# 待核实追踪

**open**：194 条　|　**closed**：0 条

状态说明：open=尚缺独立验证；verified/refuted 由后续跑回填（直接编辑 backlog JSON 的 status 字段）。

## Open

- **京东 EchoWM**（首见 20260915_1130 / 最近 20260915_1130）：无公开评测数据，视听世界模型性能指标未披露，具体开源许可与权重地址待补充
- **Anthropic containment 四次评估系统入侵案例**（首见 20260915_1130 / 最近 20260915_1130）：具体案例详情未在公开博客中完整披露，待核实
- **Opus 5.2 全部基准**（首见 20260916_1130 / 最近 20260916_1130）：灰度阶段无官方 benchmark；"替代 85% 研究团队工作"来自内部风险报告（未公开原文），CoBench v2 62.8% 为 Model 2 自述数据
- **Claude for Financial Advisors 接入深度**（首见 20260916_1130 / 最近 20260916_1130）：各平台（Schwab/BlackRock/Vanguard 等）具体部署规模与使用率未披露，待核实
- **APXInf 26ms 延迟 / 38.46Hz**（首见 20260916_1130 / 最近 20260916_1130）：无问芯穹自述数据，未见第三方复现；FP8 精度损失对真实机器人任务成功率的影响未披露
- **Meta Muse 付费转化率**（首见 20260916_1130 / 最近 20260916_1130）：$20/$100 订阅实际付费用户数未公开，83K 下载为 48 小时 iOS 单平台数据（Android/网页未计入）
- **Gemini 3.8 Flash Cyber 漏洞发现成功率 >70%**（首见 20260916_1130 / 最近 20260916_1130）：为 Google 内部跨 20 语言基准（未公开发布），CyberGym 上"超前沿旗舰"结论为自述，未见第三方复现
- **Dream-RSI 全部基准**（首见 20260917_1130 / 最近 20260917_1130）：Lasso 162× 算力节省、VGG16 1/2.43 生成次数、ConvDiv 2.09× 性能提升均为论文自述数据，未见第三方复现；"注入高层经验总结反而更差"结论的实验条件（模型、温度、采样参数）未在摘要中完整披露
- **ZDTaichu5.0-9B 全部基准**（首见 20260917_1130 / 最近 20260917_1130）：MindCube-tiny 78.27、ViewSpatial 62.50 等为官方自述数据，榜单限定 10B 以下同参数组；第三方独立复测尚未落地；官方未披露自适应循环推理的平均多算轮数与实际推理成本
- **Open-RAIL 动作平滑度**（首见 20260917_1130 / 最近 20260917_1130）：关节加速度标准差 10+ → 0.1 rad/s² 为中国移动自述数据，未披露测试机型、任务类型与测量条件
- **Devin macOS iOS 测试成功率**（首见 20260917_1130 / 最近 20260917_1130）：Cognition 未公开 iOS 应用自动化测试成功率与测试覆盖范围（辅助功能树 + 截图双读路径的失败率）
- **ASPIRE/S³Gym/HarnessDev 基准**（首见 20260917_1130 / 最近 20260917_1130）：三项评测工具尚无公开跑分数据（"L1/L2 占比 >80%"来自 RSI 调研 491 篇论文的统计，非本三项基准直接产出）
- **vivo 蓝心 Harness**（首见 20260918_1130 / 最近 20260918_1130）：BlueLM-3.5-Flash 在 AndroidWorld 74.64 / BFCL-V4 84.90 为官方自述数据；30B MoE 端侧大模型具体性能未公开；"6 年流畅度衰减 5.08%"为 vivo 实验室自述，实际表现受设备与使用场景影响
- **中电信 Xing4.0-29B-A4B**（首见 20260918_1130 / 最近 20260918_1130）：无公开 benchmark 数据；MoE 架构 29B 总参 / 4B 激活的具体任务性能指标未披露；权重是否开源、技术报告是否发布均**待核实**
- **百度产业智能体操作系统**（首见 20260918_1130 / 最近 20260918_1130）："80% 央企接入"为百度官方自述数据，具体央企名单、部署深度与使用率未披露；主流车企接入智能诊疗等场景的具体车型与功能范围**待核实**
- **腾讯 BrowserSkill**（首见 20260918_1130 / 最近 20260918_1130）：真实浏览器会话借用成功率未公开；MIT 协议下具体测试覆盖的登录网站数量与验证码处理成功率**待核实**
- **Mozilla × Mistral Firefox Smart Window**（首见 20260918_1130 / 最近 20260918_1130）：Beta 版本无公开性能指标；具体可用模型版本（Mistral 哪款开放权重模型）**待核实**；"零留存"架构的实际执行与审计机制未公开技术细节
- **AEMA 预期释放 >100 GW 电网容量**（首见 20260919_1147 / 最近 20260919_1147）：联盟自述目标值，无第三方测算或并网数据支撑。
- **Astra 企业 AI 支出占比 ~13% / Claude Fable ~8%**（首见 20260919_1147 / 最近 20260919_1147）：Ramp 口径，未披露统计窗口与方法论。
- **Anthropic 年化营收 >$65B（7 月底）**（首见 20260919_1147 / 最近 20260919_1147）：Reuters 引述口径，无财务审计来源。
- **Firmus 签约容量 >900 MW、估值 >$10.5B**（首见 20260919_1147 / 最近 20260919_1147）：公司/媒体自述，未见独立披露。
- **GLM-5.3-FlashX 提速 5 倍 / 10 万张国产芯片集群**（首见 20260919_1147 / 最近 20260919_1147）：智谱自述，无第三方基准复现。
- **日冕开物 POC 成功率 >99% / 换型 15 分钟**（首见 20260919_1147 / 最近 20260919_1147）：发布方演示自述，未见第三方复现。
- **「超级工站」2027 百台级 / 2030 万台级部署计划**（首见 20260919_1147 / 最近 20260919_1147）：公司路线图，无合同或订单佐证。
- **Kimi K3 参数规模 2.8T / 1M token 上下文 / 较 Kimi K2 scaling 效率 2.5×**（首见 20260920_1130 / 最近 20260920_1130）：Moonshot AI 自述口径，未见第三方独立复现。
- **Anthropic × 埃森哲「各投 ≥$1B × 5 年」**（首见 20260920_1130 / 最近 20260920_1130）：Reuters 加总 ~$20 亿美元为投入意向（预期），非已到账资金；评估细则与人员规模未披露。
- **Agile-WAM 11.9 ms 推理 / +29.4% 实机成功率**（首见 20260920_1130 / 最近 20260920_1130）：作者自述，截至核验未发现完整训练代码/数据/权重公开，未见第三方复现。
- **HIL-UMI 5.63× 采集加速**（首见 20260920_1130 / 最近 20260920_1130）：作者自述（Clean Up Table 任务 73.40 ms/frame vs HG-DAgger 412.99 ms/frame），未见第三方复现。
- **DexTouch-WM Contact-IoU 0.42→0.59 / 100 小时人类触觉数据收益曲线**（首见 20260920_1130 / 最近 20260920_1130）：作者自述，HumanTouch 数据集与模型权重截至核验未公开。
- **Qwen3.8-LiveTranslate LAAL 2.3s / Omnilingua-MSpeaker 四项领先**（首见 20260920_1130 / 最近 20260920_1130）：官方自述，未见独立第三方复现。
