AI一周大事：DeepSeek被禁、智能体攻破工业巨头与模型效率竞赛

过去一周的AI新闻呈现出三条清晰的裂痕：国家安全层面的模型清退、自主智能体被用于攻击工业目标，以及模型实验室在效率与成本上的疯狂竞速。从美国联邦政府到数学界，从开源社区到工业网络，AI的能力与风险正在同时膨胀。

一、DeepSeek被逐出美国联邦系统

一纸迟到的移除令

美国国土安全部（DHS）于10月19日提交了一份针对DeepSeek^广告的排除与移除令，并于次日刊登在《联邦公报》上，案卷号为DHS-2026-0628。这份编号2026-01、签署日期为7月24日的命令，在公众视野之外滞留了近三个月。

据《联邦公报》公开文件，该命令要求所有联邦文职行政机构立即停止采购杭州深度求索及其关联公司的产品，并即刻从IT系统中移除DeepSeek相关产品。更具杀伤力的是第二条款：禁令延伸至使用DeepSeek实现构建的第三方产品与服务。这意味着影响范围远超DeepSeek自身的应用和网站。

《联邦公报》（Federal Register）是美国联邦政府发布规则、拟议规则、通知及行政命令的官方日报，由联邦公报办公室与国家档案和记录管理局出版。依《行政程序法》等法律，联邦机构的法规与某些行政行为须在《联邦公报》刊登后才产生法律效力或供公众知悉。案卷号（docket number）是机构为某一事项分配的追踪编号，公众可据此检索全部相关文件与评论。命令从签署到刊登的延迟并不罕见，涉及国家安全或采购的事项常需跨部门审查与脱敏，但近三个月的间隔仍会引发对透明度和执行时效的质疑。

三大威胁向量与60天窗口

DHS在文件中列举了三个具体威胁：DeepSeek服务器位于中国，当地法律允许对私营基础设施进行广泛访问；其注册流程收集个人信息并可能对用户进行数字指纹识别；以及2025年2月NowSecure审计发现iPhone应用存在多个严重漏洞。你可能没注意到，文件并未描述任何政府数据实际流向DeepSeek的案例。

各机构可在命令发布后60天内书面申请例外，需提供影响关键任务的充分理由及替代安全保障措施，由网络安全和基础设施安全局（CISA）逐案审批。军事与情报系统归五角大楼和国家情报总监管辖。国土安全部长需在一年内及此后每年审查该命令。

二、AI智能体攻破John Deere、SharkNinja与Cummins

20余个暴露的控制面板

安全公司Norforge于10月19日披露了对暴露Cairn控制面板的调查。超过20个暴露的Cairn面板可能关联恶意活动，这些系统被描述为“AI驱动的黑客引擎”，可协调智能体朝既定目标推进。据路透社报道，受害者包括农业机械巨头John Deere、家电品牌SharkNinja和动力设备制造商Cummins。

数字背后的攻击经济学

最活跃的集群AIA0001运营着14个面板，托管超过1100个攻击项目。攻击者用不到100个汉字编写入侵战术，优先攻击未认证远程代码执行漏洞。一次成功入侵耗时略低于23小时，每个项目平均记录约140条事实，平均成功率接近10%。Norforge估算每项任务成本约5美元，最长的项目超过100美元。

更令人不安的是工具的专业化程度。所有任务运行在一个名为claudecode_deepseek-v4.1-flash的worker上，智能体携带Playwright、Chromium、PHPGGC、Nmap、ffuf和OWASP Amass。一个worker的环境竟是从早前腾讯CTF挑战中改造的Kali容器。Trufflehog扫描发现了数百个暴露密钥，其中11%经验证有效。

Cairn是本次事件中攻击者部署的控制面板，用于编排智能体、下发目标并汇总攻击过程中的中间结果。Playwright与Chromium负责浏览器自动化与网页交互，Nmap用于端口与服务发现，ffuf做目录和参数爆破，OWASP Amass进行子域枚举与攻击面测绘，PHPGGC则生成PHP反序列化利用链，Trufflehog用于在代码库和配置中扫描泄露的凭据。把这些工具封装进一个由大模型驱动的worker，意味着侦察、漏洞利用到横向移动的多个环节可由智能体自主串联，人力从逐条执行转为设定目标与审阅结果，这正是单任务成本能压到约5美元的原因。

