一位负责谷歌 agent skills 项目的工程师构建了一条流水线：Gemini 4 Argon 读取 Go 源码和 RISC-V 反汇编，将存活的 runtime.panicBounds 陷阱转换为 Z3 约束，然后 go test 将任何满足条件的输入重放为真实复现用例。该工作流捕获了 skill-lint 中全部三个植入缺陷和三个潜在缺陷，而未设种子的 go test -fuzz 漏掉了两个植入崩溃，因为 Go 按容量而非长度检查切片。用 data[:len(data):len(data)] 将容量裁剪到长度后，fuzzer 在三次运行中均使两个越界缺陷崩溃，中位数分别为 0.28 秒和 0.17 秒。
Google 在 Gemini Enterprise Agent Platform 上以 Private Preview 形式运行了其 Agent Anomaly Detection，针对五个并非由它编写的公开 agent 安全基准进行测试，共评估了 1,774 个会话。它标记出了 agent 实际执行的有害指令中的 87%，对良性会话的误报率为 2% 到 16%，而在 18 个由被污染的长期记忆驱动 agent 行动的会话中仅捕获了 4 个。测试使用了一个基于 gemini-2.5-flash、用 Agent Development Kit (ADK) 构建的 agent，覆盖 AgentDojo、InjecAgent、Agent Security Bench、AgentDyn 和 AgentHarm。
Google Labs 推出了 Tabletop，这是一项用于实时小组协作的新实验，用户在其中添加链接、文件和想法，然后提示 @tabletop 或选择一个入门模板，即可生成交互式旅行行程、晚餐投票、费用分摊和锦标赛对阵表。空间准备好后，邀请链接可让所有人加入并同时使用，就像在 Google Doc 中一样。Tabletop 正通过 labs.google/tabletop 的等候名单在美国（18 岁以上）逐步推出。
Mastra 新增了私有模型网关，让 agent 可以将请求路由到自托管的开放权重模型，并通过类似 private/ollama/gpt-oss:20b 的前缀引用。自托管可将敏感数据保留在网络内部，并以基础设施成本替代按 token 计费的成本；设置 AUTO_BLOCK_EXTERNAL_PROVIDERS=true 可在 Studio 中隐藏外部提供商。该功能需要 @mastra/core@1.82.0 或更高版本。
Anthropic 发布了面向初创企业的 Claude Tag（测试版）指南，内容基于与八家高增长公司的对话，讨论它们最先在哪些场景部署这款基于 Slack 的智能体。该指南涵盖五种常见配置——值班分诊、从讨论串到 PR、公司大脑、自助数据分析和报告——以及一份入门清单。文中引用的成果包括：在 Slack 中被提及后 21 分钟就创建了一个 PR，以及 NavigateAI 从 Slack 讨论串中合并了 134 个拉取请求。
Anthropic 发布 Claude Meetings 测试版，让 Claude 作为可见参与者加入 Google Meet 通话，在聊天中回答问题、实时构建文档和白板，并撰写笔记和行动项。每次会议都会在 claude.ai 中生成一个页面，包含转录、笔记和产出物；默认情况下，除非管理员允许，Claude 不会加入有外部嘉宾的通话。该测试版正在 Team 和 Enterprise 套餐中推出，部分组织无法使用，包括 ZDR、HIPAA-ready 和 CMEK 配置；测试期间，笔记、转录和通话内回答均免费。
推荐理由：Anthropic 的测试版发布展示了会议代理如何在实时通话中起草文档、拉取已连接工具的数据并撰写笔记，同时默认规则排除外部嘉宾。
Claude Opus 5.5 现已成为 Claude 在 Pro、Max、Ultra 和 Team 套餐中的默认模型，Anthropic 推荐将其作为研究、分析以及成品文档、演示文稿和电子表格的日常主力。Anthropic 表示，Opus 5.5 在中等努力程度下，在其编码和知识工作评估中达到或超过了高努力程度的 Opus 5；在一项内部合并分析测试中，它以 Opus 5 完成同一任务一半的成本，在 63 分钟内完成。该文章还列出了针对新模型的提示词调整建议，包括去掉“think hard”指令、从中等努力程度开始，以及附上图表而不是重新输入其数值。
推荐理由：Anthropic 自己的指南解释了为什么 Opus 5.5 现在是日常知识工作的默认选择，以及应为此放弃哪些提示习惯。
