OpenAI 用 Codex 构建 Git 后端 Pando，Anthropic 推出 FlashProve，Cohere 的 Model Vault 支持开放模型

OpenAI 详细介绍了 Pando：这个单体仓库的 Git 后端用 Codex 在十周内构建完成，每天提供近一拍字节（1 Po）的数据；Claude Code 2.1.317 现在会在发送账户电子邮件地址前征求同意，GitHub Copilot 则进驻 JetBrains Air。Anthropic 推出用于推理密码学证明的原型 FlashProve，OpenAI 将漏洞奖励中位数提高至原来的四倍以上，Cohere 的 Model Vault 开始支持其他厂商的开放模型。Google 发布工程能力基准 PLE，没有任何智能体的得分超过 50 %；同时，Google 将于 12 月 1 日把发往 Gemini 2.5 Pro 和 2.5 Flash 的请求重定向至更新的模型。

编程智能体：OpenAI 用 Codex 构建 Pando、Claude Code 2.1.317、GitHub Copilot 进驻 JetBrains Air

OpenAI 用十周内借助 Codex 构建的 Pando 替换单体仓库的 Git 后端

11 月 2 日 — OpenAI 详细介绍了 Pando。这个兼容 Git 协议和客户端的新 Git 后端，如今支撑着其单体仓库（monorepo）的全部开发工作。推动这次更换的是 Codex：分支、推送、合并和拉取操作大幅增加，到 2025 年底，旧系统的可靠性有时已降至 90 % 以下。根据博文中的一张图表，2026 年第三季度合入主分支的提交数量比 2024 年第一季度高出 1 378 %。

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇨🇳 我们为单体仓库创建了新的 Git 后端 Pando，以便在不改变工程师和智能体使用 Git 的方式的情况下，处理更多推送和拉取操作。Pando 将推送延迟降低了约 80 %，如今每天提供近一拍字节的 Git 数据。我们能够让 Git 的容量随着智能体的使用量同步增长。 — @OpenAIDevs 在 X 上

为承受负载，Pando 放弃了在某一时刻为所有引用提供一致视图：每个分支独立更新，收到的 pack 文件则通过区域缓存原样提供给其他客户端。

OpenAI 测量的指标	公布的数值
推送延迟中位数	降至原来的近五分之一（约 -80 %）
提供的 Git 数据量	每天近一拍字节（1 Po）
每小时峰值	一小时超过 57 To，其中超过 99 % 来自缓存
克隆和拉取	在标准 VM 上跑满 10 Gbit/s 链路
构建耗时	借助 Codex 用时 10 周，自 2026 年 4 月起投入生产

核心由一名工程师设计，多组智能体负责实现；它们还借助 GPT-6 Astra 编写了 Lean 和 TLA+ 代码，对 Pando 进行形式化建模并找出其中的缺陷。OpenAI 已向 Git 项目贡献多项修复，并表示正在研究分享这项技术的方式，但尚未公布产品或日期。

🔗 OpenAI 关于 Pando 的博文

Claude Code 2.1.317 在发送账户电子邮件地址前征求同意，并为 Claude apps 网关添加费用报告

11 月 3 日 — Claude Code 2.1.317 于 UTC 01 时 25 分在 GitHub 发布，此前已于前一晚上线 npm。87 条更新中有 62 条是修复，但此版本也加入了一项隐私保护措施：当网页或 shell 工具调用要通过网络发送账户电子邮件地址时，Claude Code 现在会事先征求同意。同样，若新建的云端定时任务获得了用户未请求的连接器，/schedule 会发出提醒，并说明如何移除它们。

2.1.317 的新功能	变化
Claude apps 网关	费用报告 `GET /v1/organizations/analytics/cost`：按开发者、日期或 IdP 群组统计支出
SDK Agent	`onFailure: "block"`：hook 回调失败时阻止操作，不再放行
子智能体和队友	使用与对话不同的模型时，采用该模型已保存的推理强度设置
Read 工具	重新读取未修改的文件时返回文件内容，不再仅给出提示
OpenTelemetry	新增属性，包括 `anthropic.plan` 和 `anthropic.seat_type`

修复方面，自动模式通过 LLM 网关运行时，即使网关对其安全检查返回 403 或 422，也不会再每轮都受阻；Grep 和 Glob 在搜索超时时，不再将部分结果呈现为完整结果；claude auth status 也不会再因令牌刷新缓慢而导致用户退出登录。npm 上的稳定通道仍停留在 2.1.311。

🔗 Claude Code 2.1.317 发行说明

GitHub Copilot 进驻 JetBrains Air，使用 Copilot 订阅执行本地和云端任务

11 月 3 日 — GitHub Copilot 成为 JetBrains Air 支持的智能体之一。Air 是 JetBrains 为借助智能体进行开发而设计的环境，向所有兼容 Agent Client Protocol（ACP）的智能体开放。用户可以在 Air 的智能体选择器中选择 Copilot，使用现有 Copilot 订阅委派任务、指导执行，并在代码旁审阅结果；Air 可同时跟踪多个会话。GitHub 将其定位为 JetBrains Copilot 插件之外的另一种选择，并非替代品。

执行模式	使用条件	用量计入方式
本地，在 JetBrains IDE 中	IDE 中安装 Air，选择 GitHub Copilot，并登录 Copilot 账户	现有 Copilot 订阅
云端，通过 Air Teams	拥有 Air Teams 的 JetBrains 企业组织，由 Air 管理员启用 Copilot	计入 Copilot 套餐，不扣除 JetBrains AI 额度

每项云端任务都在全新虚拟机上的 Docker 容器中运行，所有流量均经过代理，任务之间不保留状态。GitHub 也列出了限制：仅在云端环境启动时检查订阅和额度，无法逐项任务选择使用个人套餐还是组织套餐，也无法在 Air 中设置 Copilot 支出上限，管理员只能在其中停用 Copilot。

🔗 GitHub Changelog 公告

安全：Anthropic 的 FlashProve、OpenAI 漏洞奖励、CWE-bench v2 和 CyberArena

Anthropic 推出 FlashProve，用于大型模型推理密码学证明的开源原型

11 月 2 日 — Anthropic 的 Frontier Red Team 发布了可证明推理（provable inference）研究原型 FlashProve，并于 11 月 3 日在 X 上公布：它可以验证某个回答确实来自指定模型。提供方先发布对模型权重的承诺（commitment），再为每个回答附上简洁零知识密码学证明（zkSNARK），证明这些权重作用于该提示词时，确实会产生这些完全相同的 tokens。权重保持隐藏，但模型架构公开。Anthropic 表示，Claude 完成了系统改进并撰写了协议规范，其中的安全属性已用 Lean 证明。

