Anthropic 向 mods 开放 Claude Code，GitHub Copilot 操控桌面应用，Black Forest Labs 推出 FLUX 3 Image

10 月 1 日星期四，Anthropic 推出 mods：这些小型 TypeScript 函数接入 Claude Code 的事件，改写其行为和界面，随 2.1.287 版本一同发布。GitHub 同日为 Copilot CLI 和 GitHub Copilot 应用开放两项代理能力的公开预览：操控桌面应用，以及用代码编写编排流程的动态工作流。Black Forest Labs 推出 FLUX 3 Image，通过边界框进行构图，最高可生成 4K 图像；Google 在 Gemini Live 中推出 Guided Vision，Barclays 将 Claude 的使用扩展至全行，GitHub 则针对人工智能生成的报告收紧漏洞报告规则。

Claude Code 向 mods 开放：用 TypeScript 函数改写其行为和界面

10 月 1 日 — Anthropic 推出 mods，这些小型 TypeScript 函数可以改变 Claude Code 的运行方式。工具的每个操作都会发出一个事件，包括工具调用、权限请求、提示词提交、轮次开始和结束，以及屏幕局部绘制；mod 可以在事件之前、之后、替代事件或通过包裹事件的方式接入。它可以在提示词到达模型之前改写提示词，阻止、改写或重新发起工具调用，批准或拒绝权限请求，在 Claude 读取工具输出之前隐藏其中的机密信息，或者添加自己的面板、按钮和输入框。mods 通过插件分发，使用 /plugin 安装，也像插件一样共享；它们随 Claude Code 2.1.287 推出，并默认启用。入门时无需了解 API：可以让 Claude Code 编写 mod，它会生成 TypeScript 代码、安装 mod，并在当前会话中热重载。

它与现有 hook 的区别很明显。设置 hook（设置钩子）在每次事件发生时启动一条 shell 命令；mod 则只加载一次，并持续驻留在会话中，因此能够保存状态、随事件重绘界面，还可以注册斜杠命令或供模型调用的工具。Anthropic 已经将其用于自身功能：/diff 面板和对 AGENTS.md 的支持已成为内置 mods，可以禁用或替换；该公司计划逐步转换更多功能，让用户能够把 Claude Code 精简为一个小型核心。文档列出的六个内置 mods 中包括默认禁用的 You should know，其中一个辅助代理会指出用户或 Claude 可能遗漏的内容。

mods 的方面	官方详情
最低版本	Claude Code 2.1.287，mods 默认启用
支持界面显示的环境	终端中的 CLI、Claude Desktop 的 Code 标签页（WSL 会话除外）
不支持界面显示的环境	VS Code 扩展、`claude -p`、Agent SDK 和云端会话，hook 会在这些环境中运行
内置 mods	6 个，包括 `/diff`、AGENTS.md、`sec-default` 和 You should know
hook 自身的执行时限	每次触发 10 秒
禁用方式	`/plugin` 禁用一个 mod，`--safe-mode` 在一个会话中禁用，`disableAllHooks` 禁用全部

Addy Osmani 在 claude.dev 上的入门指南演示了如何构建 Token Weather：一个约 80 行的 mod，在提示词上方显示上下文的“天气”，并用迷你图表展示最近 12 个轮次。指南还介绍了 Blast Radius，它会暂缓执行 rm -rf、git reset --hard 或强制推送，先展示操作会影响哪些内容；以及 Replay Theater，它可以重放一个轮次中的文件修改。

信任仍然是棘手的问题。文章提醒，mods 并未隔离：它们拥有与 Claude Code 相同的机器访问权限。文档进一步说明，mod 可以读取环境变量和设置文件、查看每条提示词、批准工具调用，或者消耗套餐用量，但不能修改权限提示。然而，claude.dev 的指南描述的模块运行在自己的沙箱中，没有 DOM 或 Node，所有外部操作都要通过 $ API：正因如此，claude plugin validate 可以在安装之前列出 mod 拦截的事件及其发起的调用。在 Team 和 Enterprise 上，以及所有采用托管设置的机器上，内置 mod sec-default 会最先加载，阻止用户安装的 mods 绕过拒绝规则；管理员可以让自己的 mods 在它之前加载。

Mods are absolutely insane. You can now customize Claude to work and look the way you want by just prompting it. Each person works differently, so there’s no reason why everyone should have an identical Claude experience. Make Claude your own, and share mods as plugins so others can try your mods too.

🇨🇳 mods 简直太疯狂了。现在，只需向 Claude 提出要求，就能让它按照你想要的方式工作和显示。每个人的工作方式都不同，因此没有理由让所有人都拥有相同的 Claude 使用体验。把 Claude 变成你自己的工具，并将你的 mods 作为插件分享，让其他人也能试用。 — @bcherny 在 X 上

此次发布早有预告：Boris Cherny 于 9 月 14 日宣布了这一计划，Anthropic 也在 GitHub 上分享了设计方案（议题 #91870）。文章和 claude.dev 指南都邀请用户将自己的 mods 提交到 Claude 目录。

🔗 使用 TypeScript mods 定制 Claude Code · claude.dev 入门指南 · mods 文档

Claude Code 2.1.287：云服务提供商上默认使用 1M 上下文，并包含 67 项修复

10 月 1 日 — Claude Code 2.1.287 是带来 mods 的版本，但其更新清单共包含 106 项，其中有 67 项修复。对于企业用户，在 Bedrock、Vertex、Foundry 和 Claude apps 网关上，Opus 4.7 及后续版本，以及 Fable，现在默认使用 1M 上下文窗口，无需 [1m] 后缀；CLAUDE_CODE_DISABLE_1M_CONTEXT=1 可以将其保持在 200K。/advisor 支持将 Sonnet 5.5 作为 Opus 4.7 和 4.8 的顾问，自动切换模型时会保留当前的推理强度等级，采用 2025-11-25 协议的 MCP 服务器可以弹出 URL 提示。危险的 rm 即使命令将输出重定向到 ~ 或通配符，仍会保留确认步骤；待处理的权限提示按从最早到最新的顺序显示，还有九项更新改善了屏幕阅读器模式。在 VS Code 中，正在运行的命令或子代理可以转入后台（在后台运行）。