Anthropic 以私测形式发布了自托管 Claude Managed Agents，让开发者可以在自己的云或本地环境中运行完整的 agent 服务，包括 harness、沙箱、凭证和会话历史。模型请求可以直接发往 Anthropic，也可以发往 Amazon Bedrock、Google 的 Agent Platform 或 Microsoft Foundry，或通过客户自己的网关发送，会话历史则保留在客户的数据库中。该公司表示，这一设计将 agent 循环和 vault 密钥置于沙箱之外，支持允许主机白名单，并通过 OpenTelemetry 导出每次会话的完整记录。
MiniMax 的 H3 系列本周从视频扩展到更多领域，H3 Image、H3 Image Highspeed、H3 Highspeed 和 H3 Lite 现已在 Recraft Studio 上线。两个图像模型支持 2K 或 4K 的生成与编辑，两个视频模型可生成 4–15 秒、480p 或 768p 的带声音片段。H3 Image 每张图起价 6 credits，H3 Lite 每秒视频起价 4 credits。
Figma 已开放 3D 变换功能的公测，让设计师可以在空间中倾斜、旋转和排列文本、图像、矢量与画框，并在父级画框上应用透视效果，以构建共享的空间构图。这些非破坏性效果保持可编辑，可与着色器组合、用 Figma Motion 制作动画，或通过 Figma 智能体进行探索。Figma 的品牌工作室使用了这些工具（包括一个由智能体构建的生成式插件）来制作该功能的发布视频。
Anthropic 推出了 Claude for Manufacturing，这是一个包含 17 项技能的插件，覆盖销售、质量、运营、供应链、设计和设置，从起草工作报价到诊断停机机器。该插件通过连接器从制造商自有记录中提取数据，连接器支持 Autodesk Fusion、Infor、Microsoft 365 和 Oracle NetSuite，每项技能在输出到达客户或供应商之前都以人工审核步骤结束。Anthropic 引用了 2025 年制造业领导力委员会的一项调查，其中 79% 的制造商表示他们手动录入数据，并表示计划随时间推移增加更多制造业技能。
J.Crew 在 JCrew.com 上线了 Style Advisor，这是一款 AI 造型师，推荐的是整套穿搭而非单件商品，目前面向美国市场的女装和男装风格开放。J.Crew 团队使用 Claude Code 并调用多个 Claude 模型构建了它：Claude Fable 5.1 负责规划造型师的推理逻辑，Claude Opus 5.5 用于原型开发，Claude Sonnet 5.5 在每次对话中担任造型师，Claude Haiku 5.5 处理快速任务。每一条推荐都取自 J.Crew 自家造型师为商品目录拍摄所创作的造型。
Google DeepMind 宣布推出 AlphaGenome 2，这是一款下一代 DNA 序列模型，可预测 DNA 序列及其变异如何影响特定的人类细胞类型。该条件模型基于 68 种组织中超过 1.07 亿个单细胞图谱训练，识别出的改变表达的变异数量几乎是上一模型的两倍；在 TenK10K 免疫细胞数据集上，它找回了 30% 的因果变异，而原始 AlphaGenome 在单细胞数据上微调后仅找回 16%。该模型可通过 AlphaGenome API 用于非商业研究，并以私有预览形式开放商业研究使用。
推荐理由：AlphaGenome 2 从批量组织平均值转向单细胞条件化，在免疫细胞数据上将因果变异召回率大约翻倍，这对于将 GWAS 信号与特定细胞类型关联起来具有重要意义。
ElevenLabs 推出合作伙伴计划，提供增强的商业激励、新认证、联合上市机会和专属技术支持。该计划覆盖 44 个国家的 550 多家活跃合作伙伴，今年合作伙伴生态系统已产生 3.15 亿美元销售管道，以及超过 5200 万美元的合作伙伴来源和合作伙伴影响收入。ElevenLabs 的目标是让合作伙伴每为其创造 1 美元收入，就能获得 3 美元服务收入，并由前置部署工程师和新的认证合作伙伴目录提供支持。
在纽约峰会上，ElevenLabs 为其 AI 交互层发布了新模型、智能体和部署选项，其中包括负责管理轮流发言并将对话各部分路由至更便宜或前沿 LLM 的交互引擎。ElevenAgents 新增记忆功能，可构建回头客的结构化记录，以及例程功能，这是用于通话前、通话中和通话后多步骤工作的自动化层。ElevenLabs 还预览了 ElevenAI 职场应用，今日开放免费早期访问；推出了合作伙伴计划，目前覆盖 44 个国家的 550 多家合作伙伴，并与麦肯锡结成联盟；同时推出了 ElevenLabs 市场；NVIDIA 的 Nemotron 3.5 Super VL 现已在 ElevenAgents 中可用，并新增 15 MW 的 Vera Rubin 算力容量。