公布的测量项目（Llama 4 Maverick，4 bits 权重）	公布的数值
单张 H100 上的证明生成吞吐量	约每秒 110 tokens
证明大小（1 024 tokens 的请求）	约 19 Mo
在处理器上验证，无需 GPU	使用 24 个线程耗时 17 秒
相较于 vLLM 的开销，按每张 GPU 计算	约 72 倍，最高负载时为 94 倍
VerInf，此模型此前的参考方案	生成 1 000 tokens 需 14,3 小时，证明大小为 93,6 Go

提及的用途包括监管机构跟踪开发进度、检测推理服务器遭入侵或模型被替换，以及文本来源追溯。限制也很明确：上下文最多为 1 024 tokens，证明针对采用贪心解码（greedy decoding）的完整模型版本，快速实现的代码没有形式化保证。代码以 Apache 2.0 许可证发布，所在仓库被标明为不再维护。

🔗 Anthropic 关于 FlashProve 的博文 · FlashProve 仓库

OpenAI 将漏洞赏金中位数提高至原来的四倍以上，含奖金最高可达 172 000 美元

11 月 2 日 — OpenAI 提高了漏洞赏金（bug bounty）计划的奖励，并于 11 月 3 日在 X 上转发了这项公告：中危、高危和严重漏洞各奖励区间的中位金额，平均提高至原来的四倍以上。ChatGPT、Codex 或 API 平台中的严重漏洞最高可获 30 000 美元，特别重大的严重漏洞发现仍可获得最高 100 000 美元基础奖励，加上新奖金后最高可达 172 000 美元：奖金包括针对可靠概念验证的质量倍数、五级忠诚奖励，以及面向新上线功能的优先活动。

OpenAI 给出的漏洞示例	原奖励	新奖励
ChatGPT 中的中危漏洞：没有写入权限仍可导入文件	750 美元	2 415 美元
ChatGPT 中的严重漏洞：无需点击即可接管账户	6 500 美元	51 577 美元
特别重大漏洞：读取任意用户的对话	100 000 美元	171 925 美元

新奖励区间适用于待处理报告，OpenAI 还将为公告发布前 30 天内已发放的奖励补足差额。安全团队将于 11 月 20 日和 21 日参加在奥克兰举行的 PROMPT2PWN。

🔗 OpenAI 关于漏洞奖励的博文

Collinear AI 发布 CWE-bench v2，Gemini 4 Argon 在 100 项公开漏洞修复任务上略微领先 Claude Opus 5.5

11 月 3 日 — Collinear AI 在 Hugging Face 博客发布第二版 CWE-bench，用于衡量智能体在真实开源仓库中发现并修复安全弱点、同时不破坏现有功能的能力。公开数据集包含 100 项任务，覆盖 91 类弱点（CWE），采用确定性评分并经人工复核；另有一组留出任务保持私密，用于跟踪模型在未见过的任务上的进展。

受测模型	pass@1 成功率	pass@4 成功率	每次运行成本
Gemini 4 Argon	67,8 %	81,0 %	3,92 美元
Claude Opus 5.5	67,3 %	78,0 %	1,83 美元
DeepSeek V4.1 Flash (1017)	57,0 %	未公布	0,04 美元

在 11 个受测模型中，95 项任务至少被一个模型解决，但领跑模型在数据集 19 % 的任务上每次尝试均告失败。每项任务都是一个可从 Hub 启动的 Harbor 环境（Docker 容器、指令、确定性验证器），也可用于通过 RL 训练防御智能体。Gemini 4 Carbon 不在受测模型之列。

🔗 Hugging Face 博客上的 CWE-bench v2

CyberArena 让十二个智能体实时攻防对抗，GPT-5.6 Sol 凭借防御能力领跑

11 月 3 日 — 2077AI 和 UC Berkeley 的 RDI 中心发布 CyberArena，将网络安全基准从考试改为对抗：两个智能体各自获得同一个存在漏洞的服务的副本，在三轮比赛中一边攻击对方的副本，一边修复自己的副本。竞技场验证每一次夺旗结果和服务健康检查，再根据对局结果生成排名。

排名	受测智能体	使用的运行框架	排名得分
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

在 12 个智能体围绕 40 项挑战进行的 466 场有效对局中，防御拉开了差距：前两名分别在 83 % 和 81 % 的轮次中保住旗帜，其他智能体则为 43 至 61 %。审计发现，最常见的错误是声称已修复却未验证（占受审计对局的 23 %），以及修复不完整（21 %）。该排名涵盖的是较早代际的模型，没有 GPT-6 Sol 和 Claude Opus 5.5；竞技场代码、挑战和对局回放均已公开。

🔗 Hugging Face 博客上的 CyberArena

企业中的开放模型：Cohere 开放 Model Vault，Together AI 称 Revolut 转向自行托管的 GLM

Cohere 的 Model Vault 开始支持其他厂商的开放模型，涵盖 DeepSeek V4.1 Flash 到 GPT-OSS

11 月 3 日 — Cohere 于 1 月推出的主权推理平台 Model Vault，现已开始支持其他厂商的开放模型。除了 Cohere 自家的模型，企业还可以在平台上运行 DeepSeek V4.1 Flash（Cohere 称其为 OpenRouter 上使用最多的开放模型）、GLM 5.3 Flash、MiMo V2.6 Pro、Gemma 4、NVIDIA 的 Nemotron、腾讯的 Hy3，以及 GPT-OSS 和 Phi 系列。默认情况下，提示词和回答均不会被保存。

博文区分了两个服务级别。Model Vault 在客户选定的区域内，使用单一客户专属的基础设施运行。Model Vault Encrypted 还会在数据处理期间对其加密（confidential computing）：据 Cohere 称，Cohere 和云服务提供商都无法看到模型的输入或输出。第二个级别并不支持所有模型。

模型系列	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	是	是
Gemma, GPT-OSS, Phi	是	是
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	是	否

Model Vault 已在美国、欧盟和加拿大提供服务；Model Vault Encrypted 已在美国提供服务，欧盟和加拿大则被列为“即将推出”。计费按 GPU 类型，以小时或承诺用量计算，博文没有公布价格。在宣布未来十二个月将推出新一代模型的 E 轮融资消息发布五天后，Cohere 在推文串中写道：

Try out world-class models while you wait for our next one

🇨🇳 在等待我们的下一款模型期间，不妨试试这些领先模型。 — @cohere 在 X 上

🔗 Cohere 关于 Model Vault 的博文

据 Together AI 转发的一条推文，Revolut 据称已让约 2 000 名工程师转用自托管 GLM 编程

11 月 3 日 — Together AI 转发了一条推文，称 Revolut 已将开放模型设为编程的默认选择：

Europe’s largest private company just made open models its default for coding.

