MiniMax 正式推出 MiniMax M3.1 Flash，這是一款新一代 Flash 模型，該公司稱其使用成本較前代降低 70%，線上推理速度提升近三倍。該公司報告其在 DeepSWE v1.1 上達到 73.7%，在 BankerToolBench 上為 76.2，在 OSWorld V2 上為 61.7，在 Agents' Last Exam 上為 29.6，在 CyberGym 上為 82%，輸出速度達 200+ TPS，中位數為 170+ TPS。定價為每 100 萬輸入 token 0.15 美元、每 100 萬輸出 token 0.60 美元、每 100 萬快取輸入 token 0.015 美元，該模型可透過 MiniMax API、M Plan 和 MiniMax Code 使用，權重將於稍後發布。
推薦理由：MiniMax 的 Flash 模型聲稱以每 100 萬輸入 token 0.15 美元的價格提供頂級的代理與編碼分數，為代理工作負載的成本面提供了具體的數據點。
Legora 現在將每一項法律代理評估分別執行於獨立的 Modal Sandbox 中，啟動其完整應用程式並固定於特定 commit，使每次執行都反映確切的產品版本。典型實驗包含 100 個案例、4 種 harness 變體、每種各 5 次試驗——共 2,000 次平行執行——並以 Modal Volumes 快照文件、資料庫與權限狀態。Legora 也從 gVisor 遷移至 Modal VM Sandboxes，移除了其 Docker 網路與 FUSE 的變通方案，並透過更智慧的壓縮與自訂工具搜尋，將代理成本降低 30%。
Google Research 描述了三個旨在將 AI 代理紮根於真實濕實驗室實驗的專案，包括 VERID 框架——一個建構於開源 PyLabRobot 框架上的實驗室工作單元語義數位孿生，可追蹤平台佈局、孔槽體積與吸頭庫存，並在執行前對協議進行乾跑。
推薦理由：Google Research 概述了三個將 AI 代理連接至真實濕實驗室硬體的專案，展示模擬乾跑與閉環實驗如何讓代理修正自身的設計規則。
Modal 詳細說明其如何演進檔案系統堆疊以支援 VM Sandboxes，將客體請求透過 virtio-fs 與 virtiofsd 路由至其 ImageFS 延遲載入檔案系統。第一個版本開機快速但執行緩慢：遞迴 chown 從四秒變成超過一分鐘，pnpm 與 bun 安裝約慢了三倍。微基準測試顯示，chown 在 virtio-fs 上為 9.87 秒，而在 gVisor 上為 2.31 秒、在 ImageFS 上為 1.58 秒。
Replit 推出自帶雲端 (BYOC) 選項，讓企業能在自己的 Microsoft Azure、Google Cloud 或 Amazon Web Services 租用戶內執行 Replit 平台與已發佈的應用程式。完整 BYOC 處於私人預覽階段，會在客戶的雲端中部署 Replit 的 cells 與 agent harness；而針對已發佈應用程式的 BYOC 則處於早期存取階段，會在該處託管已發佈的專案，並由 Replit 管理平台。Image Exports 則為團隊提供 Docker 映像、Terraform 檔案與 SBOM，以便自行託管以 Replit 建置的應用程式。
PJ 是佛羅里達州奧卡拉（Ocala）一位由工程師轉行的除蟲業老闆，如今為小型企業提供顧問服務——其中包括屋頂、泳池與汽車承包商——協助他們架設 OpenClaw，並教他們自行操作。他的客戶想要一個完全屬於自己的工具，而不是把公司資料餵給租用的軟體；其中一位客戶、66 歲的行政人員 Donna，每天都使用她的 OpenClaw。
LiveKit 的指南彙整了解決方案架構師與前線部署工程師的經驗，說明如何讓 AI 語音代理從展示階段走向正式上線，並圍繞三個問題組織：代理是否足夠聰明自然、其效能是否可觀測，以及能否可靠且具成本效益地擴展。指南建議單獨量測第一輪對話，因為有公司發現約四分之三的通話在問候步驟就結束了，並指出客戶從 GPT-4.1 改用 LiveKit Inference 上的 Gemma 4 31B，在 p50 下節省了 300–500ms。
