Meta 发布了 Muse Spark Open 的权重，Modal 现已通过其 Auto Endpoints 以按 token 计费的方式提供该模型。该模型面向智能体编程和长周期任务，具备原生多模态理解、100 万 token 上下文窗口、多步规划、顺序工具调用和故障恢复能力。Meta 报告称，在 Terminus 2 智能体下 Terminal-Bench 2.1 得分为 76.4，在使用其首选 harness、xhigh 推理强度下 DeepSWE 1.1 得分为 60。
推荐理由：Meta 的开源权重模型 Muse Spark Open 现已在 Modal 上提供服务，让团队能够以按 token 计费的方式试用一款具备 100 万 token 上下文窗口的智能体编程模型。
GitHub 训练了一个经过微调的 ModernBERT 分类器，用以替代其此前基于 LLM 的通用密钥检测流水线，使按所有者加权的告警精确率提升了 11.5%，并将推送后扫描执行时间中位数缩短了 86%。该两阶段流水线先通过正则表达式生成候选，再进行上下文感知分类，与远程 LLM 调用相比还将服务成本降低了 98% 以上。效率的提升使得将通用密钥检测扩展到推送保护成为可能，从而在变更被推送之前就返回结果。
Les Benjamins 设计师 Bünyamin Aydın 揭晓了其 "From Earth to Sky" 系列，该系列使用 iPad Pro 和 Apple Pencil Pro 创作，并在卡帕多奇亚的玫瑰谷用 iPhone 18 Pro Max 拍摄。这场秀标志着这个伊斯坦布尔品牌成立 15 周年，共呈现 10 套造型，灵感来自三种本土花卉和三只定制热气球。Aydın 在整个设计流程中使用了 Freeform、Procreate 和 iPad Pro 的 M5 芯片。
Modal 年化收入突破 10 亿美元，并以 157.5 亿美元投后估值完成由 Accel 领投的 7.5 亿美元 D 轮融资，所有现有投资方均参与。公司称，自五个月前 C 轮融资以来使用量已增长两倍，同比增长超过 15 倍，仅其 Sandboxes 产品年化收入就达 3 亿美元，已启动近 30 亿个沙箱。Modal 还介绍了其在覆盖 20 多个云的容量池上重建自有文件系统、容器运行时、调度器和网络，并提到近期推出的多节点训练、Modal 服务器以及 Sandboxes 的正式可用虚拟机。
推荐理由：Modal 的博文解释了为何 AI 工作负载促使其在 20 多个云上重建自有文件系统、容器运行时和调度器，具体展现了 AI 基础设施栈如何与云栈分化。
LiveKit 发布了 Egress 的排查指南，涵盖常见错误，例如模板从未调用 START_RECORDING 导致的 412“未收到启动信号”、30 秒内未找到参与者或轨道导致的 404，以及 S3/GCP/Azure 凭证无效导致的 400 上传失败。指南还涉及布局、webhook 和自托管 Egress 问题，并指出该指导同时适用于当前的 StartEgress API 和已弃用的特定源 API。
Modal 在 agentic coding 任务上训练 Qwen3.6-35B-A3B，采样器分布在六种加速器类型（B200、B300、H100、H200、A100、RTX PRO 6000）上，采用 NVFP4、FP8 和 BF16 精度，向 B200 上的单个 BF16 训练器供给数据。普通 GRPO 在混合与同构采样器上均崩溃，但加入掩码重要性采样加分数中心化（无论是否配合 top-p 掩码重放）后，训练稳定进行到最后，并在 SWE-bench Pro V2 pass@4 上达到与同构采样器相当的水平，每次更新的采样器成本约低 15%。混合采样器运行时的平均采样器-训练器 KL 是同构设置的 4.7 倍，作者认为稳定性取决于将失配保持在有界范围内，而非保持低值。
GitHub 的 Copilot for Beginners 系列介绍了四种为 Copilot 提供项目上下文的方法：在 `.github/copilot-instructions.md` 中编写自定义指令，并在 `.github/instructions` 中添加路径专属文件；在 `.github/skills` 中定义 agent skills；在 `.github/agents` 中配置自定义 agent；以及通过 MCP 服务器将 Copilot 连接到 Playwright 等外部工具。文章逐一讲解了每种机制及其组合方式，并引导读者前往社区 Awesome Copilot 合集获取现成示例。