🇨🇳 欧洲最大的未上市企业刚刚将开放模型设为编程的默认选择。 — @togethercompute 在 X 上

被引用的推文来自吉列尔莫·弗洛尔，其依据是这家数字银行的人工智能运营负责人大卫·阿比特博尔的表述：约 2 000 名工程师如今使用自托管 GLM 工作，而 Claude Code 和 Codex 则被列入例外清单。

推文报告的数据	公布的数值
涉及的工程师	约 2 000
硬件	56 块 NVIDIA B200 GPU
混合成本	每百万 tokens 30 cents，约为 Anthropic 和 OpenAI 价格的十分之一
工程交付周期 (lead time)	改善 70 %

据同一条推文称，这些收益出现在 tokens 不再受到配额限制之后。Together AI 表示，自己参与提供了让这些开放模型在生产环境中运行的基础设施，但没有说明具体角色。这仍是二手信息：尚未找到 Revolut 的官方公告，推文也未注明 GLM 的版本。

🔗 Together AI 引用的吉列尔莫·弗洛尔的推文

物理世界工程：GPT-6 Astra 设计硬件，Google 发布 PLE，Antigravity 应用于化学，NVIDIA 走进城市

OpenAI 与 Mazda 和 Chip Ganassi Racing 合作，将 GPT-6 Astra 和 Codex 应用于物理工程

11 月 3 日 — OpenAI 展示了其在实体产品工程领域的工作，涵盖机械设计、电子设计和仿真。最直观的演示是，两名团队成员将其作为一个附带项目，在不到一周的时间内，借助 GPT-6 Astra 设计出了一款可用于与 Codex 对话的小设备：Astra 设计了外观、外壳、印刷电路板、界面和固件，随后一家外包制造商在不到一个月内生产了一小批原型。OpenAI 承认，设计经历了多轮审查：模型并非总能考虑到生产限制、公差和装配细节。

OpenAI 公布的指标	公布的数值
BenchCAD 2.0，较新的内部模型（未具名）	0,875（平均得分）
BenchCAD 2.0，采用最高推理强度的 GPT-6 Astra	0,594
硬件团队的模型使用量（以 tokens 计）	自 2 月以来增至 23 倍

BenchCAD 2.0 测试模型重建 3D 零件和装配体，以及识别印刷电路板连接关系的能力。在工业合作方面，OpenAI 扩大了与 Chip Ganassi Racing 车队的合作，该车队将现有零件的 3D 扫描转换为可编辑的 CAO 模型和 2D 制造图纸；同时，OpenAI 宣布与 Mazda 开展研究合作：GPT-6 Astra 帮助其工程师探索能够降低阻力的车头形状，相关成果承诺将在“未来几个月”公布。此次没有宣布任何产品或可用时间。

🔗 OpenAI 关于物理世界工程的博文

Google 发布工程基准测试 Physical-Engineering’s Last Exam，尚无智能体得分超过 50 %

11 月 3 日 — Google AI & Infrastructure 团队推出 Physical-Engineering’s Last Exam（PLE），这既是一项基准测试，也是一项公开竞赛，由团队与 Mercor 共同设计，用于衡量智能体完成真实工程工作的能力。其 85 项长周期任务涵盖机械工程 30 项、电气工程 27 项、土木工程 18 项和结构工程 10 项。每项任务都将智能体置于容器化的项目目录中，平均包含 61 个文件，包括 PDF、电子表格、电子邮件、2D CAO 图纸和 3D BIM 模型。交付成果只有通过全部安全关卡才能得分。

排名	受测模型	原生运行框架	平均得分
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

在使用七种公开运行框架测试的 14 个模型中，没有任何模型在私有测试集上的得分超过 50 %。表现最好的配置逐项满足了 91 % 的约束，但其交付成果中，只有 41,3 % 通过了全部安全性和可行性检查。模型的影响远大于运行框架：不同模型之间最高相差 50 个百分点，而同一模型使用不同运行框架时，差距的中位数为 3 个百分点。Google 公开了 29 项任务、评分脚本和评估容器，并开放了私有测试集的结果提交。

🔗 Google Cloud 关于 PLE 的博文 · PLE 排行榜

Google DeepMind 为 Antigravity 配备 Cheminformatics Skills，将一轮药物设计缩短至一小时

11 月 3 日 — Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，将这一智能体环境变成化学家的工作台。角色分工十分明确：语言模型负责协调工作、检索数据库并进行推理，而基于开源库 RDKit 以及 ChEMBL 和 PubChem 数据库的确定性化学工具则负责执行分子计算。

演示重现了药物化学中的一个经典案例：对用于治疗某些肺癌的酪氨酸激酶抑制剂克唑替尼进行刚性化改造，朝着其环化版本洛拉替尼的方向推进。智能体在几分钟内从文献中收集数千种化合物，进行匹配分子对分析，训练药效强度预测模型，然后提出新的大环化合物及其合成路线。据 DeepMind 称，这一通常需要数天的周期如今可在一小时内完成。这篇博文延续了 10 月 15 日关于抗菌肽的文章，并链接至 Antigravity 的 Science 页面。Google 在该页面开放申请，向 10 000 名科学家免费提供六个月的最高档服务及 Gemini 4 Argon 使用权，但没有列出针对这些技能的专门准入条件。

🔗 Google DeepMind 的博文

NVIDIA 在巴塞罗那展示合作伙伴利用其物理人工智能和智能体人工智能打造的城市服务

11 月 3 日 — 值巴塞罗那 Smart City Expo World Congress 举行之际（11 月 3 日至 5 日），NVIDIA 发布了一份概览，介绍合作伙伴利用其物理人工智能和智能体人工智能组件打造的城市服务，包括 Nemotron 开放模型、Cosmos 世界模型、Omniverse 库，以及用于视频搜索和摘要的 Metropolis 蓝图。

提及的合作伙伴	部署地点	公布的数据
1MillionBot	西班牙	超过 150 项面向居民服务的智能体部署
ITMAX	马来西亚	到 2027 年覆盖超过 17 000 台摄像头
ITMAX 与 TeraSim	马来西亚	高峰时段出行时间最多缩短 26 %
Linker Vision 与 MVRDV	台湾	用 10 分钟模拟城市树冠 15 年的演变

1MillionBot 将在 Barcelona Supercomputing Center 训练的 ALIA 开源模型与 Nemotron 结合使用；K2K 在弗罗茨瓦夫利用现有摄像头开展服务，Honeywell 为尼日利亚 Dangote 的莱基炼油厂部署 Nemotron 智能体，Cires Technologies 则在 Tanger Med 港扩建一座主权人工智能工厂。此次没有发布新的 NVIDIA 产品，而是集中展示已有部署。

