Sierra 已收购 Anon，这家初创公司构建的基础设施可让企业 AI 智能体在没有 API 的网站上登录、浏览页面并填写表单。Anon 融资超过 1300 万美元，其产品已被数百家客户使用，其团队现在将帮助 Sierra 的智能体完成需要登录网站或通过浏览器门户操作的步骤。创始人 Daniel Mason 表示，更好的模型和 harness 已使浏览器智能体可靠得多，而 Sierra 的 Horizon 智能体正在追求更长期的目标，例如发起贷款或为医疗程序获得事先授权。
Maude Lemaire 是首席工程师、《Refactoring at Scale》一书的作者，她在 The Pragmatic Engineer 播客中分享了扩展 Slack 和 GitHub 的内部视角。她曾用近八年时间领导 Slack 的后端性能基础设施团队，之后于 2024 年加入 GitHub 处理数据库扩展问题，最近则在 Cursor 从事性能工作，包括首 token 时间。她解释了 Slack 为何限制自定义表情为 23 个以避免惊群效应，为何用朴素方式对 50 万个 WebSocket 连接做负载测试每次运行要花费 15 万美元，以及为何 GitHub 的 Active Record 抽象和分散查询将其限制在 16 个数据库分片。
Mistral 扩展了其企业 AI 平台 Studio，新增托管智能体与应用，以及新的工作流、企业上下文、智能体可观测性和评估能力，运行于 Mistral Large 4 (Le Chonk) 模型之上。开发者可以借助技能、沙箱、子智能体和钩子构建多步骤智能体，并通过新的 Mistral MCP 服务器用一条命令部署到 Studio。Mistral 表示，包括 ABANCA、BNP Paribas、Capgemini 和 TCS 在内的客户已在生产环境中使用 Studio，部署方式可选云端、VPC 或本地。
推荐理由：Mistral 扩展 Studio，新增托管智能体、工作流和应用，展示了企业如何将部署和数据控制保留在自己的环境中。
Zyphra Research 发布了 ZYFA，这是面向 AMD MI355X（CDNA4，gfx950）的 BF16 和 FP8 因果预填充注意力内核，支持头维度 128 以及 DeepSeek-V2 的 MLA 形状。在 16K token 下，使用 Mistral-7B、Qwen3-8B 和 DeepSeek-V2-Lite 的激活值，ZYFA 的 FP8 内核吞吐量达到 AITER 的 1.16–1.76 倍；在 32K token 下的高斯输入上，头维度 128 时达到 1.26–1.37 倍，MLA 形状下达到 1.99 倍。在头维度 128 时，FP8 误差比 AITER 低 62–78%。
ASpec 是一个面向投机解码草稿模型的高吞吐量训练框架，基于 TorchSpec 代码库构建，具备优化的注意力机制、融合内核以及选择性 head/loss 计算。在 Qwen3-8B 4K 运行中，仅草稿模型训练在单 GPU 上达到 15,256.44 输入 tokens/s，为 TorchSpec 的 1.96 倍；而 8-GPU 在线稳态窗口达到 77,721.37 tokens/s，为 TorchSpec 的 2.28 倍。它支持 DSpark、DFlash、EAGLE3/4 和原生 MTP 草稿模型，并提供 Qwen3-8B 和 Ling tiny 快速入门。
Waymo 正在为严寒冬季天气做准备，包括历史性的厄尔尼诺季节，为此扩展了第六代 Waymo Driver 的寒冷天气能力。该系统将摄像头、雷达和激光雷达与内置加热器和微型雨刷相结合，实时测量每个车轮的牵引力，并使用雪地轮胎，同时车辆作为移动气象站，在整个车队中共享道路数据。Waymo 表示，当条件超出其安全框架边界时，将减速、限制或暂停服务，并将在本季节在阿拉斯加进行封闭赛道测试和大雪数据收集。
民主党赢得得州参议院和州长选举，并24年来首次控制州众议院，此前他们将数据中心作为竞选核心议题。当选州长Gina Hinojosa推动全面暂停令，而即将离任的州长Greg Abbott已于9月21日指示州监管机构停止发放数据中心许可。
Mastra 推出定制 Harness 计划，由前驻工程师嵌入客户团队，共同构建量身定制的 agent harness。该计划包含可观测性、评估、自定义 MCP、人在回路工作流、认证与 RBAC，以及 Mastra 企业平台的早期访问权限。Mastra 援引 Workday 的案例：Workday 在 31 天内从 Amazon Bedrock Agents 迁移，削减了 3,000 行代码，并将向量存储成本降低了 98%。