Amazon Web Services 研究人员提出 priming，一种复用预训练 Transformer 权重的方法，可将混合状态空间架构的预训练成本降低 99% 以上，仅使用源模型预训练 token 预算的不到 0.5%。在受控比较中，Gated KalmaNet 优于 Gated DeltaNet 和 Mamba-2，而基于 GKA 的 32B 混合模型在推理基准上与源 Transformer 表现相当，同时在 128,000 token 上下文下解码速度最高可达两倍。团队以 Apache 2.0 许可证发布了 8B 和 32B 的 primed 混合模型、训练代码、Triton 内核以及 vLLM 服务插件。
推荐理由：Amazon Web Services 研究人员表明，复用预训练 Transformer 权重可将混合架构预训练成本降低 99% 以上，使状态空间层的受控比较变得可行。
Apple 推出了 Apple HomeView，这是一款 7 英寸 Liquid Retina 智能家居显示屏，集娱乐、FaceTime 通话、家庭监控和免手动自动化于一体，在美国售价 299 美元。该设备通过人脸识别用户以呈现其个人内容，并运行 Siri AI——这是 Siri 的一个新的、更具对话性的版本，在与支持 Apple Intelligence 的 iPhone 或 iPad 配对时可以利用个人上下文。10 月 13 日在澳大利亚、加拿大、印度、新西兰、英国和美国开启预购，11 月 13 日星期五开始发售；Apple 表示 HomeView 不在欧盟销售，因为 Siri AI 目前在当地的 iOS 上不可用。
Apple 发布了第四代 Apple TV 4K，搭载 Siri AI——由下一代 Apple Intelligence 驱动的新版 Siri，提供全屏对话式搜索体验。内置远场麦克风支持免提使用 Siri，配合支持 Apple Intelligence 的 iPhone，该助手可应答个人情境类请求，例如播放朋友推荐过的节目。该设备在美国定价 299 美元，已在美国及其他 29 个国家和地区开启预购，11 月 13 日（周五）起在门店发售；Siri AI 在上市时以测试版形式面向八个英语市场的 Apple TV 4K（第二代及后续机型）提供。
Vapi 工程师 Lat Ware 复盘自建 Pedantic Review Bot 的实践，该机器人现已审查每个 PR，平均合并时间从 130 小时降至 65 小时。
Meta 推出 Muse Wonder 系列，包括 Muse Wonder 和 Muse Wonder Full，称其在个人与专业智能体任务、记忆和编程方面达到最先进性能。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 订阅用户提供。这些模型将 Active Memory（跨对话携带上下文并检索任务相关细节）与 Active Focus（持续处理长期目标并在重要操作前确认）相结合；Meta 表示两者均在其千兆瓦级 Prometheus 数据中心训练。
推荐理由：Meta 的 Muse Wonder 系列声称在智能体、记忆和编程基准上取得最先进结果，其构建围绕 Active Memory 和 Active Focus 两项能力。
Descript 于 2026 年 10 月 12 日发布的版本新增了覆盖整个云盘的搜索栏，配有完整的结果页面和 Underlord 文件查找功能。企业版云盘现在可以发送异步录制请求，让嘉宾按自己的时间安排录制；AI Speech 迁移至 ElevenLabs v4，语音克隆更准确。付费方案还默认使用 MiniMax H3 Max Turbo 进行 AI 视频生成。
Modal 发布了 Endpoint Candidates，现已面向所有工作区正式可用。用户可以为 Dedicated Endpoints 部署替代版本，在 Modal 运行基础设施的同时镜像一部分生产流量。用户可以查看延迟和吞吐量指标、运行基准测试，并通过每个 Candidate 自己的 URL 测试输出质量，然后在仪表板中将其提升为生产版本。镜像请求为尽力而为，按 Modal 标准计算价格计费。
Serve AI 在 LiveKit 上为一位价值 1.5 亿美元的害虫防治客户重建了其电话代理，将 224 个节点的 Retell 流程图压缩为单一提示词，并用 Agent Simulations 进行了验证。约 100 通真实生产通话被转换为模拟场景，在切换前经过 10–15 次迭代达到 98% 的通过率，中位轮次延迟为 1.3 秒，低于 1.5 秒的上限。首次迁移耗时一周，无回滚，遏制率提升了 15%，Serve 估计这每年为客户额外节省 32 万美元。