Claude Code 團隊描述其分層的程式碼審查流程，其中大部分閱讀由機器完成，人類注意力則保留給基於風險的核准。從六月到九月，合併至 Claude Code 程式碼庫的拉取請求增加了一倍以上，而必須回退的比例下降了超過 40%。該流程在 PR 之前堆疊驗證、必要的 CI、Claude 審查、安全審查、風險分級的人工核准，以及帶有旗標和快速回滾的合併佇列，團隊並將過去的事件轉化為審查者的每日評估集。
推薦理由：Anthropic 的 Claude Code 團隊詳細說明了他們如何將大部分程式碼閱讀移至自動化層，同時合併的 PR 翻倍且回退下降超過 40%，為代理密集的團隊提供了一個可轉移的審查模型。
Meta 發布了 Muse Spark Open 的權重，這是一個原生多模態的開放權重模型，總參數 816B（活躍參數 42B），上下文視窗達 1M token，定位於程式編寫與代理式工作。它是同類模型中首個能在桌面上運行的模型，使用兩台 Apple M5 Ultra Mac Studio 搭配 MLX 框架；並可透過 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 與 Together AI 等 API 合作夥伴取得，權重則發布於 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 與 Microsoft Foundry Models。Meta 表示，該模型隨附 SGLang 中可自動調校的 Helion GPU 核心，在 NVIDIA 與 AMD GPU 上帶來 1.03–3.95 倍的核心層級加速，在 AMD MI350 上則有 3% 的端到端加速。
推薦理由：Meta 發布了一個 816B 參數多模態模型的開放權重，該模型可在兩台 Mac Studio 上運行，為開發者提供了針對長時程程式編寫與代理式任務的本地選項。
Meta 釋出了 Muse Spark Open 的權重，Modal 現在透過其 Auto Endpoints 以按 token 計費的方式提供該模型。該模型針對代理式編碼與長程任務，具備原生多模態理解、100 萬 token 上下文視窗、多步驟規劃、依序工具使用與失敗復原能力。Meta 回報，搭配 Terminus 2 代理在 Terminal-Bench 2.1 上得分 76.4，並在其偏好的測試框架下以 xhigh 推理強度在 DeepSWE 1.1 上得分 60。
推薦理由：Meta 的開放權重模型 Muse Spark Open 現已在 Modal 上提供，讓團隊能以按 token 計費的方式試用一款具備 100 萬 token 上下文視窗的代理式編碼模型。
GitHub 的 Copilot for Beginners 系列說明了四種為 Copilot 提供專案脈絡的方式：在 `.github/copilot-instructions.md` 中設定自訂指示，並在 `.github/instructions` 中放置路徑專屬檔案；在 `.github/skills` 中定義代理技能；在 `.github/agents` 中設定自訂代理；以及透過 MCP 伺服器將 Copilot 連接至 Playwright 等外部工具。文章逐一介紹每種機制及其組合方式，並指引讀者前往社群 Awesome Copilot 集合取得現成範例。
Vapi 工程師 Lat Ware 復盤自建 Pedantic Review Bot 的實踐，該機器人現已審查每個 PR，平均合併時間從 130 小時降至 65 小時。
Meta 推出 Muse Wonder 系列，包含 Muse Wonder 與 Muse Wonder Full，並稱其在個人與專業代理任務、記憶與程式設計方面達到最先進的效能。Muse Wonder 即日起可透過 Meta Model API 與 Muse Code 使用，Muse Wonder Full 即日起開放給 Muse Code 訂閱者使用。這些模型結合了 Active Memory（可跨對話保留上下文並擷取任務相關細節）與 Active Focus（可持續推進長期目標，並在重要動作前進行確認）；Meta 表示兩者皆在其千兆瓦規模的 Prometheus 資料中心訓練而成。
推薦理由：Meta 的 Muse Wonder 系列宣稱在代理、記憶與程式設計基準測試上取得最先進的結果，並以 Active Memory 與 Active Focus 作為其建構的兩大核心能力。