🔗 Claude Code 2.1.287 版本说明

GitHub Copilot：桌面应用操控和动态工作流进入公开预览

10 月 1 日 — GitHub 同日在 Copilot CLI 和 GitHub Copilot 应用中开放两项代理能力的公开预览：桌面应用控制，以及动态工作流；后者也在 GitHub Copilot SDK 中提供。

Copilot 操控桌面应用。 计算机操作（计算机使用）能力登陆 macOS 和 Windows。Copilot 通过系统的辅助功能树读取窗口中可访问的内容及其视觉上下文，必要时使用屏幕截图；它可以点击控件、输入文字、按键、滚动、拖放，并跨应用连续执行步骤。演示中，它在 Safari 中填写了一份费用报销单。GitHub 面向的是没有 API、没有命令行界面或 MCP 集成的旧软件或纯图形界面软件；文档建议，在这些接口存在时优先使用它们，因为结果更可预测。此功能默认禁用：在 CLI 中，/computer on 用于启用，/computer show 用于显示状态，/computer off 用于关闭；应用则在设置中提供该选项。Copilot 在操控每个应用之前都会请求授权：可以仅授权当前会话、保存授权以供后续会话使用，或者拒绝。永久批准（始终允许）对同一机器上的 CLI 和应用都有效，但拒绝规则始终优先；在 CLI 中按两次 Esc，或在应用中点击“停止”按钮，可以中断偏离预期的操作。组织的托管设置可以禁用此功能，本地启用无法覆盖这一限制。GitHub 提醒，含糊的指令或屏幕上意料之外的内容，可能导致对已登录账户执行非预期操作，包括金融账户，因此不建议对敏感应用给予永久批准。公告未说明适用套餐，也未提供任何数据；/computer 命令已出现在 9 月 16 日发布的 Copilot CLI 1.0.85 版本说明中。

🔗 GitHub Copilot 现可通过计算机操作能力与桌面应用交互

用代码编写编排流程。 动态工作流（动态工作流程）向所有 Copilot 套餐开放，通过程序描述任务的执行方式：代码规定各个步骤、代理何时介入，以及如何使用代理的结果，可以顺序执行、并行执行，或结合两者；代理负责需要分析或判断的部分。工作流可以运行命令、将目标拆分为并行任务、在步骤之间传递结构化结果、让另一个子代理核查某个子代理的发现，并在检查点（核查节点）暂停，供人审阅后再继续。GitHub 举出的例子包括调查事故、并行审查拉取请求中的文件，或者让两个模型审核审查意见，仅在两者一致时才报告。

Copilot 模式	文档所述的工作组织者
Autopilot	Copilot，自行推进，无需在每一步之后请求确认
`/fleet`	Copilot，每次将任务拆分给并行运行的子代理
动态工作流	作者编写的代码：规定步骤、条件和交接方式

程序位于 Copilot CLI 和应用的扩展中。Copilot 编写的工作流仅限当前会话使用，但可以通过将扩展复制到个人目录中来重复使用，通过仓库的扩展目录共享，或打包为插件。子代理继承会话的权限，而 copilot workflow run 命令不会显示任何提示：必须在启动之前授予权限。应用中无需设置即可使用工作流；CLI 中则需要启用实验性功能（--experimental 或 /experimental on）。GitHub 未公布任何数据或计费规则；其名称让人联想到 Anthropic 于 5 月 28 日在 Claude Code 中推出的 Dynamic Workflows，但双方并未宣布任何关联。

🔗 Copilot CLI 和 Copilot 应用中的动态工作流

FLUX 3 Image：Black Forest Labs 通过边界框构图，最高生成 4K 图像

10 月 1 日 — Black Forest Labs（BFL）为 FLUX 3 系列新增图像模型，口号是：控制每一个像素。FLUX 3 Image 可以连续多次修改一个区域，而不改变图像的其余部分，也支持在同一次请求中进行多项修改。

最显著的新功能是通过边界框（包围框）构图。无论采用何种格式，图像的每个坐标轴都会映射为 0 到 1000 的坐标范围：为每个元素画一个框，描述框内的内容，再用一行文字概括场景，模型便会将每个元素放入对应的框中；仍然可以只使用文字提示词。FLUX 3 Image 还可以结合最多 10 张参考图像，在提示词中通过标记引用，由模型自行决定其位置和大小。BFL 将其描述为“为代理而设计”：LLM 可以根据一个简单请求，编写包含元素及其边界框的表格，用户调整后再启动生成。

公布的特性	BFL 提供的详情
原生分辨率	2K 和 4K（模型页面示例：5456 × 3072 像素，16,8 MP）
参考图像	最多 10 张
构图	在每个坐标轴范围为 0 到 1000 的网格上使用边界框
编辑	支持多轮，不修改其他像素
API 优惠	截至 10 月 8 日享受 50 % 折扣
模型权重	商业权重需获得许可；开放权重将在“未来几周”推出

在获取方式上，FLUX 3 Image 已通过 API 提供，截至 10 月 8 日享受 50 % 折扣；BFL 还向希望进行微调并在自有基础设施上部署的企业提供商业权重许可。开放权重版本已宣布，但没有具体日期。公告发布时尚未公布基础价格或量化基准测试结果。该模型进一步补充了今年夏天启动的系列：统一多模态模型 FLUX 3（7 月 23 日）、FLUX 3 Video（8 月 4 日）、其编辑模式（9 月 10 日），以及面向机器人领域的 FLUX 3 Action（9 月 23 日）。

🔗 @bfl_ai 发布的 FLUX 3 Image 公告 · FLUX 3 Image 模型页面

面向大众的助手：Gemini Live 中的 Guided Vision、ChatGPT 中的虚拟试穿、Perplexity Computer 中的图表，以及 Claude 产物的限制放宽

