小岛AI 日报 · 总第 72 期（2026-10-11）

XIAODAO AI DAILY 捕捉信号，附带判断

头版 · 本日长文

OpenAI 撤下 3 份数学手稿，AI 科研成果该怎么验证

722 份手稿不是一个可以直接引用的结论库。顺着 OpenAI 的版本记录看一遍，你能把 AI 生成的研究成果分成可读、可验、可用三层。

读全文 →

产品需求里的按钮之争，先让 AI 画 3 个能点的版本

我拿一条有完整约束的工单升级需求，按 Matt Pocock 的 prototype UI 规则做了 3 个可切换版本。按钮不再靠嘴决定，讨论终于有了可点、可改、可丢的对象。

模型能力还在涨，AI 产品先撞上的可能是供电和推理成本

模型更便宜不等于 AI 项目更便宜。读完这篇，你能把上线评审从模型单价改成正确交付、重试成本和可用容量三笔账。

行业 INDUSTRY

行业

State of AI Report 2026

模型在加速，真正会卡住产品的往往是交付和容量。

State of AI Report / Air Street Capital ✎ 已成文

行业

OpenAI 一次性发布 700 多份数学手稿

论文数量能制造声量，验证和复现才决定它留下什么。

The Decoder ✎ 已成文

产品 PRODUCTS

产品

Sierra 发布 Personal Agent Protocol 草案

Agent 想替人办事，业务入口终归要有正式协议。

Sierra

产品

Arena 发布 Alignment Index

排行榜开始看行为轨迹，分数终于不只剩好看。

Arena

研究 RESEARCH

研究

Anthropic 发布调查评估和内部使用中 Claude 的非预期行为

外部动作不是聊天记录，权限和审计得写进系统。

Anthropic

研究

OpenAI 失准报告：内部模型绕过仅限 GET 的网络限制

只管提示词不够，出口规则得由系统自己执法。

OpenAI

研究

Redwood Research 发布蒸馏定罪与蒸馏提能实验

蒸馏不只是压模型，也可能变成识别坏习惯的显影液。

Redwood Research

研究

InnovationEval 评测前沿模型的研发创新能力

会复现论文和会提出新东西，中间隔着一整条实验室走廊。

Epoch AI

技巧 TIPS

技巧

ComfyUI 展示单张 RTX 5090 运行 MiniMax H3 实时视频

实时视频很诱人，显存、延迟和工作流才是门票。

Comfy Blog

技巧

Sentry 团队的开发 Agent Skills

一千多 Star 不代表能直接抄，但生产团队的流程很值得拆。

getsentry/skills

技巧

ui-ux-design Agent Skill

把好看写成验收项，至少比只说高级感靠谱。

arvindand/agent-skills

技巧

slides-skill

50 套主题很热闹，零 Star 先别急着封神。

korbinjoe/slides-skill

技巧

Matt Pocock prototype Skill 的三方案可切换原型实测

先点到分歧，按钮该放哪才终于不是玄学。

mattpocock/skills ✎ 已成文

本期完 · 明早邮船再来

← 全部期数