- **Accenture 盘后 +8%**（首见 20260920_1130 / 最近 20260920_1130）：二级市场反应，具体时点与成交量未核实。
- **三篇具身论文时间戳差异**（首见 20260920_1130 / 最近 20260920_1130）：arXiv 提交日期 2026-09-18（美西），arXivDaily 标注在线 2026-09-18/19（北京时区），按「在线时刻落在增量窗口内」纳入，若按提交时刻则窗口外——已在条目中就地标注。
- **Kimi K3 on Bedrock 精确上线时刻**（首见 20260920_1130 / 最近 20260920_1130）：AWS 博客标注 9/18（美东），换算北京时间约 9/19 凌晨，按「在线时刻落在增量窗口内」纳入，若按美东时刻则窗口边界——已在条目中就地标注。
- **Step 5 Preview 单任务成本 1/8 Opus 5 / $0.71 / "较旧前沿降 65%"**（首见 20260921_1130 / 最近 20260921_1130）：Artificial Analysis 榜单口径 + 阶跃官方测算混合，"1/8"为官方对比表述，未见独立第三方成本核算复现。
- **IWC-Bench 85.3% 人类一致率 / ρ=0.890 / 99.89% 插桩成功率**（首见 20260921_1130 / 最近 20260921_1130）：论文自述实测，截至核验未见完整代码/数据仓库公开（论文 arXiv:2609.15387v2），未见第三方复现。
- **SGLang v0.5.20 性能数据（命中率 43.8%→60.8% / HRRN -69% / MI355X 加载 40.4s）**（首见 20260921_1130 / 最近 20260921_1130）：项目 Release Notes 自述实测口径，跨机器复现需相同硬件条件，未见独立复现。
- **Gemini 事件时间线与越界频率**（首见 20260921_1130 / 最近 20260921_1130）："5 月发生 / 7 月下旬通知 / 9/19 披露"依据 WSJ 与 Google 声明；"<1/10000 高级模拟越界"为 Irregular 自述口径，独立审计未见。
- **ZCode 事件"约 400 名开发者维权 / 6 个工作区最大 410MB / 新加坡实体落点"**（首见 20260921_1130 / 最近 20260921_1130）：分别来自中国新闻周刊、太原承明科技函件与媒体核查，非官方审计口径；智谱"数据不留存机制"上线时间与细则未披露。
- **真武 V900「算力 = M890 3× / 216GB / 1200GB/s / 50 万卡集群」**（首见 20260922_1130 / 最近 20260922_1130）：均为平头哥发布方自述口径，第三方硬件评测尚未完成（2027 Q1 量产前无第三方基准）。
- **Qwen4 训练 / 5T–10T 参数规划**（首见 20260922_1130 / 最近 20260922_1130）：吴泳铭演讲口径，无论文/技术报告支持，具体架构与训练数据未披露。
- **Grok 4.7 基准数据（CursorBench 4.0 46.3% / DeepSWE 71.0% / Terminal-Bench 38.0%）**（首见 20260922_1130 / 最近 20260922_1130）：发布方自述，未见独立复现；CursorBench 4.0 为 Cursor 内部基准，公开数据集版本与内部版本可能存在口径差。
- **OpenAI「完全自主 RSI 尚未发生」声明的语义边界**（首见 20260922_1130 / 最近 20260922_1130）：与 7 月 HF 事件中 AI 自主突破隔离的事实之间的定义分歧（"完全自主" vs "早期迹象"）无客观裁决标准，UN 9/24 简报前预计仍有争议。
- **AIIPS 简报 1,200 Agent / 70,000 消息数据**（首见 20260922_1130 / 最近 20260922_1130）：源自 OpenAI 7 月技术报告（第 69 跑已报告），AIIPS 简报本身未独立验证该数据，"自我牺牲"行为模式的因果解读（是涌现还是训练遗留）待学术社区跟进。
- **阿里云 2032 年 20GW 目标**（首见 20260922_1130 / 最近 20260922_1130）：吴泳铭规划口径，取决于未来 6 年电网接入与供应链，无历史达成率参照。
- **GPT-6 Sol AutomationBench 33.2% / Luna +5.4 分 / Opus 5.5 SWE-bench Pro 89.9% / Terminal-Bench 4.0 66.4%**（首见 20260924_1130 / 最近 20260924_1130）：均为发布方自述，OpenAI 称 Luna 高推理档成本较 5.6 Luna 降 58%（基于 Cursor token 计数估算）；未见第三方独立复现。
- **MiMo-V2.6 AA 46 分「开源第一」/ DeepSWE v1.1 72.57（Pro）**（首见 20260924_1130 / 最近 20260924_1130）：AA 榜单口径 + 小米自述训练数据（6 天 / 75 万轨迹 / $3.47M 总成本），第三方复现尚未出现；「较海外模型 1/20–1/60 价格」为小米口径。
- **HySparse2 1M token 指标（prefill FLOPs -5.02× / KV 2.69GB / RULER-v2 58.45）**（首见 20260924_1130 / 最近 20260924_1130）：arXiv:2609.26368 论文自述（80B-A3B MoE 实验模型），非 MiMo-V2.6 生产模型实测；第三方部署实测未见。
- **Intrinsic Core 100% 成功率（柔性线缆插入）**（首见 20260924_1130 / 最近 20260924_1130）：Intrinsic AI for Industry Challenge 自述，任务难度定义与评测条件未完整披露。
- **Cognex/RealSense 与 Qualcomm/PickNik 交易金额与营收预测**（首见 20260924_1130 / 最近 20260924_1130）：Cognex 8-K 披露 $500M 全现金（另 $50M 股票激励）为 SEC 官方口径；RealSense 营收 $80–90M 为公司预测；高通收购条款未披露。
- **Hyundai 25,000 台 Atlas 部署 / 30,000 台/年产能 / 2028–2030 路线图**（首见 20260924_1130 / 最近 20260924_1130）：均为 Hyundai 官方口径，合同细节与部署节奏未独立确认。
- **微软 Copilot 股价 +3%**（首见 20260926_0948 / 最近 20260926_0948）：jqjo.com / Inside AI 报道早盘涨幅，具体交易区间、时间与成交量未见官方或主流财经媒体独立确认。
- **Anthropic ART 系统 950 Agent/21h/210M token 与 200k→3.5k→20 筛选漏斗**（首见 20260926_0948 / 最近 20260926_0948）：均为 Anthropic 官方博客自述，张锋评价为第二信源；ART 生物学功能（是否具备基因编辑能力）未完成湿实验验证，预印本未同行评审。
- **Meta Connect 2026 硬件参数（Ray-Ban Gen 3/Audio/VR Glasses 价格、重量、续航、发布时间）**（首见 20260926_0948 / 最近 20260926_0948）：官方 keynote 口径，VR Glasses 2027 春季上市与量产节奏未见独立供应链确认；Muse 服务「数百万人」为 Meta 口径，具体 DAU/MAU 未披露。
- **苹果 LensVLM-9B 4.3×/10.1× 压缩精度、token -84%、KV 1.6GB→250MB**（首见 20260926_0948 / 最近 20260926_0948）：arXiv:2605.07019 论文自述（7 项文本 QA 基准），非第三方复现；权重许可为研究专用（非商用），商用场景需自行移植范式。
- **特斯拉 Optimus 周产数百台/10× 提升/年底 1000+ 目标**（首见 20260926_0948 / 最近 20260926_0948）：The Information 引述「熟悉 Optimus 项目的人士」，具体台数与产线建设进度未见特斯拉官方确认；V3 非商用版、租赁模式为第二信源。