Buoyant 宣布推出 Kinference，这是一个采用 Apache v2 许可证的开源控制平面，可将兼容 OpenAI 和 Anthropic 的推理流量路由到 Kubernetes 上的 vLLM worker，并新增 token 速率限制、按租户的使用量与成本追踪、KV-cache 感知的负载均衡以及 YAML 推理策略。在该项目的公开基准测试中，与标准 Kubernetes service 负载均衡相比，Kinference 在某一工作负载上将首 token 延迟中位数降低了 95%，端到端延迟中位数降低了 45%；在容量测试中，共享前缀场景的有效吞吐量达到 7.4 倍，多轮对话场景约为 3.5 倍。策略可以将较简单的提示词路由到更便宜的模型，将突发溢出流量发送到 Bedrock 和 Databricks 等提供商，或将带有 PII 标记的请求保留在集群内；按租户的指标涵盖 token 速率、TTFT、ITL 以及缓存与未缓存的提示词 token。
推荐理由：Buoyant 的 Kinference 在 vLLM 之上增加了 KV-cache 感知的负载均衡和 YAML 推理策略，基准测试声称其相比标准 Kubernetes service 路由在 TTFT 和有效吞吐量上有大幅提升。
Clerk AI 基于 LiveKit 的开源框架和全球边缘网络运行企业级语音与消息智能体，无需预先配置即可处理超过 1,000 个并发语音会话。智能体响应时间低于 500 毫秒，原生支持 30 多种语言，ScreenSense 通话筛选准确率达 97%，TrueReach 语音信箱检测准确率超过 98%。该平台可完全掌控 STT、LLM 和 TTS 提供商，持有 SOC 2 Type II 认证，并内置 TCPA 合规能力。
SemiAnalysis 报告称，SpaceX 目前有 3.6GW 的数据中心容量正在多个站点建设中，并将其 2027 年的估计上调至约 13GW，高于其在首次财报电话会议上给出的 10GW 数字。该机构表示，已确定超过 9GW 的可行容量，并认为 SpaceX 可能是世界上最快的数据中心建设者， citing Colossus 2 的建设时间为 210MW 用时 91 天，以及密西西比州一个新站点目标约为 4 个月。它还指出，德克萨斯州 TeraFab 芯片工厂站点可能有一个数据中心，以及 Colossus 2 的 BESS 部署接近 6GWh。
Meta 推出了 F3 Lightning，这是构建在其 Facebook Feature Framework（F3）之上的基础设施层，它将特征发布与共享执行解耦，使 20,000 多个广告排序特征中的每一个都能独立编译、验证、部署和回滚。与之前的 F3 相比，同类提取特征现在进入生产环境的速度提升了约 3.6 倍，且基础设施计算成本没有增加。
Preferred Networks 将在 SC26 上展出其 MN-Core 系列。SC26 是于 11 月 15 日至 20 日在芝加哥举行的国际高性能计算会议，展台演示将于 11 月 17 日至 19 日进行。在 4606 号展台，该公司将展示其正在研发的 MN-Core L1000 推理 AI 芯片的结构模型和样机、MN-Core L 系列的未来规划、基于 MN-Core 2 Devkit 的现场演示，以及超高效 AI 计算基础设施的研发工作。
Figma 的代码层功能现已面向 100% 的用户开放测试，让团队可以直接在 Figma 画布上构建并对比由代码支持的原型。演示中，一位设计师将 GitHub 仓库克隆到代码层，提示 Figma 智能体并排生成三个配送地址变体，并在全屏代码编辑器中优化其中一个。Extract designs 可将屏幕或录制的流程转换为可编辑的设计层，并通过 Update code layer 将其送回原型；智能体还能将两位队友的代码层合并为一个组合体验。
OpenAI描述了训练激活分类器（即探针）的方法，这些探针读取模型内部的残差流激活，以标记助手输出中不对齐或违反策略的完成内容，并表示已从GPT-5.6开始在其最强模型的内部和外部流量上部署这些探针。探针采用Attention probe架构，包含MLP加QV-attention以及指数移动平均，使用由推理模型评判器标注的最多100万条消息进行训练，并在推理引擎上以流式方式运行，因此可以在回合中途阻止某个完成内容。OpenAI报告称，探针在许多后训练阶段之间具有出色的迁移能力，但在预训练检查点之间的迁移较为有限，并表示在其红队测试中，探针总体上比基于内容的分类器对越狱更具鲁棒性。
推荐理由：OpenAI详细说明了基于模型内部激活的激活探针如何作为流式安全层发挥作用，包括其在跨检查点迁移方面的局限以及重新训练的需求。
