SemiAnalysis 在同一天拿两个同为 200 美元的 Claude Max 账号跑同一套智能体负载，测出周额度差了两成；Anthropic 与 Theorem 用 Claude 给 123 个开源库写出机器可检的证明，把过去按人年计价的东西压到几周内做完；两篇预印本则从两头测记忆——一头是原始对话直接检索就能赢过精心设计的记忆系统，一头是记录删掉之后信息还在。加上 LiteLLM 发布链被攻陷和 1Password 给智能体开的登录口，今天这几条讲的是同一件事：那些一直靠信任兜底的东西，开始一条条被拿出来量。
一、同一份 200 美元订阅，两个账号差了两成
Claude 的付费套餐一直只公布两条限制：五小时会话窗口，以及每周额度。具体多少 token 从来不显示，用户看到的是一个从 0 走到 100 的进度条。10 月 22 日，半导体与 AI 研究机构 SemiAnalysis 说自己测到了这个盲盒里的差异：两个同为 200 美元的 Max 20x 账号，同一天、同一个模型 Opus 5.5、同一种智能体负载，账号 B 的五小时窗口是 2076 百万 token，账号 A 是 1740，B 高出 19%；但周额度反过来，A 是 6579 百万，B 只有 5266，B 少了 20%。
这里的换算要讲清楚，否则容易误读。SemiAnalysis 的做法是每次请求之后读一遍用量表，算出每条限制里能装下多少各类 token，再按一种假设的智能体负载折成 API 等价美元。输入、输出和缓存 token 的比例一变，美元数字就会变；但两个周额度之间那 20% 的差不依赖这个折算，它是实测出来的。
真正值得琢磨的是方向。五小时窗口一天能重置好几次，一个月真正卡人的是周额度，所以窗口变宽、周额度收窄，对重度用户是净损失，对从来没撞过周上限的人反而是变宽了。至于能不能说自己“被少给了”，现在还不行：SemiAnalysis 只测了两个账号，自己也说只影响部分账号；Anthropic 截至 10 月 23 日没有公开确认过存在这项测试，官方帮助页只写套餐与价格“可由 Anthropic 自行调整”。Claude Code 的 Lydia Hallie 回应称额度没有任何调整，建议觉得消耗异常的用户提交 ID 排查；核心开发者 Boris Cherny 说团队在查消耗偏快的原因。
对用户来说，可操作的部分不多但很具体：先分清自己撞的是哪一条限制。如果每次都是五小时窗口先红，那这一轮测试对你没有影响；如果每周后半段开始等额度，那就该把上个月同期的节奏翻出来比一次，再决定要不要把一部分固定负载挪到按量计费的接口上。
二、证明第一次便宜到能覆盖上百个在用库
形式化验证能给出测试给不了的东西：不是“我们没找到问题”，而是“在这一组假设下这类问题不存在”。代价一直是人年——seL4 内核实现用了两个人年，验证它用了二十个人年，所以这门技术长期只用在航空电子这类地方。Anthropic 与 Theorem 10 月 22 日公布的合作，把这个数字往下压了一个量级。
做法是先把测试变成规约。谷歌 OSS-Fuzz 里每个模糊测试入口本来就是一句“喂任意输入，别崩”，他们把它翻成形式命题，再把测试目标编译成静态链接的 RISC-V 二进制，用 Theorem 提供的指令集与 Linux 进程语义作为地基。Claude 负责写证明，Rocq 内核负责判定这份证明是否真的撑住了那条命题。几周之内，123 个库、239 个入口点完成证明，覆盖 64 MB 以内的一切输入、一切被建模的操作系统响应与内存布局，合计约 1.8 亿行 Rocq，单份证明典型规模 60 万行，而它所验证的二进制中位长度是 18000 条指令。
顺带找到的东西比证明本身更有说服力。Claude 在一个解压器里发现计数器下溢导致的越界写，这个缺陷只在约 20 MB 输入、一种罕见内存布局下出现；在 libexpat 里重新发现了已编号的漏洞；还有一个图像解码器的越界读需要 64 MB 输入加 2 GB 以上内存才触发。团队说在验证一个主流 PDF 阅读器时，一周内发现的安全缺陷数量相当于这个项目往常一年的报告量。
边界也写得明白。这批证明只覆盖单线程、静态链接、跑 RISC-V 并链接 musl 的二进制，而多数人实际用的是 x86 或 ARM 加 glibc；不是每个库的每个入口点都验了；公开出来的是子集，25 个库、60 个入口点、138 条陈述。最要紧的一句是 Anthropic 自己写的：形式化验证不等于没有缺陷，因为检查器不会判断你写的规约是不是真实需求。成本这一侧也有进展——Opus 5.5 完成同一批 36 个验证任务比 Opus 5 少用约 40% 的 token，多个智能体共享已写出的证明后总消耗再降 17%。
三、删掉源头，不等于删掉从它长出来的东西
同一天挂到 arXiv 的两篇预印本，从两个相反方向测了记忆系统。AfterDeleteBench 的做法很干净：给一个智能体看一个合成秘密、再删掉，同时准备一个从没看过这个秘密的对照智能体，两边同等条件地问。结果是在 Qwen2.5-7B-Instruct 上，一次查询就能从“已经删掉”的那个智能体里问出秘密的约三分之二，对照组一次也没问出来。
另一篇给了个有点扫兴的对照。Raw-RAG 是个故意做得笨的基线：稠密检索加重排，直接查没动过的原始对话，不做摘要、不建知识图谱、不学写入策略。在 LoCoMo、LongMemEval、MEME 和 MemoryAgentBench 上，它在 7 组基准与模型组合中的 6 组排在首位，领先所有被比较的智能体记忆系统 0.13 到 5.53 分。作者的解释是覆盖率换利用率：原始记录用得粗，但它包含回答问题真正需要的证据，包括那些关系与依赖路径；他们甚至做了上限测试——把转换后的记忆库全部开放给模型，准确率仍低于直接查原始记录，说明损失发生在转换这一步。