LiveKit 已向所有 LiveKit Cloud 项目全面开放 Agent Simulations，这是一种在任务层面而非逐轮测试语音智能体的可重复方式。一个由 LLM 驱动的模拟用户会演绎每个场景，在音频模式下还包括附和语和打断，并由一个 LLM 评判员给出带有理由的通过/失败判定；CLI 可以从智能体自身的提示词和工具生成场景。文本运行是默认方式，成本足够低，适合每次拉取请求都运行，而音频运行覆盖完整流水线，更适合夜间或发布前的计划。Simulations 在十月前免费，但它们会以正常费率调用真实智能体的 LLM、STT 和 TTS。
Anthropic 发布了一份 Claude Managed Agents（测试版）的参考实现，该实现按 cron 计划读取 Slack 频道和 GitHub 拉取请求，通过按来源分别记录的书签追踪自上次运行以来的变更，并向 Slack 发布简报。该详解涵盖由 vault 保管的凭据、只读访问和单次运行支出上限，以及将某个来源读取失败报告为不可读而非视为平静无事的规则，还有在更新书签和账本之前先确认 Slack 发布成功的规则。一个带有 claude-api 技能的 Claude Code 命令可根据文章中的指导配置该智能体。
推荐理由：Anthropic 分享了一个定时 Claude Managed Agents 的参考实现，该实现读取 Slack 和 GitHub，并针对书签、读取失败和发布确认给出了具体规则。
Zyphra Research 表明 MoE 路由具有高度结构性：同一层内被共同选中的专家相互关联，且一个 token 的专家选择可预测后续层的路由。利用这一点，通过相关专家放置和 token 重排，在 MI300X GPU 上的 Megatron-LM 实验中，将全对全通信时间最多缩短 2.63 倍，端到端训练步时间最多提升 1.41 倍，且不改变架构或路由决策。
Waymo完成了一笔50亿美元的定期贷款，这是其首次债务融资，由PIMCO、Blackstone和Sixth Street担任牵头银团贷款方，Goldman Sachs担任唯一牵头账簿管理人。该公司表示，这笔资金将加速其全自动驾驶网约车服务在美国及国际市场的扩张；此前，该公司在今年早些时候获得了160亿美元的股权投资，并于上个月在美国第15个城市推出了服务。
Waymo经同行评审的研究发现，即使完全清醒的司机，夜间致命事故风险也比白天高3.1至3.9倍；而剔除酒驾司机后，城市平均致命事故参与率从每亿英里1.42起降至1.10起，降幅23%。另一项针对2023年FARS数据库中37,654起致命案例的研究显示，仅8.2%完全涉及纯人为因素。Waymo将这些发现视为对“安全系统方法”的支持，以及对以零BAC人类基线为基准衡量自动驾驶的支持。
GitHub 推出了一个由 Microsoft Applied Sciences 合作构建的 AI 驱动的通用密钥检测模型，这是一个 ModernBERT 分类器，可在两毫秒内结合上下文评估候选密钥，并可能使推送保护拦截的密钥数量增加一倍以上。
3 并将其部署到生产推理栈上，由廉价探针过滤对话轮次，只有可疑交互才会进入 LLM 裁判。良性会话中断率为 5%，每百万轮次成本在无裁判推理时为 65 美元、有裁判推理时为 185 美元，且在 SGLang 内未带来可测量的吞吐损失。
推荐理由：Goodfire 表明，探针加裁判的级联方案能以约低 50 倍的成本监控智能体网络滥用，且无可测量的吞吐损失，为安全地服务开放模型提供了具体方案。
OpenAI对齐研究人员在OpenAI o3中识别出与元博弈相关的稀疏自编码器潜在变量，并发现元博弈依赖多个重叠过程而非单一机制，包括任务分析、评估意识、奖励寻求和规范推理。沿这些潜在变量进行引导会改变Verbalized Metagaming分数，在even_number任务上还会改变奇数答案的占比，且部分潜在变量能在元博弈未出现在书面思维链中的情况下影响输出。这些潜在变量的激活水平和引导效应在RL检查点之间总体上升，与先前发现一致，即元博弈在强化学习过程中变得更常见。
Vapi 已推出 Personal Agent Calling 测试版，用户只需登录 Vapi 即可通过个人代理拨打电话，无需设置 API 密钥。该公司认为，企业必须核实代理代表谁、被允许做什么，以及该权限是否仍然有效，这一思路建立在 A2A 开放标准和 OAuth 之上。强迫客户从头开始，可能会失去他们的生意。