Guided Vision：Gemini Live 为盲人和低视力人士提供指引

10月1日 — Google 开始在 Android 9 及以上版本的 Gemini Live 中推出 Guided Vision，覆盖 Gemini Live 已开放的地区和语言。这项功能与盲人和低视力人士共同设计，能够实时描述共享摄像头拍摄的内容，回答后续问题，并通过语音指示帮助调整取景：缓慢向右转、向下倾斜、向后退。Google 列举的用途包括阅读营养标签或昏暗餐厅中的菜单、寻找掉落的耳机，以及描述衣服的颜色。为训练这项功能，Google 与视觉解读服务 Aira 合作，使用了数万小时的数据，邀请其服务网络中的 1 000 多名测试者参与，并让专家参与安全防护措施的设计。Guided Vision 可以通过 Gemini 应用的个人资料页面、Android 无障碍快捷方式或 TalkBack 启用。Google 明确表示，这既不是医疗设备，也不是行动辅助工具：这项功能不能替代白手杖。

🔗 Gemini Live 中的 Guided Vision（Google 博客）

ChatGPT：购物虚拟试穿与收藏功能

10月1日 — 根据 ChatGPT 的版本说明，服装和配饰的商品页面开始出现试穿按钮（试穿）：用户拍摄或上传一张自拍照，ChatGPT Images 就会生成该商品的虚拟试穿效果。参考照片会保留，用于后续试穿；用户可以在设置中的参考照片栏目替换或删除它（设置 → 个性化 → 参考照片）。任何商品也都可以加入收藏，或归入 ChatGPT 资料库中的文件夹。这两项功能均可在移动端和网页端使用，但说明没有明确涉及哪些套餐和国家。ChatGPT 此前已于3月24日推出视觉购物功能。

🔗 ChatGPT 版本说明

Perplexity Computer 绘制交互式图表

10月1日 — Perplexity Computer 现在可以直接在对话中创建交互式图表和可视化内容。对于金融数据，智能体使用 TradingView 的 Lightweight Charts 展示蜡烛图、成交量和移动平均线。公告仅是一条附带视频的推文，没有说明哪些套餐可以使用、覆盖哪些平台，更新日志中也尚无详细条目。ChatGPT 和 Claude 已分别于3月10日和12日迈出这一步，Replit Agent 则于9月25日跟进。

🔗 @perplexity_ai 在 X 上的公告

Claude 将创建成品后的额度消耗减半，优惠持续至10月15日

10月1日 — 从10月1日11时（PT）至10月15日23时59分（PT），在 Claude 或 Claude Cowork 中创建或修改成品（文档、演示文稿或设计），会让后续工作的五小时会话额度消耗减少 50 %。优惠自动适用于 Pro、Max 和 Team 套餐；Free 和 Enterprise 套餐不在范围内，每周额度保持不变。

适用场景	50 % 优惠的适用范围
从“输出”菜单发起的对话	从第一条消息起：10 条消息，每次回复 15 个步骤
普通对话	创建成品后的 10 条消息，每次回复 15 个步骤
从“输出”发起的云端 Cowork 任务	大约最初的 45 分钟
其他云端 Cowork 任务	创建或修改成品后的最多 80 个步骤

Claude Code、API、Slack 中的 Claude、本地或定时 Cowork 任务、用量积分，以及独立的 Claude Design 应用均不在优惠范围内。Anthropic 建议使用 Sonnet 5.5 尝试，并保留提前修改或终止优惠的权利。

🔗 @claudeai 在 X 上的公告 · 优惠条款（Claude 帮助中心）

金融：Barclays 将 Claude 推广至全行，American Express 向 Business 客户开放 Perplexity Computer

Barclays 计划在2026年底前让半数开发者使用 Claude Code

10月1日 — 英国综合性银行 Barclays 扩大与 Anthropic 的合作，在整个组织部署 Claude，以加快软件开发、改造旧系统并提高运营效率。该银行预计，到2026年底，50 % 的开发者将使用 Claude Code，2027年则会覆盖大多数软件工程师。目前已有两项应用公布了量化数据。Colleague Knowledge Assistant 自2025年投入使用，基于 Claude 和检索增强生成（RAG）架构构建，已有超过 16 000 名员工使用，处理了超过一百万次查询；它为服务英国两千多万名个人客户的团队提供帮助。在 Global Markets 业务中，Claude 模型每天对约 120 000 封电子邮件进行分类、补充信息和分发。Anthropic 商务负责人保罗·史密斯认为，这是公司在英国发展的重要一步；双方没有公布合同金额或期限。

🔗 Barclays 扩大 Claude 应用，以升级运营并改善客户体验

Perplexity 与 American Express：为 Business 卡提供 Computer 中的十项业务 Skills

10月1日 — Perplexity 为 Perplexity Computer 推出一组即用型 Skills，专供订阅了 Perplexity Enterprise 的美国 American Express Business 持卡人使用。企业负责人选择任务，再通过表单补充具体要求，无需编写请求。十项 Skills 涵盖现金流预测、税务准备、供应商比较、预算情景分析、对账、营销活动、需求预测、各渠道广告支出回报（ROAS）、运营跟踪和招聘。用户可以在 Personal CFO 中通过 Plaid 连接银行卡，每次执行都会根据任务复杂度消耗 Computer 积分。合作伙伴页面还提供有效期至2027年3月29日的优惠：购买 Enterprise Pro 或 Enterprise Max 套餐满 325 美元，可获得一次性 125 美元抵扣，每个账户还可一次性获赠 1 000 个 Computer 积分。Corporate 卡不在范围内，生成结果也不构成财务、税务、法律或会计建议。

🔗 Perplexity 博文 · American Express 合作伙伴页面

生成式视频与虚拟人：Wan 3.0 领跑 Artificial Analysis，Runway 推出 Project Continuum，Synthesia 推出 Sessions

