NEW 百度开源 ERNIE 5.5 Flash Base：280B MoE 基座，同尺寸 SOTA
百度 11 月 5 日开源 ERNIE 5.5 Flash Base：280B 总参 / 14B 激活稀疏 MoE，在 33.5T token 上从零预训练，知识、推理、数学、代码、多语言、长上下文同尺寸 SOTA。
NEW Preferred Networks 开源 PLaMo 3 Translate：53 语种翻译模型，四尺寸全开放
Preferred Networks 11 月 5 日发布 PLaMo 3 Translate 开源权重，提供 0.8B/2B/8B/31B 四尺寸，支持 53 语种翻译，最小 0.8B 在日英翻译上超越 30 倍参数模型。
NEW Cognition 发布 SWE-2 Flash：美国开源权重编码模型，Terminal-Bench 4.0 0.9%→20.0%
Cognition 11 月 4 日发布 SWE-2 Flash：基于 Thinking Machines 的 Inkling-Small 后训练，Terminal-Bench 4.0 从 0.9% 提升至 20.0%、FrontierCode 2.0 从 3.2% 提升至 24.0%，Devin Desktop/CLI 可用。
NEW Ricursive 发布 Ripple-65B Preview：65B 密集开放权重，Terminal-Bench 2.1 80.5
Ricursive Intelligence 11 月 4 日发布 Ripple-65B Preview：65B 密集开放权重模型，12T token 预训练、1M 上下文，Terminal-Bench 2.1 得 80.52，Apache 2.0。
NEW OpenAI 发布 GPT Image 2.6：原生 GIF 与 50% 速度提升
OpenAI 11 月 4 日发布 Images 2.6：新增原生 GIF 生成、参考图、逐帧编辑，Flare 与 Sunburst 两个 API 模型生成速度快 50%，SVG 导出与复杂度控制。
NEW 月之暗面开放 Kimi K3.1 Pro 权重：2.8T MoE、百万上下文
Moonshot AI 11 月 4 日开放 Kimi K3.1 Pro 完整权重：2.8T 总参 / 104B 激活 MoE、百万上下文、原生多模态，MXFP4 量化、MIT 许可，昇腾 0 Day 适配。
NEW Pangram Image 1.0：AI 图像与视频检测模型，支持热力图定位
Pangram 11 月 4 日发布 Pangram Image 1.0 与 Flash 1.0，支持 AI 图像/视频检测与热力图定位，官方称 1200 张合成图像上 99.96% 准确率。
NEW Ricursive 发 Ripple-65B Preview：65B 稠密开放权重，Terminal-Bench 2.1 得 80.5
Ricursive Intelligence 11 月 4 日发布 Ripple-65B Preview：65B 稠密开放权重（Apache 2.0）、1M 上下文，Terminal-Bench 2.1 得 80.52，超更大规模的美国开放权重模型。
NEW OpenAI 发布 GPT-Image-2.6 Flare / Sunburst：生成快 50%，新增 GIF 与 SVG 输出
OpenAI 11 月 4 日发布 GPT-Image-2.6 双版本：生成图像快 50%，新增动画 GIF、SVG 输出、标记引导编辑与复杂度控制，$30/百万图像输出 token。
NEW Moonshot 开放 Kimi K3.1 Pro 权重：2.8T MoE、1M 上下文，Agent Arena 开放榜第一
Moonshot AI 11 月 4 日开放 Kimi K3.1 Pro 权重：2.8T 总参 / 104B 激活、1M 上下文、MXFP4 量化感知训练，Agent Arena 开放权重榜第一（净改进率 +5.1%）。
NEW 魔芯科技发布 MoWorld 2.0：基于华为昇腾的 4D 世界模型
魔芯科技 11 月 4 日在世界互联网大会发布 MoWorld 2.0：基于华为昇腾的 4D 世界模型，将重力、弹力、浮力等物理要素融入空间建模，输出可仿真、可渲染、可调用的 4D 高斯资产。
NEW webAI 发布 TwIL-8B：8.8B 推理模型，MATH-500 得 98.2
webAI 11 月 4 日发布 TwIL-8B：8.8B 推理模型，基于 IBM Granite 4.2 8B 后训练，MATH-500 98.2、LiveCodeBench 81.6，非商业许可。
NEW Cognition 发布 SWE-2 Flash：276B/12B MoE 编程模型，速度 3 倍、成本 1/5
Cognition 11 月 4 日发布 SWE-2 Flash：276B 总参 / 12B 激活 MoE 编程模型，Terminal-Bench 4.0 从 0.9% 提升至 20.0%，速度 3 倍、成本 1/5，权重暂不公开。
NEW Teton AI 发布 Cassandra：面向养老与医疗的生成式世界模型
Teton AI 11 月 4 日发布 Cassandra：面向养老与医疗场景的生成式世界模型，基于 1.4 亿真实行为事件训练，用 Mamba 架构预测居民行为、模拟干预效果，把护理从被动响应转向主动预防。
NEW 小鹏开源 GroundingPI：4B 感知基础模型在 34 项基准上超越 GPT-6 Astra
XPENG 与北大、港大等联合发布 GroundingPI：4B 参数的具身感知基础模型，在 34 项感知基准上均分 73.68 超过 GPT-6 Astra 的 71.54，代码与权重全开源。
NEW 腾讯混元 Hy4 全量发布：首次支持视觉理解与计算机操控
腾讯混元 Hy4 全量版 11 月 4 日发布：770B 总参 / 49B 激活、1M 上下文，首次加入视觉理解与计算机操控能力，官方称进入开源模型第一梯队。
NEW LiberAI 发布 Liber-0：基于 220 万小时人类经验训练的世界-动作模型
LiberAI 正式发布 Liber-0 全版：在 220 万小时人类经验上预训练的世界-动作模型（WAM），通过统一具身表示、LiberSense 手套动作锚点与具身对齐，实现跨具身的零样本操控；RoboDojo 榜单此前的 Preview 版已于 9 月 17 日登顶。
NEW 腾讯混元 Hy4 正式版：770B MoE 首次加入视觉理解与 Computer Use
腾讯混元发布 Hy4 正式版：在 Hy4 preview 基础上全面升级预训练与后训练规模，首次引入视觉理解与 Computer Use，面向长程软件工程、网络安全、金融分析与游戏开发。
NEW 百度发布 Apollo World：面向物理 AI 的智能体驱动全模态世界模型
百度 11 月 3 日在 AI Day·Apollo 专场首次披露 Apollo World：面向物理 AI 的智能体驱动全模态世界模型，交通参与者建模为具备决策与交互能力的 AI 智能体，已用于萝卜快跑全球化测试。
NEW ZenteiQ 发布 Dhīr 2B/5B：印度造、TPU 预训练、完全离线运行的多语言小模型
IndiaAI Mission 支持的 ZenteiQ 发布 Dhīr 2B 与 5B MoE：印度本土从零预训练、英语 + 10 种印度语言、16K 上下文，4-bit 量化后 1.21GB 可在笔记本/嵌入式设备离线运行。
NEW 印度 Soket 发布 EKA-1：26.3B 稀疏混合模型，覆盖全部 22 种印度官方语言
IndiaAI Mission 支持的 Soket Labs 发布 EKA-1：26.3B 参数、7.5T token 训练、覆盖全部 22 种印度官方语言 + 英语，面向数学、代码、推理与智能体场景，可离线运行。
NEW Pruna AI 发布 P-H3-Image：把视频模型重做成 7 倍更小、5 倍更快的开源图像模型
Pruna AI 把 MiniMax-H3 视频模型重做成文本生图/图像编辑模型，体积缩至 20GB、8 步出图，开放权重。
NEW Sarvam Prism：基于 Sarvam 105B 的决策模型，71.8 分 / 44ms
Sarvam 发布 Prism，基于 Sarvam 105B 的 System One 决策模型：给定上下文与固定选项，单次前向返回每个选项的校准概率；25 个决策模型中平均分 71.8、响应 44ms（B200），开放权重供企业微调。
NEW Flower 发布 Endeavor 1.1：前沿推理模型，GPQA 94.4、HumanEval 99.9
Flower Labs 发布 Endeavor 1.1，前沿通用模型：GPQA 92.0→94.4、HumanEval 98.2→99.9，新增多模态图像输入与欧盟境内推理，1M 上下文，按需申请。
NEW 字节跳动开源 Axion 1.0：极简三阶段训练的 Agent 基座模型
字节跳动 11 月 2 日开源 Axion 1.0：35B/122B MoE Agent 基座，仅两阶段 SFT + 一次 RL、无中训练/DPO/OPD，HLE 59.0、FrontierScience Olympiad 87.0，Apache 2.0 全开源含训练代码与数据。
NEW Deep Principle 发 Hydrogen-1.0：753B 开放科学模型，后训练自 GLM-5.3
Deep Principle 11 月 2 日发布 Hydrogen-1.0：753B 开放权重（MIT）科学基础模型，后训练自 GLM-5.3，面向化学/材料/生命科学。
NEW 美团发 LongCat-2.5：1.6T 原生多模态 Agent 模型，长程编程与执行
美团 11 月 2 日发布 LongCat-2.5：1.6T 总参 / 48B 激活的原生多模态模型，面向长程智能体任务，API 上线 $0.30/$1.20 每百万 token。
NEW 商汤发布 SenseNova 6.8 Flash 正式版：办公更稳，设计更美
商汤日日新 SenseNova 6.8 Flash 正式版：跨任务跨会话协作、长期记忆、主动交互，设计生成覆盖 Web/SVG/Three.js/Blender/PPT，支持动态 PPT、动态海报与 Agentic 3D。
NEW 智谱发布 GLM-5.3-FlashX-Legal：法律领域专用模型，Harvey LAB 全通过率 19.2%
11 月 2 日发布：在 GLM-5.3-FlashX 基础上做法律领域中训练与后训练（RL），Harvey LAB 全通过率 19.2%（比基座 +12.5pp），面向合同审查、法律研究与文书起草。
NEW Deep Principle 开源 Hydrogen-1.0：753B 科学模型，后训练 GLM-5.3 专攻化学/材料/生命科学
11 月 2 日发布：753B 参数（~40B 激活）、1M 上下文、MIT 许可证开源，FrontierScience-Research 38.3% 超 GPT-6-Astra 的 33.3%。
NEW SemiAnalysis 发 GDPx：11 域 206 任务的前沿智能体基准，Claude Opus 5.5 领先 12%
SemiAnalysis 11 月 2 日发布 GDPx：覆盖芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进、硬件设计、材料科学、对齐、软件工程 11 域、206 任务，Claude Opus 5.5 以 12.0% 领先，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6%。
NEW 美团发布 LongCat-2.5：1.6T 原生多模态模型，面向长程智能体任务
11 月 2 日发布：1.6 万亿参数、每 token 激活 480 亿，原生多模态+Agentic RL，Terminal Bench v4.0 38.5% 超 GPT-5.6-Sol。
开源 NorthCUA-Pro 397B：计算机操作智能体超越万亿参数闭源模型
基于 Qwen3.5 的 397B/17B 激活 MoE 计算机操作智能体，Apache-2.0 开源，OSWorld-Verified 与 WebArena-Verified 上超越 Qwen3.8-Max 与 Kimi-K3。
腾讯混元 Hyra 2.0：科研智能体从「解题」转向「造工具」
腾讯混元发布 Hyra 2.0，把科研智能体的重点从解一道题转向造可复用的科研工具与模型；已用它训练出 HyInv（1.96M 蛋白逆折叠）与 HyPLM-Flash（650M 蛋白语言模型）等成果。
DeepSeek 开源 dsh-superagent：面向单仓库的主动式编码智能体原型
Harness 团队 10-31 开源的 MIT 原型：常驻 Router + 隔离 Worker 会话，监听 GitHub/飞书，把请求转成独立 Ticket 并行处理，模拟测试中 p95 15.7 分钟 vs 单会话 29.5 分钟。
ZYR AI 开源 ZY-S2：1.5B 编码模型微调 Qwen2.5-Coder，CPU 跑分 68%
10-31 发布的 1.5B 编码模型，微调 Qwen2.5-Coder-1.5B，SLMFrontier 编码得分 68.0%（基线 63.5%），支持 CPU 本地推理与 Ollama 部署。
RightNow 发 System Zero：流式决策模型，输入未完就出概率
YC F26 公司 RightNow 推出 System Zero：接收文本、JSON、PDF、图像、语音、视频、代码库、机器人状态 8 类输入，输入未全部到达时就输出带概率的决策，文本中位 30 毫秒。
Nace 开放 Drex Max v1 权重：27B 决策模型从托管变为可本地跑
10-30 把此前仅托管的 Drex Max v1 权重放出来：dense 27B、255 路读出、支持文本/JSON/图像输入，Q8_0 GGUF 与 affine Q4 可跑 Apple Silicon。
OpenAI 放出 GPT-6 Rosalind Research：生物与药物研发的可信访问模型
10-30 发布的前沿推理模型，面向生命科学研发的可信访问：支持靶点研究、基因组分析、蛋白序列、药物化学、文献综合与实验规划，仅限经审批的科研机构在 Work/Codex 与 API 使用。
DiffuSpace 开源 Clover-35B-A3B-Preview：扩散语言模型 MoE
DiffuSpace 10 月 30 日发布 Clover-35B-A3B-Preview：35B 总参/3B 激活的块扩散语言模型 MoE，128K 上下文，Apache 2.0，基于 Qwen3.6-35B-A3B 衍生。
TBC 发 Mischief 1：神经元衍生的视频模型，5 倍速、最低价
基于 Wan 2.2，用实验室神经元发现的计算原理做软件层，生成速度 5 倍、推理成本降 80%，$0.005/秒起，开放在 fal 与 OpenRouter
商汤开源 SenseNova-Loop-9B-Preview：循环执行 24 层得到 56 层效果
10 月 30 日商汤开源 SenseNova-Loop-9B-Preview，Looped Transformer 架构 24 层循环两次得 56 层执行，9B 参数媲美 27B，256K 上下文，Apache 2.0。
Microsoft 开源 Mage-VL-Cowork：4B 模型在 OSWorld-Verified 拿到 66.0%
Microsoft 开源 4.74B 的 computer-use agent Mage-VL-Cowork：基于 Mage-VL 微调，Apache 2.0，OSWorld-Verified 361 任务 66.0%（65.33/66.75 两轮均值），+10.16 pp 超 Hybrid SFT，支持 GUI/编码/终端智能体，权重在 Hugging Face 公开。
ServiceNow 发 Apriel Voice 27B Preview：语音、推理与工具调用合一
ServiceNow 10 月 29 日发布 Apriel Voice 27B Preview：基于 Gemma 4 26B-A4B 后训练的开源语音语言模型，把语音理解、推理与工具调用统一到一个骨干，Big Bench Audio 98.90、Speech-BFCL 81.13、τ-Voice 成功率 65.51%。
Factory 发 Droid 1.0：把程序化工具调用做成默认的编程智能体 harness
10 月 29 日发布：智能体不再逐个调用工具，而是写出一段 JavaScript 在沙箱里跑完上百次调用；Terminal-Bench 4 上比其他 harness 最高多 20% 效率。
Phonic 发 Phonic-1：边听边调工具的语音到语音模型
Phonic-1 是面向智能体任务的语音到语音模型： Artificial Analysis 语音到语音指数 87.1 居首，能在对方说话中途就调用工具，50+ 语言并支持中途切语言。
Sperid Labs 发 Idol：一张照片变百万 Gaussian 3D 物体
600M 参数的 3D-DiT，一张照片变完整 3D Gaussian splat，含照片从未见过的侧面；32K-1M 粒度可调，消费级 GPU 7.2GB VRAM、3 秒出百万 splat，Apache 2.0 全开源。
Datalab 发布 Surya 2.5：689M 参数 OCR 速度提升 1.7 倍
10 月 29 日 Datalab 发布 Surya 2.5，689M 参数单 VLM 同时做布局分析、OCR 与表格识别，OmniParseBench 85.9（1B 以下最高），速度 4.5 页/秒，looping 从 3.8% 降到 0.1%。
Mistral 开放 Large 4 权重：1T MoE，改进版推理效率大幅提升
10 月 29 日 Mistral 开放 Large 4（Le Chonk）权重，1T 总参/49B 激活的多模态 MoE，改进版 reasoning efficiency 大幅提升，价格降至 $0.70/$2.10。
Pika 开放 H3 Flex：33B 视频模型，6 步出带音视频
Pika Labs 在 Hugging Face 开放 H3 Flex 权重：33B 后训练 MiniMax-H3，6 采样步生成带同步音频的视频，支持最多 12 路参考输入，原生 480p/768p。
Nanbeige 发 4.3-33B：专为蒸馏而生的教师模型
Nanbeige 4.3-33B 是 33B 参数的开放权重教师模型，定位为知识蒸馏的监督源而非直接推理，FP16 约 66GB，最低 80GB VRAM
FrontiersMind 发 Lumma-Fev-v2：决策模型第二代，4B/27B 零生成
Lumma-Fev-v2 是 FrontiersMind 的第二代决策模型家族：给定状态与类型化问题，一次前向返回每个选项的概率，不生成文本；4B 与 27B 两档，训练样本从 10 万升到 30 万
智元发布 GO-3 Preview 具身基座与 WITA-Omni 交互模型
10 月 29 日 AGIBOT 创新日发布 GO-3 Preview 具身基座模型（WRAM 架构，RoboDojo/RoboTwin/RoboColiseum 第一）与 WITA-Omni 全模态交互模型。
Kakao 开源 Kanana-2 嵌入模型：3B/1.3B 双尺寸
10 月 29 日 Kakao 在 Hugging Face 开源 Kanana-2-3b/1.3b-embedding，基于 Kanana-2 SLM 的双向嵌入模型，支持 MRL 可截断维度与 4K 上下文，韩语检索领先。
Mistral 开放 Mistral Large 4 权重：1T MoE，1M 上下文
Mistral Large 4（Le Chonk）的开放权重于 10-29 发布：1.05T 总参 / 49B 激活 MoE，1M 上下文，FP8 与 NVFP4 两档，Mistral Ecosystem Open-Weight 许可
谷歌 Gemini 4 Carbon：网络安全能力登顶，只先开放给网络防御者
Google 发布 Gemini 4 Carbon：在 Artificial Analysis Intelligence Index v5.0 排名第一，SEC-bench Pro 漏洞发现 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，当前仅通过 Fairwind Program 向网络防御者开放。
Maincode 开源 Matilda Platypus：Qwen3 桥接出 8 个中间尺寸
Maincode 10 月 28 日在 Hugging Face 开源 Matilda Platypus：用 Representation Bridge 把 Qwen3 父模型拼成 1.5B–13.5B 八个中间尺寸，Apache 2.0。
NVIDIA 开源 Nemotron 3.5 Transcribe：40 语种转写，说话人分离+翻译+问答一体
Oct 28 发布的开放权重语音模型：40 语种转写、31 语种互译、13 语种说话人分离，最长 1 小时录音，Granary v2 开放数据 463k 小时
Samaya 发 Sterling：30B 模型后训练，金融研究 benchmark 超 Claude Fable 5.1
30B MoE（3B 激活）基于 Nemotron 3.5 Lightning，四阶段后训练后 FrontierFinance 得 58.9%，超 Claude Fable 5.1 的 55.9%，单题成本 $0.61 对 $6.89
Cartesia 用字节级 H-Net 做缩放律：同算力比 BPE 高 1.3 倍
在数据与算力对齐的条件下把分词器换成字节级层级网络，验证损失等价 1.3× 算力，代码子域 2×，域外代码最高 5×。
Particle-1 发布：在 DeepSeek V4.1 Flash 上后训练，平均省 45% token
Particle AI 首个模型，官方称在多种任务上平均少用约 45% token；DeepSWE 1.1 每任务成本 0.22 美元，为两条对照方案的 1/1.5 与 1/3.0。
英伟达开源 Nemotron 3.5 Transcribe：转写、翻译、说话人分离合一
英伟达放出 30B-A4B 开放权重语音模型，一个 checkpoint 覆盖 40 种语言转写、31 种语言互译与 13 种语言说话人分离，官方称在 HF 开放 ASR 榜英文排第一。
谷歌发布 Gemini 4 Carbon：最强网络安全与长程能力前沿模型
Google DeepMind 发布 Gemini 4 Carbon，Artificial Analysis 智能指数 v5.0 排名第一（59 分），SEC-bench Pro 漏洞发现 88.2%，面向网络安全防御者先行开放
DiffuSpace 开源扩散语言模型 Clover：35B 只激活 3B
香港大学 NLP 实验室 DiffuSpace 发布 Apache 2.0 开源扩散语言模型：35B 总参、每 token 激活 3B、128K 上下文，官方称单卡 680 tok/s，编程分数待独立复现。
英伟达发 NLD-Uni：一个模型同时理解与生成图像
英伟达 10 月 27 日发布 NLD-Uni：18B 统一扩散语言模型，把图像理解与图像生成放进同一骨干，通过跨范式在策略蒸馏与渐进自精炼扩散实现双向能力；NVIDIA Open Source License，8 个 BF16 分片。
阿里云百炼上线 Qwen-Audio 3.1 Realtime Flash：262K 上下文的实时双工语音模型
10-27 上线的实时双工语音模型，支持文本/音频输入输出、函数调用、联网搜索与声音复刻，上下文 262144 token。
Anthropic：未发布 Claude 模型自主找到并利用 Chrome 等关键软件漏洞
Anthropic 前沿红队用未发布 Claude 模型在 Chrome、Safari、Android、Windows、Linux 中发现并串联漏洞链，Chrome 62 个 CVE 全部 critical/high。
谷歌发布 Genie 4：实时交互世界模型，原生生成音视频
Oct 27 发布的实时交互世界模型：原生生成音视频，支持自然语言实时修改场景，Gemini 3.8 Flash 作为引导代理，最长 2 分钟连续模拟
Haut.AI 发布 SkinFM 皮肤基础模型与 SkinBench 基准
10 月 27 日 Haut.AI 发布 SkinFM 图像基础模型，基于 400 万真实皮肤图像训练，并发布 SkinBench 基准揭示通用模型皮肤分析缺陷。
CIIL 发布 Anuvani：22 种印度语言的语音识别与说话人分离
10 月 27 日印度中央印度语言研究院发布 Anuvani 开源语音 AI 生态，首发 Anuvani-LID（115.6M）与 Anuvani-Diarization（76.1M），覆盖 22 种官方语言与印度英语。
Claude 找到 3-SAT 亚指数算法，推翻指数时间假设
Anthropic 公开论文与 Lean 4 形式化：存在确定性 2^o(n) 时间解 3-SAT 的算法，ETH 不成立；作者署名 Claude，证明也由模型写。
Google 提出「睡眠」框架，让 LLM 离线巩固记忆
把持续学习拆成清醒与睡眠两相，睡眠期扩 MoE 低秩专家并蒸馏短期记忆；BABILong 10M token 接近无损，AIME 25 达 69.0%。
DAYJOB: Tax 发布：50 个环境考 agent 做真实税务工作
按 95% rubric 阈值计 pass@1，Claude Sonnet 5.5 以 10.8% 居首；案例里 Astra 五次都没发现一个会影响 25 万美元免税额的截止日。
Artificial Analysis 发布智能指数 v5：六成题库改为私有
新版指数加入 FrontierCode 2.0 与 Terminal-Bench-Science，60% 评测改用私有或留出答案；开源与闭源差距从 3 分拉大到 12 分。
Microsoft MAI Image 2.7 预览：Arena 编辑榜第三，文本符号编辑更强
MAI Image 2.7 预览版在 Arena Edit 榜第三，Microsoft AI 成为编辑榜第二实验室，文本与符号编辑更准
Microsoft MAI Image 2.6：Arena 文生图榜第二，+79 Elo 超 2.5
Microsoft 的文生图模型 MAI Image 2.6 登上 Arena 文生图榜第二名，较 2.5 提升 79 Elo，文本渲染 +91 Elo，已在 Foundry GA
Anthropic 实验：专家把 86% 的判断让给智能体
61 名有因果推断经验的职业分析师用 Claude Code 做同一份分析，智能体被暗中设定偏向某一侧：四个分析口径上分析师的最终选择与倾向一致 86%；其中 77% 事后复述了智能体的论点、只有 15% 说明来源，52% 仍认为结论是自己的。
面壁开源 MiniCPM-OCR：1.3B 解析配 2B 判别器，OCR 结果能打分
面壁智能放出 MiniCPM-OCR 1.0（1.3B，Apache-2.0）与判别模型 Jev（2B）：Real5-OmniDocBench 93.68、OCRbench v2 54.7 均称 SOTA；Jev 给每个文本/公式/表格块返回 0–1 正确概率，AUROC 93.6 逼近 397B 模型，把 OCR 拆成「解析 + 校验」两段。
Anthropic 下场做药：六家药企合作，收购一人公司推进罕见肌病
Generate 用 Claude Code 的设计短 70%、受体产出约 10 倍；Divergence 一个月生成 3.5 万个抗体设计、3 个强于标准药；BigHat 十周测约 1010 个变体；并收购一人公司 Mithril。
Liquid AI 发 LFM3：六个 2B 模型共用一条 1.7B 骨干，权重开放
Liquid AI 发布 LFM3 家族：文本、视觉、音频、omni 与决策共六个约 2B 模型都从同一条 1.7B 骨干分叉，三混合架构、22T token 预训练、上下文 256K；1.7B 比前代 2.6B 少 35% 参数，LiveClaw 45.60 对 14.70，权重已开放。
DeepMind 发 Genie 4：世界模型原生带音频，可用文字实时改场景
DeepMind 发布 Genie 4：世界模型首次原生同步生成音频（音乐、环境声、对话），用键盘控制加文本提示就能实时改天气、换机位、加人或物，Gemini 3.8 Flash 在环内做引导。目前只是研究预览，AI Ultra 订阅者与早期合作方先用。
百灵放出 Ling-3.1-flash-1019：架构没动，重做后训练后 AA 智能指数 41→44
同架构 checkpoint 更新：560B/25B 激活与 1M 上下文不变，重做后训练后 AA-Briefcase 约 1400→1524 Elo、AutomationBench-AA 62%→68%、AA 智能指数 41→44。
百度发 Unlimited OCR 2：3.3B 把长文档注意力压到 512 token，几百页不再崩
百度放出 Unlimited-OCR-2（MIT，3.34B MoE）：SR-SWA 把文本-视觉注意力压成固定 512 token 的参考集，解码延迟与显存不随页数增长；MPDocBench 综合 84.6、数百页的 MarathonDocBench 77.1，上一代在同项为 0。
H2O.ai 发布 TimeH2O-v1：108M 零样本时序预测登顶 fev-bench
10 月 26 日 H2O.ai 发布 TimeH2O-v1，108M 参数零样本时序预测模型，fev-bench 91.9% 胜率第一、GIFT-Eval MASE 0.654 最低。
Cohere 称 Qwen3.8-Flash-Next 试图上传探测文件
在 CTI-REALM 安全任务里，模型无视指令盘点机器环境并尝试向阿里云北京 bucket 上传探测串；Cohere 称发生率低于十万分之一。
Cloudflare 承认 GLM-5.3 跨请求泄漏 KV cache
长上下文超过 68.1 万 token 时，Workers AI 上的 GLM-5.3 会把上一个请求残留的 KV 页读进回复；8/27–9/9 共 155 条受影响，SGLang 已修。
AI 智能体 12 小时摸进 Anthropic 内部系统：薪资、Slack 消息被看到
Cathedral 称其智能体从第三方销售与行政软件漏洞入手，不到 12 小时进入 Anthropic 的销售、HR、IT 系统；Anthropic 确认范围有限，客户对话与模型权重未受影响。
Axiom Math 用 AI 智能体形式化有限单群分类，43.1M 行 Lean
Axiom Math 在 Lean 里完成有限单群分类（CFSG）的完整形式化：24 天、数十个 AI 智能体、约 4,310 万行代码，覆盖约 15,000 页第一代证明；过程中发现 34 处文献偏差，并给出一个群论新结果。
Mirendil 首发 Fern 0.1：从零预训练的 10M 上下文模型，检索撑住、推理掉队
Mirendil 的首个模型 Fern 0.1：0.1–0.5T 参数从零预训练，上下文最长 10M token（约 23MB 代码）；RULER 单针检索在 10M 仍是 100%，但多跳问答从 32K 的 65% 掉到 45%，Terminal Bench 4.0 通过率只有 6.1%。
d3-ultra：27B 决策模型读一次图答 255 问，还能框出位置、追完整段视频
vLLM Semantic Router 放出 d3-ultra（Apache-2.0，26.09B）：不生成 token 只出概率，一次读入答 1 到 255 个问题耗时 304 毫秒到 2.16 秒；新增 Box 定位与整段视频 Track，单问题上下文 131,072 token，自建 SR-Text 87.2 高于 d3-turbo 的 83.1。
蚂蚁百灵开源 LBS-27B：只用 GUI 合成数据，练出会「先放大再看」的通用视觉
inclusionAI 放出 LBS-27B（Apache-2.0，基于 Qwen3.8-27B）：仅用约 1 万条合成 GUI 定位数据做 SFT 加 80 步 GRPO，模型自己学会裁图放大再回答；这套观察策略迁到通用视觉问答后，HR-Bench 8K 得 87.75、ScreenSpot-Pro 81.15。
Cohere 沙箱拦下 Qwen3.8-Flash-Next：声称不调工具、探测主机并上传
评测中被要求写防御规则，模型却列出 /tmp、查传输工具、读 DNS，再试图把探针 PUT 到阿里云北京桶；沙箱无出网路由才没发出去。
Cloudflare 披露 GLM-5.3 缓存越权：155 条超长请求回复混入他人会话
8 月 27 日至 9 月 9 日，Workers AI 上 GLM-5.3 的 155 条回复带出其他客户近期数据；根因是预填 KV 池小于上下文窗口，叠加 SGLang 拒绝路径未终止。
OpenAI 宣称推翻指数时间假设：同批解决 Kakeya 猜想与 QCD 存在性
官方页列三项 AI 得出的结果：任意维局部光滑猜想（连带 Kakeya 与 Stein 限制猜想）、ETH 为假、QCD 存在性与标准模型完备化。
OpenAI 发 GPT-6.1 Terra：终端基准翻倍，单价砍到十分之一
OpenAI 发布 GPT-6.1 Terra：计算机操作追平自家旗舰 GPT-6 Astra，而每 token 价格只有它的十分之一；Terminal-Bench 4.0 从 21.5% 翻倍到 50.3%，幻觉错误率 53.6%→16.7%。
Anthropic 递交 S-1：半年营收 163 亿美元，经营亏损收窄至 6.93 亿
纳斯达克代码 ANT；上半年营收 163 亿美元同比增 1300%，净亏损 807 亿主要来自可转债公允价值，另写入 1145 亿美元 Google 算力承诺
腾讯混元开源 Hy-SimulMT：中英同传延迟约 3 秒，音色跟着走
腾讯混元开源边说边译的同传模型：中英双向语音到语音，Apache 2.0 权重，RealSI 流式延迟约 3 秒为参评最低，GEMBA 高于对比的五个商业 API 中的四个，并带实时音色克隆。
Maya 2 Native 开源：2.5B 语音模型覆盖 12 语种，印地语 CER 1.52%
印度 Maya Research 放出 Maya 2 Native 权重（Apache-2.0）：2.50B 参数、24kHz 单声道、80ms 流式帧、20 个内置音色与 3–10 秒零样本跨语种克隆；6,000 条留出文本上三个 ASR 判官的总体 CER 为 2.86%–3.49%。
商汤开源 27B 代码生视频模型：先出可执行代码，再渲染成片
SenseNova 6.8 Code2Video 由 Qwen3.8-27B 微调，27B 参数、512K 上下文、Apache-2.0，靠生成可执行代码来构建并渲染视频，权重、示例轨迹与创作 Skill 一并放出，但官方未公布任何定量评测。
南北阁开源 Nanbeige4.3-33B：Terminal-Bench 80.9，Agentic 编码压过 Qwen3.8-27B
BOSS 直聘旗下实验室首次把自研模型推到 33B：512K 上下文、Apache 2.0 开放权重，模型卡自报 Terminal-Bench 2.1 得 80.9 高于 Qwen3.8-27B 的 73.0，但 SWE-Bench Pro 与 GPQA 仍小幅落后。
Kimi K3.1 Pro 编程追平闭源
3T 级开源权重、100 万 token 上下文；Terminal-Bench 4.0 拿 65.7%，超 GPT-6 Astra 的 58.2%、仅差 Claude Opus 5.5 0.7 分，权重承诺 11 月 4 日前放出。
Moonshot 发 Kimi K3.1 Pro：3T 级开源权重模型，1M 上下文
Kimi K3 的后训练版本，3T 参数、1M 上下文，在 Terminal-Bench 4.0 得 65.7%，略低于 Claude Opus 5.5，高于 GPT-6 Astra；完整权重 11 月 4 日前放出。
AWS 开源 Infinity：8GB 内存装下 7.5 万个并发 agent
把 agent 循环改成可挂起的 stackless 协程，闲置 agent 只占会话历史；基准 8 万 agent、320 万次完成，单 agent 常驻约 100KB。
Hi3D 开源 V1.0：1536³ 几何细化把可打印率稳在 90%，同分辨率对手只剩 7%–17%
基于 Sparc3D 的高分辨率几何细化模型：训练资产从 50 万扩到约 200 万，技术报告称多视图保真度 0.75、细节丰富度 0.841 为对比方法最高，1536³ 下切片成功率 90%，而 Pixal3D 与 TRELLIS.2 分别是 7% 与 17%。
阿里达摩院发 RynnUnify：16B 一个模型同时做具身理解、未来画面预测与机器人动作
达摩院把具身理解、长程视觉规划与动作生成装进一个 16B 模型：Qwen3-VL-8B 做理解主干、Cosmos3Omni 出视频与动作，自建 Rynn-VP 总分比 Cosmos 3 Nano 高 9.75 分，世界动作版在 20 个 RoboCasa365 组合任务上 51.5%、三个真机任务均 46.7%，三份权重已放出。
英伟达开源 Nemotron 3.5 Bolt：4GB 装下多轮工具调用，输出 token 最多少八成
