Moonshot 发布 Kimi K3.1 Pro 权重，Cognition 推出 SWE-2 Flash，RoboColosseum 在真实条件下评估机器人

Moonshot AI 兑现承诺，在 Hugging Face 上发布了 Kimi K3.1 Pro 的权重。这是一个拥有 2,8T 参数的 MoE 模型，采用类似 MIT 的许可证，并对规模最大的转售商附加了条件。Cognition 推出 SWE-2 Flash，这款基于 Inkling-Small 构建的代码模型价格仅为 SWE-2 的五分之一；RoboColosseum 则在 100 多台真实机器人上评测机器人策略。OpenAI 将收购 Pierre，其工具已应用于 Codex；与此同时，VS Code 1.145 将 Copilot、Claude 和 Codex 汇集到同一会话中，GitHub Copilot 也进入了 Xcode 的代码助手。

Moonshot AI 如约在 Hugging Face 上发布 Kimi K3.1 Pro 权重，这是一款拥有 2,8T 参数的 MoE 模型

11 月 4 日 — 在 10 月 23 日发布 Kimi K3.1 Pro 时，Moonshot AI 曾承诺最迟于 11 月 4 日公布完整权重：如今承诺已经兑现。moonshotai/Kimi-K3.1-Pro 仓库于 11 月 2 日创建，@Kimi_Moonshot 于 11 月 4 日 16 时 00 分（UTC）宣布开放访问，无需填写表单：共 96 个 safetensors 文件，总计约 1,56 太字节。

模型说明详细介绍了发布公告中概述的内容。Moonshot AI 将 Kimi K3.1 Pro 称为其能力最强的“3T 级”模型，它原生支持多模态（文本和图像），并在 Kimi K3 的基础上进行了后训练。与 Kimi K3 相比，其架构有一项明确变化：原有的 Gated MLA 全注意力层被 24 个 Gated DeepSeek Sparse Attention（Gated DSA）层取代，以提高长上下文处理效率。权重以 MXFP4 格式提供，激活值采用 MXFP8，这种格式在训练阶段就已纳入学习过程（量化感知训练）。

技术特性	模型说明中的数值
总参数与活跃参数	2,8T，其中 104B 为活跃参数
网络层数	93，其中 69 层 KDA 和 24 层 Gated DSA
MoE 专家数量	896，每个 token 使用 16 个，另有 2 个共享专家
上下文窗口	1 048 576 tokens
权重格式	MXFP4，激活值采用 MXFP8
视觉编码器	MoonViT-V2，401M 参数
已发布文件	96 个 safetensors，约 1,56 To

Moonshot AI 推荐使用 vLLM、SGLang 和 TokenSpeed 部署模型，也可通过 platform.kimi.ai 的 API 访问（标识符为 kimi-k3.1-pro）。页面列出的推理服务提供商之一 Together AI 已开始提供该模型，并支持对其进行后训练（见简讯）。模型说明强调了一项集成要求：在多轮对话或涉及工具调用时，必须将助手的完整消息连同推理内容原样传回模型。说明中也再次列出了发布时公布的得分：Terminal-Bench 4.0 得分 65,7，仅次于 Claude Opus 5.5 的 66,4；SWE Marathon v1.1 得分 51,7，为表中最高分，评测 Kimi K3.1 Pro 时使用 Claude Code 作为运行框架。

这份名为“Kimi K3.1-Pro License”的许可证沿用了 MIT 许可证的基本框架（允许使用、修改、再分发和销售），但附带两项条件。经营模型即服务（模型即服务）业务、向第三方提供推理或微调访问权限，且连续十二个月累计营收超过 2,000 万美元的企业，必须在任何商业使用前与 Moonshot AI 签署单独协议。月活跃用户超过 1 亿，或月收入超过 2,000 万美元的商业产品，必须醒目展示“Kimi K3.1-Pro”。内部使用，以及通过 Moonshot AI 官方产品或其认证推理合作伙伴使用模型的情况，均不受上述条件约束。