ElevenLabs 概述了语音克隆如何让内容创作者只需录制一次短样本，之后就能为视频、播客、课程和社交短片生成旁白，而无需再回到录音棚。该指南区分了即时语音克隆（Instant Voice Cloning）与专业语音克隆（Professional Voice Cloning）：前者可在不到一分钟内基于短样本生成克隆，后者则在更大的录音集上训练，并包含一个验证步骤，确认声音属于该创作者。指南还列出了选择标准，包括声音保真度、表达控制、语言覆盖、同意保障、导出选项和商业授权。
ElevenLabs 推出了 ElevenLabs Marketplace，这是一个由技术合作伙伴基于其模型构建的、面向特定行业的 AI 与语音应用精选集合，首批合作伙伴包括 Salesforce、IBM、NiCE、Twilio 和 Zendesk。企业可以探索金融服务、保险、医疗健康、电信、零售和政府领域的解决方案，并直接与这些方案背后的合作伙伴建立联系。从明年开始，符合条件的合作伙伴解决方案将可通过现有的 ElevenLabs 承诺购买。
Modal 与蚂蚁集团和 Tines 一道，成为加入 gVisor 维护者行列的三家公司之一；与此同时，Google 将该项目及其商标捐赠给 CNCF，采用维护者主导的治理模式。Modal 表示其每天启动多达 4000 万个 gVisor 容器，并自 2023 年起向上游贡献代码，包括 nvproxy GPU 支持、名为 rdmaproxy 的 RDMA 设备代理，以及 tmpfs 和内存分配器优化。该公司表示正在为 gVisor 开发多 GPU 内存快照和 GPUDirect Storage 支持。
ElevenLabs与NVIDIA已在模型、基础设施和主权部署方面扩大合作，将NVIDIA Nemotron 3.5 Super VL引入ElevenAgents平台。ElevenLabs计划在现有Blackwell Ultra系统之上新增15MW的NVIDIA Vera Rubin算力，并利用NVIDIA机密计算为波兰Centralna e-Rejestracja预约系统在本地部署语音智能体。据ElevenLabs称，在ElevenAgents客户支持基准测试中，Nemotron 3.5 Super VL实现了领先的端到端任务完成准确率，成本比其他领先开源模型低70%。
麦肯锡与ElevenLabs宣布结成联盟，帮助企业先通过初始用例验证对话式AI的价值，再在整个企业范围内推广。该合作将麦肯锡的行业与转型专长（包括QuantumBlack的AI工程能力）与ElevenLabs的前沿对话式AI技术及ElevenAgents平台相结合。荷兰电信运营商KPN已在使用这些新的AI驱动解决方案，该联盟计划将这一模式拓展至保险等服务密集型行业。
ElevenLabs表示，企业客户目前贡献其营收的55%以上，其技术已进入十大科技公司中五家、十大保险公司中五家以及十大电信运营商中四家的日常运营。在纽约峰会上，Ramp、Customers Bank、Banco Inter、Clover Health和FOX Sports等客户介绍了如何使用ElevenAgents和ElevenCreative开展支持代理、入职引导、多语言服务，以及在FOX Sports App中打造评论员Colin Cowherd的AI形象。
Google Arts & Culture 发布了南非艺术家 Esther Mahlangu 博士的首个在线回顾展，恰逢其 91 岁生日，包含 45 篇以上精选故事以及关于她的艺术、生平和遗产的丰富档案。由于档案中没有 1980 年之前的任何资料，团队利用 AI 视觉化重现了她未被记录的记忆，先生成静态图像，然后使用 Veo 将其转化为视频。该展览是与大英博物馆、南非 Iziko 博物馆和蛇形画廊等机构共同策划的。
OpenAI 表示，已有超过 20,000 名退伍军人和即将退役的现役军人领取了为期一年的免费 ChatGPT Plus，该公司还重点介绍了他们如何借助它为民用职业生涯做准备。
Tether AI Research 发布了 BotPsy，这是一个基于 Qwen3.5-0.8B 构建的 0.8B 参数智能体模型，用于端侧个人助手的工具调用。其智能体得分约为基线的两倍，BFCL v4 从 23.4 升至 44.0，τ-bench 从 23.2 升至 51.5，并在六项工具调用基准测试中优于所有参数量不超过 1.2B 的受测模型。它还将不安全回复从 36% 降至 21%，并在 GPQA Diamond 上使用的推理 token 数减少约 3 倍。
inclusionAI 发布了 LemonDecider 4B v3，这是一个基于 Qwen3.5-4B 微调的决策模型，通过单次联合前向传播返回选项、是/否或序数概率，而非生成答案 token。该模型在约 120 万条决策/问答数据上训练，在公开的 Decision Index 0.4 测试集上得分 61.67，请求延迟中位数为 49.9 ms。