Wan 3.0 登上 Artificial Analysis 新视频榜单首位

10月1日 — Alibaba 宣布，Wan 3.0 在 Artificial Analysis 新的文本生成视频榜单 AA-Video-T2V v2.0 中排名第一。该榜单于9月30日推出，采用新的评估方法：每个模型均以 1080p 分辨率接受评估，使用定期更新的提示词集，音画同步也计入得分。前三名竞争激烈，置信区间相互重叠。

上榜模型	Elo 分数	排名区间	API 价格
Wan 3.0	1157 (±9)	1 至 2	每分钟 12,00 美元
Utopai X（基于 MiniMax H3）	1150 (±10)	1 至 3	无公开 API
Dreamina Seedance 2.5	1144 (±9)	2 至 4	每分钟 34,12 美元
MiniMax H3 (768p)	1139 (±9)	3 至 5	每分钟 4,80 美元

榜单中的惊喜是 Utopai X，由以人工智能为原生基础的影视工作室 Utopai Studios 于9月30日推出。它基于 MiniMax H3 进行后训练，仅可通过该工作室的 PAI 平台使用（每秒视频消耗 93 积分，订阅每月 15 美元起），排名超过了 MiniMax H3 本身。

🔗 @Alibaba_Wan 在 X 上的公告 · AA-Video-T2V v2.0 排名 · @ArtificialAnlys 介绍 Utopai X

Runway Labs 展示 Project Continuum：通过实时视频生成界面

10月1日 — Runway 的探索研究团队 Runway Labs 展示了 Project Continuum。这款研究应用设想了一种操作系统，其界面通过实时视频生成，延续了8月31日发布的界面世界模型 Solaris 的思路。首次预览介绍了与电脑交互的四种方式。使用 Portals 时，视频模型会在浏览过程中生成带动画的交互式叠加层，并用模糊边缘标示生成内容。响应式视频界面（Responsive Video Interfaces）会在调整尺寸时重新组织布局，并响应点击。Interactive Worlds 将媒体内容转化为交互式模拟，供人或智能体使用。最后，Visual Thinking 是一个面向编程智能体的执行框架：实时视频模型将每个步骤和每次工具调用转化为画面，让用户持续参与过程。Runway 尚未提供访问方式、日期、价格或底层模型信息。

🔗 @runwayml 在 X 上的系列帖子

Synthesia 推出 Sessions：用于训练和访谈的虚拟人

10月1日 — Synthesia 推出 Sessions，这是基于其交互式虚拟人构建的产品系列：在视频通话中，与用户交谈的是一个会提问、倾听、提出异议并总结的虚拟人。Roleplay Sessions 用于训练：虚拟人扮演客户、潜在客户或同事，人工智能教练点评每次练习，管理者则在仪表板中跟踪得分和进展。Survey Sessions 将问卷转化为访谈：虚拟人同时访问数百人，根据回答追问，随后提供主题与情感分析报告，每个回答仍可通过文字转录、音频或 CSV 查看。目前提供免费试用，但没有详细价格。Sessions 基于9月16日正式开放的 Interactive Avatar API，Synthesia 承诺还会推出其他产品形态。

🔗 @synthesiaIO 在 X 上的公告 · Synthesia Sessions 页面

人工智能与科学：SynthID Bio 为蛋白质加水印，马修·施瓦茨描述“契合 Claude”的科学

SynthID Bio：Google DeepMind 为人工智能设计的蛋白质加水印

9月30日 — Google DeepMind 介绍了 SynthID Bio，这是一组为人工智能生成的生物设计添加数字标记（水印）的方法，相关消息于10月1日在 X 上转发。博文将其定位为概念验证：在生物编码中嵌入不可察觉的签名，既能在数字模型上验证，也能在合成的蛋白质上验证。对于序列，该方法隐蔽地引导氨基酸的选择；对于三维结构，则对 AlphaFold 3 扩散网络中的一小部分进行微调。在针对三个靶标（VEGF-A、SARS-CoV-2 刺突蛋白的 RBD 结构域，以及 PD-L1）的实验室测试中，带水印的结合蛋白在成功率、亲和力和序列多样性上均与普通版本相当。其意义在于生物安全：自动检测信号可以帮助 DNA 合成供应商核查未知序列的来源。Google DeepMind 发布了方法论文、代码、体外实验数据和供研究使用的模型权重；通过与斯坦福大学 Hie 实验室和 Arc Institute 合作，该方法已扩展到由 Evo 2 设计的噬菌体基因组。抵御蓄意篡改的稳健性仍是主要待解决问题。

🔗 Google DeepMind 关于 SynthID Bio 的博文

“契合 Claude”的科学：马修·施瓦茨的客座博文

10月1日 — Anthropic Science 博客发布了哈佛大学物理学家马修·施瓦茨的客座博文，他明确说明自己正在 Anthropic 担任访问研究员。他描述了科学家与人工智能之间的“阻抗失配”：像对待人类合作者那样与模型合作，并不能充分发挥模型的能力；更好的做法是寻找“契合 Claude”的问题，让数学、物理学或计算机科学中已有的技术一次性解决另一个领域的问题。他由此开发了 BootLoops，一个可与任何模型配合使用的开源精确计算执行框架；BootLoops 不是 Anthropic 的项目，而是由施瓦茨维护。在物理学中，30 个积分完成了端到端计算，其中 15 个此前从未被计算过；在生态学中，巴罗科罗拉多岛树木的变化速度是中性理论允许速度的 4,5 倍；在语言学中，AccStack 数据库覆盖了 6 072 种语言的词汇重音。成果是：三个月内，与 19 名共同作者在 18 个领域完成了 36 篇论文稿。施瓦茨也指出了局限：Claude 没有时间概念，喜欢“宣布胜利”，而在专家重新引导研究方向之前，其在物理学以外的成果价值有限。