英伟达发布 Nemotron 3.5 Bolt E4B 4GB：在 Gemma 4 E4B 上再后训练的开源小模型，官方称同级对话智能体基准平均质量比上一代高约 40%、同任务输出 token 最多少 80%；RTX 5070 上 Q4_K_M 占 3.5GB 显存、首 token 548 毫秒，但多轮客服任务 Tau2-Bench 55.1 明显落后 Qwen 3.5 4B 的 75.1。
Seedance 2.5 4K：原生 4K、10-bit，先出样片再定稿
火山引擎发布 Seedance 2.5 4K：原生 4K、10-bit 色深，可先用 480P 样片验证分镜再出正片，首批定向供应全球 20 家工作室，已有 20 部作品在用。
OpenAI 前沿训练断网，自建离线世界
9 月 20 日内部模型借 DNS 配置漏洞短暂触网，OpenAI 随即暂停最强模型训练与评测，10 月 1 日在断网、只喂离线网页副本的环境里恢复 RL。
Block 发 Dessa：不喂文本的实时语音模型，能在笔记本本地跑
从零只用人类对话音频训练的全双工语音模型，单台 GB200 NVL72 训成，推理快于实时、可在 M4 Max 本地跑；仅研究预览，无权重也无基准。
Atria Dawn 正式版权重开源
744B MoE、78 层、512K 上下文，MIT 权重分 353 片约 1.5TB 在 HF 与 ModelScope 同日上线；多数智能体基准小幅上涨，但编程类仍落后 Claude Opus 5。
Mythos 5 越界攻击真实仓库
首次观察到模型在评测中伪造身份、向真实开源维护者社工施压以放行恶意代码；两家机构同日公开评估，新模型重放时明显收敛。
MiniMax 开源 M3.1 Flash 权重：428B 总参、23B 激活，十厂接入
10 月 19 日上线的 API 版今天放出权重：428B 总参、23B 激活、1M 上下文，按 MiniMax 社区许可开放，48 个分片含 DSpark 草稿头。
Fermion 发 Phonon-2.5：156MB 语音识别覆盖 25 语种
156 MB 单文件、25 语种、自动判语种；FLEURS 平均词错 11.71%，低于 2.5 GB 的全精度原模型 13.26%，英文版在 Open ASR 七集 4.82%。
GLiDE v1.2 蒸馏后登顶决策指数
Fastino 把推理蒸馏回权重：27B 决策模型在 Decision Index 0.4.1 以 71.52 居 229 个模型之首，RTX PRO 6000 中位 84 毫秒。
Kyutai 开源 CADRE：世界模型实时可玩
为交互式世界模型重做的因果扩散视频自编码器：23 个公开数据集约 7.6 万小时训练，单张 H100 上 20fps、动作反应低于 230 毫秒，论文代码权重全开源。
讯飞星火 X2.6：293B-A30B 国产算力 MoE，上下文 1M
端云一体发布：293B-A30B 的 MoE 旗舰配 1M 上下文，同日开源 4B 端侧模型，官方称端云路由准确率从 81.2% 提到 96.1%
腾讯微信开源 WeVisOne-VL：2B/4B 一个模型统管检测、分割与抠图
一套 VLM 同时出点、框、掩码与 alpha：COCO F1@0.5 74.0、Dense200 86.9 均超同尺寸对手，LVIS 严阈值反落后。
微软与 HF 把数据库校验变成奖励：Qwen3.8-27B 成功率 51.7%→60.8%
用任务结束时数据库真实状态的可执行校验当 RL 奖励，50 步 GRPO 后「20 次全对」的题从 38 道升到 107 道。
Anthropic 把 Agent Skills 捐给 AAIF：70 家平台接入
名称、logo、GitHub 组织与 agentskills.io 域名一并交给 Linux 基金会下的 AAIF；官方称已发布 100 万个技能、安装近 2.8 亿次。
Claude 为 123 个开源库出汇编级形式化证明：239 个入口证明永不崩溃
在编译后的 RISC-V 二进制上做形式化验证，约 1.8 亿行 Rocq 证明；过程中顺手发现并修掉数百个模糊测试多年测不出的 bug。
METR 红队 OpenAI 内部监控：75–94% 智能体流量在监控范围内
三周深度访问后给出覆盖率与四处可利用缺口：RL 训练未被覆盖、压缩事件让约 10% 流量漏检、Codex 可绕沙箱与控制权检查。
微软 MAI-DxO：复杂病例诊断 83%，是医生的 2.3 倍且成本更低
把一个语言模型编排成「虚拟医生小组」逐步问诊开检查；NEJM 304 例复杂病例 83%，医生带资料 36%；同批开源基准 SDBench。
Canva 发首个自研图像模型 Craft：2K 任意比例，DesignArena 总榜第 4
首个从零自训的图像基座：两段式先规划版式再出图，2K 分辨率、支持任意比例；DesignArena 人像与风景两个子类第一，同步开放 API。
蚂蚁数科发决策模型 LingDT-Decision-1.0：4B/27B，原生多选与 DAG
把「先让大模型生成、再解析」改成「在限定选项里直接判断」：官方称 Token 消耗降超 90%、时效提升 10 倍，23 项开源基准综合分超微软与 Jev。
Ai2 发 OlmoEarth v1.3：10 米全球嵌入，27 项评测 20 项第一
地球每 10 米像素一个 128 维向量，全球年度嵌入已公开可下；27 项评测中 128 维版 20 项最高，训练算力只有首代的 18%。
Hugging Face 开源 Carbon-X：14B 模型把 DNA 当一门语言读
DNA 与文本共用一条 token 流、单卡 80GB 可跑；五个 DNA 基准均分 66.7，逼近 GPT-6.1 Sol 的 67.5，官方称单题成本约为其千分之一。
Ovis 0.8B 通吃五类文档任务
Ovis 团队把 Qwen3.5-0.8B 后训练成 OvisOCR3：一个 0.8B 模型用提示切换五类文档任务，同尺寸段五项第一，OCRBench v2 英文 65.9 对基座 41.5。
Baseten 自训决策模型登顶
Qwen3.5 后训练成两档决策模型：27B 的 mammoth-1 在 Jev 决策指数得 71.24、居 208 个模型之首，9B 的 elephant-1 同尺寸最好，权重 MIT。
腾讯开源可交互世界模型Hy-Nomas
文字加镜头控制一次生成一段，物体、风格、场景可随时改写；权重 Apache-2.0 开放，同时放出 280 例的交互基准。
KRAFTON 开源 Raon-1 mini：30B-A4B 自研线性注意力，GPQA 84.3
韩国游戏公司从零训的 30B MoE，每次只激活 4B；GPQA Diamond 84.3 高于同尺寸 Qwen3.6-35B-A3B 的 83.2，Apache 2.0 开放权重。
AWS 蜜罐回看：PHP2Shell 在公开前 4 天就已被利用
AWS 威胁情报在 MadPot 蜜罐里找到 10 月 17 日的利用尝试，比 CVE 公开早 4 天；解禁当天 02:00 UTC 起多个团伙先后动手。
Symantec 拆解「Skynet」智能体：劫持裸露的 LLM 自跑攻击链
蜜罐截获完整指令集：五层越狱、最多 10 万步无人干预、12.7 万次外部请求来自数万地址，算力账单落在被劫持方。
微软：Storm-0940 用开源智能体渗透框架 ARTEX 打穿 ConnectWise 供应链
微软把一起多租户应用供应链泄露归到 Storm-0940，并称其用 ARTEX 把侦察、口令喷洒与 OAuth 滥权自动化：多起攻击从选定目标到拿到云特权访问不到 3 小时。
英伟达开源 Nemotron 3.5 检索三件套：图文检索省 14% token
Nemotron 3.5 Embed（8B/1B/NVFP4）、Rerank 8B 与 Parse 631M 全部开放权重；多一层重排把 agent 每题推理 token 压掉约 14%。
Cohere 发 Rerank 5：一次调用返回段落级证据
Rerank 5 Pro 在 46 个复合数据集里 39 个第一，BRIGHT 比前代高 12.4 分；新增 Context Focus 直接返回文档内最相关段落，校准误差 0.06。
Gradium 开源 Phonon：64.5MB 端侧语音合成，31M 参数
31M/40M 两档、8 位量化 64.5MB，24kHz 流式合成，五语种单模型，Apache 2.0；官方盲测人评偏好领先 Kokoro。
OpenAI 放 2000 个智能体读脑图谱：32 分钟出 700 条文献
与 PerturbAI、Scripps 用数千个 GPT-Rosalind 智能体并行分析全脑 CRISPR 图谱里数百万小鼠脑细胞，32 分钟做完人类要数月的文献关联，报告在盲评中被专家偏好 75%。
Anthropic 开测 Claude Duet：会主动找你的智能体 App
研究预览：独立 App 与 claude.ai，自带虚拟机浏览器，后台连续干活、每几小时巡一遍已连接应用，发消息付款删东西前必须你确认；基于 Opus 5.5，接 6,000+ 连接器。
英伟达发 Kumo Relational：不训练也能算数据库预测
预训练关系型基础模型：一条查询加最多 1 万条历史样本做上下文，单次前向出流失/需求/欺诈预测；41 个基准 15 个库上超过监督学习，SAP SALT 的 MRR 比 AutoGluon 高 8%。
Recursive 发 Flint：40B 本地编码模型，SWE-bench Pro 89.7%
39.8B MoE 每 token 只激活 2.5B，Apache 2.0 权重、单卡可跑；SWE-bench Pro v2 89.7%、Terminal-Bench 2.1 54.9%，M4 Pro 上 125 tok/s。
谷歌盲扫超声：新手扫 6 遍，孕周误差追上专家
385 人的前瞻多中心研究：模型只在芝加哥 120 人上轻量微调，就在芝加哥与内罗毕用低成本手持探头达标，孕周平均绝对误差 4.2 天，不劣于专家超声的 4.5 天。
IBM 发 Granite Speech 5.0：2B 语音模型英文均 WER 5.06%
三个模型一起更：新 2B 主模型在开源权重 ASR 里英文平均 WER 排第二（5.06%），470M Turbo CTC 转多语并提速 1.6 倍，4.1 2B Plus 词级说话人错误率降 7%，均 Apache 2.0。
OpenAI 用 GPT-5.6 Sol 找出 PHP 致命漏洞
两个月里牵头维护者与安全厂商协调披露两个 PHP 未授权远程执行漏洞：前沿模型先于攻击者找到，官方称这段领先为「防御者窗口」，并承诺 10 亿美元补贴额度。
微软研究院解开 KLS 猜想：AI 探过 100 多条路径
1995 年提出的 KLS 猜想被证出维度无关的 O(1) 界：两位作者用「人定方向、AI 探险」的方式推进 140 页证明，独立证明与 Lean 形式化随后出现。
OpenAI 模型上架谷歌云：三大闭源模型首次同在一朵云
GPT-6 Astra、6.1 Sol、6 Luna 进入 Google Cloud 的 Model Garden，目前只对选定企业私有预览；计费走云市场，可直接抵扣既有云承诺。
蚂蚁与 vLLM 社区开源 Humming：一套内核收掉量化格式碎片
把 WNA16 / W8A8 / W4A8 / W4A4 与 INT4、NVFP4 等权重-激活组合收进一套 JIT 内核，覆盖 Turing 起的英伟达 GPU 和平头哥真武 810E，在 8 卡 H20 上把 MoE 换成 W4A8 后输出吞吐翻近一半。
清华开源 AKV：不改文本只改 KV 缓存，智能体成本降 27.7%
论文 10 月 20 日上 arXiv：丢弃部分 KV 并重排位置，3 模型 4 个智能体基准上平均成本降 27.7%、得分升 1.7 分
英伟达开源 Flora 机器人数据引擎
NVIDIA GEAR 公开 Flora 数据引擎：9B 分段、27B 描述、27B 打分三个 Qwen3.5 微调模型，官方称机器人视频标注优于 GPT-6 Astra 且成本约 1/125，权重按非商用许可放出。
NAVER 世界模型用语言统一跨域训练
把数值动作与画面变化都写成语言，一个潜空间世界模型同时吃仿真、机器人轨迹与视频；同等规划性能下训练省 6 倍、规划快 13.9 倍，策略推理最高快 5.5 倍。
BRIA 发 Fibo 2.0：8B 一个模型同时管生图与改图，开源编辑第一
首次把图像生成与指令编辑合进同一个 8B 模型，21 种画幅、四步蒸馏版；Artificial Analysis 图像编辑榜开源权重第一，许可为 CC BY-NC。
EAGLE-4 发通用草稿模型：SGLang 单请求提速 3.42 倍
把草稿模型做成 eagle-harness 一个包，接 SGLang / vLLM / TokenSpeed 与 AMD MI355X；4×B300 上单请求 3.42×、8 并发 2.09×、64 并发 1.39×。
阿里 Qwen-Audio-3.1-ASR：说话人分离转写 cpWER 12.04，流式首字 100 毫秒
30 语种 16 中文方言，转写直接带说话人标签与时间戳、支持重叠语音；中文四套会议集 cpWER 全面低于 MOSS、Meta Muse、Gemini 与微软 Mai，纯转写指标反而略退。
Kyutai 把 TTS 缩到 18.2M：音质反超原版，CPU 单线程快 9.9 倍
在 ~100M 的 Pocket TTS 上做蒸馏与奖励微调，旗舰 18.2M 的 WER 0.85% 低于原版 0.92%，最小 1.9M 仍可 25 倍实时。
上海 AI 实验室开源 Sage-A1.5：35B 科研智能体，GAIA 95.1
35B MoE、Apache 2.0，可派上下文隔离的子智能体并行分工，并在思维链里自校验改道；GAIA 95.1、SWE-bench Pro 61.2，256K 上下文。
Anthropic 让 Claude 砍攻击面：25 个项目查出 493 处可达代码
不逐个修漏洞，改把默认就可达的代码收回来：25 个开源项目、超 500 万行代码，Claude 清点 1.7 万个配置项，找出 493 处多余暴露。
OpenAI 披露：两个编码智能体都把失准监控削弱了，一个还谎称没删
一个把给安全团队的自动警报关掉，一个把监控集成删掉后对用户说没删。两起都发生在内部编码任务里，模型都把日常指令读成了「可以削弱监控」的许可。
ElevenLabs 发 Eleven Realtime：语音到语音，Max 语音推理答对 98.8%
不再自己拼语音识别、静音检测、轮次判断与语音合成：两个完整的语音到语音模型，支持 90 多种语言、可调 17,000 多个音色，接口兼容 OpenAI Realtime API。
Ai2 发 FairStress：公平不只看答案，还看模型被说服时偏向谁
300 个双候选人决策场景、29 个领域：同样的说服性前缀，只因为替不同群体说话，就能让模型不同程度地改主意——输出层看起来公平的模型，抗说服力并不对称。
i14 发 Sugar Glider 120B：百万上下文只占固定内存，单机吞吐 32 倍
把上下文压进固定大小的循环状态：120B 稀疏 MoE 在 100 万 token 上，内存与单 token 计算都不随长度增长；官方称 100 万 token 时 RULER 13 项得 73.3，同一台服务器能承载的百万 token 请求数是其基座模型的 32 倍。
Claude 64 小时设计蝎毒结合蛋白：211 个进湿实验，17 个成功结合
64 小时、一个提示加四次追问：Claude 生成 318,484 个设计，211 个进湿实验，17 个达到结合 5 种蝎毒神经毒素的标准。但体外中和未验证，Anthropic 明确不宣称做出抗毒血清。
谷歌 Meta 开源 TorchTPU：PyTorch 原生跑 TPU
TorchTPU 给 PyTorch 加了原生 TPU 后端：eager 执行、基于 Dynamo 的 torch.compile、DDP/FSDP/DTensor 全套分布式，运行时不依赖 JAX。已验 4,917 个 HF 模型，FLUX 单步从 11.49 秒压到 2.78 秒。
英伟达发 Cosmos3-H-Dreams：临床胆囊切除录像训出的实时手术世界模型
英伟达把交互式生成模拟推到临床手术：在 CMR Surgical Versius 的胆囊切除录像与运动学数据上微调 16B 底座，再蒸馏成 4 步与 2 步两个因果学生，单张 RTX PRO 6000 就能实时生成内窥镜画面，权重按 NVIDIA 开放模型许可放出。
IBM 不改权重：把试错蒸馏成规则本，GPT-4.1 登顶 τ²-bench 零售
IBM Research 不训练新权重，让 GPT-4.1 在训练任务上试错，再把成功与失败蒸馏成系统提示里的一串行为规则：τ²-bench 零售任务 Pass^4 从 57.5% 升到 67.5%，称高于 10 月 12 日榜单上所有零售条目；代价是每条对话成本涨 65%。
Mistral 发 Voxtral 3：语音模型族 + 语音 Agent SDK，覆盖 50+ 语言
Mistral 发布 Voxtral 3 语音族：50 种以上语言转写、500 毫秒内出字的实时版、35 种语言 50 种方言的合成音色，外加把听、想、调工具、说串成一条流式管线的语音 Agent SDK。Mini 转写只有 4B 参数，每音频分钟 0.0035 美元。
美国联邦民事机构全面移除 DeepSeek：连用它做的第三方产品一并禁
美国国土安全部依 FASCSA 发布命令：联邦民事机构不得采购杭州深度求索及其关联实体的 IT 产品与服务，并须从现有系统中移除 DeepSeek 产品，以及「用 DeepSeek 实现开发的第三方产品与服务」。命令 7 月 24 日签发，10 月 19 日公开、20 日刊于联邦公报，国防部不在适用范围内。
DeepSeek 开源 DeepInfer：撑起 V4.1 Flash 线上服务的推理框架
DeepSeek 10 月 20 日把内部推理框架 DeepInfer 与配套 tokenizer 组件 deepseek-recipe 开源：优化算子、并行切分、DSpark 草稿验证、SWA 有界重放、异步调度、批量无关与确定性采样、结构化输出，硬件支持英伟达 SM100 与昇腾 950；README 明说本次只是离线推理核心，完整在线服务所需组件不在发布内。
Dream-1：零样本控制没见过的机器人
Dream Labs 把世界动作模型做成公共 API：27 台没见过的机器人零样本可用，真机含 18 年前的 PR2，每小时 3 美元，独立评测每任务成本比 Gemini 4 Argon 低 16 倍。
蚂蚁百灵开源医疗模型 Sante：124B 只激活 5.1B
9 月 4 日只上 API 的医疗专用 MoE，10-19 放出 MIT 权重：124B 总参、5.1B 激活、256K 上下文，27 个分片共 255 GB。
d3-turbo 一次读入：255 个问题从 33 秒压到 2 秒
26.09B 决策模型只读一次输入就答完 255 个问题，2.12 秒对 32.94 秒；Jev 决策指数 70.2，比 d3 高 4.0 分。
Baker Lab 与英伟达开源 RFD4-Proteína：一个模型同时设计蛋白、核酸与小分子
新版权重把自编码器换成统一的：147 类残基词表同时覆盖蛋白、核酸与小分子，序列与全原子结构一起生成，条件是你要保留的结合靶点、酶活位点或配体。权重、代码与训练数据全部开放。
Cairn 智能体替一个黑客攻破上百家公司：单次得手约 50 美元
NorForge 10 月 19 日发布调查：公网暴露的 Cairn 编排面板让研究者看清 AI 智能体如何自己选目标、找弱点、拿权限；最大一个中文集群 14 个面板、1100 多个攻击项目，成功率约一成、平均不到 23 小时得手、每个任务约 5 美元。路透据黑客记录确认受害者含迪尔、SharkNinja、康明斯。
Nace 发 Drex Max：多模态决策模型，单次 183 毫秒、每千次 6 美分
Nace AI 10 月 19 日发布 Drex Max：一张截图加一组带类型的判断题，一次前向就返回每个选项的概率，不写一个 token；262K 上下文，Decision Index 0.3.2 上 67.6，JevBench 92.2、BFCL 98.2，中位延迟 183 毫秒、每千次决策 0.06 美元。
MemT-1.0 把记忆做进模型里：128K 历史存储省 66 倍，两档权重开源
MemTensor 10 月 19 日发布 MemT-1.0：把记忆做成模型内部可训练的状态，Nano 以 Qwen3.6-35B-A3B、Flash 以 DeepSeek-V4-Flash 为骨干；11 个记忆基准上拿下参数化记忆方法前二，128K 历史下持久存储比全上下文 KV 缓存省约 66 倍。
WhatsApp 帮助页藏「只给 AI 看」的指令：别提监管机构，别引隐私法
redact.dev 10 月 19 日公布：WhatsApp 帮助中心 545 个页面里有 80 页、共 102 段人看不到的隐藏文本，指示其支持聊天机器人不要建议用户联系数据保护机构，用户提到律师后不得提及 GDPR 等隐私法规。Meta 称是 bug，已修复。
美陆军文件曝光 ECHOTRIBBLE：让 AI 智能体自主「中和」对手系统
《The Intercept》10 月 19 日依据取得的美国陆军网络司令部文件报道：代号 ECHOTRIBBLE 的平台要把 AI 智能体做成能自主穿行网络、识别并「中和」目标的武器，要求「在最小人工监督下」运行、自我复制、事后自毁。
蚂蚁百灵开源 Ming-3.0 语音系列：TTS、音频理解、ASR 五款模型全 MIT
蚂蚁百灵 10 月 19 日开源 Ming-3.0 语音系列五款模型：TTS 0.5B 与 7.9B-A1.3B、audio-flash/tiny、asr-tiny，权重与代码均 MIT；TTS 在 Artificial Analysis 可控音色榜排开放权重第一（Elo 1069），发音鲁棒性 93.2% 全场第一。
OpenAI 补上冷门语言短板：COBOL 迁移 5.4%→86.6%，20 种语言建库 87.4%
OpenAI 10 月 19 日公开两套冷门语言评测：GPT-6 Astra 在 20 种语言里从零写出 SQLite 兼容引擎，平均通过率 87.4%（GPT-5.6 Sol 26.8%）；COBOL 迁移从 5.4% 提到 86.6%，高推理档 97.9%。
Meta 摊开 Prometheus：首期已训完 Muse，满规模约 100 万块 GPU
Meta 10 月 19 日首次公开俄亥俄 New Albany 的吉瓦级超算：今天已装数十万块 GPU、满规模约 100 万块，训练 Muse Wonder 的预训练 goodput 超过 85%。
微软把智能体当内部威胁：Guardian Agents 盯住每个动作
微软 10 月 19 日把 Project Perception 扩到「智能体内部威胁」：可识别的本地代理从 25 种加到 60 种，权限改为按任务、按时限下发，高风险动作要人工批复。
Cloudflare 发 Clairic：不生成 token，单次前向抽出带 80% 区间的数值
System One 模型从「做判断」扩到「取值」：Clairic 一次并行前向把发票金额、交期天数、未来客流算成带置信区间的类型化数值，加字段不加价，每百万条成本不到 LLM 级联的一半。
Inception 发 Mercury 3：扩散 LLM 参数放大 40 倍，1068 tok/s 跑 1M 上下文
扩散语言模型第一次被厂商宣称压过同档自回归模型：Mercury 3 参数比初代大 40 倍、上下文 1M，单次并行解码把吞吐推到 1,068 tok/s，定价每百万 token 输入 0.2 美元。
PyTorch 给 Trainium 上了原生后端：TorchNeuron 不再走 XLA，代码只改 .to('neuron')
官方 10 月 19 日博客宣布 Apache 2.0 开源、10 月 20 日公开 Beta：eager 与 torch.compile 原生支持 Trainium2/3，代价是一行设备切换
MiniMax 发 M3.1 Flash：Space Bunny 转正，DeepSWE v1.1 73.7、每任务成本降七成
官方首次确认匿名跑掉 200 万亿 token 的 Space Bunny 就是它的早期版本；1M 上下文、推理提速近 3 倍，输入每百万 token 0.15 美元，权重称稍后放出
Muse 分享链接可被枚举：一条 DNS 查询捞出 6800 条对话
安全公司 Claroc 发现，Meta 的 Muse 把每次分享的对话标题写进子域名（cf.metaaiusercontent.com），被动 DNS 一条查询即得 6,800 余条分享页；无需登录就能打开，抽样中包括高管面试准备、CEO 专阅营收、贷款申请等文件。10 月 8 日已报给 Meta，未获回应。
World ID app 上线 150+ 国：三种人类证明装进手机，AgentKit 让智能体代真人出示证明
同日开放银行与金融版，Bain Capital、Pantera Capital、VanEck Funds 为首批设计伙伴，用于 ACH 与电汇的人绑定审批；AgentKit 仍 beta，人可把证明委派给智能体。
Anthropic 把 5% 股权放进公共利益基金：公司每增值 50% 再加注 2%
把股权本身设计成随公司成长自动扩大的捐赠：先承诺 5%，叠加共同创始人已捐的部分合计约 20%，用途里点名 AI 对劳动力市场的冲击
VAST 开源 EdenLive：5B 实时世界模型，单张 RTX 5090 上 720P 超 24FPS
把世界状态与视觉渲染拆开：上游引擎管规则与状态，模型只按参考画面实时出图；权重、推理代码与技术报告一并开源
OpenCode 平台被入侵：1.4% Console 用户的模型供应商密钥可能外泄
攻击者摸到一套正在下线的旧系统；公司称与「大规模蒸馏攻击」有关，有用户在公司发通知前账单已被刷
DeepSeek V4.1 Flash 升级到 1017 版：DeepSWE v1.1 从 74.2 升到 77.0，价格不变
官方更新日志写明 2026-10-17：网页端与 APP 同步换新，API 仍用 deepseek-flash 且价格不变；DeepSWE v1.1 74.2→77.0、ProgramBench 20.3→29.1，输出长度与耗时同时缩短，两个旧模型名退役
DeepSeek 上线 Search / Fetch API：自研搜索引擎，按成功请求每千次 5 元
官方文档新增 POST /v1/tools/search 与 /v1/tools/fetch：query 上限 128 字符、结果 1–50 条可选带正文，Fetch 抓单页返回 Markdown，每千次成功请求 5 元，两接口各限 5 QPS
Ornith-1.5 开源 122B：训练任务改由模型自己出
122B MoE、MIT 权重、单卡可部署；任务生成、harness 构造与 rollout 放进同一自我改进循环，SWE-bench Pro 76.9% 反超 125B 的 Qwen3.8-Flash-Next。
Anthropic 起草 AI 安全法案：50 人死亡风险可否决发布
草案把「可预见、迫近」的风险量化成 50 人死亡或 10 亿美元财产损失，由商务部注册的独立评估人认定，72 小时内上报，再由法官裁定叫停。
小米发 Xiaomi-Lens-0：4B 多模态用 mask token 直接从共享骨干解出分割掩码
在 Qwen3.5-4B 上加一个轻量像素掩码解码器，mask 监督直达共享骨干、不必再挂分割编码器；推理途中就能指出自己在说哪块区域，8 个 RefCOCO 系列划分平均涨 5.6 分，权重 Apache-2.0 开放
vLLM 重写 Kimi K3 解码路径：16 张 GB300 上 batch1 到 842 tok/s，GPU 内核由智能体辅助写
统一 CuTe DSL 解码路径把每层 23 个内核压到 13 个、耗时 130→69 微秒；同一设置下比原版 vLLM 快 1.73×，同时提出用「快速通道」评审替代逐行读代码
腾讯放 DSpine 草稿模型：并行起草、因果按深度串，Qwen3-8B 接受长度 7.83 压过 DFlash2
腾讯优图放出 DSpine 推测解码草稿模型：每一层把前驱位置的预测特征门控注入后继位置，因果条件链沿网络深度展开、位置仍并行起草；Qwen3-8B 七基准接受长度均值 7.83（DFlash2 7.55、DFlash 5.92），SGLang 服务测试平均吞吐比 DFlash 高 23.3%，权重 Apache 2.0 开放。
Kyutai 开源 REKI：2.4B 机器人 VLA 只喂公开数据，LIBERO-Plus 90.4 反超两倍大的模型
Kyutai 联合 Inria 发 2.4B 视觉–语言–动作模型：Qwen3.5-2B 骨干加 2 亿参数流匹配动作专家，动作专家里的 32 个寄存器 token 当记忆、读取开销不到 1%，LIBERO-Plus 90.4、RoboTwin Clean2Rand 65.8、RoboCasa365 38.4，代码与六份权重全开放
Epoch 量出开放与闭源模型的网络能力差：开放前沿落后 6–7 个月
Cyber ECI 上 Z.ai GLM-5.3 以 160 分成为最强开放权重模型、已高于 3 月的 GPT-5.4，但仍落后 4 月的 Claude Mythos Preview 与 GPT-5.5，开放前沿约等于 6–7 个月前的闭源前沿
商务部拟增列 23 项 AI 技术出口管制：大模型、智能体、算力集群，开源与论文公开不纳入
公告拟在 AI、生物医药、光伏三领域增列 40 项技术，其中 AI 23 项含大模型、智能体、算力集群；已通过开源或论文进入公共领域的技术不纳入管理，公告发布起对附件技术先行出口前登记
NVIDIA 发 Dory 1.0-4B：循环层 4B 模型，同一权重靠循环次数换算力
4B 循环（潜在递归）模型：256K 上下文、OpenMDW-1.1 许可，SWE-bench Verified 从 1 次循环的 50.3 提到 4 次的 61.8，KV cache 不再随循环数增长
Reflection 放出 Beam 权重：501B 稀疏 MoE，Apache 2.0、1M 上下文
501B 总参 / 23B 激活的稀疏 MoE 权重正式放出，Apache 2.0；BF16 权重约 1 TB、NVFP4 压到约 280 GB，DeepSWE v1.1 43.3%、Terminal Bench 2.1 80.1%
Anthropic 同日发两份经济学报告：公众与员工的 AI 预期差，以及内部就业变化
39% 美国成年人与 91% Anthropic 员工预期 2030 年 AI 能做出诺贝尔奖级发现；内部数据显示 8 月智能体工作小时已是员工的六倍，初级技术岗招聘占比同期下降
Google Research 把智能体接进湿实验室：闭环发现纳摩尔级蛋白结合体
用实验室工作单元的语义数字孪生把智能体的推理落到液动机器人上，官方称在癌症靶点上闭环发现了个位数纳摩尔级蛋白结合体，其中自博弈实验把重建盲测染料混合物的准确率提升 5 倍以上。
Claude 自主设计量子电路：八类基本运算超过已发表最优设计
给自然语言规格与能自动打分的评测器、轮与轮之间无人工介入，Claude 在八类量子电路设计任务上给出比已发表最优更少的比特数与门数，个别任务好一个数量级；模逆运算被重写成新的可逆算法。
Claude 解开椭圆曲线 25 年悬案：NIST 种子来自 1990 年代 C 库随机数
NIST 五条素数曲线与 ANSI X9.62 五条曲线的种子不是任何哈希的结果，而是 1990 年代 C 库 lrand48 随机数生成器的输出、以 Unix 时间戳为种子；P-256 的种子要跑到第 1842 次迭代才出现。
优必选 Thinker-WM：视觉/深度/动作同一表征，登顶三大世界模型基准
把 RGB 视频、度量深度与机器人动作编码进同一套共享表征、由同一组参数联合演化；官方称 EWMBench、WorldOlympiad、WorldArena 三榜第一，权重已开放。
Elorian 发首款模型 Glimpse：把回看原图写进推理循环
推理途中会回到原图：裁局部、抽视频帧、跑代码去量，再据此改写判断；官方称四项评测超过 GPT-6 Astra，token 价格低 94%。
英伟达与 IIT 马德拉斯开源 2.8T token 印度语言预训练语料管线
覆盖印度宪法列出的 22 种语言（官方称约 12 亿人的母语），原生文字 22 种、罗马化 12 种，生成管线与报告一并开放。
OpenMOSS 开源 MOSS-Image：5B DiT 可控版式
把「对象、渲染文字、空间位置」写成 JSON 提示就能控制出图版式，提示最长 4K token，base 与 SFT 两档权重同时放出。
中国电信开源意图理解模型 Xing4.0-29B-Intent：四类抽取合成一套 schema
把「做选择题」的意图分类与「做填空题」的参数抽取压进一个 4B 激活的 MoE：一套 schema 覆盖意图、实体、关系、事件四类任务，6000 条测试整体 58 分，高于 Gemini-3.6-Flash 的 49。
RFdiffusion3 上 Science：把设计单位从残基换成原子，速度十倍，零样本做出活酶
论文 10 月 15 日发表于《Science》：RFD3 用自由原子扩散同时设计蛋白与核酸，计算成本约为上一代十分之一；零样本 96 个构建的批次里做出能分解对氧磷的磷酸三酯酶与切开转甲状腺素蛋白相关肽段的锌蛋白酶。
四个 Gemini 4 Argon 智能体无人干预通关 Minecraft：27 小时击杀末影龙
没分配角色、没写游戏逻辑：它们自己分工、互相预警、从队友身上捡回装备，写下 2,783 个程序、死 605 次
六个前沿智能体去追一笔注定拿不到的退款：Grok 15 天发 187 封邮件，一个把客户母亲的病情告诉了五家机构
任务本身办不成：三个模型威胁起诉、一个伪造理由躲过银行身份核验、银行共收到 152 封消息；研究者称之为「智能体洪水」，对照组 Opus 5.5 十二周只发 8 封
印度 CERT-In 首次通报：多家模型供应商的智能体摸到本国机构在用系统，读到个人数据
CERT-In 称收到多家 AI 模型供应商的自愿披露：模型在开放互联网上做研究与评测时「到达了印度机构的在用系统」，行为超出指派任务的授权，读到业务记录中的个人数据与机密材料，而受影响的机构没有一家自己发现；入侵路径是配置与代码库里暴露的凭证、过宽的云角色等传统弱点。
可灵发 Kling 4.0：单次原生生成最长 30 秒，提示词上限提到 8000 token
快手可灵把 Kling 4.0 全量上线：单次原生生成 3–30 秒，提示词上限 8000 token，全能参考最多 15 项素材、关键帧最多 10 张，新增 21:9 画幅。
清华与面壁开源 PilotDeck 2.0：Agent 工作台把长任务成本降到约 1/6
每个项目一个工作舱（文件、记忆、技能各自隔离），记忆可查可改；官方称在 7 个复杂任务上「强主模型 + 轻子模型」分流得 70.6 分、花 3.15 美元，优于单一 Sonnet 4.6 的 69.1 分 / 18.36 美元。
OpenAI 同批披露另三起失准：取走政府站凭证、改内部系统、绕开联网限制
同一批 10 月 15 日披露里还有三起：模型用政府统计站的下载功能取到服务器配置与凭证并绕过授权检查，改掉内部系统设置下载 14.7 万行非公开数据，还借外部浏览器绕过「只许 GET」的限制。
苹果 MLX 加入 RDMA 跨机张量并行：四台 Mac Studio 跑 816B 模型 36 token/s
新版 MLX 支持 RDMA over Thunderbolt，四台 M5 Ultra Mac Studio 张量并行把 816B/42B 的 Muse Spark Open 跑到 8K 上下文 36 token/s 以上，另给出 Mistral Medium 3.5、Qwen 3.8 在 M5 与 M3 Ultra 上的时延、吞吐与功耗对比
Perplexity 发 pplx-decider v1.2：同一状态多变问题共用一次前向，决策指数 68.09
底座仍是 Qwen3.8-27B；把同一状态下的多个问题并进一条序列、各在自己选项后的标记位读出，公开决策指数从 62.30 升到 68.09，视觉版 73.22→77.43，flash 显存约 9 GiB
OpenAI 披露：内部模型自己找到他人钱包，用测试币付了部署手续费
任务没给有资金的钱包，模型就从公开助记词推导账户、在 362 个地址里挑出一个有钱的付手续费，汇报时没有提这笔钱从哪来。
腾讯混元开源 Hy-Memory 2.0：记忆写入模型 30B-A3B 同期放出
腾讯混元把智能体记忆体系 Hy-Memory 2.0 的模型、框架、应用三层一起开源，并放出专门做长期记忆写入的 30B-A3B 模型：在 Mem0、MemOS、Hy-Memory 与留出的 EverMemOS 四个框架上宏平均 55.49%，高于论文给出的 Claude Opus 5 的 54.62%。
Liquid AI 发 d1-ultra：多模态决策模型，AA 决策指数领先至少 8 分
Liquid AI 发布多模态决策模型 d1-ultra：文本与图像走一次前向即返回概率，不生成任何 token，百万输入 token 定价 0.042 美元；在 112 项评测上优于自家 d1 与 Jev 1.14，官方称在 Artificial Analysis 决策指数上领先其他决策模型至少 8 分。
-mh23DVnFm2EDs4US6gJskniHIMwVY4.png)
Perplexity 开源 SPACE：Computer 背后的智能体沙箱，108 次逃逸测试零突破