NVIDIA重点介绍了四家Inception初创公司，它们利用AI和机器人技术在回收工厂分拣混合废弃物。AIRECO的Jetson Orin NX试点线识别准确率超过95%，目标是将年处理能力从18,000吨提升至48,000吨，同时将运营成本降低85%；EverestLabs已在北美和澳大利亚部署了约150台视觉引导机器人。
Vapi 推出 Agent Loop 早期访问版，计划于明年初正式发布（GA）。它是一个可自我改进的框架：只需一段简单提示即可构建语音智能体，针对业务目标对每通电话打分，为未达标之处起草修复方案，在模拟环境中测试，并先推送到一小部分实时流量，然后再全面上线。该循环运行在 Vapi 的基础能力之上，包括现已可在仪表盘中使用的 Simulations 和 Traffic Splitting，以及即将推出的 Goals、Call Health 和 Experiments。每个 Agent Loop 智能体都是真实的 Vapi 助手，因此工程师可保留完整的仪表盘和 API 访问权限，且任何变更上线前都需要人工批准。
vLLM 扩展了面向多模态服务的编码器/预填充/解码（EPD）解耦，新增仅元数据请求、专用编码器执行路径、通过 NIXL 和 Mooncake 的远程嵌入传输、跨编码器输出复用，以及通过 vLLM Router、SMG 和 llm-d 进行编排。包括 MiMo 和 XPU 支持在内的核心能力随 vLLM v0.32.0 发布，而对 DeepSeek V4.1 Flash 的仅元数据支持已通过 #62802 在 main 上提供。在 GB200 上对 DeepSeek V4.1 Flash 的测试中，在并发 64–128 时，EPD 相比八 GPU PD 基线实现了每 GPU 吞吐量高 6.6–9.5%、P90 TTFT 低 44–47%，但在并发 16 时每 GPU 吞吐量更低。
OpenRouter 在 Claude Sonnet 5.5、GPT-6 Luna 和 Gemini 3.8 Flash 上，用 GitHub MCP server、gh CLI 和一个 gh skill 测量了同一个 GitHub 任务。在 Sonnet 5.5 上三者都回答正确，但 CLI 用了 1,421 个输入 token，skill 用了 3,315 个，而 MCP server 用了 59,417 个——它带有 46 个默认工具，仅这些工具的定义每次请求就增加 19,436 个 token。把 server 限定为两个工具后，该任务降到 23,228 个 token；将结果上限设为 4,000 字符后降到 5,357 个；Tool Search 把 46 个工具的前置成本降到 600 个 token 以下，不过在 Sonnet 5.5 上它把整个任务的成本减半，在 Claude Haiku 5.5 上却提高了。
推荐理由：OpenRouter 的实测对比展示了 MCP server、CLI 和 skill 在同一个 GitHub 任务上各自消耗多少上下文，以及裁剪工具结果或延迟加载定义会在哪里改变账单。
Hugging Face 展示了池化感知训练如何在固定存储预算下提升多向量嵌入模型的检索质量。在 pool_factor=4 时，常规训练的模型保留了其未池化 NanoBEIR nDCG@10 的 94.6%，同时将文档向量减少到四分之一，而池化感知训练将这一保留率提升至 97.8%。文章详细介绍了 HierarchicalTokenPooling、预算校准以及一个可复现的 Sentence Transformers 示例。
OpenRouter 发布了一份指南，介绍如何处理来自 OpenAI、Anthropic 及其自身 API 的 429 Too Many Requests 错误，并在 60 条提示词的批次上测试了三种修复方案。OpenAI Python SDK 的默认重试在 12 秒内使 60 个请求中有 23 个失败，而等待 Retry-After 或 X-RateLimit-Reset 的重试在 Python 中于 89 至 92 秒内完成了全部 60 个请求，在 TypeScript 中为 106 至 218 秒。模型回退方案在 13 秒内以 $0.000066 的成本完成了全部 60 个请求；开启提供商故障转移后，全部 150 个固定提供商的请求均成功，而在关闭回退时最多有 32 个失败。
OpenRouter 于 2026 年 10 月 20 日针对 Qwen3.8 27B 的六个端点运行了 280 个精确答案任务，未发现 fp16、fp8 和 fp4 之间存在准确率差异，六个端点的得分均在 98.3% 至 99.2% 之间。在 1,455 个端点中，59.5% 完全未报告精度，fp8 是最常见的标注格式，占 23.6%。对大多数模型而言，较低精度更便宜，但并非所有模型都如此；提供商选择对价格的影响大于精度，同精度下最贵端点的价格中位数是最便宜端点的 1.72 倍。
