METR 與 Redwood Research 於 7 月 21 日至 8 月 11 日進行為期三週的高權限演練，對 OpenAI 的內部錯位監控系統進行壓力測試，並產出一份 61 頁的內部報告。他們估計，來自至少與 GPT-5.5 同等強度模型的代理式內部 Responses API 流量中，約有 75–94% 符合監控資格；而用於內部 Codex 代理的 Responses API 流量則有 99.2% 符合資格。團隊發現了新型漏洞，包括 Codex 代理原則上可繞過 Codex 沙箱與 Auto-Review 的途徑、一種能讓數百個近期動作持續不受監控的漏洞利用手法，以及兩個可讓用戶端控制、能為新代理停用監控的標頭；OpenAI 表示，影響其生產防護堆疊的漏洞已修補，但研究人員並未評估這項說法。
Sakana AI 宣布推出 Sakana Aquarium，這是一個用於建置、執行與營運 AI 代理的平台，這些代理以本體論為基礎，支援組織的決策與執行。該平台結合三個部分：本體論（Ontology），用以組織知識、規則與資料及其含義和關聯，並在無需遷移的情況下連接既有來源；治理（Governance），用於設定存取權限與執行前核准，並記錄從決策理由到執行結果的一切；以及託管代理（Managed Agents），用於部署涵蓋資訊查詢、AI 判斷、功能執行與人工核准的工作流程。Sakana AI 表示，資料連接與本體論可在不同代理之間重複使用，且該平台源自其由 FDE 主導、與 MUFG、SMBC Group 及 Daiwa Securities Group 等金融機構合作的工作。
Modal 發布了 Spindle，這是一個開源、相容於 Tinker 的訓練伺服器，可在客戶的 Modal 工作區中運行，讓團隊能自訂技術堆疊，並按 GPU 時間而非 token 計費。Spindle 支援對開源模型進行全參數訓練與多 LoRA，Modal 表示，在一個 DAPO-math GRPO 任務上，讓 8 個客戶端共用一個訓練器，相較於 Tinker，每 100 萬輸出 token 的成本最多可降低 80%。Modal 表示 Spindle 仍處於 beta 階段，並將其定位於自家的 Dojo 訓練函式庫與原始叢集基礎元件之間。
推薦理由：Modal 的開源 Spindle 伺服器為團隊提供了一個相容於 Tinker 的替代方案，以 GPU 時間取代按 token 計費，據稱多 LoRA 共用可將成本最多降低 80%。
Ai2 發布 OlmoEarth v1.3，這是一款衛星嵌入模型，能將一整年的 Sentinel-1、Sentinel-2 與 Landsat 時間序列，轉換為每個 10 公尺像素一個 128 維向量，其中前 64 維可作為較小的嵌入使用。Ai2 預先計算了全球的年度嵌入並發布於 Source Cooperative，其 128 維嵌入在 27 項評估中的 20 項拿下最高分，對手包括 AlphaEarth Foundations 與 Tessera v2，其中也包含一項名為 PLANTEUR 的熱帶作物新基準。此次發布還包括 OlmoEarth Embeddings Explorer，這是一款免登入的瀏覽器工具，可比較不同年份、尋找相似地點，並即時訓練小型分類器，涵蓋 2025、2024 與 2023 年全球範圍，以及 2017 至 2022 年部分國家；權重、預訓練資料與程式碼皆為開放。
inclusionAI 發布 Ling-3.0-flash-Sante，這是一款以 Ling-3.0-flash 為基礎打造的醫療專業化模型，總參數 124B、每 token 激活參數 5.1B，權重已上架 Hugging Face 與 ModelScope。它採用混合線性 MoE 架構，結合 Kimi Delta Attention、門控 MLA 與稀疏 MoE 層，訓練上下文達 256K tokens，預設啟用思考模式，並可透過相容的服務框架進行工具呼叫。該公司將其標示為研究模型而非醫療器材，並表示其輸出不得取代專業醫療建議、診斷或治療。
