Berkeley AI Research 的研究人員介紹了 SPEX 與 ProxySPEX，這兩種演算法能在遠超既有方法的規模下，識別 LLM 中具影響力的特徵、資料與模型元件交互作用。SPEX 將交互作用搜尋重新表述為稀疏恢復問題，利用稀疏性與低階數（low-degreeness）；ProxySPEX 則利用階層結構，以約少 10 倍的消融次數達到與 SPEX 相當的效果。在情感分析上，SPEX 在短輸入上達到與 Faith-Shap 和 Faith-Banzhaf 相當的忠實度，並在上下文擴展至數千個特徵時仍能維持。
OpenAI 更新了 Sora 2 提示指南，涵蓋新的 API 功能：可重複使用的物件與動物角色參考、1920×1080 與 1080×1920 匯出、最長片段長度從 12 秒提高到 20 秒、以完整原始片段作為脈絡的影片延長，以及用於非同步影片任務的 Batch API。該指南也說明鏡頭取景、攝影機運動、光線與對話的提示結構，並指出解析度、時長與角色 ID 必須設為 API 參數，而非以文字描述。支援最多 20 秒的延長，且一支影片最多可延長 6 次，總計 120 秒。
推薦理由：OpenAI 更新的 Sora 2 提示指南詳述了角色參考、20 秒片段與影片延長等新 API 功能，以及可用於控制鏡頭的可重複使用提示範本。
Modal 為 Sandbox 新增目錄快照（Directory Snapshots），讓使用者可對單一目錄建立快照，並獨立於基礎映像檔掛載至新的 Sandbox。Modal 亦與 Z.ai 合作推出免費公開的 GLM-5 端點，提供至四月底，相容於 OpenCode、Claude Code、OpenClaw 與 Vercel AI SDK。modal 帳務報告 CLI 與 modal.billing.workspace_billing_report API 現已正式推出，適用於 Team 與 Enterprise 工作區。
Vapi 發布了 Vapi Skills，這是一個遵循 Agent Skills 標準的儲存庫，另有一個 Model Context Protocol 連接器，讓編碼代理能即時存取 Vapi 的文件。只需一個安裝指令，即可載入附有確切 API schema 的逐步指示，涵蓋 create-assistant、create-tool、create-call 與 setup-webhook 等工作流程，且此技能包可在 Claude Code、Cursor、VS Code Copilot 與 Gemini CLI 上執行。
OpenAI 發布了一份 Codex 提示詞指南，供開發者透過 API 直接呼叫針對 Codex 調校的 gpt-5.3-codex 模型，建議互動式編碼採用中等推理強度，最困難的任務則採用高或 xhigh。該指南涵蓋將現有測試框架遷移至開源 codex-cli，包括標準 Codex-Max 提示詞、apply_patch、shell_command 與 update_plan 工具，以及透過 Responses API 中的 /compact 對多小時工作階段進行一等公民級壓縮。指南亦說明了新的 phase 欄位，僅支援於 gpt-5.3-codex，會將助理項目標記為 commentary 或 final_answer，且必須保留於歷史記錄中以避免效能下降。
推薦理由：OpenAI 的官方指南詳細說明如何為 gpt-5.3-codex 調整提示詞、工具與壓縮，為團隊提供具體的遷移路徑來建構自家的編碼代理。
Modal 是一個針對資料與運算密集型 AI 工作負載的雲端基礎設施平台，重點介紹了 Hazy Research、Scaling Intelligence 和 IRIS 的研究，這些研究利用其 GPU 機群來加速 AI 研究。由 Scaling Intelligence 的 Anne Ouyang、Simon Guo 和 Will Hu 領導的 KernelBench 專案，提供了一個包含 250 個問題的基準與研究環境，用於自動化 GPU 核心生成，並使用 Modal 在從 L40s 到 Blackwell 系統的硬體上進行一致、可擴展的基準測試。
