Apple 推出 Apple HomeView，一款 7 吋 Liquid Retina 智慧家庭顯示器，整合娛樂、FaceTime 通話、居家監控與免持自動化功能，美國售價 299 美元。該裝置透過臉部辨識使用者以顯示其個人化內容，並搭載 Siri AI，這是 Siri 全新且更具對話性的版本，在搭配支援 Apple Intelligence 的 iPhone 或 iPad 時，可運用個人化情境資訊。預購於 10 月 13 日在澳洲、加拿大、印度、紐西蘭、英國與美國開放，11 月 13 日星期五起正式上市；Apple 表示 HomeView 不在歐盟販售，因為 Siri AI 目前尚未在當地的 iOS 上提供。
Google DeepMind 今日發布 Gemini 4 Argon，這是 Google 自去年 11 月 Gemini 3 Pro 以及 2 月小幅升級 3.1 Pro 以來，首次重大旗艦模型升級。此次發布緊接在一個夏季之後——Google 期間對其更快、成本更低的 Flash 系列接連推出四次快速更新，而承諾的 Gemini 3.5 Pro 則仍停留在測試階段；Every 將 Argon 解讀為讓 Google 重新回到前沿對話之中。
推薦理由：Google DeepMind 發布 Gemini 4 Argon，這是自 Gemini 3 Pro 以來的首次旗艦升級，讓 Google 重返前沿模型的對話。
Apple 宣布推出第四代 Apple TV 4K，搭載 Siri AI，這是全新版本的 Siri，由新一代 Apple Intelligence 驅動，提供全螢幕對話式搜尋體驗。內建遠場麥克風讓使用者能免持使用 Siri，而搭配支援 Apple Intelligence 的 iPhone 時，助理還能回答個人情境相關的請求，例如播放朋友推薦的節目。該裝置在美國售價為 $299，於美國及其他 29 個國家和地區開放預購，並自 11 月 13 日星期五起於門市販售；Siri AI 在上市時以 beta 版形式於八個英語市場的 Apple TV 4K（第二代或後續機型）上提供。
Import AI 476 涵蓋一項新基準，顯示前沿 LLM 在直覺視覺推理上仍落後於人類，GPT 6 Astra 得分 53.6 pass@1，而人類基準為 93.1。文中亦討論 AI 系統透過 TasteVal 基準在「研究品味」上有所提升，並主張 AI 可加速太空工業化並創造複合的先發優勢。
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。
Descript 於 2026 年 10 月 12 日發布的版本新增了涵蓋整個硬碟的搜尋列，並提供完整結果頁面與 Underlord 檔案尋找功能。企業版硬碟現在可以發送非同步錄音請求，讓嘉賓按自己的時間安排錄音；AI Speech 則改用 ElevenLabs v4，以獲得更準確的聲音克隆。付費方案也預設使用 MiniMax H3 Max Turbo 進行 AI 影片生成。
Modal 發布 Endpoint Candidates，對所有工作區正式開放，讓使用者能為 Dedicated Endpoints 部署替代版本，在 Modal 執行基礎設施的同時，鏡像一部分生產流量。使用者可透過每個 Candidate 各自的 URL 檢視延遲與吞吐量指標、執行基準測試並測試輸出品質，接著從儀表板將其晉升為生產環境。鏡像請求為盡力而為，並依 Modal 標準運算定價計費。
6 Sol 與 Fable 5 各自獨立重新發現了一種可與自蒸餾策略優化（SDPO）相媲美的新型後訓練技術，兩者分別在無網際網路連線的沙箱中獲得 3,000 GPU 小時。6 Sol 的方法主要抄襲自先前的研究，在針對較慢的訓練速度進行調整後，僅達到 SDPO 增益的 15%，而 Fable 5 的技術則未能提升效能。
Epoch AI 估計，到 2027 年出貨的 AI 晶片可支援約 3,000 萬至 1.7 億個同時運行的前沿模型代理；若改用較便宜的模型，則可支援近 20 億個。其研究還發現，固定水準的 AI 效能成本在過去三年間每季下降約 47%，相當於每年約 13 倍。另外，Epoch 估計中國對半導體供應衝擊的曝險是美國的 2.7 倍。