🔗 NVIDIA 关于城市的博文

开放发布：Mistral Large 4 技术报告、pplx-embed-v2-context、StateBench 和 FineDNA

Mistral 发布 Mistral Large 4 技术报告，讲述 Le Chonk 的构建过程

11 月 3 日 — Mistral 发布了 Mistral Large 4 的技术报告。该模型昵称为 Le Chonk，其权重已于 10 月 29 日发布。报告于 11 月 2 日上线 Hugging Face，随后发布于 alphaXiv，介绍了一个总参数量 1 万亿、活跃参数量 520 亿的多模态混合专家模型（mixture-of-experts）。根据摘要和引言，报告首先阐明了一项架构选择：开发过程中，为降低模型服务成本而将 KV 缓存压缩到极致，损害了智能体任务的表现。团队衡量了这一性能损失，随后通过模型手术（model surgery）加以纠正：先改用全量注意力，再改用 DeepSeek 稀疏注意力（DeepSeek Sparse Attention，DSA）。在数据方面，一些智能体自行编写可执行环境、任务、参考解答和验证器，另一些智能体则在防范奖励投机（reward hacking）的同时修复出错的任务。

评估指标	报告中的数值
Harvey 的 Legal Agent Benchmark（首次公布的数据）	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
网络安全（JailbreakBench、StrongREJECT、AgentHarm 的平均值）	96,6 %
经 NVFP4 量化的检查点	606 Go，使用四块 GB300 GPU 提供服务

经校准的 NVFP4 量化在评估中达到了 FP8 参考版本的水平，而三个推理级别（high、medium、low）则来自对多个输出详略程度不同的教师模型进行蒸馏。

🔗 alphaXiv 上的技术报告 · Mistral 在 X 上的公告

Perplexity 发布 pplx-embed-v2-context，提供 9B 和 0.6B 两种规模的开放上下文嵌入模型

11 月 2 日 — 在 9 月 30 日发布 9B 预览版一个月后，Perplexity 发布了 pplx-embed-v2-context，提供 9B 和 0.6B 两种规模的开放权重上下文嵌入模型。上下文嵌入会在表示一个片段（chunk）时考虑整篇文档：每个模型可以为每篇文档返回一个 int8 向量，也可以为每个片段返回一个向量。创新之处在于训练方式：Perplexity 不再假设只有一个参考片段（gold chunk）能够回答查询，而是从其回答引擎的上下文压缩模型中蒸馏出分级相关性得分，从而使支持某个答案的片段不再被视为负样本。

Perplexity 公布的指标	公布的结果
ConTEB、context-bench 和 Q2D-Chunk	9B 在三项基准测试中均居首位
ViDoRe-V3，视觉文档	9B 领先 Nemotron-3.5-Embed-8B，索引体积小 4 倍
ViDoRe-V3，markdown 格式	0.6B 在参数量低于十亿的模型中排名第一
Q2D-Chunk，新的公开基准测试	6 069 条真实查询、10 种语言、71 100 篇文档

这篇与 turbopuffer 合作撰写的研究论文已发表于 arXiv，Q2D-Chunk 则在 Hugging Face 上开放了公开排行榜。9B 模型在该平台以 MIT 许可证发布，而 0.6B 的模型卡没有显示任何许可证；推文串未提及 API 或价格。

🔗 @perplexitydevs 的推文串 · arXiv 上的论文

Ai2 发布 StateBench，揭示前沿模型在长文档状态跟踪任务中的表现下滑

11月3日 — Ai2 发布 StateBench，这是一个专门评估长上下文状态跟踪（long-context state tracking）的基准测试：衡量模型能否持续跟踪长文档中不断变化的信息，例如代码中被重新赋值的变量。该基准依据 Krohn–Rhodes 理论设置了四个难度等级，从不可变赋值到按引用赋值。

难度等级	赋值类型	Ai2 提供的示例
r-trivial	不可变赋值	`let x = 4`
非周期	按值重新赋值	`x = 4` 然后 `x = 2`
可解	自引用更新	`x = x + 5`
一般有限	按引用赋值	`x = y`，变量交换

Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 GPT-6 Luna 在前两个等级上表现良好，但在后两个等级上，准确率会随长度增加而下降，在最长的一般有限问题上降至 13 % 或更低。仅使用最多 256 次赋值进行训练、测试时扩展至 64 000 次赋值的 275M 参数模型，揭示了不同架构之间的差异：Gated DeltaNet 和混合架构在前三个等级上几乎实现了完美泛化，而 Transformer 的表现逐渐退化，且始终无法学会最后一个等级。数据和代码均已公开。

🔗 Hugging Face 博客上的 StateBench 介绍

Hugging Face 发布 FineDNA，公开 Carbon-X 的完整训练数据，让语言模型学会解读 DNA

11月1日 — 补报：Hugging Face 发布 FineDNA，即用于训练 Carbon-X 的全部数据。Carbon-X 是其基于 Qwen3-14B 构建、能够读取 DNA 的模型，于10月22日亮相。该数据集采用 Apache 2.0 许可证，覆盖训练的三个阶段。

训练阶段	数据集规模	起始模型
中期训练（mid-training），23 种配置	514,30 十亿 tokens，其中已读取 302 十亿 tokens	Qwen3-14B
SFT，8 个领域	203 923 段对话	Carbon-X-Base
RL	98 433 条提示词	Carbon-X-SFT

中期训练中，DNA 占训练内容的 55 %，英语占 20 %，生物学文本占 15 %，指令占 10 %；来自 GENERator 和 OpenGenome2 的序列被切分为六个碱基的整数倍，以适配读取六聚体的分词器。据发布该数据集的 Loubna Ben Allal 介绍，这个阶段决定了后续训练的效果：直接对 Qwen3-14B 应用 RL，在 FrontierVEP 上的表现仍停留在随机猜测水平，而同样的方法用于经过中期训练的模型时则能取得进步。

🔗 Hugging Face Hub 上的 FineDNA · Loubna Ben Allal 在 X 上的公告

Gemini API 弃用 Gemini 2.5 Pro 和 2.5 Flash，将于12月1日把请求重定向至 Gemini 3.8 Flash 和 3.5 Flash-Lite