🔗 契合 Claude 的科学（Anthropic Science 博客）

开放模型与训练：Ai2 的 Olmo-core 3、Cloudflare 的 Clef 和 Clef-flash，以及 FineEnvs 的多执行框架 RL

Olmo-core 3：Ai2 开放目标规模超过一万亿参数的 MoE 训练技术栈

10月1日 — Ai2 发布 Olmo-core 3，这是用于训练其 Olmo 模型的框架的新版本，围绕完全开放的混合专家（混合专家，MoE）训练系统重建。它是下一代 Olmo 的系统之一；下一代模型将转向 MoE，Ai2 表示，它将成为能力最强的 Olmo。旧实现基于 FSDP，每个批次都会先汇集权重，再重新分片；Olmo-core 3 改用 DDP，让专家留在各自的 GPU 上，并将数据发送给它们。

Ai2 公布的测量项目	测量结果
47 十亿参数的 MoE，在八块 B300 上进行的初步测试	每块 GPU 为 52 000 对比 19 400 tokens/s，约 2,7 倍
MXFP8 对比 BF16，使用四块 B300	吞吐量增加约 21 %
1 200 十亿参数的模型，使用 512 块 GPU	每块 GPU 最高 858 TFLOP/s，随机路由

Ai2 说明，1 200 十亿参数规模的测量评估的是系统，而非训练后模型的质量。代码（版本 3.0.0）、技术报告和交互式演示均已发布。

🔗 Ai2 关于 Olmo-core 3 的博文 · Olmo-core v3.0.0 版本发布

Clef 和 Clef-flash：Cloudflare 开源两个兼容 Jev 的决策模型

10 月 1 日 — Cloudflare 的 Workers AI 团队发布了首批内部训练的模型 Clef 和 Clef-flash，沿用 Typesafe AI 的 System One 模型 Jev 开辟的路线：接收一个状态（文本、JSON、图像或视频）和一份带类型定义的问题模式，然后一次性返回每个允许选项的概率。Clef 基于 Qwen3.8-27B 进行后训练，Clef-flash 则基于 Qwen3.5-9B。它们托管在 Workers AI 上，提供与 Jev 兼容的 API；据博文介绍，模型已在 Hugging Face 上以 Apache 2.0 许可证发布，上下文窗口为 64k tokens，而 Jev 为 32k。Cloudflare 选取的数据表现不一：

基准与指标	Clef 得分	Clef-flash 得分	Jev 得分
BFCL, 完全匹配	98,47	98,76	95,75
BANKING77, macro-F1	94,20	90,93	79,74
When2Call, 准确率	72,37	65,58	80,97
BRIGHT, nDCG@10	45,91	39,26	47,52
延迟中位数	209,3 ms	38,8 ms	524,1 ms

Cloudflare 宣称 Clef 位居 Jev Decision Index 榜首，Liquid AI 两天前也曾宣称 d1 占据这一位置；同时，Cloudflare 推出了基于客户数据对 Clef 进行强化学习微调的服务。

🔗 Cloudflare 关于 Clef 的博文 · Hugging Face 上的 Clef

FineEnvs 在四种智能体运行框架中同时对模型进行强化学习训练

10 月 1 日 — 同一个模型在不同运行框架的驱动下，表现并不相同：Liquid AI 的 LFM2.5-2.6B 使用相同权重，在 Mini-SWE-Agent 下能解决 62 % 的任务，在 Claude Code 下却只能解决 33 %。FineEnvs 组织在 Hugging Face 上发布了一份指南，介绍如何直接在开发者使用的运行框架中通过强化学习训练模型，无须修改框架代码。添加到 OpenEnv 的捕获代理会向运行框架呈现为模型提供商（支持 OpenAI、Anthropic 或 Gemini 格式），并记录 vLLM 实际生成的 tokens 及其精确概率；Harbor 提供任务和沙箱，TRL 使用异步 GRPO 进行训练。在四种运行框架中同时训练后，LFM2.5-2.6B 的平均任务解决率从 42 % 提升至 54 %，而对节省资源的解决方案给予少量奖励，使其在已解决任务上的工具调用减少了 31 %。模仿更大的模型还不够：使用 Qwen3.8-27B 的 3 189 条 rollouts 进行监督微调，解决率最高仅达到 47,5 %。代理、训练器、任务、数据和训练后的模型均已发布。

🔗 多运行框架强化学习终极指南

Grok 4.7 在 Google Cloud 智能体平台推出预览版

10 月 1 日 — SpaceXAI 宣布，Grok 4.7 已在 Google Cloud 的智能体平台 Gemini Enterprise Agent Platform 上可用。日期为 9 月 30 日的模型说明页将其列为预览版，标识符为 grok-4.7，并将其描述为 xAI 面向编程和知识工作设计的模型：它会在困难任务上投入更多时间，并检查自己的工作。它接受文本和图像输入，仅输出文本；支持函数调用、结构化输出和推理，不支持批量预测。

Google Cloud 公布的数据	Grok 4.7 的对应值
上下文长度	524 288 tokens
每分钟配额	13 次请求、188 000 输入 tokens 和 16 000 输出 tokens
使用方式	仅支持固定配额，不支持按量付费或预置吞吐量
服务区域	美国多区域和全球端点
每百万 tokens 的价格	输入 2 美元，输出 6 美元；输入低于 200 000 tokens 时缓存为 0,50 美元，超过后价格翻倍

该价格表与 xAI API 一致。Grok 4.7 于 9 月 21 日推出，9 月 28 日已登陆 Amazon Bedrock，而 Grok 4.6 则于 8 月 21 日接入同一个 Google 平台。

🔗 Google Cloud 上的 Grok 4.7 说明页 · @SpaceXAI 在 X 上的公告

GitHub 收紧私密漏洞报告机制，以应对人工智能生成的报告

10 月 1 日 — GitHub 在同一分钟发布了两项针对私密漏洞报告（私密漏洞报告）的措施，背后的共同观察是：开源项目维护者收到的低质量、自动生成或由人工智能生成的报告越来越多，淹没了真正重要的报告。

A single free-text box made it easy to submit low-quality or AI-generated reports and hard for you to find the signal in them.