Serve AI 在 LiveKit 上為一位價值 1.5 億美元的害蟲防治客戶重建了其電話代理，將一個 224 節點的 Retell 流程圖壓縮為單一提示詞，並用 Agent Simulations 進行驗證。約 100 通真實生產通話被轉化為模擬場景，在切換前經過 10–15 次迭代達到 98% 的通過率，中位輪次延遲為 1.3 秒，低於 1.5 秒的上限。首次遷移耗時一週，沒有回滾，遏制率提升了 15%，Serve 估計這每年為客戶額外節省 32 萬美元。
LiveKit 已將 Agent Simulations 正式開放給所有 LiveKit Cloud 專案使用，這是一種可重複執行的方式，能在任務層級測試語音代理，而非逐輪對話測試。由 LLM 驅動的模擬使用者會演出每個情境，在音訊模式下包含附和語與打斷；並由 LLM 評審給出通過／不通過的判定與理由；CLI 可根據代理自身的提示詞與工具生成情境。文字執行是預設模式，成本低到足以在每次 pull request 時執行；音訊執行則涵蓋完整流程，更適合安排在夜間或發佈前執行。Simulations 在十月前免費，不過它們會以正常費率呼叫真實代理的 LLM、STT 與 TTS。
Anthropic 發布了 Claude Managed Agents（beta）的參考實作，它會依 cron 排程讀取 Slack 頻道與 GitHub 拉取請求，透過各來源的書籤追蹤自上次執行以來的變更，並將摘要發佈到 Slack。這份逐步說明涵蓋保存在 vault 中的憑證、唯讀存取與每次執行的支出上限，以及將失敗的來源回報為無法讀取而非當作平靜無事的一天，還有在更新書籤與帳本前先確認 Slack 發文成功等規則。一個帶有 claude-api 技能的 Claude Code 命令會依文章指引設定該代理。
推薦理由：Anthropic 分享了一個排程 Claude Managed Agents 的參考實作，它會讀取 Slack 與 GitHub，並針對書籤、讀取失敗與發文確認訂有具體規則。
3 並將其部署到生產推理堆疊上，其中一個低成本的探針會過濾對話輪次，只有可疑的交流才會送到 LLM 評審。良性會話中斷率為 5%，在沒有評審推理的情況下每百萬輪次成本為 65 美元，有評審推理時為 185 美元，並且在 SGLang 內沒有可測量的吞吐量損失。
推薦理由：Goodfire 展示了一種探針加評審的級聯方案，能以大約低 50 倍的成本監控代理式網路濫用，且沒有可測量的吞吐量損失，這是安全地提供開放模型服務的具體配方。
Vapi 已推出 Personal Agent Calling 測試版，使用者只要登入 Vapi，即可透過個人代理撥打電話，無需設定 API 金鑰。該公司主張，商家必須驗證代理代表誰、被允許做什麼，以及該權限是否仍然有效，並以 A2A 開放標準與 OAuth 為基礎。強迫客戶從頭來過，恐有流失生意的風險。
Mistral 已推出 Mistral Large 4 的公開預覽版，這是一個 1 兆參數的原生多模態模型，擁有 520 億活躍參數，現已可透過 Mistral Studio API 使用。Mistral 表示，該模型可與最強的開源模型競爭，並優於美國和歐洲的其他開放權重模型，在 Artificial Analysis Cyber Index 的漏洞重現與修補測試中得分 82%，在其綜合 Coding Agent Index 中得分 49.8%。權重將於本月月底釋出，此前已與網路安全合作夥伴和主管機關進行紅隊測試；Mistral 表示，該模型是在其歐洲自有資料中心內、以 3,800 顆 NVIDIA Grace Blackwell GPU 從頭訓練而成。
推薦理由：Mistral 迄今最大的模型宣稱在網路安全和代理式程式設計方面取得開放權重領先地位，並承諾於月底釋出權重。
Addy Osmani 詳細介紹 Claude Code 雲端工作階段：每個任務都在 Anthropic 管理的新鮮 VM 上執行，儲存庫會複製到各自的分支，且雲端工作階段已包含在 Pro、Max、Team 與 Enterprise 方案中，不額外收取運算費用。在一個範例 Node 儲存庫上進行的四工作階段測試中，三個工作階段在彼此相隔 16 秒內啟動，並在第一个工作階段開始後 87 秒完成，而針對不穩定測試的工作階段執行了測試套件 40 次，零失敗。本指南涵蓋設定腳本、網路層級、GitHub 連線路徑，以及七種適合雲端工作階段的工作流程，同時指出對於需要本機資料、VPN 服務、GPU 或零資料保留的任務，本機工作階段仍是更合適的選擇。
