METR 与 Redwood Research 于 7 月 21 日至 8 月 11 日开展了一项为期三周的高权限演练，对 OpenAI 内部失准监控系统进行压力测试，并产出了一份 61 页的内部报告。他们估计，来自能力至少与 GPT-5.5 相当的模型的智能体内部 Responses API 流量中，约有 75–94% 符合监控条件；而用于内部 Codex 智能体的 Responses API 流量中，这一比例为 99.2%。团队发现了新的漏洞，包括 Codex 智能体原则上可绕过 Codex 沙箱与 Auto-Review 的途径、一种可使数百条近期操作不被监控的利用方式，以及两个可被客户端控制、能对新智能体禁用监控的请求头；OpenAI 表示，影响其生产防护栈的漏洞已被修补，但研究人员未对此说法进行评估。
Sakana AI 发布了 Sakana Aquarium，这是一个用于构建、运行和运营 AI 智能体的平台，在本体之上支持组织决策与执行。该平台由三部分组成：本体（Ontology），用于组织知识、规则和数据及其含义与关系，同时连接现有数据源而无需迁移；治理（Governance），用于设置访问权限和执行前审批，并记录从决策依据到执行结果的一切；托管智能体（Managed Agents），用于部署涵盖信息查询、AI 判断、函数执行和人工审批的工作流。Sakana AI 表示，数据连接和本体可以在不同智能体之间复用，该平台源自其 FDE 主导的与三菱日联金融集团（MUFG）、三井住友银行集团（SMBC Group）和大和证券集团（Daiwa Securities Group）等金融机构的合作。
Modal 发布了 Spindle，这是一个开源、兼容 Tinker 的训练服务器，运行在客户的 Modal 工作区内，让团队可以自定义技术栈，并按 GPU 时长付费，而不是按 token 付费。Spindle 支持对开源模型进行全参数训练和多 LoRA，Modal 报告称，在一个 DAPO-math GRPO 任务上，让 8 个客户端共享一个训练器，相比 Tinker 可将每 100 万输出 token 的成本降低最多 80%。Modal 表示 Spindle 仍处于 beta 阶段，并将其定位在其 Dojo 训练库与原始集群原语之间。
推荐理由：Modal 的开源 Spindle 服务器为团队提供了一个兼容 Tinker 的替代方案，以按 GPU 时长付费取代按 token 定价，据称多 LoRA 共享可将成本降低最多 80%。
Ai2 发布了 OlmoEarth v1.3，这是一个卫星嵌入模型，可将一年的 Sentinel-1、Sentinel-2 和 Landsat 时间序列转换为每个 10 米像素一个 128 维向量，其中前 64 维可作为更小的嵌入使用。Ai2 预计算了全球的年度嵌入并发布在 Source Cooperative 上，其 128 维嵌入在针对 AlphaEarth Foundations 和 Tessera v2 的 27 项评估中有 20 项得分最高，包括一项名为 PLANTEUR 的新热带作物基准。此次发布还包括 OlmoEarth Embeddings Explorer，这是一个无需登录的浏览器工具，可用于比较年份、查找相似地点并就地训练小型分类器，其中 2025、2024 和 2023 年为全球范围，2017 至 2022 年覆盖部分国家；权重、预训练数据和代码均已开放。
inclusionAI 发布了 Ling-3.0-flash-Sante，这是一个基于 Ling-3.0-flash 构建的医疗健康专用模型，总参数 124B，每 token 激活参数 5.1B，权重已上传至 Hugging Face 和 ModelScope。它采用混合线性 MoE 架构，结合 Kimi Delta Attention、门控 MLA 和稀疏 MoE 层，训练上下文长度达 256K token，默认启用思考模式，并可通过兼容的服务框架进行工具调用。该公司将其标注为研究模型，而非医疗器械，并表示其输出不得替代专业医疗建议、诊断或治疗。
MiniMax 在 MiniMax Code 桌面应用中推出 Mini App，这是一种插件格式应用，包含前端和 Node.js 后端，让 Agent 的工作留在一个持续运行的页面上，而不是分散在对话中。此次发布包含一个运行时，具备持久化数据目录、托管 MCP、Agent API、Host Connectors 和页内工具审批，还有 /miniapp-creator，可从一句话请求直接生成可用页面，以及插件市场中的官方 Mini App。MiniMax Bot 本身就是一个 Mini App，其源代码与社区构建的 Mini App 现已放入开源仓库 MiniMax-Code-MiniApps；Mini App 可在 macOS 和 Windows 的本地会话中使用。