OpenClaw 代理現在可透過 Vapi 相容於 AgentSkills 的技能撥打和接聽電話，只需約五分鐘，即可透過 npx skills CLI 安裝，或直接請代理代為安裝。Vapi 管線的目標是低於 500ms 的語音回應，並支援通話中呼叫工具，共有八項技能，涵蓋助理、通話、電話號碼、工具、小隊、webhook 與工作流程。
Modal 推出 Directory Snapshots 公開測試版，讓使用者能對執行中的 Sandbox 內特定目錄建立快照，並將其掛載到另一個 Sandbox，不受基礎映像檔與檔案系統其餘部分影響。此功能鎖定需要在 Sandbox 重啟後保留專案狀態的 coding agents 與 vibe coding 平台；Modal 表示，這能將系統相依性與應用程式碼分離、預先暖機 Sandbox 池，並更快預載關鍵檔案。Directory Snapshots 在最後一次使用後保留 30 天，且能瞬間掛載，其內容在 Modal 的延遲載入容器檔案系統上會優先預載。
Ramp 打造了 Ramp Inspect，一個在 Modal Sandboxes 上運行的內部背景編碼代理，如今 Ramp 前端與後端儲存庫中約有一半已合併的拉取請求由它發起。每個工作階段都能在數秒內啟動包含 Postgres、Redis、Temporal 與 RabbitMQ 的全端環境，因為一個 Modal cron 作業每 30 分鐘會複製儲存庫並儲存檔案系統快照。Modal Functions、Dicts 與 Queues 負責處理快照建置、工作階段鎖定與提示路由，讓 Inspect 得以支援多人工作階段與數百個並行工作階段，且彼此互不影響。
Vapi 推出了 Composer，這是一款內建於 Vapi 儀表板的 AI 助理，能依據描述打造語音代理，負責撰寫提示詞、配置設定、開通電話號碼、建置工具並設定整合。Composer 還能調用通話紀錄來解釋失敗的通話並套用修正，並生成在 Vapi 基礎設施上執行的自訂程式碼工具，用於 HubSpot 等整合。此功能現已以 Alpha 版本推出，無需設定或引導流程。
Modal 推出 GLM-5 的免費 OpenAI API 相容端點，可用至 4 月底，限單個並發請求，同時發布在單節點 8 張 B200 上用 SGLang 部署的可重現程式碼。
推薦理由：Modal 為 Z.ai 的 GLM-5 提供免費 OpenAI 相容端點，並給出在 OpenCode、OpenClaw、Claude Code 和 Vercel AI SDK 中接入的具體配置。
OpenAI 在官方開發者部落格文章中推出了 Codex 應用程式，這是專為其 Codex 編碼代理打造的專屬應用程式。該文章是一篇入門導覽，介紹此應用程式及其核心工作流程，完整影片則發布於 YouTube。
推薦理由：OpenAI 的官方導覽展示了 Codex 應用程式如何組織核心編碼工作流程，對於正在評估它與現有編碼代理的開發者來說很有參考價值。
Modal 現在可透過 AWS 和 Google Cloud Marketplaces 購買，讓企業客戶能將既有的雲端支出承諾用於 Modal 的使用。該平台也推出了 Sandbox UI 更新，提供更清楚的資源與區域詳細資訊，以及新的執行時間軸；用戶端 1.3.1 新增對 Python 3.14 的支援，包括在 Modal 容器中實驗性的 free-threaded Python（3.14t）。
Factory 推出 Agent Readiness，從八個技術支柱與五個成熟度等級評估程式碼庫對自主開發的支援程度，可透過 Droid 中的 /readiness-report、組織儀表板或 API 執行。每項標準皆為二元判定，唯有當某等級 80% 的標準及所有先前等級皆通過時，該等級才會解鎖；將每次評估建立於儲存庫先前的報告之上，使 9 個基準儲存庫在六週內的評分變異從平均 7% 降至 0.6%。報告可觸發代理開啟拉取請求，以修正未通過的標準，例如缺少 AGENTS.md、linter 設定或 pre-commit hooks。
Chai Discovery 正在使用 Modal 運行其機器學習藥物發現流程，從蛋白質嵌入和多序列比對到抗體設計。Modal Volumes 會一次性下載並索引達到數百 GB 的資料集，然後在機器之間共享，而彈性 GPU 擴展可在幾分鐘內啟動數百個 GPU。Chai 表示，同樣的設置現在能將研究工作流程帶入生產環境，而無需重寫基礎設施。