受害方回应与防御启示

John Deere对路透社表示没有迹象表明敏感信息被访问。SharkNinja称泄露影响的是一个独立的产品支持网站，并已控制威胁。Cummins表示正在调查第三方供应商运营网站可能遭受的攻击。讽刺的是，攻击者自身基础设施防护薄弱，这正是研究人员发现他们的方式。

三、模型效率竞赛：MiniMax、Inception与Mistral

MiniMax M3.1 Flash：成本降七成，速度超200 token/秒

MiniMax于10月19日发布M3.1 Flash。该模型在DeepSWE v1.1上得分73.7%，BankerToolBench得76.2分，OSWorld V2得61.7分，Agents' Last Exam得29.6分，CyberGym漏洞发现任务达82%。在OSWorld V2和ALE两项基准上，它在中国模型中排名第一。

定价为每百万输入token 0.15美元，每百万输出token 0.60美元，缓存输入仅0.015美元。整体智能体使用成本较前代下降70%。激进的稀疏化将输出速度推至200 token/秒以上，中位速度保持在170以上。MiniMax透露，早前匿名系统Space Bunny处理了超过200万亿token，正是M3.1 Flash的早期版本。

Inception Mercury 3：扩散LLM首次比肩前沿模型

Inception Labs发布Mercury 3，称其为迄今最强的扩散LLM。它在基准测试中超越GPT-6 Luna和Claude Haiku 5.5，运行速度快4到8倍。自Mercury 1以来总参数扩展超过40倍。在NVIDIA GPU上生成速度达1068 token/秒，上下文窗口从260K扩展至100万token。

定价为每百万输入0.20美元、输出0.70美元，发布期五折。在50个Mind2Web实时导航任务中，Mercury 3完成了50%，显著超过GPT-6.1-Sol，且token量和步数相同。TinyFish AI联合创始人确认了这一结果。

主流大语言模型多为自回归架构，逐token从左到右生成；扩散语言模型则借鉴图像生成中的扩散过程，先对整段文本加噪再迭代去噪，可并行地细化多个位置。这种并行性是其吞吐量显著高于自回归模型的主要原因，但历史上扩散模型在质量上难以匹敌前沿自回归模型。Mercury 3的意义在于同时把质量推到可比较的水平并保留速度优势，若能在长上下文与复杂推理上稳定复现，将为低延迟、高吞吐场景提供一条不同于自回归的技术路线。

Mistral Timestral：时间序列基础模型与CERN合作

Mistral于10月15日发布Timestral，这是其首个时间序列基础模型家族，涵盖5M、28M、123M和209M参数四个规格。最大模型在GIFT-Eval、TIME和fev-bench的预训练零样本模型中排名第一，参数量仅为此前最优的三分之二，且无需集成。

Timestral无需GPU推理。在8线程服务器CPU上，5M模型单日预测仅需10毫秒，209M模型需140毫秒。上下文窗口覆盖32768个时间步，输出21个分位数，采用修改版MIT许可证。同日，CERN与Mistral签署意向书，将共建首个对撞机物理基础模型——大型物理模型（Large Physics Model），基于数十亿模拟质子-质子碰撞训练。CERN拥有约1EB的LHC实验数据。

四、数学家开始审计OpenAI的准黎曼证明

两个版本的证明

Quanta Magazine于10月19日刊发分析。OpenAI于10月6日宣布了377篇论文中的这一成果，该集合后来扩展至722篇。第一版证明日期为9月30日，显示所有非平凡零点位于1/8到7/8之间，并在Lean中形式化验证；第二版日期为10月5日，用49页而非199页证明了更弱的1/12到11/12边界。

专家的震惊与审慎

斯坦福的Jared Duker Lichtman称这是迄今最重要的AI-for-math成就。纽约大学的Maksym Radziwiłł表示影响“令人震惊”，因为黎曼假设的大多数推论已经由此得出。11/12那篇论文是722篇中唯一在发布前经过人类编辑的。佐治亚理工学院的Alexander Dunn发现证明没有使用新概念，只是揭示了旧概念之间的隐藏联系。

