国人工智能产业发展联盟发布《大模型词元服务性能监测报告（2026年）》，基于今年1到8月监测数据，把各平台词元服务的调用成功率、吞吐速度、首字时延、价格、上下文长度拉进同一张表。报告要点：国内6月词元日均消耗量约500万亿，接近2025年12月的4倍；8月份国内各模型平均每秒输出词元78.23个，较2025年均值38.25个翻倍，国外典型模型平均112.82个仍领先；国内平均首字延迟从0.78秒升到1.26秒，报告说明这伴随模型变大、上下文变长而来，并非单纯性能退步；价格方面，国内2025下半年归一化均价6.8元，今年以来13.46元，涨幅接近1倍；上下文长度达100万词元的模型占47.8%；同一模型在不同平台速度差最大接近一倍。发布内容见IT之家报道。
要闻三：只做选择题、不写作文：蚂蚁数科发布决策模型
云阳: 要闻三，10月22日，蚂蚁数科发布专用决策模型LingDT-Decision-1.0，提供4B与27B两个参数规模版本，面向意图识别、任务分类、工具选择、风险判断这类结构化判断任务，支持一次选多项和按先后顺序连环判断，已上线蚂蚁数科DTMaaS平台，开发者可限时免费体验。公司口径对比数据：数据标注场景相比DeepSeek V4-flash，词元消耗降低约97%、处理速度提升约10倍；智能客服场景相比Qwen-3.7-flash，词元消耗降约90%、风险识别准确率从76%提高到89%（公司口径，待第三方复测）。据科技媒体InfoQ 10月22日报道，在23项开源评测基准里，该模型27B版本在同参数规模中准确率高于Microsoft-Decision-1、Jev 1.13.0等同类产品。报道见InfoQ原文。
要闻四：把世界当变量表来维护：重庆片场公司Scenes AI拿下英伟达创业奖
云阳: 要闻四，10月15日，2026 NVIDIA创业企业展示半程展示在苏州举行，来自重庆的达瓦科技凭实时世界模型应用Scenes AI获「半程展示卓越企业奖」；本届赛事全国11场分站、580多家科创企业报名，30家进入半程展示。据AI垂直媒体量子位10月23日报道，Scenes AI不预测下一帧画面，而是维护一个持续运行的世界状态：场景、人物、相机、灯光、物体、物理各是一组可单独读写的变量，只更新发生变化那部分；输入是普通摄像头拍到的真实空间。官方口径性能：目标编辑成功率98.2%、人物身份保持率93.3%；模型总参数34B、每步实际激活约4B；GPU消耗降低40%到60%、推理速度提升3到5倍（公司口径，待第三方复测），单张RTX消费级显卡可输出720P、每秒25帧画面。达瓦在重庆永川运营一座8.4万平方米数字化片场，五年沉淀约180TB结构化数据。报道见量子位。
要闻五：AI陪科研人员改选题：每一句批评都附原文摘录
云阳: 要闻五，美国非营利研究机构艾伦人工智能研究所（Ai2）10月23日在Hugging Face博客发文，介绍其与宾夕法尼亚大学合作开发的选题辅助系统LitPivot：围绕研究者正在修改的那部分想法组织相关论文，给出附原文摘录支撑的批评意见，再提供可接受、可修改、可拒绝的修订建议。Ai2把「读了前人文献之后调整研究方向」这件事命名为「文献引发的转向」。在17名研究者参与的实验里，领域专家评价用LitPivot打磨出的研究想法，在文献支撑度上优于用文本编辑器加通用聊天工具组合产出的想法；参与者自评修改后的想法更新颖、更有用。系统将于10月底在底特律的UIST 2026学术会议展示。博客见Hugging Face: LitPivot。
第三段：晓桐×云健问答点评
晓桐: 云健，第一条这个泄露的根子到底在哪？链接不是随机生成的吗，怎么就被翻出来了？
云健: 说白了，这次被钻的空子不在链接破解，在「可发现性」。地址后半截确实随机、猜不到，可前半截是AI自动取的对话标题，整条域名一旦被记录进那种公共历史库，就等于给每份文件建了全楼索引，一次查询翻出6800多条。最扎人的是第二层：页面能关，记录删不掉。Meta能把分享功能暂停，但第三方数据库里躺着的标题不在它手里——以后凡是「生成带标题链接」的产品都得补这一课，你的隐私边界不只在你的平台上，还在所有旁观者的记事本里。这条研究团队自己写得很克制：抽查了数百个、只覆盖一种发现途径、没有证据表明有人抢在前头打开过。曝出问题和被人钻了空子，是两回事，这个分寸报告自己守住了。