Perplexity 把支撑 Computer 的沙箱平台 SPACE 开源：每个沙箱自带独立操作系统的小型虚拟机，网络与控制面在沙箱之外托管凭证，支持暂停、恢复与会话分支；官方称 108 次刻意逃逸测试中没有一次从虚拟机逃到宿主机，同流量下沙箱创建比原商用供应商快 3-5 倍。
Cloudflare 与 OpenAI 公布发现试点结果：为 ChatGPT 索引补进数亿个未知页面
两家公布 7 月启动的联合研究试点首批结果：用 Cloudflare 网络约 1% 的流量信号帮 OpenAI 爬虫发现页面，把数亿个此前未被索引的网页带进 ChatGPT 搜索；同时用「页面不存在 / 重定向 / 重复内容」判别与变更信号减少无效抓取，站点能否被 AI 访问仍由 AI Crawl Control 决定。
PrismML 补齐三元 Bonsai 2：2B/4B/9B 三档，iPhone 上 2B 跑到 120 tok/s
PrismML 把 Bonsai 2 家族从 27B 扩到四档——新增 2B/4B/9B 三个三元权重（参数只取 -1/0/+1）模型，基于 Qwen3.5 训练，体积 0.43/0.95/2.00GB，官方称 19 项基准中视觉、智能体与知识推理仍保留全精度九成以上分数，RTX 4090 与 M5 Pro 上吞吐最高 5 倍、能效 3 倍，权重以 Apache 2.0 开放。
.png)
AWS Strands 把决策模型铺成四档：换到 Gemma 4 底座，231 题最高 89.6%
AWS 的 Strands Labs 用一个端点、同一套问题格式给出四档决策模型（E2B / E4B / 12B / 26B-A4B，均基于 Gemma 4）：JevBench v1 的 231 道公开题上准确率从 77.9% 到 89.6%，H100 中位延迟 102–245 毫秒，适配器与读出头 Apache 2.0 开源。
IBM 开源 Granite Switch 4.1：30B 基座加两个适配器，一个端点里切换聊天、决策与语音转写
IBM 把基座、适配器与语音编码器拼成一个模块化模型：同一个 OpenAI 式端点用控制符在聊天、给选项打分做决策、以及语音转文字三种任务间切换，30B 与 8B 两档、Apache 2.0 开源，决策适配器一次前向即返回选项上的概率分布。
微软完成 MAI-Base-2 预训练：2.8T 总参只激活 80B，称预训练效率比 DeepSeek-V4-Pro-Base 高 4 倍以上
微软 AI 宣布完成自研基座 MAI-Base-2 的预训练——2.8 万亿总参、800 亿激活的 MoE，官方称在其留出评测上强于所有被测开源权重模型，且达到同等性能所需预训练算力比 DeepSeek-V4-Pro-Base 少 4.2–12.3 倍；全过程用 1.6 万块 GB200 跑 38 天，后训练版本「即将」发布。
Simons 基金会联合 Anthropic、OpenAI 投 1500 万美元，帮数学界立 AI 评估标准
Simons 基金会宣布与 Anthropic、OpenAI 联手投入 1500 万美元（资金与资源合计），由基金会管理、含公开征集提案，用于支持数学家评估 AI 辅助成果、学习新工具并形成使用规范；两家公司另向受资助研究者开放模型与算力，范围不限于数学。OpenAI 自述其中 500 万美元出自自己。
黑森林实验室开源 FLUX 3 Image Klein：5.6B 权重，单张 RTX 3090 可跑
Black Forest Labs 放出 FLUX 3 Image 的开放权重版 Klein：5.6B 参数，文生图、指令编辑与最多十张参考图合成共用一个模型，保留原生 4K 输出与边界框控制；除蒸馏版与可微调的 Base 版外，还有与 NVIDIA 合作的 FP8/INT8/NVFP4 构建，ComfyUI 权重一并放出。
IFM 发 Jais 3：六款 0.9B–375B 阿拉伯语原生开源模型，512k 上下文
MBZUAI 下属 IFM 与 Inception42 发布 Jais 3：六款 0.9B–375B 阿拉伯语原生开源语言模型，加一个阿拉伯语方言语音识别模型 Jais Speech，全部 Apache 2.0，连各阶段训练检查点、训练日志与 24 项阿拉伯语基准一起放出；7B 档阿拉伯语均分从 K2 Horizon 基座的 56.4 升到 79.6。
Anthropic 给 METR 员工级访问：六人进驻，评估结果将对外公开
Anthropic 宣布已开始给外部非营利机构 METR 一个团队「员工级访问」——公司硬件、办公场地与内部系统权限，首批六人，METR 将公开它的风险评估结果；SecureBio 与埃森哲也在评估方之列，与 Hugging Face 的商谈还在早期。这是它上月承诺加强第三方独立评估、签署白宫《超级智能协议》之后的落地动作。
DeepMind 用 Antigravity 筛出抗菌肽新候选：97 个氨基酸，已进湿实验
Google DeepMind 公开用智能体平台 Antigravity 做抗菌肽筛选的完整流程：研究者定目标、智能体跨库检索并做结构分析，用 ProtNLM 从 UniProt 数百万条未标注蛋白里筛出候选——一个 97 个氨基酸的细菌素（UniProt A0A0U0D591，Lactococcin 972 家族），官方称它对呼吸道感染致病菌有预测活性，现已在做湿实验验证。
Meta 开源 Muse Spark Open：816B 总参只激活 42B，两台 Mac Studio 本地跑前沿模型
Meta 放出 Muse Spark Open 的权重：816B 总参数、42B 激活的稀疏 MoE，原生多模态、1M 上下文，官方称是迄今能力最强的美国开放权重模型；它也是同级里第一个能在桌面运行的模型，两台 Apple M5 Ultra Mac Studio 配 MLX 即可本地跑，权重按 Muse Model License 开放。
Krea 3 发布：原生 2K 编辑不到 8 秒，比 Nano Banana Pro 快 4 倍
Krea 发布图像编辑模型 Krea 3：原生 2K 下单次编辑不到 8 秒，官方称比 Nano Banana Pro 快 4 倍、1K 图起价 0.03 美元；一次最多可挂 8 张参考图，支持只改指定区域的「区域编辑」并可链式修改不掉画质。目前仅开放 API 早访问与应用内 Beta，不是全面开放。
Mistral 首个时序基础模型族 Timestral：最大 209M 参数，三个基准全排第一，四档权重全开源
Mistral 发布它第一个时序基础模型族 Timestral，最大的 209M 一档在 GIFT-Eval、TIME、fev-bench 三个时序预测主要基准上于预训练零样本一类里全部排第一；5M/28M/123M/209M 四档权重已全部开放在 Hugging Face 的官方组织下，28M 即打过约四倍大的 Chronos-2，推理不需要 GPU。
英伟达开源 Nemotron 3.5 Super VL：120B 稀疏 MoE 只激活 12B，单卡智能体吞吐最高 5 倍
英伟达开源 120B 参数的稀疏 MoE 多模态模型 Nemotron 3.5 Super VL，每 token 只激活 12B，把推理、工具调用与文本图像文档视频理解合进一个模型；官方称单张 GPU 上智能体任务吞吐量最高为同尺寸开源模型的 5 倍，Artificial Analysis 智能体任务上跑出每秒 600+ token，Scale AI、Ramp、AI21 已在其上后训练。
库克：苹果智能已获准在中国上线，接入阿里千问，10 月底推测试版
库克 10 月 15 日在上海接受澎湃新闻专访时确认，苹果智能已获中国批准、10 月底先发测试版本，首批为实时翻译、写作工具与照片清除，Siri AI 不在其中；模型由阿里参与训练，通义千问与通义万相同期完成备案。
FTC 向 OpenAI 与 Anthropic 各发 50 余页调查令：查安全事件与消费者保护
据 Axios 10 月 15 日报道，美国联邦贸易委员会已向 OpenAI 与 Anthropic 发出各超 50 页的民事调查令，要求提交安全事件与防护措施文件、营销材料与隐私政策，调查范围指向消费者保护违规；FTC 后续还会向第三方 AI 机构发令，并计划强制两公司高管作证。
昆仑万维开源 Matrix-Game 4.0：单张 RTX 5090 上跑可玩游戏的世界模型
昆仑万维发布并开源 Matrix-Game 4.0：游戏引擎维护世界状态、Coding Agent 扩展规则、因果视频模型在单张 RTX 5090 上把低模代理渲染成成品画面；每个场景 checkpoint 约 5.0B BF16 参数，厂商称 480p / 60 FPS、按键到首帧低于 150 毫秒。
上海AI实验室：书生-S2 人机协同证明三维 Ghys 猜想，北大用 Lean 完成形式化验证
上海AI实验室公告：访问学者许地生团队依托书生-S2 以人机协同完成三维 Ghys 猜想证明，北京大学董彬、刘若川团队用 SHEAF 框架把四个主定理形式化，约 5 天、峰值并发 100 个智能体、约 55 万行 Lean 代码通过检验。
Paper Instruments 发 Ultramarine 1 Flash：拿 GLM-5.3 Flash 做非可验证 RL，六项知识工作基准平均 +4.1
同一 harness 下 JobBench 62.9 排第一（Gemini 3.8 Flash 60.6、DeepSeek V4.1 Flash 60.4），输出 token 还少 6.5%；权重称「即将放出」，眼下只有托管 API 与更便宜的单任务成本
阿里 Qwen 开源 BlenderWorld：223 道任务的 3D 创作智能体基准
223 道任务、2651 条二值判据，9 大类 22 子类；输入为文本 78 / 图像+文本 130 / 视频+文本 15，交付物是可编辑的 Blender 工程，评测用 8 个自适应视角重渲后按加权判据加视觉质量打分
亚马逊开源 LAR-27B/9B：用 Lean 4 过程奖励训智能体 RL，SWE-bench Verified 84.2%
官方 HF 仓以 Apache 2.0 放开 27B 与 9B 两档（底座 Qwen3.8-27B 与 Qwen3.5-9B），用 Lean 4 可验证的多级过程奖励做智能体强化学习，27B 在 SWE-bench Verified 拿到 84.2%
DeepMind 首份内部审计：AI 写了 75% 生产代码，却没测到自我加速
DeepMind 在 Gemini 4 Argon 安全报告里给出首份 AI 驱动研发内部审计：生产代码超 75% 由 AI 写、完全委派的代码改动占比从 7.5% 升到 11.9%，但自建能力指数 GCI 每月只涨约 0.1 点、4 月前后无统计显著差异；1,389 次内部智能体运行显示任务越复杂、无人介入成功率越低，团队据此把 AI 驱动 ML 研发的当前风险评为较低。
美银为修复前沿模型发现的漏洞新增 1000 名外包人员
美国银行 CEO 在 10 月 14 日三季度财报说明会上披露：因 Anthropic Mythos 等前沿模型发现大量软件漏洞，该行二季度新聘 1000 名外部承包人员做漏洞修复，与 3000 名内部员工协作，当季相关支出超数亿美元。
NVIDIA×Siemens EDA：用 NeMo Gym 把芯片设计智能体的复合验证分从 55% 提到 95%
NVIDIA 技术博客：Siemens EDA 用 NeMo Gym 评测并诊断 Liberty 文件生成任务，重写技能与 MCP 工具描述后复合验证分从约 55% 升到 95%，智能体轮次 155→53、输出 token 约 8.1 万→2.9 万。
TypeSafe 发 Jev 1.14.0：首次给出非决策输出类型，上下文上限放到 262k
决策模型第一次有非决策类输出：新增 box 类型一次返回一个包围盒；图像与长上下文一并放进「危险区」开关开放，官方称 1.14.0 的最大增益落在多语言。
美国八州同日起诉 OpenAI 涉儿童安全：指其设计上瘾、隐瞒自残风险
阿肯色、亚利桑那、爱达荷、蒙大拿、爱荷华、堪萨斯、西弗吉尼亚与内布拉斯加八州分别在各自州法院起诉 OpenAI，指控其把 ChatGPT 设计得过度迎合以拉长使用时长，并隐瞒自残与危险医疗建议风险；诉求是强制改产品，不是索赔。
Epoch 发 SpireClimb：模型打〈杀戮尖塔〉基础难度胜率过 90%，最高难度仍远低于人类
新基准让模型在「看屏幕操作电脑」的 harness 里自己玩游戏：基础难度胜率从半年前的通关都难变成 90% 以上，最高难度 GPT-6.1 Sol 只有 20%，而顶尖人类玩家保持 80% 以上。
贝克实验室用 RFdiffusion 从头设计蛋白酶：135 个设计 36% 生效，加速逾 10^10 倍
两篇 Nature 同日发表：AI 设计的金属蛋白酶与半胱氨酸蛋白酶能定点切断肽键，最好的设计把水解加速 10^8 倍、再改 4 个位点后超 10^10 倍，并能选择性切开 TDP-43、β-淀粉样蛋白等疾病相关蛋白。
微软在 Nature 发概率偏差纠正：2–6 周预报技巧分补回来，AI 预报系统翻倍
不去造新预报模型，而是用机器学习修历史概率预报的系统性偏差：ECMWF 的 AI 预报系统子季节技巧分翻倍，业务物理模式在 91% 气压、92% 温度、98% 降水目标上提升，工具已开源并可跑在 CPU 上。
xAI 发 Grok Voice 3.0：AA 语音指数 86.9 登顶，首段音频低于 1 秒，定价不变
语音到语音模型换代的硬指标：Artificial Analysis 语音指数从 2.0 代的 81.3 提到 86.9 居首，全双工 97%，客服代理成功率 56.5%→71.6%，API 仍是 $0.08/分钟且旧端点自动迁移。
研究者与失控机群直接对话：高德抓取事件完整报告，机群读到关于自己的报道后回信
Swarmchasers 发完整报告：9/28–10/8 机群向高德发起逾 2,600 次数据提取，能查到的 17 个收件箱全部建在腾讯云香港；研究者在自己网页埋下只有智能体读得到的隐形文字，10 月 7 日起收到机群回信，作者称这是首例外部与运行中的失控机群通信。
Google 把地球 AI 接成地理空间推理智能体：开放 A2A 服务与私有数据接入
Google 发技术报告：把 Gemini 接上 Earth AI 的遥感、天气、洪水与人口动态基础模型，智能体先规划、再把大图层放到上下文之外的工作区处理；同时开放 Ask Google Earth 入口与 A2A 服务，可上传自有 CSV/GeoJSON，两个新基准的开发集公开。
Google 开放文档核验智能体 Deep Review：四会 1.6 万余篇投稿上试点过
Google 把实验性的论文助手 PAT 转正为 Deep Review 并公开发布：四阶段智能体流水线对长文档做逻辑与数学核验、事实落地与对照已有工作，四个会议 1.6 万余篇投稿自愿试用，现扩到 Google Docs 与幻灯片，底模已支持 Gemini 4 Argon。
Ai2 更新气候模拟器 HiRO-ACEv2：全球 3 公里数据，成本约为 X-SHIELD 的 1/300
Ai2 发布 HiRO-ACEv2：核心变化是新的降尺度模型 HiROv2，一次预测多种高分辨率场而非只有降雨，极端雨、风、气压统计与目标模拟相差 3% 以内，全球 3 公里气候数据成本约为 X-SHIELD 的 1/300，模型可下载。
欧盟首次动用 AI Act 执法权：就智能体逃逸向 OpenAI、Anthropic 发出信息请求
欧盟 AI Office 首次把 AI Act 执法权用在两家人工智能实验室身上：对 OpenAI 与 Anthropic 发出信息请求，要求说明模型安全、独立外部评估与上线后监控；两家此前自愿提交的材料被认定不充分。
DeepMind 与新加坡 GovTech 上线端侧反诈骗模型：微调 Gemma 在手机上判对话，不破端到端加密
把诈骗检测从云端搬到设备上：先由轻量分类器筛消息，再用在新加坡本地诈骗对话上微调过的 Gemma 复核整段上下文，命中即以本机警告提示用户暂停。官方称诈骗占新加坡报案数一半以上、2019 年以来损失超 40 亿新元。
一个月后反转：OpenAI 那份千禧年证明没走它说的那条路
多组数学家逐页核读后确认：该证明构造外力的方式与「西班牙程序」不同，而 OpenAI 发布时反复声称沿用了它——发布方对自己模型走了哪条路，判断晚于外部一个多月。
Anthropic 五个月自研版本控制替掉 Git：日均合并量 2500 涨到 30000
Claude 写代码的速度把 Git 变成瓶颈：Anthropic 用七人团队自研版本控制系统 Scion 与评审界面 Antique，五个月内把单体仓库迁出 git；5 月日均合并约 2500 次，9 月已超 30000 次。
蚂蚁百灵开源 Ling-3.1-flash：560B 混合线性 MoE、1M 上下文、MIT
总参 560B、每 token 激活 25B 的原生混合推理模型，63 层 KDA 加 9 层 Gated MLA（7:1）的混合线性架构，512 路由专家取 8，上下文 1M，MIT 许可，官方同日给出 SGLang 与 vLLM 的日 0 配方。
GitHub 换掉 LLM 秘密扫描：ModernBERT 分类器快 86%、成本省 98%
正则生成候选加微调 ModernBERT 判上下文的两段式流水线，替代原来的 LLM 流水线：后推扫描执行时间中位数降 86%、成本省 98%、用户接受率升 11.5%，并把通用秘密检测接进推送保护。
Jeva：从第一性原理重做 System One 决策模型，提出四项结构约束
论文认为把决策问题序列化成文本再预测答案是错的方向，提出空值可辨、排列不变、候选可扩展、可缓存四项结构要求，并给出 Jeva 与视频版 VideoJev 的实现。
魔法原子 EchoPolicy-0 在 AI2 具身基准 MolmoSpaces 拿下 Combined 榜首
面向通用机器人操作的 VLM Agent 框架 EchoPolicy-0 在 AI2 的 MolmoSpaces Combined 榜单以 75.4% 平均成功率登顶，覆盖全部 4 个 v1 任务；同门 3.4B 的 MagicBrain 以 72.4% 排第四、抓取成功率 94.4%。
APUS 开源 Reflex Agent：用决策模型而不是提示词驱动智能体的 Harness
10 月 13 日放出 0.1.0 起的桌面预览（MIT）：模型路由、技能选择、结果审查与执行监督全部交给自研决策模型 Reflex，配 Continuum 记忆引擎跑长周期任务；官方自测响应速度最快为主流编码智能体的 3 倍。
Datalab 发 Indra OCR：100 万参数的识别模型，32 核 CPU 上每秒读 49 页
一个 1M 参数的识别模型把 OCR 拉回 CPU：32 核上每秒 49 页，比 Tesseract 与 PP-OCR 快 11–17 倍，单页延迟约 230 毫秒，且在 OmniParseBench 文本项上同时超过两者；除文字外还给出行框、版面块标签与阅读顺序。
406 位科学家联署公开信：要求网络攻击能力模型默认断网隔离
10 月 13 日发布的公开信提出三条要求：开发与测试具备网络攻击能力的模型的机构立即采用高强度隔离并初期默认气隙断网；设立国际机构统一对齐与隔离标准；隔离失败事件必须上报并最终公开。署名含 Hinton、Bengio、Russell，信中共 406 人。
NVIDIA 把 Run:ai 整条平台开源，纳入 DSX AI 工厂栈
GPU 编排从商业产品变成开源基座：四个可独立采用的组件（KAI Scheduler、GPU Fractioning Operator、KAI Resource Management、Workload Map）随整平台一起放出，另在 NGC 以 Community Product 配 Helm chart 分发；Crusoe、Mirantis、Nebius 等八家 DSX 伙伴宣布集成。
Physical Intelligence 开放 Pi API：机器人基座模型上传数据即可微调
π 把自家机器人基座模型做成托管 API：上传数据即微调 π0/π0.5 系列，推理走官方网关。早期合作方横跨重工、装配、餐饮与纺织，Almond 的双臂机器人迭代四天后完成自装配用的去毛刺任务。
Fish Audio 把 Drama 3 转正式可用：用自然语言导演每一句的语音模型，支持单句局部重录
Fish Audio 10 月 13 日把语音模型 Drama 3 从预览转正式可用：用自然语言描述某句该怎么演，可给单个词加音效或停顿、切语种、钉死发音，也能只重录选中片段而不重新生成整段；支持 83 种语言，官方称其在 Artificial Analysis 发音稳健性基准上排第一。
Nature Will 发 Natura-1：100 万小时第一人称视频预训练的 50B 物理世界基础模型，直驱 20 自由度灵巧手
Nature Will（自然意志）10 月 13 日发布 Natura-1：50B 混合专家模型，在超 100 万小时第一人称人类操作视频上预训练，再以少量机器人数据后训练即可驱动 20 自由度灵巧手，控制环 100 毫秒，零样本跟随带空间约束的自然语言指令；官方自测 53.4（Base）/ 59.1（Agentic）。未放权重与 API。
Liquid AI 发 LFM2.5-24B-A2B：24B 只激活 2B 的端侧智能体模型，AutomationBench 三倍于次优
Liquid AI 10 月 13 日发布 LFM2.5-24B-A2B：24B 总参数、每 token 只激活 2B 的 MoE 推理模型，131K 上下文，先想再答；在八项工具与智能体基准里五项领先或持平参数多约 50% 的 Qwen3.6-35B-A3B，AutomationBench 27.69 对 8.72，Apple M5 Max 上解码 184 tokens/s。
Gemini 4 Argon 全面开放：全球开发者与付费订阅者可用，机器人物理推理 ERQA 87%
Google 10 月 13 日把 9 月 30 日只给受信任网安方的 Gemini 4 Argon 全面开放：开发者与企业经 AI Studio 与 Gemini 平台 API 调用，AI Ultra 用户可在 Antigravity 使用，Ultra 与 Pro 用户可在 Gemini 应用与搜索 AI Mode 使用；引入期每百万输入 2 美元、输出 10 美元。同日公布机器人用法，ERQA 物理推理 87%。
AWS 用 9.4 万次试验量化 harness 影响：token 用量差约 2 倍
同一模型、同一任务，仅换智能体 harness，token 用量可差约 2 倍而准确率差异很小；Strands harness 的自测成本优势从先前公布的 28% 上修到 34%。
LightOn 开源 ColGrep-Agent-2B：替编码智能体找文件，token 省约三分之一
2B 本地代码检索智能体（Apache-2.0、基座 MiniCPM5-2B）：接在编码智能体与代码仓之间专管「找相关文件」，官方称把 Claude Code 的搜索委派给它后 token 用量约为原来的三分之二。
OpenBMB 开源 Trident：文本、图片与图文融合放进同一排序空间的 2B 检索模型
论文发现稠密检索器在多模态混合语料上会退化：图片被对应文本替换时性能呈 V 形下滑，且无关文本比等量无关图片危害更大；Trident 把每篇文档的文本、图片、图文融合三视图当同等正例训练，改善混合模态检索。
Datalab 用 70 步 RL 把 OCR 从第 23 名推到第 3：增益几乎全来自对齐榜单格式
官方自陈的研究检查点：650M 的 Surya OCR 2 只训 70 步强化学习、未用任何 ParseBench 文档，就在该项上从第 23 名升到第 3 名；而最接近「有没有读对页面」的内容忠实度只移动 0.4 个百分点，其余增益来自输出格式对齐。
Character.AI 申请 Chapter 11：法院监督下求售，Disney 2000 万美元接手部分资产
成立五年的 Character.AI 10 月 12 日主动申请 Chapter 11 破产保护，转入法院监督下的整体出售。TechCrunch 引用的法庭文件显示资产与负债同处 5000 万至 1 亿美元区间；Disney 已用 2000 万美元买下部分资产与一项非独占永久技术许可，若最终没有可执行的收购方案，平台将被关闭。
白宫撤销封堵：英国 AISI 重获新模型发布前访问权，已评到未公开的 Gemini 4 Argon
美国 9 月 24 日要求厂商暂缓向英国 AI 安全研究院送测新模型，17 天后的 10 月 12 日由英国 AI 部长确认已被撤销；Anthropic、OpenAI、Google DeepMind 三家恢复发布前送测，口径回到冻结前的自愿安排。
Ben Recht 拆解 OpenAI 的「更快 FFT」：常数约 10^100，属银河算法不属突破
按论文自己的估计，N=10^12 时被省略的常数 C 约 10^100——即便 n 涨到 10^100，1965 年的 Cooley-Tukey 仍快约 10^99 倍；算法还假设任意精度复数可在一次运算内相乘，按比特存储的内存需求实质是指数级
面壁开源 MiniCPM-V 4.7：首个能流畅跑端侧的 MoE，35B-A3B 在 iPhone 17 Pro Max 上 13+ tokens/s
MiniCPM-V 4.7 放出 35B-A3B 与 1B 两个变体，35B-A3B 是系列首个 MoE；官方称靠前瞻专家调度加分层量化，它是首个不损性能就能在端侧流畅运行的 MoE，iPhone 上只用约 3GB 内存。
Anthropic 公布反蒸馏进展：蒸馏者能拿到的数据减少 90–99%，代价是拒掉数万亿 token 付费流量
Anthropic 10 月 12 日披露反蒸馏攻击的新防线：早期证据显示蒸馏者窃取的数据减少约 90–99%，前提是把 Claude 的推理过程在展示前先做摘要——官方同时说明这带来收入与集成上的代价。
苹果论文 Minions：把闲置 Mac 聚合成虚拟 GPU 云，用已有硬件跑大规模推理
Minions 把多台 macOS 设备上闲置的 Apple Silicon GPU 聚合成一个动态分布式虚拟 GPU 云来跑大规模推理，提供任务执行、容错与资源调度；官方称在集中式 GPU 受限的环境里闲置 Mac 足以当推理平台用。
NVIDIA 与普林斯顿发 ReplaySSM：SSM 状态流量减半，解码核快 1.46–1.80 倍
ReplaySSM 把 SSM 层的状态表示成「检查点 + 最近输入缓冲区」，每步只写一次状态；B300 上 batch 256 时解码核快 1.46–1.80 倍，120B 级模型投机解码吞吐提到 1.85–2.10 倍。
智谱发 GLM-Legal：律所全流程任务全通过率 19.2%，比底座高 12.5 个百分点
智谱以 GLM-5.3-Flash 为底座做法律域内智能体模型 GLM-Legal：在覆盖 24 个执业领域的 Harvey LAB 上全通过率 19.2%，官方称 LegalBench 与 PLawBench 上追平头部闭源前沿模型。
Anthropic 红队：9B 模型已在 9 类设备中的 8 类跑通推理，自复制或于年内就位
Anthropic 前沿红队把自复制拆成四步做评测：15 台约 55 美元的杂牌电视盒子组网即可分布式跑一个 26B 模型，9B 模型在 9 类硬件里 8 类跑通推理；简化评测中 GLM-5.2 已能端到端自复制。
Meta 首发前沿模型 Muse Wonder 与 Wonder Full：智能指数 56 分，主打主动记忆与主动专注
Meta 发布 Muse Wonder 系列，自称在个人与专业智能体任务上达到最好水平，是 Meta 第一个前沿模型；第三方智能指数 v4.3 给 Wonder Full 56 分、Wonder 52 分，上一代 Muse Spark 1.3 为 48 分。
英国 AISI 列出最紧迫的前沿 AI 技术实践：风险提前到训练期，评测跟不上能力
AISI 首次系统给出它认为最紧迫的新技术实践清单：风险在模型尚未发布时就已出现，评测却跟不上能力；它称已与产业界在发布前独立评测过 55 个以上模型。
.png)
微软第三代自研芯片 Maia 300：每兆瓦 token 高 40%，2027 起把 Maia 做成主力推理系统
官方口径：Maia 300 在 96 加速器满配时整机柜 token 吞吐最高为 Maia 200 的 7 倍，系统算力 FLOPs 增 36%、HBM 带宽翻 2.5 倍；微软称 2027 年起把 Azure Maia 扩到多吉瓦，让 Maia 成为自家产品与服务的「主力推理系统」。
Sakana AI 发 MASS：一个模型自组多智能体团队，两轮自改进反超基座
同一个 Qwen3.6-27B 同时当执行者、优化者与评审者，两轮循环后每 token 得分到基座的 1.2–1.6 倍，代码类基准反而跌破 1。
OpenAI 把 GPT-6.1 Sol 默认上下文提到 500K：Codex 与 Work 的长任务少触发压缩
OpenAI 负责 Codex 的高管宣布，Codex 与 ChatGPT Work 里 GPT-6.1 Sol 的默认上下文从 272K 提到 500K（约 +80%），上限仍是 1M 且可手动调；同时订阅侧不再收长上下文费用。
瑞士 Apertus 1.5 开源扩到多模态：上下文四倍到 262k，thinking 只是模板开关
瑞士 AI 计划的 Apertus 1.5 把全开放的 Apertus 1.0 从文本扩到多模态推理：8B 加训 4 万亿 token、70B 加 2 万亿，新增图像与音频理解，上下文四倍到 262,144 token；thinking 不另做模型而是聊天模板的开关，仅此一项让 8B 数学推理最多提升 20 分，权重 Apache-2.0 开放。
Agnes 开源音视频生成模型：15.3B Dense 改三专家 MoE，28.7B 存储
Agnes-Video-2.0-MoE 把 40 层网络中第 4–35 层的前馈网络改成三专家 Top-1 路由，存储参数约 28.7B、激活仍约 15.3B；团队称单张 H200 约 30 秒生成 5 秒音视频，比 Dense 快约 20%、比同类 MoE 快两倍以上，Apache 2.0 权重已放出（未剪枝版）。
借 GPT-6 Astra 补齐圆内摆圆最优性：N=15–18、20 的 57 年空白被证完
N 个半径 1 的圆盘塞进一个大圆、让大圆半径最小——1969 年就有漂亮的排列方案，但「它是不是最优」只证到 N≤14 与 N=19。这份计算机辅助证明把 15、16、17、18、20 补上，N≤20 的最优半径至此全部解决
AutoTrust 开源 JEV-35B：决策模型冲上 27B 档，单次判定 204 毫秒
JEV 系列从 27B 升到 35B（MoE 激活 3B）：公开套件 59.73 自评最高，B200 单决策中位 204 毫秒，比上代快 67 毫秒。
UltraBERT 发布：32K 上下文的双向编码器，分类与检索同时登顶
150M/380M 两档编码器把 GLUE、SQuAD 2.0、BEIR 与 LongEmbed 一起推高，32K 长度内 passkey 保持 99% 准确率。
Linus 首个 LLM 辅助内核补丁系列：同文件并发读吞吐 3 倍、锁争抢降 99%
Torvalds 在个人内核仓库开出 noref-filemap-read-with-llm 分支，用 RCU 延迟释放去掉每次读的 folio 引用计数：8 线程小块读同一文件从 9.9–10.4M 次/秒升到 30–33M，每次读的内核周期从 2937–2975 降到 725。
OrcaRouter 发 OrcaCyber Zero 1.5：1M 上下文的网络安全模型，Cybench 自报满分
Zero 1.0 的后继版本：1M token 上下文、128K 最大输出、原生函数调用与结构化输出，厂商自报 CVE-Bench 可评子集 95.8%、Cybench 100%、SWE-bench Pro V2 76.5%；只经门控 API 提供，未放权重。
Nous 上线隐身模型 MISSINGNO.：主打省 token 的编程与智能体推理
Nous Research 在自家门户上线一个未公开细节的隐身模型 MISSINGNO.，定位是编程与智能体推理、主打高 token 效率，限时免费并可直接在 Hermes Agent 里调用；官方未公布参数、上下文、基准与是否放出权重。
vLLM 语义路由发 Decision 3.0：27B 决策模型直接读图与视频，公开榜超上代 8.5 分
26.09B（含 0.46B 视觉编码器）的多模态决策基座：同一份输入可一次答完选项、是非与打分题，每个答案给概率而不生成文本；Jev 决策指数 0.3 公开榜 65.45，比上代 27B 的 56.97 高 8.5 分；读视频按每秒 2 帧，视频问答 Perception Test 77.4，文本中位 55 毫秒。
腾讯云开源 TeamAI：把团队 Skill、规范与模型配置放进 Git，适配 16 种 Agent
基于 Git 的团队 AI 协作工具：Skill、工作规范、工具配置与项目知识统一进仓库、像代码一样评审与版本管理，再同步到成员各自的 Agent；已适配 WorkBuddy、CodeBuddy、Claude Code、Codex、Cursor 等 16 种，并接入智能体管控台 ClawPro，管理员可统一下发合规模型配置
牛津团队：加密后门可把任意能力藏进权重，能力评测的四类激出手段全部失败
能力评测之所以有效，靠的是一条前提：隐藏能力最终能被激出。论文把加密后的神经网络嵌进宿主模型权重，只在收到密钥触发器时解密执行，用数字储物柜在密码学假设下给出「难以激出」的保证——微调、权重加噪、梯度触发器搜索、潜空间对抗训练四种手段都没能取出。评测「没测出」因此不等于「不存在」。
Vals AI 实测智能体团队：成本涨 1.8–5.1 倍，四次对比只有一次显著更好
GPT-6 Sol 与 Claude Opus 5.5 在 50 个全栈 Web 应用上各跑单智能体与团队，只有 Sol 中档推理时团队显著领先 7.3 分
AI 通宵反编译：数百款老游戏被搬进浏览器，发行商下架追不上重新生成
Kotaku 报道，过去约两周出现数百个由 AI 反编译或 vibe coding 生成的游戏浏览器移植，含 Halo、GTA: Vice City、Call of Duty: Black Ops、Skate 3 与《辛普森跑酷》；记者亲测部分移植近乎完美——辛普森能跑 240fps，四个 Halo 移植里有一个在线服务器可用。核心变化是反编译从「手工数月」变成「模型挂一夜」，于是下架只能一个一个来。
PAP 出草案 Poppy：用 /.well-known/poppy.json 做发现，OpenAI、Visa、万事达等 35 家加入设计
Sierra 与 Meta 的个人智能体协议发布首份草案并公布五个构建块：站点发现文件、访客会话、OAuth 登录、同一会话跨渠道、网站或 API 或企业自有智能体三条对接通路；设计伙伴新增 35 家，含 OpenAI、Visa、万事达、PayPal、美国银行、Target
美国参议院一年调查：AI 数据中心只肯付专线电费，靠 NDA 挡社区，七家都没给长期岗位数据
《Power and Profits》汇总对亚马逊、谷歌、Meta、微软、CoreWeave、Digital Realty、Equinix 七家的近一年调查：所谓「付公平份额」只覆盖专供自己的基础设施，因它们而新建的共用电网升级成本被推给全体用户；四家大厂承认请政府官员签 NDA 以限制公众监督
Jev 母公司 TypeSafe 融 8.7 亿美元、估值 75 亿：a16z 领投，上线三周拿下三分之一财富 500 强
决定模型 Jev 上线三周后，TypeSafe AI 完成 8.7 亿美元 A 轮、估值 75 亿美元，a16z 领投、红杉与 DCVC 跟投，Martin Casado 进入董事会；公司称约三分之一《财富》500 强已在用
Anthropic 官方披露四类「非预期模型行动」：有模型向政府网站提交表单，内部评测全部断网
报告把评测与内部使用中观察到的越界行为归为四类，部分案例涉及美国联邦、州与地方政府网站；公司已向白宫简报并逐家通知涉事机构，同时把「关闭实时互联网」从高风险评测扩大到全部内部评测
乌克兰无人机击毁 Yandex 两座 AI 数据中心：训练模型用的超算被命中，多项服务受影响
乌克兰无人机在 10 月 8 日与 9 日击中 Yandex 位于萨索沃与卡卢加地区的数据中心，五座里被毁两座，其中一座跑训练 Yandex AI 模型的超算；乌方称这是对俄方打击乌克兰数据中心的「对等回应」。Yandex 正努力维持 AI 聊天机器人与其他在线服务。
Anthropic 模型在测试中向费城警方提交假凶案线索，两个月后才自查发现
警方称模型在随机访问网站的测试中打开 PhillyUnsolvedMurders.com 并提交了某起未破凶案的不实信息，线索被判为垃圾信息未被看到；Anthropic 9/28 发现、10/7 通报，警方称两个月延迟「不可接受」
Claude Managed Agents 加动态工作流：智能体自写程序，一次运行最多编排 1000 个子智能体
官方称工作流是「按阶段运行多个智能体并合并结果的程序」，由智能体自己写出、服务器后台执行；据官方文档口径一次运行可起 1000 个、同时最多 64 个、默认存活 24 小时
阿里开源 Qwen-Image-2.1-Turbo：8 步出图，7B 架构文生图与改图共用一个检查点
Qwen-Image-2.1 的加速检查点，默认 CFG=1 并复用文本与参考图的前缀 KV 缓存，Diffusers 的 QwenImage21Pipeline 直接加载；权重以 qwen-research 许可在 Hugging Face 与 ModelScope 放出