OpenAI 發布了一個公開的 Model Context Protocol（MCP）伺服器，讓代理能以唯讀方式存取 developers.openai.com、platform.openai.com 與 learn.chatgpt.com 上的開發者文件。此伺服器僅提供文件內容，不會代表使用者呼叫 OpenAI API。開發者可透過 CLI 或 IDE 擴充功能，以單一共用設定將其加入 Codex，並搭配 OpenAI Docs Skill 取得附有引用的答案。
Modal 已將其多雲 GPU 工作池擴展至超過 20,000 張並行 GPU，並在過去幾年中啟動了超過四百萬個雲端執行個體，現在正分享其背後的可靠性系統。文章涵蓋執行個體類型測試與選擇、機器映像準備與開機檢查、被動與主動 GPU 健康檢查，以及可觀測性與支援。文中報告了超大規模雲端供應商之間的差異，例如 Cloud A 的 99.6% 開機成功率，以及 Cloud C 的 H100 在 2025 年運行溫度超過 90ºC。
Replit 現已進駐 ChatGPT，使用者可在任何訊息中標記 @replit，讓 Replit Agent 直接在對話中建立、更新及部署 Replit 應用程式。建置進度與互動式預覽會顯示在對話中，而新增深色模式或付款表單等每項請求都會即時更新應用程式，應用程式會儲存在使用者的 Replit 帳戶中，供日後發布。此整合功能需要 ChatGPT 帳戶（Free、Plus、Pro 或 Teams）和 Replit 帳戶，在 ChatGPT App Store 上架的地區均可使用，並會消耗 Replit Agent 額度。
推薦理由：Replit 的 ChatGPT 整合功能讓使用者在對話中描述應用程式，並由 Replit Agent 完成建置、預覽及部署，全程無需離開對話。
Vapi 發布 Vapi Voices Beta，這是一系列專為高用量、成本敏感的語音 AI 使用情境打造的語音模型，定價為每分鐘 $0.0025，延遲經過最佳化以符合對話式回應需求。這些模型出現在既有的語音下拉選單中，與 ElevenLabs、PlayHT 和 Deepgram 等供應商並列，因此團隊無須變更任何整合設定，就能將預約提醒與路由選單等高用量、低風險的流程導向這些模型。Vapi 表示，正式全面推出與否，取決於 Beta 使用情形所揭示的使用情境、真實負載下的延遲，以及節省的成本是否真的重要。
Modal 現已提供 Mistral 3 的 Day 0 支援，讓開發者能在無需管理基礎設施的情況下，於無伺服器 GPU 上部署這個開源模型系列。在 3B 的 Ministral 3 模型上，Modal 的 GPU 快照功能將中位冷啟動時間從約 118 秒縮短至約 12 秒，降幅接近 10 倍。Ministral 3 提供 3B、8B 和 14B 三種規模，在基準測試中與 Qwen 3-VL 系列表現相當。
Modal 主張，那些幫助人類的開發者體驗原則——緊密的回饋循環、透過 CLI/SDK/API 的程式化存取、可據以行動的錯誤訊息，以及與程式碼相鄰的一致範例——同樣能讓 coding agents 更快。由於 agents 是透過產生、執行與觀察程式碼來迭代，含糊的錯誤或僅限 UI 的設定會讓它們停滯，因此為 agents 設計意味著套用同樣的原則，而非重新發明它們。
Vapi 現已為所有語音 AI 助理支援結構化輸出，確保每通通話都回傳符合開發者自訂 JSON 結構定義的資料。這些結構定義會在執行時透過 OpenAI、Anthropic、Gemini 等供應商的原生功能強制執行，並可重複使用於多個助理。擷取到的資料會透過通話完成 webhook 與 REST API 傳送。
Replit 推出 Fast Mode，這是一種更快的方式，可指示其 Agent 進行小幅、精確的變更。它運行於一個高效的 agentic 模型上，比 Build mode 便宜得多，並經過最佳化，能以最少的步驟完成請求，針對快速修正、視覺迭代和小型功能。Fast Mode 從今天起對所有 Replit 使用者開放，並透過閃電圖示啟用。
Reducto 將其 30 多個文件處理模型的推論工作負載遷移至 Modal，使 P90 延遲降低 3 倍。GPU 記憶體快照將冷啟動時間減少 83%，從約 70 秒降至約 12 秒，而各客戶專屬的自動擴展資源池則隔離了流量尖峰。在一次負載測試中，Reducto 在不到一小時內將其擷取管線擴展至超過 1,000 個 GPU，以展示每分鐘 10 萬頁的處理能力。