11月2日 — Google 在 Gemini API 的版本说明中宣布弃用 Gemini 2.5 Pro 和 Gemini 2.5 Flash，这两个模型于2025年6月发布。Google AI Studio 已不再提供这两个模型，API 访问也仅向此前使用过它们的用户开放。2026年12月1日起，API 将自动重定向请求，而非返回错误：发往 gemini-2.5-pro 的请求将转至 Gemini 3.8 Flash，发往 gemini-2.5-flash 的请求将转至 Gemini 3.5 Flash-Lite，并按新模型的价格计费。

涉及的模型	输入价格（每百万 tokens）	输出价格（每百万 tokens）
gemini-2.5-pro（提示词 ≤ 200 000 tokens）	1,25 美元	10 美元
gemini-3.8-flash，截至2026年12月31日	0,75 美元	3,75 美元
gemini-3.8-flash，自2027年1月1日起	1,50 美元	7,50 美元
gemini-2.5-flash	0,30 美元（音频为 1 美元）	2,50 美元
gemini-3.5-flash-lite	0,30 美元，包含音频	2,50 美元

Google 建议在该日期前更改模型标识符，因为迁移涉及不兼容变更：函数调用和 thought_signature 的校验、以 thinking_level 取代 thinking_budget、移除采样参数，以及不再支持预填充的模型轮次。

🔗 Gemini API 版本说明 · 弃用说明页面

助手插件与集成：Perplexity Computer 采用 Agent Plugins 并推出电商版本，Synthesia 详解其 ChatGPT 插件

Perplexity Computer 采用开放标准 Agent Plugins，整合应用连接与技能

11月3日 — Perplexity Computer 开始支持 Agent Plugins，这种格式将应用连接和技能打包在一起。用户可以浏览 Computer 的目录，其中至少分为 13 个类别，从生产力与协作到数据与分析，涵盖 HubSpot、IBISWorld 和 DoorDash Drive 等服务；也可以从 GitHub 或 .zip 文件导入自己的插件。据 @AskPerplexity 介绍，插件已在 Computer 中启用，并正在向 Enterprise 账户推出。

Agent Plugins 是一项独立于厂商的开放标准，于8月6日发布。其 1.0.0 规范为 Agent Skills 和 MCP 服务器规定了统一格式：必须包含 plugin.json 清单、skills/ 文件夹和 mcp.json 文件。Perplexity 的推文提到了来自 Amazon、Cursor、GitHub、OpenAI 和 Vercel 的维护者；标准网站列出的初始指导委员会成员则包含 Microsoft，而非 GitHub。其兼容客户端页面将 Perplexity Computer 与 GitHub Copilot、VS Code、Cursor、Kiro 以及 ChatGPT & Codex 并列。对 Computer 而言，这是9月 Skills Marketplace 的延续；此次公告没有配套博文或更新日志。

🔗 @AskPerplexity 的公告 · Agent Plugins 标准

Perplexity 推出 Computer for e-commerce，连接 Shopify、Meta 广告和 Klaviyo

11月3日 — Perplexity 推出 Computer for e-commerce，让其 Computer 智能体为线上品牌提供服务：连接 Shopify，获取店铺数据并制作落地页；连接 Meta，处理广告；连接 Klaviyo，开展电子邮件营销，同时遵循品牌保存在技能中的视觉规范和表达风格。

连接的服务	Computer 的作用
Shopify	销售分析、产品推荐、落地页
Meta	静态广告、成效良好的视频变体、广告活动设置
Klaviyo	根据客户数据确定受众、撰写文案、审核后安排或发送

企业设定目标、预算和需要审批的步骤，包括发布页面、发送邮件和广告支出。Perplexity 给出的示例是：为夏季系列提供 15 % 的折扣，开展为期两周、预算上限为 1 000 美元的 Meta 广告活动，并面向现有客户开展 Klaviyo 营销活动，所有内容都会在启动前展示。Shopify 此前已是 Computer 超过 400 项集成之一；Perplexity 提供定期工作流的配置协助，但未说明价格或套餐。

🔗 Perplexity 关于 Computer for e-commerce 的博文

Synthesia 详解其 ChatGPT 插件，所有套餐均可使用

11月3日 — 在前一天仅通过 X 发布公告、未配发博文之后，Synthesia 通过负责工作流的产品经理 Dan Spooner 撰写的博文，详细介绍了其插件。所有 Synthesia 套餐均可在 ChatGPT 中使用该插件，也可以免费开始：用户可从 ChatGPT 的插件菜单启用，并在过程中创建免费账户。用户描述想要的视频，或提供文档、演示文稿或电子表格；ChatGPT 会询问几个问题，例如视觉风格和时长，随后 Synthesia 在对话中生成视频。

默认情况下，视频使用 Syren 生成，官方称其为速度最快的形式；当需要虚拟人物逐字朗读文本、使用品牌素材套件或模板时，输入“用 Studio 制作”即可切换至 Synthesia Studio。该插件还可以搜索视频库，并与其他连接到 ChatGPT 的插件组合，用于一次性或定期工作流，例如将 Zoom 通话整理成 60 秒的视频摘要，或根据 BambooHR 的信息每天制作入职欢迎视频。博文仅提及 ChatGPT，未提及 Claude，也未说明价格或积分消耗。

🔗 Synthesia 的博文

Google 在 Google Classroom 推出 Guided Learning，并在搜索中试用，同时将默认关闭中小学生的 Gemini 访问权限

11月3日 — Google 围绕 Guided Learning 集中发布教育领域公告。Guided Learning 是 Gemini 的学习模式，通过提问和逐步讲解引导学生，而非直接给出答案。根据主博文，该功能现已在全球 Google Classroom 中上线：教师可以依据自己的课程材料布置活动，并实时查看班级在哪些方面需要帮助。Google 搜索将为学生账户整合这些功能，并于11月晚些时候在部分美国学校开展试点。

影响最广泛的变化涉及管理控制：对于从幼儿园到高中（K-12）的学生账户，Gemini、Gemini Notebook、Gemini in Classroom 和 Google 搜索将完全关闭，直到学校管理员主动启用。Google 尚未给出具体日期，将在未来几个月向学校提供详细信息。

Google 报告的指标	公布的数据
东京大学的随机试验	超过 300 名学生，半天学习
仅使用网络工具的提升	+5,3 个百分点
使用 Guided Learning 的提升	+8,1 个百分点，即提升幅度为前者的 1,5 倍
Google.org 资助	向五家组织提供超过 9,5 百万美元