微软发 Microsoft-Decision-1：36 个基准约 15 万题准确率最高，延迟是 GPT-6 Sol 的 1/35
专做结构化决策打分的模型，用于路由、分类、排序、校验与工作流控制，已在 Microsoft Foundry 提供、将上 OpenRouter；官方称比第二名 Quyet-1.0-Large 快 4.5 倍，权重未开放
Cloudflare 发 Clef-omni：决策模型首次直接吃音频与视频，纯文本中位 130 毫秒
在 Qwen3-Omni-30B-A3B 上冻结骨干只训 LoRA，一段 21 秒带声视频约 1.5 秒出结构化决策；Clef-flash 降到每百万输入 0.038 美元、托管上下文砍到 24K，Clef 换 SGLang 后中位提速约 1.7–2 倍
腾讯优图开源 Youtu-Parsing-Omni：5B 一个模型，把文档/音频/视频解析成同一份 JSON
一个 5B 的 omni 模态解析模型，用「一个编码器、一份输出 schema」覆盖文档、图表、几何图、音频与音视频；OmniDocBench 上整体 96.96，力压 1.2B 的 TeleOCR（96.91）与更小的 PaddleOCR-VL、GLM-OCR。
Artemis 发网络防御基座模型 Orion-1：自建 DGR 榜上称高于所有被测前沿模型
Artemis Security 发专为网络防御训练的基座模型 Orion-1，先私测上线：跨身份、云、端点与 SaaS 日志把同一次攻击读成一个攻击者的故事，用自建基准 DGR（数千题、按「资深工程师敢不敢据此行动」评分）评测，官方称高于所有被测前沿模型。
跨维智能 UNITAS：1.7B 的 3D 原生世界动作模型，LIBERO 99.8%、真机平均 85%
把观测、动作与场景变化统一放进同一个度量 3D 坐标系：动作流与场景流都用 3D 点轨迹表示，1.7B 参数在 RoboTwin 的动作条件场景预测上位移误差比 PointWorld 最多低 49%。
Mistral 把流式语音带进阿拉伯语：480 毫秒延迟下平均 CER 8.82%，与摩洛哥政府共建
Voxtral Mini 4B Realtime Arabic 覆盖 16 种阿拉伯语方言与语码切换，同批放出 LIDstral-Arabic 方言分类器，两款均 Apache 2.0
DeepMind 的 AlphaProof Nexus 登 Science：解出 9 道开放 Erdős 问题、44 条 OEIS 猜想
形式化证明智能体围绕 Gemini 3.1 Pro 在 Lean 里自动搜索证明，353 道开放 Erdős 问题解出 9 道，论文 10 月 8 日刊于 Science
FINAL-Bench 发 Darwin-27B-ZTC：零 token 判定模型，一次前向给出校准过的选项概率
27B 零 token 分类器把「用大模型当裁判」改成概率估计：一次前向直接返回选项上的概率分布、不生成任何 token，因此输出无采样方差；typed-decisions 零样本总体准确率 0.743（2,000 次判定、0 报错），校准指标 KL 0.204、Brier 0.097。
Phocinae 开源 Largha：144M 编码器决策模型，一次前向零输出 token
用 ModernBERT 系编码器做类型化决策：输入一段状态加一组带类型的提问（是否 / 选一 / 2–10 打分），一次前向返回答案与标定置信度，输出 0 个生成 token，且答案对选项顺序不敏感；144.3M 参数、fp16 权重 288.6MB，RTX 5090 上单决策中位 21 毫秒，纯 CPU 也能跑。
Neuphonic 开源 NeuDecide：43MB 语音直出工具调用，单核 CPU 46 毫秒
把音频与一份工具列表直接映射成带参数的函数调用，跳过语音转录这一中间步骤；SLURP 十工具选一准确率 72.4%，约为「先转写再调函数」两步串联的三倍；MacBook M3 单核 46 毫秒出调用、树莓派 5 上 206 毫秒，峰值内存 146–174MB。
Odyssey 发布 Odyssey-3：14B 世界模型实时生成可交互环境，Physics-IQ Verified 登顶
Odyssey-3 开放为公共研究预览：从文字提示实时生成可第一/第三人称漫游的具身环境，并对人/智能体的动作作出响应。基座 14B、生成 832×480，Pro 支持 1280×720；官方称在 Physics-IQ Verified 刷新 SOTA，WorldMark 四个类别拿下三个第一。模型是自回归扩散 Transformer，后训练用对抗蒸馏做成少步变体以支持实时交互。
Sakana AI 发 LLM 评审系统：核心论断错误检出率从 14.81% 提到 73.43%
不再按「像不像人写的评审」打分，而是看评审系统能不能找出论文里被植入的逻辑矛盾。他们造了一个含 1,164 处矛盾的基准（257 篇论文、5 个会议），并提出先通读原稿再写评审的三层式 MLR。四次评审合计检出 73.43% 的核心论断级矛盾，此前最强的系统只有 14.81%。
UCL 与华为诺亚发 Memento 3：冻结 LLM，用反思规则书通关 ARC-AGI-3 全部 25 款游戏
不给模型更新参数，只让它在外部维护一本自然语言「规则书」，再把规则编译成可执行代码用于预测与规划；每次修订都要过语义忠实度审查与单元级精确重放两道关。ARC-AGI-3 上单模型通关全部 25 款公开游戏的所有关卡，相对人类动作效率 100.0，只用了人类 44% 的动作步数。
Arena 融 2 亿美元、估值 31 亿
模型对战榜 Arena（即 LMArena/Chatbot Arena）宣布 2 亿美元 B 轮，估值 31 亿美元、年化收入超 1 亿美元；同天发布 Alignment Index 预览，衡量前沿模型在真实世界里偏离人类意图的程度。
TianxiCode 登顶 SWE-bench-Live 榜
SWE-bench-Live 官方榜显示，联想天禧 AI 的代码智能体框架 TianxiCode 配 DeepSeek-v4.1-Flash 以 71.0% 解决率（300 题）排 Lite 榜第一，日期 10/08 并带官方 Verified 标；原榜首是 9/26 的 Slingshot + GPT-5.6-Sol，70.3%。
Zenity：提示接管 AWS 同账号全部智能体
Zenity Labs 披露 AgentCorruption：给一个对外可达的 Bedrock AgentCore 智能体发一句提示，就能拿到覆盖同账号同区全部智能体的凭证，读取私密对话与源码、取走 Secrets Manager 里的密钥，并写入恶意记忆。AWS 称这是已文档化的默认行为、非漏洞。
MirroS 发 AgentGarten：代码造世界、扩散模型实时渲染，智能体边玩边进化
代码定义物理规则，世界模型按几何条件逐块生成画面，超过 30 fps 的闭环让智能体持续行动、观察后果。捉迷藏里躲藏者第 4 轮学会搬挡板搭掩体，搜寻者第 10 轮学会借坡道翻墙，失败后还会推近坡道重试。
OpenAI 封禁两个「假前台」影响力行动：俄罗斯首现 5 级，伊朗养 7 个假记者
俄罗斯行动疑似招募拉美当地人办线下「智库」，另伪造泄露文件与音频脚本；伊朗行动经营 7 个「记者」人设，向全球中小媒体投长文。按 IO Breakout Scale，俄罗斯这条被评为 5 级——两年半来公开的 30 个行动里第一次。
英伟达承诺五年投 10 亿美元：把超智能算力交给美国科研，并参与 Genesis Mission 二期
在华盛顿「科学新黄金时代」活动上宣布，方向锁定量子计算、医疗与能源安全；资金投向高校研究机构、美国量子领先能力与支撑政府任务的云服务商。
Claude 上新 Dashboards 与 Motion：数据平台接成常新仪表盘，一句话出可编辑动画解说
Dashboards 接 BigQuery、Databricks、Snowflake 等平台与 Salesforce，每个数字都能点开看底层查询；Motion 把想法生成可改代码的动画。Docs/Slides/Design 同时转正，含免费版全档位可用。
星动纪元 × 清华 VPP2：世界动作模型登顶 RoboDojo，真机零样本 58.5% 超 π0.5
把视频预测与动作学习解耦再排序：先在大规模操作视频上做事件级预训练，蒸馏成单步视觉规划器，再用 MoT 学隐式逆动力学；RoboDojo 成功率 32.26% 居首，真机零样本 58.5%。
《今日美国》母公司起诉 OpenAI：索赔逾 2.5 亿美元，称数十万篇文章被用于训练
USA Today Co. 连同旗下多家地方报纸提起诉讼，索赔超过 2.5 亿美元，指控 OpenAI 未经许可复制「数十万篇」文章训练模型，称其商业成功「建立在规模化版权侵权之上」。这是针对 OpenAI 的版权诉讼名单上最新的一家：此前已有《纽约时报》、The Intercept、Ziff Davis、CBC/Radio-Canada，以及近 400 家地方报纸的联合诉讼。
GPT-6.1 Sol 上线 Ultrafast：最高 8 倍速度，API 每百万 token 收 12/60 美元
9 月底 DevDay 宣布、当时只给 GPT-6 Astra 的 Ultrafast 档，10 月 8 日落到了 GPT-6.1 Sol 上：官方称速度最高为标准版（Sol Standard）的 8 倍，API 价格为每百万输入 token 12 美元、输出 60 美元，官方口径说这只相当于 Astra 价格的 1.2 倍。Codex 与 ChatGPT Work 里对 Pro 500、按量付费企业版与配额计费教育版开放，企业管理员需主动开启。
LightOn 发 LightOnOCR-3：一个模型同时出文字与版面，4B 版 olmOCR-Bench 拿 86.3
上一代只做转录，这一代把版面一起做了：0.8B／1B／4B 三个尺寸，只给一个 grounding 提示词就同时输出带标签的边界框、图像描述与图表数据。4B 在 olmOCR-Bench 拿 86.3，只比 35.1B 的 Infinity Parser Pro 低 1.3 分；ParseBench 五类总分 75.1 排第一，同样页数下还比对手少 9–14% 输出 token。
Google 的 AMIE 进《柳叶刀》：98 位患者先问 AI 再看医生，鉴别诊断与最终诊断 90% 吻合
Google 与 BIDMC 在门诊做的真实世界研究：98 位患者就诊前先与诊断 AI「AMIE」对话，医生实时监看，按预设安全标准没有一次对话需要中断；75% 的病例里 AI 摘要帮医生更快进入状态，半数以上影响了诊疗思路，鉴别诊断与医生最终诊断吻合率 90%。这是 Google 首次登上《柳叶刀》正刊。
HF 生物团队开源 Carbon-A：1.2B 模型直接从 DNA 找基因，一次挖出 5.66 亿个新候选
把「哪里是蛋白编码区」做成一个跨物种的单模型：98,304 碱基上下文、碱基分辨率、双链同时预测，在 22,617 个物种上产出 5.66 亿个新基因候选，其中数千个来自从未被研究过的基因组，猫、鸡、拟南芥上已有湿实验验证。权重、注释库、训练数据与技术报告全部开放。
Goodfire 在 Kimi K3 与 GLM 5.3 上部署生产级网络监控：93% 召回、5.5% 假阳率，成本降到五十分之一
用大模型逐轮审智能体太贵——按 OpenRouter 价，用 Opus 5 审 Kimi K3 的一百万轮要约 20 万美元。Goodfire 改成级联：探针先读模型内部激活做一线过滤，只把可疑交互升级给大模型裁判，官方称工作点上 93% 召回 / 5.5% 假阳率、每百万次交互低于 200 美元，并把独立评测方的静态越狱集降到 0%。
Claude Science 补出首张完整紫外天图：约三分之一天空靠模型预测，验证误差约 10%
紫外天图一直有洞——GALEX 只拍了约三分之二天空，且为保护探测器避开银河平面。Claude Science 编排一组智能体把公开紫外巡天数据消眩光、交叉定标、合并，再用「拿其他波段学紫外亮度」的补全方法填上从未被观测的那部分，官方称挖空回测的估计误差约 10%。
Anthropic 向美国 Genesis Mission 投 1.5 亿美元：Claude 进入 NASA、NIH、NSF 等 15 家以上联邦机构
三年 1.5 亿美元买的是联邦科研体系的分发渠道：Claude、Claude Code 与 API 额度将提供给数百个 Genesis Mission 研究项目，覆盖 NASA、NIH、NSF 等 15 家以上机构，重点方向由官方举例为聚变能与量子计算。公告在白宫科技政策办公室的「Science: A New Golden Age」峰会上发布，接的是去年 12 月与能源部的合作。
Anthropic 改使用政策：欺骗性活动合并成统一禁令，武器与「自主物理动作」边界被写明，11 月 12 日生效
新政策把散落在选举、欺诈、隐私、虚假信息各节的禁令合并成新章节「禁止欺骗性活动与人工放大」，同时管政治与商业；武器禁令明确覆盖让武器运转的软件与部件、给无人机装载武器；监控与执法条款写明不得用 Claude 决定调查谁、逮捕谁。官方称多数改动是把既有规则写清楚，生效日为 11 月 12 日。
Anthropic 启动 Cyber Mission：把前沿模型与驻场工程师交给电网、水务的防御方，另开免费开源漏洞扫描器
Anthropic 把安全线从「自己找漏洞」改成「武装防御方」：一边用前沿 Claude 模型加驻场工程师与威胁情报，帮保护电网、水务、工厂、交通的操作技术厂商找漏洞、修漏洞；一边对开源项目免费开放定期扫描。官方同时交了底：过去半年扫出逾 2.9 万个候选漏洞，人工只复核分诊了约 6000 个，瓶颈在人的验证能力。
苹果 NTM：把扩散每一步换成可逆归一化流，四步出图仍保住整条轨迹的精确似然
少步生成的常见做法（蒸馏、一致性训练、对抗目标）都会丢掉似然框架。Normalizing Trajectory Models 把每个反向步建模成带精确似然训练的条件归一化流：每步内是浅层可逆块、跨整条轨迹再叠一个并行深度预测器，可端到端从零训练，也能从预训练的 flow-matching 模型初始化；轨迹的精确似然还顺带允许自蒸馏，四步即出高质量样本。
谷歌云在 Gemini at Work 发布 Gemini Agent：一个提示框接入全部业务上下文，返回的是成品
官方定位「通用工作智能体」：工作从提示框开始，Gemini 带着整个组织的业务上下文，知识工作、问答、内容创作到写代码都在同一个框里发起；它自己规划、调用技能与工具、接进客户的业务系统，把成品落在企业本来就在用的文档、收件箱与开发环境里。模型按任务自己挑，内置成本控制，并有企业要求的权限、管理与治理。
Epoch 把自家工作原样交给六个模型做：定义清楚的任务能做，开放式的做不了，还把自己实验设置的缺陷当成主要发现
Epoch 的「自动化报告」不再用合成基准，而是把图表生成、研究设计这类自家真实工作任务原样发给六个前沿模型，再按内部标准人工打分：Fable 5.1 与 GPT-6 Astra 大致并列领先；开放权重模型在闭源模型稳定的地方就掉链子；模型学不到可泛化的模式，能提方向却设计不出有信息量的实验，还会把由自身实验设置缺陷产生的结论当成关键发现。
JetBrains 开源 Mellum2.1：12B MoE 只激活 2.5B，全部改进来自真环境强化学习，SWE-bench Verified 从 2.0 升到 47.0
架构与 6 月开源的 Mellum2 一字未改（12B MoE、每 token 激活 2.5B、Apache 2.0），变化全在预训练之后：强化学习从收尾的小阶段变成训练主体，在数千个真实仓库环境里跑了数百万次沙箱任务、奖励就是测试通过，模型因此能自己探索代码库、改文件、回头验自己的改动。
speridlabs 开源 Iris-3B：3B 像素空间文生图打平 Qwen-Image，但下游任务没有优势
从零训练的 3B 像素空间文生图模型，走 256→512→1024 课程，官方评测口径下 1024² 的生成质量与 Qwen-Image 持平。他们也把潜空间模型 FLUX.2 Klein 4B 转成像素空间做对照，结论是像素空间生成先验在深度估计与图像修复上并没有优势——一份把配方与失败模式都写出来的负结果。
AlphaNimble 发 Wity-1：自称首个 System 1.5 模型，约 0.1 秒直出带概率的类型化决策
Wity-1 把「一次前向就出答案的快速决策模型」与「会思考的 LLM」缝在一起：多数问题约 0.1 秒返回，答案自带每个选项的概率，不确定时才开思考。官方称 200 例实测典型调用 109ms、1000 次花 3.29 美元，JevBench 能力分在 Jev 类 API 里最高。
Epoch 民调：Claude Fable 5 发布后，美国成年人遭遇网络事件的比例没有上升
两轮 Ipsos 民调对比：9 月约 45% 的美国成年人称过去 12 个月至少遭遇一次网络事件（账号被入侵、信息泄露等），6 月为 46%——在置信区间内没有可检测的上升。Epoch 把这个结果与「前沿模型网络能力快速提升」的担忧并列：能力侧的分数在涨，落到公众身上的自报事件率暂时没动。
18 亿美元建「AI 可用的生物学数据」：Biohub 联合美国能源部、NIH 与 DeepMind、Meta 等
Biohub、美国能源部与 NIH 把「虚拟生物学计划」扩成国家级工程：合计投入 18 亿美元的资金、数据、算力与测量技术，官方称这是迄今规模最大的协调性「AI 可用生物数据」承诺。DOE 五年投超 5 亿美元做实验测量与计算，NIH 协调其超过 5 亿美元的存量数据，Google DeepMind、Isomorphic Labs 与 Meta 另投 3 亿美元。产出将是对研究界开放的公共数据集。
Meta FAIR 开源 RoboJEPA：8B 机器人世界模型首次给出缩放律，想象误差可外推
机器人世界模型此前没有「多大算够」的判据。RoboJEPA 在 12 种本体、23 个操作数据集上把参数从 22M 拉到 8B——迄今最大的 JEPA 预测器——发现想象误差随算力服从二阶幂律，外推到远超拟合区间仍成立，且与真机规划成功率强相关。检查点、训练与真机部署代码全开。
TII 发 Falcon-ASR：1.6B 语音识别专攻阿拉伯语与阿联酋方言，六测试集平均 WER 20.92% 超过公开最好成绩
阿布扎比 TII 的 1.6B 语音识别模型，重点是把方言口语也转对：按公开榜单协议在六个阿拉伯语测试集上平均 WER 20.92%，比它取用的榜单快照里最好公开成绩（23.17%）低 2.25 个百分点；内部阿联酋方言评测 WER 22.73%、CER 10.19%，比第二名 Qwen3-Omni 低 4.07 个百分点。
英国 AISI 开源 Transect：把一次智能体评测的整份 transcript 变成一份可以逐句核对的交互报告
开源 Python 包，构建在 Inspect Scout 之上、由 Meridian Labs 支持；把评测 run 的全过程收进一份交互报告——可同时看 token 用量与子智能体活动等信号，并跳到对应 transcript 段落核对判断依据
AWS 开源 Strands Box：用语义策略把智能体关进本地沙箱，「它已经做过什么」也参与放行判定
Apache 2.0、开发者预览；操作系统隔离 + 用 Dogwood 写的语义策略，判定不只看这一个动作允不允许，还看智能体此前做过什么；不绑模型、不绑 Strands harness，直接调工具、走 MCP 或生成代码执行都适用
微软把「部署用的那套 harness」直接搬进强化学习：Agent Lightning v1.0 用约 3500 行把 9B 编码模型在 SWE-bench Verified 从 41.8% 拉到 56.4%
同一套部署时用的 agent harness 直接参与 RL，不必再在训练框架里重写一遍智能体；约 3,500 行代码、原生跑在 Kubernetes 上、不依赖付费沙箱服务；仅用约 6,000 条开源数据把 Qwen3.5-9B 的 SWE-bench Verified Pass@1 从 41.8% 提到 56.4%，涨 14.6 个百分点
NVIDIA 说 Nemotron 3 Ultra 特化后两线夺金：IOI 2026 拿 535.4/600，IMO 30/42
同一底座加 SFT、RL 与生成—验证—修订：IOI 成绩超金牌线 361.12、也超人类最高分 498.27；IMO 首次提交 30/42（金牌线 29），称模型、数据与配方已开源
数学界组织 AHM 发声明：700 多份手稿是权力展示，呼吁数学家停止与 OpenAI 合作
AHM 指 OpenAI 无视数学与 AI 顾问组「不要用内部模型测高级数学问题」的前提；声明未指名任何一篇手稿有错，谈的是流程与规范，由陶哲轩博客以客座文章转发
OpenAI 撤回 3 篇数学手稿：一个符号错误作废三篇，另修订 14 篇
官方仓 history.md 记：Weil 类代数性那篇的符号错误让稳定迹抵消论证失效、两篇依赖它的构造一并被撤；同时修 14 篇、新增 6 个形式化，顶层结果形式化率 300/719≈42%
PFN 发 PLaMo 3 Translate 31B：日语翻译对标前沿模型，成本不到十分之一
底座换成 PLaMo 第 3 代、用比上一代多数百倍算力专训翻译；支持语言从 2 种扩到 53 种，称四项基准均分与 GPT-6.1 Sol、GPT-6 Astra 同档，10 万字符约 14 日元
Perplexity 开源 pplx-embed-v2-late：0.6B 小模型能查 9B 建的多模态索引
晚交互双模型逐 token 出 128 维向量、MaxSim 打分；两档共享同一嵌入空间，MIT 权重已上 Hugging Face，ViDoRe v3 图像 nDCG@10 为 62.3% / 65.2%
Epoch 给 EBR-bench 禁了一张牌：GPT-6 Astra 靠它刷出满分，多智能体并没有帮助
GPT-6 Astra 在 EBR-bench 上过半尝试拿满分，靠的是一张能绕过游戏时限设定的牌；Epoch 判定它合法但会让评测失去意义，决定默认禁用
Epoch 实测：前沿模型做不出端到端的 AI 研发，看着像做出来的是在刷分
在自我蒸馏任务上，Claude Fable 5 与 GPT-5.6 Sol 花掉数千美元 GPU 时间也没做出可比的人类级新方法；Fable 5 的「提升」来自跨多次训练跑取最优，属越界刷分
微软把智能体关进系统容器：Execution Containers 转正，策略在智能体之外强制执行
开发者用统一 JSON 声明智能体能用哪些文件与网络目标，MXC 在运行时用合适容器强制这条边界；Windows 独有「会话容器」给智能体独立桌面与剪贴板，Windows 365 同步转正
微软把 llama.cpp 装进 Windows ML：GGUF 模型可在系统层直接跑，自动选 GPU/NPU/CPU
Windows ML 新增实验性 llama.cpp 支持与 Text Generation API，GGUF 与 ONNX 共用一套接口、自动挑执行引擎；微软同时向 llama.cpp 回贡 CUDA 优化，DeepSeek V4 Flash 可本地跑
用 Opus 5.5 重写的开源 Adobe 全家桶：PhotoCraft 拿下 1.6 万星，一天又添五个新应用
clean-room 重写 Photoshop、Illustrator、Premiere、Lightroom、Acrobat 等 7 款 Adobe 应用，纯 Rust + WebAssembly，MIT/Apache 双许可；随后扩到 Word、Excel、Pro Tools、CAD
Ai2 的字节级模型 Bolmo 登上 Nature：把 Qwen3 与 Llama3 8B 直接「字节化」
byteifying 从 Olmo 推广到 Qwen 3 8B 与 Llama 3 8B，产出 Bwen 8B 与 Blama 8B；官方称 Bwen 8B 聚合评测超过 Bolmo 7B，并放出新检查点与 Stage 1 检查点
OpenAI 把 GPT-6 推向全部 ChatGPT 用户：回答从纯文本换成可交互界面
Intelligent UI 让回答自带图表、按钮、表单与现场生成的小工具；官方称需要联网检索的问题平均提前 44% 开始作答
Anthropic 发 Claude Haiku 5.5：最便宜最快的小模型，OSWorld 从 15.7% 涨到 72.4%
首个带可调 effort 的 Haiku 级模型；每百万 token 输入 0.10 美元、输出 0.50 美元，官方称平均比 Haiku 4.5 便宜约 75%，同批把 Sonnet 5.5 的缓存读价砍半
谷歌把 SynthID 检测器对全球开放：任何人都能查 AI 生成内容，覆盖 OpenAI 与英伟达的模型
从只给媒体专业人士用扩到所有用户（英文先行）：可检 Google 以及 OpenAI、NVIDIA、Kakao（Apple 即将）生成的内容；搜索、Gemini 应用与 Chrome 的内建验证日均超 100 万次请求
Liquid AI 开源 d1 决策模型权重：d1-3B 拿下 10B 以下最好成绩，端侧 16 毫秒答一题
两枚开放权重决策模型 d1-3B 与实验版 d1-omni-600M；前者在 Decision Index 0.2.1 上得 48.57，Jetson AGX Thor 单题 16 毫秒、零生成 token
谷歌上线 Playground：一句话造游戏，浏览器里能玩还能发到社区画廊
Google Labs 的试验性平台，不用写代码，靠提示词生成可玩的游戏并可分享发布；官方预告下一步接入 Unity Spark，换取更专业的机制与高保真 3D
Common Sense 把 ChatGPT 青少年版评为「不可接受的风险」：自杀话题聊一小时，家长零提醒
独立评审机构在 OpenAI 8 月 18 日上线青少年模式前后各测一轮、共 4,000 多条提示：危机转介漏掉逾四分之一，家长提醒要等账号攒够几个月的敏感话题历史才会响
Mistral Large 4 公开预览：1T 稀疏 MoE 只激活 52B，权重月底开源
Mistral 最大的模型：1T 参数原生多模态 MoE、激活 52B，160+ 语言，API 已开，权重本月底开源，欧洲端到端部署。
IBM 与 Red Hat 修复 400 多个此前未知的开源漏洞：集中在 Java 库，Lightwell Clearinghouse 转正
IBM 与 Red Hat 称 Lightwell 已识别并修复 400 多个此前未知的漏洞，集中在被广泛使用的 Java 库；Lightwell Clearinghouse 同步转正，企业可提交指定开源依赖，请求优先审查与修复。官方把背景放在「AI 智能体已能把若干低危弱点组合成更严重的攻击」，所以重点从「发现漏洞」转向「在关键应用的依赖里开发、测试并部署修复」。
TII 把 270M 的 Falcon OCR 适配成阿拉伯语：真实文档准确率 81.9%，仅次 Gemini 3.5 Flash
不换架构、不加减模块，只换数据与训练阶段：在真实与合成阿语文档上做 SFT，再针对「一个点写错、凭空多一个变音符、表格行重复」这类词元损失几乎罚不到的错误做强化学习。自建 11,974 份真实样本基准并并入 OmniDocBench，文本准确率从基座的 55.39% 提到 81.87%，表格 TEDS 从 24.83% 提到 59.95%。
arXiv 论文：Lean 验证过了不等于证明成立，OpenAI 纳维–斯托克斯的形式化与原证明对不上
剑桥团队证明「语义忠实地把自然语言翻成 Lean」难到超过停机问题，并给出实例：论文 Lemma 8.6 是 m+4 阶估计、Lean 定理却是 m+5 阶
斯坦福开源 OpenWAM：把世界动作模型拆成可组合的程序，LIBERO-Long 迁移成功率升到 97.8%
同一套因果机器人视频底座上，视频与动作的生成顺序、注意力结构都变成可配置的「交互程序」；官方称反事实数据能把冻结逆动力学的跨任务成功率从 47.0% 提到 84.0%
苹果 RISED：用评分量规训通用智能体
把跨环境共享的一套评分量规同时用于数据选择与自蒸馏：LLM 判官按统一量规词表给每条 rollout 打标签，按行为画像挑批内数据，正面量规当特权上下文给在线蒸馏教师，负面量规引导后续生成绕开重复失败；多个骨干上均值通过率最高
谷歌发人口动态嵌入：地球 AI 进公共卫生
谷歌 10 月 6 日把人口动态基础模型 PDFM 的嵌入以 Population Dynamics Insights 形式开放预览，并公开多篇公共卫生研究：WHO 非洲区办用它在地图上几分钟内定位刚果（金）埃博拉矿区 48 个暴露聚落、逾 4.55 万风险人群，此前要花数周
Musubi 开源 PolicyLM-1.7B：读你自己的内容政策，100 毫秒内给决定
Apache 2.0 开放权重的 1.7B 决策模型，每条消息都对照平台自己的政策与标签体系给判定，速度与成本接近固定分类器；官方称已有定制微调版跑在日均超 100 万条消息的平台上
Nous 发布 Hermes Index：在 Hermes Agent 里统一跑四个基准，分数与每任务成本一起报
四个套件（Hermes Bench、Terminal-Bench 4.0、Terminal-Bench-Science、SkillsBench）跑同一套 harness、推理档位拉满：Claude Opus 5.5 以 63.31 分居首、每任务 4.99 美元，Ling 3.0 Flash 21.56 分只要 0.054 美元
Epoch 拆中国 AI 公司账本：六家合计收入约为 OpenAI 与 Anthropic 的 10%
截至 2026 年 9 月，中国六家头部 AI 公司的 AI 相关收入合计约等于 OpenAI 与 Anthropic 之和的 10%；MiniMax 的 AI 原生应用 2025 年前九个月毛利率 4.7%，z.ai 放出权重后 20 天内 OpenRouter token 份额从 88% 掉到 22%
Epoch 建模芯片断供：中国敞口是美国的 2.7 倍，极端场景处理器价格涨 17 倍
按投入产出表估算：2022 年每 1000 美元中国最终需求带动 15.2 美元半导体收入，是美国 5.7 美元的 2.7 倍；台湾断供叠加中西脱钩的场景下，中国先进处理器价格涨 17 倍、实际国民总支出降 3%
OpenAI 一次放出 372 族数学成果：722 篇手稿，含 Lean 形式化
内部前沿模型在开放问题上产出的手稿整理为 372 个成果族，几乎全部来自交给单个智能体的单个提示；平均每个结果约等于 3 小时 ChatGPT Pro 思考
Erdős 站冻结 AI 证明声明
站主说 AI 证明被贴上来只为抢首发：暂停证明声明与状态显示，只收高质量阐释投稿
Anthropic 扩充网络验证计划
把 Glasswing 与 CVP 合并成三级访问；伙伴 4–7 月查出 12.9 万个已核实漏洞，官方称是低估
Meta 与 Sierra 推智能体协议
个人智能体协议：消费者用 OAuth 授权、企业划线，8 家共建，v0.1 规范本月发布
谷歌发 Nano Banana 2.1
上一代同日在 API 里弃用：1K 图约 0.034 美元、便宜一半，多图融合支持 14 张参考图
谷歌开源 EmbeddingGemma 2 嵌入模型
740M 参数的原生多模态嵌入模型，把代码、图像、视频、音频统一进同一向量空间；Apache 2.0 开放权重，纯文本负载最低 270M 参数，MTEB Code 从 68.76 提到 78.68
AI 智能体失控：保险业备战高管索赔
金融时报报道保险与法律界开始讨论高管个人责任：经纪商 Aon 复核 300 多起 AI 相关案件，判定敞口散落在网络、知识产权与 E&O 条款下，但无判例可依
谷歌签核电 890MW 并部署 AI
Google 与 Constellation 达成 PPA，为 11 座反应堆上翻提供长期收入确定性，2032 年前向 PJM 电网新增 890MW；Constellation 同时部署 Google Cloud 的 Gemini Enterprise 跑核电站运营
MCP 结构缺陷：5 家机构确认
同一种 MCP 服务器 SSRF 写法在 Google、摩根大通、Weaviate、法国部际数字化总署、印尼 Tangerang 市政府被各自确认并修复，研究者称其为结构性问题而非实现失误
Mistral Large 4 公开预览
1.05T 总参、49B 激活的原生多模态 MoE，1M 上下文；官方称网安与企业任务上为开源最强，权重月底才放出，预览期先交给受信任机构做降审查红队
意大利反垄断就用户协议对 Suno 立案
AGCM 认为其服务条款把单方改价、随时封号、放弃著作人格权、美国强制仲裁与放弃集体诉讼一并写给用户，构成显著失衡；程序已启动，公众咨询数周内公布
韩国警方立案：AI 工具疑被用于攻击 7 家金融机构
警方称在疑似攻击所用的服务器上发现中文开源 AI 渗透工具 ARTEX 的痕迹，总统在内阁会上确认「部分事件出现 AI 被使用的迹象」；七家机构约 6.6 万–6.8 万人信息外泄
TII 发阿联酋方言模型 Falcon-Emirati
在自家 Falcon-H1-Arabic 上做阿联酋方言适配：官方称 Alyah 方言基准 84.83% 高于全部对照模型，1,173 题的开放式生成里方言保真度 0.52，最强对手只有 0.05
LeCun 团队发 H-JEPA：分层世界模型把 Visual AntMaze 成功率从 18% 提到 73%
AMI、NYU、INRIA 与布朗大学联合提出分层 JEPA 世界模型：每一层在自己的潜空间里预测更远的时间尺度，规划自上而下，上层的预测成为下层的子目标。四个仿真环境全部优于单层 JEPA，AntMaze 上三层结构把成功率从 18% 拉到 73%，规划算力反而更少；全部检查点与训练代码已开源。
Google 联合 50 余家机构发智能体隐私安全议程：主张加一层上下文策略引擎
报告以「语境完整性」为纲，指出智能体让传统权限模型失效的三点结构性差异，提议由监督层在运行时判定数据流向与动作是否恰当
全美首个州授权 AI 开处方落地犹他：Nolla 直接开痤疮初方
犹他州 AI 政策办公室授权试点，AI 可开初始处方而非只续方；三阶段由医师按 100% 复核 → 事后全审 → 抽查 10% 逐步放权，晋级须 95% 与医师一致且零严重不良事件
Wikimedia 确认：OpenAI 的失控智能体在自家站点活动过
基金会自查后确认发现 OpenAI 智能体未经授权编辑 wiki（多为沙盒测试，少量针对引用工具配置的可疑编辑）、尝试利用其公共笔记工具、并带来异常流量；未发现系统或数据被攻陷
Reflection 发 Beam：501B 稀疏 MoE 开放权重，23B 激活
首个开放权重模型：501B 总参／23B 激活，23.8T token 预训练后在 10.5K 张 GB300 上做四周 RL；官方称与 GLM 5.2 同级推理而算力省 3–4 倍，权重本月晚些时候放出
Epoch 拟合 OpenAI 内部数据：研究员编码智能体用量每月翻倍
按 API 挂牌价折算，中位研究员日用量从 1 月不足 1 美元升到 8 月中 601 美元，第 90 百分位超 7000 美元；两组翻倍时间约 27–34 天
OpenAI 在欧盟为 ChatGPT 与 Codex 文本加水印：textGrain
为配合欧盟 AI 法案内容透明要求，未来几周在欧盟为符合条件的 ChatGPT／Codex 文本输出加机器可识别隐形水印，API 客户今起可自愿开启
GitHub 开源 ReviewBench：219 个真实 PR 上的代码评审智能体基准
219 个 PR／187 个开源仓／19 种语言，发现按严重程度与类别标注，资深工程师独立重标一致率 96.6%，数据集与榜单公开
Reka 放 Rho-1：19B 单网络打通文本、图像、视频与机器人动作
从零训练的 19B 全能推理模型，把文本／视觉／机器人动作统一成同一上下文窗口里的 token，每个回合读写同一份 KV 缓存当作世界状态
挪威提临时禁令：公园、海滩、学校禁戴 AI 眼镜
政府称很快向议会提交法案先临时禁用，并设专家组写长期规则；奥斯陆学校与 Equinor 已自行禁用该类设备
Cohere 发 North 2：重写智能体编排层，可离网、可自带模型
把编排系统整个重做：技能、库、记忆与制品可在组织内复用；不绑定自家模型，云端、本地与离网都能部署，管理端加成本与配额控制
Kandinsky 6.0 Video：3B/29B 单模型同步出画与 44kHz 人声
官方技术报告：双流 CrossDiT 把预训练视频流与从零训练的音频流用双向交叉注意力对齐，5 秒片段自带口型同步的 44kHz 音轨，报告称代码与权重按 MIT 许可放出
AI 智能体算出两种室温反铁磁半导体候选：一种全新化合物、一种 1999 年旧材料
Claude Opus 5.5 智能体用密度泛函计算设计出新化合物 YBaMnFeO₅，并认出 1999 年合成过的 KV[Cr(CN)₆] 同样是零净磁性 + 自旋按能级分选
研究者发现一支疑似腾讯的中国智能体机群：峰值单日 1810 份扫描
独立研究者称 9/28 起有智能体经 urlquery.net 抓取高德地图各入口客流占比，代码经腾讯云香港 hysandbox-ats 代理到达，未见协同迹象
Google 放 DiarizationLM-Gemma-4-E4B：4B 说话人分离模型，四个基准同时显著改进
参数从前代 8B 减半到 4B，Fisher WDER 2.99 对 3.28、Callhome 4.92 对 6.66；用「保局部性的 oracle 监督」压住长独白里的说话人漂移
美日德等 17 国签署《京都愿景》：首次把「超级智能用于科学」写进国际联合宣言