OpenAI 的 GPT-5.1 新增了一致性的個性預設——Default、Professional、Friendly、Candid、Quirky、Efficient、Nerdy 與 Cynical——以及更具對話感的 GPT-5.1 Instant，和快速自適應推理，讓簡單問題獲得快速回覆，而複雜問題則獲得更多思考。Vapi 表示，該模型已於上週在 OpenAI 發布消息的同時在其平台上線，讓語音代理無需改寫提示詞即可採用符合品牌調性的語氣。
Modal 的部落格說明主機端開銷——GPU 閒置等待 CPU 準備工作的空檔——如何在 AI 推論中以低 GPU 核心利用率的形式顯現。在主機端開銷達 50% 時，GPU 推論成本是原本可能的兩倍。文章詳細介紹了生產環境開源推論引擎中採用的修正措施，包括在裝置上建構張量而非傳輸張量，以及減少不必要的 CUDA 核心啟動。
Decagon 與 Modal 合作打造 Decagon Voice 2.0，將延遲降低 65%，同時提升意圖辨識與回應品質。Decagon 透過 SFT 與 RL 微調緊湊的開源模型，超越更大的前沿模型；Modal 則訓練了自訂的 EAGLE3 草稿模型，接受長度提高 38%，並以非同步推測解碼排程器重新設計 SGLang，將吞吐量提升最高達 12%。
Vapi 創辦人回顧公司如何舉辦 VapiCon，這場號稱首場語音 AI 高峰會的活動，吸引了 850 名與會者，以及來自 OpenAI、Deepgram 和 Assembly AI 的語音 AI 領袖齊聚一堂。Vapi 在活動上花費約 50 萬美元，回收約 40 萬美元，創辦人指出，真正的回報在於合作夥伴關係與企業交易。該公司現已推出 VapiCon 影片庫，收錄所有議程與座談。
Modal 的 Ben Shababo 示範如何在 Modal 上以開源 Pipecat 框架與開放權重模型打造對話語音機器人，當客戶端與容器地理位置相近時，語音對語音延遲中位數約為一秒。此管線使用 NVIDIA parakeet-tdt-0.6b-v3 進行 STT、以 vLLM 服務的 Qwen3-4B-Instruct-2507、KokoroTTS 產生語音輸出，並以 ChromaDB 搭配 all-minilm-l6-v2 對 Modal 文件進行 RAG。Modal Tunnels 繞過輸入平面，為 STT、TTS 與 vLLM 服務提供低延遲的 WebSocket 與 HTTP 連結，而綁定於每個對話工作階段的 FunctionCall 則恢復自動擴縮能力，將服務固定於鄰近區域可降低網路延遲。
Modal 已為所有應用程式推出 Volumes v2 公開 beta 版，其檔案系統經過重建，可提供更高吞吐量、更快的隨機存取，以及數百個容器真正的高併發寫入，且儲存檔案數量不設上限。其 JavaScript/TypeScript 與 Go SDK 也進入 beta 版，版本為 v0.5，新增統一的 Client 物件，並支援 Sandboxes、Functions、Images 與 Volumes。
Modal 與 Datalab 合作，讓開發者能在 5 分鐘內於 Modal GPU 上部署 Marker 文件解析模型與 Surya OCR 工具包。Marker 是參數量低於十億的模型，支援超過 90 種語言，在 Modal 上運行可達每容器每秒約 2.2 頁，約為 M4 Mac 使用 Apple MPS 時每秒 0.22 頁的 10 倍。Datalab 的工具對研究、個人使用，以及融資或營收低於 200 萬美元的初創公司維持免費，並提供商業授權。
Vapi 從 10 月 28 日至 11 月 2 日，透過其代管 API 金鑰，讓社群免費且無限制地使用 Cartesia 新推出的 Sonic-3 TTS 模型。Sonic-3 新增情緒與笑聲標籤、細緻的速度與音量控制，並支援 27 種新語言。Vapi 建議先從 Kira 和 Ariana 語音著手，以打造低延遲、聽起來自然的代理。