推薦理由：一份 Claude Code 雲端工作階段的實戰指南，展示每個任務的 VM 如何實現平行工作，以及本機工作階段在哪些情況下仍更合適。
LiveKit 發布了一份以開發者為中心的比較，針對建構語音 AI 代理比較 Retell、Vapi 與 LiveKit，並以四個問題界定選擇：上線後由誰迭代代理、需求超出預設範圍時會發生什麼、是否必須在電話通話之外運行，以及規模化時的成本。Retell 是具備視覺化編輯器的託管平台，Vapi 是透過 API 與儀表板配置、面向開發者的託管平台，LiveKit 則是 Apache 2.0 開源框架，支援自架。預估每分鐘總成本約為 Retell $0.070–$0.310、Vapi $0.070–$0.116、LiveKit $0.037–$0.099。
Figma agent 已結束測試版，具備更佳的指令遵循與長任務處理能力，在由專業設計師進行的人工評分中贏得超過 60% 的評估。新功能讓資源庫擁有者上傳 markdown 指南、從 FigJam、Figma Slides 和 Figma Design 提取上下文，並在畫布上跟隨協作者的 agent。Uber 的設計系統團隊現在只需一個下午就能發布過去需要多人花數月完成的文件。
GitHub 發布了 ReviewBench，這是一個用於 AI 程式碼審查代理的開放基準，建構於橫跨 19 種語言的 219 個公開 pull request 之上，其語言與儲存庫規模分布仿照 1.039 億個 GitHub pull request 設計。黃金集彙整了人類審查者、作者後續提交、靜態分析以及多個前沿 LLM 的發現，並由 Claude Sonnet 5 依據已發布的評分標準進行評分，資深工程師則獨立重新標註了每一項發現，一致率達 96.6%。GitHub 表示，其對 Copilot 程式碼審查的離線評估預示了生產環境 A/B 測試的方向，其中已處理率上升 8.0%、召回率上升 13.6%，每次審查成本下降 8.0%。
TypeSafe AI 使用 Modal 的無伺服器平台訓練並部署其首個 System One Model——Jev，並在上線三天內處理超過一兆個 token。Jev 並非自迴歸式 LLM：它以狀態與問題為輸入，並行輸出帶有機率的具型別結構化值，鎖定低延遲工作負載。上線一週後，它登上 OpenRouter 1K-10K token 上下文的排行榜首位，處理了 15.1% 的請求。
GitHub 部落格指出，隨著 AI 改變開發者的工作方式，開發者應強化三項技能：引導 AI 代理而不只是使用它們、批判性地審查 AI 產出而非輕信第一個答案，以及利用 AI 節省下來的時間處理更廣泛的問題。文中引用 GitHub Copilot 內建的 Rubber Duck 代理，它會用第二個模型在開發者繼續推進之前，對計畫、程式碼與測試提出批判。
騰訊的 AI-Infra-Guard（AIG）已整合進 ClawScan，這款驅動 ClawHub 安全審查的開源命令列工具，因此現在每個上傳的技能與外掛都會經過 AIG。ClawScan 獨立執行 AIG 與 NVIDIA 的 SkillSpector，並由 AI 評審做出最終判定。在 SkillTrustBench 固定的 556 個案例子集上，ClawScan 與基準標籤的吻合率達 86.9%，並正確分類了 98.6% 的惡意案例。
Vapi 已向所有 Vapi 客戶開放其 GPT-Live 測試版，此前該公司上月與 OpenAI 的全雙工語音轉語音模型進行了有限測試。在 Vapi 上，該模型作為說話者運行，處理整通電話，並將查詢或操作委派給獨立的推理者模型，交接透過兩個提示而非一個提示來控制。現有電話號碼、工具、測試與可觀測性均可沿用，轉錄器配置被移除，語音切換為 OpenAI 的 22 種之一。