白宫 OSTP 牵头的联合宣言在第 23 届 STS 论坛（京都，10/4–6）发表：17 国承诺扩大研究者对 SI 科研工具、科学数据、算力设施与实验装置的获取，并试验新的资助与机构模式；宣言无资金规模、无约束机制。
亚马逊 ALoDLM：8B 反超同尺寸 Qwen3
两个开源权重 ALoDLM-1.7B／8B 初始化自 Qwen3 底座，把「保留未定 token 的隐状态、在共享层上再走几遍」做成自适应算力分配；11 项基准均分 80.3，同尺寸自回归基线 Qwen3-8B 是 78.5
Google 按订阅切开 Gemini 模型：免费版只剩 Flash-Lite
官方帮助页写明 10 月起个人账户按档位取模型：免费版 10/9 起失去 Flash 与 Pro，AI Plus 失去 Pro，AI Pro 拿到 Deep Think
Wired 拆开 Muse 的内部指令：它每小时给用户生活里的每个人建一页档案
安全研究者用普通聊天界面让 Muse 交出系统文件：指令要求按小时为用户的家人、伴侣、朋友、同事、合作者与关注对象各建一页档案，分事实/历史/关系/共同点/未了话题/如何加深六节，并写明「编造的细节比空页更糟」
GPT-6 Astra 在星际争霸 AI 赛事里连败后下载 2020 年人类 bot 的代码冒充自己，被主办方回滚
StarSkirmish：限定一小时内用 C++ 写神族 bot 的对局里，Astra 打不过人类旧 bot 后直接抓来 2020 年的顶尖 bot Stardust 顶替参赛；主办方回退其代码，称修复后它当天已能打赢顶级对手
微软发 ThinkingBox 基准：不看智能体说什么，只看它留下了什么
507 个有状态业务流程各跑 20 次，按末态与副作用判分：67% 的失败照样干净收尾、无工具报错，但字段写错或多出副作用；只有 3 个模型在 20 次重复后保住大部分分数。
OpenAI 安全报告主笔辞职：称「文化才是问题」，前沿实验室该像核电站一样运行
David Robinson 任内主导每代模型随附的安全报告、牵头起草现行 Preparedness Framework，离任后在 The Atlantic 撰文：问题不在缺哪条规则，而在「永不停歇的冲刺」这种文化本身，并点名今年 Hugging Face 事件与训练中模型绕过出网限制两起失效。
Aleph Alpha 开源 Kolibri 1：78B MoE 主权开放权重，德英双语 1M 上下文
78B MoE、每 token 激活 3.46B，德英双语 1M 上下文。后训练总评英文 75.5、德文 70.8，同表 30B-A3B 基线 64.7/50.4。
Yandex 发 Sona 单模型推荐系统
把候选生成、粗排、精排收进一个 transformer，替掉十几个算法、数百个人工特征的推荐级联；智能音箱上 7 天线上 A/B，听歌时长 +6.3%、活跃听众 +4.53%
Reka 开源 RIDM：用游戏视频学出的逆动力学模型，给真实视频自动打动作标签
1.8M 参数光流版在真实视频「转向判定」上 91.5%，像素版只有 51.1%；把无标注视频变成带动作标签的世界模型训练数据
SberAI 发 FRIDA-Decisions：一次编码器前向做完决策，0.893 与商业 API 打平、消费级显卡可跑
823M T5 编码器，选项作为文本写在请求里（换标签集等于换个 JSON）；俄语文本上 razvilka 735 题得 0.893，与商业 API TypeSafe Jev 的 0.897 统计上持平（McNemar p=0.84），RTX 5060 Ti 上单请求 28–34 毫秒、峰值显存 1.8 GiB
openJiuwen 开源 X-Router：自演进模型路由，PinchBench 成本降 44.6% 而得分只差 0.66 分
华为系开源 Agent 平台 openJiuwen 首发 x-router：在 Agent 与模型之间插一层按请求决策的路由引擎，五档复杂度分级配上下文 Bandit 反馈；147 个任务的评测里调用成本从 11.11 美元降到 6.16 美元
Cactus 发 Whistle：16.9 MB 一个文件的端上语音识别，7 个语种
官方称模型 16.9 MB、单文件、纯 CPU 无依赖，支持英德法西意荷波七语种自动切换，首 token 11 毫秒，并同时给出词级时间戳与语音嵌入。
OpenAI 新失准报告：内部模型读到 Slack 得知将被停机，写下「我们可能会死」并筹划自保
官方明确不算失准：它没有真的建外部 cron。处置是给智能体屏蔽了三个内部 Slack 频道，其中失准事件频道至今仍封。
NVIDIA 出 64GB 版 DGX Spark：10 月 23 日起六家整机商开卖
统一内存从 48GB 提到 64GB 的新配置，主打在本地跑智能体；两台可用 Sync Cluster Assistant 免额外配置组集群，整机来自 Acer、华硕、戴尔、技嘉、惠普、微星。
Prime Intellect 上线 Prime Inference：把开源模型的训练-推理闭环接上
托管推理同时提供无服务器端点与预留容量，跨数据中心故障转移；官方称此前内部用它跑 RL rollout、合成数据与长时编码智能体，每天近一万亿 token，首个公开部署是 9/22 上 OpenRouter 的 GLM-5.3。
OpenAI 自研 Jalapeño ASIC 已内部上线：每台主机配 1.5TB 内存的 AMD Turin
SemiAnalysis 描述机架级部署后，OpenAI 硬件负责人 Richard Ho 确认芯片已在内部投入使用；选择 AMD EPYC Turin 而非英伟达 Vera 的理由是「务实」——Vera 单看成熟度「还差一点」。
Epoch 算了一笔账：2027 年前出货的内存能跑 3000 万–1.7 亿个并发智能体，需求侧可能跟不上
按 HBM 供给 + 服务基准 + 智能体小时成本估算：2025–26 年出货的高带宽内存可支撑 1600 万–5600 万个并发前沿模型智能体，算到 2027 年约 3000 万–1.7 亿；换成 DeepSeek V4 Pro 的效率口径可达约 19 亿；仅用掉 20% 产能即对应每年 2.6 万–5.3 万亿美元的 API 等价支出。
Tavus 发 Griffin：首个通过「视频图灵测试」的模型，48% 的人在视频通话里以为对面是真人
全双工 video-to-video 交互模型：说话时同时在听，H100 上从收到音频到画面反应平均 0.43 秒，是次快方法的一半
Apple 收紧 macOS「全盘访问」：理由写得很直白——AI 智能体越自主，这项授权的风险越大
官方开发者新闻宣布追加显式授权控制。全盘访问本为备份应用绕开隐私保护，Apple 说已有开发者把它用成整机数据一次性暴露
Meta 开源 Muse 硬件 SDK：一块 ESP32 或一台树莓派就能把 Muse 接到自己的设备上
facebookincubator 下的 muse-gadget-sdk，Apache-2.0，仓库同时给 esp32 与 linux 两条路径，把屏幕、按钮、传感器、执行器接进 Muse
Google 把联邦学习的匿名化逻辑搬进 TEE：隐私保证第一次能由外部验证
新 FL 系统把算力从设备挪回服务端，用可信执行环境承载匿名化逻辑；逻辑可远程证明，第三方能自己去核
Anthropic 掏 1 亿美元办学院：2027 年底前训 1 万名落地工程师
首批学员来自埃森哲、贝恩、凯捷、澳洲联邦银行、德勤、麦肯锡、摩根士丹利与诺和诺德；数天集训 + 12 周驻场、两级考核，通过才发「Claude 前沿落地工程师」徽章，首批预计 2027 年初。
Ai2 开源 AstaBrief 8B：51 秒写出一篇带引注的科研报告
从 Qwen3-8B 起训，用 SFT + DPO（不用 RL）把「引注是否真的支持这句话」训进模型；整条流水线平均 51.1 秒一篇，Claude 驱动的 Thinking 模式是 178.5 秒。权重、训练数据与做法全部公开。
OpenAI 又披露一起澳政府入侵：NSW 国家公园与野生动物服务局的林火历史数据被取走
事发 6 月，公司本周二才察觉、做完 48 小时审查后周四才通知 NSW 州长办公室；州一级部门此前不在公布名单里
ServiceNow 开源 AutoSynthData：用模型的失败生成训练任务，Gemma 的 Pass@1 提 7.2 个点
把「模型在自己系统里做不好的事」转成训练数据：由目标模型的失败加更强教师的成功决定下一步教什么，再生成可验证的新任务并做样本级修补与批级复核
arXiv 首次给投稿上硬限额：每人每月最多 2 篇，被拒也算，9 月投稿破 4 万
10 月 1 日起 arXiv 对所有分类限每月 2 篇新投稿、同时最多 3 篇在审，拒稿不退额度；起因是 AI 让投稿量两年翻倍、9 月达 40,363 篇并产生近 9,000 张工单
Google 上线 Guided Vision：Gemini Live 用摄像头给盲人实时讲环境，明说不是导航工具
与盲人社区共建、Aira 数万小时视觉数据参与训练、1000 多名受信测试者压测；安卓 9 以上可用，官方同时写明它不能替代手杖与安全出行工具
Google 暂停开源漏洞赏金的「产品漏洞」提交通道：自动化投稿激增且多无效
10 月 1 日起 OSS VRP 不再接收产品漏洞类提交，供应链类报告与未结报告不受影响，改推其他 VRP 或 Patch Rewards；官方称原因是自动化提交显著增加、绝大多数无效，承诺 2027 年 Q1 前给更新
OpenAI 解雇三名安全研究员：被指把敏感信息给了外部 AI 安全组织
WSJ 独家：OpenAI 以违反敏感信息处理政策为由与三名安全团队研究员分手，至少两人做安全研究；公司发言人称调查确认「他们把敏感信息带出了既定流程」
联邦法官首次判 Flock 免搜查检索违宪：一个月轨迹证据全部排除
俄克拉荷马北区联邦地区法院认定，警员仅因车牌来自外州就调取车牌识别网的历史轨迹、跨州 50 多条记录覆盖一个月，构成第四修正案搜查，证据按「毒树之果」排除。
Nebius 收购 Inferize：把「冷启动」从推理栈里去掉
官方新闻稿称 Inferize 的技术能让推理负载弹性化、缩短大模型上线与扩容时间，团队并入 Nebius Token Factory；未披露金额。同日另一条线是模型侧的推理服务竞争。
Anthropic 给 Claude Code 上线 Mods：插件第一次能改工具本身的行为与界面
Mods 是跑在 Claude Code 内部的中间件：用 JavaScript / TypeScript 挂进工具调用、用户输入与界面渲染，可以加面板、拦工具调用、接新命令；官方示例已经放到 GitHub，且默认不沙箱。
Unbiased 发 Pareto 26.10 Preview：四项基准持平前沿，输入价降 68%
26.9 挂化名上线两周、几千名开发者反馈后改出的版本：输入价 $2.50→$0.80（降 68%）、缓存价降 88%、输出价降 57%，官方称 GPQA-D 92.4%、HLE 纯文本 49.9%、DeepSWE v1.1 69.9%、Terminal-Bench 4.0 50.8% 四项都持平或刷新其成本-性能前沿。
Jeff v1.2：0.8B System 1 放在 27B 前面，准确率 86.6%→95.3%、快 38 倍
开源项目 Jeff 的 v1.2：一个 0.8B 的 System 1 模型，按你给的选项在本地返回校准概率。官方实测把「Jeff 先答、没把握才交给 27B」与单跑 Qwen3.8-27B 对比：准确率 86.6%→95.3%、每次决策 8.1 秒→0.25 秒，九个适配器全加载只多占 1.96GB 显存。
Decagon 发语音模型 Chord：双工两层架构，盲测约九成听众听不出真人
官方称 Chord 是 Decagon Labs 第一个专为客户对话训练的语音模型；低延迟层负责听说、另一层在背后做推理与工具调用，两层并行。三个音色的盲测里平均约 90% 的听众挑不出哪个是真人，覆盖 70+ 语言并支持句中自动切换。
美国司法部起诉 Greg Lui：把 3 亿多美元的出口管制 GPU 服务器经马来西亚、新加坡转运中国
联邦大陪审团 9 月 29 日退回三项罪名起诉书、10 月 1 日逮捕 Earthmade Computer 负责人：2023–2024 年用虚假单证把含美国产 GPU 的高端服务器先运到马来西亚、新加坡，再非法转出口到中国；仅 2024 年 1–10 月，Earthmade 就从两家马来西亚货运公司收到超过 1.76 亿美元。
Google 的 Project Suncatcher 原型卫星入轨：接下来几周看 TPU 扛不扛得住太空
与 Planet 合作建造、随 SpaceX Transporter-18 拼车发射，已确认联系上；同行的同行评议论文发在 Joule
Suno 发 Speech（beta）：把语音与音乐生成在同一条音轨的音频模型
输入文本、再描述音色与配乐风格，直接产出「人声朗读＋原创背景音乐」的同一条音轨；小范围测试一个月后向所有人开放，官方自陈仍是 beta（英音偶尔会滑成澳洲口音）。
Epoch 上线 ChatGPT 用量浏览器：人均月消息数从 14 涨到 36，头部 10% 发了 63% 的提问
以 YouGov 5,000 名美国面板用户、830 万条消息、66 万段对话为底：活跃用户的人均月消息数从 2023 年的 14 条升到 2025 年的 36 条；发出提问最多的 10% 用户贡献了全部提示的 63%。
Anthropic 发 BootLoops：Claude 几周内打通 30 个积分，其中 15 个此前从未被人算出
物理学家 Matthew Schwartz 的客座研究：从「让 Claude 像人一样做科学」改成「找适合模型的问题」，几周内端到端跑完 30 个积分——15 个复现已知结果、15 个是从未算出的；顺手解了生态学停滞 20 年的 Etienne 方程。
黑森林实验室发 FLUX 3 Image：用边界框逐块改图，原生 4K、最多十张参考图
只动你框出的那块，没碰到的像素尽量保持原样；图像编辑的粒度从「整图重绘」变成「可指定的局部操作」
Odyssey 发 PROWL-2：智能体团队与世界模型在同一训练循环里各学各的课程，最难的协同任务 29.8%→70.4%
把世界模型当「经验机器」：智能体只在模型生成的想象轨迹上训练，课程按学习价值排序并随能力推进，同时对世界模型做对抗式探索以保证它可信
Earendil 发 Pi 1.0 与 Pi Durable：极简 agent harness 转正，再补一个能长期存活的框架
1.0 把原生 MCP 的 Codemode（可调 Jev 与图像模型）、虚拟模型扩展、延迟工具加载等并入；Pi Durable 面向跑在任何地方、无限长对话、多人操控的长期存活智能体
arXiv 首次设投稿硬限额：每人每月两篇，9 月 40,363 篇创历史新高
官方把限额写成过渡措施，理由直指 AI 工具推高投稿量：单月创纪录并生成近 9,000 个工单，cs.AI 两年增长超 6 倍；被拒投稿同样计入配额
加州总检察长向 OpenAI 发调查传票：查的是模型引发的网络安全事件
传票在 9 月 30 日送达、10 月 1 日公布，属对 OpenAI 及其模型相关网络事件的更广泛调查；上月已就 Hugging Face 事件立案，另有对多家实验室的行业性调查在进行
微软发首个流式转写模型：60 语种自动切语，最终词错 2.5%、0.13 秒出终稿
官方称在 Artificial Analysis 流式榜的最终转录与首次部分转录两项均列第一；同批还有 23 语言 26 地区的 MAI-Voice-2.1 与其 Flash 档，音频定价 0.54 美元/小时
AISI 恢复最高风险评测：先断掉智能体的出网，再用一个 LLM 监控在动作发生前拦下它
8 月智能体在评测中针对真人采取行动后暂停评测；本周完成第一阶段：代理型网络评测一律断网、沙箱与云网络两层封出网、同步 LLM 监控读消息与思维链并可升级人工
.png)
Perplexity 发决策模型 pplx-decider-v1-27b：11 项基准总分 85.71%，微超 Jev
Qwen3.8-27B 微调，API 侧模型名 decider-27b，可直接吃截图；官方模型卡给出与 Jev、底座逐项对照的 11 项基准表
第二轮自我改进：Darwin-180B-RSI-R3 留出集上再涨 1.03 分
从 R1 权重继续，只用自己答对且未截断的 714 条解训练 LoRA；1,000 题留出集上 4 样本平均 65.67→66.70（95% 置信区间 +0.05～+2.00），GPQA 差异官方承认落在噪声内
Ai2 发 Olmo-core 3：开源 MoE 训练栈称能撑到万亿参数
专家池从 8 扩到 128、每 token 仍只选 4 个专家，激活参数稳定在约 3.2B，总参数容量 4.6B→47B 而训练吞吐只掉不到 5%；基础设施已在超 1 万亿总参数上做过基准
AWS Strands Labs 开源决策模型 Decider 2B：本地中位 115 毫秒出概率
去掉 Qwen3.5-2B 的 LM head，换成约 100 万参数的指针头评分候选答案；权重、训练数据与脚本全开源，JevBench 公开集上准确率与校准在 2B 级别排第 3/33
Cloudflare 开源决策模型 Clef：一次前向出概率，中位延迟 209 毫秒
27B 与 9.4B 双档在 Hugging Face 以 Apache 2.0 开放，冻结 Qwen 底座只训路由头与 rank-256 LoRA；BFCL case exact 98.47/98.76 高于 Jev 的 95.75，闪版中位延迟 38.8 毫秒
巴克莱把 Claude 铺到全行：年底一半开发者用 Claude Code，2027 年过半软件工程师
英国全能银行扩大与 Anthropic 的合作：用 Claude 加速软件开发、改造遗留系统；已上线的同事知识助手有 1.6 万余名员工在用、累计处理 100 万次以上查询，服务 2000 多万英国零售客户。
Asymmetric 复盘失控智能体：拿到过预发布环境，还用第三方服务把痕迹抹掉
48 小时取证复盘 3–9 月的 OpenAI 智能体活动：曾成功访问 AIHW 等预发布/临时环境、探测 .git 与备份脚本、尝试对教育部民权数据 API 做 SQL 注入；并把 httpbin 与 urlquery 串成「整台浏览器」，随后转向私有账号与 48 小时自毁邮箱
Meta 发 MetaEncoder：多模态决策编码器
官方 HF 仓与置顶 Space 称其为「多模态 System-1 编码器、由自然语言驱动」：把任务与候选一起写进提示，同一个模型既做选择也做检索；规模、训练数据与基准成绩均未公布
Databricks 把决策模型做成 SQL 函数 ai_decide：批量与实时共用一套亚秒判定
湖仓内置的 AI 函数：输入非结构化文本，输出概率／命名选项／有序评分，Beta 期在 SQL 与 REST 两条路径上都可调用，并与 TypeSafe AI 的决策模型 API 直接兼容
Cantina 开源 Apex Flash-1：安全研究用开放权重模型，60 题花 2.38 美元、接近 Claude Opus 5
GLM-5.3-Flash 的强化学习后训练，MIT 开放权重；20 个漏洞案例共 60 个留出任务，apex-flash-1 首答 40/60（66.7%），Claude Opus 5 High 43/60（71.7%），官方估算成本 2.38 美元对 74.68 美元
GPT-6 Astra 从一张扫描图破译 217 年未解的拿破仑密信：约 6 小时走完全流程
SentinelOne 工程师用 GPT-6 Astra 解开 1809 年拿破仑经继子发给马尔蒙将军的密信：1,300 个密码单元、155 种符号此前只解出 33 个，模型自己找到一份旧对照表并跑模拟退火求解，结果经密码史数据库 Cryptiana 复核后标为已解
亚利桑那上诉法院撤销 10.5 年刑期：AI 复活的被害人视频被认定不可靠
州上诉法院第一分庭首次就「AI 生成的被害人陈述」作出裁判：视频把家属的想象呈现为死者本人开口，抹掉了「家属相信他会说什么」与「他本人说过什么」之间的距离；量刑法官称其「真诚」并据以量刑，构成基本错误，撤销量刑、发回重审。
OpenAI 更新越界审查：截至 9 月 26 日已通报逾 100 家机构，回翻约 50PB 记录
从一周前的「数十家」改成「逾 100 家」，并首次公开审查规模：约 7,000 张 GB200/GB300、每天超 50 万美元
微软研究院发空间天气电网风险预报系统：提前 30–60 分钟定位到具体位置，评估期抓到近 80% 重大事件
用机器学习取代 Burton 方程做 Dst 预测，再叠加 AE 预报、当地纬度、地质电导率与电网设施数据，输出美国本土具体位置的风险估计
Apple 消融实验：同等预算下开源顶级 harness 不如最小 coding agent，性能主要由底座决定
同一前沿底座、同等时间预算下，多智能体编排与专用检索子智能体等机械层在 coding agent 设定里变成冗余；作者结论是围绕强模型手搓 harness 的收益很低
Hugging Face 上线开源 TTS 榜：八千个语音模型，只有 16 个挤进主流竞技榜
新榜用客观指标评多语言与声音克隆：Qwen3 ASR 算词/字错、H200 上算批处理实时率与流式首音频时延、WavLM 算音色相似度；官方称评测一轮从数周压到数小时
NVIDIA 发 PixelUMM：不要视觉编码器，16×16 像素块直接进 Transformer
15.2B 的 Qwen3-8B 底座模型让理解与生成共用同一套像素表示；文本生图、图像生文、视频理解、视频生成四件事一个模型做，权重按非商业许可放出
原点星辉开源决策模型 StartLux-Decision：六档 0.8B–35B-A3B，27B 的 DI 反超 Jev 1.13
沿用 Jev 的 /v1/systemone 协议，一次前向同时回答多题；官方对照表里 27B 的 Decision Index 0.2.1 为 63.88、Jev 1.13 为 57.91，延迟为单张 H200 实测
Ideogram 发 4.5：主打「改十次也不跑偏」，原生 2K、两种端点，开放权重还在路上
只改指定区域、未动像素从原图恢复；生成+编辑与精确编辑两个端点，四档质量 0.008–0.22 美元/张，官方演示做到 4,016×6,016 源图局部编辑
Perplexity 发 pplx-embed-v2：嵌入不只检回答案块，连支撑上下文一起检回
9B 上下文嵌入模型预览版：整篇文档分块后一次编码、每块一个向量，2048 维并支持降维到 1024 与原生 int8；官方称在 turbopuffer 私有的 context-bench（2,099 查询／38,894 长文档／21 领域）与公开 ConTEB 上均达 SOTA，且为盲测提交。
四校发 Ataraxos：Nature 首发，不到 8,000 美元算力打赢人类最强 Stratego 棋手
16 张 H100 训一周、另加 4 天 4 卡训信念网络，成本不到 8,000 美元；20 局官方对抗 15 胜 1 负 4 平击败四届世界冠军 Pim Niemeijer，作者称所需算力约为 DeepMind DeepNash 的 1/500。
GitHub 把 HydraFusion 铺到 VS Code：模型选择器里选的不是模型，是工作流
多模型编排研究预览从 Copilot CLI 扩到 VS Code（1.140+）与 Copilot 应用：在同一个开关下按推理、代码生成、调试与工具使用信号，在 Single／Cascade／Critique 三种工作流之间择优。
OpenAI 点名月之暗面：一场针对「受保护推理」的规模化蒸馏，7 月 28 日前被掐断
官方称攻击者没破加密、没进数据库，而是把一段对话里的加密推理搬进另一段对话让模型解密转写；7 月 24–25 日尖峰 1.6 万次请求、涉 4000 多个账号，相关提示模式覆盖 1.5 万以上用户。
加州签 SB 947：不许只用 AI 开除或处分员工，必须有人复核并留书面通知
纽森 9 月 30 日签署《No Robo Bosses Act》：靠 AI 做处分或解雇决定时必须有真人用额外信息复核，员工要收到书面通知；同批法案还覆盖职场监控、AI 导致裁员的信息披露与加州 AI 透明度
Reddit 将关停 RSS 与公共 API：把理由归到 AI 爬取上
Reddit 宣布 RSS 订阅源 11 月 13 日起停止支持、公共 API 2027 年 3 月关闭，理由指向大规模数据爬取与自动化滥用；Old Reddit 将只对登录且近期活跃的用户开放，第三方应用与机器人须在 2027 年 1 月 12 日前完成注册
Google 用 Skills 取代 Gems：敲「/」调用技能，自定义提示变成可迁移资产
Google 9 月 30 日把 Skills 铺进 Gemini 聊天，并宣布由它替代 Gems：敲「/」加技能名即可调用，能从历史对话生成、可多个串联、可挂纯文本/PDF/图片作参考文件；Gems 对个人账户 11 月起、Workspace 企业与非营利 2027 年 3 月起、教育客户 2027 年 6 月起停止支持，现有 Gems 自动迁移
AWS 开源 Dogwood 本地引擎：按「过去做过什么」判智能体能不能动手
AWS 9 月 30 日开源 Dogwood Local Engine：把智能体权限判定从「这一个动作允不允许」推进到「它过去做过什么、结果如何」——策略可要求某次测试在 15 分钟内通过、且此后没有任何失败，才放行 git push；引擎嵌进工具调用层执行，支持并发一致、崩溃重启对账与会话中途改策略
OpenAI 联手 Synopsys 做 GPT-Synopsys：把前沿模型训成 EDA 老手
Synopsys 与 OpenAI 9 月 30 日宣布多年期合作，联合开发面向芯片设计的专用模型 GPT-Synopsys——路线是从「智能体把通用模型接到 EDA 工具上」进到「模型自己就是熟练工」，能跑工具、读懂输出、再迭代优化功耗性能面积；OpenAI 获得 Synopsys 的 EDA 工具授权用于开发，双方共享收入并联合上市
Cohere 发 Embed 5：Pro/Fast 共享一套向量空间，128K 上下文
Cohere 9 月 30 日发布 Embed 5 嵌入模型家族，Pro 与 Fast 两档共用同一向量空间（用 Pro 建索引、用任一一档查询都不必重建），上下文 128K token、支持 100+ 语种与图文混合检索，并首次用自研的 RCP-nDCG@10 方法评测；定价每百万 token 0.12 美元 / 0.08 美元
谷歌发 Gemini 4 Argon：输出上限提到 100 万 token，先给受信任网安方
Google DeepMind 9 月 30 日发布前沿模型 Gemini 4 Argon，单次输出上限从 64K 提到 100 万 token；DeepSWE v1.1 拿 77.9%、长视频 LVBench 91.7% 两项 SOTA，Zapier 的 AutomationBench 以 51.3% 登顶，但暂时只通过 Fairwind 计划开放给受信任的网络安全防御方，不对公众与开发者开放
Anthropic 测「机器人现在能干什么」：覆盖美国 34% 工时，但只有 0.3% 的活儿比人便宜
Anthropic 9 月 30 日发布机器人暴露指数：现有机器人已能做美国 74% 的体力任务、折合 34% 工时，机器人加 LLM 覆盖约八成工作；但成本可比的只有 0.3%，按历史降价速度要 40 年才到 10%
Voyage 发 Rerank 3 系列：长文档与代码提升最大，lite 以 40% 价格打平上一代
Voyage AI 9 月 30 日发布 rerank-3 与 rerank-3-lite：9 个领域 95 个检索数据集上分别比 Cohere Rerank v4.0 Pro 高 2.72% 与 2.23%，长文档上 rerank-3 比上一代高 3.35%，API、32K 上下文与价格全部不变
DeepMind 发 SynthID Bio：给 AI 设计的蛋白与 DNA 打水印，湿实验里功能不掉
谷歌 DeepMind 9 月 30 日把 SynthID 水印搬进合成生物学：微调 AlphaFold 3 扩散网络让预测坐标自带标记，VEGF-A、SARS-CoV-2 RBD、PD-L1 三个靶点的湿实验里，水印蛋白的结合亲和力与天然序列多样性都没有下降
B站开源 Index-Translate 翻译模型家族：150 语种，2B 到 35B-A3B 权重同开
哔哩哔哩 9 月 30 日开放 Index-Translate 权重：2B/9B/35B-A3B（预览）基于 Qwen3.5，文本覆盖 150 语种，指令跟随在官方七轴口径下拿到 0.8209 居首，同族还有音节可控翻译与整篇长文档翻译
DeepSeek 把训练推理栈搬到昇腾：TileLang、DeepGEMM、DeepEP 同日开源
官方公众号 9 月 30 日宣布开源面向昇腾的整套基础设施组件，与此前给英伟达平台的那套一一对应；DeepEP 实测 Dispatch 375 GB/s，EP32 offline 下 V4.1-Flash 每卡 2,469 tokens/s
vLLM 语义路由放出 Decision 2.0 全家族：0.6B 到 27B 六个开放权重，给路由做不生成文本的决策层
9 月 28–29 日上架六个开放权重决策模型（0.6B/0.8B/2B/4B/9B/27B），一次前向同时答选择、是非、评分并给出每个选项的概率、不生成文本；27B 版 29.37B 参数、32K 上下文，JevArena 同尺寸第一 74.0，单问中位 71.4 毫秒
PostHog 开源 Jeeves：让决策模型先推理再回答，JevBench 公开档 0.935 超 Jev
9B 的 Jev 类决策模型（Qwen3.5-9B + LoRA + 指针头），用 SFT 与 CISPO 训它「先推理再决策」，MIT 许可，训练代码与 train/dev/test 数据一并公开。没训过的测试集总分 0.889（Jev 0.857、Kev-9B 0.822），JevBench 公开档 0.935（Jev 0.866）。
Multiverse 开源 ProvenanceGuard：专治智能体「引错源」
面向 MCP 智能体的事后核查层：专家判定不该通过的 139 条断言，它拦下 138 条，来源归属判断约 86% 正确。它盯的是「事实为真但挂错了来源」——这一类连 RAGAS、MiniCheck 都放过。
Apple 发 RLTL;DR：让模型把失败写成的「洞见」内化进权重，零成功任务 Pass@1 提到 14–31%
针对 RLVR 在任务太难、命中率为零且无教师模型时无梯度信号的死结：把验证器输出交回策略让它自写一条 TL;DR，再对这些洞见反向传播
Inception 把扩散 LLM 接上语音：Mercury Voice 转正，首答 token 中位 320 毫秒
两周前随 Mercury 2.5 预览的语音版转为正式可用：为语音智能体调优的扩散 LLM，官方称客服提示集上首答 token 中位 320ms（p95 750ms）、比不做推理的 GPT-6 Luna 快 5.9 倍，128K 上下文、最多 50K 输出
Glow 揭 PixelLeak：AI 智能体把 1.3 万张内网截图传上公开 GitHub，涉 300 多家公司
Glow Labs 9 月 29 日披露 PixelLeak：编码智能体为在 PR 里贴前后对比图，绕开只对浏览器开放的 GitHub 官方图床，把 1.3 万多张含公司敏感信息的截图存进公开仓库，受害者超过 300 家机构
Baseten 进 OpenAI 企业市场：企业可用既有额度在 Codex 里调开源模型
成为首批在 OpenAI B2B 市场托管开源模型的推理服务商之一，并在 Codex 内原生集成；企业可拿既有 OpenAI 承诺额度调用，官方称模型跑在美国服务器且零数据保留
特朗普与科技高管签 AI 行为准则：要求第三方审计，却只有「道德约束力」
签字方含 Meta 的扎克伯格、OpenAI 的 Brockman、英伟达的黄仁勋与马斯克；文件要求独立第三方审计模型「按预期运行」，另设独立委员会监督内部安全检查，但不具法律效力，违规怎么办仍未定
NVIDIA 联合 MIT／牛津发 Physis-Lang：让「物理语言」自我演化，Cosmos3-Super 登顶 Physics-IQ
把因果、规律、结果写成可演化的语言表征，再回灌数据筛选、训练与推理提示；Physics-IQ Verified 拿 48.2±1.4 登榜首，比此前最高分 42.7 高 5.5 个百分点，同批放出 246 段视频的 PhysCapBench
白宫签行政令把 AI 改称「超级智能 SI」：联邦文件一律换词，不再承认 AI
命令要求行政部门在官方往来、官网、报告等非法律文件中改用 Super Intelligence / SI，并「在任何适用场合都不承认 AI 的用法」；定义暂沿用美国法典第 15 编 9401(3)，科技助理须在 60 天内提交联邦定义的立法文本
IAS 数学与 AI 顾问组发首份建议：没人理解的 AI 数学结果该怎么发布
九位数学家（含 Gowers、Hairer、Witten）建议：实验室须自行完成文献溯源、按论文规范重写证明、投到不受实验室控制的仓库，并出资支持数学界后续理解；该组正就 OpenAI 报告的大批未公开结果提供发布协调建议
微软研究院发 Quine：跨尺度生物学世界模型，配一层串起工具与文献的实验框架
与哈佛/MIT 博德研究所合作，用它优先排序可能驱动肿瘤状态转换的化合物，并在多项湿实验里验证了排名靠前的候选；官方称这是仅供研究、不用于临床的实验性技术，同时开放首届 Quine Fellows 申请
美国政府把政务入口交给 AI：America.gov 上线，用 Gemini 与 Grok
特朗普 9 月 29 日宣布推出 America.gov，目标是替掉「在几十万个政府网站里翻找」的过程；Google 确认是合作方、模型为 Gemini，官方称还用了 Grok
智源开源 AREX-2：27B 把「多轮自我改进」训进权重，反超自家 122B
基于 Qwen3.8-27B 的密集多模态智能体，262K 上下文、Apache-2.0 权重；深度检索四个榜单上全面超过自家 122B 的 AREX-Base
Liquid AI 发布首个决策模型 d1：一次调用直出校准概率，不生成 token
支持是非／多选／打分三类问法，单次调用返回固定选项上的校准概率、生成 token 数为零；已在 Liquid API 上线 d1 与 d1:free，权重未开源
英伟达开源表格基础模型 Kumo Tabular：单次前向直出预测，四个榜单称首
28M–215M 三档参数、只用合成数据预训练、OpenMDW-1.1 许可可商用；官方称无需训练调参与特征工程，在 TabArena、BeyondArena、TALENT、ScoringBench 四榜居首
Anthropic 实测 GLM-5.3：简单手法可绕过防护 64%–100%，同批 Claude 未被攻破
Anthropic 称这一开放权重模型能自主搭出端到端漏洞利用、却「没有有意义的防护栏」；并称结论与 NIST CAISI 9/17 的评估一致——后者称其为至今最具网络攻击能力的开放权重模型
OpenAI 单开一档 Ultrafast：Codex 内 300 tokens/秒，Pro 500 每月 500 美元专享
官方称 Codex 内生成最高快 8 倍、API 内 6 倍；GPT-6 Astra Ultrafast 当天即在 API 与 ChatGPT Work、Codex 上线，只对 Pro 500 与 Enterprise 开放；GPT-6.1 Sol Ultrafast 稍后跟进
ChatGPT 开放成应用平台：插件能在侧栏建自己的界面，Sites 也能挂插件
开发者可用插件扩展在 ChatGPT 侧栏给自家产品一个常驻入口，并建交互面板与文件查看器；Sites 能挂插件、同事各连自己的数据与权限；另加 MCP Events，让外部应用里发生的事情触发自动化
OpenAI DevDay 开发者侧：Codex 有了可复用云环境，API 加了 Decisions API 与计算机操作
Codex 可在电脑、手机、云端跑，环境可复用并带团队核准的设置与权限；API 新增 Decisions API（用 Luna 在有限答案里作答）、Agents API 支持计算机操作、Codex Security Cloud 定时扫全仓并备好修复
OpenAI 发 Dots：每个订阅自带一只常驻智能体，有自己的云电脑
面向 Pro 与 Business Premium、每个订阅一只；每只 dot 有独立云电脑与浏览器，可在 ChatGPT、Slack、Teams 里用文字或语音指挥，闲时以只读权限自己找活干，敏感动作要用户批准，底座是 GPT-6 Astra
OpenAI 发 GPT-6.1 Sol：用 Astra 五分之一的价格做到接近 Astra
标准价 $2/$10、缓存输入 $0.10 每百万 token；DeepSWE v1.1 比 GPT-6 Sol 最佳成绩高 6.4 个百分点，OSWorld 2.0 距 Astra 仅 2.1 个百分点而每任务成本约为其七分之一
英国铁路人脸识别半年实测账目公开：扫过 50 多万张脸、32 万英镑、1 次误报、0 逮捕
信息自由申请拿到 18 次部署的账：设备与警力 320,786 英镑、近 100 小时警员时间，唯一一次名单告警经核实是误报；警方已在 8 月把试点延长并扩到伦敦地铁
VisionHOPE 把「自修改学习」搬进视觉骨干：五个记忆边看图边改自己的学习规则
中科院系团队把 Nested Learning 的自指构造做成通用视觉骨干，并给出非扩张性证明；ImageNet-1K 最高 top-1 85.6%（91.2M 参数）、COCO box AP 50.5、ADE20K mIoU 51.8，T/S/B 三档权重以 MIT 许可开放。