🔗 Google 关于人工智能与学习的博文 · Guided Learning 研究

Hugging Face 工具：TRL 中的 MOPD 与面向 Transformers 的 Model Integration Contracts

TRL 支持 MOPD，通过多教师蒸馏将多个 RL 专家融合为单一模型

11月3日 — Hugging Face 的后训练库 TRL 开始支持多教师同策略蒸馏（Multi-Teacher On-Policy Distillation，MOPD）。据 Sergio Paniego 的博文介绍，Xiaomi 于1月为 MiMo-V2-Flash 命名了这项技术，此后 DeepSeek、Moonshot、NVIDIA、Liquid AI 和 Mistral 也采用了它。在共同的 SFT 阶段之后，每个领域，例如数学、代码和指令遵循，都会获得一个通过 RL 训练的专属专家；随后，学生模型回答来自所有领域的提示词，并由相应专家逐个 token 对其回答评分。

在 TRL 中，仍处于实验阶段的 AsyncDistillationTrainer 负责将每条提示词分配给相应教师；同步版本仍在开发中（PR 7215），TRL v1.17 的版本说明也尚未提及 MOPD。示例沿用 Open-MOPD 中基于 SmolLM3-3B 的专家模型，通过 Hugging Face Jobs 在一台配备四块 H200 的机器上运行。博文提醒了一个陷阱：指令遵循任务可能占提示词的 20 %，却仅占 tokens 的 1 至 2 %，导致学生模型几乎无法从这位教师那里学到东西。

🔗 Hugging Face 博客上的 TRL MOPD 介绍

Hugging Face 提出 Model Integration Contracts，在合并前通过 CPU 检测 Transformers 回归问题

11月3日 — Hugging Face 在 Tarek Ziadé 撰写的博文中提出 Model Integration Contracts（MIC），用于在修改进入主分支之前，仅通过 CPU 测试 Transformers 模型。其出发点是：7月30日，为 T5 启用 SDPA 注意力后，UMT5 的解码器在训练期间能够看到未来的 tokens，这个漏洞在主分支中存在了近两个月。使用五个月的提交记录重放测试时，一个仅 66 Mo 的小型 UMT5 能够在每次提交中检测出该问题，而实际 checkpoint 的大小为 1 227 Mo。

一份契约包含保留原模型全部层类型的缩小版模型、一个可执行的使用示例，以及经人工审核的参考值；Llama 4 Scout 因此可从 1086 亿参数缩小至 4470 万参数。命令行工具 tmic 让 LLM 编写契约，再由人工验证。权重的选择很关键：在 Whisper 上，随机权重可检测出人为注入的 24 个错误中的 18 个，而过拟合权重则能检测出全部 24 个。截至11月1日，Transformers 的 CI 任务会报告失败，但尚不会阻止 PR 合并。

🔗 Hugging Face 关于 Model Integration Contracts 的博文

简讯

智能体与编程工具

Claude Code 十月回顾 — @ClaudeDevs 的帖子串披露了一个未写入版本说明的变量：对于少数有风险的 rm 命令，bypass permissions 模式此前仍会要求确认，而 CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 可让其无需确认直接执行；仅应在可随时丢弃的容器中使用（Claude Code 2.1.311 或更高版本）。云端会话也会在用户输入期间提前准备，并支持针对 diff 中的单行添加评论。🔗 来源
Copilot CLI 1.0.106-4 至 1.0.106-6 — 一夜发布三个预发布版本：/settings 成为支持全局搜索的统一仪表板，仅供用户查看的 MCP 内容不再发送给模型，67 项修复还消除了新的转义序列等带来的风险。最新稳定版仍为 1.0.105。🔗 来源
Gemini CLI — 11 月 3 日的每夜构建版终于发布了前一天合并的 Whisper 下载中断修复；另一项新合并至 main 的 PR 则加强了扩展下载的安全性：以原子方式移动临时文件，防范 SSRF 和 DNS 重绑定，并将 GITHUB_TOKEN 限于 github.com。稳定版和预览版均无变化。🔗 来源
Gemini API CLI v0.4.5 — 补记 10 月 30 日的更新：转录默认改用 Gemini 3.5 Transcribe，新增视频放大参数，长时间运行的任务可通过续传令牌恢复；Google 于 11 月 2 日在其官方 gemini-skills 仓库中添加了 gemini-api-cli 技能。🔗 来源
DeepSeek Harness 0.2.2-alpha.3 — 第 36 个预发布版本，尚无稳定版：一项实验性功能将代码审查与 Git 工作树结合起来，涵盖本地及 PR 的 diff、向智能体引用代码和检查跟踪；另新增默认禁用的 apply_patch 工具。🔗 来源
Amp 的 Artifacts — 附属于对话线程的文档，包括计划、报告和通话笔记，可由智能体、用户及其队友共同编辑；智能体会在继续工作前读取变更，避免将其覆盖。🔗 来源
Amp 的 Service Accounts — 由工作区持有、拥有独立 API 密钥的账户，用于团队自动化：审查每个拉取请求、编写文档，或运行通过 amp -ox 开启对话线程的 CI 任务。未公布价格。🔗 来源
Slack 中的 Replit Agent — 10 月 27 日已提及的 Replit Agent 正式登陆 Slack：在频道或私信中提及它，即可询问代码库、处理现有项目或创建新项目；每位队友需关联自己的账户，智能体按该用户的权限执行操作。🔗 来源
Devin 版本说明 — 11 月 2 日的更新将代码扫描的仓库数量上限从 500 提升至 1 000，并新增定时自动扫描；此前未纳入跟踪的 10 月 30 日更新则带来了分层预算、自助配置 OIDC 或 SAML SSO，以及导入 SonarQube、Linear 和 Vanta 检查结果的功能。🔗 11 月 2 日 · 🔗 10 月 30 日
IBM Research 的智能体运行框架 — 在 90 项 AppWorld 任务中，使用同一个开放模型 GLM-5.3-flash，IBM 的开源运行框架 CUGA 完成了 81.1% 的任务，Hermes 和 Deep Agents 分别为 46.7% 和 30.0%；IBM 承认这项测试存在局限，包括仅使用一个基准以及配置不同。🔗 来源
Kimi Work 3.2.24 — 预览中的 Markdown 文件支持笔记属性，网络设置跟随系统代理，网络诊断可离线打开；10 月 30 日发布的 3.2.23 已支持在浏览器标签页中打开 HTML 预览。🔗 来源