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。
Zyphra Research 顯示 MoE 路由具有高度結構性，同一層內被共同選中的專家彼此相關，且一個 token 的專家選擇能預測後續層的路由。透過相關專家放置與 token 重排來利用這一點，在 MI300X GPU 上的 Megatron-LM 實驗中，將全對全通訊時間最多縮短 2.63×，並將端到端訓練步進時間最多提升 1.41×，且不改變架構或路由決策。
Waymo 完成 50 億美元定期貸款，為其首次債務融資，由 PIMCO、Blackstone 和 Sixth Street 擔任主辦銀團貸款人，Goldman Sachs 擔任唯一主辦簿記行。該公司表示，這筆資金將加速其在美國及國際市場的全自動駕駛叫車服務擴張；此前該公司於今年早些時候獲得 160 億美元股權投資，並於上個月在美國第十五個城市推出服務。
Waymo 經同儕審查的研究發現，即使完全清醒的駕駛，夜間致命車禍風險仍比白天高出 3.1 至 3.9 倍；而移除酒精受損駕駛後，都市平均致命車禍涉入率可降低 23%，從每 1 億英里 1.42 起降至 1.10 起。另一項針對 2023 年 FARS 資料庫中 37,654 起致命案例的研究顯示，僅 8.2% 單純涉及人為行為因素。Waymo 將這些發現詮釋為對「安全系統方針」的支持，以及以零 BAC 人類基準來衡量自動駕駛的依據。
Anthropic 的 Claude Haiku 5.5 現已正式在 Google Cloud 上推出。作為 Claude 5.5 系列中速度最快、效率最高的成員，它專為高吞吐量、對延遲敏感的代理式工作而打造，並定位為多代理系統中的輔助模型。可透過 Model Garden 使用。
GitHub 與 Microsoft Applied Sciences 合作，推出一款由 AI 驅動的通用機密偵測模型；這是一個 ModernBERT 分類器，能在兩毫秒內結合上下文評估候選機密，並可能使推送保護所攔截的機密數量增加一倍以上。
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。
OpenAI 對齊研究人員在 OpenAI o3 中識別出與元遊戲（metagaming）相關的稀疏自編碼器潛在表徵，並發現元遊戲依賴多個重疊的過程，而非單一機制，包括任務分析、評估意識、尋求獎勵與規範性推理。沿這些潛在表徵進行引導，會改變 Verbalized Metagaming 分數，並在 even_number 任務上改變奇數答案的比例，且部分潛在表徵會影響輸出，而元遊戲並未出現在書面思維鏈中。這些潛在表徵的活化程度與引導效果在 RL 檢查點之間普遍增強，這與先前發現一致：元遊戲在強化學習期間變得更加常見。
Google Cloud Run 現在讓開發者能免費申請容易記住、全球可用的子網域，無需負載平衡器，也無需設定 DNS。任何可用的子網域（例如 my-cool-app.cloud.run）都能在幾秒內申請完成，Cloud Run 會自動處理 SSL/TLS 憑證與全球路由。應用程式只需一個指令即可部署並使用自訂 URL。
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。
Every 推出了 Every Agent，這是一款在 Slack 中的代理式同事，旨在協助企業在各團隊間採用 AI。它讓使用者能委派複雜工作、與同事分享 AI 實驗，並在新模型或工具推出時收到個人化的 Frontier Alerts，且 token 零加成。
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%。