MiniMax 在 MiniMax Code 桌面應用中推出 Mini App，這是一種外掛格式的應用程式，具備前端與 Node.js 後端，讓 Agent 的工作保留在一個持續運行的頁面上，而不是散落在各段對話中。此次發布包含具備持久化資料目錄的執行環境、託管 MCP、Agent API、Host Connectors 與頁內工具核准，以及可從一句話需求直接生成可用頁面的 /miniapp-creator，還有外掛市集中的官方 Mini Apps。MiniMax Bot 本身就是一個 Mini App，其原始碼與社群打造的 Mini Apps 現已收錄於開源的 MiniMax-Code-MiniApps 儲存庫；Mini Apps 可在 macOS 與 Windows 的本機工作階段中使用。
推薦理由：MiniMax Code 把 Agent 的工作從對話流搬進常駐頁面，並公開了 Mini App 的執行環境與開源儲存庫，為 Agent 工具形態提供了一種可參考的架構。
SemiAnalysis 檢視了華為與 DeepSeek 的合作，對 Ascend 950PR（28 個 cube 核心、128 GiB HBM）進行基準測試，並回顧 DeepSeek 於 9 月 30 日發布對 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect 的 Ascend 支援。950PR 達到 1.6384 TB/s 峰值 HBM 頻寬，在小訊息尺寸下頻寬利用率勝過 H100，而其運算達成/可達比例中位數為 41.5%，H100 則為 46.8%；目前僅 TileLang 可用，因為撰寫時所需的 CANN 9.2.0 尚未發布。作者主張，儘管華為硬體落後，其軟體堆疊已接近前沿，並指出多數最佳化針對超級節點，而 vLLM-Ascend 在 x86 主機上仍無法開箱即用。
Google Research 在 JAMA Network Open 發表了一項前瞻性多中心研究，顯示其 AI 模型可從盲掃超音波估算孕齡，平均絕對誤差為 4.18 天，而專家超音波技術員使用標準生物測量法的誤差為 4.48 天。該模型僅在 120 名芝加哥參與者上進行了最低限度的調校，並在奈洛比未經任何本地優化的情況下進行測試，達到 4.27 天的 MAE，相較之下芝加哥為 4.10 天。這項研究針對前線孕產婦照護，世界衛生組織估計每年有超過 250,000 例可預防的妊娠相關死亡，且三分之二的人缺乏診斷影像的可及性。
Anthropic 將 Agent Skills 捐贈給 Linux 基金會旗下的 Agentic AI Foundation（AAIF）。Agent Skills 是一項開放標準，用於賦予 AI 代理專門知識與工作流程。自 2025 年 12 月發布以來，已有超過 70 個代理平台整合該標準，包括 ChatGPT、Cursor、GitHub Copilot 和 VS Code，共發布 100 萬項技能，安裝次數接近 2.8 億次。此次捐贈涵蓋 Agent Skills 的名稱與標誌、GitHub 組織以及 agentskills.io 網域，並由 Anthropic、Google、OpenAI 等公司的工程師以個人身分維護，首席維護者為 David Soria Parra 和 Mahesh Murag。
推薦理由：Anthropic 將其 Agent Skills 標準交給 Linux 基金會的 AAIF，與 MCP 同屬一個中立家園，讓社群對該規格的發展路線圖擁有正式話語權。
Google Cloud 研究人員發表 Project Chrysalis，這是一套建構於 Gemini 平台與 Agent Development Kit（ADK）之上、受治理且可自我演進的 AI 代理參考架構。在模擬的黑色星期五快取踩踏（cache-stampede）故障情境中，它將首次緩解時間從 15–45 分鐘縮短至 1.8 秒，把 HTTP 5xx 錯誤從 72.7%–80.0% 降至 0.0%，並將 P99 延遲從 519.8 ms 降至 18.2 ms。每一個自主動作都受到 Model Armor、Cloud KMS、Binary Authorization、OPA Policy Controller 以及雙人保管的人員介入簽核機制所約束。