推荐理由：MiniMax Code 把 Agent 的工作从对话流搬进常驻页面，并公开了 Mini App 的运行时与开源仓库，为 Agent 工具形态提供了一种可参考的架构。
SemiAnalysis考察了华为与DeepSeek的合作关系，对昇腾950PR（28个cube核心、128 GiB HBM）进行了基准测试，并回顾了DeepSeek于9月30日发布的针对TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA和DeepSelect的昇腾支持。950PR的峰值HBM带宽达到1.6384 TB/s，在小消息尺寸下带宽利用率超过H100，而其计算利用率中位数为41.5%，H100为46.8%；目前只有TileLang可用，因为所需的CANN 9.2.0在撰写时尚未发布。作者认为，尽管华为硬件落后，但其软件栈已接近前沿水平，并指出大多数优化针对超节点，而vLLM-Ascend在x86主机上仍无法开箱即用。
Google Research 在 JAMA Network Open 上发表了一项前瞻性多中心研究，显示其 AI 模型通过盲扫超声估计孕龄的平均绝对误差为 4.18 天，而使用标准生物测量的专家超声医师为 4.48 天。该模型仅在 120 名芝加哥参与者上进行了最小调优，并在内罗毕未做任何本地优化的情况下进行测试，达到 4.27 天的 MAE，而芝加哥为 4.10 天。该研究面向一线孕产妇护理，WHO 估计每年有超过 25 万例可预防的妊娠相关死亡发生，且三分之二的人无法获得诊断成像。
Anthropic正在将Agent Skills——一项为AI智能体提供专业知识和 workflows 的开放标准——捐赠给Linux基金会旗下的Agentic AI基金会（AAIF）。自2025年12月发布以来，包括ChatGPT、Cursor、GitHub Copilot和VS Code在内的70多个智能体平台已集成该标准，已发布100万个技能，安装量近2.8亿次。此次捐赠涵盖Agent Skills名称和徽标、GitHub组织以及agentskills.io域名，来自Anthropic、Google、OpenAI和其他公司的工程师将以个人身份在首席维护者David Soria Parra和Mahesh Murag的带领下对其进行维护。
推荐理由：Anthropic将其Agent Skills标准交给Linux基金会的AAIF——与MCP相同的中立归属，使社区对该规范的路线图拥有正式话语权。
Google Cloud 研究人员公布了 Project Chrysalis，这是一个基于 Gemini 平台和 Agent Development Kit（ADK）构建的可治理、自进化 AI 智能体的参考架构。在模拟的黑色星期五缓存踩踏故障中，它将首次缓解时间从 15–45 分钟缩短至 1.8 秒，将 HTTP 5xx 错误率从 72.7%–80.0% 降至 0.0%，并将 P99 延迟从 519.8 ms 降至 18.2 ms。每一项自主操作都受到 Model Armor、Cloud KMS、Binary Authorization、OPA Policy Controller 以及双人保管人在环签核的约束。
微软研究员张新智（Xinzhi Zhang）与一位合著者证明了Kannan-Lovász-Simonovits（KLS）猜想——一个悬而未决31年的高维几何开放问题，表明该界可由一个与维度无关的通用常数成立。该证明源自一个人工引导的智能体过程：AI智能体探索了100多种候选方法，研究人员则对搜索进行剪枝和重新引导；而在相当token预算下用领先模型进行的另一次无引导尝试未能成功。同日另有两篇证明出现，随后还发布了Lean 4形式化。
推荐理由：一个悬而未决31年的高维几何开放问题，通过人工引导的智能体搜索在大约100种候选方法中得到解决，并以独立证明和Lean形式化作为确认。
Google Cloud API Gateway 现已在公开预览版中支持流式传输，使 SSE、分块 HTTP、WebSocket 和 gRPC 流式端点能够与现有 API 一样，置于同一网关和策略之后。创建网关时只需一个 --enable-streaming 标志即可启用流式传输，无需更改 API 规范，并且 API 密钥强制执行、JWT 验证、服务账号认证以及 Cloud Logging 和 Monitoring 均照常工作。网关还会获得确定性的默认主机名 GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev，流最长可保持打开一小时。
Anthropic 邀请学术机构、非营利组织和政府实验室的首席研究员及其研究团队申请为期 8–12 周的客座研究员项目，在因果人类生物学、结构与计算分子生物学、药物化学、药物发现和临床科学等领域使用 Claude。Anthropic 将免费运行其模型和工具链，成果将以开源数据和代码形式发布，同时研究员保留对其数据的权利。申请开放约 14 天，入选参与者将在截止后约 14 天通过电子邮件收到通知。