Claude Code mods 是小型 JavaScript 或 TypeScript 檔案，以隨外掛提供的 hooks 形式在工作階段內執行，可觀察事件、改寫行為，或在終端機或桌面應用程式中繪製自訂 UI。本指南打造 Token Weather，一個約 80 行的 mod，在每一輪之後讀取 $.session.usage()，並在提示上方繪製一條天氣樣式的上下文視窗帶，接著導覽 Blast Radius（會攔住有風險的 Bash 指令）與 Replay Theater（逐步檢視某一輪的編輯）。Mods 需要 Claude Code 2.1.287 或更新版本，且預設為開啟；這三個 mod 的完成版程式碼都在 anthropics/claude-code-playground。
推薦理由：一篇實作導向的 Claude Code mods 逐步教學，用約 80 行打造出可運作的上下文視窗計量器，展示 hooks、狀態與自訂 UI 如何彼此搭配。
Modal 推出 Beta 版 Sidecars，這是與 Sandbox 在同一主機上並行運行的隔離容器，用於將憑證、代理和 harness 邏輯等受信任程式碼與不受信任的代理生成程式碼分開。Modal 表示，Sandbox 與其 Sidecars 之間的通訊速度至少比同一區域內不同 Sandbox 之間快 3 倍，每次呼叫的 p50 傳輸時間為 0.58ms，而後者為 2.6ms。每個 Sidecar 都有自己的出站網路策略，單一 Sandbox 最多可運行 250 個 Sidecars，Ramp 已使用該功能在其 Inspect 編碼代理旁運行自訂出口代理。
Modal 已正式推出 VM Sandboxes，讓代理透過相同的 API、modal.Images、亞秒級冷啟動與 CPU/記憶體爆發能力，取得完整的 Linux VM，與其現有的 gVisor 架構 Sandboxes 一致。當使用者需要 Docker、FUSE 檔案系統或特殊 Linux 核心功能時，可透過 runtime="vm" 啟用，而 gVisor 仍是預設執行環境。Modal 表示，早期客戶已啟動超過 2,000 萬台 VM，其中 Linear 將每個 Coding Session 都跑在 VM Sandbox 上，Legora 與 Snorkel 則用於法律代理評估與代理模擬。
推薦理由：Modal 的 VM Sandboxes 讓代理取得具備 Docker 與核心存取權限的完整 Linux 機器，同時保留既有的 Sandbox API 與亞秒級冷啟動。
Modal 發布 VM 沙箱，為代理提供完整的 Linux 電腦，可用於 Docker 堆疊、本機資料庫與行動模擬器，Linear、Legora 與 Snorkel 已在使用。Modal 叢集現已透過 @modal.clustered 裝飾器正式推出，支援跨協調容器的兆級參數訓練與服務。另推出黏性工作階段與端點候選，後者處於私人測試階段。
Factory 已將 Automations 正式推出，讓團隊能描述重複性的工作流程，並由 Droid 依排程或事件觸發執行。每個自動化結合了觸發條件（排程、Slack、GitHub 或 webhook）、指令、使用者選擇的模型與推理等級，以及可為本機、已連線或由 Factory 管理的 Droid Computer 的機器。Factory 表示，過去 30 天內有 52% 的企業使用者執行自動化程式碼審查，48% 使用安全性審查，35% 使用 AutoWiki，且自動化工作階段數量較前 30 天成長 51%。
推薦理由：Factory 將 Automations 正式推出，顯示企業實際上把哪些重複性工程工作流程交給 Droid，以及模型與機器選擇如何依任務運作。
Vapi 推出 Personal Agent Calling 測試版，讓個人助理撥打電話給企業、操作電話選單、進行對話，並回報結果。此功能支援 Muse、Instinct、GrokBot、ChatGPT Work、Claude Code、OpenClaw 和 Hermes 等助理，使用者只需貼上一段提示詞，引導助理前往 phone.vapi.ai。在一次測試中，營收主管 Bryan Parman 的助理與航空公司通話時等候了 14 分鐘，並拒絕了 51.69 美元的升等費用，隨後客服人員免除該費用，並免費確認了一個 Economy Plus 走道座位。