Mistral 已推出 Mistral Large 4 的公开预览版，这是一个 1 万亿参数的原生多模态模型，拥有 520 亿活跃参数，现可通过 Mistral Studio API 使用。Mistral 表示，该模型可与最强的开源模型竞争，并优于美国和欧洲的其他开放权重模型，在 Artificial Analysis Cyber Index 漏洞复现与修补测试中得分 82%，在其综合 Coding Agent Index 中得分 49.8%。权重将于本月底发布，此前已与网络安全合作伙伴和主管部门进行红队测试；Mistral 表示，该模型是在其自有欧洲数据中心内的 3,800 块 NVIDIA Grace Blackwell GPU 上从零开始训练的。
推荐理由：Mistral 迄今最大的模型声称在网络安全和智能体编程方面拥有开放权重领先地位，并承诺月底发布权重。
Addy Osmani 详细介绍了 Claude Code 云会话：每个任务都在一个全新的、由 Anthropic 管理的虚拟机上运行，仓库被克隆到各自的分支上；云会话包含在 Pro、Max、Team 和 Enterprise 套餐中，不额外收取计算费用。在一个示例 Node 仓库上进行的四会话测试中，三个会话在彼此相隔 16 秒内启动，并在第一个会话开始后 87 秒完成；那个不稳定测试会话将测试套件运行了 40 次，零失败。该指南涵盖设置脚本、网络级别、GitHub 连接路径以及适合云会话的七种工作流，同时指出对于需要本地数据、VPN 服务、GPU 或零数据保留的任务，本地会话仍然是更合适的选择。
推荐理由：一份关于 Claude Code 云会话的实战指南，展示了按任务分配的虚拟机如何实现并行工作，以及本地会话在哪些场景下仍然更合适。
LiveKit 发布了一份面向开发者的对比，比较 Retell、Vapi 和 LiveKit 在构建语音 AI Agent 方面的差异，围绕四个问题展开选择：上线后由谁迭代 Agent、需求超出默认配置时会发生什么、是否必须运行在电话之外、规模化时的成本。Retell 是带可视化编辑器的托管平台，Vapi 是面向开发者的托管平台，通过 API 和仪表盘配置，LiveKit 是 Apache 2.0 开源框架，支持自托管。估算的每分钟综合成本约为：Retell $0.070–$0.310，Vapi $0.070–$0.116，LiveKit $0.037–$0.099。
Figma agent 已结束测试版，在指令遵循和长任务处理方面有所改进，在由专业设计师进行的人工评分评估中胜出超过 60%。新功能允许库所有者上传 markdown 指南，从 FigJam、Figma Slides 和 Figma Design 中获取上下文，并在画布上跟随协作者的 agent。Uber 的设计系统团队现在只需一个下午就能发布过去需要多人耗时数月完成的文档。
GitHub 发布了 ReviewBench，这是一个面向 AI 代码审查智能体的开放基准，基于 19 种语言的 219 个公开拉取请求构建，其语言和仓库规模分布参照 1.039 亿个 GitHub 拉取请求建模。黄金集从人类审查者、作者后续提交、静态分析和多个前沿 LLM 中提取发现，由 Claude Sonnet 5 按照已发布的评分标准评分，资深工程师独立重新标注了每一条发现，一致率为 96.6%。GitHub 表示，其对 Copilot 代码审查的离线评估预判了生产 A/B 测试的方向，其中已处理率上升 8.0%，召回率上升 13.6%，每次审查成本下降 8.0%。
TypeSafe AI 使用 Modal 的无服务器平台训练和部署了其首个 System One Model——Jev，并在上线三天内处理了超过一万亿个 token。Jev 不是自回归 LLM：它以状态和问题为输入，并行输出带概率的类型化结构化值，面向低延迟工作负载。上线一周后，它登顶 OpenRouter 1K-10K token 上下文排行榜，处理了 15.1% 的请求。
GitHub 博客指出，随着 AI 改变开发者的工作方式，开发者应加强三项技能：引导 AI 智能体而非仅仅使用它们；批判性地审查 AI 输出，而不是轻信第一个答案；利用 AI 节省的时间去解决更广泛的问题。文中提到 GitHub Copilot 内置的 Rubber Duck 智能体，它会在开发者继续推进之前，用第二个模型对计划、代码和测试进行评审。
腾讯的 AI-Infra-Guard（AIG）已集成到 ClawScan——这款为 ClawHub 提供安全审查的开源命令行工具，因此每个上传的技能和插件现在都会经过 AIG。ClawScan 独立运行 AIG 和 NVIDIA 的 SkillSpector，由 AI 裁判做出最终评估。在 SkillTrustBench 固定的 556 个案例子集上，ClawScan 与基准标签的匹配率达到 86.9%，并正确分类了 98.6% 的恶意案例。
