GPT-6.1 Sol 迁移 COBOL 测试准确率最高 97.9%

概览

本期共 10 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · GPT-6.1 Sol 迁移 COBOL 测试准确率最高 97.9%
2. 重点 · 美国国土安全部禁止联邦民事机构使用 DeepSeek
3. 重点 · Unsloth 把 DeepSeek V4.1-Flash-1017 压到 250GB
4. Mercury 3 扩散语言模型达到 1068 tok/s，自测 12 项中 8 项领先 Haiku 5.5

全球 AI 资讯

5. PyTorch 2.15 的 MPS 后端支持 FP8，Mac 上解码更快
6. SageMaker Studio 新用户可用 GitHub 账号直接登录

区域与早期信号

7. 小米 MiMo-V2.6-Pro 上线 WorkBuddy
8. Claude 与 Gemini Carbon 新模型内测反馈曝光
9. 北大与启元机器人推出 HIL-UMI，后训练纠错不再依赖真机
10. 无锡 Stars Micro System 发布 PCIe 6.0 交换芯片 C82-4G

热门模型动态

OpenAI 发布一组面向 COBOL、Fortran、Visual Basic 等老语言的编程评测，新模型在自家测试上大幅领先上一代。

OpenAI 10 月 19 日在 X 上公布这项更新，定位是能力更新，没有推出单独产品；技术说明称开发者可通过 OpenAI API 用这些模型做编程任务。量子位转引的数据称，COBOL 支撑着超过 40% 的银行系统、80% 的线下刷卡交易和 95% 的 ATM 交易。

另据 RuntimeWire，在「用老语言实现 SQLite」的评测中，GPT-6 Astra 通过了 72.1% 的 COBOL 测试。

局限：迁移结果用的是 OpenAI 自己设计的隐藏测试，属于自评。RuntimeWire 指出，这些结果只说明模型在 OpenAI 自家评测上有进步，生产环境中的安全性和企业采用情况都还没有答案。

九凤根据本期已引用来源整理。

来源：OpenAI · RuntimeWire · 量子位

美国联邦民事机构必须移除现有 DeepSeek 产品、不得再采购，禁令也覆盖基于 DeepSeek 构建的第三方服务。

据 The Decoder 援引《华尔街日报》报道，美国国土安全部（DHS）下令禁止联邦民事机构使用 DeepSeek 的 AI 技术。范围包括其关联公司的产品，以及基于 DeepSeek 实现构建的第三方服务。命令的依据是 2018 年一部涉及联邦采购供应链安全的美国法律。

据《纽约时报》此前报道，美国政府今年夏天曾考虑针对中国开放权重模型采取行动，选项包括制裁、贸易黑名单，以及规定联邦机构可以使用哪些模型。

局限：通知没有设定移除期限，也没有说明具体的安全担忧。「基于 DeepSeek 构建」怎么界定、OpenRouter 这类 AI 网关是否在禁令范围内，目前都不清楚。

来源：The Decoder

Unsloth 发布 DeepSeek 552B 模型的 1-bit GGUF 版本，内存 128GB 以上的机器可以本地运行。

Unsloth AI 10 月 19 日发布 DeepSeek V4.1-Flash-1017 的 GGUF 量化版本。

• 最小版本：1-bit，下载体积 250.4GB
• 8-bit 版本：508.4GB
• 内存要求：至少 128GB
• 88.2%：Unsloth 公布的一致性指标

局限：88.2% 衡量的是在单一测试集上与原模型的 token 一致率，不是通用基准准确率。250GB 的下载量加上 128GB 以上的内存要求，意味着本地运行仍只适合高端机器。

来源：RuntimeWire · Unsloth（X）

Inception 的新一代扩散模型并行生成答案，主打速度，在自家对比表中多数项目领先 GPT-6 Luna 和 Claude Haiku 5.5。

Mercury 3 不逐个 token 生成，而是并行写出答案。

• 速度：Inception 称在 NVIDIA GPU 上达到每秒 1068 个 token（未披露具体 GPU 型号）
• 上下文：100 万 token
• 规模：参数量未披露，官方称是 Mercury 1 的 40 倍以上
• 评测：12 项基准中 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5（medium 设置）；SWE-Bench Atlas 得 51.08，领先两者约 18 分

局限：所有分数都由 Inception 自行报告。模型只通过 API 提供，不开放权重，也没有量化版本；DeepSWE v1 是它表现最差的一项，落后 Haiku 5.5 5.31 分。