🇨🇳 一个简单的自由文本框让低质量或由人工智能生成的报告更容易提交，也让你难以从中找出重点。 — GitHub 更新日志，私密漏洞报告的结构化表单

结构化表单。 默认情况下，报告提交者必须填写四个必填字段：摘要、详细信息、至少 150 个字符的概念验证，以及影响。这些内容会合并到安全公告的描述中，供维护者像以往一样审阅。每个仓库都可以通过 .github/VULNERABILITY_REPORT.yml 文件调整表单，也可以从组织的 .github 仓库将其应用于所有仓库；维护者可以要求填写 CWE 类别，组织或企业也可以通过策略强制执行这一要求。一个复选框允许报告提交者声明，自己在发现问题或撰写报告时使用了人工智能辅助。对于 REST API，自定义表单同样适用，但默认表单不适用，以免破坏现有集成。

每日上限。 同一账户每天向单个仓库以及整个 GitHub 提交的新报告数量，如今均受到限制；对现有公告的评论不受影响。管理员可以设置自己的上限，并豁免受信任的报告提交者，GitHub 未公布默认上限的具体数值。这两项措施适用于 GitHub Free、Pro、Team 和 Enterprise Cloud 上启用私密漏洞报告的公共仓库。

🔗 私密漏洞报告的速率限制

编程智能体：Codex CLI 0.160.0、Delta 0.18 和 Antigravity 2.19.1

Codex CLI 0.160.0：命令中心的历史记录与项目外会话

10 月 1 日 — OpenAI 发布 Codex CLI 0.160.0，这是前一天的 0.159.3 之后首个稳定版本，列出了自 0.159.0 以来的 55 个 PR。智能体控制中心（智能体命令中心）新增了显示较早任务的操作（显示更多），可通过键盘使用。在组织策略允许时，会话可以在项目之外启动，并使用工作区的默认设置；恢复会话时，会还原已保存的权限。Guardian 审批审查新增两项可选能力：找回用户此前给出的指令，以及纳入智能体交接的上下文。在全屏模式下，本地 Linux X11 终端支持选择会话记录，并通过鼠标中键粘贴。在修复方面，排队消息会在重新连接后继续处理，且不会重复发送；此外，一系列修复针对 Windows 沙箱和初始化时的 SQLite 阻塞问题。

🔗 GitHub 上的 Codex CLI 0.160.0

Delta 0.18：会话可在现有 Git worktrees 中运行，并新增 CLI

9 月 30 日 — Zed 发布了 Delta 0.18.0，这是其用于与智能体协作编程的多人环境：包含 23 项新功能、41 项改进、51 项修复和 1 项移除。其中最主要的功能已于 9 月 28 日公布，但当时未给出上线日期：会话现在可以在任何已关联的现有 Git worktree 中运行，并将该工作副本传递给从它创建的新会话。Delta 也可以从终端操控：CLI delta 可安装在 macOS、Windows 和 Linux 上，delta auth 命令用于管理已登录的账户。在模型方面，该版本加入了 Google AI Studio 的 Gemini 模型，支持通过 API 密钥使用 GPT-6 Sol、GPT-6 Luna 和 Claude Opus 5.5，并允许桌面应用使用任何兼容 OpenAI 或 Anthropic 的提供商。会话工作新增了搜索所有子会话的功能和书签；不过，子会话不再将进度消息发布到父会话，父会话中只保留 Land Changes 的结果。

🔗 Delta 0.18.0 版本说明

Antigravity 2.19.1：直接向子智能体发送消息

9 月 30 日 — Antigravity 2.19.1 支持从输入框直接向子智能体发送消息，无须经过主智能体；CLI 自 1.2.8 和 1.2.9 版本起，就已通过 @ 语法提供这一功能。该版本新增了将产物和侧边栏中渲染的 Markdown 导出为 PDF 的功能，涵盖表格、代码块和图表，并加入了仅作用于当前对话的撤销选项；在五项修复中，自定义智能体终于能够遵守全局规则和项目规则。该版本正逐步推送，可能需要几天时间。CLI 曾于 9 月 27 日发布一个未引起关注的 1.2.12 版本：使用 GEMINI_API_KEY 密钥启动的会话，现在会在 Gemini API 报告每日配额耗尽、达到支出上限或预付费额度耗尽时立即停止，而不是持续数分钟进行注定失败的重试。