开发平台与 API

GitHub MCP 服务器 2.1.0 — 两个实验性工具 issue_artifact_read 和 issue_artifact_write 让智能体能够读取和管理附属于议题的产物；即使在 Insiders 模式下，它们仍默认禁用，需通过 issue_artifacts 标志启用。🔗 来源
Dependabot 与 Agent Package Manager — Dependabot 的版本更新现已覆盖在 apm.yml 中声明的智能体技能、提示词和指令，并会重新生成 apm.lock.yaml；不提供安全更新。github.com 上的所有套餐均可使用。🔗 来源
CodeQL 和 Dependabot 中的 Python 3.15 — CodeQL 2.27.3 支持 Python 3.15 语法，并为 LLM 生成的数据新增“ai”威胁模型，需主动启用且不内置数据源；Dependabot 也支持跟踪已迁移至 Python 3.15 的项目。🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — 继 GitHub CLI 于 10 月 21 日采用短期认证令牌后，GitHub Desktop 3.6.10 及更高版本也改用可自动续期的短期认证令牌，以缩短泄露令牌仍可被利用的时间窗口；正在逐步推出，不包括 GitHub Enterprise Server。🔗 来源
GitHub REST API 中的成本中心 — 新增端点可直接查找用户、组织、仓库或企业团队所属的成本中心，无需遍历所有成本中心。🔗 来源
OpenAI SDK — openai-python 3.44.0 和 openai-node 7.49.0 新增工作负载身份提供商和联合身份规则，此前的版本则扩展了 Live Responses 的委派工具；API 更新日志尚未提及这些变化。🔗 来源
Claude 作为可信签发者 — 在 Team 和 Enterprise 套餐中，如果身份提供商不支持企业托管的身份验证，Claude 可为每位成员担保，以自动连接插件；目前处于测试阶段，支持 14 个插件，包括 Atlassian、Figma、Linear 和 Notion。🔗 来源
Claude 文本水印 — 继 Claude Fable 5.1 和 Claude Mythos 5.1 之后，Anthropic 的文本水印现已覆盖 Claude Mythos 5、Claude Opus 4.7 和 Claude Sonnet 4.6，不添加词元或隐藏字符；在 Sonnet 4.6 上，修改 temperature、top_p 或 top_k 可能会使水印失效。🔗 来源

安全

Replit 的隔离云端智能体 — 在 Replit 转发的一则安全公告中，该公司首席技术官路易斯·埃克托尔·查韦斯呼吁将托管且隔离的云端智能体设为标准做法，让凭据、网络和生产环境处于智能体无法触及的范围；公告引用的 Salt Security 调查显示，86.4% 的受访者已部署智能体，但只有 17.5% 知道如何自动停止它。🔗 来源
Cognition 安全指南 — Corridor 联合创始人杰克·凯布尔回顾了 10 月的安全事件，包括 Binance 被盗 63.4 亿美元、Cursor 中被植入恶意代码的 Claude Code 扩展，并建议采用抗钓鱼 MFA、从工作站移除机密凭据、使用云端编程智能体，以及要求 npm 或 PyPI 软件包发布至少 7 天后再使用。🔗 来源
OpenAI 安全冲刺 — 在宣布提高漏洞奖励的同一帖子串中，OpenAI 还宣布将与 Cathedral 的研究人员开展下一次内部安全冲刺，但未公布日期；研究人员将使用 OpenAI 的模型检验其防御措施，上一次安全冲刺曾动员 25% 的产品工程师参与。🔗 来源
Cisco 与 Daybreak — Cisco 将其网络遥测数据与 Daybreak 和 GPT-6 Astra 结合，以更快地发现和修复漏洞，并与 OpenAI 探索如何在 Cisco Cloud Control 中更快地对暴露风险进行分类处置；案例研究未提供量化数据。🔗 来源

Google：Workspace、Cloud 与研究

Google Slides 中的 Gemini — 补记 10 月 30 日的更新：Gemini 可通过一次请求修改多张幻灯片或整份演示文稿，包括调整样式、引入 Drive 内容和合并幻灯片；仅支持英语，优惠使用额度至少持续至 12 月 1 日。🔗 来源
Google Vids 虚拟形象 — 11 月 2 日宣布的通过上传图片创建虚拟形象的功能，在次日即被暂停，尚未公布新的上线日期。🔗 来源
Google Cloud 支出上限 — 补记 10 月 31 日的更新：支出上限功能正式全面推出，提供 API 并按月重置；对于人工智能服务，上限会依据实时估算成本在几分钟内触发，且始终不会中断预配置吞吐量。🔗 来源
Google 在新加坡 — Google 在新加坡设立研究中心，并承诺与 NUS 和 NTU 合作提供超过 600 万美元的资助，其中 150 万美元用于阿尔茨海默病研究；此外，Google.org 和 Google DeepMind 将为 INSEAD 的 Thrive Lab 提供 300 万美元。🔗 来源

开放模型与社区文章

Open Math OS 上的 Mistral Large 4 — Mistral 宣布 Large 4 已加入 SAIR 的数学研究平台，该模型拥有 1.05T 开放权重和 1M 上下文，获批团队可“即日起”使用；不过，SAIR 早在 10 月 27 日就称其已可用。🔗 来源
Orbital Trace — Mistral 的新演示：据该公司称，Large 4 构建、测试并优化了一个实时三维跟踪系统，追踪约 19 000 颗在轨卫星及碎片；成果仅通过视频展示，未提供链接或代码。🔗 来源
Nextcloud 中的 Olmo 3 — 德国联邦政府和西班牙 CSIC 等机构使用的 Nextcloud，现通过其为 Assistant 和 Mail 提供服务的本地后端 llm2 配备 Olmo 3 7B，并在其人工智能伦理评估中给予该模型绿色评级；7B 规模避免了对 16 或 32 GB VRAM 的要求。🔗 来源
Dolci-Think-SFT-Clean-v2 — Ai2 未作公告便上线了其 32B 模型推理后训练数据的过滤版本：从 2 253 684 行中删除 203 303 行，占词元总量的 15.6%，其中包括 148 210 道被 Kimi K3 判定为存在矛盾的数学题；采用 ODC-BY 许可证。🔗 来源
IBM Research 的 Palette — 一个通过 LoRA 分别微调为“设计师”和“程序员”的 20B 开放模型，可创建符合 IBM 品牌视觉规范的演示文稿；在 PresentBench 上，其平均成绩位列第二，比 NotebookLM 低 1.1 分，分别为 59.7 和 60.8。未说明基础模型名称，也未找到已发布的权重。🔗 来源
Claude Opus 与 OCR 循环 — 丹尼尔·范斯特里恩让 Claude Opus 在不训练的情况下，修改了一个小型 OCR 模型 0.0085% 的权重，用时不到 3 小时，计算开销约 10 美元：在 2 165 页历史文献上，失控循环从 3 次降至 1 次，1881 年那一卷的错误减少了 38%。🔗 来源
Qwenguard — 在一篇社区文章中，若昂·加莱戈将一个 RISC-V 处理器编译为置于 Qwen3.5-4B 前方的网络层，作为拒绝白名单以外工具调用的防护机制：在他的测试中，没有任何被禁止的调用通过，也没有任何普通请求被拦截，但该装置只能让篡改显现出来，无法阻止篡改。🔗 来源