Sierra 围绕其常驻的智能体构建助手 Ghostwriter 重新设计了 Agent Studio，如今排查问题、编辑旅程和测试修复都在同一次对话中完成。Ghostwriter 会跟随你穿梭于旅程、模拟和仪表盘之间，每次会话都会将变更和测试结果保留在一起，直到队友审核并合并。Agent Studio 还将相关智能体归入同一项目，并新增逐行差异对比、Preview Chat、Simulations，以及带必需审批和受控发布的发布治理。
包括Ornn、Silicon Data、Architect和Liquid Compute在内的多家初创公司正在构建期货市场、价格指数和经纪服务，以标准化GPU算力定价。Ornn正在以约10亿美元估值进行新一轮三批次融资，Thrive Capital和General Catalyst正在洽谈参与，此前该公司于6月完成了由a16z crypto领投的3300万美元种子轮融资。这些公司均尚未获得金融监管批准，而CME计划上市与Silicon Data的H100和B200 GPU租赁指数挂钩的期货，已错过10月5日的目标日期。
Google 开展了一项 50 道题的自动评分编码智能体基准测试，检验轻量级分类器 TypeSafe 的 Jev 能否将每项任务路由到仍能正确作答的最便宜 Gemini 配置。一个冻结的正则表达式与提示长度启发式方法在 16 道开发题上得分 93.8%，但在 34 项留出任务上下降 23.2 个百分点至 70.6%，而 Jev 在整个测试集上达到 96.0%。最强的无路由方案——Gemini 3.8 Flash 低思考模式——解决了全部 50 项任务；一个 Jev 路由器先将任务发送给 Flash-Lite、再对标记的任务升级，同样解决了全部 50 项任务，同时降低了成本和响应时间；将 maxOutputTokens 上限设为 300 在简单任务上未节省任何成本，却导致 25 项困难任务中的 7 项失败。
Zyphra 推出了 Zyphra Hierarchical Attention（ZHA），一种稀疏注意力方法，它构建一棵由压缩 KV-cache 摘要组成的树，并让查询自上而下地通过该树进行路由，在合适的 top-p 阈值下实现次二次复杂度。现有的预训练模型可以通过一个简短的 KL 蒸馏阶段进行适配，仅需使用几十亿个 token；在 Qwen3.6-35B-A3B 上，ZHA 增加了 81,920 个可训练参数，约占基础模型的 0.00024%。在 256K token 的 RULER-13 上，宽树模型得分为 96.2%，而稠密注意力为 96.0%；深六层树在 LongBench v2 上得分为 63.4%，而稠密注意力为 58.0%，同时只关注约 1.1% 的 KV cache；一个 GPU roofline 模型预测，在 10M token 时相比稠密注意力可实现 32-35 倍加速。
Ai2 的 Olmo 3 获得了 Nextcloud 最高伦理 AI 评级——绿色评级，该评级要求开源训练与推理软件、可自托管的已训练模型以及公开可用的训练数据。Nextcloud 将 Olmo 3 与其 llm2 本地 LLM 后端捆绑，并选择 7B 版本，以便没有 16 或 32 GB 显存的用户仍能获得良好的开箱即用本地体验。
SemiAnalysis 发布了 GDPx，这是一个覆盖芯片设计、网络安全、生物学、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程的基准，由 14 个专业 RL 环境合作伙伴共同构建。即便是最好的模型也仅得分 12%，其中 Opus 5.5 在量化交易、硬件和芯片设计上胜出，Gemini 4 Carbon 在生物学和软件工程上领先，GPT-6 Astra 在 RSI 和材料科学上居首。每项任务都在逼真的模拟环境中运行，例如约 4,000 个文件的私募股权交易室或实时多服务网络靶场，这与 OpenAI 的 GDPval 不同——SemiAnalysis 认为后者把上下文喂到嘴边且缺乏环境。
SemiAnalysis认为，2027年美国数据中心热潮基本已成定局，其前20个州预计新增的33.8 GW中约四分之三已在建设中；而真正的选举风险在2028年，其模型预测美国净新增62.2 GW，其中大部分尚未开工。该机构追踪了13个州，这些州合计43.5 GW，占全国预期容量的70%，并发现20名中期选举候选人中有9人希望暂停新建设，11人希望附加条件，两党大致各半。近期最大风险是得克萨斯州TCEQ的许可长期冻结，因为仅得州就贡献了2028年美国新增GW的近30%。