两篇放一起看，结论对任何攒记忆库的人都成立：先留住原始记录，它比任何一层加工都更接近证据；同时删除请求必须能追到最底下那一层，否则上面删得再干净也没用。0.13 分那组提醒我们别把话说满，这组差距接近噪声，作者也只把它们限定在对话类任务上。
同一天还有个 ColaBench，做的是另一半问题：光记得住没用，得把个人处境和外部文档连起来。它用 349 个合成任务、13033 份文档、10 个健康与日常生活画像来测，作者提出的 MemKB 用状态摘要引导查询、再把记忆与文档链接起来，准确率 86.25%，平均每个任务 4.07 轮交互；错误集中在两条——凭空假设用户的个人情况，以及规则用错。这些是预印本数字，结论还停留在“联合评测这件事值得做”。
四、发布链和登录口，各补了一道
10 月 21 日，LiteLLM 的发布流水线被攻陷。PyPI 上的 1.107.0 恶意包在北京时间当天 11:39 到 13:23 UTC 之间可下载，被污染的 Docker 与 GHCR 标签一直挂到 14:20 UTC，估计下载约 49000 次；官方给出的最近一个干净版本是 1.106.2。攻击者手里有三组开发者凭据，分别用来关掉分支保护、审批被改过的生产发布流程、以及删掉工作流记录。
这件事里最该记住的不是时间窗口，是那个错位：官方仓库里 1.107.0 这个标签的源码是干净的，有毒的是从另一个仓库构建出来的产物。供应链检查里“发布出来的二进制一定对应我审过的源码”这个默认前提，在这里不成立。初始的 GitHub 令牌究竟怎么丢的还没查清，LiteLLM 自己提到内部部署暴露在公网上，以及有情况下 Claude Code 会把令牌回显进日志。官方的建议也很实在：装过这个版本的机器按沦陷处理，轮换云、CI 与集群凭据，只把包删掉不够。
另一头，1Password 在 10 月 22 日上线 1Password for Agents，补的是智能体代人办事时要登录这个洞。机制不复杂：智能体走到登录页，先用专属数字密钥向 1Password 表明身份，请求被推到用户自己的设备上，写清要登哪个账号、办什么事；用户批准后由 1Password 把凭据填进表单，智能体从头到尾没见过明文。首批接入的有 Meta Muse、OpenAI 的 ChatGPT Work 与 Dots、Claude Duet、Grok Bot 和 Town，另有九家在开发中。限制在于，登录成功之后智能体能看到什么、能做什么是智能体和网站自己说了算，多家银行也表示暂时分不清账户里的操作有没有经过本人授权。
五、另外几则
谷歌 DeepMind 在 Gemini 4 Argon 的发布里附带了一个机器人演示：给模型看一段人玩沙包投掷的原始视频，它自己分析场景、算全身关节轨迹，然后写出仿真代码，学到的策略转移到 Apptronik 的 Apollo 人形机器人上，真机连续七次命中。官方把这条路叫“视频—仿真—真机”，说它把原本数周的仿真建模压到几小时。同一批材料里还有桌面任务：一张照片建出数字孪生，自主生成 4500 个训练回合，真实完成率从 56% 抬到 75%，单次耗时从 35 秒降到 24 秒；Argon 在谷歌自有的 ERQA 具身推理基准上得 87%。这些都是一次内部试验加上厂商自评，没有独立复现，官方也没说七连中之前失败过多少次。
月之暗面发布 Kimi K3.1 Pro，3T 级开放权重、100 万 token 上下文，完整权重 11 月 4 日前放出，同时上线快 2 到 3 倍的 Highspeed 版本。Artificial Analysis 的智能指数上它得 55 分、排第四，比上一代 Kimi K3 高 11 分。官方在网络安全那一节写明，这一代的攻击性网络能力被刻意压在前沿闭源模型之下，理由是开放权重不该抬高这类能力的上限；这属于厂商自述的判断，权重放出后才能验证。
Canva 在 10 月 22 日推出第一个自研图像模型 Canva Craft，走两阶段：先由规划模型按提示词写出一张构图——有哪些元素、各在哪、多大、文字写什么，再由渲染模型画出来，最高 2K、30 多种宽高比，能写 55 种语言的文字。训练语料不用照片，用的是自家模板库里人做的海报、社媒图、演示稿和信息图。改一个字不会带崩整张图，是这套结构最直接的收益。
MiniMax 开源了 M3.1 Flash，总参数 428B、激活 23B，上线 72 小时处理超过 100 万亿 token；官方称相对上一代 M3 使用成本降 70%，靠全模型稀疏注意力、量化感知训练和功耗调度把线上推理速度提了近 3 倍。开源首日接入的名单里有华为昇腾、平头哥、昆仑芯、摩尔线程、NVIDIA、AMD，以及 Together AI、Fireworks、Nebius 等推理与云平台，vLLM、SGLang 和 Hugging Face 也在列。这些效率数字都是厂商自述，72 小时的 token 量是平台侧统计，不等同于模型能力。