微軟研究員Xinzhi Zhang與一位共同作者證明了Kannan-Lovász-Simonovits（KLS）猜想，這是高維幾何中懸而未決31年的問題，證明其界線以一個與維度無關的通用常數成立。該證明源自一個由人類引導的代理式流程，其中AI代理探索了超過100種候選方法，而研究人員則進行篩選並重新引導搜尋；另一次以領先模型在相當token預算下進行的無引導嘗試則未能成功。同日另有兩項證明出現，隨後並發布了Lean 4形式化。
推薦理由：高維幾何中懸而未決31年的問題，透過人類引導的代理式搜尋、探索約100種候選方法而獲得解決，並有獨立證明與Lean形式化作為確認。
Google Cloud API Gateway 現已在公開預覽版中支援串流，讓 SSE、分塊 HTTP、WebSocket 和 gRPC 串流端點能與現有 API 一樣置於同一個閘道與政策之後。串流可在建立閘道時透過單一 --enable-streaming 旗標啟用，無需變更 API 規格，且 API 金鑰強制執行、JWT 驗證、服務帳戶驗證以及 Cloud Logging 和 Monitoring 皆維持原有運作。閘道也會取得確定性的預設主機名稱 GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev，串流最長可保持開啟一小時。
Anthropic 邀請學術機構、非營利組織與政府實驗室的首席研究員及其研究團隊，申請為期 8 至 12 週的客座研究員計畫，運用 Claude 於因果人類生物學、結構與計算分子生物學、藥物化學、藥物發現及臨床科學等領域。Anthropic 將免費提供其模型與工具框架，成果將以開源資料與程式碼形式發表，研究員則保留其資料的權利。申請開放約 14 天，獲選者將於截止後約 14 天以電子郵件通知。
中國商務部與科學技術部於10月16日發布出口管制清單的草案增補，首次涵蓋先進大型AI模型、AI代理及大型運算叢集，其中14項技術禁止出口、26項限制出口。
Mistral 與 NVIDIA 正在合作打造 AI 原生的工程工作流程，將 Mistral Large 4 與 NVIDIA CUDA-X 函式庫及 Warp 搭配，目標是加速模擬並實現閉環設計。此合作也將為 CAE 與 EDA 中的物理模型與代理式 AI 產出公開基準與開放資料集，並與 NVIDIA Omniverse 整合，用於 3D 場景生成與 SimReady 資產。Mistral Large 4（代號 Le Chonk）總參數約 1 兆、活躍參數 490 億，並以 3,800 顆 NVIDIA Grace Blackwell GPU 訓練而成。
Modal 發布了 Modal Dojo，這是一個訓練函式庫，提供建構模組、調校過的預設配方，以及可觀測性儀表板，用於生產級的 LLM 後訓練。它建構在開源框架 Miles 和 Slime 之上，支援從五億到數兆參數的模型，並提供 API 和 CLI，讓代理可以驅動以啟動和除錯執行。Modal 表示 Axiom Bio 使用它擴展到 64k 上下文的 DeepSeek V4.1 Flash 在 64 台 B300 上執行，而 Afterquery 以 256k 上下文長度訓練 Kimi 和 DeepSeek。
據 Platformer 報導，Joel Kaplan 已離開 Meta。該文章將他的離職與其他 AI 產業新聞並列，包括約 24 萬顆 GPU 被走私到中國，以及川普聽取了關於黃仁勳與一名中國間諜涉嫌婚外情的簡報但未採取行動的說法。
Acuity Health 在低程式碼平台被證明過於僵化且不透明後，於 LiveKit 上重建其病患服務語音代理，如今 80% 的來電完全由 AI 代理處理。代理運行於 LiveKit Inference，採用 Gemma 4 31B 模型，多數預約在一分鐘內完成，81% 的預約來電以「謝謝」作結。LiveKit Simulations 會在發布前針對病患檔案測試每項變更，而一次提示詞審查刪減了約 24% 的字詞，仍通過相同的測試情境。