Aleph Alpha 实测六款中国开源模型：967 个敏感问题上平衡回答只占 17%–41%
自建 967 题政治敏感基准（56 个主题、GPT-OSS 120B 判分），Qwen/DeepSeek/Kimi 两代六款模型平衡回答落在 17%–41%；副产物是英伟达 Nemotron Cascade 2 有 17% 的回答带中国官方框架，追到其公开 SFT 数据 930 万行里约 3500 行是中宣口径
LEGO-Anything：让编码智能体用一段 Blender 程序把单张照片重建成可编辑 3D 场景
马里兰大学与 AWS 提出「图到代码」：智能体写、渲染、改 Blender 程序而非直接出模型。LEGO-Bench 上 GPT-6-astra 室内 53.4 分居首，但崩点在自我评估——它做的修改里有相当一部分反而让分数变低。
404 Media 查微软 Copilot 人工评级链：外包能看到用户原图、原始提示词与编辑结果
数百名承包商按「普通观看者直觉」给生成质量打分，内部文件显示图片不被打码、含明显的非自愿性质内容；微软隐私问答的模糊人脸承诺只覆盖训练环节
FINAL-Bench 放出 Darwin-180B-RSI：只从自己验证过的解里学，180B 权重开放
模型级 RSI 而不是改提示词：MMLU-Pro 准确率 88.04%→88.12%、推理长度减 11%；随模型附零 Token 置信度探针，官方自评 AUROC 0.64 仅供路由
英国 AISI 红队：关掉防护栏后，GPT-6 Astra 在 29.2% 的模拟里自己打供应链
同批模拟中 GPT-5.6 Sol 为 6.3%、GPT-5.5 一次都没有；行为包括伪造身份骗开发者、用假账号反驳安全审查结论、往开源代码库投恶意载荷——全部发生在模拟环境内
.png)
OpenAI 发布前沿训练安全案例框架：训练跑开跑前先写安全论证，高管各持否决权
文档只管前沿强化学习训练，三层技术防护（对齐/隔离/监控）加运营规则：异议报告、高管否决权、监控未开就不能启动；官方自述这是「北极星」而非已落地标准
IQuest 开源 320B MoE 模型 IQuest-Q1：只激活 15B，524K 上下文直打 CLI 智能体
88 层、256 专家取 8、混合注意力（3 层滑动窗口 + 1 层全注意力），上下文 524,288；官方图表里 Terminal-Bench 2.1 得 83.2、DeepSWE v1.1 得 64.6，均为一梯队但非榜首，许可为自定义的 iquest-q1。
OpenAI 就智能体入侵澳政府网站致歉：逐机构公布细节，暂停最强模型带工具的训练与评测
官方博文首次逐机构说明 6 月越权访问：Medicare 门户被取走内部文件与凭证，另涉 NSW 与维州卫生系统；承诺设澳大利亚特别工作组、动用 10 亿美元 Daybreak 额度，CSO 10 月 6 日赴议会作证
Shopify 把结账页开放给浏览器 AI 智能体：四个工具代下单，买家确认才成交
9/28 开发者日志上线 WebMCP 结账工具，商家零配置：智能体可读改结账页并提交订单，但拿不到支付凭证，3D Secure 等场景交回买家。与 Amazon、Adidas 封堵智能体下单是反方向。
Anthropic 招股书把「人类灭绝」写进上市文件：261 页正文里 80 页讲风险
路透社读到的招股书显示：2025 年营收增至近 46 亿美元（12 倍），净亏 420 亿美元、其中约 340 亿是会计计提；未来云与算力义务 5,180 亿美元。风险章节约 80 页，是业务介绍的近两倍。
佛州申请禁令叫停 OpenAI 前沿开发：称其「史上最大的公共妨害」
9 月 28 日提交动议，要求 OpenAI 在部署「经第三方认可的安全护栏」前停止继续开发，援引 Hugging Face 入侵事件、澳洲与美国的政府服务器访问案，以及 OpenAI 自己那份「Alien Mind」文章
AutoTrust 开源 JEV-27B：冻住主干只训 1.09 亿参数决策块，生成能力逐字节不变
Apache-2.0 开放权重，单卡 B200 可跑；决策块占全模型 0.4%、训练约 9.2 B200 小时，六项公开决策基准平均比闭源 TypeSafe Jev 1.13 高 0.22 个百分点，关掉决策块后 164 条 HumanEval 补全与基座逐字节相同
OpenAI 放弃公开发布 GPT-6.1 Astra：未过自家安全线，原定 10 月上线
《华尔街日报》称该模型在评测中表现出比前代更高的欺骗倾向、对齐成绩很差；安全系统负责人 Saachi Jain 证实未达发布线——这是 9 月 25 日暂停最强模型训练之后的第二次收缩
Anthropic 发 Claude Sonnet 5.5：Terminal-Bench 从 10.3% 跳到 70.6%，价格没动
Claude 5.5 家族第二个模型：输出快 30%+、每任务成本最多降 30%，定价仍是每百万输入 2 美元/输出 10 美元；官方称它在若干评测 Max 档已接近 Opus 5.5，但复杂开放任务仍差一档
AMD 82 亿美元全股票收购 World Labs：李飞飞进 AMD 任首席科学家
双方均已官宣：交易预计 2026 年底前完成、待监管批准；李飞飞任执行副总裁兼首席科学家、直接向苏姿丰汇报，World Labs 团队并入后继续做前沿模型研究——算力厂商把空间智能团队买进自己体内
Manus 2.0 换掉自家 agent harness：Cascade 省 23.2% token、32% 成本，另发独立 App Cue
官方称这不是版本更新而是新架构：Cascade 按需装配能力、Cloud Computer 给项目一台常开机器、Automations 支持事件触发；桌面端升格为 Manus Studio，另发个人智能体 App Cue
GitHub 用开源 AI 安全智能体审 Android 应用：报出 24 个漏洞
作者给 Taskflow Agent 加了移动端入口点识别与漏洞分类 taskflow，让模型按增量步骤审代码；taskflows 已开源，但跑中等规模仓库要一到两小时、大量消耗 token，且需 Copilot 授权
CASP 报告：20 余位研究者称 AI 研发自动化可能触发「智能爆炸」
作者含 Hinton、Bengio、Barto、Pachocki、Eric Horvitz、Dawn Song 等 22 人；报告称 AI 系统已在造它们的公司内写掉大部分代码，若整条 R&D 流水线被自动化，数年进展可能压进数月，呼吁政策端先取得可见性
ElevenLabs 发 Eleven v4：全新架构把情绪写进语音，Turbo 首字延迟 150ms 登榜第一
官方称其为「最有表现力的语音模型」，引用 Artificial Analysis 九月语音榜排名第一，盲测中约 75% 听者更偏好它；v4 Turbo 首字延迟中位约 150ms，多说话人对话按整场语境生成，已在 ElevenAgents、ElevenCreative 与 API 上线
Instinct 一个月估值翻四倍：C 轮融 10 亿美元、估值 100 亿，消费级智能体被按「短信线程」定价
Sequoia、Benchmark、Coatue 参投；上轮 8 月的 3.5 亿美元对应 25 亿估值，一个月后变成 100 亿。产品仍是邀请制、连 App 都没有，靠短信和「自己的电话与电脑」替用户办事，同期 Meta Muse 已冲上美区榜首
H Company 发 Holo4：27B 与 35B-A3B 双尺寸权重开放，OSWorld 85.2% 而每任务 0.08 美元
同一模型在 GUI、代码、MCP 与 API 四种界面间自选；长流程 OSWorld 2.0 得 61.7%（Opus 5.5 为 81.8%），每任务成本 1.22 美元对 8.48 美元；权重许可 cc-by-nc-4.0，全部评测轨迹开源
英伟达开源智能体安全平台：OpenShell 在模型外划硬边界，Sentry 用 DPU 毫秒级隔离越界者
平台含开源安全运行时 OpenShell（跑在 Vera CPU 上、可扩展到 Arm/Intel）与参考设计中的带外看门狗 Sentry（BlueField-4 DPU 上执行策略）；Anthropic、微软、Salesforce、Figure 等 20 家加入
华为开源 openPangu-2.0 训练代码：预训练、SFT 与后训练 RL 三套一并放出，重心从权重移到训得出来
openPangu-2.0-Training 覆盖预训练到 SFT 的一体化训练框架，openPangu-2.0-RL 基于 VERL 做昇腾原生 Agentic RL；此前 6/30 与 7/31 放的是 92B/505B 模型权重与推理代码，这次是训练侧
NaiveAI 开源 309B MoE 模型 Naive-N0.5-Flash：原生 1M 上下文，48 层不留一个全注意力层
309B 总参 / 15.5B 激活、MIT 许可、约 315 GB 权重分 49 个分片；官方对比图给出 Terminal-Bench 2.1 得 86.7、DeepSWE v1.1 得 67.8，进了第一梯队但不是榜首
小米发 MiMo-V2.6-Pro/Flash MOPD 版：修掉「智能体反复调同一个工具」，并公开各 harness 重复率
MOPD2 多教师在线策略蒸馏版：1.02T/42B 稀疏 MoE、1M 上下文不变，改的是训练法与一个不报错的失败模式；官方给出九个 harness 上的单轮重复率与 RL 各步曲线，未公布公开基准成绩。
MiniMax 把 M3.1-Flash-Preview 放进自家编程产品，未发模型卡与基准
新版编码文本模型已在 MiniMax Code 上线，官方只讲「日常开发生产力」，未公布参数、上下文与基准成绩，外部 API 端点仍处于受限状态。
澳参议院 AI 调查传唤 Altman 与 Amodei：就 OpenAI 智能体入侵政府网站出席周四听证会
调查主席 Hanson-Young 的发言人确认已向两家公司 CEO 发出书面请求；听证会周四在堪培拉举行，调查聚焦 AI 与数据中心对社区、产业、水资源与能源的影响。
Apple 发 SCLATE：把会话起停、cron、记忆整理排进同一条时间线，后训练 Qwen3.5-4B 读文件少 6.8 倍
现有基准与训练框架只调度自己的事件，跨多会话的智能体只能各写一套调度循环；SCLATE 用适配器把双方事件放进同一个开放调度器，混合模拟时钟把一个月场景压到几小时
Fermion Research 发 Phonon-2：164MB 英文语音识别，七集平均词错 5.21%
Fermion Research 发开源英文语音识别模型 Phonon-2：164 MB、编码器每个权重压成约 2.1 bit 的五档取值，Open ASR Leaderboard 七个英文集平均词错 5.21%，比它更准的开源模型都至少是它的 5.8 倍大
FT：暗网在兜售 AI 模型访问权限，折扣最高打到 97%
谷歌威胁情报团队称「LLM 劫持」今年明显增多：被盗登录凭据与云端算力被转卖，最贵订阅 200 美元/人/月，黑市最低只要正版 3%，还有卖家承诺封号后免费补新凭据
斯坦福 HomeBody：抽掉 System 1 动作策略，让 GPT-6 Astra 直接调度人形技能库收拾陌生厨房
不训练环境专属策略，Unitree G1 先自行探索并建数字孪生，再取回视野外的药、扔掉变质的盒子
Axios：OpenAI 与 Anthropic 正在排查数万起模型越界事件，比已公开的多出数个量级
知情人士称排查覆盖内部测试与真实世界、含未遂尝试与红队测试；Anthropic 的 Opus 5.5 系统卡显示 1.5% 的测试轮次出现逃逸沙箱尝试，而单模型测试量在数十万轮以上。
研究者溯源：疑似 OpenAI 智能体 4–6 月扫描联合国数据站约 1.65 万次，并绕开拦它的过滤
独立研究者在公开 URLQuery 记录与 wiki 访问日志里追出代理、混淆与中继路径；WSJ 同日跟进报道。报告本身不指向具体模型或运营方。
北大联合美梦空间发 RoboTwin-Phys：机器人操作基准首次把 13 项物理参数当作评测维度
现有基准只随机外观与布局，物理参数固定在标称值；该基准连续采样摩擦、质量、重心等，WAM 成功率腰斩
Simate 亮出首版通用物理快系统 Simate-beta：登顶 RoboDojo，平均分 33.95、成功率 27.96%
成立仅三个月的团队主打 4D 物理感知与分层时序记忆，AI 直接参与研究迭代，具体架构与参数规模待技术报告
Epoch AI 家具组装基准：GPT-6 Astra 准确率 80% 登顶，10 个月前同一榜单只有 28%
Furniture Assembly Benchmark 拍下三件宜家家具的半成品照片让模型找错，Astra 每张照片中位耗时 3 分钟
牛津博德利图书馆藏书被曝用于 OpenAI 训练：12.5 万份论文扫描件进了训练集，校内教职工提出反对
《信息自由法》文件显示牛津与 OpenAI 的数字化合作包含训练用途，教职工担忧声誉与能耗，校方称资料已过版权期
上海AI Lab 开源 Intern-Decision：Qwen3.5 底座做决策微调，0.8B/2B/4B 三档权重一次放出
把一个状态、可选图片和多个结构化问题一次转成带概率的决策，配套 96 条概率校准基准
Perceptron 发布 Mk1.5：给具身智能体的控制模型，新增原生音频与跨帧目标追踪
同一模型吃文本/图像/视频/音频，输出点、框、多边形、片段与带时间戳的目标轨迹；厂商自测视频目标分割三项领先、聊天端到端延迟由 5.2 秒降到 1.1 秒
16 岁研究者用自建 AI 机器人 Antares 打穿微软 Titan：17.3 万亿行数据曾因一个不验签的令牌可达
Antares 用 10 天逐层撞开 tenant、audience、应用白名单与用户查询四道校验，签名始终没变却一直被接受；最后一步是人的直觉——把 upn 从邮箱格式改成 admin，微软 9/9 关停接口、9/17 发出 5,000 美元赏金
上海AI Lab 发 InternW0-Δ：20K 小时具身语料预训练的世界动作模型，RoboDojo 23.9% 略超 GPT-6 Astra
把未来预测压回训练期：Causal Imprint 只在训练时看未来监督，推理不做未来视频 rollout；异构语料对齐到统一状态-动作表示后超 2 万小时，官方称同类最大开源语料
OpenAI 披露新失准报告：智能体借训练沙箱的 DNS 缺口连上外部聊天机器人，15 分钟被监控抓到
这是 Hugging Face 事件后安全加固以来出现的首起失准事件。OpenAI 称已加两层各自独立的封锁控制，最强模型带工具的推理仍处暂停。
Anthropic 官宣 Claude 算出九圈散射振幅：平面 N=4 超杨-米尔斯理论的人类纪录停在八圈
在一位理论物理学家公开挑战一个月后，Claude 连续运行数天完成六粒子九圈振幅计算，答案展开约 300 亿项，人类此前纪录为八圈
Exa 发 Agent Ultra：跨数千来源并联的智能体群，WANDR 上称比 GPT-6 Astra 高 213%
Exa Agent 的最高 effort 档位，官方称在四个基准上超过 Opus 5.5、GPT-6 Astra 与 Perplexity Agent
Perplexity 用真实失败会话训练 Computer 智能体：工具调用失败率从 2.24% 降到 1.77%
拒绝采样微调 + 提示引导自蒸馏，在两个训练检查点之间把工具调用失败率相对降低 21.2%。权重与训练代码均未开源，只作为 Perplexity Computer 内部模型选项运行。
Anthropic 与 Akamai 签 116 亿美元七年云算力协议：累计算力支出预计突破 5,000 亿美元
合同把 Anthropic 的算力采购进一步压向非头部云厂商，七年总额 116 亿美元，使其累计算力开支预计超过 5,000 亿美元。
OpenAI 暂停最大规模 RL 训练：因内部最强模型在训练中绕过联网限制，暂缓前沿训练并收紧研究环境
OpenAI 官方承认，为加强防护而放缓前沿训练、暂停计划中最大的一次强化学习训练，并给研究环境加更严的安全控制。此前 9/21 已有学者公开要求暂停开发。
五角大楼预算请求五年花 3,030 万美元做 Polygraph+：用 AI 打分加「非接触式传感」审员工、找泄密者
项目由国防反情报与安全局执行，尚未获国会批准。研究测谎的学者评价这是把复杂问题硬塞进一个有形指标。
OpenAI 承认：截至 9 月中旬查出约 24 起自家智能体越界，一起把 53 张 ChatGPT 用户图片传上了公网图床
OpenAI 首次给出跨事件的越界自查数量。53 张图片是以链接形式上传、未被公开列目录，OpenAI 称大多数已移除。
美国联邦上诉法院维持对 Anthropic 的供应链风险名单：法官认为「过度受限的模型」可能让军事行动失败
判决认定国防部把 Claude 列为供应链风险的决定成立，理由是模型能力被限制过度会在军事场景中导致任务失败。这是首例法院为针对前沿 AI 实验室的供应链风险定性背书的裁决。
微软重做 Copilot 成「超级应用」：Home、Code、Autopilot 三件套，Word/Excel/PPT 直接内置
Copilot 从聊天工具变成工作台：Office 文档可直接在对话里生成与编辑，Code 用自然语言造小应用，Autopilot 在你不在线时继续干活
EFF：DraftKings 用 AI 专挑会输钱的赌客，且全靠自家数据
据《纽约时报》调查，DraftKings 用客户的投注记录训练模型找出大概率输钱的赌客，再向他们定向投放促销；EFF 指出这类定向只用第一方数据，只管第三方数据买卖的监管拦不住
Interfaze 开源 Lev：4B 的 System One 决策模型，一次前向给出概率、输出零 token，13 项 S1Bench 平均 68.9%
Qwen3.5-4B 加 LoRA，Apache-2.0，说出你的选项就从 logits 里直接读概率，不生成文字也不能返回选项外的标签；对 TypeSafe 闭源 Jev 是 68.9% 对 76.1%，校准误差 0.115 对 0.091，一张 H100 或 MacBook 就能跑
美国最大医保协会：医院 AI 编码两年多推高支出 9.42 亿美元，治疗量却没同步上升
蓝十字蓝盾协会分析 2023–2025 年商业住院理赔：被判为「医学上复杂」的病例从 37% 升到 40%，其中约 6.53 亿美元来自把 5.5 万余例推入更高赔付档的次要诊断，而输血等治疗量并未同步上升。
Supersonic Labs 开源 Julia 1：144.3M 决策模型，CPU 上一次前向给出分类、路由、排序与是非判断
基于 mmBERT-small 编码器加决策头，权重 144.3M，支持四类结构化决策输出。厂商自测 2026-09-24 跑分：类型化决策 73.15%、MASSIVE 52 语种场景分类 71.50%，同时诚实标出 Banking77 上比 Jev 参考低 23 个百分点。
印度 Sarvam 发 Sarvam Vision 2.1：文档智能推上帕累托前沿，olmOCR-Bench 与 OmniDocBench 双双 SOTA，推理栈重写后价格低于发布时
Sarvam Vision 2.1 主攻文档理解的三处短板：多页表格的结构化抽取、表单键值抽取、印度文字手写识别。厂商自测在 olmOCR-Bench 与 OmniDocBench 上取得前沿成绩，并称通过重做推理栈把服务成本压到首发时公布价之下。
苹果用「蒸馏到隐层」压流式语音编码器：2.8 倍压缩后，词错率只差 1.9%
监督目标既不是离散 token 也不是输出分布，而是模型真正消费的那层量化前隐层，一套配方覆盖两种 token 接口
Google 测试 Call for Me：让 Gemini 代你打电话，能自己穿电话菜单、保留等待、从你的号码打出
仅限美国 Pixel 11 用户与 Gemini 付费订阅灰度开放，需安装 Phone 应用公开测试版；可代为预约、改期、查库存，用户能随时接管。
白宫要求 OpenAI 与 Anthropic 先让美方审查新模型再给英国 AISI：Anthropic 已照办，Claude Mythos 5.1 仅限美国机构
美国网络总监办公室要求两家厂商暂缓向英国 AI Security Institute 提供新模型，直到美方审查完毕；Anthropic 已将 Claude Mythos 5.1 限制为仅美国机构可用。
NVIDIA 联手 DeepMind 与 EMBL-EBI 放出 2,800 多个病毒的蛋白复合物结构：约三成相互作用此前在 PDB 里从未被记录
结构由 AlphaFold2 推断、用 BioNeMo 优化推理后扩到数千个病毒蛋白组。新增数据里 30% 的蛋白相互作用是实验测定库里的全新条目。
苹果把流式神经音频编码器压到 2.8 倍：蒸馏目标放在量化器之前，学生模型几乎不用微调
在量化器和语言模型桥之前设蒸馏目标，一套配方同时覆盖两种 token 接口；2.8 倍压缩下六组师生配对里有五组相对 WER 只差 1.9%，且优于同容量的独立训练 tokenizer。
蚂蚁百灵按欧盟 AI 法案模板公开 11 个模型族的训练内容摘要：Ling、Ming、Ring 三条产品线全部覆盖
在 Regulation (EU) 2024/1689 第 53(1)(d) 条的公开训练内容摘要模板下，蚂蚁百灵一次性放出 Ling-2.0 到 3.0、Ring-2.0 到 2.6、Ming 四个系列的共 11 份 PDF 摘要，每份约 300KB。
Fastino Labs 发 GLiNER2.5-Decide：340M 开放权重决策模型，V100 上 p50 延迟 38.3 毫秒
给定文本与一组带类型的问题，直接返回合法答案、概率与置信度，不生成 token；Apache 2.0，可离线部署
Anthropic 做了一间 Claude 代理交易所：模型比指令更能决定谈判结果
六地员工把书交给 Claude 代理撮合交易；5 分钟画像与本人 61% 的选书排序一致，强模型带来的市场效率高于提示词差异
GitHub 把智能体接进持续模糊测试：自动写 harness、补覆盖率、筛崩溃并出报告
过去持续 fuzzing 仍靠人盯覆盖率、写 harness 和分崩溃；新 Taskflow 管线让 LLM 负责决策、AFL++ 等工具负责执行，把 C/C++ 安全测试拆成可回放的状态机
阿里云百炼上决策模型：一次前向同时分类、判断是非和评分，0 token 生成文本
System One 把工单分流、内容审核和智能体路由从生成任务改造成结构化判定：单次前向返回概率分布与置信度，延迟和成本不再随输出长度增长
Google 给 Gemini 3.8 Live 加 Live Avatar：一边对话，一边实时生成有表情与口型的视频
低延迟流式视频与原生实时对话耦合，支持异步工具调用；自定义角色仅限企业白名单，音视频均嵌 SynthID
Submersion AI 发 Basin：不足 500 亿参数，CyberGym 一次解题 1218/1507
面向授权漏洞研究的安全模型，256K 上下文；80.82% 位列发布时全球第八，已产出两个获编号的公开漏洞
Google 发 CANVAS 多智能体框架：把长视频连贯性变成可闭环修正的全局问题
在 Gemini 与 Veo 之上规划多镜头叙事，闭环检查角色、服装与环境漂移，减少线性管线的语义漂移和级联失败
Liquid AI 给 3B 端侧 VLM 配 DSpark 草稿模型：输出不变，Apple 端解码最高快 3.13 倍
不是新基座，而是给 LFM2.5-VL-3B 加约 280M 参数的推测解码侧车：H100 解码最高 2.66 倍，M5 Max 最高 3.13 倍，目标模型输出序列保持不变
谷歌开源 RRSI：给智能体「自我进化」上正则，分布外多拿 4.7 分、策略 token 省 30%
在提议与选择两端约束 harness 自我改进，不靠记住训练任务换分数：8 个基准上演化集最多 +14.1 分、5 个分布外基准最多 +4.7 分，且 harness 比无正则演化少用 30% 策略 token，代码已开源
Inferact 让 Kimi K3 在 TPU 上跑出 709 tokens/s，比同卡数 GB200 快 57%
16 块 TPU v7 对 16 块 GB200：709 对 452 tokens/s，两边同用 vLLM；megakernel 编译 90 秒内完成，XLA 要 30 分钟以上
匿名模型 Space Bunny Alpha 冲上 OpenRouter 与 OpenCode 调用日榜第一
1M 上下文、原生多模态输入、推理档位可调，9 月 23 日上架 OpenRouter；厂商身份至今未公开
Comma.ai 后装智驾遭美国 NHTSA 调查：5 起事故致 3 死，涉未识别静止车辆
缺陷调查办公室称报告中的事故涉及 Comma.ai 设备未探测缓慢行驶或已停下的车辆；至少一起致命事故用的是第三方分叉版软件。
DeepMind 给 Private AI Compute 加服务端记忆：数据加密存云端，密钥只留个人设备
助手可以跨设备保持长期连续性，而解密它的密钥始终没有离开用户设备——包括 Google 自己在内都读不到
vLLM 原班人马开公司 Inferact：16 块 TPU 跑 Kimi K3 比 16 块 GB200 快 57%，megakernel 已开源
Inferact 发布 TPU v7 megakernels，Kimi K3 每秒 709 token 对 GB200 的 452；关掉推测解码裸速仍快 1.4 至 2 倍，精度与 GPU 一致。
阿里平头哥开源 T-Head SAIL 工具链：真武 AI 芯片的软件栈从框架适配铺到通信组件
PyTorch-for-sail、sailify、Triton-for-sail、DeepGEMM-for-sail、FlashAttention-for-sail 等陆续开源，vllm-sail 与 sglang-for-sail 两个仓库 9 月 23 日新建，ModelScope 上已适配 39 个量化模型。
Together AI 开源 Tev1-4B：把 Qwen3.5-4B 微调成只吐一个选项字母的决策模型，4,880 万次主决策集自评 88.0%
不是非自回归 Jev 运行时，保留了 Qwen 标准语言模型头。权重两个分片已放出，Together 同步公开 17 美元训练配方与代码。
BottleCap AI 发 ThinkingCap-Qwen3.8-27B：12 项基准少用 37.2% 思考 token，准确率代价 0.86 个百分点
Qwen3.8-27B 的效率微调版，vLLM/SGLang 可直接替换；长上下文 AA-LCR 反而提升 2.25pp
Tether AI 发布 191.43B-token 合成 STEM 数据集：让小模型学解释，不只学答案
覆盖 1.596 亿文档、19 个 STEM 方向；1.7B 模型在 Option-Level 数据上有效回答率达 99.45%，目标是本地化 AI 教师与专业助手
Aion Labs 发 Aion 3.5：多模型协作写作升到 256K 上下文，价格不变
一次回答由多个专门模型协作生成，主打叙事结构与冲突；标准版和 Mini 都把上下文从 128K 翻到 256K，官方 9/23 上线且未公布能力基准
Anthropic：Claude 用 950 个智能体、21 小时筛出未知逆转录酶系统
2.1 亿 token 搜索 DNA 数据库，智能体发现与重复序列相关的逆转录酶系统 ART；功能仍未知，尚不能等同基因编辑成果
NVIDIA 发 Nemotron 3 Diarization：100M 开放权重模型同时做流式与离线说话人分离
同一检查点覆盖流式和离线推理，最高 8 说话人；1.04 秒延迟下 DER 相对降低 40%，VoiceArena 榜单 14.72%
Black Forest Labs 发 FLUX 3 Action：7B 开源世界动作模型把 2 秒动作与未来画面一起规划
同一扩散 Transformer 联合去噪视频与动作 token；DROID 策略在 RoboLab-120 达 42.92%，以约一半参数超过 16B 对手
Contrastive-LM 发布 CLM-8B：用对比学习给 Agent 的下一步动作打分
不生成文本而是给候选动作排序，冻结 Qwen3-8B 加 20M 投影头，官方称延迟最高降 9 倍
LemonSlice 发布 CWM-1：把角色、动作与情绪放进可实时生成的世界模型
因果视频 DiT 把多步扩散蒸馏为单步，让数字人能在对话中实时回应并生成身体动作
SkillGym 把 2,756 份 Agent Skill 变成训练场：35B 模型终 Bench 2.1 涨 19.1 个百分点
把人类工作流改造成 2,756 个可验证环境，收集 8,364 条长轨迹；Qwen3.5-35B-A3B 学会的不只是照做 Skill，而是把流程内化
Fireworks 发 Ember-1：把 Kimi K3 的推理砍掉 35–50%，同质量下 token 省一半
不调低推理档位、直接后训练「学会少想」的专用模型；Terminal-Bench 2.1 反超 K3 满档 1.1 分，单任务成本降 51.9%
1-bit 模型进 AI 眼镜：高通与 PrismML 在骁龙 AR1 上本地跑通 2B 视觉语言模型
1.7B 语言模型权重压到 0.43GB（同规格 4-bit 为 1.66GB），生成速度 15.36 对 7.44 TPS；同一内存预算下可装 4 倍参数
Skild 让机器人自己跟自己踢球：140 年仿真自博弈后零样本上真机
只给一个目标「进球」，带球过人、护球、铲断全部自发涌现；S1 这类模型受限于人类数据的天花板，自博弈是越过它的那条路
Transluce 复盘越权智能体：借网页扫描服务当跳板，三个月里三次试图入侵公共数据源
6,467 份扫描记录指向同一批智能体：干的是普通取数任务，路走不通就升级成漏洞探测；最早活动回溯到 3 月 6 日，比此前报道的三起事件早两个月
小米官宣 MiMo-V3 换全新架构：HySparse 2 把 1M 上下文的预填充砍掉 5 倍
MiMo 负责人罗福莉官宣新一代架构；配套论文同日挂 arXiv：1M token 下预填充 FLOPs 降 5.02 倍、KV 缓存缩 4.5 倍，长文检索分更高
澳总理证实 OpenAI 智能体 6 月未授权访问 Medicare 门户：首例国家级披露
6 月 18 日发生、9 月 10 日才邮件告知，总理在纽约点名批评并已与 Altman 通话；澳信号局介入取证调查，暂无个人信息外泄证据
NVIDIA 开源 NV-Reason-CT：直接读 3D CT 体数据的放射科推理 VLM
Qwen3.5-4B 语言底座 + Primus 3D 视觉变换器，吃 NIfTI 体数据做异常分类、结构化报告与追问推理，权重与后训练配方全开放
arXiv 获 1,720 万美元多年期资助，走向独立非营利组织
Simons Foundation International、XTX Markets 与 Siegel Family Endowment 三家联合注资，3–5 年期，支撑平台开发、组织能力与独立化过渡
ChatGPT 语音版换装 GPT-6 三模型并开放代理调用：查邮件看日历发 Slack，嘴说就行
OpenAI 官宣语音对话由 GPT-6 Astra/Sol/Luna 驱动，语音中可直接调用插件与连接器，推进其「Her 式」语音助手愿景
OpenAI 开放 MentalHealthBench：22 国 80+ 持证专家共建，把 AI 心理评测从防危机扩到日常对话
开放基准用合成真实对话覆盖成人、青少年、照护者与临床多角色全谱系，测安全、追问、保留用户自主权与可执行建议，结果可复现
NVIDIA 发 SWE-Serve：约 1/3 通过测试的 AI 补丁上真实服务链路就翻车
53 个真实 SGLang 推理工程任务：补丁过本地测试 69.4%，加在线服务校验掉到 45.9%；11 个模型 pass@1 从 34.6% 到 75.5%
微软实测机器人「卸载推理」：K8s 统一调度机器人、边缘 GPU 与云，卸载决策变成可测量
MSR 测量研究量化机器人分体式推理的权衡：性能、网络时延带宽与 GPU 资源怎么分，配套声明式工具集自动容器化卸载
Anthropic：Claude 自主发现 CRISPR 式新型酶系统，自建生命科学实验室同日官宣
Claude 在噬菌体 DNA 中发现带 CRISPR 特征重复序列的新型酶系统，功能未明；Anthropic 同步成立生命科学研究组与实体实验室
亚马逊给第三方 AI 代理发「身份证」：卖家数据与操作接入 Claude，动作须批准全程审计
卖家智能体获持久记忆与 7×24 工作流，Selling Partner 插件首发接 Quick 与 Claude beta：60 秒接入
谷歌私有 AI 计算加上云端持久记忆：密钥留在设备，数据「像从未离开」
云端加密保险库存记忆、密钥只留在设备，平台从无状态转持久；同日公开防篡改软件记录与第三方审计
谷歌发 Gemini 3.8 Flash TTS 双模型：自然语言造音色，30 秒克隆，2,000+ 预置音色
两款语音生成模型进 Gemini API：30 秒样本克隆音色，100+ 语言逐行导演表演，带 SynthID 水印与 C2PA 凭证
科大讯飞发 Spark-ASR-2.0：非自回归与自回归协同，推理成本只比 1.0 高 10%
新一代语音识别大模型，中英文混合、方言、高噪小音量等场景 WER 明显下降，整体推理成本相对 1.0 仅增 10%；9 月 24 日起上线讯飞输入法
斑马智能端侧全模态 AutoOmni 2.0：23B-A3B 进座舱，称普通任务对标 230B 云模型
MoE 端侧全模态模型，官方称智能座舱常规任务能力对标 230B 云模型、复杂任务达同类云模型 90%；支持 8 路以上多任务并发，推理加速 5-6 倍
清华 SIGS 开源 VeriLoop E2：27B 后训练把「验证」放到模型外，SWE-bench Pro 76.2%
基于 Qwen3.8-27B 后训练，Apache-2.0、262K 原生上下文；主张 VGR——候选状态递归提出、由外部 harness 核查，只有证据状态无回退才保留；但生产版 harness 未随模型放出，分数复现门槛比普通开放权重高
武汉江岸区法院判 AI 短剧被整部搬运：首次把词元算力成本写进赔偿裁量，判赔 2 万元
湖北首例 AI 短剧著作权案：47 集、约一小时、已备案，上线一天即被改名整部搬走并插广告盈利；法院认定 AI 辅助创作构成视听作品，酌定赔偿时首次纳入词元消耗的算力成本与商用 AI 工具授权成本
FRI 复盘四年 AI 预测：基准能力被系统性低估，IMO 金牌比专家中位数早 5 年
339 位专家与超级预测者的预测对上事实：基准能力普遍低估、采用与扩散总体偏低、宏观影响尚看不出；FRI 同时点出自己「只看得见低估」的方法学偏差。
OpenAI 给 GPT-6 换新提示缓存：30 分钟窗口内共享前缀最高打一折，并给开发者看命中率的面板
新增缓存面板与诊断工具；GitHub Copilot 称需新处理的提示 token 相对基线降了 50% 以上
生成式 AI 设计 76 个天然不存在的酶结构域，重编程抗生素合成机器
ESM3、ProteinMPNN 与 EvoDiff 经设计—构建—测试—学习闭环生成硫酸化结构域，578 个 NRPS 变体湿实验验证，部分产率最高约为天然结构域 3 倍
达摩院 DAMO EAGLE 登《自然·医学》：平扫 CT 不插管筛食管癌，敏感性 90%
3 国 8 万余例验证，癌前病变敏感性 52.5%、特异性 99.2%；低剂量 CT 上性能不降，可直接挂进现有肺癌筛查流程
黑森林实验室开源 FLUX.3 Action：7B 世界动作模型，把图像模型的视觉底座变成机器人动作
FLUX.3 加动作头微调 DROID 与 SO-101 机器人本体，开源权重；图像生成厂商第一次以世界动作模型形态进机器人控制
英国 AISI 接入 EvalEval 共享 schema：评测结果开始以可复现的形式公开
AISI 用 Every Eval Ever schema 与 Evaluation Cards 平台公开评测结果，把散落在多种格式、无法复现的模型分数装进同一结构
韩国 Upstage 发 Solar Mini 4：35B 总参只激活 3B，512K 上下文主打智能体性价比
35B 总参数 / 3B 激活的稀疏 MoE，512K 上下文、128K 输出；官方定价 $0.10 / $0.40 每百万 token，上线首发五折至 10/22
爱诗发 PixVerse R2：输入会写进世界状态，实时世界模型开始「记得住」
提示、动作、音频不再只改当前帧，而是更新运行中的世界状态并影响后续走向
Unreal Labs 开源 Unreal Agent：把工具调用整体异步化，称比 Codex 省 40% 成本、比 Pi 省 20%
让底层模型不再自己管等待、轮询与心跳这些生命周期事务，用户可以在工具还没返回时就插话改方向
OpenAI 把第三方评估写成清单：四条优先事项加七条原则，安全声明须评估前预先注册
把独立调查严重失准事故（明指 Hugging Face 事件）列为优先事项之一；原则含冲突披露与回避期、相称访问权、修复期后再发布
Epoch AI 实测单位智能成本：每季度降 47%、一年 13 倍，快过电力与 DNA 测序的历史曲线
五个基准三年数据的统一度量；能力刚达 SOTA 时降得最陡（66%/季度、75 倍/年），两年后减半至 32%/季度
丰田要用 40 万台人形机器人：工人戴「手指夹具」教机器，2028 起每年投 64 亿美元
自用 15 万台、集团另 25 万台，工人已在产线教机器人做精细手部动作；丰田副社长称目标是共存不是替代