普林斯顿的Peter Sarnak本学期专门调整课程来研究该证明。Will Sawin怀疑边界能否推进到1/2，而曼彻斯特大学的Thomas Bloom则持相反意见，认为“现在什么都不会让我惊讶”。罗格斯大学的Henryk Iwaniec在2002年曾遗漏过一组相关函数。完整黎曼假设仍然成立，但这一证明已经将AI在数学发现中的角色推到了新高度。

黎曼假设断言黎曼ζ函数的全部非平凡零点都位于复平面上实部为1/2的临界线上，是数学中最重要的未解决问题之一，大量数论结论以它为前提。所谓“准黎曼”结果通常指证明零点被限制在临界线附近的某个条带内，例如1/8到7/8或更弱的1/12到11/12，这类结论远弱于原假设，但若能持续收窄条带，仍具实质意义。Lean是交互式定理证明器，把证明形式化意味着每一步推理都由机器逐步核验，可排除笔误与隐性假设，但前提是形式化本身正确无误，因此数学界仍在逐段审计其定义与引理。

五、工具与框架：Cloudflare Clairic与Google Harness²

Cloudflare Clairic：单次前向传递的提取模型

Cloudflare发布Clairic，一种“系统一”提取模型。它仅运行一次前向传递，无需推理，不产生输出token，直接返回带字符偏移的提取片段、计算值、估计分布和80%区间预测。模型已在Workers AI上以@cf/cloudflare/clairic提供，开放权重即将发布。

在级联流水线测试中，Clairic和Clef配合GLM-5.3完成任务耗时19.3秒，而GLM-5.3全程处理需61.7秒，节省69%时间；成本为每百万索赔6032美元对11740美元，降低49%。提取和决策合计不到1秒，而GLM-5.3需要38秒。Cloudflare坦承局限：多步算术尚不可靠，预测功能基础，不应替代专用时间序列模型。

Google Harness²：不修改权重，改进模型周围系统

Google Research以Apache 2.0许可证发布Harness²。该框架保持模型权重不变，转而改进模型周围的系统。任务级递归通过“提议-探测-组合”步骤优化执行框架；独立的改进框架将采纳的框架和有证据支持的经验带入未来任务。

单步Harness²即让GLM-5和Gemini 3.5 Flash在WorkBuddy^广告-Bench上最高提升11.5分，JobBench提升4.5分，LAB部分通过率提高11.8个百分点。仓库包含八个可编辑组件：系统提示、护栏、记忆、工具指导、子智能体、技能、脚本和插件，支持并行与顺序递归模式。发布数日内即获11.9K星标和1.1K复刻。

六、arXiv速览：编码智能体、药物发现与自建实验室

WebCoder以工件为锚的智能体强化学习训练了一个27B前端智能体。在Webdev-Bench上，需求满足率从Qwen3.8-27B基座的64.8提升至72.8，超过Claude-Opus-4.8的65.1和GPT-5.4的59.6。DrugHarness在80余项操作中耦合可组合科学执行与条件技能归纳，未经进化即比MolClaw-CC报告的亲和力准确率高出10.8个百分点，合成化合物细胞IC50达14.19 nM。GatewayBench则用524个任务、11118个真实工具评估了7个主流MCP网关在良性及对抗条件下的表现差异。

常见问题

DeepSeek命令到底要求什么？

禁止联邦文职机构采购DeepSeek产品，并要求从机构IT系统中移除，同时覆盖基于DeepSeek构建的第三方工具。机构有60天时间申请书面例外。

AI智能体如何攻破John Deere和SharkNinja？

攻击者利用暴露的Cairn面板协调自主智能体，最大集群在14个面板上运行超过1100个项目，使用DeepSeek V4.1 Flash。成功入侵耗时不到23小时，成功率约10%。

Mercury 3为何被视为突破？

它证明扩散LLM可以扩展到前沿质量水平，速度达1068 token/秒，上下文100万token，基准测试超越GPT-6 Luna和Claude Haiku 5.5，同时快4到8倍。

AI真的证明了黎曼假设吗？

没有。OpenAI证明的是更弱的准黎曼假设，将非平凡零点限制在1/12到11/12的条带内。完整假设要求所有非平凡零点恰好位于1/2线上。数学家基本接受弱结果，但怀疑能否弥合差距。