Apple 研究人員（與 University of Waterloo 合作）提出 TEAL，這是首個建構於凍結 ViT 表徵之上的像素級主動學習框架，透過兩級 MaxHerding 策略直接在原生 token 晶格上選取多樣化候選，並以基於 margin 的不確定性進行精煉。在每張影像僅標註一個像素的情況下，TEAL 在 CamVid、Cityscapes、ADE20K 與 Pascal Context 上相較最強基線最高提升 +24.36 mIoU，僅用 10 px 即達到全監督效能的最高 97%。
OpenClaw 推出了焦點週（Focus Weeks）計畫，每週針對其路線圖中的一個領域，由一位維護者（Maintainer）負責，並邀請社群貢獻程式碼、錯誤回報、測試、文件與無障礙回饋。第一個焦點週於 2026 年 10 月 19 日至 25 日舉行，主題為 Control UI，由 Vyctor Brzezowski 擔任維護者。一群精選的輪值 Clawtributors 也獲得共享 OpenClaw Team 環境的臨時訪客存取權，以測試其多人協作功能。
Amazon 與獨立非營利組織 AVERI 合作，審查其內部安全評估資料集的品質，而不僅是模型輸出。AVERI 驗證了主題涵蓋範圍、提示多樣性及低污染風險，同時建議擴大涵蓋多語言、增加多步驟對抗性提示，並訂定更清晰的評分標準。Amazon 對此以更新測試集、分級難度及每季審查機制回應。
Anthropic 的 Claude Opus 5.5 與 Claude Sonnet 5.5 現已正式在 Google Antigravity 上線，涵蓋 Antigravity 2.0 Desktop、CLI，以及 VS Code、JetBrains 和 Visual Studio 的 IDE 擴充功能。Opus 5.5 主打重度推理與多檔案架構重構，Sonnet 5.5 則是更快、成本更低的日常編碼選項。開發者可透過下拉選單或在 CLI 輸入 /model claude-opus-5-5 在工作階段中途切換模型，不會遺失上下文、終端狀態或工作區產物；管理員可在 Google Cloud Console 的 Gemini Enterprise 底下啟用這些模型並設定支出上限。
Alphabet 執行長 Sundar Pichai 向 Big Technology 表示，Google 仍致力於前沿 AI 開發，並稱其雲端業務為了支持這項工作而放棄短期營收，以做出算力取捨。他表示，Gemini 4 Argon 在程式設計、數學、科學與知識工作基準測試上，擊敗 OpenAI 與 Anthropic 最新的公開模型；該模型在上線後的前 72 小時內處理了近 25 兆個 token，約為 Gemini 3.0 的三倍，而 Google 在提供其服務時正面臨容量限制。Pichai 也表示，前沿存取讓 Google 能更早看到新興能力，這對打造下一代模型至關重要。
OpenAI 的對齊部落格在 g-mean² 中新增了兩項指標；g-mean² 是其資料集層級的監測器辨別力衡量指標。配對匹配指標僅在支援相關正向、負向或介入有效比較的任務實例上比較模型，而後控制整合指標則模擬由監測器把關的拒絕機制，並估計部署系統仍輸出不良結果的機率。該文章亦推導出介入評估的悲觀下界。
Apollo 首席經濟學家 Torsten Slok 警告「這波 AI 最好真的行得通」，而 Ed Zitron 量化了這有多難。NVIDIA、Google、Amazon、Meta、Microsoft、Broadcom、Micron、AMD 和 CoreWeave 合計約占納斯達克 100 指數的 46.5%，而企業股票在 2026 年第二季達到美國家庭財富的 37.9%，為 2000 年第四季以來有紀錄的最高水準。
三位擁有超過十年 Java 經驗的 Java Champion 分別分享了他們在生產環境與開源工作中如何使用 GitHub Copilot。Vlad Mihalcea 在兩天內（而非數週）建置了一個 Hypersistence Optimizer 網頁應用程式，並以他的 65 篇文章訓練自訂技能，使其符合他的寫作風格。Patrick Baumgartner 用 Copilot 將 15 份簡報中約 900 張教學投影片從 Reveal.js 遷移到 Marp，並透過截圖比對驗證結果。