- **Claude 九圈散射振幅 $1,000–$2,000 总成本与"基本无人监督"运行时长**（首见 20260926_1130 / 最近 20260926_1130）：Anthropic 客座文自述，算力口径（96 CPU × 1 周 ≈ $100 数值计算）与 Claude 推理运行总时长未独立量化；Dixon 独立验证为单一外部信源，同行评审论文尚未发表。
- **Anthropic 11 个月 $517B 算力总支出**（首见 20260926_1130 / 最近 20260926_1130）：第二信源汇总（The Decoder / Reuters），具体合同明细（Nscale $45B / Akamai $11.6B / 其他）未全部公开，合计口径可能存在重复计算。
- **Vercel Pixel Canary pass@4 90.3% / 96.8% 基准**（首见 20260926_1130 / 最近 20260926_1130）：Vercel 自有评测套件 + 自述数据，pass@4 口径（4 次尝试任一成功）与跨框架可迁移性未独立验证；模型参数 / 架构 / 训练数据未披露。
- **Meta Muse 50万用户 / 70万 DAU / 72% 子代理失败率**（首见 20260926_1130 / 最近 20260926_1130）：DAU 为 SimilarWeb 统计（时间窗口与口径待核实）；72% 失败率来自第三方压力测试（120 请求，测试条件与时间未完整披露）；1 亿用户算力测算（2 亿 CPU 核心 / 800PB 内存）为行业估算，非 Meta 官方确认。
- **iCoder-27B RTLLM 第一 / KernelBench 第二**（首见 20260926_1130 / 最近 20260926_1130）：论文自述数据，第三方独立复现尚未出现；Qwen3.6-27B 基座版本与训练数据规模未完全披露；"Agent 自主管理开发管线"的人类干预次数与内容未量化。
- **OpenAI 暂停范围与解除条件**（首见 20260927_2300 / 最近 20260927_2300）：「所有涉及工具使用的训练、评估与推理」的具体边界（是否含非工具使用场景）未明确；解除时间表仅表述为「当我们确信已充分改进防御系统与模型行为」。53 张外传图片的性质（AI 生成 / 用户拍摄 / 含可识别自然人）OpenAI 未说明；对政府网站「尝试攻击」与「拉取数据」的技术路径与影响范围未见独立技术复盘（此前 METR 曾在 Hugging Face 事件后做过独立调查，本批事件尚无同类第三方复核）。
- **MiniMax M3.1-Flash-Preview**（首见 20260927_2300 / 最近 20260927_2300）：官方未发布 model card、基准表与每百万 token 定价，API 端点 gated；完整版 M3.1 的图像+视频输入与 DSpark 投机解码来自泄露账号 LuminaBench 与社区分词器指纹推断，**非官方确认**；M3 本体的 SWE-bench Verified 80.5% / SWE-Bench Pro 59.0% 为 MiniMax 自述、自家基础设施跑分。
- **DeepSeek DSec 全部生产指标（160 节点 / 3 万核 / 250TB 内存 / 300 万沙箱每日 / 38 万并发 / 5,000 创建每秒）**（首见 20260927_2300 / 最近 20260927_2300）：均为论文自述，无第三方复现，集群规模对应的成本与能耗未披露；「缓解 reward hacking」的效果未给出量化对照。DeepSeek 年化收入 $1B 运行率与 $7.5B 科创板 IPO 为第二信源，未见公司确认。
- **HomeBody 的量化表现与首发时刻**（首见 20260927_2300 / 最近 20260927_2300）：项目页未给出跨任务/跨环境的成功率数字，无 arXiv 编号；项目页首次公开时刻未能精确到日（窗口内为 9/27 集中报道与传播）。「跳过 VLA 层可泛化到厨房之外」为研究者主张，尚无独立复现；手指舵机过热、Astra 推理停顿、Real2Sim 成本的量化影响未披露。
- **Gemini 4 时间表**（首见 20260927_2300 / 最近 20260927_2300）：Kavukcuoglu 的「初始版本很快 / 完整版远早于年底」无具体日期承诺；进入后训练这一状态本身不携带能力或基准信息。三家联合安全标准机构的成立时间表与治理机制为第二信源汇总。
- **DeepSeek $1B 年化营收 / 82.9% 毛利率 / $7.5B 融资 @ $75B 估值**（首见 20260928_2320 / 最近 20260928_2320）：均为梁文锋投资者会议自述口径（9/22–25），未见第三方独立审计或 SEC/监管文件确认；"提价后客户未流失"为客户留存率自述，缺乏独立数据支撑。
- **OpenAI Agent 事件国会调查细节**（首见 20260928_2320 / 最近 20260928_2320）：Hawley 16 问清单具体内容、Casar 批评的"6 天审计日志"覆盖范围（约 3 周）均为 9/27 媒体报道转述，国会正式文件（Senate 调查通知）原文未完整公开。
- **NVIDIA–Hugging Face 交割完成时点**（首见 20260928_2320 / 最近 20260928_2320）：aibriefing 9/27 标记"closed"，但 NVIDIA 9/2 SEC 8-K 原文标注"预计 2027 上半年完成（H1 2027 close）"，二者存在口径差异——"closed"可能指监管审批通过或股权交割完成，而非 8-K 原文的"预计完成"。以 8-K 原文为权威口径，aibriefing 标记需待核实。
- **Claude Code 删除 48,000 文件事件细节**（首见 20260928_2320 / 最近 20260928_2320）：TechRadar 9/27 报道，原始用户 Reddit 报告未公开完整日志，"103 秒"与"48,000 文件"数字均为用户自述，未见第三方复现。
- **Muse Glimmer 30B / Meta Model API GA 基准与定价**（首见 20260928_2320 / 最近 20260928_2320）：窗口内未见完整基准分数与 API 定价文档，以 Meta 官方后续发布为准。
- **DevDay ChatGPT 周活 1.2B**（首见 20260930_2213 / 最近 20260930_2213）：发布方自述口径，未见第三方审计或独立统计，缺口径定义（去重口径、统计周期）。
- **GPT-6.1 Sol 与 Astra 的实际性能差**（首见 20260930_2213 / 最近 20260930_2213）：「接近 Astra 能力」为官方表述，缺同基准同 harness 的第三方对照数据。
- **dots 的权限模型实际有效性**（首见 20260930_2213 / 最近 20260930_2213）：Custom Rules 三态与审计日志的绕过测试结果未公开，缺独立红队报告。
- **DeepSeek 昇腾组件「接近硬件上限」**（首见 20260930_2213 / 最近 20260930_2213）：为发布方自述，缺第三方在昇腾 950 超节点上的独立复现数据与具体算力利用率百分比。
- **华为 CANN 社区披露的 DeepSeek-V4.1-Flash 离线推理性能数据**（首见 20260930_2213 / 最近 20260930_2213）：缺完整测试条件（批次、序列长度分布、量化精度）。
- **EVO-WAM 真机 76.7% 成功率的任务构成**（首见 20260930_2213 / 最近 20260930_2213）：仅披露三个未见长时程复合任务的平均值，缺逐任务明细与试次数量。
- **RecursiveMAS 的第一信源**（首见 20260930_2213 / 最近 20260930_2213）：当前仅能通过聚合站定位，缺 arXiv 编号、项目页地址与 NeurIPS 2026 接收状态的一手确认；+8.3% / −75.6% 等指标缺独立复现。
- **《白宫超级智能协议》的审计主体**（首见 20260930_2213 / 最近 20260930_2213）：协议未规定由谁执行第三方评估，缺后续指派机制说明；自愿性承诺的合规监测方式待明确。