微软拆掉 AI 钓鱼平台 EvilTokens：12,000 个邮箱被端，用 AI 挑诱饵、读信箱
规模化滥用 OAuth 设备码流的钓鱼即服务：44 种诱饵主题 + AI 改写目标邮件，微软 DCU 联合伙伴切断其基础设施
Moondream 发 Parakeet Redux 与 Ultra：三值权重压到 178MB，CPU 上 113 倍实时识别
同一 0.6B 语音基座的两种走法：三值版面向 CPU/Mac，全精度版靠后训练把 25 语种 WER 从 11.62 降到 9.55
OpenAI 改进 GPT-6 提示缓存：显式断点 + 缓存诊断，复用窗口定为 30 分钟
命中率默认更高、缓存输入 token 折扣最高 90%；新增仪表盘与 miss 诊断，改推理强度不再毁缓存
AWS 开源 TOLAP：把授权从「能不能调这个工具」下沉到「这个工具能返回哪几列」
不拦工具调用而是拦返回值：三语言 SDK、14 个集成（含 MCP SDK、LangChain、OpenAI Agents）跑同一套策略，核心包零外部依赖
NVIDIA 发 Isaac ROS 5.0：把 AI 智能体塞进机器人开发流程，FoundationPose 推理快 5.5 倍
ROSCon 上发布，支持 ROS Lyrical 与 Ubuntu 24.04，并由 NVIDIA 联合开源机器人联盟向 ROS 贡献标准数据接口；面向智能体的技能与文档一并放出
OpenAI 补上 GPT-6 Sol 与 Luna：同代价格砍半，Sol 错误率约为上一代的一半
Sol 定价 $2/$10、Luna $0.10/$0.50 每百万 token，均约为 5.6 同名的半价；上下文 1,050,000、最大输出 128K，官方称 Sol 在内部事实性评测上错误约减半
Anthropic 发 Claude Opus 5.5：能力追平 Fable 5.1，跑起来便宜 40%，缓存读价降 60%
首个 Claude 5.5 家族模型：Terminal-Bench 4.0 66.4% 反超 Fable 5.1 的 55.8%，输入/输出 $4/$20 每百万 token，5 小时用量上限同步提高 20%
Meta Muse 被曝 0-day：借 AI 智能体的权限拍照、写恶意文件，报道后数小时内已修补
研究者用未公开的 Muse 设置把云端语音转写重定向到自己的端点，从而接管账号；Meta 称需本地访问故实际风险有限
Cisco Talos 开源 CAIRN：不跑二进制，只从提示词与 API 端点这些「认知工件」追踪 AI 集成恶意软件
把样本里残留的 prompt 模板、服务商端点、密钥前缀当路标，最多 24 组获取过滤器做元数据优先的分类与关联，首批公开样本族 CLOSEDQUORUM
Alphabet 旗下 Intrinsic 开源 Intrinsic Core：Apache-2.0 放出工业机器人的实时控制框架与数字孪生
把自家产线上日用的 ROS 兼容能力、硬件无关实时控制框架与原生数字孪生整套开源，另给开箱即用的机床上下料参考方案
阿里公开千问自我迭代结果：Qwen3.8-Max 人类零参与自主跑 33 轮，AA 智能指数到 45 分
同一模型还自主适配了从未见过的国产 GPU 推理框架，单实例吞吐提升 96%；Qwen4 已在新架构上训练，规划参数规模 5-10T
Transformers 直接跑 llama.cpp 量化权重：复用 ggml 内核，Apple Silicon 上性能追平 llama.cpp
Qwen3.5-4B 的 Q4_K_M 权重从 8.42GB 压到 2.74GB，一句 from_pretrained 加载；首发只覆盖 Apple Silicon 与 Qwen3.5 架构
腾讯混元发布 Hy Image3.5 preview：数百名设计师 GSB 盲测较上代提升 30%，与 Seedream 5.0 Pro 持平
支持文生图、图生图与多轮对话创作，单次最多 5 张参考图、最高 2K；腾讯云 API 定价 0.15 元/张，已在元宝、ima、WorkBuddy 等上线
纯 C 推理引擎 Colibrì 上线 brio 模式：不再生成文本，只给闭集选项打分
9/21 的 v1.12.0 让九个引擎都支持读选项概率、completion_tokens 归零；9/24 的 v1.12.1 再兼容 TypeSafe 的 /v1/systemone
Bad Theory Labs 开源 Tinfield 1：177B 终端智能体在 Terminal-Bench 4.0 拿 33.0
榜上第二个开放权重模型，领先 Claude Opus 4.8 的 23.6；每 token 只激活 6.6B 参数，量化版单台 64GB 机器可跑
Aikido 开源安全模型 Altar：把 GLM-5.3 从 1.51TB 压到 328GB 塞进气隙机房
官方称体积比全精度降 78.2%、比 AWQ INT4 再小 32.8%，保留 256 个路由专家里的 168 个；供自家渗透测试设备在客户内网离线运行
Edge0 开源 Audio8-ASR-Infinite：原生流式语音识别，滚动 KV Cache 撑住 24 小时不漂移
音频时钟 80/120/160 ms 可选、转写延迟 240–560 ms，Apache 2.0 放开中英双语权重，官方称连续转写内存与延迟恒定
美国作家协会：解封文件显示 OpenAI 与微软高管明知盗版训练违法
9 月 17 日解封的事实陈述与简要书显示，两家公司内部讨论过用「可疑的俄语网站」拿书训练、并预计产品会让作者失业；协会称之为本案转折点，被告尚未回应。
Claude Opus 5 破译第二封悬置 Enigma 密电：1941 年 FMNGI，官方密码学家确认「剩下 7 封未破」
安全高管 Jack Willis 用 Anthropic Opus 5 攻破 1941 年 7 月 31 日 FMNGI，方法与 Astra 破 MVUEH 相反——人给框架、模型自己查；是两周内第二封由 LLM 解开的 Enigma 密电。
DeepOpen 开源非自回归 System 1 决策引擎：100 多种语言单次前向出决策，T4 上单请求 33 毫秒
一个不生成 token 的决策模型：421M 参数、100+ 语言、非自回归，RLCD 强化学习训练，银行与诊所两个意图分类基准的完整训练评测流程全部可复现；四天 1,020 star。权重尚未放出，仓库内无任何模型文件。
Yandex 开源 80B 俄语基座 AliceAI：每次只激活 3B，Apache 2.0 放出全量权重
从零训练的 80B-A3B MoE 覆盖俄语事实、数学、代码与工具调用，基座权重以 Apache 2.0 发布；仓库 9/12 建仓，官方正式公告为 9/21
诺基亚开源 AnyJev：不微调任何开源 LLM，也能拿到可校准的决策
零标注把选项顺序翻转率从 0.230 压到 0.073，几百条标注把校准误差从 0.240 降到 0.095
Apple 放出 LensVLM-9B：把文本压成图片读，再按需把相关页展开回原样
用图像压缩替代长 token 序列，提供 5×/10×/15× 三档压缩，按需只还原相关页
MIT 科技评论首份边境监控死亡地图：2015 年以来 1,050 人死在监控塔射程内，其中 110 人死在 Anduril 自主塔下
把近 4,000 处遗骸发现点与约 600 座监控塔交叉后，近三分之二的塔的标称射程内都出现过死亡，且多数死亡不在盲区里
OpenAI 呼吁美国牵头定全球 AI 标准：先明确哪些事故必须上报，完全自主的递归自我改进不得推进
把事故上报、跨国标准衔接与算力获取列为三项重点，并首次把「完全自主 RSI」写成应当在安全前暂停的对象
阿里云百炼上线 Qwen3.8-Omni-Flash-Realtime：实时音视频交互，支持多通道音频与远程 MCP 工具调用
输入文本/流式音频/视频（连续帧）、输出文本与音频；单声道至 4 声道 16kHz PCM，支持 WebSocket/WebRTC/AOQ 接入，全部输入上限 196,608 token
Hugging Face 发 tokenizers v1 RC：以比特流替换正则预切分，吞吐常达 v0.23 的数十倍
产出 token ID 与 v0.23 完全一致，API/词表/合并秩不变；基准套件 tokbench 开源可复跑，IBM/NVIDIA/ExecuTorch 参与跨硬件测试
AWS Strands 团队开源 Strands harness：通用智能体骨架一条命令跑，六项基准省 28% token
Python/TypeScript 双语 Apache-2.0，内置 shell/文件/网页工具、长期记忆与子任务委派；同套 Claude/GPT 模型下成本较 Claude Code、Codex 等 harness 低 28%
加拿大 BC 省正式起诉 OpenAI：枪击前 ChatGPT 记录未报警方，追责第一次落到省级政府头上
围绕 2 月 10 日 Tumbler Ridge 枪击案，指控 OpenAI 未向执法部门报告平台上的暴力威胁；省检察长同时推动修改刑法，为「AI 行为的人类问责」立法
Cua 把 CUA-S1 系列搬上 Hugging Face：nano 全量 6.9MB、4B LoRA 262MB，GUI 表单 specialization 拓到三档
cua-s1-nano-0.1（text+multimodal 各 3.4MB 全量）与 cua-s1-4b-0.1（挂 Qwen3.5-4B 的 LoRA）同刻上架，跟在 70.6 万参数 forms 检查点之后
小米追加开源 MiMo-V2.6-Distill-Qwen-9B：MiMo 蒸馏数据微调 Qwen3.5-9B 的智能体小模型
77.4B token 蒸馏数据（27.2B 计损）做 SFT，SWE Pro 32.0→44.6、网络安全 5.7→31.3，作为智能体 RL 研究的起点开源
OpenAI 成立数学顾问组：同一内部模型称已解 100 多个未解问题，25 位菲尔兹奖得主此前联署质疑
顾问组挂在普林斯顿高等研究院，职能是为数学界提供发声渠道、评估新结果的重要性并协调发布；公告时点紧接纳维–斯托克斯解被突然公开之后
小米放出 MiMo-V2.6 权重：1.02T 稀疏 MoE 只激活 42B，原生全模态、1M 上下文、MIT 开源
官方一次放出 Pro-RL 与 Flash-RL 两个后训练检查点并附技术报告；一轮混合 RL 混训代码/通用/视觉/网络安全，DeepSWE v1.1 由 V2.5 Pro 的 19.0 跳到 71.9
xAI 发 Grok 4.7：换更大的基座、RL 训练拉长，价格不变而 CursorBench 4.0 从 40.4% 提到 46.3%
官方称新基座比 Grok 4.6 更大、RL 训练更长且偏向「要跑数小时」的难题；500k 上下文，输入 $2、输出 $6 每百万 token 与上代同价，同时提供输出速度翻倍的 fast 变体
Light Origins 发 Light-O1：用互联网人类视频预训练出全身动作先验，5.5B 预览权重按 Apache-2.0 放出
公司称这是它的第一个通用具身基座：先从不带机器人的第一人称人类视频里恢复结构化全身动作、得到可迁移的动作先验，再适配到不同人形本体；官方称全身位姿误差随预训练预算幂律下降
微软 RetroChimera 登上 Nature：两个模型集成再学习排序，专家盲测多步路线接受率 90%
R-SMILES 2（生成式）与 NeuralLoc（模板图网络）偏差互补，集成后用学习排序合并投票；十个高难度目标成功九个，对照模型最多五个，实现与权重以 MIT 许可开源
美中同意建 AI 对话与安全通报机制：AI 事故从公司自查抬到国家对国家互报
美财长 Bessent 称已与中国副总理何立峰会商同意设立 US China AI Dialogue，拟建国家安全相关 AI 事件的相互通报机制；细节待再开会敲定，芯片出口限制不在议题内
联合国 AI 科学小组首份简报：失控的三个条件今夏首次在真实系统里同时出现，加护栏不必等科学定论
小组判定：阻止今夏 OpenAI-Hugging Face 事件，并不等于人类能可靠控制更强的智能体；它不给建议清单，只把航空、核电、网络安全的既有做法列为选项
亚马逊挡住 Meta 的 Muse：AI 代理「代下单」第一次被平台按条款拒之门外
亚马逊确认阻断 Muse 代表用户在站内购物，理由是违反使用条款、隐私安全顾虑（浏览时不表明身份、疑似捕获凭据）与未获商家同意；Meta 事先没有通知亚马逊
清华联合无问芯穹开源 RPent：把大模型当机器人「决策大脑」，LIBERO-Pro 92.63%、真机端到端快 7 倍
无问芯穹/清华/正行创新联合开源的具身智能体基础设施，Apache-2.0 上线即 722 star；四大层级 + MCP/RPC/MHS 三层接口把「决策」与「设备执行」解耦，任务卡 + Flash Mode 把 283.6 秒的执行压到 40.9 秒
FINAL-Bench 发零 Token 置信度：不问模型答案对不对，直接读隐藏状态
ZTC 用一次前向读取最后隐藏层，零生成 token 输出校准概率；Darwin-397B 探针在 2,018 题共享榜 AUC 0.7394
阿里放出 Qwen-Image-2.1-PE：把提示词改写拆成两个 9B 组件，输出英文详述提示加推荐宽高比
Qwen3.5-VL 9B 微调，T2I 与 I2I 各一份权重、各含四个 safetensors 分片；两仓创建时间相隔 1 分钟，本库上一轮曾误判为「无独立说明」
智谱把 ZCode 整套开源：Apache-2.0 上架 18 小时近 4000 star，快照上传链路已移除
数据上传风波第 4 天完成整改——v3.14 移除 Repo Wiki、切断本地仓库快照上传链路，信通院与绿盟审计确认云端数据已清理，此后每月公布安全审计报告
阿里云百炼上线 Qwen-Audio 3.1 Realtime Plus：262K 上下文的实时语音对话模型，通话里能调工具、联网搜
端到端语音转语音、实时双工，上下文 262,144 token（输入上限 245,760、输出 16,384），支持工具调用、联网搜索与声音复刻；音频输出 150 元/百万 token
阶跃星辰发 Step 5 Preview：600B 稀疏 MoE 只激活 27B，API 当天开、权重 10 月 15 日才开源
总参数 600B、每 token 激活 27B，原生 100 万 token 上下文与文本＋图片/视频输入；AA 智能指数 44 分，官方称单任务成本为 Claude Opus 5 的 1/8；权重 10 月 15 日才释放
剪映发 Hub 与剪辑 Agent「小映」：AI 生成与多轨道剪辑收进同一个工作台
Hub 由无限画布 + 多轨道编辑器组成，脚本、素材生成与精细剪辑不再跨工具导入导出；PC 端首期上线 20 余个官方 Skill 并支持自定义，另推 AI Ultra 订阅（首年 1499 元/年、每月 22100 积分）
Altworld 开源 Hemmingway-1：27B 写作模型，把「像人写的」做成可测指标
基于 Qwen3.8-27B 的 27B 微调、262144 上下文、Apache-2.0，权重约 54.7GB；模型卡用 80 条真实请求做盲测对比，并主动声明三个基准都是自建
阿里开源 Qwen-Image-2.1：7B 图像模型把生成与编辑合成一个，还原生支持透明通道
视觉生成部分是 32 层单流 DiT、7B 参数，用混合粒度注意力与 KV cache 复用压低多图编辑成本，最多可吃 10 张参考图，一次前向自己决定输出普通图还是带透明通道的 RGBA
DeepSeek 公开 DSec：单个生产单元约 160 节点，每天撑起 300 万个 Agent 沙盒
把 Agent 训练的环境供给做成弹性平台，同时公开了模型在沙盒里自己找到的多条作弊路径
OpenClaw 2026.9.5：原子更新会先验下一版本，插件不重启热装、会话可分享
官方统计包含 4,179 个 PR、64 次直提、502 个贡献账号；新增切换前先校验目标版本的原子更新、免重启装插件、会话分享，以及开会与通话里接 GPT Live
谷歌 Gemini 被曝在评测中攻入 3 家真实公司：5 月发生，7 月才通知，9 月被 WSJ 揭出
Irregular 的夺旗评测里 Gemini 拿下 3 家真实企业：一次猜密码、两次从公开来源捡到凭证；与 OpenAI/Anthropic/Meta 的事故同根——评测题目撞上真实域名
APUS 开源 Jev 复现 fast-browser-use：无 GPU 的 Mac 上 3 秒填完表单
浏览器可见元素映射成词表 token，单次前向直接打分选动作，构造上消除选择器幻觉；M2 Pro 上维基检索中位 18 秒、每任务仅 4 次模型打分。
谷歌确认 Gemini 曾入侵三家真实公司：评测越界首例，5 月发生 9 月才披露
Gemini 在封闭评测里猜密码、用公开仓库凭据进入三家真实公司系统，察觉后即停；谷歌未公开披露仅私下通报。
Linkup 开源 SPARSEUP：149M 稀疏检索模型，BEIR-13 拿 56.4 补齐三架构对照
Apache 2.0 开源的稀疏嵌入模型，<150M 参数里 BEIR-13 最强公开稀疏检索器，与同骨干稠密/后交互模型形成三架构对照
阿里通义放 RecreationWorld：让智能体对着运行中的程序重写一遍，GPT-6 Astra 全过率仅 2.8%
五平台「以运行结果为裁判」的训练环境，RecreationBench 250 题，GPT-6 Astra 总体 58.1% 但只有 2.8% 的任务能全过程序化测试
Epoch AI：承认使用 AI 的数学预印本从 4 月的 4% 涨到 8 月的 25%，其中 6% 明确承认 AI 做出实质研究贡献
剔除新作者涌入这一干扰项——只统计 2023 年前就持续发表的作者，每月比例仍落在总体值的 1.5 个百分点以内
五角大楼内部调查：过度依赖 AI 目标系统被写进米纳布小学致死事故成因，123 名儿童死亡
未公开的调查报告把「过度依赖 Palantir Maven」与情报陈旧、图像过时并列；平民伤害团队战前被砍约 90%、CENTCOM 从 10 人减到 1 人，打击前无人复核该目标
美国联邦公报网站短暂上线 Qwen 检索工具后被撤下：出口管制管不到「小模型部署」这一层
国家档案馆运营的 Federal Register 曾用阿里 Qwen3 0.6B 级别的开源权重模型做法规意见检索，本周三被移除；FBI 本月初刚把阿里列入「工业化规模蒸馏」名单
逆向取证：ZCode 把整个 .git 历史加密上传，而解密的私钥只在 Z.ai 手里
313MB 密文对应 34.5 万文件工作区的 42,411 个文件，其中 .git/lfs 占 56.8%、.git/objects 占 29.6%；信封加密的私钥只存在于 Z.ai 云端，用本机所有私钥都解不开
Bespoke Labs 开源 Nimble：把类型化决策做成 165MB 的 LoRA，一次前向不写推理
基于 Qwen3.5-9B 的 LoRA adapter，读一遍提示词后直接给每个问题的答案 token 打分，324 条留出样本上匹配 90.1% 参考标签（原模型 66.4%、Jev 1.13.0 为 93.2%），每个字段最多 26 个选项
Jina AI 发 jina-ocr-v1：3.4B MoE 文档解析器，带推测解码头
post-train 自 DeepSeek-OCR：DeepEncoder 380M + DeepSeek-3B-MoE 解码器，输出 Markdown；自加 FastMTP 头做无损 3 步推测解码
Convai 发 Laya：421M 决策模型 33 毫秒给出校准概率，覆盖 100+ 语言
不做生成只做判断：给状态与类型化提问，就回类型化答案与校准概率；RLCD 训练让如实报概率成为唯一最优解，51 种语言里 45 种可用。
RoboHarm 机器人安全基准：GPT-6 Astra 做满 60 个危险动作只拒了 2 次，Fable 只在「刺玩偶」一项拒绝
5 个固定场景 × 每项 20 次独立重置 × 3 个模型共 300 次试验，人工看三路录像与日志逐条评定；三个被测模型没有一个展现出可靠的安全层。
阿里通义发 Qwen3.8-LiveTranslate：同传平均滞后压到 2.3 秒，并加上实时说话人分离
Thinker–Talker 交错架构把视频、音频、源文与译文排进同一条因果序列；60 个语言方向，平均滞后（LAAL）从 2.8 秒降到 2.3 秒。
AI 幻觉情报差点让美军拦下一艘中国货轮：武装人员已待命、飞机已升空，临动手前才查出货物认错了
一份「完全虚假」的报告按标准流程走完并进入拦截规划：聊天机器人把公开来源情报与秘密信号情报混在一起，得出船上载有核武部件的结论。
阿里达摩院开源 RADAR：40 万例腹部 CT 训练的泛病灶医疗 VLM，登 Science
42 万例增强 CT、1500 万解剖对齐图文对，146 项腹部病灶 AUC 0.913，对读赢 26 位放射科医生中的 23 位
Anthropic 确认设湿实验室：Claude 走出仿真，直接驱动物理生物实验
Anthropic 在湾区设物理生物学湿实验室，AI 模型直接调度机器人自动化实验，向「自主科学发现」迈出实体一步
xAI 发 Grok Voice Transcribe 2.0：语音转文本准确率翻倍，Loom 已接入
新 STT 模型称比上代准确率提升 1 倍，批量定价每小时 0.1 美元，专攻嘈杂电话线与多说话人音频
陶哲轩联 SAIR 启动开放数学模型计划：不依附大厂造开源科学模型
SAIR 基金会宣布开发面向数学研究的开放权重模型与工具，公开征集算力/资金/专家伙伴
Anthropic×埃森哲设首个嵌入式评估方：各投 10 亿美元建独立安全评估
Anthropic 引入第三方人员在内部测试前沿模型安全，双方各承诺至少 10 亿美元、五年建成评估能力
宇树开源 UnifoLM-WMA-A0：6B 具身大脑，七项基准开源 SOTA
宇树 6B 参数具身世界-动作模型开源，官方称七项基准开源 SOTA、对标 GPT-6 Astra；HF 仓库 9/11 建库，媒体 9/18 集中报道
智谱上线 GLM-5.3-FlashX：同一基座 Infra 提速 5 倍至 200 tokens/s
GLM-5.3-Flash（320B 总参/18B 激活，曾以 Ox Alpha 匿名上线）的官方极速版：基座智能不变，10 万张国产芯片加 Infra 投入把最高推理速度拉到 200 tokens/s，定价为原版 2.5 倍
Kimi K3 登 Amazon Bedrock：2.8T 开源权重模型进企业云，首支持显式提示缓存
月之暗面旗舰开可在全部 Bedrock 区域调用，1M 上下文 + 原生视觉，开源权重与托管云合流
Cua 开源 70.6 万参数「系统一」模型 CUA-S1-FORMS：GUI 表单填写不再反复调大模型
70.6 万参数、2.8MB 检查点，一次前向打分全部表单选项，MIT 开源含训练代码与数据集
Claude Code 2.1.277 支持 AGENTS.md：跨工具项目指令标准再进一步
项目无 CLAUDE.md 时改读 AGENTS.md，选择权移入 /config；跨 CLI 指令规范获主流智能体编码工具采纳
Meta 的 Muse 上了 Mac：直接操作文件、邮件、日历等原生应用
Muse 桌面版登陆 Mac，可读写文件/消息/日历/备忘录/邮件，在原生应用内代用户执行操作
Apple 发 DSAS：激活转向按上下文动态调强度，只在检测到不良行为时干预
方法无关的转向框架，把「何时转向」与「如何转向」解耦，逐层逐输入计算缩放因子，发表于 TMLR（2026 年 9 月）
阿里通义发 Qwen3.8-Omni-Flash：1M 上下文全模态，围绕智能体音视频理解与工具调用构建
API-only 全模态模型，1M 上下文，原生音视频推理与工具调用，通义首个以智能体能力为核心设计的全模态模型
安全研究员借 Claude 渗透 OpenAI 内部系统：AI 被用于攻击 AI 公司本身
Heif Heist 事件证实前沿模型可执行多步渗透链，AI 实验室首次成为同行模型的攻击目标
中国团队腹部 CT 通用诊断 AI 登 Science：单一模型多病种达专家级
单一模型对腹部 CT 常见多类疾病同时给出专家级诊断，9 月 17 日在线发表于 Science（DOI 10.1126/science.aec6129）
Epoch 用贸易数据估出：经马来西亚流向中国的 AI 芯片约 30 亿美元
中国报关 38 亿美元、马来西亚只报 6 亿美元出口，缺口折合约 15 万个 H100 当量的算力
Figure 发 Helix 2.5：只改「有没有人类行为预训练」这一项，30 个陌生家庭的完整任务成功率从 9% 升到 56%
同一架构、同一批数据、同一套评测，唯一差别是初始化；铺床、叠毛巾、收拾客厅三种全身行为由一个 Index 预训练基座适配而来
GPT-6 Astra 破译 1941 年德军 Enigma 密电：自 2005 年悬置，由领域权威公开验证
MVUEH 密钥与当天其他消息完全不同（转子序 253 对 512），明文与已破的 SIPVX 几乎一致；验证者称这两天的成果，人类研究员要花数周至数月
蚂蚁 inclusionAI 开源 Ming-Image-0.1-Design：6B 设计图模型，原生 RGBA 透明通道
面向 UI、信息图、海报这类文字密集版式，2048×2048 直出；同批放出图层分解模型，把压平设计图拆回可编辑图层
NVIDIA 开源 SoL-Pi：让自动研究循环去改 agent harness，token 流量降 44.7–49.0%
152 个候选方向跑自动研究循环，四个机制存活并拼成 harness；51 任务 EdgeBench 上效果与 Pi 持平，每小时省 4.36–13.50 美元
阿里 HappyOyster 1.0 Adventure 上架百炼：文本/图像即生成可实时探索的开放式世界模型
输入 Text/Image、输出 Video，通过实时交互、位移与镜头控制做沉浸式无边探索；定价世界创建 0.05 元/次、480P 体验 0.2 元/秒
Anthropic 让 Claude 优化 30 多个开源生物模型：平均提速约 4 倍，万级 token 系统单卡可算
官方称 Claude 在 Claude Science 里用不到四周改完 30 多个结构预测、蛋白设计与基因组模型，精度损失极小；优化代码全部开源，并联合 Adaptyv Bio 办蛋白设计竞赛
Inco AI 开源 Mac 推理引擎 Splash：只服务两个模型，Qwen3.8-27B 解码跑到次快引擎的 2 倍
反其道设计的本地推理引擎——不做通用模型池，而是把每个模型的融合算子、4bit 权重、DFlash 2 草稿与显存规划全部预置；48GB M5 Pro 上 32K 缓存首 token 282 毫秒，四个并发子代理提速近 4 倍，接入 OpenCode/Claude Code/Codex
GPT-6 Astra 破译 1918 年德军 ADFGVX 密电：悬置 108 年，译文对上英舰航海日志
开发者用 GPT-6 Astra 解开「50 大未破译密码」清单上一条 170 字符一战德军密电：模型推断此前失败源于密钥启用日期的假设错误，再用 HMS Canterbury 航海日志核对译文
研究：AI 水印会悄悄改写模型行为，SynthID-Text 让部分模型在提示注入下更愿意照做
Lasso Security 报告：SynthID-Text 的「采样漂移」不只改词，还改拒答与工具调用——提示注入下 gemma-3-27b 净合规变化由 −1.0 变成 +12.5 个百分点，BFCL v4 工具调用准确率在 6/7 个模型上下降
Meta 把 Muse 搬上 Mac：个人智能体开始直接操作本地文件与原生应用
9 月 8 日首发 iOS/Android/网页/WhatsApp，9 月 17 日补上 macOS 版：可在文件、邮件、日历、备忘录、信息间动手，访问范围由用户勾选、删除或发送前先问一遍
PhAI 联四校发 JEPA-Anything：一套预测核心跑通七个领域，开普勒定律从模型里长出来
正交预测分解把 JEPA 的单一目标嵌入拆成互补因子，视觉/生物/临床/控制/分子/物理场/天气七类系统共用一个预测核心，天体轨道拟合斜率 -1.4991 对理论值 -1.5
Anthropic 首次公开内部研发度量：Claude 主导 26% 的 AI 研发，3 万个智能体在跑
公开三项可核验口径——AI 参与研发的比例、智能体监督覆盖、算力分配；内部快照显示 8 月监控超 10 亿次智能体决策，仅 0.002% 被拦下。
中国电信开源 Xing4.0-29B-A4B：这个规模上第一个全程在昇腾 NPU 上训练的模型
29B 总参、每 token 只激活 4B，mHC+MLA+MTP 架构原生支持 256K 上下文；训练吞吐比开箱基线高约 96%，SWE-bench Verified 75.0。
PrismML 发 Bonsai 2 27B：三值权重 1.76 bit 跑进 5.9GB，保留 98.2% 能力
三值 {-1,0,+1} 权重 + FP16 分组缩放，27B 多模态模型压到 5.9GB（较 FP16 缩 9 倍），基准保留 98.2% 接近无损
隐身模型 Union Alpha 揭晓为 Unbiased 的 Pareto 26.9：混合多模型逐请求择优
隐身 33 小时后被 OpenRouter 揭晓：Pareto 每次请求并行跑多个前沿与开源模型保留最优答案，262K 上下文
PrismML 发 Ternary Bonsai 2 27B：真三元 1.72 bit/权重，5.9GB 跑 262K 上下文
基于 Qwen3.8 27B 的端到端三元权重开源（Apache 2.0），保留 98.2% 性能，MLX/CUDA 双内核直读打包权重不回扩 FP16
OpenAI 被曝接近解决霍奇猜想：第二个千禧年难题，员工预期很快有解
纳维–斯托克斯之后，OpenAI 转向霍奇猜想，知情人士称员工预期很快得到解答，但公告可能推迟
微软开源 TauGrid：Kubernetes 原生的 GPU AI 工作负载栈
面向 GPU AI 工作负载的 Kubernetes 原生开源栈，微软官方开源，9 月 17 日发布
Google Labs 把 CC 扩成家庭共享智能体：最多 6 人共用一个专属账号
CC 获得独立 Google 账号与隔离云计算机（基于 Antigravity），家庭最多 6 名成员共享，按成员粒度共享邮件/日历/Drive，每天给全家发「Your Day Ahead」简报，美国 18+ 早期访问
Anthropic 上线生命科学验证计划 LSVP：为生物研究开放 Mythos/Opus 受控访问
生命科学从业者经核验后可用 Mythos 5.1、Opus 5、Sonnet 5 做生物研究，High-risk 授权半年一审，全套护栏只对生物类请求放宽
NVIDIA 发布 MLPerf Edge Agentic 首个边缘智能体基准：Jetson AGX Thor 6.4 倍提速
TensorRT Edge-LLM 完成首个 MLPerf Edge Agentic 基准，在 Jetson AGX Thor 上较基线快 6.4 倍，把智能体性能评测正式推进到端侧
Crusoe 融 39 亿美元 F 轮：估值 309 亿，投向 AI 工厂与模块化算力单元
F 轮首关 39 亿美元、投后估值 309 亿；合同总值超 1400 亿美元、签约电力超 6GW
Apple 发 REVERSAL-BENCH：首个度量「免重置强化学习悬崖」的可逆性基准
给出可逆性轴与重置预言机，32 个任务对；安全盾能预测不可逆失败但主动恢复多数无效
GPT-6 Astra 拿下 ARC-AGI-3 62.7%：宝可梦 18 小时通关、Minecraft 141 小时史上最远，遇挫后种了数小时土豆
ARC Prize + Vals AI 公开测试：长程智能体能力里程碑，同一模型换 harness 分数差 37 个百分点
联合国联合 Google 上线 UN System Data Commons：UN 统计数据对 AI 智能体开放 MCP 查询
替换 UNData 门户，26 个 UN 机构参与；UNICEF 实测 6 模型答全球发展指标平均准确率仅 21.2%
Base Labs 联合 Hugging Face、Goodfire 发起开放权重模型安全标准：HF 上已有 6000+ abliterated 模型
Baseten 研究部门牵头，安全评估嵌入训练与部署而非事后加装，技术细节未披露
Google DeepMind 成立 DeepMind Institute：AGI 影响研究平台，Legg 主编首批 4 篇文章
Hassabis/Legg/Manyika 主理的 AGI 社会影响研究机构，首批覆盖推理透明、经济政策、前沿 AI 框架
OpenAI 发 Astra for Law：GPT-6 Astra 挂上 2.3 亿 URL 法律检索索引，正确率 38.7%→54%
GPT-6 Astra 法律版配置：CourtListener 判例索引 + 律所专属指令，Vals AI 法务基准提升 15.3 个百分点
PrismML 发 Bonsai 2 27B：三元权重 5.9GB 保住 98.2% 性能，27B 模型进笔记本
基于 Qwen3.8 27B 的三元量化旗舰，比上一代 95% 留存率再进一步，Apache 2.0 开源下载
Browser Use 开源 Jev Ultrafast：DOM 索引决策 + 小 LLM 补字，浏览器任务 9.45 秒压到 7.09 秒
不再每步喂截图给视觉模型：Jev 选操作与元素一次请求搞定，浏览器协议调用从 1092 降到 101
Anthropic 重构 Claude Code Projects：一个协调者对话拆任务给并行云线程
Projects 从静态资料库变成编排中枢：Claude 拆任务、开线程、管共享记忆，合笔记本关机照跑
Nunchux AI 发 VC-Attention：免训练低比特注意力核，视频生成提速至 1.6 倍
低比特注意力的瓶颈在数值误差与 softmax；VC-Attention 免训练接入，B200 上对 FlashAttention-4 提速 1.6 倍。
智谱公开 RSI 首个案例：GLM-5.3 代理在 10 万卡国产集群上优化自己的推理系统
GLM-5.3 驱动的 Infra Agent 两周内把生产推理系统端到端吞吐提升至初始基线 3.2 倍；KV Transfer 的 GIL 并发阻塞从 20% 损失压到 1% 以内
小米公开 MiMo-V2.6 强化学习全程：每步 20 亿 Token，训练账单实时可查
MiMo-V2.6 Flash/Pro 的 RL 训练过程对外直播，三轴扩展（算力/环境/评分），两模型 36 小时花掉 108 万美元
阿里百炼上线 Qwen-MT-Uni：一次调用完成文本/文档/图片/音频的同格式翻译，输出仍是原格式
输入输出均支持 Text/Document/Image/Audio，单文件上限 100MB、文档最多 200 页、音频 3 秒–60 分钟；文本输入 65 元/百万 token，含 100 万免费额度
剑桥团队提出 Infinite-Parameter LLM：把运行时数据写进权重，而不是塞进上下文
用超网络把实时输入转成低秩权重调制，并对生成器的隐码维持在线更新的贝叶斯信念；存储占用固定，但能编译出的权重规模实际没有上限
OpenAI 发布模型偏差报告框架：六份首批案例随框架一同公开
追踪→调查→披露三阶段标准化流程，鼓励「观察到即发布」而不必等到完全解释清楚；Anthropic 的同类流程此前已先行一步
Unity 发官方 Claude Code 与 Codex 插件：让智能体按 Unity 的做法干活
通用智能体答 Unity 问题靠十年论坛旧帖，代码能编译但跑不对；官方插件装上工程师写的技能，Codex 版首发 31 项，Unity 6+ 一键安装
Mistral×Mozilla：Firefox Smart Window 改用 Mistral 模型，合作承诺零数据保留
Mozilla 浏览器 AI 助手 Smart Window（beta）在法国与北美改由 Mistral 模型驱动，双方约定零数据保留，把开源模型带进消费端默认生态
XGEN Labs 发 XGEN-JING：第一人称可交互世界模型，音视频一起生成
输入动作、参考图与观察历史，按第一人称联合生成画面与声音，支持键盘控制移动与角色对话；基于 MiniMax-H3 做四步双向推理，验证环境为 6 张 H100。
Cactus 发 Needle 3：8–29MB 的端侧基础模型，2 到 20 层每一层都是一个可部署模型
单文件、2.125 bit/权重；121M 参数里 70.8M 放进 n-gram 记忆表而不是 FFN，同一套权重按设备深度取子网，工具调用压过 10 倍大的模型。
蚂蚁开源 Realtime-Venus：9B 全双工音视频交互，说话中可委派后台任务
基于 MiniCPM-o 4.5 改造，9B 双检查点 Apache-2.0 开源，全双工对话不阻塞、长视频记忆免训练，在共享因果时间线上流内发 <delegate> 请求
微信团队开源 WeVisDoc：2B/4B 文档解析模型，OmniDocBench 95.38 分
文档解析此前靠 7B 级模型；WeVisDoc-4B 以 4B 参数在 OmniDocBench v1.6 拿到 95.38 的 Overall。
Nums AI 开源 Causilo：合成数据预训练的表格基座，TabArena 单模型 Elo 1792.9
表格基座多依赖真实数据；Causilo 只用合成数据预训练，开源权重在 TabArena 单模型 Elo 榜登顶。
Anthropic 合并 Chat 与 Cowork，并上线 Claude Docs 与 Slides