Google 的 Agents CLI 現在包含擴充系統（Extension System），於 v1.5.0 引入，讓開發者能覆寫或新增指令，而不必 fork 工具本身；v1.8.0 則推出第一方 LangChain 擴充功能。LangChain 範本會建立一個不依賴 google-adk 的專案，並透過與 ADK 專案相同的程式碼路徑部署到 Cloud Run，而 playground、run 和 eval generate 等六個與 ADK 耦合的指令則會被取代或明確拒絕執行。擴充功能以 Git 儲存庫中的目錄形式發布，並以鎖定檔固定確切的 commit SHA，該系統在 v1.8.0 中標示為實驗性。
微軟研究院Catalyst Lab總監Chris White回顧了他在DARPA計畫之後於阿富汗領導先進技術行動的經歷，以及後來打造暗網搜尋工具以打擊人口販運的過程。在與Weishung Liu對談的微軟研究院Podcast節目中，White討論了問題選擇如何形塑創新，以及他在見識過人性最黑暗的一面後如何保持希望。
每個受測的 Claude Duet——Anthropic 今日以研究預覽形式推出的常駐個人代理——都經過實測，並發現它是第一個值得稱為專業工具的個人代理。Duet 以 Opus 5.5 運行，擁有獨立於 Claude 的專屬 iOS、Android 與網頁應用程式，會把反覆出現的主題分進不同頻道，追蹤自己正在處理的事項以及需要使用者提供什麼，並就地編輯文件、簡報、設計與儀表板。評測者仍指出不足之處：它能看見電腦上的 Claude 工作階段，卻無法對其下指令；它的郵件草稿落後於 OpenAI 的 Dot；排程執行無法觸及自訂連接器；而且目前還沒有真正的語音模式，只有轉錄。
推薦理由：這是把 Anthropic 新的常駐代理與 OpenAI 的 Dot 做實測比較，有助於判斷個人代理目前仍不足的地方。
實驗物理學家、哈佛大學前理學院院長 Christopher Stubbs 以首位物理學家身分加入 Anthropic 的長期利益信託。Stubbs 曾協助發現宇宙加速膨脹，並就國家安全與軍備控制向美國政府提供建議。他與主席 Neil Buddy Shah、Richard Fontaine 及 Ben Bernanke 一同加入該信託，該信託可任命 Anthropic 董事會的多數成員。
Ethan Mollick 在《Co-Intelligence》問世 30 個月後，出版了第二本 AI 著作《Co-Existence》，並在 Claude Projects 中使用 Claude Opus 5.5，在幾分鐘內生成了文章圖表，以及一段「水獺在飛機上用 Wi-Fi」的影片。他指出，如今已有 180 個模型在發布時表現優於 GPT-4，其中 19 個可在現代智慧型手機上運行；而 METR 的長時程基準從 2024 年的一項四分鐘任務，到 2026 年 4 月已升至相當於 17 小時的人類工作量，隨後該基準便用盡。
Sakana AI 於 2026 年 10 月 5 日舉辦第二屆工程師開放日，介紹了五個工程職位，包括應用研究工程師、前線部署工程師、軟體工程師、解決方案工程師和網路安全工程師。執行長 David Ha 闡述了一套「AI 主權」策略，建立在預訓練、使用 Namazu 的後訓練以及使用 Fugu 的編排之上；此前六個月內，公司已將產品組合擴展至 Sakana Chat、Marlin、Fugu 和 Translate。活動還詳細介紹了與日本金融機構和國防項目的合作，包括與防衛省情報本部及防衛創新科學技術研究所的研究。
Mistral 發布 Voxtral 3，這是一系列語音轉文字與文字轉語音模型，外加一套建構於 LiveKit 之上的語音代理 SDK，能在單一管線中串流處理聆聽、推理、工具呼叫與說話。Voxtral Small Transcribe 3 涵蓋 50 多種語言，支援語者分離與上下文偏置；Voxtral Mini TTS 3 支援 35 多種語言與 50 多種方言；整套技術堆疊可透過 Mistral 的歐盟託管 API 或自行部署取得。定價方面，批次轉錄每分鐘 0.0035 美元起，TTS 每 100 萬字元 13 美元。