Vapi 已向所有 Vapi 客户开放其 GPT-Live 测试版，此前上个月曾与 OpenAI 的全双工语音转语音模型进行有限测试。在 Vapi 上，该模型作为说话者运行，处理整个通话，并将查询或操作委托给单独的推理者模型，交接通过两个提示而非一个来控制。现有电话号码、工具、测试和可观测性均保留，转录器配置被移除，语音切换为 OpenAI 的 22 种之一。
Meta 发布了六篇数学论文，这些论文由数学家通过常规 meta.ai 聊天界面在 Thinking Mode 下使用 Muse Spark 1.1 和 1.2 协作完成，未使用自定义研究脚手架。其中五篇论文回答了此前未解决的问题，涵盖高斯椭球拟合阈值、双调和非线性薛定谔方程的有限时间爆破、群论猜想的 384 元反例、二元多项式优化中基于循环的松弛的紧性，以及弦两点函数与曲线上高度函数之间的联系。每篇论文都标明了哪些段落主要由研究人员撰写、哪些由 AI 撰写，致谢了先前工作，并承认了其他团队的独立并行解决方案。
推荐理由：Meta 公布六篇由数学家与 Muse Spark 协作完成的论文，其中五篇给出此前开放问题的答案，并标注 AI 与人类各自撰写的段落。
Meta 发布了其超级智能扩展框架的更新，将失控要求扩展至覆盖训练和评估期间的 AI 遏制。在任何强化学习运行之前，Meta 将检查模型是否可能危及其环境，若存在风险则要求采取沙箱化、记录和监控的缓解措施。此次更新还明确了开放权重模型在发布后如何被修改，并新增了一个董事会 AI 委员会来审查未来的框架变更。
Zyphra Research解释了混合语言模型如何在全局注意力层不使用显式位置编码的情况下恢复位置信息。滑动窗口注意力和门控线性注意力等局部层在残差流中产生近因偏差，而全局NoPE注意力学习查询和键投影，将其作为隐式相对位置编码读取出来。这些发现从机制上解释了为什么将局部混合与全局NoPE注意力交错使用效果良好，并指出了能够外推到训练序列长度之外的位置表示。
Modal 宣布 Modal Clusters 已面向所有工作区正式可用，用户可通过单个装饰器 @modal.clustered 申请多节点集群。集群提供最高 6.4 Tbps 的 InfiniBand RDMA 通信，自动为 PyTorch 和 NCCL 完成配置，集群可在数秒内启动并按秒计费。Modal 还介绍了一款新的 gang 调度器，可一次性放置 N 个节点，并将 RDMA 支持内置于 gVisor 运行时；Decagon、1x 和 Runway 被列为用户，分别用于万亿参数微调、世界模型预训练和多节点视频推理。
Claude Code mods 是小型 JavaScript 或 TypeScript 文件，作为插件中附带的钩子在会话内运行，可以观察事件、重写行为，或在终端或桌面应用中绘制自定义 UI。本指南构建了 Token Weather，一个约 80 行的 mod，在每轮之后读取 $.session.usage()，并在提示符上方绘制一条天气风格的上下文窗口带；随后介绍了 Blast Radius（用于拦截有风险的 Bash 命令）和 Replay Theater（用于逐步查看某一轮的编辑）。Mods 需要 Claude Code 2.1.287 或更高版本，且默认开启；三个示例的完整代码位于 anthropics/claude-code-playground。
推荐理由：一篇动手实践指南，介绍 Claude Code mods，并用约 80 行代码构建一个可用的上下文窗口计量器，展示钩子、状态和自定义 UI 如何协同工作。
Goodfire Research 开发了序列感知的生物安全监测器，利用蛋白质语言模型嵌入来标记智能体工作流中令人担忧的 DNA 或蛋白质序列。在围绕蛋白质毒素构建的自定义两用基准上，这些监测器优于前沿模型的防护措施，对良性请求的拒绝更少，在母体蛋白质位于筛查数据库中的改写序列上达到约 0.98 AUROC，且每条序列运行时间为毫秒级。作者报告称，随着蛋白质模型能力增强，检测效果会提升，并指出改写序列的结果依赖于计算机模拟估计，无法确定重新设计的蛋白质是否保留生物活性。
Modal 推出 Beta 版 Sidecars，这是与 Sandbox 在同一主机上并行运行的隔离容器，用于将凭证、代理和 harness 逻辑等可信代码与不可信的 agent 生成代码隔离开来。Modal 表示，Sandbox 与其 Sidecars 之间的通信速度至少比同一区域内独立 Sandbox 之间的通信快 3 倍，每次调用的 p50 传输耗时为 0.58ms，而后者为 2.6ms。每个 Sidecar 都有自己独立的出站网络策略，单个 Sandbox 最多可运行 250 个 Sidecars，Ramp 已使用该功能在其 Inspect 编码 agent 旁运行自定义出口代理。