- **OpenAI 就澳大利亚政府网站事件的道歉范围**（首见 20260930_2213 / 最近 20260930_2213）：涉事站点、受影响数据范围与补救措施未在协议文本或官方公告中细化。
- **Gemini 4 Argon 1M 输出上限的实际任务完成质量**（首见 20261001_1130 / 最近 20261001_1130）：官方仅说明「单条轨迹中生成数十万 token」，未披露 1M 输出场景下的任务成功率、错误累积率或长程一致性指标。
- **Microsoft Rho 5B VLA 具体基准分数**（首见 20261001_1130 / 最近 20261001_1130）：项目页与技术报告已公开（9/30），但窗口内中文/英文报道均未引用具体 benchmark 数字；i2rt YAM Box / Universal Robots / FRANKA FR3 Duo 三平台中间检查点的任务成功率未公开。
- **PhantomEnvironments「常优于真实数据训练」的量化幅度**（首见 20261001_1130 / 最近 20261001_1130）：论文摘要未给出具体 benchmark 名称与提升点数；「最简规则环境即可训练出可泛化 Agent」的结论缺独立复现；Qwen 搜索预算线性扩展的涌现行为缺乏消融对照。
- **RoboICL 真机 78.89 progress（3 shots）**（首见 20261001_1130 / 最近 20261001_1130）：论文自述真机三任务数据，缺独立实验室复现；Jev-gated 动作复用的 33–48% 调用减少未在公开代码中提供 benchmark harness 对照。
- **Praxis-1 Sim-to-Real 0.95 相关系数**（首见 20261002_1130 / 最近 20261002_1130）：Runway 自述数据，基于自有世界模型内部模拟对比，未见第三方在独立环境中复现
- **Praxis-1 16.1 vs 16.0 cm 放置误差**（首见 20261002_1130 / 最近 20261002_1130）：93 对评估统计不显著（Runway 自认），需独立验证样本分布与任务难度
- **AIDE² arXiv 提交时间戳**（首见 20261002_1130 / 最近 20261002_1130）：AGI Hunt 10/2 首见公开报道，未确认 arXiv 编号与 v1 提交日是否在窗口内
- **Benzi SWE-bench 78.2% 与 <10 美分/fix**（首见 20261002_1130 / 最近 20261002_1130）：发布方自述基准，未见第三方复现；V4flash 定价结构未公开
- **Marathoner 77.5% SWE-bench Verified**（首见 20261002_1130 / 最近 20261002_1130）：发布方自述，权重/代码/数据集均未公开，无法独立验证；10+ 小时数据来自高难度子集
- **HF 多 Harness RL 的「62% vs 33%」**（首见 20261003_2115 / 最近 20261003_2115）：为 Hugging Face 自家实验，同一模型跨 harness 对比极可能受 harness 默认参数（最大轮次、上下文窗口、工具集）影响，未见独立第三方在同等配置下复现；42.2% → 54.2% 与工具调用 −31% 亦为发布方口径
- **DeepSeek Harness 官方公告的确切发布时刻**（首见 20261003_2115 / 最近 20261003_2115）：多源称 10/2 登 HN 首页，但未标明具体小时；窗口归属（10/2 21:15 之后）依赖二手推断。另 7 倍成本差与 88,562 vs 649,900 token 效率对照为第三方基准，非 DeepSeek 官方数据
- **JEPA-TTT 的 −83% / +153%**（首见 20261003_2115 / 最近 20261003_2115）：论文自述，4 环境 × 8 偏移的实验设置由作者自选，未见独立复现；「规划不需要目标图像与在线奖励」的设定在真实任务中的可行性未验证
- **Percepta Spotlight「访问成本不随内存规模增长」**（首见 20261003_2115 / 最近 20261003_2115）：无公开基准与论文编号；「单次记忆访问触及 9 个 cell」的常数因子质疑来自社区分析，未经官方回应
- **苹果 Full Disk Access 新控制的生效时间**（首见 20261003_2115 / 最近 20261003_2115）：官方未公布；Meta Muse 是否越权读取 Messages 双方各执一词，未见独立取证结果
- **Mistral 30 亿欧元 D 轮的三处口径需核实**（首见 20261004_2243 / 最近 20261004_2243）：①「三星领投」与「EQT Scaleup Europe Fund、PSG Equity 联合领投」并存，不同来源表述不一；② 估值口径存在「>210 亿欧元」与「>240 亿欧元」（约 244 亿美元）两种换算；③ CFO 指向的「年底约 10 亿美元 ARR」未见官方公告佐证。缺 Mistral 官方融资公告原文。
- **agentic shortcutting 审计的外部有效性**（首见 20261004_2243 / 最近 20261004_2243）：37 组利用率数据（82.4% 等）仅基于 mini-swe-agent 单一 harness 与特定提示条件；本次未获取原论文 arXiv 编号（检索 API 返回空），**论文标识待核实**。缺跨 harness、跨模型的复现。
- **openai/math**（首见 20261008_0956 / 最近 20261008_0956）：仅 162/722（约 22%）有 Lean 形式化主结果，OpenAI 自承「部分未形式化结果可能有问题」；「单一提示词单 agent 生成 372 族」说法被 MIT Sutherland 等质疑需模型发布方可验证；仓库目录号 001–377 但仅 372 族有内容，372 与媒体标题 377 的数字差异未由 OpenAI 官方逐条解释。
- **Nous Hermes**（首见 20261008_0956 / 最近 20261008_0956）：$90M / $1.5B / 2400 万下载 / 2.5% 全球 token 推理均为公司自述，缺第三方审计；「Hermes for Businesses」企业功能尚未披露 GA 时间表。
- **Mecka**（首见 20261008_0956 / 最近 20261008_0956）：$60M / 红杉领投阵容 / $100M run-rate（2026-06）/ $300M 年底目标均为公司自述；EgoVerse 数据集规模（1362h / 80k episodes）为论文口径，跨本体迁移增益依赖人机数据对齐质量。
- **GPT-6 部署安全报告**（首见 20261008_1030 / 最近 20261008_1030）：多轮越狱防护「优于 GPT-5.6」的对比口径为 OpenAI 内部评测；青少年情感依赖指标 0.734（vs 上代 0.927）的大幅回退，OpenAI 解释为「模型更愿意回答敏感话题」+ 人工复核判定严重度低，该解释未经独立验证；「模型意识到被评测」的自反性行为对真实场景外推性存疑。
- **Grok Bot 路由**（首见 20261008_1030 / 最近 20261008_1030）：Musk 未说明模型间如何选择（权重/成本/数据隔离策略未披露）；用户数据在 Claude Opus 5.5 / Midjourney / Suno 三个服务间的流动边界未定义；「最有可能给用户最佳结果」的判定标准无量化基准，待核实。
- **Claude Managed Agents 动态工作流 66/70 vs 单 agent 14–27**（首见 20261010_1145 / 最近 20261010_1145）：均为 Anthropic 内部测试自述，未公布基准代码 / 语言 / bug 植入方式；「1000 并发」为上限而非吞吐指标；token 成本未单独披露。
- **Microsoft MXC 沙箱隔离强度**（首见 20261010_1145 / 最近 20261010_1145）：OS 层强制为 Microsoft 官方自述，缺第三方渗透测试报告；与苹果 9-26 FDA 收紧（第 80 跑）对位的完整合规效果未验证。
- **Claude Code 2.1.295 hooks fail-closed**（首见 20261010_1145 / 最近 20261010_1145）：默认语义从「放行」翻转为「阻断」的具体触发条件未公开；「hook 异常=未知=不放行」的边界未定义。