🔗 Hugging Face 上的 Kimi K3.1 Pro · Moonshot AI 在 X 上的公告

Cognition 推出 SWE-2 Flash：基于 Inkling-Small 构建的代码模型，价格仅为 SWE-2 的五分之一

11 月 4 日 — Cognition 推出快速高效的代码模型 SWE-2 Flash，即日起可在 Devin Desktop 和 Devin CLI 中使用，并免费开放至 11 月 30 日（公告串文注明适用于 Pro、Max 和 Teams 订阅用户）。基础模型发生了变化：9 月 10 日发布的 SWE-2 基于 Kimi K3 进行后训练，而 SWE-2 Flash 则以 Thinking Machines 的开放权重模型 Inkling-Small 为基础（276B 参数，其中 12B 为活跃参数）。Cognition 将其称为完全由美国打造的代码模型（完全由美国打造的代码模型）。据该公司称，它的成本仅为 SWE-2 的五分之一，速度则达到三倍，但尚未公布具体价格；速度演示中每秒 200 个 token 对比 60 个 token 的结果，来自对一项任务的模拟回放。

Introducing SWE-2 Flash, our new fast & efficient coding model. On leading evals, it outperforms all American open-weight models, even ones 3x larger. To balance transparency and cyber risks, we are building a program to securely share the weights with partners & researchers.

🇨🇳 这是 SWE-2 Flash，我们全新推出的快速高效代码模型。在主要评测中，它超越了所有美国开放权重模型，甚至包括规模达到其三倍的模型。为了兼顾透明度与网络安全风险，我们正与合作伙伴及研究人员建立安全的权重共享计划。 — @cognition 在 X 上

创新首先体现在训练方法上。Cognition 首次在强化学习之前加入中期训练阶段（中期训练）：使用数万亿个 token 的科学论文、博客和代码，分三个阶段进行，并将最稀缺、质量最高的数据留到最后。随后开展大规模强化学习，其收益主要来自更加多样、验证更加充分的任务。相较基础模型，官方公布的结果为：Terminal-Bench 4.0 从 0,9 % 提升至 20,0 %，内部基准 FrontierCode 2.0 从 3,2 % 提升至 24,0 %，ExploitBench 从 11,3 % 提升至 34,8 %。

评测基准 (%)	SWE-2 Flash	Inkling-Small（基础模型）	Muse Spark Open	GLM 5.3 Flash	SWE-2
规模（总参数-活跃参数）	276B-A12B	276B-A12B	816B-A42B	320B-A18B	2,8T-A104B
FrontierCode 2.0	24,0	3,2	6,2	14,2	23,8
Terminal-Bench 4.0	20,0	0,9	8,0	41,8	27,3
DeepSWE 1.1	60,1	17,4	60,0	63,4	73,0
SWE-Atlas QA	50,0	27,4	54,0	56,5	56,3
ExploitBench	34,8	11,3	—	36,0	36,1

文章中的表格为这项核心宣传补充了细节。Meta 的 Muse Spark Open 规模是其三倍，仍在 SWE-Atlas QA 上保持领先（54,0 对 50,0），在 DeepSWE 1.1 上则基本持平。与中国开放模型相比，结果各有胜负：SWE-2 Flash 在 FrontierCode 2.0 上领先于 GLM 5.3 Flash 和 DeepSeek V4.1 Flash，但在 Terminal-Bench 4.0 上仍明显落后（20,0 对 41,8 和 42,3）。它在 FrontierCode 2.0 上以微弱优势击败 SWE-2，但其余各项均未追平。

权重目前尚未公开。Cognition 在训练中重点强化了网络安全能力，并提醒这些能力也会被攻击者利用；该公司认为，近期一轮网络攻击已经说明了这一点。公司正在筹备与行业合作伙伴及可信研究实验室安全共享权重的计划，让这些机构能够微调模型，并在敏感环境中运行；具体细节预计将在几周后公布。

🔗 SWE-2 Flash 介绍（Cognition）

代码智能体：Claude Code 2.1.318、VS Code 1.145、Xcode 中的 Copilot、Vibe CLI 3.1.0 和 Antigravity 2.29.0

Claude Code 2.1.318 提醒登录到期，Haiku 5.5 为子智能体撰写状态行

11 月 4 日 — Claude Code 2.1.318 包含 84 项更新，其中 47 项为修复。该版本于 11 月 3 日 21 时 55 分（UTC）发布到 npm，发布说明则在 UTC 午夜过后不久登上 GitHub；npm 的稳定渠道仍停留在 2.1.311。最实用的新功能与已保存且会到期的 claude.ai 登录凭据有关：到期日期现在会显示在 claude auth status（loginExpiresAt）以及 claude -p 的 JSON 结果（credential_expires_at）中，claude -p 还会在到期前十天通过 stderr 发出提醒。自动化任务不必等到执行失败时才发现登录已到期。

