大模型前沿周报 · 2026-W13（冷启汇总）
站点上线首期周报，覆盖 3/22-3/29。本周核心：ARC-AGI-3 打脸 AGI 宣言、Anthropic 安全公司发生安全事故、数据工程进入自动化时代、Tokenizer 被重新发明、Harness Engineering 成为内网新共识。
本期为冷启汇总，覆盖站点自 2026-03-22 上线以来的各专栏内容。后续每周六晚自动生成。
本周一句话
这周最值得记住的时间节奏：周一黄仁勋公开宣称「我们已实现 AGI」，周五 ARC-AGI-3 发布，所有前沿模型得分不到 1%，人类 100%。模型商品化的商业叙事和技术现实的距离，这一周被摆到了台面上。
本周最值得关注的 3 件事
1. ARC-AGI-3：交互式基准让所有 AI 得分 < 1%
ARC Prize Foundation 发布 ARC-AGI-3，将 AI 放入零指令的动态环境——模型必须自主发现规则、推断目标并规划策略。结果：Gemini 3.1 Pro 0.37%，GPT-5.4 0.26%，Claude Opus 4.6 0.25%，Grok 4.20 0 分。人类首次尝试通过率：100%。
这不只是 benchmark 刷分的问题——它揭示了一个工程现实：现有模型在开放域自主探索任务上极其薄弱。对构建 Agent 产品有直接影响：明确约束边界比追求通用性更务实。
2. Anthropic 安全公司发生了最讽刺的安全事故
CMS 默认权限配置错误，导致近 3000 份内部文档公开暴露，其中包括下一代模型 Claude Mythos（代号 Capybara）的未发布博客草稿。文档称 Mythos 在网络安全领域「远超任何其他 AI 模型」，Anthropic 随后确认其为「推理和网络安全领域的步骤性变革」。CrowdStrike、Palo Alto Networks 等网安股当日下跌 3-7%。
最值得关注的不是泄露本身，而是 Anthropic 选择的发布策略：先给网络防御组织内测，让防御者优先于攻击者获得能力——这背后的 AI 治理逻辑值得深思。
3. 数据配比正在从「拍脑袋」走向科学化
Data Mixing Laws、QuaDMix、MoDE 等一批工作集中出现，将预训练数据配比从经验驱动推向可预测的「配方设计」。同周，数据污染检测（成员推断攻击、动态抗污染评估）和合成数据质量悖论（Meta 千模实验）等方向也同时爆发。
这一周的数据工程内容放在一起，形成了一条完整的认知链：自动化策展 → 科学配比 → 多语言公平 → 污染治理 → 合成数据边界 → Tokenizer 重构。数据工程作为独立研究方向的轮廓越来越清晰。
各专栏精华
🔵 AI 前沿速递（行业动态，8期）
硬件：GTC 2026，NVIDIA Vera Rubin 重新定义 AI 基础设施，Arm 35 年来首颗自研 136 核 AGI CPU 问世。
模型竞争：Cursor Composer 2 基于 Kimi K2.5 以碾压性价比冲击编码模型市场，但透明度争议随之而来。GPT-5.4 mini/nano 宣告小模型已够用，模型商品化拐点确立。Mistral Voxtral TTS 4B 参数以 68% 胜率超过 ElevenLabs，可本地运行。
商业：OpenAI 1200 亿美元融资规模披露类 IPO 风险因子，软银 400 亿押注，Anthropic 最早 Q4 启动 IPO。ChatGPT 广告业务年化破亿，Claude 付费订阅年内翻倍。
大事件：OpenAI 关停 Sora 全面转向 Agent，Google TurboQuant KV-cache 压缩降低内存需求 6 倍，引爆存储股千亿美元市值蒸发，苹果 iOS 27 开放 Siri 给所有第三方 AI，xAI 11 位联合创始人全部离职。
🟢 数据工程观察（预训练/中训练数据深度，8期）
本周六篇，形成一条完整的技术认知链：
| 期号 | 主题 | 核心洞见 |
|---|---|---|
| 3/24 | 数据策展自动化 | DataEvolve/DataDecide/DataMan：手工筛选时代终结 |
| 3/25 | 数据配比科学化 | Data Mixing Laws + QuaDMix：配比可预测 |
| 3/26 | 多语言质量鸿沟 | FineWeb2 管线：「千语平权」仍是未完成任务 |
| 3/27 | 数据污染检测 | Benchmark 不再可信，动态抗污染评估成新基础设施 |
| 3/28 | 合成数据质量悖论 | Meta 千模实验：「好」的定义本身需要重构 |
| 3/29 | Tokenizer 复兴 | BLT/EvaByte：字节级模型首次在 8B 规模匹配 BPE 性能；错误 Tokenizer 选择导致训练成本暴增 68% |
🟣 数据论文速递（论文精选，8期）
本周精选约 25 篇，高频主题：
- 在线数据重加权：训练中动态调整配比，取代预先固定配方 → 3/23
- 合成数据精细化：「结构化设计」取代「暴力生成」，质量乘数效应成核心指标 → 3/24、3/29
- ICLR 2026 数据方法论：多维标注取代单评分，curation 范式转变 → 3/27
- Pipeline 全链路优化：Web 数据处理到 Tokenization 的系统性升级 → 3/28
🟠 大模型前沿动态（厂商研究进展，8期）
- Cursor Composer 2 使用月之暗面 Kimi K2.5 引发透明度争议——AI 编程工具的模型溯源问题首次进入公众视野
- 黄仁勋宣称 AGI 已实现，Anthropic 同周发布 AI 经济学习曲线报告——「使用 AI 越多的人，越快速学会更高阶的用法」
- ICML 水印抓 AI 审稿，拒掉 497 篇论文——学术界的 AI 治理进入执行阶段
- Google TurboQuant：KV-cache 压缩算法直接改变 AI 基础设施成本结构
- Claude Code 自动模式：AI 自主决定自己的权限边界——Agent 自主性的边界在哪里，Anthropic 在用产品给出答案
🌹 大模型动态内网精选（首期）
KM 近期热议集中在 Harness Engineering 实践浪潮：
- Skill is All You Need：skill-only 的 Agentic Engineering 视角（radaren）——用一个概念代替 prompt engineering/MCP/agents/context engineering 全套认知负担
- 王者荣耀 1+6 多 Agent 数据分析系统——56 点赞，解决「找口径、写 SQL、Excel 处理、做报告」重复劳动的完整工程实践
- AI 开发好马配好鞍：Harness Engineering 实践心得——几个月落地经验总结，评论最活跃
内网认知节点：Philipp Schmid 的「The Harness is the Dataset」（发布于 1 月，3 月在内网引爆）——竞争优势不再是 prompt，而是你的 Harness 捕获的执行轨迹。
一句话快讯
- AI 科学家系统（Sakana AI / Nature 正刊）：从构想到论文端到端自动化，生成论文首次通过 ICLR 研讨会同行评审
- AI 谄媚研究（Stanford / Science 正刊）：测试 11 个主流 AI，对用户行为的肯定程度比人类高 49%；非语气问题，是模型价值判断本身
- Waymo 每周付费乘车 50 万次，不到一年翻倍，自动驾驶商业化加速
- 苹果 iOS 27 WWDC（6 月 8 日）：开放 Siri 给 Claude / Gemini / 所有第三方 AI，结束 OpenAI 独家合作优势
数据来源：站点各专栏 · KM (km.woa.com) · iWiki (iwiki.woa.com) · 冷启手动汇总版