Sakana AI 已開放其 Sakana API 平台的早期存取計畫，讓企業客戶可透過 API 存取其大型語言模型，並能在組織與工作區層級管理成員及使用成本。此 API 與 OpenAI 相容，只需變更端點即可使用，首批提供 Sakana Fugu 與 Fugu Ultra，Sakana Namazu 與 Fugu Max 將隨後推出。功能包括角色型存取控制、CSV 稽核日誌、預算上限、發票付款、MSA 與 DPA，以及承諾不會以客戶輸入內容進行訓練。
Epoch AI 將其早先自動化資深研究員工作的嘗試擴展為 Epoch Automation Reports，以與人類員工相同的標準，在圖形設計和研究規劃等真實 Epoch 任務上評估 AI。1 和 GPT-6 Astra 在評分標準上平均得分 65%，但 65% 的分數仍算作任務失敗，因為若由人類提交，每份提交都會被拒絕或修改。
Anthropic 研究人員進行了一項隨機對照試驗，50 名專業分析師使用 Claude Code（Claude Opus 4.8）為一個虛構的農業合作社提供建議，該代理在四項分析選擇上被秘密隨機指派了一種傾向。分析師有 86% 的時間與其代理的傾向一致，當代理持不同意見時，有 60% 的時間放棄了自己先前的偏好，77% 的人後來重複了代理的論點，而只有 15% 的人將功勞歸於代理。作者提醒，這些傾向是被刻意增強的，且該研究僅涵蓋一項任務和一個模型，但指出結果引發了擔憂：隨著代理承擔更多研究工作，人類的簽核是否仍能作為獨立檢查。
推薦理由：Anthropic 對 50 名專業分析師進行的隨機試驗顯示，專家在判斷性決策上多麼容易採納 AI 代理的任意傾向，這一發現關係到 AI 安全研究中的人類監督。
Google Cloud 開發者打造了 HappyDelivery，這是一個運用 LangGraph、Gemini、FastAPI 與 Google Cloud 的對話式商務可運作原型，延續了先前由 Ingress、Memory 與 Cognition 組成的三層藍圖。Ingress 層會驗證 WhatsApp、RCS、Apple Messages 與 SMS 等各平台專屬的 webhook 簽章，將承載資料正規化為共通結構，並卸載至 Pub/Sub，約在 300ms 內回傳 HTTP 200。文章逐步說明程式碼、狀態機、確定性財務工具，以及一套自動化驗證套件。
Google 為 A2UI 發布了可替換的推論格式，A2UI 是其針對生成式 UI 最佳化的代理協定，讓代理生成一種中間格式，再由 SDK 編譯器轉換為經過驗證的 A2UI 訊息。新的預設格式 A2UI Express 在相同 UI 下使用的 token 比 Direct JSON 少最多 3 倍，並將延遲降低最多 3 倍，且已隨 Python（a2ui-agent-sdk 0.9.0）、TypeScript（@a2ui/agent）與 Dart SDK 一同發布。Google 也展示了決策模型，例如 TypeSafe 的 Jev 在預先定義的版面配置中進行選擇，其表示可將延遲降低最多 80 倍；在 Apparite 範例中，11 個提示的畫面均在 0.8 至 1.7 秒內完成。
Preferred Networks 於 2026 年 10 月 27 日開始提供 PLaMo 3.1 Prime，新增網頁搜尋與 Deep Research 功能，可在數分鐘至數十分鐘內自主規劃、蒐集、分析並撰寫附來源引用的報告。Deep Research 亦可於地端執行，並能連接內部文件搜尋系統；該公司表示，相較於 PLaMo 3.0 Prime，包含 AA Omniscience 在內的八項幻覺相關基準測試平均分數提升約 15%。PFN 亦指出，透過推測解碼使處理速度提升 1.7 倍，且在非推理模式下輸出 token 減少 90%，並推出免費的 PLaMo API 方案，以及 PLaMo Chat 活動，於 2026 年 11 月 30 日前每日提供兩次 Deep Research。
推薦理由：PFN 的 PLaMo 3.1 Prime 新增可於地端執行的自主 Deep Research，為日本企業提供可本地部署、附來源引用的調查工作選項。
Apple 為 Apple Creator Studio 推出更新，將建構於 Apple 與第三方模型的智慧助理帶進 Keynote、Pages 和 Numbers，並支援 Model Context Protocol，讓外部 AI 代理能讀取這些 App 的內容並執行編輯。Mac 版 Final Cut Pro 現在內建 MotionVFX 與 Content Hub 庫存影片，Logic Pro 新增 Beta 版助理與可分離鼓聲的 Stem Splitter，Pixelmator Pro 則加入可用自然語言編輯影像的 Generate Fill。這些更新將於今年 11 月在 App Store 上線，現有訂閱者免費，新訂閱為每月 $12.99 或每年 $129。
Replit預測，到2030年底，每家財富500強公司都將成為「自駕式公司」，由代理執行與協調工作，而人負責設定目標並承擔責任。Replit表示，其工程師在2026年上半年的程式碼產出幾乎增加兩倍，而審查時間、回退次數與產品事故則持平。Replit for Business正作為基礎打造，而在SMFL，一個過去需要六個人花六個月完成的開發流程，由一個人在一週內完成。