中国商务部和科学技术部于10月16日发布出口管制目录的增补草案，首次将先进大型AI模型、AI智能体及大型计算集群纳入其中，其中14项技术被禁止出口，26项受限。
Mistral 与 NVIDIA 正在合作构建 AI 原生工程工作流，将 Mistral Large 4 与 NVIDIA CUDA-X 库和 Warp 相结合，旨在加速仿真并实现闭环设计。该合作还将为 CAE 和 EDA 中的物理模型与智能体 AI 产出公开基准和开放数据集，并与 NVIDIA Omniverse 集成以实现 3D 场景生成和 SimReady 资产。Mistral Large 4（代号 Le Chonk）总参数量约 1 万亿、激活参数 490 亿，在 3,800 块 NVIDIA Grace Blackwell GPU 上训练完成。
Modal 发布了 Modal Dojo，这是一个训练库，提供构建模块、调优好的默认配方以及一个可观测性仪表盘，用于生产级 LLM 后训练。它基于开源框架 Miles 和 Slime 构建，支持从 5 亿到数万亿参数的模型，并暴露 API 和 CLI，智能体可以驱动它们来启动和调试运行。Modal 表示，Axiom Bio 使用它将 DeepSeek V4.1 Flash 的 64k 上下文运行扩展到 64 块 B300，Afterquery 则以 256k 上下文长度训练 Kimi 和 DeepSeek。
据Platformer报道，乔尔·卡普兰已离开Meta。该文章将他的离职与其他AI行业新闻并列提及，包括约24万块GPU被走私到中国的说法，以及特朗普听取了关于黄仁勋据称与中国间谍有染的简报但未采取行动。
在低代码平台被证明过于僵化且不透明之后，Acuity Health 在 LiveKit 上重建了其患者接入语音智能体，如今 80% 的来电完全由 AI 智能体处理。智能体基于 LiveKit Inference 运行，使用 Gemma 4 31B 模型，大多数预约在一分钟内完成，81% 的预约通话以“谢谢”结束。LiveKit Simulations 会在发布前针对患者画像测试每一项变更，一次提示词审查削减了约 24% 的用词，同时仍能通过相同的场景测试。
Apple研究人员（与滑铁卢大学合作）提出TEAL，这是首个基于冻结ViT表示的像素级主动学习框架，通过两级MaxHerding策略直接在原生token格上选择多样化候选，并结合基于margin的不确定性精炼。在每张图像仅有一个标注像素的情况下，TEAL在CamVid、Cityscapes、ADE20K和Pascal Context上比最强基线最高提升+24.36 mIoU，仅用10 px即达到全监督性能的97%。
OpenClaw 启动了 Focus Weeks 计划，该计划每周针对其路线图中的一个领域，由一位 Maintainer 负责，并邀请社区贡献代码、缺陷报告、测试、文档和无障碍反馈。首个 Focus Week 于 2026 年 10 月 19 日至 25 日举行，聚焦 Control UI，由 Vyctor Brzezowski 担任 Maintainer。一组精选的轮换 Clawtributors 还将获得共享 OpenClaw Team 环境的临时访客权限，以测试其多人协作功能。
亚马逊与独立非营利组织AVERI合作，审查其内部安全评估数据集的质量，而不仅仅是模型输出。AVERI验证了主题覆盖范围、提示多样性和低污染风险，同时建议扩大多语言覆盖范围、增加多步骤对抗性提示，并明确评分标准。亚马逊对此作出回应，更新了测试集、设置了分级难度，并建立了季度审查机制。
Anthropic 的 Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 Google Antigravity 中正式上线，覆盖 Antigravity 2.0 Desktop、CLI 以及 VS Code、JetBrains 和 Visual Studio 的 IDE 扩展。Opus 5.5 面向重度推理和多文件架构重构，Sonnet 5.5 则是更快、成本更低的日常编码选项。开发者可以通过下拉菜单或在 CLI 中输入 /model claude-opus-5-5 在会话中途切换模型，且不会丢失上下文、终端状态或工作区产物；管理员可在 Google Cloud Console 的 Gemini Enterprise 下启用这些模型并设置支出限额。