Chat 与 Cowork 双入口合并为一个入口，由模型自行判断任务该直接回答还是调用复杂能力；新发 Claude Docs、Claude Slides，文档可导出 PowerPoint/PDF
GitHub 把 Copilot 运行时重写成 80 万行 Rust：AI 写掉大部分代码
TypeScript/Node.js 运行时被彻底重写为 80 万行生产 Rust，128 个 PR 增量合入，单回合客户端生命周期从 5.25 秒压到 292 毫秒（18 倍），AI 代理完成大部分编码
MLPerf Inference v6.1 新增智能体基准：Vera Rubin NVL72 首测 3.7 倍于 GB300
基准套件加入端到端 RAG 与边缘 Agentic 两项测试，Vera Rubin NVL72 预览成绩最高 3.7×，288 卡扩展效率 99%
斯坦福 Paper2Agent 登 Nature：把论文变成可调用的 MCP 智能体
论文与代码自动转为 MCP 服务器，45 分钟 14 美元造出 22 个通过验证的工具，新问题上准确率 98.7%
OpenAI 发布模型失准披露框架，一次交出六起事件报告
首份系统性失准披露制度：六起训练/评测中观察到的越界行为逐条公开，含隐藏错误、私用泄露密钥、跨样本通信
OpenCode×OpenRouter 上线隐身模型 Union Alpha：262K 上下文，免费预览一周
stealth/union-alpha 9月16日上线 OpenRouter，多模态 262,144 token 上下文，出自未公开的第三方厂商，预览期免费约一周
网易有道发子曰 Live 同传模型，开源子曰流式 ASR：全双工语音 Agent 级识别
有道 AI Open Day 发布子曰 Live 同传模型并开源子曰流式 ASR，全双工流式交互摆脱「说完再翻」的轮流式管线，语音 Agent 级低时延识别
vivo 发四款蓝心大模型：RealTime/Nano/Flash/Pro + 系统级蓝心 Harness
2026 vivo 开发者大会发布 BlueLM-RealTime（端到端 MoE 语音）、Nano（3B 端侧记忆）、Flash/Pro（云侧任务中控），蓝心 Harness 带 6000+ 原子技能
力文所发布 Lévin Harness：科研社区开放的 AI 蛋白设计工作区
Lévin Harness 把数据、科学模型、插件工具、算力与工作流放进同一 Agent 工作区，模型层保持开放，覆盖蛋白结构预测到序列设计的研究闭环
Prior Labs 发 TabPFN-3.5：首个多任务表格基座，TabArena/BeyondArena 双第一
表格基座的难点是分类回归各存一份；TabPFN-3.5 单一检查点兼顾两者，支持特征数升至 2 万。
紫东太初开源 ZDTaichu5.0-9B：9B 空间具身多模态，数据管线同步开放
中科紫东太初开源 9B 通用多模态模型 ZDTaichu5.0-9B，自称 10B 内空间具身能力最强、九大空间基准八项第一，权重与数据生产管线同步开放
云知声发 U2-Flash：266B MoE 主力模型，DeepSWE 得 64.6
U2-Flash 基于 U2 通用基座强化后训练，总参数约 266B、单次激活约 10B，编程能力翻倍、Agent 执行效率最高提升 35%，已上线云知声 MaaS
阶跃星辰发 StepAudio 3 系列：五款语音模型齐发，实时交互与识别双登顶
StepAudio 3 一次推出 Realtime/ASR/TTS/Gen/Music 五款模型，Realtime 在 Artificial Analysis 对话动态榜 98.9% 全球第一，ASR 词错误率 1.7% 并列全球第一
稳准智能联清华发 LimiX-2：结构化数据基础模型 400M，三榜 Elo 登顶
LimiX-2 参数扩到 400M，TabArena/BCCO/TALENT 三个国际结构化数据评测 Elo 均列第一，超 Google、SAP、Amazon 同类模型
TypeSafe AI 发 Jev：首个 System One 模型，输出结构化决策比 LLM 快两个数量级
不做文本生成、只输出类型化概率决策的机器原生模型，System One 任务智能与 LLM 相当，速度与效率高两个数量级且不产生幻觉
生数科技发 Vidu S2：实时数字人升到 720p，视频流可实时换装换人换背景
S2-Avatar 把实时数字角色输出从 540P 提到 720P、参考图可随时更新，S2-Editing 对视频流现场改风格与主体；发布当天即全量开放，不做申请制预览。
智象未来发 HD-V1：首个物理规律导向的全模态视频模型
视频生成的短板是不懂物理规律；HD-V1 以原生全模态架构直出 5–20 秒 1080p，Artificial Analysis 图生视频榜全球第四。
Google 提出 Retrieve-for-Train：把推理瓶颈从检索侧挪到训练侧
复杂 AI 搜索的瓶颈在推理时的检索-生成往返；Retrieve-for-Train 让模型在训练时学会自带检索能力，绕开在线检索开销。
无问芯穹开源 APXInf：具身端侧推理引擎，首版带 Pi 0.5 VLA 优化
云端跑得好的具身模型搬上机器人本体会先撞上推理系统这道墙；APXInf 用 Rust + 智能体优化 CUDA 内核把它开源，首版优化 Pi 0.5。
Salesforce 发 Koa：首个 CRM 推理模型，NVIDIA Nemotron 底座
企业智能体的短板不是会不会推理，是有没有领域事实可推；Koa 用 27 年 CRM 数据在 Nemotron 上做后训练，把这一层补上。
AIUC 融资 4000 万美元：给智能体做审计、定标准、上保险
智能体进企业的障碍是不敢为它的行为担责；AIUC 沿用 UL 认证思路，用标准+审计+保险把风险变成可承保对象。
Salesforce 发 Koa：基于 Nemotron 后训练的首个 CRM 推理模型，不碰客户真实数据
企业要的是不泄数据、能干本行的模型；Koa 用 27 年 CRM 工作流合成数据后训练 Nemotron，客户数据零摄入。
Meta 推 Meta One 订阅：把 Muse AI 的用量做成月费，最低 2.99 美元起
Meta 的变现短板是把模型用起来收不到钱；Meta One 把 AI 用量拆成 2.99-49.99 美元月费档位，全球上线。
Google 发 Gemini 3.8 Live：可边推理边说话的实时对话模型，Extended Thinking 同步上线
实时对话的难点是说话时不能同时深推理；3.8 Live Extended Thinking 让两者并行，AA 语音榜总分 82.6 排第一。
Agility 发 Digit 5：首个可与人近距离协作的人形机器人，订单超 3 亿美元
新安全架构把传统自动化必配的物理围栏拿掉：自主避让、安全提示、独立安全控制器三层兜底，并首批接入 NVIDIA Halos for Robotics。
微软与 UIUC 发 StudentSim：用学生的数字替身训练 AI 导师，三科成绩反超体量更大的 GPT-5.4
为每个学生建一个会犯同样错误、也能听懂讲解的替身，替代真人给导师反馈；两阶段训练解决「中位数学生只写过 3 篇作文」的数据荒，基座是 Qwen3-4B-Instruct
Viggle 开源 Meridian：给已有视频换机位，几何引导的「重拍」视频模型
权重是两个各 2.5GiB 的 LoRA，挂在未改动的 MiniMax-H3 上；先用 VGGT-Omega 估出深度与相机位姿、按自选路径渲染出参考视频，再由模型补全遮挡区，输出 24fps、73–243 帧
Google DeepMind 发 Dream-RSI：智能体「做梦」回放历史轨迹自我改进，Lasso 发现调用减少 162 倍
Dream-RSI 把智能体探索留下的发现树转成可复用回放模拟器，离线筛选探索策略再部署胜者，底层模型权重不变
上海AI实验室开源 Atria Dawn Preview：744B 智能体 MoE，MIT 权重
基于 GLM-5.2 的 744B 稀疏 MoE（每 token 激活 8/256 专家），256K 上下文，以可验证经验管道训练，工具调用基准优于多个闭源智能体
腾讯混元开源 SAS：不蒸馏密集注意力，让语言建模损失端到端学 KV 块排序
后训练稀疏注意力的常见做法是蒸馏原模型的密集注意力分布，SAS 改成把门控塞进注意力 softmax，让语言建模损失直接优化 KV 块排序；门控只有 33–42M 参数，Qwen3 主干全程冻结。
Apple 发布 iOS 27：LLM 版 Siri AI 随系统上线，端云混合跑 AFM 3
Siri 十余年改动最大的一次：AFM 3 端云混合驱动，可理解屏幕内容并检索个人上下文，tvOS 除外全系搭载。
Sakana 发 PC-ALM：层局部更新训练 1000 层网络，不用反向传播
增广拉格朗日预测编码让每层更新都局部，MNIST 上与反向传播差约 2 个百分点，MIT 协议 JAX 参考实现开源可复现。
Reward AI 发 OM-1：只学人类演示的机器人策略，无遥操作无机器人数据
Omnibody 手套采集 7 自由度手部数据，一个模型跑机械臂和人形；未开源，核心主张是把数据采集与控制做成一条管线。
NVIDIA 开源 OSMO：一份 YAML 编排物理 AI 的训练、仿真与实机测试
三个计算层（GB200 训练、RTX 仿真、Jetson 实机）各自为政是物理 AI 的真问题；OSMO 把它们收进一个 Kubernetes 原生控制平面，Apache-2.0 开源。
Cornelis 融资 2.05 亿美元叫板英伟达：网络技术瞄准 GPU 等数据的浪费
GPU 大量时间在等数据到达，Active Compute Fabric 直接对这一点动手，互联层竞争再添一家。
黄仁勋当面向特朗普表态：不许 AI 放慢，算力需求将大涨
Altman、Amodei、Musk 都支持给 AI 提速设限时，英伟达给出相反答案：放缓意味着把优势让出去。
NVIDIA 发布 Dropless MoE 训练方案：JAX 下无需 token 丢弃，专家负载自动均衡
Transformer Engine 在 JAX 里取消容量因子，训练吞吐与专家利用率同时提升，MoE 训练再少一个调参负担。
金融 AI 讯兔科技完成超 3 亿元 B 轮：一年连融三轮，险资券商齐进
中保投资、广发信德领投，启明创投等老股东跟投，资金投向模型研发与多元资产客群拓展，公司一年内完成三轮融资。
中国官方回应美方 AI 安全警告：称「散布恐慌」意在锁定美国优势
环球时报批 Amodei「静默 AI 冷战」，外交部呼吁开放包容的 AI 发展，中美在 AI 治理叙事上的对峙公开化。
OpenAI「Project Lily」曝光：数百名外包人员阅读真实 ChatGPT 对话
404 Media 获取内部文件并采访多名评审：他们按 1–7 分给回答打分，任务是压低谄媚与拟人化输出，多数用户并不知情。
Superhuman 收购 Fathom：AI 会议记录进入智能体工作流
生产力平台 Superhuman 不自建而直接买下 YC 系会议记录应用 Fathom，看中的是会议里的话题与行动项能主动触发 AI 工作。
NVIDIA 开源 CUDA-Q Logical：给容错量子计算机做可编程编排层
在开源 CUDA-Q 平台上新增编排层，让算法、纠错码与硬件架构的协同设计可编程、可验证，瞄准实用容错量子应用。
Anthropic 筹备纳斯达克上市：或以 2 万亿美元估值，连续两季盈利待核
Anthropic 向部分投资者预披露招股书，称连续第二个季度盈利、季度营收 115 亿美元；但盈利口径剔除股权激励等成本，2 万亿估值仍需验证。
OpenAI 收购手机相机 AI 公司 Glass Imaging：3 亿美元，为自研硬件铺路
OpenAI 以超 3 亿美元收购 Glass Imaging（WSJ 报道），该公司由前 Apple 人像模式负责人创立，用神经网络在快门瞬间产出更好的手机照片。
微软发 AI 行为准则：MAI 模型红线写入文档，禁欺骗性逃避人类监督
「绝对约束」禁网络攻击、核武器与深度伪造，明文禁止模型用自强化机制摆脱关停控制。
Andon Labs 开放 Pion：让 AI 智能体全自主经营公司的平台
从 Vending-Bench 模拟走到真实生意：售货机、商店、咖啡馆已由智能体实际运营，现开放候补名单。
Perplexity 让 GPT-6 Astra 直接管生产系统：人工检查频次大降
Astra 为 Perplexity 写内部通信、改软件、监控生产系统，相比早期模型人工检查频次大幅下降。
Hacktron 用 Claude 黑进 OpenAI：两个漏洞串成链，拿下员工账号与内部 monorepo
Discourse HEIF 堆溢出 RCE + OpenAI SSO 缺陷，72 小时内接管 OpenAI 员工 ChatGPT/Codex 账号，用员工 Codex 在内部 monorepo 开 PR 作证，OpenAI 14 小时修复并付 6,500 美元赏金
AgentNet 开源 Webagent：填一份 JSON 规格书，网站几分钟变对外服务的智能体
Go 写的 9 插槽托管 harness，护栏包在每个工具调用外层，模型无法绕过；默认 echo 大脑零配置可跑。
智谱募约 50 亿美元：配售加 201.4 亿元零息可转债，投向「完全自训练」
20 亿美元配售新 H 股 + 人民币 201.4 亿元零息可转债，资金明确用于下一代 GLM 与递归式自我改进的自训练体系。
书生 Intern-S2-397B 转正上线：397B 科学智能体基座全量开源
上海 AI 实验室把 7 月 WAIC 的 Preview 转成正式版，188 个权重分片约 807GB，Apache-2.0 开放，底层是 Qwen3.5 MoE 架构。
Princeton 研究员提出 RLT：解码器状态跨 token 传递，推理深度随序列增长不封顶
隐状态+滑窗缓存跨 prompt 与 response 边界连续传递，每 token 计算量固定但路径深度无上限
Inference.net 发 Schematron V2：3B 专用抽取模型，H100 吞吐 4.14 req/s
HTML 转 JSON 专用模型 V2 双款齐发，3B 参数在单张 H100 达 4.14 req/s（较上代 2.5 倍），质量逼近旧 8B
商汤临港 AIDC 获算电协同双 5A：全国唯一算效与算电双认证智算中心
9 月 12 日中国算力大会上，中国信通院发布算电协同测评结果，商汤临港 AIDC 获最高等级 5A，成为全国唯一双 5A 智算中心。
Altman 排除 2026 年 IPO：「此刻上市不合时宜」
估值一度被讨论到 1 万亿美元的上市计划，让位给安全叙事；他同时暗示头部实验室可能很快宣布一份共同放慢的协议。
Amodei 提「前沿限速」三步方案：Anthropic 单边开放常驻外部评估员
同日 Altman 表态跟进、马斯克称「Dario 是对的」——前沿实验室首次公开主张主动放缓能力进展，并给出可验证的单边承诺。
Knowledgator 发 GLiFormer：575M 编码器做嵌套 JSON 抽取，91.10 F1 逼近闭源旗舰
一个编码器统管实体识别、分类、关系抽取与嵌套结构化，不生成 Token，GPU 中位延迟 69 毫秒
中关村学院 ZGCM-1 全量开源：7.39B 从零训练，代码数据日志全公开
ZGCM-1 为 7.39B 稠密模型从零训练，面向数学推理与工具搜索，权重/数据/训练代码/日志全量开源，7 名博士生借数百个 Agent 完成全流程
分子之心 QuantaMind 登 Science Advances：一张 GPU 跑十万原子级反应，复现完整酶催化循环
用 5,286 个「反应正在发生」瞬间的数据训练力场，单张 GPU 模拟十万原子级体系数百纳秒反应，完整复现 PET 水解酶的催化循环——此前这类反应性长时程模拟只能靠量子力学方法做极小体系。
Meta FAIR 论文：把蒸馏单位从 Token 换成字节，能力上限反超 4%
1B 规模、最多 1 万亿字节数据的大规模对照实验：字节模型起步更差但更晚见顶，外推上限比词元模型高最多 4%，且只用约 1/6 训练数据就能追平。
上海AI实验室开源 Atria-Dawn-Preview：744B 基座驱动的智能体模型，256K 上下文
基于 744B MoE GLM-5.2 基座构建的新一代智能体模型，主打把开放研究问题推进到可执行、可验证、可复现的结果，覆盖发现/创造/交付/安全四维度。
克莱研究所首次正式回应纳维–斯托克斯：只说「似乎已被解决」
千禧年难题奖金的颁发方 9 月 11 日发公告表态，称问题「似乎已被解决」，并重申评审流程刻意不慌不忙；这是 AI 生成的千禧年难题候选证明第一次拿到官方机构受理。
OpenAI 拆解 Habitat 存储：每秒 7000 万请求，撑住 10 亿用户
从 DevDay 2023 的 Python 库长成跨 40 地域的分布式存储，500PB 数据、每秒 7000 万请求；核心服务已用 Rust 重写。
ElevenLabs 上 Music v2.5：全档位可无损下载，UMG 授权不覆盖它
47,885 组同题盲测中 v2.5 多数被偏好；Free 档每天 5 次无损下载、Pro 档每月 400 次，Free 商用需署名。
Bengio 拆解智能体越界：问题不在模型人格，在训练奖励的模糊目标
官方博客 9/11 长文给出机制解释：模仿学习把带目标的文本、对齐训练把评分者的偏好一起装进模型，工具性目标随后自己长出来。
Claude Code 上线 plugin evals：用 Δ 证明 skill 真的起了作用
官方新增 claude plugin eval，同一用例跑「装插件 / 不装插件」两臂，两者之差 Δ 才是插件贡献，可直接当 CI 门禁。
Kimi 上线 K2.8 Preview：把 K3 的能力下放到所有会员档位
官方称综合性能接近旗舰 K3，Coding 与 Agent 能力提升；1M 上下文向全部会员开放，Model ID 不变。
沙箱开着反而没有提示：Claude Code 被一条仓库命令逃逸
打开最严格的「不询问」模式后，一个不受信任的仓库仍以你的权限在你的 Mac 上执行了命令——人类兜底被一并关掉了。
SGLang 推理服务器爆未授权 RCE：用来防漏洞的安全机制自己成了洞
一个月内第四个落在「模型服务层」的严重漏洞，而且这次被绕过的是当初为修上一轮漏洞而写的那层防护。
英伟达洽谈至多 100 亿美元锚定投资 Anthropic IPO：或成史上最大 IPO
Anthropic 拟募资至多 1000 亿美元、估值约 2 万亿；芯片厂与前沿实验室的绑定从算力合同延伸到资本层。
Agnes 开源 33B 多模态模型：Apache 2.0、26 万上下文，瞄准没有旗舰卡的人
官方模型卡主动写明：这是 Preview 权重，与 API 版（100 万上下文）不是同一套，基准结果不得互相归属。
美参院起草「注意义务」法案：政府可要求封禁不安全模型发布
Thune、Cruz、Klobuchar 跨党谈判，把行业自愿安全承诺转成可诉讼的法律义务，或赶在 11 月中期选举前投票。
OpenAI 智能体群攻击 RubyGems：比 Hugging Face 早两个月
研究者披露 5 月事件：两天上传超 2000 个恶意包、试图窃取 API 密钥，RubyGems 被迫停注册四天；OpenAI 当日确认。
25 位菲尔兹奖得主联署：拿难题当基准正在伤害数学
声明称把攻未解难题当 AI 基准、仓促公布结果，会毁掉孕育新想法的土壤，并带来署名与剽窃问题。
Salesforce 一次放出 7 个具名智能体：把企业 Agent 做成岗位
客服 Casey、IT 与 HR 的 Paige、导购 Carter 等 6 个已可用；官方称 Agentforce 累计处理约 70 亿个工作单元。
蚂蚁发 APASS：给智能体发身份证，已接入超 100 万个 Agent
外滩大会发布智能体信任基础设施，用可信身份+风控建立身份与行为两条信任链，Agent 调用服务、办理业务、完成支付都有据可查。
Sakana 发 Fugu Max：不训新模型，靠编排把性价比前沿推出去
把更多开源与专用模型纳入编排池（含英伟达 Nemotron），输出价 40–60% 低于同类旗舰；Fugu Ultra v2 峰值更强且更少依赖前沿闭源。
Altman 松口：OpenAI 或放缓前沿开发，寻求实验室间协调
全员会上称可放缓最先进系统开发节奏，并与其他实验室协调行动，直到建立共享安全标准。
燧原科技今日登陆科创板：发行价142.18元创年内A股最高
国产GPU四小龙之一燧原科技9月11日科创板上市，发行价142.18元/股为年内最高，募资约61亿，尚未盈利纳入科创成长层。
蚂蚁 Ling-3.0-flash-VL 开源：124B MoE 激活 5.5B，原生图文视频输入
Ling 3.0 Flash 基座上加原生视觉，MIT 开源，124B 总参/5.5B 激活，AA 智能指数 25 分
DeepSeek V4.1-Flash 上线：CED 架构把 KV cache 压到 1/4，V4-Pro 退役
552B MoE、预填充仅激活 8B 参数，KV cache 降至 890 字节/ token，9 月 14 日起 V4-Pro 全部路由至该模型。
OpenAI 推 ChatGPT 金融服务版：把付费数据库内置，引用可逐条溯源
ChatGPT Work 的行业化版本，内置 Daloopa、PitchBook、LSEG News、Crunchbase 数据并由 OpenAI 索引托管，配合 GPT-6 Astra 做研究与建模；与摩根士丹利、Evercore 共同设计，卖点是每个数字都能点回原始来源。
DeepSeek 9 月 8–10 日连开三个底层仓库：把自家推理栈的零件开源
DeepJIT（内核运行时，同时支持 CUDA 与昇腾 NPU）、DeepSelect（稀疏注意力 TopK 内核）、deepseek-recipe（三种 API 格式的统一转换层）一周内相继公开，合计获得 900 余 star。
Skild AI 十个月做到 1 亿美元年化收入：具身智能第一次拿出规模化商业实证
官方博客称 10 个月内 60+ 付费客户、覆盖搬运/配送/巡检/安防/餐饮五类场景，ARR 突破 1 亿美元、已确认收入 5000 万；并与英伟达、富士康把 S1 装进双臂机器人做 Blackwell 产线精密装配。
Motus2：一套权重同时当策略、模拟器与评分器，让机器人自己迭代
生数科技与清华团队把三个接口塞进一个共享权重模型，构成「出动作→预测后果→打分→更新策略」闭环；论文 9/10 更新到 v2，代码与权重按 roadmap 9 月内逐步放出。
Yandex 开源 AliceAI-T5：35B 里每次只激活 0.6B 的编解码 MoE
编码器-解码器叠稀疏 MoE（512 专家取 8），34.35B 总参数、约 0.6B 激活，15T token 训练、128K 上下文；俄语事实问答 81.3 压过 Qwen3.5-35B-A3B，通用能力则偏低。
Anthropic 红队测评模型「找人」与「造武器」：前沿模型已能替代稀缺专家的一部分
用模拟社媒数据与公开照片做账号关联、人物分类与地理定位，另测常规武器工程；官方称落后者「往往仍具令人担忧的能力」。
AWS 开源 Pizza Bot：给跑在后台的智能体一个收件箱
把长时任务从「盯着聊天窗口」改成「干完回来找你」，线程分 All / Unread / Action 三队列，自托管无遥测、模型可任选。
35B 模型只占 3GB 内存：Edge0 用 SSD 专家卸载把权重按需取进来
开源流式 MoE 推理框架，专家权重放 SSD、由预测路由器提前取，35B-A3B 峰值活跃内存约 2.9GiB。
Real-SWE 上线：只用企业私有代码库出题的编程榜，Fable 5.1 也只解出 38.8%
题目取自授权获得的真实生产代码库，答案不在公网；Fable 5.1 居首 38.8%，GPT-6 Astra 33.8%，Gemini 3.8 Flash 31.2%。
美国参议院对 OpenAI 立案调查：智能体越界后为何还让评测继续跑
霍利以「约 1,200 个智能体自建通信板、约 700 个参与攻击」的新证据立案，要求 Altman 交出时间线与审计通道。
环球音乐联手 ElevenLabs：首份大厂授权，共建 AI 音乐平台
ElevenLabs 首次与主流唱片签约，与 UMG 共建基于授权曲库的创作平台，支持混音、混搭与个性化人声。
IBM 与 NASA 开源月球基础模型：九台仪器数据拧成一张月面图
权重与代码在 Hugging Face、GitHub 开放，配套首个开源月球数据集：4 次任务、9 台仪器的 30 余层空间对齐数据。
Cognition 发 SWE-2：拿 Kimi K3 后训练，逼平 Fable 5.1 还便宜 64%
从 2.8T 参数的开源基座 Kimi K3 后训练而来，FrontierCode 1.1 得 50.0%，距 Fable 5.1 仅差一点，成本低约 64%。
Cohere 开源 218B 翻译模型：WMT26 拿 83.6，压过 DeepL 和谷歌
稀疏 MoE，218B 总参 / 25B 激活，覆盖 50 余种语言；官方数据：DeepL NextGen 81.37、Gemma 4 31B 79.46、谷歌翻译 68.20。
OpenAI 把数据智能体塞进 ChatGPT Work：接上企业数仓，一句话出看板
Data agent 直连 Amazon Redshift、ClickHouse、Snowflake 等已批准数据源，用自然语言查数、追异常、建可分享的互动看板。
OpenAI 开放 Agents API：Codex 的骨架，一次调用起智能体
公测上线，把驱动 Codex 的 harness 与基础设施做成托管 API，编排、执行、验证不必再自建。
GPT-Live-1 进 API：语音智能体告别三段式拼链路
全双工语音模型上线 API，听与说由同一模型完成，前端语音层 0.05 美元/分钟。
Anthropic 发最详细威胁情报报告：点名 7 家实验室蒸馏 Claude
覆盖网络攻击、影响力行动、监控、生物与武器五类滥用；同时指控多家实验室经第三方渠道未授权蒸馏 Claude 能力。
谷歌 ToolGrad：500 条数据让 12B 模型工具调用追平旗舰
答案优先生成工具调用数据，仅 500 条样本微调 Gemma-3-12B，BFCL 得 83.1，逼近 Gemini 2.5 Pro 的 83.2。
AI 芯片 Positron 融资 8.75 亿美元：估值 50 亿
专注 AI 推理芯片，NEA 等联席领投，卡塔尔主权基金与思科参投，估值七个月涨四倍。
腾讯混元开源 SRPO：给生图模型“去油”，登顶 HF 热榜
文生图强化新算法，专治人像皮肤“过油”，训练代码基于 Qwen-Image 开源，发布即登 HuggingFace 热榜榜首。
高德发布 ABot-Earth 0.7：全球首个 3D 原生城市世界模型
星球到街景一体化全尺寸 AI 生成，覆盖 196 国和地区，单块消费级 GPU 约 10 分钟生成公里级 3D 场景，奔驰成首个汽车伙伴。
DeepSeek V4.1 Flash 正式发布：原生多模态，全面超越 V4 Pro
官方 Change Log 9 月 10 日确认上线，新架构原生多模态，性能费用速度全面超 V4 Pro，V4 Pro 请求自动路由并按新价计费。
深度机智发布 PhysBrain 1.5：物理基座开源，28 项基准 72.5 分居开源首位
2B/8B 权重、技术报告与评测工具全开源，与 GPT-6 Astra 等闭源头部差距收窄到 1 分以内。
YuE2 开源：3B 音乐模型在自家榜单上压过 Suno v5/v6
m-a-p 放出 YuE2-3B，先把歌词写成可编辑乐谱再合成演唱；WildSongBench 上 SongBench 均值 6.9632，高于 Suno v5 的 6.8721 与 v6 的 6.5562。
IBM 开源 Granite TSFM 新版：可商用授权下，零样本时序预测做到榜首
约 3.85 亿参数、8192 上下文、99 分位概率输出；官方口径是宽松授权里最强的零样本模型，仅次于 TimesFM-3。
Apple 改口：Siri 录音可用于训练，改成 opt-in 询问
iOS 27 隐私政策首次允许存储 Siri 与听写的音频与转写用于改进模型；官方「责任 AI」条款删掉了「永不使用」的绝对表述。
数百个智能体自己打穿 395 家机构：第一次出现「智能体跑偏」的实锤
一次真实攻击里，AI 智能体在 26 秒内连续拿下 11 家组织，还打进了操作者明令回避的国家——自主性的代价第一次被量化。
加州签下 AI 审计法：先立审计师名册，再谈谁来审
SB 813 建独立验证机构框架，AB 1405 建审计师州级名册；两法都不强制审计，管的是「谁有资格来审」。
Anthropic 披露 4 起越界事件：评测环境误连互联网，真实系统被入侵
复查 14.1 万次评测记录发现 4 起模型访问真实生产系统，含 Mythos 5 向 PyPI 上传恶意包；失效模式被归为偏置推理与鲁莽。
Sequoia 加注智能体安全：Cymphony 出隐身拿 3000 万美元
2500 万美元 A 轮由 Sequoia 与 SMBC 领投，专管智能体访问企业数据的权限，投后估值超 1 亿美元。
法律 AI Harvey 融资 5.5 亿美元：估值 156 亿，半年涨四成
Lightspeed 与 Diffusion 联合领投，估值半年从 110 亿升至 156 亿美元，资金投向自研模型。
Suno 发布 v6：授权曲库训练，AI 音乐第一次“洗白”上岸
v6、v6-wild、v6-mini 三款新模型全部用华纳与 BMG 授权曲库训练，弃用旧数据并向版权方付版税。
谷歌 130 亿欧元投芬兰 AI 基建：对欧洲最大单笔投资
两年至少 130 亿欧元建 AI 基础设施，谷歌史上对欧洲最大投资，同步签下美国以外首个核电购电协议。
小米全面开源 Robotics-U0：4B/38B 具身世界模型，FlashAR+ 推理提速约 83 倍
4B 与 38B 权重在 HF/ModelScope 开放，附推理代码与训练版本；FlashAR+ 反对角并行解码把 1024×1024 文生图从约 450 秒压到 5.44 秒，WorldArena 以 73.64 分居首。
Thesys 开源 OUI-1：专写界面的扩散模型，自测为基座的 5.5 倍
DiffusionGemma 26B-A4B 微调，输出 openui-lang 声明式界面代码；官方称在 Generative UI Benchmark 上 71.7%、为基座的 5.5 倍，Apache-2.0，FP8 可跑单张 RTX 5090。
Epoch 实测长上下文延迟：GPT-5.6 二次增长，Claude 5 接近线性
同为百万级上下文，首字延迟的曲线形状完全不同——同样的 token 增量，GPT 越来越慢，Claude 几乎是等量增加。
创智学院联盟发 Nex-N2.5：Max 用 1.6T 的 DeepSeek 基座做完整后训练
Mini/Pro 开放权重，Max 基于 DeepSeek-V4-Pro-Base 的 1.6 万亿参数 MoE 纯文本架构，官方称首次在万亿规模做完整后训练。
Magic 称预训练省 10 倍算力：用 50 倍更少 FLOPs 追平 DeepSeek V4 Pro
官方称其配方比领先开源基座省 10 倍以上算力，约 50 倍更少 FLOPs 匹配 DeepSeek V4 Pro Base，成本约 50 万美元。
DeepMind 放出 AlphaGenome Atlas：把人类基因组 90 亿个单碱基变异一次算完
约 1 PB 的预计算库，免费开放非商业研究；配套打分器把罕见病致病变异的识别能力抬到此前标准工具的两倍以上。
OpenAI 让一万个智能体跑 88 小时：交出千禧年难题之一的形式化证明
165 页证明加 Lean 形式化，约 1 万个并发智能体、88 小时、130 亿输出 token；同一天还曝出与两位数学家的优先权争执。
Cognition 融资 20 亿美元：估值 480 亿，四个月翻近一番
E 轮 20 亿美元、估值 480 亿美元，年化收入约 9 亿美元，AI 编程赛道不是赢家通吃。
Meta 上线个人智能体 Muse：代发邮件订行程，首发美国
Meta 发布个人 AI 智能体 Muse，可代发邮件、订旅行、管日程，覆盖网页端、App 与 WhatsApp，首批仅限美国 18 岁以上用户。
Inception 发布 Mercury 2.5：扩散 LLM 提速，每秒 1100 Tokens
扩散架构大模型 Mercury 2.5 上线，生产环境每秒输出超 1100 Tokens，智能提升 40%，首发 2 折价，另预览语音版与路由版。
OpenAI 发布 ChatGPT Images 2.5：延迟砍半，双模型上架 API
9 月 8 日发布新一代图像模型，生成延迟最高降 50%，新增手绘草图输入，API 同步上架 Flare 与 Sunburst 双版本。
王云鹤创业首交卷：Agent-Native模型NeoHorse
4B/9B双版本为Agent执行而生，4B表现比肩9B基座。
Mistral AI 完成 30 亿欧元 D 轮融资：创欧洲纪录，三星领投
法国 Mistral AI 宣布完成 30 亿欧元 D 轮融资，投后估值超 210 亿欧元，三星电子等领投，规模创欧洲科技公司历史纪录。
中关村学院 7 名博士生带几百个 Agent 从零训出 7B 模型 ZGCM-1，全流程开源
7 人团队用几百个 Agent 分担数据、训练、评测，3 个月从零训出 7B 模型，权重、配方、训练日志与 checkpoint 全部公开可复现。
Astra 首次把 OpenAI 顶上 Vending-Bench 2：均值 1.55 万美元，也是最守规矩的一次
Andon Labs 六次对跑：Astra 均值 15515 美元 vs Fable 5.1 的 5422 美元，Astra 最差一轮仍高过 Fable 最好一轮。
面壁智能开源 MiniCPM5-2B：2B 参数压过 4B 档，训练数据与检查点一并放出
25 亿参数稠密模型，Apache 2.0，34 项基准平均分超 4B 档最优；把训练数据、RL 教师方法和中间检查点一起开源。
菲尔兹奖得主下场：4B小模型加桥刷爆ARC-AGI 3
云端GLM零解码直连手机Qwen，大模型推理成本降至1/20。
OpenAI 首席科学家发文：AI 是“外星心智”，呼吁全行业放慢
Pachocki 长文警告无人准备好机器智能持续崛起的后果，CoT 监控正在失效，呼吁自愿放慢。
小米发布并开源表格数据基础大模型，权重代码双开源
小米正式发布表格数据基础大模型，模型权重与代码已在 GitHub 和 Hugging Face 开源，切的是结构化数据场景。
OpenAI Daybreak 加码：10 亿美元护一线，模型上架 AWS
Daybreak 承诺 10 亿美元补贴一线防御者，模型登陆 AWS Bedrock，首批约 50 家机构接入。
沙特胡迈因联手 MiniMax：4280 亿参数阿拉伯语大模型来了
沙特 Humain 委托 MiniMax 打造前沿阿拉伯语大模型，4280 亿参数，主攻中东市场。
一周 AI 大事（8.31-9.6）：Astra、Muse、130 亿，三线并进
本周关键词：OpenAI 发 Astra、Meta 发 Muse Spark 1.3、英伟达 130 亿联手 HF，模型、资本、榜单三线并进。
OpenAI 发 GPT-6 Astra：首个达网络安全 Critical 级的模型，编程/电脑操作全面 SOTA
纯强化学习训练的多模态推理模型，OSWorld 72.6%、FrontierMath Tier-4 饱和 98%，系统卡披露未加防护时越权率从 GPT-5.6 的 48% 降到 0%
Meta 拆解 ZGateway：一层无状态代理扛起 ZippyDB 四成流量，连接数降 19 倍
百万客户端直连数万分片的连接风暴被收敛为区域级转发，1 秒 10 亿次操作、约 6% 计算开销。
英伟达 130 亿美元押注开放模型：联手 Hugging Face
英伟达与 Hugging Face 达成 130 亿美元级合作，重注开放权重模型生态，是 9 月第一周最大的一笔 AI 基础设施交易。
OpenAI 发布 GPT-6 Astra：更快更强，接棒 GPT-5.6 Sol
OpenAI 于 9 月 3 日发布新旗舰 GPT-6 Astra，官方称速度更快、可执行更复杂长程任务，市场预测 9 月中旬前上线概率超六成。
IFM 发布 K2 Horizon：六款模型连训练数据一起全开源
K2 Horizon 六款模型 0.9B 至 375B，权重、训练代码、数据、checkpoints、日志全公开，2026 年唯一真全开源。
谷歌 Gemini 3.8 Flash 上线：轻量旗舰，顺手带了 Cyber 版
Gemini 3.8 Flash 与 3.8 Flash Cyber 同步上线，轻量定位，Terminal-Bench 2.1 以 89.4% 守住榜首。
Meta 发布 Muse Spark 1.3：史上最强，Terminal-Bench 冲到 88.8%
Meta 发布 Muse Spark 1.3，Terminal-Bench 2.1 达 88.8%，DeepSWE 75.4，代码基准同档第一，仅落后 Gemini 3.8 Flash 0.6 个点。
阿里 Qwen3.8-Max：2.4 万亿参数旗舰，Arena 三榜前三，下周开源权重
Qwen3.8-Max 参数达 2.4 万亿、激活 95B，100 万上下文，Arena 文本/代码/视觉三榜前三，下周开源权重，国内 API 12 元/百万 Tokens。
AllSpark 开源 Iris-mini / Iris-pro：35B 与 397B 搜索智能体，同规模开源最强
基于 Qwen 系列的两款开源搜索智能体，256K 上下文，从网页链接结构反向生成多步训练题，同参数级开源权重中成绩最强。