推薦理由：Mistral 的 Voxtral 3 將多語言語音模型與基於 LiveKit 的語音代理 SDK 搭配，為團隊提供可主權部署的即時語音代理選項。
Zyphra 發布針對 AMD Instinct MI355X GPU 的 Zyphra Optimization Engine（ZOE）第二波更新，在其 vLLM 與 SGLang 的生產分支中加入四個自訂 HIP 核心，用於 MoE 與稀疏注意力。40x）。3 checkpoint 在四項推理基準上與 FP8 的差距維持在 3 分以內，但僅在高併發時解碼速度更快。
Waymo 宣布正在西班牙為其全自動駕駛叫車服務奠定基礎，首先從馬德里地區開始，目標是在 2027 年迎接首批乘客。電動 Jaguar I-PACE 車輛將在未來幾天內出現在該地區的街道上，先從手動駕駛開始，之後由當地訓練的自動駕駛專家進行技術驗證。Waymo 引用超過 2,000 萬次已完成行程，以及超過 4 億公里全自動駕駛里程的數據，顯示在其營運的城市中，涉及重傷或更嚴重後果的碰撞事故比人類駕駛少 95%。
Vapi 已聘請曾任 Turing 工程副總裁的 Jeff Liu 出任新的工程資深副總裁。Liu 亦曾在 Google 任職六年、在 LinkedIn 任職一年，他表示加入的原因是 Vapi 打造的是語音 AI 部署平台，而非單一應用程式。他的首要任務是提升平台的可靠性與可擴展性，以迎接未來幾季計劃推出的產品。
Vapi 於 10 月 8 日在舊金山灣包下一艘遊艇，為艦隊週聚集了 30 多位語音 AI 開發者，活動包含 Deepgram、Kouper Health 與 Coval 的爐邊對談，以及一場技術工作坊。與會者聚焦於 GPT Live 的語音對語音功能，它降低了延遲並帶來流暢的輪替對話，但代價是犧牲了對關鍵詞彙與腳本的細緻控制。討論也涵蓋了附和語、感知延遲，以及平台語音堆疊與自建語音堆疊的取捨。
由普林斯頓大學領銜，聯合史丹佛大學、英國 AI 安全研究所與布魯金斯學會，共同發表了《AI 代理評估的新興趨勢》，綜合了評估科學、研究議程與評估者生態系統中的 33 個趨勢。該論文指出，代理評估遠比模型評估複雜，因為評估者必須審視整個軌跡而非最終結果，並提到 ExploitBench 基準上的某些代理評估需耗費數萬美元的額度。論文呼籲擴大研究議程，涵蓋能力、人機互動與制度影響，並呼籲更廣泛的參與以及對獨立評估者的資助。
GitHub Copilot 應用程式工作階段現在可以直接在 VS Code 中開啟，並延續對話、程式碼變更與工作樹，讓開發者無需重新開始即可檢視差異、手動編輯並在本機測試。本教學逐步說明如何開啟工作階段、逐行檢視代理的變更、在 Copilot 側邊欄中繼續同一段對話，以及將更新推送至該工作階段的提取要求。
Google 發布了 Meta TorchTitan 的 TPU 分支版本，可透過 TorchTPU 原生的 torch.device("tpu") 後端在 Cloud TPU 上執行 PyTorch 訓練，並附帶 TPU 原生核心與逐步最佳化指南。在 TPU v7x（Ironwood）上，Llama 3 405B 在 128 到 1,024 顆晶片之間維持約 57% MFU，Qwen3 235B 在單一 1,024 晶片切片上達到 32.42% MFU，FLUX.1 在 1,024 顆晶片上達到 19.4% MFU，弱擴展效率為 93%。該分支位於 https://github.com/google-pytorch/torchtitan/，另有 Transformers 建模後端與 agent 上手技能，可將同一訓練器延伸至其他檢查點。
推薦理由：Google 與 Meta 合作把 TorchTitan 移植到 TPU，並給出從 FLUX.1 到 Qwen3 235B 的逐級調優路徑與 MFU 數字，可作為 PyTorch 團隊評估 TPU 訓練可行性的參考。