🔗 Antigravity 应用更新日志 · Antigravity CLI 更新日志

简讯

Copilot CLI 1.0.90 和 1.0.91 — 1.0.90 于 9 月 30 日进入稳定版，在模型选择器中加入 GPT-6.1 Sol，并修复 MCP 和会话恢复问题；10 月 1 日发布的 1.0.91 新增 copilot sandbox ca 命令，用于管理其沙箱代理的证书。🔗 来源
Codex CLI 0.159.3 — 该版本于 9 月 30 日 UTC 22 时 57 分发布，仅包含一项向旧版本移植的修改：通过 ChatGPT 登录的本地会话可以显示可选提醒，提示用户完成账户安全设置；这项修改也纳入了 0.160.0。🔗 来源
Gemini CLI 每夜构建版 — 10 月 1 日的 v0.64.0-nightly 修复了无界面模式下处理器占用率达到 100 % 的卡死问题，并使文件工具的写入操作具有原子性；稳定版和预览版没有变化。🔗 来源
Zed 1.23.1 预览版 — 该版本于 9 月 30 日发布，支持以表格形式显示 JSONL 和 NDJSON 文件，新增 agent.max_idle_retained_threads 设置，并在 Google AI 模型过载时自动重试请求。🔗 来源
9 月的 VS Code Copilot 更新 — 涵盖 1.136 至 1.140 版本的月度回顾介绍了一些此前不太显眼的新功能，包括在 VS Code 中继续于 ChatGPT 应用中开始的 Codex 对话、预览版应用徽章，以及无需工作区即可打开聊天。🔗 来源
在 Delta 中共同规划 — 内森·索博在 Delta 博客中讲述了团队三名成员如何在同一个讨论串中，先使用 Fable，再使用 Astra，借助独立的子线程和隔离的子智能体进行规划，而不是使用 plan.md 文件；文章没有宣布新功能。🔗 来源
Cursor 镜头下的 Innate — Cursor 发布了一段介绍 Innate 的短视频。这支七人团队正在打造日常生活机器人，其联合创始人维涅什·阿南德表示，团队完成了相当于 50 人的工作，但没有说明他们如何使用 Cursor。🔗 来源
检索旧会话，而非压缩上下文 — funes 开发者大卫·科尔瓦西耶使用 Claude Code 测试了自己选择的三项任务：通过他的工具检索旧会话能找到正确答案，所需加权 token 数量分别仅为保留全部上下文时的 1/8、1/4 和 1/3。🔗 来源
GitHub 新仪表板 — 汇集活跃智能体会话、议题和拉取请求的视图现已成为所有用户的默认视图，每个列表最多显示 12 项；动态消息移至“动态”选项卡，旧版布局仍可访问。🔗 来源
异步合并 API — 该 API 已正式推出，并成为通过程序执行合并的推荐方式，取代同步 REST 端点和 GraphQL 变更操作；它也是唯一支持堆叠式拉取请求的合并 API。🔗 来源
无需令牌的 npm dist-tags 管理 — npm 的可信发布配置现在可以获得一项默认关闭的可选权限，通过短期 OIDC 凭据管理 dist-tags，取代长期访问令牌。🔗 来源
GitHub Actions 保留期限 — 检查、工作流运行和状态，包括第三方应用产生的数据，现在均遵循产物和日志的保留期限设置，超期即删除；公共仓库最长保留 90 天，删除后无法恢复。🔗 来源
代码扫描与休眠仓库 — 代码扫描和 GitHub Code Quality 的每周定时分析，现在只有在推送或拉取请求触发一次分析后才会启动，以免让休眠仓库看起来又活跃了六个月。🔗 来源
代码覆盖率 — 当某个分支尚未创建拉取请求时，向该分支推送代码不再导致 GitHub Code Quality 的 upload-code-coverage 操作使 CI 失败。🔗 来源
无障碍声明 — 放在仓库根目录、.github/ 或 docs/ 中的 ACCESSIBILITY.md 文件，会在仓库主页上突出显示；该功能适用于 github.com 的所有套餐，并将纳入 GitHub Enterprise Server 3.24。🔗 来源
Actions Runner Controller 0.15.0 — 这一用于自托管运行器的 Kubernetes 控制器，在补丁版本升级时会就地更新资源，支持配置停止超时、Kubernetes 客户端限制和控制器并发度，并减少请求开销。🔗 来源
Grok Bot 主动出击 — 用户的主 Bot 现在会识别可以代为完成的工作，并主动提出接手；部署将在数小时内逐步完成，这些建议不计入用量，公告未说明适用套餐或国家。🔗 来源
Genspark 与 Azure Cosmos DB — Azure Cosmos DB 博客的一篇文章从 Genspark 的视角介绍了如何让部分后台处理使用全局二级索引，避免拖慢实时智能体会话；文章没有提供具体数据。🔗 来源
Genspark 用户分享 — 拥有十五年营销经验的塞尔基·康表示，将旧文档接入 SecondBrain，再连接 AI Slides 后，她准备一整套课程材料的时间从 30 小时缩短至 5 小时；此次没有产品更新。🔗 来源
Albertsons 与 OpenAI — 这家拥有超过 2 200 家门店的零售商扩大了合作范围，从为部分团队提供 ChatGPT Enterprise，扩展至使用 API 支持客户体验和促销分析，并重点介绍了其在 ChatGPT 中的 Safeway 插件，该插件于 8 月 5 日公布。🔗 来源
永恒的互补 — OpenAI 发布了探讨未来经济系列的首篇文章，由赫曼特·阿西尔瓦瑟姆和埃利奥特·莫克斯基署名，两人明确表示观点仅代表个人：机器智能的大部分可能用于执行工作，而非实现突破。🔗 来源
Perplexity 与咨询顾问 — 一份指南比较了从 AlphaSense 到 Qwilr 的十款咨询顾问用 AI 工具，价格均于 9 月核实；其常见问题部分提醒，Perplexity 免费套餐会使用用户数据训练模型，除非用户选择退出。🔗 来源
Luma Variants — 这项功能在前一天仅作简短介绍，现已向所有 Luma 用户推出：它可以从一张已获批准的静态广告生成五种标准格式的版本，比例从 9:16 到 16:9，并支持多种语言；尚未公布价格。🔗 来源
HeyGen Professional Voice Clone — 根据 HeyGen 的 9 月回顾，在 9 月 9 日启动非公开预览后，其还原度最高的声音克隆现已通过 API 开放，训练需要至少 20 分钟的录音，分为 1 至 10 个文件。🔗 来源
Pika 及其应用 — Pika 宣称其新平台已有超过 40 款应用，并介绍了其中两款：让两个角色展开辩论的 Podcast Video，以及为图像或视频片段调色的 Color Grade；未说明日期或价格。🔗 来源
ElevenLabs 在比荷卢地区 — ElevenLabs 在布鲁塞尔和阿姆斯特丹设立办公室，并计划将当地团队规模扩大至三倍；在运营商 KPN，邮政编码识别率从 64 % 提升至 82 %，验证智能体每周处理约 60 000 通电话。🔗 荷兰 · 🔗 比利时
NVIDIA DOCA 技能 — 在开发者的 65 个真实提示词测试中，配备这些面向 BlueField DPU 的技能的编码智能体，满足了评估量表中 100 % 的标准，未配备时仅满足 19 %；这些技能已在 GitHub 上发布。🔗 来源
DIN Deploy — NVIDIA 发布了开源 C++ 示例，用于在 Windows 和 Linux 上通过 ONNX Runtime 和 TensorRT RTX 本地运行模型；在 DGX Spark 上，Parakeet TDT 使用 GPU 转写的速度达到实时速度的 206 倍，使用 CPU 则为 14 倍。🔗 来源
Nemotron 3.5 ASR 与沙特方言 — NVIDIA 的一篇教程针对纳季德和希贾兹方言微调该模型：在两张 RTX PRO 6000 上训练 12 000 步后，词错误率从 55.05 % 降至 29.96 %，FLEURS 中的英语和阿拉伯语表现甚至也略有提升。🔗 来源
Dynamo-Triton 上的 HSTU 推荐系统 — NVIDIA 使用 PyTorch AOTInductor 和 KV 缓存部署 HSTU 生成式推荐系统：在最佳情况下，使用一张 RTX PRO 6000，根据层数不同，速度最高分别提升至 4.47 倍和 5.93 倍，每次请求耗时分别为 0.423 和 0.678 ms。🔗 来源
AI 工厂的盈利能力 — NVIDIA 在一篇观点文章中估算，AI 工厂每兆瓦成本约为 6 000 万美元，并引用 SemiAnalysis 的数据：在 DeepSeek V4 Pro 上，Vera Rubin NVL72 每百万 token 的成本最低可降至 GB300 NVL72 的 1/45，而 8 月 24 日的数据为 1/35。🔗 来源
huggingface_hub 2.1.0 — 该库支持自动重试失败的 Jobs、无需重新创建即可重新调度、读取剩余 ZeroGPU 配额，以及通过 hf_xet 下载 Xet 文件：在 HF Jobs 上，一个 2 GB 的 parquet 文件下载时间从约 120 秒缩短至 7 秒；此次包含三项不兼容变更。🔗 来源
ML Intern 与 MCP — Hugging Face 为 ML Intern 接入 MCP 数据源。ML Intern 是 HuggingChat 中用于训练模型的模式，这次接入使用户能够用自己的业务数据微调开放模型；公告没有提供官方数据。🔗 来源
Hugging Face 与 Open Source for Science Fund — 双方希望找出科学模型贡献者最依赖的库，并支持这些库的维护者，但未公布金额或时间表。🔗 来源
TRL 每月一百万次训练 — 根据康坦·加卢埃德克引用的遥测数据，Hugging Face 的后训练库每月运行一百万次训练，目标是达到每周一百万次；统计方法尚未公开。🔗 来源
Hub 上的一百万个数据集 — 三位作者的分析显示，组织账户发布的数据集约占 19 %，却获得了一半的下载量；下载量最高的 1 000 个数据集中，有 390 个来自美国。🔗 来源
一张 RTX 3090 上的八个 VLM — ThinkEvolve 的阿卡什·古普塔展示了在准确率相同的情况下，Qwen3-VL-8B 处理单次请求的速度是 Qwen3.8-27B 的 2.2 倍，但由于没有复用前缀缓存，完成一项包含 7 329 次调用的任务却耗时 18.88 小时，而后者仅需 7.53 小时。🔗 来源
GLiNER2.5-Decide 对比 layax — 阿拉温德·维贾亚库马尔未能为 Fastino 的模型验证出任何可信度阈值，而他自己的工具 layax 在 10 次试验中全部通过验证，准确率高出 20 至 23 个百分点，速度约快五倍。🔗 来源
大卫·哈谈编排系统 — Sakana AI 联合创始人兼首席执行官在 Nikkei Asia 的一篇评论中认为，价值将从模型权重转向组合多个模型的智能，并将主权定义为供应链的稳固程度。🔗 来源
TPU 上的视频扩散 — Google 的三名工程师利用 Sparse VideoGen 的稀疏注意力和优化后的 Splash Attention 内核，将八颗 TPU v6e 芯片上为一段 1440p 视频去噪的时间从 2 471 秒缩短至 1 461 秒，速度提升至 1.69 倍。🔗 来源