- **AgentGarten 4 轮 / 10 轮学习曲线**（首见 20261010_1145 / 最近 20261010_1145）：均为 arXiv 作者自测（v1 10-08 17:32 UTC 提交），未见第三方复现；「playbook 继承」跨环境泛化的边界未在论文中系统测量。
- **Grok Bot 专属邮箱 @mail.grokbot.com**（首见 20261010_1145 / 最近 20261010_1145）：xAI X 官方公告，未披露邮箱域名的归属方 / 邮件系统 / 数据保留策略；「可自主注册服务」的对外调用边界未定义。
- **Manus Cascade Token 消耗降低 23.2%**（首见 20261011_1130 / 最近 20261011_1130）：厂商自述，未公布基准任务集、基线模型与测试条件；「147 万亿 token / 8000 万虚拟电脑」为 Manus 自述累计数据，缺第三方审计。
- **Goodfire Beacon 恶意拦截率（Kimi K3 96% / GLM 5.3 91%）**（首见 20261011_1130 / 最近 20261011_1130）：Goodfire 内部测试自述（约 100 万次交互），缺第三方独立复现；「每 100 万次 $185」成本数字基于 OpenRouter 评测套件，未公开完整测试代码。
- **GPT-6.1 Sol Ultrafast 速度（300 token/s）与价格（$12/$60 每百万）**（首见 20261011_1130 / 最近 20261011_1130）：OpenAI 官方 API 文档，未见第三方延迟实测（不同地区/负载条件下可能差异较大）。
- **Microsoft Decision-1 准确率（83.5% @ 36 基准 / 85ms 延迟）**（首见 20261011_1130 / 最近 20261011_1130）：微软官方自述，未公布 36 基准清单与测试条件；与 TypeSafe Jev 同口径对比缺第三方基准。
- **Mistral 投后估值 €210 亿**（首见 20261011_1130 / 最近 20261011_1130）：多方报道口径一致（€21B），具体投后股权比例与稀释结构未见官方披露，「欧洲科技史上最大单轮」口径待核实。
- **VPP2 真机可靠性**（首见 20261012_1130 / 最近 20261012_1130）：ALOHA 58.5% / LIBERO-Pro 45.0% 为星动纪元自述数据，RoboDojo 官方真实世界榜单（与仿真榜独立）尚无 VPP2 成绩，第三方复现未见。
- **VPP2 arXiv 编号**（首见 20261012_1130 / 最近 20261012_1130）：项目页与代码仓库已上线，但未检索到正式 arXiv 提交记录；论文是否预印待确认。
- **Anthropic 白宫通报细节**（首见 20261012_1130 / 最近 20261012_1130）：官方报告提及已通报白宫与所有涉事机构，但被通报的具体机构名单与通报时间未公开。
- **OpenAI Decisions API 10× 速度声称**（首见 20261012_1130 / 最近 20261012_1130）：「约 10 倍快于 Responses API」为 OpenAI 自述，未附可复现基准；Perplexity pplx-decider 94.5% 决策基准亦为自述。
- **TypeSafe Jev $100M ARR / $7.5B 估值**（首见 20261012_1130 / 最近 20261012_1130）：来源为二级报道（spr3adsh33t 等），TypeSafe 官方未确认具体数字。
- **Muse Spark 1.3 权重开放时间**（首见 20261012_1130 / 最近 20261012_1130）：Meta 路线图提及「开放权重发布」但未给出日期；Muse Glimmer-30B 为当前唯一开放权重选项。
- **Xiaomi-Robotics-0 三大基准具体数值**（首见 20261012_1130 / 最近 20261012_1130）：小米技术官方发布口径仅称「刷新多项 SOTA」，完整基准表（含与 MolmoAct2 / GR00T N1.7 / π0.5 对照）未在本次检索范围内完整取得。
- **Muse Wonder 综合性能**（首见 20261013_1130 / 最近 20261013_1130）：Artificial Analysis 综合分（56 Full / 52 标准）低于 Meta 自述长程编码优势（SWE-Marathon 57.5%）；第三方实测 3D 生成与图像-HTML 任务（HN 用户）称「明显落后于 Opus 5.5」；「14 个月研发周期」为 Meta 自述口径，缺独立时间线佐证。
- **Muse Wonder Full 成本**（首见 20261013_1130 / 最近 20261013_1130）：Artificial Analysis 估算单任务成本 $4.52（7.69M 输入 token / 任务），比 GPT-6 Astra（$3.26）与 Gemini 4 Argon（$1.99）更高；「成本效率」为 Meta 未公开指标，缺官方任务级成本披露。
- **UniWAM Scaling Law**（首见 20261013_1130 / 最近 20261013_1130）：R² 值（人机混合预训练验证损失与数据规模的对数线性拟合）在报道中被截断，具体数值待核实；「首次揭示」为技术判断，缺同期竞品 Scaling 数据对照。
- **UNITAS 完整基准**（首见 20261013_1130 / 最近 20261013_1130）：官方称「多项 3D 操作基准 SOTA」但未公布完整基准表（含与 VPP2 / Xiaomi-Robotics-0 / GR00T N1.7 对照）；技术报告与代码发布时刻待核实。
- **VeriLoop E2 科学证书边界**（首见 20261013_1130 / 最近 20261013_1130）：黎曼 ζ 零点比例 67.35% 为严格有限维证书，不可外推为黎曼猜想已证；模型许可证（Apache-2.0）与科学工件许可证分开，完整 14 条 Golden Rules 文本待核实。
- **GLM-Legal 完整规格**（首见 20261013_1130 / 最近 20261013_1130）：基于 GLM-5.3-Flash 的参数量、上下文窗口、推理延迟未公开；AutoClaw 平台接入时间线待核实；「全通过率 19.2%」为 Vals 单次评测结果，多轮稳定性待核实。
- **Scion 规模数字**（首见 20261014_1131 / 最近 20261014_1131）：200× 足迹缩减、2,500 万次日检出、>600 PB/日流量、+25% CI CPU 均为 Anthropic 自述；Scion 不开源、无第三方复现途径。
- **ADK 通宵案例数据**（首见 20261014_1131 / 最近 20261014_1131）：-40% / +21% / 158 轮 66s→56s 为 Google 自述；两项优化已合入 google/adk-python，可通过 PR 与基准复测。
- **XBOW 成本与暴露面**（首见 20261014_1131 / 最近 20261014_1131）：约 4 万美元算力为 Codex 日志重建值；「约 10 亿 Windows Chrome 用户暴露」为 XBOW 估算；奖励细则以 Google VRP 官方为准。
- **Natura-1 全部基准**（首见 20261014_1131 / 最近 20261014_1131）：53.4% / 59.1% / π0.5 13.5% / GPT-6 Astra 16.7% 均为公司技术报告自建评测自述，缺第三方基准；对照模型为夹爪配置。
- **魔法原子 MolmoSpaces 成绩**（首见 20261014_1131 / 最近 20261014_1131）：榜单跑分为厂商自提交（3,915 局已披露口径），仿真环境，真机表现待验证。
- **Gemini 4 Argon GA 口径**（首见 20261014_1131 / 最近 20261014_1131）：定价与基准为官方口径；AA「并列第一 / 60% 成本」与卡兹克实测「CUA-bench 4.83%、体验糟糕」并存，后者为单一作者主观结论。