OpenAI 接近敲定一轮 300 亿美元融资，投前估值 1.25 万亿美元，低于本月初向投资者提过的 1.4 万亿；上一轮 3 月融资 1220 亿美元、投后估值 8520 亿美元。条款仍在谈判，公司未公开确认。桑达尔·皮查伊在 Sources 播客里说，Gemini 4 Argon 上线 72 小时吞下近 25 万亿 token，是上一代同期的 3 倍，谷歌不得不再度限流；他还解释了 Gemini 3.5 Pro 为什么没发——团队判断补齐智能体编码短板代价更低的一条路是用更小的 Flash 版本高频迭代，等这套跑通，Argon 的预训练已经完成了。
来源与说明
[1]: SemiAnalysis 关于 Claude Max 额度 A/B 的帖与两账号对照图 —— SemiAnalysis / 2026-10-22 (https://x.com/SemiAnalysis_/status/2113383965784502444) [2]: Claude Max Usage Limits A/B Test: What Is Confirmed —— CellCog / 2026-10-22 (https://cellcog.ai/blog/claude-max-usage-limits-ab-test) [3]: What is the Max plan? —— Anthropic / 2026-10-23 (https://support.claude.com/en/articles/11049741-what-is-the-max-plan) [4]: How do usage and length limits work? —— Anthropic / 2026-10-23 (https://support.claude.com/en/articles/11647753-how-do-usage-and-length-limits-work) [5]: Anthropic Subscriptions Offer 5x+ More Value Than OpenAI —— SemiAnalysis / 2026-10-05 (https://newsletter.semianalysis.com/p/anthropic-subscriptions-offer-5x) [6]: LLMs are making formal software verification feasible at a much larger scale —— Anthropic / 2026-10-22 (https://www.anthropic.com/research/formal-verification) [7]: Claude helped prove crash properties for selected open-source binaries —— BIG CHANGE / 2026-10-23 (https://bigchange.ai/blog/claude-rocq-selected-binary-proofs) [8]: Claude Proves Crash-Free Code in 123 Open-Source Libraries —— SEN-X / 2026-10-23 (https://senx.ai/news/2026-10-23-daily-ai-news.html) [9]: AfterDeleteBench: Auditing Post-Deletion Information Persistence in LLM Agents —— arXiv 2610.31366 / 2026-10-23 (https://arxiv.org/abs/2610.31366) [10]: Ramsay Research Agent — October 23, 2026 —— MindPattern / 2026-10-23 (https://mindpattern.ai/blog/2026-10-23) [11]: 原始对话检索基线 Raw-RAG 预印本 —— arXiv 2610.30755 / 2026-10-22 (https://arxiv.org/abs/2610.30755) [12]: Inside the LiteLLM 1.107.0 supply chain compromise —— Microsoft Security / 2026-10-23 (https://www.microsoft.com/en-us/security/blog/2026/10/23/inside-the-litellm-1-107-0-supply-chain-compromise-credential-theft-through-python-startup-hooks/) [13]: LiteLLM Compromised in Fresh Supply Chain Attack —— SecurityWeek / 2026-10-23 (https://securityweek.com/litellm-compromised-in-fresh-supply-chain-attack) [14]: LiteLLM compromised release carried credential stealer —— Cyber Insider / 2026-10-23 (https://cyberinsider.co.uk/litellm-compromised-release-carried-credential-stealer-through-python-and-container-registries) [15]: 1Password 上线新功能，AI 代理代登录无需接触用户密码 —— 亿邦动力 / 2026-10-23 (https://m.ebrun.com/715188.html) [16]: 1Password 推 AI 代理登入工具，免交密码授权任务 —— 星島頭條 / 2026-10-23 (https://www.stheadline.com/realtime-finance/3629219/) [17]: Gemini 4 Argon for Robotics —— Google DeepMind / 2026-10-23 (https://developers.googleblog.com/gemini-4-argon-for-robotics) [18]: Gemini 4 Argon Writes Physics Simulation Code From Human Video —— Tech Times / 2026-10-23 (https://www.techtimes.com/articles/329416/20261023/gemini-4-argon-writes-physics-simulation-code-human-video-teaches-apollo-humanoid-cornhole.htm) [19]: DeepMind’s Gemini 4 Argon taught Apptronik’s Apollo cornhole from a video —— Bots n’ Beans / 2026-10-23 (https://botsnbeans.com/news/deepmind-gemini-4-argon-teaches-apptronik-apollo-cornhole-from-video) [20]: Introducing Kimi K3.1 Pro —— Moonshot AI / 2026-10-23 (https://www.kimi.com/blog/kimi-k3-1-pro) [21]: Kimi K3.1 Pro launch benchmarks —— Artificial Analysis / 2026-10-23 (https://artificialanalysis.ai/articles/kimi-k3-1-pro-launch-benchmarks) [22]: Canva Craft brings Canva’s own image model to every user —— Creators Toolbox / 2026-10-22 (https://creatorstoolbox.com/blog/canva-craft) [23]: Canva Steps into Generative AI with Design-First Image Model Craft —— Analytics Insight / 2026-10-22 (https://www.analyticsinsight.net/news/canva-steps-into-generative-ai-with-design-first-image-model-craft) [24]: OpenAI 将估值目标下调至 1.25 万亿美元 —— 中新经纬 / 2026-10-23 (https://cj.sina.com.cn/articles/view/5993531560/1653e08a802001pxym) [25]: AI 巨头上市前竞速，OpenAI 即将完成 300 亿美元融资 —— 财联社 / 2026-10-23 (https://www.toutiao.com/article/7699660133504156189/) [26]: Gemini 4 Argon Token 消耗量暴涨 3 倍 —— 钛媒体 / 2026-10-23 (https://www.163.com/dy/article/L9TREBPP05118O92.html) [27]: AI 新闻日报 2026 年 10 月 23 日 —— 博客园 / 2026-10-23 (https://www.cnblogs.com/verstin/p/23416660) [28]: The Daily AI Briefing: 23 October 2026 —— AI Impact Hub / 2026-10-23 (https://www.aiimpacthub.com/ai-news/2026-10-23) [29]: ColaBench tests AI agents across 349 personal-memory tasks —— Atlas360 / 2026-10-23 (https://atlas360.news/en/news/colabench-tests-ai-agents-across-349-personal-memory-tasks) [30]: MiniMax M3.1 Flash 开源，上线 72 小时处理超 100 万亿 Token —— 中证网 / 2026-10-23 (https://www.cs.com.cn/ssgs/01/2026/10/23/detail_2026102310046690.html) [31]: AI 日报：MiniMax 开源 M3.1 Flash，总参数 428B —— AIbase / 2026-10-23 (https://new.qq.com/rain/a/20261023A0AYYT00)