Anthropic 发布了 FlashProve，这是一个开源原型，使用 zkSNARK 证明某个响应来自一个已承诺的模型，而无需暴露其权重。在 Llama 4 Maverick（400B 参数 MoE，4 位权重）上，单张 H100 以约 110 tokens/秒的速度生成证明，每 1,024 token 请求的证明大小约 19 MB，约为 vLLM 完成相同工作所需 GPU 时间的 70-95 倍。该发布包含可执行的证明器和验证器代码、一个 C++ 快速验证器、一个 Lean 验证器（其完备性、可靠性和零知识性陈述经机器检查），以及一份技术报告，全部采用 Apache 2.0 许可。
推荐理由：Anthropic 的 FlashProve 表明，基于 zkSNARK 的推理证明对于一个 400B 参数的 MoE 模型正变得实用，并提供了开放代码和经 Lean 检查的安全性声明。
Google DeepMind 正在将其基于 Gemini 构建的 AI 规划工具 PlanAssist 扩展至英格兰另外 12 个地方规划机构，使总数达到 15 个。自 6 月以来，在 Barnet、Camden 和 Dorset 的试点中，该工具将工作人员在住户评估任务上花费的平均时间最多缩短了 58%，其生成的报告中有超过 70% 未经编辑即获批准。
丰田与Waymo宣布其自动驾驶合作的下一阶段，将于2027年在日本初步运营并测试验证一支自动驾驶丰田bZ4X车队，随后计划部署至英国及其他Waymo服务市场。丰田将在爱知县丰田市的高冈工厂生产车辆，在同一厂区内完成基础车辆组装并集成Waymo的自动驾驶硬件。两家公司称此合作是日本首个使用大批量国产车辆的全自动驾驶网约车服务的里程碑。
将知识蒸馏与Medusa框架结合，使拥有11亿参数的TinyLlama学生模型在质量上匹配其700亿参数的Llama-3.1教师模型，同时运行速度快10至20倍，成本不到三分之一。在与Booking.com合作开发AI Trip Planner、Smart Filters和住宿描述生成时，该流程弥合了超过90%的质量差距，并通过Medusa头额外实现了2至3.6倍的加速。
Meta已将Catching JiTTests——其基于LLM的即时测试生成方法——从研究原型转入生产基础设施，并在FSE 2026论文《Just-in-Time Catching Test Generation at Meta》中公布了结果。该系统利用空闲算力在夜间运行，针对高风险diff，通过dodgy-diff和意图感知工作流生成测试，并在结果送达工程师之前，用LLM-as-Judge集成加上基于规则的RubFake评估器过滤误报。截至撰写时，589名工程师（占触达人数的64%）参与了结果互动，结果显示真阳性率为60%；在2026年上半年，该系统在diff阶段捕获了74个严重隐私缺陷，并将隐私SEV降低了20%。
DevFest 是 Google 开发者社区（Google Developer Groups）主办的社区主导型开发者活动系列，将于 2026 年 10 月 1 日至 12 月 31 日回归，预计在 115 个国家举办 800+ 场活动，吸引近 100 万名参会者。会议与工作坊涵盖 Google AI 技术以及 Google Cloud、Android 和 Web 方向，主题围绕智能体时代的构建、安全与扩展展开。活动由基层组织者以当地语言举办，演讲嘉宾包括 Google 开发者专家和 Google 工程师。
inclusionAI 发布了 Ling-3.0-flash-Sante-fp8，这是其医疗健康专用模型 Ling-3.0-flash-Sante 的 FP8 量化版本，保持 124B 总参数和每 token 5.1B 激活参数。它在医疗健康基准测试上的平均分为 73.9，与 BF16 检查点持平，同时降低了支持 FP8 的硬件的权重内存占用。该仅用于研究的模型支持 256K token 上下文，默认使用带工具调用的思考模式。
Meta 详细介绍了其个性化广告检索引擎 Andromeda 的下一代版本，该引擎在生产环境中每秒对超过 10 亿条广告进行评分——相比 2024 年的系统吞吐量提升 100 倍。新架构将受 LLM 启发的混合专家模型引入检索环节，以约 300 分之一的推理 FLOPs 接近排序级模型性能，在单块 NVIDIA GH200 GPU 上每秒可处理超过 100 亿条广告。自 2025 年以来，Andromeda 已在 Facebook 上带来 2.4% 的转化率提升。
Replit 公布了 Agent Habitat 背后的架构，该产品让智能体能够在公司控制的边界内访问公司知识和系统。文章提出了四项原则：对智能体的最小权限、故障遏制、可问责的生产变更以及可治理的委托工作。Replit 表示，其现有的 microVM 隔离机制阻止了近期披露的 Linux 内核漏洞被利用，并且连接器凭据保留在智能体的上下文之外，由凭据代理在从保险库检索密钥之前对每个请求进行授权。