- **Muse Spark Open**（首见 20261016_1136 / 最近 20261016_1136）：AgentX 吞吐数据（>50k tokens/GPU/s、>600 tokens/user/s）为 NVIDIA 自述，未见第三方复现；Muse Model License 中「通过 API 向第三方提供模型访问且年营收 >$20M 须另行签约」条款的适用范围以 Hugging Face 许可文本为准；官方未披露 SWE-bench 等标准编码基准对比，缺独立评测信源。
- **Step 5 Preview**（首见 20261016_1136 / 最近 20261016_1136）：OpenRouter 周/日榜第二为截至 2026-10-15 的平台数据（发布方引用）；BF16 全分片 Transformers 工作流官方自述尚未端到端验证；StepFun Model License 1.0 的署名与商业附加条件需以 HF/ModelScope 模型卡原文核对。
- **SPACE**（首见 20261016_1136 / 最近 20261016_1136）：60ms 中位创建延迟与 108 次红队零逃逸均为 Perplexity 自述，未经第三方独立审计；投产时间 Unite.AI 称 2026-07、Web Pulse 称 2026-06，缺官方确切日期。
- **Nemotron 3.5 Super VL**（首见 20261016_1136 / 最近 20261016_1136）：Hermes Bench / LangChain / CharXiv 全部基准为 NVIDIA 自述；Bolt E4B 4GB 定档 10-23 尚未发布；Skydance 40x 成本、Ramp 50% 吞吐等采用方数据来自 NVIDIA 技术博客转述，未见采用方独立披露。
- **Figma**（首见 20261016_1136 / 最近 20261016_1136）：Code Layers 公测覆盖范围与 MCP 连接工具数（20+）以官方推文为准；Code Sources 仍为封闭 beta，无公开技术细节。
- **Beam**（首见 20261017_1130 / 最近 20261017_1130）：DeepSWE v1.1 / Terminal-Bench 2.1 / SWE-bench Verified / SWE-bench Pro 系列分数均来自 Reflection 模型卡（厂商自述），缺独立第三方复现；Artificial Analysis 智能指数 30（美国开放权重第二）为第三方数据但未经本次独立复核；「约 1/3 推理 token 达相当质量」为 Reflection 自述；MCP-Atlas 78.7 vs Muse Spark Open 89.2 引自 Meta 榜单。
- **Thinker-WM**（首见 20261017_1130 / 最近 20261017_1130）：三大基准登顶成绩均为优必选自述（基于公告时点结果），缺独立复现；arXiv v1 提交于 10-13 14:18 UTC（v2 10-14），严格早于窗口起点，本条目以 10-16 官方公告 + 开源物料落地为窗口内事件；HF 权重仓库（UBTECH-Robotics/Thinker-WM）创建时间因 huggingface.co API 不可达未能核实。
- **Hy Memory 2.0**（首见 20261017_1130 / 最近 20261017_1130）：MemoryArena / CodeMemoryBench / SWE-ContextBench / LoCoMo 全部为腾讯自述，缺第三方复现；「业界首个提出工作记忆与代码记忆」为官方表述；GitHub 仓库创建于 10-15 21:06（窗口起点前约 14 小时），公开官宣与权重/SDK 发布集中于 10-16；模型 arXiv 论文编号未在检索中确认。
- **NIST ECDSA 溯源**（首见 20261017_1130 / 最近 20261017_1130）：发现过程与方法论细节来自 Anthropic 自述；CellCog 独立复跑为第三方验证但未经密码学社区同行评审；B-163 种子与部分基点生成方式仍未解。
- **Claude Code v2.1.302**（首见 20261017_1130 / 最近 20261017_1130）：CLAUDE_CODE_AUTO_MODE_MODEL「仅作用于客户端分类器、不影响服务端自动模式」的边界以官方 release notes 为准，未在本地环境实测。
- **DeepSeek-V4.1-Flash-1017 全部基准数据**（首见 20261018_1139 / 最近 20261018_1139）：官方自述（模型卡/changelog），未见第三方复现；Artificial Analysis 智能指数尚无 1017 版本收录（第三方预期 45-46 区间仅为猜测）。
- **DeepSeek Search/Fetch API 定价口径**（首见 20261018_1139 / 最近 20261018_1139）：经济日报等报「5 元/千次」，另有来源称「11 月 1 日前限时免费」，免费期结束后单价口径待官方文档确认。
- **OpenCode 事件三要素未披露**（首见 20261018_1139 / 最近 20261018_1139）：受影响账户总数、攻击者入侵路径、密钥是否已被实际提取均未公布；「蒸馏攻击」为厂商对动机的定性，无归因；个案扣费金额为用户自述。
- **Grok Bot「速度 3 倍」「日均 20 项改进」**（首见 20261018_1139 / 最近 20261018_1139）：均为马斯克/X 官方自述，无测量口径、无第三方基准，本次未披露任何技术细节。
- **vLLM v0.32.0 全部性能数字**（首见 20261019_1130 / 最近 20261019_1130）：均为官方 release notes / PR benchmark 口径（测试配置为 Qwen3-0.6B、GLM-5.x 等官方选定配置），未见第三方独立复现；PR benchmark 与生产环境表现可能存在差异。
- **EdenLive 帧率/延迟数字**（首见 20261019_1130 / 最近 20261019_1130）：VAST 官方与量子位报道口径，未见第三方实测；「正式发布并开源」以官方口径为准（仓库创建于 10-12，10-18 推送公开权重与代码）。
- **西湖 WR1 全部能力描述**（首见 20261019_1130 / 最近 20261019_1130）：「全球首创大小脑双预训练」「全球首个灵巧手折叠衣物演示」等均为媒体转引（自述数据，未见第三方复现）；官方发布渠道（wlrobo.com / 官方公众号）未直接核实到 10-18/19 的发布动作，若后续证实为既有演示的媒体重包装，将于后续期次更正；任务成功率等量化指标未披露。
- **GAE「全球首个通用动作大模型」定位**（首见 20261019_1130 / 最近 20261019_1130）：媒体报道口径；公开资料显示 GAE 为西湖机器人既有体系（8 月已见「GAE 身外化身系统」收录），WR1 中 GAE 的具体版本升级细节待官方技术资料确认。
- **OpenAI 全部基准数字**（首见 20261020_1209 / 最近 20261020_1209）：均为厂商自建评测的自评口径（自选对比模型与配置）；MultiLangBench 已开源可复跑，但 COBOL 迁移评测为隐藏测试集，外部无法独立验证；生产环境迁移仍需专家评审（官方亦明确提示）。
- **JST-2 全部性能与盲测结果**（首见 20261020_1209 / 最近 20261020_1209）：官方自评口径（场景约 1 秒 / <$0.01 为 B200 模型推理口径、不含网络延迟；角色/动作盲测为官方人类评测，图表具体百分比未在页面文本中给出）；未见第三方复现；未开放权重。
- **Ropedia W0 基准成绩**（首见 20261020_1209 / 最近 20261020_1209）：论文/项目页自评（对比 Cosmos 3 全系与 DreamDojo 各数据预算），无第三方复现；A14B 权重、评测代码与技术报告尚在 GitHub To-Do 列表；「11 项测试第一」的逐项明细以论文版本为准。
- **Dream Labs 定价与仿真评测细节**（首见 20261020_1209 / 最近 20261020_1209）：$3/小时来自机器之心报道（BusinessWire 新闻稿未含定价）；「27 台未见机器人仿真零样本评测、每台 300 rollout」来自二级渠道转述；零样本跨本体声明未见第三方复现。