晓桐: 刚才那条里有个词我得掰开问：常听到的「按词元收费」，词元到底是什么？
云健: 词元大致是AI眼里的一个字，调用大模型按用到的词元个数计价。信通院这份报告，你可以理解成官方给各家「卖字数」的生意做了张比价表。两个数字值得记住。第一个是涨价：国内归一化均价从6.8元涨到13.46元，接近翻倍——归一化是行业比价口径，把不同模型折算到同一把尺子上。方向是准的：过去两年那种近乎白送的AI服务，正在收本钱。这不算坏消息，白送的往往在别处收钱。第二个更实用：同一个模型在不同平台上速度差最多接近一倍。你用的各种AI应用，很多是接第三方平台转手的，同一颗大脑有人给得快有人给得慢——10月21日那期播过的集群调度提速方案，抢的就是这一秒。首字延迟变长也别急着骂技术退步：模型更大、一次记得更长，等待本身是代价的一部分。
晓桐: 决策模型和咱们天天聊的聊天模型，差在哪？对普通用户有什么影响？
云健: 你发现没有？这类新闻标题里的「准确率超过某某」容易唬人，先把基本盘讲清：决策模型和生成模型的区别，是选择题和作文题的区别。你半夜发一句「三天了还不发货，尽快处理」，聊天模型会帮你写一段义正词严对店家说的话；决策模型一个字的文章都不写，只做判断——这是催单还是投诉、工单派给谁、要不要转人工。判断比写作文便宜太多，蚂蚁给的数字是客服场景词元消耗降九成、速度翻倍，风险识别准确率从76%提到89%——全是公司自家口径。客服变聪明变便宜，用户是能感知的；「风险识别」提上去，最终体现是少被骗还是被过度拦截，要看落地。跑分那条我建议降一档来读：口径是同参数规模内的对比，不是全面碾压。但有个信号值得记下：微软、Jev这些产品名字被摆在一起比，说明「决策模型」已经自成一个赛道，不是大模型的边角料——AI竞争正从「会聊天」卷向「会办事」。
晓桐: 第二条开场就点了「世界模型」，新闻里也老出现，它和之前那些视频生成模型到底不一样在哪？
云健: 多数视频模型比的是下一帧画得像不像，达瓦这条路线维护的是世界状态——场景、人物、灯光、物体、物理，各自是一组可以单独改写的变量。demo里改画风，家具不会跟着漂；小朋友在墙上写下四个字，之后下雪、长树、下雨，那四个字位置和笔画都不动。变化来了只算变化那一块，不重复整幅重画，一张消费级显卡就能实时跑。我把它和10月24日那期世界模型国家标准启动记在同一条线上：一边企业拿出能商用的产品、拿了奖，一边标准工作组开始定尺子，这条路线正在从实验室的演示走进工程。他们最硬的底牌反而不是模型，是数据：180TB不是网上扒来的视频，是自家片场五年真实拍摄攒下的结构化记录——机位怎么走、灯什么时候打、道具何时被拿起，全对进同一条时间轴。一段唯美的成片不值钱，一段带参数标注的拍摄记录才值钱。编辑成功率98.2%、身份保持93.3%、功耗降幅这些都是公司口径，先记账；奖项本身也是活动方评选口径。至于「34B总参数、每步只激活4B」，人话版是：厨房很大，每次只开四分之一的灶。开头那张旧游戏显卡是同一思路的民间版——厂商按产品线人为切档位，开发者在档位缝里找活路，仓库里的自测数据是社区用户报的，动内核有失保修、失稳的风险，官方并不认可这条路。
晓桐: 最后这条，帮科研工作者选题——这算不算给科研注水？
云健: 恰恰相反，它治的是「注水」。选题最费的功夫是两头跑：一边想，一边拿文献对照，人容易只找支持自己的证据。LitPivot把文献摆到修改现场，每一处批评都带原文摘录，你不同意可以拒绝，它不替你下结论。Ai2特意做了对照实验——领域专家评两组产出：一组用文本编辑器加聊天工具，一组用这套系统，前者在「文献支撑度」上占优。要留的分寸也清楚：17名研究者的样本不大，「更新颖、更有用」是参与者自评的主观感受。这家机构本身值得多说半句——艾伦人工智能研究所是非营利机构，不追最大的模型，专把AI嵌进读文献、做实验设计这类真实工作流。这也是我们每期坚持讲一条非聊天路线的原因。
第四段：收尾＋合声
晓桐: 收尾留三个没宣布的东西：Meta恢复分享功能那天，看它把地址生成方式改了没有；信通院下一期监测数据落地，看13.46元这条均价线是稳住了还是继续爬；还有蚂蚁的开源计划表上，什么时候给决策模型排上一行。技术往哪走，从来不只由发布会说了算，也由这些「还没说出口的部分」画出来。
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！