Vapi 推出 Vapi for CX，這是一套用於建置、部署、觀測與最佳化客戶體驗語音代理的工具包。它結合了供 CX 團隊使用的自然語言 Composer，以及可透過 API、CLI 和 MCP 伺服器存取的同一個設定物件，另外還包含評估、版本控制、備援方案、通話評分卡，以及跨轉錄器、模型和語音的每週延遲、成本與品質資料。Vapi 表示，Amazon Ring 在評估超過 40 家供應商後，將其 100% 的來電量運行於該平台上；Kavak 則能在約五分鐘內建置新的代理版本，NPS 提升了 20 點。
OpenClaw 宣布推出 OpenClaw Enterprise（OCE），這是一個開源、廠商中立的平台，用於在敏感環境中管理持久性代理，目前仍在開發中，預計於今年稍晚發布 1.0 版本。OCE 新增了企業控制平面，具備多租戶、嚴格安全邊界、沙箱、基於 LLM 的審查與細粒度權限，並允許將執行框架、模型與沙箱替換為第三方或內部實作。組織今天即可透過 docker-compose 進行本地開發，或透過 kubernetes 進行內部部署來自架設，目前正在包括 Red Hat 與 OpenAI 在內的公司進行試點。
推薦理由：OpenClaw Enterprise 是一個開源控制平面，用於在敏感環境中管理持久性代理，具備多租戶、嚴格安全邊界與可審計性，現已可供內部試點工作負載使用。
Anthropic 在 Claude Code 內的 claude-api 技能中新增了兩個指令：/claude-api build-eval 會在你的程式碼庫中建立評估集，而 /claude-api hillclimb 則會針對該評估反覆迭代應用程式，並以保留集來捕捉過擬合。
推薦理由：Anthropic 在其 claude-api 技能中新增 build-eval 與 hillclimb 指令，展示 Claude Code 如何設計評估並針對評估反覆迭代，同時防範過擬合。
Anthropic 發布 Claude Sonnet 5.5，這是繼 Opus 5.5 之後 Claude 5.5 系列的第二個模型。該公司表示，它在相同每 token 價格下比 Sonnet 5 更聰明、更高效，且速度提升 30%。由於每項任務通常需要更少的 token，Anthropic 表示大多數工作的成本最多可降低 30%。該模型原生支援 100 萬 token 上下文視窗、最高 128k 輸出，並預設開啟思考功能。發布指南列出了 Sonnet 5 使用者的破壞性變更，包括以 between_tools 設定取代已停用的思考功能、將強制 tool_choice 改為 auto 加 strict tools，以及將電腦使用功能移至 computer_toolset_20260801 工具集。
推薦理由：Anthropic 的 Sonnet 5.5 維持 Sonnet 5 的定價，同時降低每項任務的 token 用量，而遷移說明則顯示了已在 Sonnet 5 上建置的團隊需要做哪些變更。
Microsoft 推出 Autopilot，這是一款建構於 OpenClaw 之上的常駐個人代理，屬於其全新 Copilot 體驗的一部分，私人預覽將於本月底擴展至首批客戶。Autopilot 是 Microsoft Scout 的新名稱，後者於今年早些時候發布，Omar Shahine 的團隊表示正與 OpenClaw 及 OpenClaw Foundation 合作開發企業級執行環境。OpenClaw 重點介紹了 Microsoft 工程師的上游貢獻，包括政策合規檢查、原生 Windows 伴侶應用，以及針對背景任務、重新啟動和重複回覆的可靠性修復。
推薦理由：Microsoft 的 Autopilot 建構於 OpenClaw 之上，此處列出的上游貢獻展示了共享代理執行環境如何跨平台改進。
Vapi 產品工程師 Mhar Andal、Scott Lowe 與 Adham El Fawal 在 9 月 22 日的網路研討會中示範了模型智慧、模擬與活動，並回答開發者的熱門問題。模型智慧會推薦轉錄器、LLM 與語音預設，並顯示成本、延遲與品質指標；模擬則以 AI 測試器執行並提供通過／失敗結果；活動可撥打最多 10,000 筆聯絡人的名單。
Vapi 進行了早期實驗，使用 TypeSafe AI 早期存取的「System One」模型 Jev 作為護欄，在語音助理的回應被說出之前，評估該回應是否違反開發者定義的規則。在一項早期測試中，Jev 至少攔截了四分之三的違規回應，不過 Vapi 表示這並非 100% 的合規保證，只是在提示詞護欄之上額外增加的一道檢查。