Modal 已完成由 Lux Capital 領投的 B 輪融資，募得超過 8000 萬美元，使其投後估值達到 11 億美元，總融資額達到 1.11 億美元。這家 AI 基礎設施供應商提供 Inference、Sandboxes、Batch 和 Training 產品，具備亞秒級容器啟動時間和基於用量的無伺服器定價。Meta 使用 Modal 為其 Code World Models 的強化學習啟動了數千個並行沙箱環境。
Modal 工程師閱讀已釋出的 Flash Attention 4 原始碼，逆向解析這個針對 Blackwell 最佳化的注意力核心如何運作，因為目前尚無官方技術報告。這篇文章追蹤一個 tile 如何流經該核心的 warp 特化非同步管線，並詳述兩個數學技巧：一個可取代基於 SFU 之指數運算的三次多項式軟體指數，以及一個更聰明的線上 softmax 重新縮放規則，Tri Dao 表示這能將修正次數減少 10 倍。據報導，FA4 比 Nvidia 的閉源 cudnn 注意力核心快約 20%，而撰文時尚無反向版本可用。
推薦理由：Modal 工程師閱讀已釋出的 Flash Attention 4 原始碼，解釋其 warp 特化管線與兩個數學技巧，提供了一個可轉移的視角，說明 CUDA 核心設計的發展方向。
Justin Dignelli 已加入 Modal 擔任銷售副總裁，此前他曾為這家 AI 運算平台就其下一階段成長提供顧問建議，並投資其 A 輪融資。Modal 目前已在數千名客戶中創造高達八位數的營收，Dignelli 計劃建立 GTM 組織以進一步擴大規模。
Modal 打造了 Modal Vibe，這是一個開源的 demo vibe coding 平台，建構於 Modal Sandboxes 之上，能在約五分鐘內從 0 擴展到 1,000 個 AI 編碼應用程式。一次建立 1,000 個應用程式的負載測試（每個應用程式都在各自的 Sandbox 中執行）耗時約 300 秒，其中 AI API 是速率限制的環節。Modal 表示，Team Plan 可執行 1,000 個並行 Sandbox，足以支撐每月超過一百萬次工作階段。
Modal 發布產品更新，包括可用於雲端 Python 實驗、最高支援 8 張 B200 GPU 的 Modal Notebooks，以及 modal.Sandbox.create() 新增的選用 idle_timeout 參數。用戶端也為 @app.function() 與 @app.cls() 裝飾器新增 startup_timeout 參數，並推出以命令式管理 Modal 資源類型的新 API 模式。Modal Notebooks 其後已關閉，但現有 notebook 仍可下載為 .ipynb 檔案。
Modal 詳細介紹了 Modal Notebooks 背後的工程設計，這是其雲端 Jupyter notebook，能在數秒內啟動 GPU 與自訂映像，並支援即時協作。核心（kernel）在 Modal Sandboxes 內執行，並由一個 modal-kernelshim 常駐程式將 Jupyter ZeroMQ 訊息轉譯為 HTTP 呼叫，再透過 Modal 的控制平面進行通道傳輸。一個延遲載入的 Rust FUSE 容器檔案系統透過分層快取按需取得檔案內容，避免了映像解包延遲——對於 8 GB 的 Python/ML 映像，該延遲可能接近一分鐘。
Modal Notebooks 在上個月限量測試後，現已全面開放給所有 Modal 客戶使用。這個協作式筆記本環境執行於支援 GPU 的 Python 核心上，在任意容器映像及最高 256 個 vCPU 與 8 張 H100/B200 GPU 的硬體配置下，不到 5 秒即可達到就緒狀態，並具備閒置自動關閉、共享 Volumes 與 Secrets，以及即時多游標編輯功能。Modal 表示，在 8 月的測試期間，超過 5,000 個帳號執行了 200,000 個程式碼儲存格，即將推出的功能包括記憶體快照、一鍵匯出至 Modal Apps，以及排程執行。
Zencastr 將其播客轉錄工作負載遷移到 Modal 的 GPU 平台，在幾分鐘內擴展到 1,500 個並行 GPU，在短短幾天內處理了數百年的音訊。從自管 Kubernetes GPU 節點轉向 Modal 的 scale-to-zero 基礎設施，降低了閒置 GPU 成本，並消除了驅動程式和依賴管理的開銷。所有核心 ML 工作負載現在都在 Modal 上運行，包括轉錄、說話者計數、笑聲偵測和音訊品質評分。