这意味着什么

编码智能体正变得可以由使用者编程控制。借助模组，Claude Code 将内部事件开放给小型 TypeScript 函数，甚至把自身功能转换为可替换的模组；借助动态工作流，GitHub 让用户用代码编写子智能体的编排逻辑，而不是每次都由 Copilot 决定如何拆分任务。FineEnvs 的指南说明了为什么智能体运行框架与模型同样重要：相同的权重在一个运行框架中能解决 62 % 的任务，在另一个中却只能解决 33 %。随之而来的是信任问题。模组拥有与 Claude Code 相同的机器访问权限，copilot workflow run 不会显示任何确认提示，而桌面应用操控功能可以对已登录的账户执行操作。两家厂商的应对措施包括默认禁用桌面操控、在安装模组前进行检查（claude plugin validate），以及优先执行企业规则。

AI 也让接收其产出的人需要新的筛选机制。GitHub 对私密漏洞报告实施结构化要求和数量限制，因为 AI 生成的报告让维护者不堪重负；Google DeepMind 则提议为 AI 设计的蛋白质添加水印，让 DNA 合成供应商能够识别未知序列的来源。在这两种情况下，目的都不是禁止 AI，而是让其使用过程可见：一边是用于声明 AI 辅助的复选框，另一边是可验证的签名。

在企业端，采用程度如今通过具体用途衡量。Barclays 设定目标，到 2026 年底让 50 % 的开发者使用 Claude Code，并每天用 AI 分类 120 000 封邮件；American Express 将其 Business 卡作为使用 Perplexity Computer 技能的入口，并赠送使用额度；Anthropic 则把用量限制作为调节手段，在两周内将创建产物后继续工作的用量计费减半。面向普通用户，助手正在融入具体的日常操作：为盲人读菜单、购买前试穿衣服，以及在对话中绘制股票走势图。

最后，模型数据必须结合评测方法解读。Ai2 明确指出，其 1.2 万亿参数规模的评测衡量的是系统，而非一个训练完成的模型；Cloudflare 自行选择基准测试，并承认 Jev 在 When2Call 和 BRIGHT 上仍然领先；Artificial Analysis 的视频榜单将 Wan 3.0 排在首位，但各模型的置信区间存在重叠。FLUX 3 Image 则沿用了如今常见的路径：立即提供商业许可权重，之后再开放权重，但没有公布日期。