涉及领域	2.1.318 的新功能
云端会话	“无仓库”选项：在 Anthropic 托管的环境中启动会话，无需选择仓库
后台子智能体	shell 命令在运行 3 分钟后转入后台，避免提示词缓存过期
管理	`deniedMcpServers` 也会阻止上游 URL 匹配的 Anthropic 提供的服务器，`assume_role` 适用于 `mantle` 上游
IDE 扩展	不再于 IDE 终端启动时安装：需通过 `/ide` 安装
自托管运行器	编排器日志采用新格式，搜索 `retryable=true:` 的脚本需要调整

同日，@ClaudeDevs 宣布了一项从 2.1.316 到 2.1.318 的任何发布说明都未提及的变化。后台子智能体的状态行每 30 秒刷新一次，此前每次刷新都要重读完整对话；现在改由 Haiku 5.5 根据简短笔记撰写，子智能体本身仍使用原有模型。据 Anthropic 称，每次更新的成本降低约 99 %，包含后台子智能体的会话消耗的额度减少约 5 %，相当于可以多使用约 6 % 的提示词。此项变化适用于大多数 Pro、Max 和 Ultra 订阅用户，以及所有 Team 和 Enterprise 用户，要求使用 Claude Code 2.1.316 或更高版本；Claude Code 团队的 Lydia Hallie 补充说明，这一变化仅涉及 CLI。

🔗 Claude Code 2.1.318 发布说明 · @ClaudeDevs 关于 Haiku 5.5 的串文

VS Code 1.145 在同一会话中混合使用 Copilot、Claude 和 Codex 运行框架

11 月 4 日 — VS Code 1.145 继续向智能体转型。最主要的新功能目前处于预览阶段：同一会话可以包含在不同运行框架上执行的嵌套对话，例如让 Claude 审阅 Copilot 对话撰写的计划，或将同一任务交给 Codex，并排运行。每个对话都保留各自的模型、智能体和权限级别。这一思路延续了在 VS Code 1.143 中进入预览阶段的 Compare Models 功能。

本地自动化现已支持通过 cron 表达式安排计划，也可以使用工作区中的自定义智能体；云端自动化不支持这些功能。对于远程智能体，智能体窗口的内置浏览器会经由远程主机访问，从而预览智能体在该机器上启动的应用（预览功能）。Copilot 运行框架仍是新会话的默认选项，并提供了从 Local 运行框架迁移的指南；后者移除了三个工具（#installExtension、#runCommand 和 #newWorkspace）以及 /new 命令，因此引用它们的自定义智能体和提示词文件需要修改。在企业环境中，由组织管理的 MCP 服务器允许列表，现在优先于注册表限制。

🔗 VS Code 1.145 发布说明

GitHub Copilot 进入 Xcode 内置代码助手，开启公开预览

11 月 4 日 — GitHub Copilot 现已可在 Xcode 内置代码助手中使用，公开预览要求使用 Xcode 27.3 测试版，并在运行 macOS Tahoe 26.6 或更高版本的 Mac 上使用。这项集成可在 Xcode 设置的智能栏目中配置，支持所有 Copilot 套餐。这为 Apple 开发者提供了第二种接入方式：单独分发的 GitHub Copilot for Xcode 扩展仍然可用。GitHub 尚未说明 Apple 助手中提供哪些模型或可使用哪些功能，目前通过扩展仓库或 Apple 的反馈工具（Feedback Assistant）收集反馈。

🔗 Xcode 代码助手中的 GitHub Copilot

Vibe CLI 3.1.0 新增 /context、月度用量指示和图像读取功能

11 月 4 日 — Mistral 发布 Vibe CLI 3.1.0，这是自 10 月 19 日的 3.0.0 以来首个次版本更新，未在 X 上发布公告：共 67 项更新（11 项新增、25 项变更、29 项修复和 2 项移除）。/context 命令会展示上下文窗口的占用构成（系统提示词、工具定义、技能、对话、可用空间以及自动压缩预留空间），并按类别估算 token 数量。页脚会显示 Vibe Code 月度用量的消耗比例，颜色依次变为黄色和红色；按量付费接管后则显示 PAYG。read_file 工具也可通过支持图像理解的模型打开图像，Ctrl+R 用于搜索提示词历史记录（语音录制改为 Ctrl+T），另有一个 Mistral MCP 连接器作为实验功能加入。