来源：MarkTechPost

全球 AI 资讯

Hugging Face 的 PyTorch 团队介绍 2.15 版 MPS 后端的改进：新增 FP8，语言模型解码走更快的路径。

在 PyTorch 2.15 中，FP8 开始支持 MPS。语言模型解码时，线性层和 softmax 有了更快的执行路径；新的 Metal 内核用来处理音频、视频和训练负载中开销意外偏高的部分。

团队的做法是在 MPS 上跑 Hugging Face Hub 的语言、图像和视频模型，找出短板后提交到 PyTorch 上游，越来越多地用专用 Metal 内核替代 MPSGraph。

局限：改进只针对 Mac 上的 MPS 后端。博客写到，2026 年初在 MPS 上跑小模型仍常遇到算子不支持、性能断崖和内存异常增长等问题；各类负载的实际提速幅度，要看具体模型和算子。

图片来源：huggingface；已转存至九凤 R2。

来源：Hugging Face Blog · GitHub

AWS 简化 SageMaker AI 新用户的开通流程：注册后几步就能进入已配置好的 Studio 环境。

新用户可以用已有的 Amazon、Apple、GitHub、Google 账号或邮箱登录。不需要先建完整的 AWS 账户，多数用户也不用绑信用卡。AWS Free Tier 额度最多 200 美元：新用户先获 100 美元，另有机会再赚 100 美元，可用于模型定制、训练任务、Studio notebook 和端点部署。

AWS 还提到，今年早些时候 Studio 环境的创建时间已从 2 分钟缩到约 20 秒，并且可以从 Hugging Face 模型页一键跳转到 Studio。

局限：新流程只面向新客户。「免信用卡」只适用于多数用户，不是全部。

来源：AWS Machine Learning Blog

区域与早期信号

小米称 AA 智能指数开源第一的 MiMo-V2.6-Pro，今天接入了 WorkBuddy。

小米技术官方 10 月 20 日宣布，MiMo-V2.6-Pro 正式上线 WorkBuddy，支持 1M 上下文、多智能体分工协作，以及图像、视频、音频、文本的全模态联合理解。9 月 22 日发布时公布的 Artificial Analysis 智能指数 v4.3.2 成绩如下：

另据小米公布的数据，Pro 版在 DeepSWE v1.1 上从 48.8 升到 65.7；RL 训练历时不到 6 天，成本约 262 万美元。

局限：上线消息没有说明 WorkBuddy 中的计费和可用范围；评测数据来自 9 月发布时小米自己的说明。小米也承认，与顶级闭源模型相比仍有差距。

来源：IT之家

据社交平台转述，Anthropic 和 Google 都在内测新模型。

量子位汇总 X 上的说法：新版 Claude 在推理和直觉上更好，修 bug 时会找出导致它的那一类根本问题，并询问是否一并修复。Google 测试了代号 Argon、Barium、Carbon 的一系列 Gemini 4 模型，其中 Carbon 在内部编程平台 Jetski 上向员工开放了数日。员工反馈它编程强于 Argon，「感觉与 Opus 5.5 相当」。

局限：信息来自匿名内测用户在 X 上的转述，报道未提及官方表态，也没有任何基准分数；报道中的员工自己也说，Carbon「还需要更多测试」。本条为中文媒体单源。

来源：量子位

董豪团队把具身后训练中关键的人工纠错环节，搬到了无本体采集设备上。

据雷锋网报道，传统的 HG-DAgger 需要机械臂实际运行、操作员在旁盯守，快出错时再接管纠正，又贵又慢。HIL-UMI 针对这一点，在不依赖机器人本体的前提下完成后训练里的「纠错」环节。

局限：本条仅依据中文媒体单源报道，成功率等量化结果未经本站核实；报道称「国内外还没有团队做出可行方案」，这是报道方的判断。

来源：雷锋网

无锡厂商发布自称国内首款的 PCIe 6.0 交换芯片，同时推出 800G AI 网卡和多模 RAID 芯片。

据 Pandaily 报道，Stars Micro System 发布的 C82-4G 最多支持 144 条通道，速率 64 GT/s。同场还发布了 800G 多协议 AI 网卡和多模 RAID 芯片。

局限：「国内首款」是厂商自己的说法。报道没有给出第三方测试、价格或量产时间。

来源：Pandaily