Zenrin、Zenrin DataCom与Preferred Networks已签署业务与资本联盟协议，Zenrin旗下公司认购了PFN的第三方定向增发。合作方将把持续更新的地理空间数据（包括历史变更记录）与PFN的生成式AI、物理AI及三维空间识别技术相结合，构建能够理解和预测现实世界变化的AI模型。初期重点领域包括公共部门、房地产、零售与流通，瞄准需求预测、门店选址以及城市规划、防灾和物流模拟。
Figma 详细介绍了它如何为其 Figma agent 训练一个第一方设计编辑模型：首先在合成编辑请求上进行监督微调，这些请求以 Figma 原生文件格式表示，并通过确定性检查和视觉模型评判器进行验证。
The Pragmatic Engineer 采访了 Rootly、incident.io 和 ResolveAI，了解 AI SRE 工具的情况：这些工具大多只是加快 Slack 内的事故调查，而非自主行动。许多公司的部署频率一年内大约翻倍，Rootly 数据显示告警量上升，非工作时间告警几乎翻倍，同时厂商正围绕知识图谱、记忆和验证代理重建调查代理。内部案例包括 OpenAI 的 Sevbot、Stripe 的调查代理（简单运行约 3 分钟，深度运行 14 分钟）以及 Gemini CLI 中的 Google ProdAgent，后者通过 MCP 建议工具且不编写代码。
Meta 详细介绍了 PrivacyLib，这是一个嵌入其数百个数据处理与数据系统客户端的通用库，在数据访问点强制执行隐私要求，每秒执行数十亿次检查。系统只需集成一次，新的隐私能力便以插件模块形式发布，取代了以往可能需要数月的逐系统实现方式。一个 Agent Observability 模块通过将智能体上下文传递给 PrivacyLib，来追踪内部 AI 智能体的数据访问。
Google 在 Google Play services 中发布 LiteRT 端侧推理运行时，其 GPU 推理速度约为旧版 GPU delegate 的 1.4 倍，并新增 CompiledModel API。
Replit 面向现有代码库推出 Cloud Agents，团队中任何人都可以用自然语言描述一项改动，由智能体在 GitHub 或 GitLab 中发起一个经过测试的拉取请求，所有 Pro 和 Enterprise 客户均可使用。该智能体在隔离的云沙箱中运行每项改动，点击浏览运行中的应用，并将截图和视频附加到 PR 中；共享环境为每位贡献者提供预配置的设置，并会从主分支更新。Replit 还推出了早期访问的自改进工作区记忆功能，可将评审评论转化为由工程师批准的团队技能，以及一项 Slack 集成，用户可在话题中提及 @Replit 来发起改动。
推荐理由：Replit 把 Cloud Agents 接入企业既有代码库，让非工程人员以带测试视频的 PR 形式提交改动，展示了 AI 编码工具向团队协作流程延伸的一种路径。
Sakana AI 已为其 Sakana API 平台开放早期访问计划，为企业客户提供其大语言模型的 API 访问，并支持在组织和工作区层级管理成员与使用成本。该 API 兼容 OpenAI，只需更改端点即可使用；首批上线 Sakana Fugu 和 Fugu Ultra，Sakana Namazu 和 Fugu Max 将随后推出。功能包括基于角色的访问控制、CSV 审计日志、预算限制、发票付款、MSA 和 DPA，以及承诺不使用客户输入进行训练。
Google Cloud 开发者构建了 HappyDelivery，这是一个使用 LangGraph、Gemini、FastAPI 和 Google Cloud 的对话式商务可运行原型，遵循了此前由 Ingress、Memory 和 Cognition 组成的三层蓝图。Ingress 层验证 WhatsApp、RCS、Apple Messages 和 SMS 的平台特定 webhook 签名，将负载规范化为通用 schema 并卸载到 Pub/Sub，在约 300ms 内返回 HTTP 200。文章详细介绍了代码、状态机、确定性金融工具和自动化验证套件。
Google 为其面向生成式 UI 的智能体优化协议 A2UI 发布了可替换推理格式，允许智能体生成一种中间格式，再由 SDK 编译器将其转换为经过验证的 A2UI 消息。新的默认格式 A2UI Express 在相同 UI 下使用的 token 比 Direct JSON 最多少 3 倍，并将延迟最多降低 3 倍，已在 Python（a2ui-agent-sdk 0.9.0）、TypeScript（@a2ui/agent）和 Dart SDK 中提供。Google 还展示了 TypeSafe 的 Jev 等决策模型在预定义布局中进行选择，称这可将延迟最多降低 80 倍；在 Apparite 示例中，11 个提示下的屏幕均在 0.8 至 1.7 秒内完成。