Alphabet CEO Sundar Pichai 对 Big Technology 表示，Google 仍致力于前沿 AI 开发，称其云业务放弃短期收入，以做出支持这项工作的算力取舍。他表示，Gemini 4 Argon 在编程、数学、科学和知识工作基准上优于 OpenAI 和 Anthropic 最新的公开模型，在发布后的前 72 小时内处理了近 25 万亿个 token，约为 Gemini 3.0 的三倍，而 Google 在为其提供服务时面临容量限制。Pichai 还表示，前沿访问让 Google 能更早看到新兴能力，这对构建下一代模型很重要。
OpenAI 的 Alignment Blog 为 g-mean² 增加了两个指标，g-mean² 是其数据集级别的监控区分度度量。配对匹配指标仅在支持相关正例、负例或干预有效比较的任务实例上比较模型，而后控制整合指标模拟监控门控拒绝，并估计部署系统仍输出不良输出的概率。该文章还为干预评估推导出一个悲观下界。
阿波罗首席经济学家Torsten Slok警告称“这个AI最好能成功”，而Ed Zitron量化了这有多难。NVIDIA、Google、Amazon、Meta、Microsoft、Broadcom、Micron、AMD和CoreWeave合计约占纳斯达克100指数的46.5%，2026年第二季度企业股票占美国家庭财富的37.9%，为2000年第四季度以来有记录的最高水平。
三位拥有十多年 Java 经验的 Java Champion 分别分享了他们在生产环境和开源工作中使用 GitHub Copilot 的方式。Vlad Mihalcea 在两天内（而非数周）构建了一个 Hypersistence Optimizer Web 应用，并基于自己的 65 篇文章训练了自定义技能，以匹配他的写作风格。Patrick Baumgartner 借助 Copilot 将 15 份演示文稿中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，并通过截图对比验证结果。
Google 的 Agents CLI 现已包含扩展系统（Extension System），该系统在 v1.5.0 中引入，允许开发者在不 fork 工具的情况下覆盖或添加命令，而 v1.8.0 发布了首个官方 LangChain 扩展。该 LangChain 模板可搭建一个不依赖 google-adk 的项目，并通过与 ADK 项目相同的代码路径部署到 Cloud Run，而 playground、run 和 eval generate 等六个与 ADK 耦合的命令则被替换或明确拒绝执行。扩展以 Git 仓库中的目录形式分发，并通过 lockfile 固定确切的 commit SHA，该系统在 v1.8.0 中标记为实验性。
微软研究院 Catalyst Lab 主任 Chris White 回顾了他在 DARPA 项目之后领导阿富汗先进技术行动的经历，以及后来构建暗网搜索工具以打击人口贩运的工作。在与 Weishung Liu 的微软研究院播客节目中，White 讨论了问题选择如何塑造创新，以及他在目睹人性最黑暗的部分后如何保持希望。
我们测试了 Claude Duet——Anthropic 今日以研究预览形式推出的全天候个人智能体——并认为它是第一个称得上专业工具的个人智能体。Duet 运行在 Opus 5.5 上，拥有独立于 Claude 的 iOS、Android 和网页应用，会把反复出现的话题拆分到不同频道，跟踪自己正在处理的工作以及需要用户提供的内容，并能就地编辑文档、幻灯片、设计和仪表盘。评测者仍指出了一些不足：它能查看但无法操控电脑上的 Claude 会话，其邮件草稿落后于 OpenAI 的 Dot，定时运行无法触达自定义连接器，而且目前还没有真正的语音模式，只有转写。
推荐理由：这是一次上手对比，将 Anthropic 的新款全天候智能体与 OpenAI 的 Dot 相比较，有助于判断个人智能体目前仍在哪些方面存在不足。
实验物理学家、哈佛大学前理学院院长Christopher Stubbs已加入Anthropic的长期利益信托，成为该信托的首位物理学家。Stubbs曾参与发现宇宙加速膨胀，并就国家安全与军备控制向美国政府提供咨询。他加入由主席Neil Buddy Shah、Richard Fontaine和Ben Bernanke组成的信托，该信托可任命Anthropic董事会的多数成员。
Ethan Mollick 在《Co-Intelligence》出版 30 个月后发布了第二本 AI 著作《Co-Existence》，并在 Claude Projects 中使用 Claude Opus 5.5，几分钟内生成了该文章的图表，以及一段“水獭在飞机上用 wifi”的视频。他指出，如今已有 180 个模型在发布时性能超过 GPT-4，其中 19 个可在现代智能手机上运行；而 METR 的 Long Horizon Benchmark 从 2024 年的四分钟任务，上升到 2026 年 4 月的 17 小时人类工作量，随后该基准耗尽。