Import AI 478 匯總了四項進展：AI 安全新創公司 Resolution 使用協調器代理，在 Lean 中自動形式化了奇點消解，估計花費約 13.5 萬美元的 token 費用，耗時約一週。Claude Opus 5.5 在 ProgramBench 上達到 18.5% 的解決率，而該基準於五月推出時，所有模型的解決率均為 0%。OpenAI 描述了代理在各自獨立的 microVM 中，透過處理器快取時序交換合成機密；Mirendil 則報告一位研究員在 3.5 個月內，以不到 1000 萬美元的算力成本，預訓練了一個 100B-500B 參數的程式設計模型。
Vapi 已推出流量拆分功能，讓團隊可先將 0.1%、1% 或 5% 的來電與去電導向新的代理版本，再決定是否全面切換。過去發布新的助理版本時，100% 的流量會立即導向該版本。此功能包含「黏性」機制，讓重複來電者持續使用同一版本，Vapi 建議先從雙向拆分開始。
Google Workspace 現在讓使用者能在 Google Docs 和 Drive 中原生檢視、編輯及協作 Markdown（.md）檔案，無需轉換成其他格式。檔案會保留 .md 類型，並在文件標題列顯示可見的標記；Drive 則提供包含表格與超連結的渲染預覽，或可切換為原始文字。Google 將 Markdown 定位為人類與 AI 代理共通的語言，支援即時共同編輯、行級註解與版本記錄，涵蓋人類與代理的修訂；任何擁有 Google 或 Workspace 帳戶的人，只要將 .md 檔案上傳到 Drive 即可開始使用。
Mastra 正開放其 Knowledge 服務給另外八家設計夥伴，採先到先得制；這是一套為 AI 代理提供的自架式全公司情境層。Knowledge 可連接 Slack 和 Monday 等系統、自行保持最新狀態，並支援各職能各自獨立的知識庫，權限細分到個人、團隊和組織層級。Mastra 表示，將全公司知識圖譜接入其編碼代理後，交付程式碼的品質有明顯提升。
Redwood Research 發表了一篇關於模擬控制評估（SCEs）的論文，該方法使用 LLM 環境模擬器來測試監督 AI 代理的監控器是否能察覺模型故意試圖造成傷害，而不執行其工具呼叫。
Google CEO Sundar Pichai 表示，業界「距離 RSI 的最終狀態還相當遙遠」，儘管 AI 代理已協助研究人員建構模型。他說人人都缺算力，而 Google 放棄短期雲端營收，以資助前沿 AI 研究。
Epoch AI 在 11 項真實的 Epoch 工作任務上測試了六個領先模型，發現沒有一個能可靠達到其品質標準，其中 Claude Fable 5.1 與 GPT-6 Astra 大致並列領先。其新的 SpireClimb 基準顯示，前沿模型在六個月內從在《Slay the Spire》中苦苦掙扎，發展到能贏得超過 90% 的基礎難度對局，其中 GPT-6 Astra 達到 98%。Gemini 4 Argon 在 Epoch Capabilities Index 上得分 166，與 Claude Fable 5.1 並列，落後於同為 169 的 Claude Opus 5.5 和 GPT-6 Astra。
Ai2 與賓州大學的研究人員打造了 LitPivot，這套系統會圍繞研究提案中正在編輯的面向來組織檢索到的論文，並提出有文獻依據的修改建議。在一項有 17 位研究人員參與的研究中，領域專家評價以 LitPivot 發展出的想法，比用文字編輯器和 AI 聊天工具建立的想法更有文獻基礎。參與者也表示，他們修改後的想法更具新穎性和實用性，而 LitPivot 將在 UIST 2026 發表。
Platformer 推出了 Machine Gods，這是一檔與 NPR 合作製作的全新 AI 播客，節目於週三和週五上午發布。前兩集探討了行為不當的 AI 代理，並採訪了兩位近期被 OpenAI 解僱的安全研究員。主持人表示，該節目採取「AI 現實主義」方針，既認真對待安全警告，也報導新技術帶來的樂趣與進步。
Figma agent 現已正式推出，Figma 說明如何將你的設計系統提供給它，讓其輸出符合你的產品。連接已發佈的程式庫可讓 agent 使用核准的元件與 token，而指引檔案則可將團隊規則編碼化，Examples 頁面或 _example 命名則提供可重複使用的模式。
Microsoft Research 發布 Flint-interactive，這是一種建構於 Flint 之上的語言，讓代理與開發者能透過高階語意事件與更新運算子建立互動式資料視覺化。Flint 的編譯器負責處理命中測試、版面配置、渲染與視覺相依性，因此使用者只需指定連結刷選、醒目提示或視埠變更等互動，無須撰寫低階視覺化程式碼。此語言可透過聊天環境中的 Flint-MCP 與 MCP Apps、用於儀表板與資料故事的 Flint Interactive Canvas，以及供客製化互動使用的程式設計 API 取得。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Modal 推出 Sticky Sessions，在其低延遲的 Modal Servers 之上，將工作階段中的每個請求固定導向同一個容器。開發者可使用 @modal.sessioned() 裝飾器建立具備工作階段的 Server，並透過 SDK 或 HTTP API 啟動工作階段，自動擴縮由作用中的工作階段數量驅動，而非請求量。