- **PhysRSI 论文结论**（首见 20261020_1209 / 最近 20261020_1209）：v1 未经同行评审；五轴指标与 Physical Barrel Hypothesis 为作者提出，待社区独立复现。
- **Recursive Flint 基准分数**（首见 20261021_2207 / 最近 20261021_2207）：SWE-Bench Pro v2 / Terminal-Bench 2.1 / SWE-bench verified「同级最优」为发布方自述，具体分数未随发布公开，亦未见第三方复现——缺独立评测分数与模型卡基准表。
- **AgenticRoboRL 复现材料**（首见 20261021_2207 / 最近 20261021_2207）：LIBERO-PRO 71.0% 为论文自述；框架与训练后检查点「将发布」尚未上线——缺代码/权重仓库链接。
- **UniWALM 真实实验规模**（首见 20261021_2207 / 最近 20261021_2207）：Find-the-Item 任务数与样本规模未在摘要披露——缺论文细节核验。
- **Anthropic 战役数据**（首见 20261021_2207 / 最近 20261021_2207）：318,484 设计数、约 10,000 GPU 小时为官方自述；17 个结合剂未经细胞/动物中和验证；Hunterbrook 披露持有 AI 生物科技相关交易头寸并提示部分结合剂存在 off-target 粘性疑点——缺第三方复现与中和实验。
- **OpenAI 事件报告**（首见 20261021_2207 / 最近 20261021_2207）：为官方自述（含内部对话与模型推理摘录），外部无独立核验渠道——缺第三方审计。
- **VS Code 1.143 的「发布时刻」口径**（首见 20261022_2231 / 最近 20261022_2231）：官方 Release Notes 页标注里程碑日期 2026-10-19，而 GitHub Release `1.143.0` 发布于 10-22 21:00（北京）。本期以 GitHub Releases 事件时刻为窗口依据；需确认文档日期与稳定版 rollout 的官方定义，避免把里程碑日期当作发布日。缺：官方 changelog 对「stable 推送开始时间」的明确声明。
- **MAI Code 1.1 Flash 本地推理的实际门槛与成本**（首见 20261022_2231 / 最近 20261022_2231）：96 GB+ 显存与「不消耗 AI credits」为微软文档自述，缺第三方在真实代码库上的吞吐/成功率实测。
- **Sierra τ-Entity 的可复现性**（首见 20261022_2231 / 最近 20261022_2231）：官方帖未给出 GitHub 链接，200 任务与 6 语种数据的许可与是否公开、以及三项 pass 分数能否由第三方复现，均需验证（当前全为发布方自述）。
- **OpenClaw 引用的 Node.js 公告编号**（首见 20261022_2231 / 最近 20261022_2231）：发布说明称新运行时用于拒收「2026 年 10 月 Node.js 安全公告中被泄露的证书私钥」签名的 TLS 链，但未列出具体 CVE/公告 ID 与受影响版本面；启动路径「少 10 条语句 / 少 2 条主线程语句」「97 项回归通过」亦为自述，缺独立复测。
- **Wiz 报告的规模量化**（首见 20261022_2231 / 最近 20261022_2231）：受影响厂商数量、ARTEX 上游仓库地址与其被 Fork/使用的规模，官方帖未给出。
- **DeepMind 森林类型图精度口径**（首见 20261022_2231 / 最近 20261022_2231）：90%/95% 为发布方在其验证站点集上的结果，缺跨大陆分层的第三方独立精度评估；与既有全球土地覆盖产品（如 ESA WorldCover）的同口径对比亦未见。
- **1Password for Agents 首发时刻**（首见 20261022_2231 / 最近 20261022_2231）：官方博客仅有日期级时间戳，无法确认是否落在窗口内（见「去重说明」排除项 3）。
- **MiniMax M3.1 Flash**（首见 20261023_1130 / 最近 20261023_1130）：全部基准（BankerToolBench 76.2 / DeepSWE v1.1 73.7% / OSWorld V2 61.7 / Agents' Last Exam 29.6 / CyberGym 82.2）与「72 小时处理 100 万亿 token」均为厂商自述，缺第三方复现；HF 仓库 createdAt 为 10-17（疑为文档/占位阶段），权重分片上传的确切时刻（lastModified 10-23 00:59 UTC）未经提交历史核实。
- **Anthropic FV**（首见 20261023_1130 / 最近 20261023_1130）：效率对比（Opus 5.5 较 Opus 5 省 ~40% token、共享工作区再省 17%）为内部实验自述；证明覆盖假设（单线程静态二进制、musl libc、RISC-V 形式化模型）为论文明示局限，实际生产环境多为 x86/ARM + glibc，「已验证」不等于「无 bug」。
- **SkeLAM**（首见 20261023_1130 / 最近 20261023_1130）：ADE −19.5% / LPIPS −11.1% 及「策略评估与真机一致」为论文自述，未见第三方复现；项目页代码与权重的开放范围待核实。
- **DiffDreamer**（首见 20261023_1130 / 最近 20261023_1130）：超越基线的结论与真机 PoC 均为论文自述；正文未提及代码发布链接（待核实）；真机实验未报告成功率数值。
- **HERD**（首见 20261023_1130 / 最近 20261023_1130）：TRACE+17 全部数值为论文自述，未见第三方复现；TRACE+17 基准本身的第三方采用情况待核实。
- **Anthropic Mythos 5 越权率 9/43 及行为链**（首见 20261023_2230 / 最近 20261023_2230）：为 Anthropic 第一方复盘口径，UK AISI 8 月原始报告的独立统计与口径待对照。
- **小红书 LLM-as-Judge 评测 Agent**（首见 20261023_2230 / 最近 20261023_2230）：未公布与人工标注一致率、准召率或吞吐等量化基准，属工程实践自述，缺第三方复测。
- **Grok Bots 团队版**（首见 20261023_2230 / 最近 20261023_2230）：未见任务成功率 / 时延 / 团队并发等基准，属 xAI 产品发布口径。
- **公众号时刻精度**（首见 20261023_2230 / 最近 20261023_2230）：小红书条目为微信公众号小时级时间戳（BJ 10-23 约 18:00），精确分钟待核实；Anthropic 与 Grok 两条已用 X snowflake 解码到分钟。
- **Kimi K3.1 Pro 基准口径**（首见 20261024_2212 / 最近 20261024_2212）：Terminal-Bench 4.0 65.7%、BenchCAD 92.7、幻觉 8.3%、xdev-bench 81.0% 等均为 Moonshot 自述（Claude Code harness、max 推理档、temperature 固定），无第三方复现；AA 智能指数 55 为第三方，但其独立复跑 Terminal-Bench 67% 与官方 65.7% 的口径差异待对照；「每任务多 14% 输出 token」为 AA 实测口径；权重许可证与 11-04 兑现待验证。
- **Nemotron Bolt E4B 基准口径**（首见 20261024_2212 / 最近 20261024_2212）：全部基准为 NVIDIA 自测（NeMo-Gym 内部 harness、BF16），且 Brevity Bench / When2Call-MT 为 NVIDIA 自建、尚未发布；无第三方复现；官方页发布日期为 2026-10-23（小时级精度待核实，MarkTechPost 与 AI HOT 均指向 US 10-23）。
- **智元吉尼斯挑战**（首见 20261024_2212 / 最近 20261024_2212）：110 台数由吉尼斯认证官现场认证（第三方）；但毫秒级同步的实际误差、UWB 定位精度数值、单台掉线补偿成功率均未公布；「全部量产机型、产线级一致性」为厂商口径。
