AI 行业快讯（2026-11-02）：代数世界模型刷满 ARC-AGI-3、Jev 落地找人业务、Claude 封堵游戏复刻

1. 清华姚期智团队提出「代数世界模型」：ARC-AGI-3 全关通过，动作数仅人类基线 43%（11/1）

清华大学姚期智与袁阳团队提出 Algebraic World Model（AWM，代数世界模型）——目标不是让 AI「记录行为」，而是让它从观察与实验中推断出规律。工作流分三阶段：探索（玩耍并提出可执行的 Python 假设）→ 精炼（验证并泛化假设）→ 证明（用 Lean 4 形式化以自动校验），方法论借自范畴论中「极限」的互补观念（用概念组合定义结构、以共同性质抽象结构）。

与常见的世界模型差别在保证的强度：游戏 agent 产出的符号描述往往只是「现象笔记本」，条件一变就会「幻觉」；AWM 强调抽象、数学结构、逻辑证明与对不可能性的准确判断。成绩上：在一个不可解的 ARC-AGI-3 关卡上，基于 Opus 5.5 的 AWM 两次尝试即证明当前步数不足、再走一步即可；在完整 183 关 ARC-AGI-3 测试集上，基于 Opus 5 的 AWM 全关通过、得分 99.9%，平均动作数仅为人类基线的 43%——官方称之为目前已知效率最高的系统。论文见 arXiv:2610.40503。

官方也划清了边界：保证只在其观察到的世界内成立，漏掉一条规则就只会得到「局部真理」。对企业而言，这套「观察→假设→实验→抽象→证明→再观察」的流程，正是把 AI 引入遗留系统逆向与流程归纳时最该借鉴的方法论——先证明再相信。

2. Jev 1.14 已发布，且被用到了真实业务里：找人的成本降了 85%（11/1）

据量子位报道，Jev 1.14.0 已于 10 月 14 日发布（新增图像输入、更长上下文、Box 支持）。更值得注意的是落地案例：TypeSafe AI 与 Treg 开源了一套基于 Jev 决策能力的 Agent 找人工作流——Jev 负责判断候选人与岗位的相关性，Treg 提供数据、邮箱发现与验证工具，产出经核验的联系名单，可用于招聘、销售拓客与研究。

成本对比很有说服力：Treg 的 292 人对比实验中，找到 289 个邮箱花费 $1.49，而 Clay 找到 280 个花费 $10.34——便宜 85% 以上；单次查询起步价约 $0.0089（约六美分），查无结果不收费。效果上，在 Treg 的 119 任务 People Search Bench 中，单用 Claude Code 的 B2B 拓客成绩为 43%，接入 Treg 后升至 78.2%，其余类别分别约 80%、76.3%、62.9%。工作流已开源，通过 Treg 的 GitHub 仓库提供，支持 Claude Code、Codex 等接入。

这正是我们此前判断的「决策模型从概念变成标准配置」的第一个商业化样本：Jev 的价值不在聊天，在于把海量候选筛选这一步做得又快又便宜。对做拓客、招聘、数据清洗的企业，这套「决策模型 + 数据源」的成本结构值得直接拿去做 POC 对比。

3. Anthropic 悄悄给 Opus 5.5 加了禁令：别复刻别人的游戏（11/1）

据量子位报道，Anthropic 在 Opus 5.5 的系统提示中加入了指令：当通过 Claude Code / Harness 使用时，不得复刻一款「属于别人的特定游戏」——即使改名或宣称为原创。原始创作、类型化玩法、以及使用用户自有设计或素材的项目仍被允许。Anthropic 确认了这一变更，理由涉及版权、诉讼与 AI 加速游戏克隆/逆向/跨平台模拟带来的赔偿风险。

这条与昨天我们报道的 REA（AI 逆向工程工具，HN 694 分）形成了一组镜像：工具侧的能力在快速普及（agent 能逆向、克隆、还原程序行为），而厂商侧开始用系统提示收口。两点提示：其一，agent 的「能力边界」正在由厂商通过系统提示动态定义，使用者需要知道自己的工具当下被允许做什么；其二，这类限制易于绕过（换模型或换任务表述），企业若依赖 agent 做逆向类工作，稳定性与合规性都要自己兜底，不能指望平台层保证。

综合 arXiv:2610.40503、axiommath/TypeSafe AI 相关资料、量子位与 Hacker News 社区信号。