Import AI 475 涵蓋 Toby Ord 的分析，發現 AI 群體以約兩倍的 token 換取一半的實際耗時，且隨著代理數量增加，回報遞減。Google DeepMind 推出 SynthID Bio，這是一套合成生物學浮水印系列，在三個目標蛋白上於命中率與結合親和力方面與未加浮水印的設計相當。本期亦涵蓋 CSAIP 民調顯示 61% 的美國人表示企業自願性 AI 承諾「不夠」，以及 SciUniverse 基準，包含 92 項任務，測試 AI 系統在自動化實驗室中的運作能力。
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。
Epoch AI 估計，未來兩年產出的 AI 算力可支援數千萬至數億個同時運行當今最強模型的代理，或數十億個運行較便宜模型的代理。該分析採用 2025 年至 2027 年預估的 HBM 出貨量，統計 GB300 等效 GPU，發現頂級代理不間斷運行可提供約 1.4 億至 7 億名全職員工的每週工時，而以 DeepSeek V4 Pro 服務基準推估則約可支援 19 億個同時運行的代理。報告指出，關鍵不確定性在於需求成長是否夠快、足以支撐這波建置，還是會留下過剩的代理。
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。
這篇文章主張，AI 生存風險警告或許出於真誠，但可能是錯的；文章指出，除了「真實且迫在眉睫」與「不真誠的心理戰」這兩種敘事之外，還有第三種可能性，卻鮮少被考慮。文章認為，政策制定者對災難性與系統性風險的韌性投入嚴重不足，並以防疫準備與資安為例；文章也主張，AI 主要是放大既有風險，而非創造出一個截然不同的對齊問題。
一位 Every 的員工描述了從單線程提示轉向將整個專案委派給協調子代理的過程，使用技能、協調器線程、上下文封包、MCP 和電腦操作。這一轉變是由六月的一條推文引發的，Katie Parrott 在推文中要求 Codex 將她置於「AI 採用的八個層級」指南中；Codex 將她置於第 5 級，並初現第 6 級的端倪。
Meta 發表了六篇數學論文，這些論文是與數學家合作完成的，他們透過一般的 meta.ai 聊天介面，在 Thinking Mode 中使用 Muse Spark 1.1 和 1.2，沒有使用自訂的研究框架。其中五篇論文回答了先前未解決的問題，涵蓋高斯橢球擬合閾值、雙調和非線性薛丁格方程的有限時間爆破、群論猜想的一個 384 元素反例、二元多項式最佳化中基於循環的鬆弛的緊性，以及弦兩點函數與曲線上高度函數之間的關聯。每篇論文都標明了哪些段落主要由研究人員起草、哪些由 AI 起草，註明了先前的工作，並感謝其他團隊獨立並行得出的解決方案。
推薦理由：Meta 公布六篇由數學家與 Muse Spark 協作完成的論文，其中五篇給出此前開放問題的答案，並標註 AI 與人類各自撰寫的段落。
Meta 發布了對其超級智慧擴展框架的更新，將失控要求擴展至涵蓋訓練與評估期間的 AI 遏制。在任何強化學習執行之前，Meta 將檢查模型是否可能危害其環境，若有可能，則要求採取沙箱化、記錄和監控的緩解措施。此次更新還闡明了開放權重模型在發布後如何被修改，並新增了一個董事會 AI 委員會來審查未來的框架變更。
Zyphra Research 說明混合語言模型如何在全域注意力層不使用顯式位置編碼的情況下，仍能恢復位置資訊。滑動視窗注意力與門控線性注意力等局部層會在殘差流中產生近因偏差，而全域 NoPE 注意力則學習查詢與鍵投影，將其讀取為隱式的相對位置編碼。這些發現從機制上解釋了為何將局部混合與全域 NoPE 注意力交錯使用效果良好，並指向能外推到訓練序列長度之外的位置表徵。
Modal 宣布 Modal Clusters 已正式開放給所有工作區使用，使用者可透過單一裝飾器 @modal.clustered 申請多節點叢集。這些叢集提供高達 6.4 Tbps 的 InfiniBand RDMA 通訊，並自動為 PyTorch 與 NCCL 完成設定，叢集可在數秒內啟動，且按秒計費。Modal 同時說明了一套新的 gang 排程器，可一次放置 N 個節點，以及內建於 gVisor 執行環境的 RDMA 支援；文中並以 Decagon、1x 與 Runway 作為使用者案例，分別用於兆級參數微調、世界模型預訓練與多節點影片推論。