图像、视频与语音

Angle Health 的 ElevenAgents — 在一项支持八种语言、全天 24 小时运行并提供 HIPAA 合规保障的试点中，ElevenLabs 的智能体处理了约 80% 的医疗专业人员来电，其中超过 90% 无需转接即可解决，每天节省近 9 000 分钟。🔗 来源
面向开发者的 SFX v3 — ElevenLabs 的开发者文章详细介绍了如何在 Sound Effects API 中调用 eleven_text_to_sound_v3：prompt_influence 默认值为 0.3，时长可自由设置，但 duration_seconds 除外，循环功能仍仅限 v2；ElevenLabs 称这是一次增量更新。🔗 来源
HeyGen Voice 与 Grok Bot — 仅据 HeyGen 所述，SpaceXSI 的智能体 Grok Bot 拨打电话时使用 HeyGen Voice，以接近用户本人的声音说话；未提供文章，也未说明模型或可用性。🔗 来源
HeyGen Insiders — 该计划向拥有至少 1 000 名关注者的创作者付费，按其围绕 HeyGen 产品发布制作的短视频播放量计算报酬，门槛为 7 天内达到 20 000 次播放；计费标准会根据互动情况调整，但尚未公开。🔗 来源
Luma 的 Expression Sheet — 根据图片生成包含角色六种面部表情的表情图集，提供三套表情和强度调节；未发布文章或价格。🔗 来源
FLUX 3 Image Klein — Black Forest Labs 宣布，其专为精准编辑设计的模型下载量已超过一百万次，但未说明统计时段或平台。🔗 来源

NVIDIA 的计算与基础设施

半导体工厂 — NVIDIA 列举了合作伙伴取得的性能提升：Siemens Calibre 中的 cuLitho 最高提速 17 倍，Applied Materials 的 ACE+ 借助 PhysicsNeMo 最高提速 35 倍，Lam Research 的等离子体预测从耗时数天缩短至毫秒级；未推出新产品。🔗 来源
Kubernetes 上的 Dynamo — 补记 10 月 30 日、在 KubeCon 前再次传播的消息：AI Cluster Runtime 将 dynamo-platform 1.4.2 chart 纳入版本固定且经过验证的部署方案，Dynamo 1.5 则将带来用 Rust 编写的原生端点选择器。🔗 来源

企业、社区与指南

Heimstaden — 这家欧洲房地产管理公司在荷兰将一张虚拟布置图片的成本从约 50 欧元降至不足 0.10 欧元；一位没有开发经验的分析师还借助 Codex 评估了 20 112 项资产的环境风险。🔗 来源
OpenAI 的两项人事任命 — 来自 Uber 的吉尔·黑泽尔贝克出任首席企业事务官，负责全球传播；前美国陆军部长丹·德里斯科尔出任新设立的国家安全现代化高级顾问。🔗 吉尔·黑泽尔贝克 · 🔗 丹·德里斯科尔
Arnis 与 GitHub Copilot — GitHub 博客讲述了 Arnis 唯一维护者路易·埃尔布卡姆如何使用 Copilot 对议题和缺陷进行分类，并启动 GitHub Copilot 应用的子智能体追查回归问题；Arnis 的下载量接近 900 000 次，约有 70 名贡献者。这是一篇使用经验分享，没有产品更新。🔗 来源
Game Off 2026 — 补记 11 月 1 日的消息：GitHub 第 14 届游戏开发马拉松以 SHIFT 为主题，允许使用人工智能辅助开发，每位参与者需在提交作品时说明人工智能的使用情况；活动在 itch.io 举办，截止日期为 12 月 1 日。🔗 来源
Perplexity 自主智能体指南 — 介绍五个自主等级、四项能力和七项最佳实践，并引用 Harvard 与 Perplexity 联合研究的数据：57% 的智能体请求涉及生产力和学习。没有产品更新。🔗 来源

这意味着什么

Pando 展现了 OpenAI 编程智能体的两面：它们让负载激增，主分支的提交量比 2024 年初增长了 1 378 %；也正是它们，以一名工程师独立设计的核心为基础，在十周内构建了解决方案。性能提升并非来自新协议，而是来自一次明确的取舍：放弃在某一时刻对所有分支保持一致视图。工具方面，重点正转向管控：Claude Code 在发送账号的电子邮件地址前会征求同意，并按开发者统计支出；与此同时，Copilot 已进入 JetBrains Air，但 Air 内尚无法调整支出上限。

安全性越来越依靠证据，而非声明来衡量。FlashProve 可以验证回答是否确实来自指定模型，代价是约 72 倍的额外开销，以及仅限 1 024 tokens 的上下文：它还是原型，尚未成为服务。CyberArena 和 CWE-bench v2 在智能体领域也指向同一方向：区分顶尖智能体的，是防御能力和经得起检验的修复，而未经验证就宣称已修复，仍是最常见的错误，占已审计对局的 23 %。OpenAI 则开始为 ChatGPT、Codex 或其 API 中的重大漏洞报告支付最高 172 000 美元的赏金。

开放模型正通过两条路径进入企业。Cohere 在受控环境内托管这些模型，甚至为 Gemma、GPT-OSS 和 Phi 提供处理过程中的加密；而据 Together AI 转发的推文，Revolut 在自己的 GPU 上运行 GLM，成本约为其向 Anthropic 和 OpenAI 支付费用的十分之一：这是一个二手转述的数据，但它揭示了企业如今在比较什么。封闭模型供应商也在调整：Google 将 Gemini 2.5 Pro 的请求重定向到 Gemini 3.8 Flash，使每 token 的价格在 12 月底前有所下降，随后 3.8 Flash 的价格将在 1 月 1 日翻倍。Mistral Large 4 的报告则展示了相反的取舍：为降低模型服务成本而大幅缩减 KV 缓存，损害了智能体任务的表现，因此不得不修正。

物理世界仍是演示与实测差距最大的领域。OpenAI 展示了一台借助 GPT-6 Astra 在不到一周内设计出来的设备，但也承认，为兼顾公差和制造要求，需要多轮审查；同一天，在真实工程项目资料的测试中，PLE 没有发现任何智能体的得分超过 50 %，而最佳配置的交付成果中，也只有 41,3 % 通过了全部安全检查。逐渐浮现的解决方案是混合式的：在 Google DeepMind，模型负责统筹，确定性化学工具负责计算。最后，StateBench 提醒人们，长文档中的内容变化仍然难以追踪：在最难的问题上，前沿模型的得分降至 13 % 或更低。