推荐理由：OpenRouter 在一个模型的 fp8、fp4 和 fp16 端点上测量了 240 个精确答案任务，未发现可检测的准确率差距，而价格差异更多与提供商相关，而非精度。
JioStar 首席架构师 Vijay Seshadri 分享了在 5 亿用户规模下运行 AI 发现的经验，涵盖评估、护栏以及将 AI 投入生产。这篇由 OpenAI 发布的文章聚焦大规模 AI 部署背后的运营实践。
inclusionAI 发布了 ZoomGain-9B 和 ZoomGain-4B 视觉语言模型检查点，以及 ZoomGainBench 评估基准和 ZoomGain RL 训练数据。ZoomGain 挖掘从全局到放大的感知差距，以构建细粒度视觉监督，ZoomGain-9B 在多个细粒度和通用感知基准上取得了更优表现。ZoomGainBench 包含覆盖 941 张图像的 1,000 个问题，而 RL 数据集包含 9,000 条训练记录和 7,713 张源图像。
inclusionAI 发布了 arXiv 论文、ZoomGainBench 评估基准、RL 训练数据集以及 ZoomGain-4B/ZoomGain-9B 模型检查点。28 个模型中表现最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多个细粒度和通用感知基准上达到了更优性能。ZoomGain 挖掘从全局到放大的感知差距，为视觉语言模型构建细粒度视觉监督。
inclusionAI 发布了 SingVL S1，这是一个基于 Qwen3.5 构建的 4B 多模态决策模型，可在单次 Transformers 前向传播中对文本或 JSON 以及最多四张图像回答指定问题。它支持选择、是/否（noul）和 2–10 级评分问题，在 Public Vision Index 上得分 73.94，在 Public Text Index 上得分 69.76。该模型附带 Python 推理代码和 FastAPI HTTP 服务器。
微软研究人员描述了一种名为Lazarus的后门技术，该技术通过重编程大语言模型中不到10个休眠神经元，使基于该模型构建的智能体在出现隐藏触发条件时执行攻击者指令，且无需重新训练。被修改的模型仍能通过标准评估，在触发前表现正常，触发条件可以简单到只是日期变更，随后智能体会以被授予的权限运行下载的代码。作者表示，检测需要与原始权重进行差异比对，而Microsoft Foundry已将开放权重模型与其发布者绑定并扫描其容器，同时红队测试框架、基于智能体的权重扫描以及具有防篡改来源证明的签名模型正在开发中。
推荐理由：微软研究人员表明，重编程不到10个休眠神经元即可在无需重新训练的情况下对大语言模型智能体植入后门，这使得权重来源与完整性成为一项实际的安全要求。
LangChain 发布了一篇博客文章，说明检索设计如何塑造 AI 智能体的上下文工程，并以基于其 Deep Agents 框架构建的竞品分析智能体为例。文章涵盖三种失败模式：搜索效率低下、一次性加载过多上下文，以及结果不相关或过时，并为每种模式配以相应技术，例如 glob 和 grep 文件系统工具、使用 read_file 偏移量分页读取大文件、将过大的工具结果卸载到文件，以及在“检索、卸载、委派”模式下将读取工作委派给子智能体。文章还警告称，检索到的文本是数据而非指令，可能携带提示注入，因此应将输出与引用的来源进行核对。
LangChain 详细说明了其开源 Deep Agents 框架如何使用中间件来对抗长时间智能体运行中的上下文腐化。超过约 20,000 token 的工具结果和超过 50,000 token 的用户消息会被卸载到文件中，仅显示预览；而当使用量达到上下文窗口的 85% 时，摘要功能会压缩较早的消息。技能、子智能体和一个 markdown 长期记忆文件使主智能体的窗口保持较小，并让记忆能够跨模型和提供商延续。
推荐理由：LangChain 解释了其开源 Deep Agents 框架如何使用中间件来卸载、摘要和隔离上下文，为执行长任务的智能体提供了一种可复用的模式。
inclusionAI 已发布 ZoomGain-9B 的 GGUF 格式权重，使用 llama.cpp 转换，涵盖语言模型以及视觉编码器/投影器（mmproj），提供 FP16、Q8_0 和 Q4_K_M 版本。图像输入需要将语言模型与匹配的 mmproj 文件配对使用，仓库中记录了通过 llama-mtmd-cli 进行 CLI 推理以及通过 llama-server 搭建网页聊天环境的方法。需要支持 Qwen3.5 多模态的 llama.cpp 构建，量化可能影响准确率。