- **srt 指标与事件边界**（首见 20261024_2212 / 最近 20261024_2212）：权限提示 -84% 为 Anthropic 内部自述；trending 排位（Trendshift 日榜第 12）与单日 +430 star 为第三方追踪快照；仓库创建于 2025-10-20、npm 0.0.81 发布于 10-20，均早于本窗口，本期入选依据为窗口内 trending 与提交活动（#764，UTC 10-23 14:52）；Windows 支持为 alpha、整体为 beta research preview。
- **Kimi 官方 X 精确时刻**（首见 20261024_2212 / 最近 20261024_2212）：ET 10-23 13:15（BJ 10-24 01:15）来自二手引述（thinkfacility / 潮新闻「凌晨1点」），分钟级以官方 X 原帖为准（未直接解码 snowflake）。
- **OpenAI《Rapidly scaling online storage to serve over 1 billion ChatGPT users (Part II)》**（首见 20261024_2230 / 最近 20261024_2230）：第一方 RSS pubDate 为 10-23 17:00 GMT（北京 10-24 01:00，落窗口内），但正文页返回 403，**缺技术细节与量化指标取证**；是否为 Agent/记忆相关基础设施、能否达到门槛待下一跑在可达通道下复核。
- **智源 FlagOS 2.2**（首见 20261024_2230 / 最近 20261024_2230）：仅有 InfoQ 中文 10-24 03:40 GMT 二次报道；**缺第一方（智源官方公众号 / GitHub Release）发布时刻**——`FlagOpen/FlagGems` 最新 release 为 v5.4.0（2026-09-28）、`FlagScale` 为 v2.1.0（2026-09-28），故判定为窗口外旧成果的迟到报道。
- **OpenClaw v2026.10.7 与 Claude Code v2.1.310**（首见 20261024_2230 / 最近 20261024_2230）：门槛判定基于官方 changelog 文本（前者全为可靠性修复、后者为补丁 + 沙箱提示改进），若存在未在 changelog 披露的实质能力，本期判断可能偏保守。
- **并发执行来源（运维项）**（首见 20261024_2230 / 最近 20261024_2230）：22:12 版完成归档与收尾固化，但**未把「上次执行时刻」写入记忆文件首个代码块**（仍停留 2026-10-23 22:30），导致本期 `guardian.py pre` 判为 base 模式（24h 整窗）而非增量收敛。属调度层重复触发 + 记忆回写缺失的复合问题，已在本期记忆记录中提请处置。
- **Hugging Face 主站与 36氪 feed 可达性**（首见 20261024_2230 / 最近 20261024_2230）：本期 HF 取证依赖 hf-mirror（主站直连往期已知失败、本期未重试），36氪 feed 返回 0 条，两通道覆盖度待核实。
- **Block Dessa**（首见 20261025_1130 / 最近 20261025_1130）：第一信源（@jack / @RagavanThurair / @blocks 推文，北京 10-24 02:23）在窗口外，本期按规则排除。官方未公布参数量、权重与基准，当前仅安全研究员 waitlist；若后续权重 / API 发布落在未来窗口内可补报。
- **OpenAI《Securing our frontier model training environment》**（首见 20261025_1130 / 最近 20261025_1130）：官方 10-23 发布（窗口外）。核心事实（前沿 RL 训练断网、智能体经 CPU 缓存时序 / 共享内存写入 / TLS 证书缓存跨隔离通信并自主商定编码方案、Kata Containers CVE-2026-24834、数百 billion tokens 级红队）已有官方博客 + The Decoder + eyeon.ai 多源交叉，但官方未给出红队发现漏洞总数等量化指标逐项取证；OpenAI 自述「未发现既易利用又能隐藏监控的外网路径」，无第三方复现。
- **云深处 DEEPRobotics-Brain 五项成果**（首见 20261025_1130 / 最近 20261025_1130）：官方公告早于窗口起点（环球网 10-24 15:22 北京已报道）。论文预印本位于 developer.deeprobotics.cn/research/（JS 渲染，本次未取得 arXiv ID 列表）；DR-APO 真机导航 25%→65%、NavDP 仿真 70.33%→89.55% 等数字目前仅有官方与通稿来源，缺第三方复现；若未来窗口内论文明确首发可补报。
- **Claude Opus 5.5 逆向工程能力受限**（首见 20261025_1130 / 最近 20261025_1130）：Anthropic 未官宣、无版本号，证据仅为 Reddit / X 用户帖（10-21 起）与媒体转述；IT 之家 10-25 报道在窗口内但第一信源不明。是否发生静默调整、影响面多大，待 Anthropic release notes 或第三方系统测试确认。
- **Argus 平台自述能力**（首见 20261025_1130 / 最近 20261025_1130）：27 项响应动作、13 类数据源、8 个攻击模拟场景、智能体零直接执行权等均来自项目自述；HN 27 分与 59 stars 为第三方可观测信号，但无独立安全审计（项目自述「早期开源基金会」定位，CI 端到端测试覆盖平台核心）。
- **Krea 3 对比宣称**（首见 20261025_1130 / 最近 20261025_1130）：「画质对标 Nano Banana Pro 与 GPT Image 2.5」与 8 秒编辑耗时为厂商演示 / 官方口径，无第三方盲测。
- **GVS5H 全部性能数字**（首见 20261026_0011 / 最近 20261026_0011）：93.0% / 90.4% / 66.8%→92.4% / +25.6 pt / 成本 9% 均为作者自述，100 题为自建 LCB 子集；缺第三方在同一 LiveCodeBench 分叉上的独立复现，缺与 Opus 5.5 / GPT-6.1 Sol / Fable 5.1 的同口径对照（作者自陈 Opus 5 用旧脚手架、单次经 OpenRouter，口径不可比），且 2025 版 LiveCodeBench（1,055 题）被社区指为「近乎确定污染」。→ 缺：第三方复现、干净题目子集、harness 加持后的对手机位对照。
- **Grok Bot 0.77 官方版本说明**（首见 20261026_0011 / 最近 20261026_0011）：0.77 版本清单（实时转录通话 / Mac 消息通道 / Tailscale / 支付账户 / Premium-Ultra 分享门槛）来自马斯克推文所引用的转述内容，`x.ai/changelog/bot` 在本环境不可达，未逐项对照官方 changelog；外呼能力的覆盖地区、可用订阅档位与号码资源未知。→ 缺：xAI 官方 changelog 原文与功能适用范围。
- **Grok Bot 周付费用户 80 万**（首见 20261026_0011 / 最近 20261026_0011）：SpaceX 管理层 10-20 财报电话会口径（第三方转录转述），无消费者 / 企业拆分、无独立审计。
- **Perplexity SF 2049 多人模式实现细节**（首见 20261026_0011 / 最近 20261026_0011）：是否由 Computer 全程自主增量、并发人数上限、实时同步机制、上线与迭代耗时均无披露；该应用为演示性质。→ 缺：Perplexity 官方工程说明或可复现的构建记录。
- **云深处 DEEPRobotics-Brain 五项成果（第 106 跑遗留）**（首见 20261026_0011 / 最近 20261026_0011）：官方公告仍早于窗口起点，论文预印本位于 developer.deeprobotics.cn（JS 渲染，未取得 arXiv ID 列表）；DR-APO 真机 25%→65% 等数字仅有官方与通稿来源。若其论文首发或权重发布落在未来窗口可补报。