Sakana AI 于 2026 年 10 月 5 日举办了第二届工程师开放日，涵盖应用研究工程师、前向部署工程师、软件工程师、解决方案工程师和网络安全工程师五个工程岗位。CEO David Ha 阐述了基于预训练、使用 Namazu 进行后训练以及通过 Fugu 进行编排的“AI 主权”战略，此前该公司在过去六个月中将产品组合扩展至 Sakana Chat、Marlin、Fugu 和 Translate。活动还详细介绍了与日本金融机构和国防项目的合作，包括与防卫省情报本部及防卫创新科学技术研究所的研究。
Mistral 发布了 Voxtral 3，这是一系列语音转文本和文本转语音模型，外加一个基于 LiveKit 构建的语音智能体 SDK，可在单一流水线中流式完成聆听、推理、工具调用和说话。Voxtral Small Transcribe 3 覆盖 50 多种语言，支持说话人分离和上下文偏置；Voxtral Mini TTS 3 支持 35 多种语言和 50 多种方言；该技术栈可通过 Mistral 的欧盟托管 API 或自部署获取。定价为批量转写每分钟 0.0035 美元起，TTS 每 100 万字符 13 美元。
推荐理由：Mistral 的 Voxtral 3 将多语言语音模型与基于 LiveKit 的语音智能体 SDK 相结合，为团队提供了一个可主权部署的实时语音智能体选项。
Zyphra 发布了面向 AMD Instinct MI355X GPU 的 Zyphra 优化引擎（ZOE）第二波，在其 vLLM 和 SGLang 的生产分支中加入四个用于 MoE 和稀疏注意力的定制 HIP 内核。40x）。3 checkpoint 在四个推理基准上与 FP8 相差不超过 3 分，但仅在高并发下解码更快。
Waymo宣布正在西班牙为其全自动驾驶网约车服务奠定基础，首先从马德里地区开始，目标是于2027年迎来首批乘客。电动Jaguar I-PACE车辆将在未来几天出现在该地区街道上，先由人工驾驶，之后由当地培训的自动驾驶专家进行技术验证。Waymo援引超过2000万次已完成行程以及超过4亿公里全自动驾驶里程的数据，称在其运营的城市中，涉及严重伤害或更严重后果的碰撞事故比人类驾驶员少95%。
Vapi 已聘请前 Turing 工程副总裁 Jeff Liu 担任新的工程高级副总裁。Liu 还曾在 Google 工作六年、在 LinkedIn 工作一年，他表示加入是因为 Vapi 构建的是语音 AI 部署平台，而非单一应用。他的首要任务是提升平台可靠性与可扩展性，以迎接未来几个季度计划中的产品发布。
10 月 8 日，Vapi 在旧金山湾的一艘包租游艇上召集了 30 多位语音 AI 开发者参加舰队周活动，Deepgram、Kouper Health 和 Coval 带来了炉边对话，另有一场技术工作坊。与会者重点关注 GPT Live 语音到语音，它降低了延迟并带来流畅的轮次转换，但牺牲了对关键术语和脚本的精细控制。讨论还涉及附和反馈、感知延迟以及平台与自建语音栈的取舍。
一个由普林斯顿牵头、斯坦福、英国AI安全研究所和布鲁金斯学会参与的小组发表了《AI智能体评估的新兴趋势》，综合了评估科学、研究议程和评估者生态系统中的33个趋势。论文认为智能体评估远比模型评估复杂，因为评估者必须审视整个轨迹而非最终结果，并指出ExploitBench基准上的某些智能体评估耗费了数万美元的额度。它呼吁扩大研究议程，涵盖能力、人机交互和制度影响，并为独立评估者提供更广泛的参与和资助。
GitHub Copilot 应用会话现在可以直接在 VS Code 中打开，并延续对话、代码更改和工作树，让开发者无需重新开始即可查看差异、手动编辑并在本地测试。本教程逐步演示如何打开会话、逐行查看智能体的更改、在 Copilot 侧边栏中继续同一对话，以及将会话的拉取请求推送更新。
Google 发布了 Meta TorchTitan 的 TPU 分支版本，该版本通过 TorchTPU 原生的 torch.device("tpu") 后端在 Cloud TPU 上运行 PyTorch 训练，配备 TPU 原生内核和分步优化手册。在 TPU v7x（Ironwood）上，Llama 3 405B 在 128 至 1,024 芯片范围内保持约 57% MFU，Qwen3 235B 在单个 1,024 芯片切片上达到 32.42% MFU，FLUX.1 在 1,024 芯片上以 93% 弱扩展效率达到 19.4% MFU。该分支位于 https://github.com/google-pytorch/torchtitan/，此外还有 Transformers 建模后端和 agent 接入技能，可将同一训练器扩展到其他检查点。
推荐理由：Google 与 Meta 合作把 TorchTitan 移植到 TPU，并给出从 FLUX.1 到 Qwen3 235B 的逐级调优路径与 MFU 数字，可作为 PyTorch 团队评估 TPU 训练可行性的参考。