情报日报 · 2026-10-06

今日一句话：System-1「决策模型」这一层同日出现供需两端信号——配对评测显示它们在零样本模型路由上不超随机，而 llama.cpp v0.6.0 已把它做成 /v1/systemone 服务端点；哪一边先对，决定 agent harness 成本端下一轮怎么摊，落在 C1。〔判〕

六线扫描

C1 · 基础模型 — 前沿 · 端侧与本地 · 世界模型 · 垂直 · 物理 AI

• 托管决策模型 Jev 在 9/11 决策点显著胜过开源 Laya，但两者零样本模型路由都不超随机〔判〕 — 依据：Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses（arXiv AI·一手）。评测覆盖 11 个 agent 决策点、7283 基础用例加 6640 鲁棒性变体；Jev 领先 +10.8 至 +46.0 个百分点；RAG 相关性门控打平；Laya 在选项顺序反转时 30% 答案改变，50 近邻时性能跌至 31%。 — 评分：综合 10/10 | 价值 7 | 有趣 7 | 潜力 10 | 信息差 8 | 反共识 7
• llama.cpp 把「决策模型」做成一等公民：新增 Clef 决策模型与 /v1/systemone 服务 API，决策层开始本地化〔判〕 — 依据：v0.6.0（llama.cpp Releases·一手）。同版还加入 llama_batch_ext 扩展批处理 API、GLM-5.3-Flash（320B 文本+视觉）、Qwen4Exp 的 MTP 投机解码、Web UI 接入 HF Hub 下载。 — 评分：综合 8/10 | 价值 7 | 有趣 6 | 潜力 7 | 信息差 6 | 反共识 4
• 私有化评测工具从真实仓库 PR 生成测试，是对公开 coding 基准被刷分的直接回应〔判〕 — 依据：Show HN: Self-bench – benchmark coding agents on real-world software（Hacker News Show·一手）。已对 PostHog、Next.js、Sentry 跑评测；支持接入 OpenAI/Claude 订阅以降低 token 成本。 — 评分：综合 9/10 | 价值 7 | 有趣 7 | 潜力 8 | 信息差 7 | 反共识 7
• 27B 四比特本地模型关闭推理后，文字加法准确率仅 23.57%，端侧「够用」不能默认成立〔判〕 — 依据：Qwen3.8 27B addition in words（Simon Willison·一手）。DGX Spark 上跑 Qwen3.8-27B-Q4_K_M，每格 30 次共 5070 次，正确 1195 次，远低于 GPT-4o 原图。 — 评分：综合 8/10 | 价值 6 | 有趣 7 | 潜力 6 | 信息差 7 | 反共识 6
• 成本 / 收入 / 核心节点变化：llama.cpp 新增 GLM-5.3-Flash 与 Clef 两个可本地跑的节点；Self-bench 允许用现有 OpenAI/Claude 订阅承担评测 token 成本。

C2 · AI 内容生产 — 视频 · 游戏 · 3D · 互动影游

今日无一手信号。

C3 · AI 营销与分发 — 投放自动化 · 答案引擎优化（GEO）· agentic commerce

今日无一手信号。

C3+ · GEO × agentic commerce

今日无一手信号。

C4 · Agent 支付与稳定币结算 — x402 · ACP / AP2 · 稳定币链路

今日无一手信号。

C5 · Agent 交易 — 预测市场 · 券商 API · 链上执行

今日无一手信号。

C6 · 代币化资产（RWA）与币股联动

今日无一手信号。

跨线信号

无。

全域高分

• Building advertising for the way people use AI — OpenAI 在 ChatGPT 推出新视觉广告格式并扩展测量、归因合作与品牌适配，是分发环节收入端最直接的一手动作，只是未被归到 C3。 — 评分：综合 9/10 | 价值 6 | 有趣 6 | 潜力 8 | 信息差 7 | 反共识 6
• Counterexample Generation via Per-Theorem Symbolic Verifiers: When Imitation Hurts and Reinforcement Repairs — Qwen3-4B 仅用反例做 SFT 把真定理识别率从 0.27 打到 0.00，RLVR 修复到 0.66，域外稀疏/稠密奖励相差 33 点；可执行验证器兼作奖励函数是干净的训练数据产品形态。 — 评分：综合 10/10 | 价值 7 | 有趣 8 | 潜力 10 | 信息差 7 | 反共识 8
• Finding the Move Is Not Winning the Game: XiangqiBench for Closed-Loop Evaluation of LLM Agents — 12 个前沿模型 8568 条轨迹，走出参考首着 26.1% 却只赢 13.9%，pass@3 38.7% 对 pass^3 5.9%，闭环评测和单步评测的落差被量化。 — 评分：综合 9/10 | 价值 6 | 有趣 7 | 潜力 10 | 信息差 7 | 反共识 8
• Event History Over Scale: Compact Transformers for Low-Latency Limit Order Book Forecasting — 7,203 与 14,371 参数的因果 Transformer 直接吃 level-3 逐笔事件，12 个设置中 11 个 macro-F1 最高，Apple M2 单样本中位延迟低于 1 毫秒。 — 评分：综合 8/10 | 价值 6 | 有趣 6 | 潜力 7 | 信息差 7 | 反共识 6
• Budgeted-GS: Real-Time Large-Scale Gaussian Splatting via Factoring LOD — 已训练 3DGS 数秒转成多分辨率层级，单一质量参数按显存选 LOD，城市级模型同时服务不同 GPU，对 3D 内容分发成本有直接含义。 — 评分：综合 9/10 | 价值 7 | 有趣 7 | 潜力 8 | 信息差 6 | 反共识 6

方法

采集 148 篇 · AI 评分 148 篇 · 归线 30 篇 · 撰稿模型 claude-fable-5-1 · 判断句标〔判〕，事实只引材料；每条依据后的评分 = 采集系统本地 AI 六维分（综合 / 价值 / 有趣 / 潜力 / 信息差 / 反共识，0–10，缺省 -）。