多项修复针对 Mistral Large 4：未设置思考级别就启动的轮次不再触发 400 错误，选择器提供 Low、High 和 Max 选项；对于 GLM 5.3 等无法关闭推理的模型，智能批准模式也不再要求每次工具调用都获批。smart_approve_default 设置被移除，由 default_agent = "smart-approve" 取代。

🔗 Vibe CLI 3.1.0 发布说明

Antigravity 2.29.0 开始推出 Gemini Live 语音模式和云端远程智能体

11 月 3 日 — Antigravity 应用的 2.29.0 版本（22 项改进、13 项修复）开始逐步推出两项功能。由 Gemini Live 驱动的语音模式让用户可以与 Antigravity 交谈，并通过语音向智能体提出请求。远程智能体（远程代理）开始向 Google AI Ultra 和 Pro 订阅用户开放：云端项目中的对话在云端执行，而非在计算机上执行，并且始终可以通过 antigravity.google.com/remote 访问。Antigravity 从 8 月起就已支持通过 Remote Control 远程操控，但当时会话仍运行在用户的计算机上；这一次，执行过程本身也离开了本机。

该版本还新增了原生 Jupyter 笔记本查看器、重新设计的自动化页面（已计划、始终运行、已暂停），以及内置浏览器中的下载功能和浏览历史记录。在修复方面，为子智能体创建的 Git 工作树现在会带上本地尚未提交的更改。

🔗 Antigravity 更新日志

RoboColosseum 利用由 100 多台真实机器人组成的机群评估机器人策略

11 月 4 日 — RoboColosseum 正式启动：这是一项开放评估计划，在实验室和模拟器之外，利用部署于真实环境（自然场景）的机器人机群评测机器人策略，例如住宅中的 Unitree G1 人形机器人或餐厅中的 YAM 机械臂。其网站称，该计划由 NUS MAGIC Lab、BitRobot、EAIC Singapore 和 Hugging Face 创立，Hugging Face 则自称创始合作伙伴。发布帖宣布提供 100 多台机器人、140 多个场景和 10 000 小时的免费评估时间，通过申请分配。

Robotics has an evaluation problem. Most benchmarking efforts have measured progress in sim or labs.

🇨🇳 机器人领域存在评估难题。大多数评测工作一直围绕仿真或实验室中的进展展开。 — @RoboColosseum 在 X 上

评估分为两个赛道。Open Track 让两个匿名模型在同一场景中接收相同的全新指令：由人类评估者选出表现更好的执行结果，或判定平局。Fine-tune Track 则使用相同的 100 个演示样例，在同一任务上对每个模型进行微调，然后给予其 25 次尝试机会。首轮评估让五种视觉—语言—动作（VLA）策略与三个前沿模型展开较量。

被评估策略（Franka，Open Track）	模型开发方	DCR 评分（±1 标准差）	盲评比较次数
GPT-6 Astra	OpenAI	1 925 ±38	194
MolmoAct2	Ai2	1 869 ±24	1 859
G0.5	Galaxea	1 744 ±27	1 626
Claude Opus 5.5	Anthropic	1 636 ±47	206
GR00T N1.7	NVIDIA	1 350 ±36	1 797
π0.5	Physical Intelligence	1 285 ±43	1 845
LingBot-VLA v2	Robbyant	1 233 ±56	1 603
Grok 4.7	SpaceXSI	1 160 ±128	193

在 Franka 机械臂上，Open Track 的在线排行榜（11 月 4 日数据，每小时更新，已完成 4 662 次盲评比较）将 GPT-6 Astra 排在首位，领先于 Ai2 的 MolmoAct2，但差距仍在误差范围内，而且每个前沿模型仅有约 200 次比较，而每种 VLA 都超过 1 600 次。Ai2 强调，MolmoAct 2 未针对这些任务进行额外训练，便取得了第二名。

配合发布、于 11 月 2 日上线 arXiv 的论文，依据在 124 个地点开展的 5 699 次比较，对这一结果作出了更细致的说明：前沿智能体可以与专用 VLA 抗衡，但没有任何系统能可靠地完成开放世界任务。微调后，GR00T N1.7 在 SO-101 上领先，π0.5 则在 Franka 和 YAM 双臂工作站上领先，而 Open Track 的排名难以预测微调后的排名。在 G1 人形机器人上，没有任何策略能完成五项任务中的任何一项，平均完成进度为 13,3 % 至 23,2 %。所有执行记录，包括失败记录，均以 LeRobot 格式发布在 Hugging Face 上。

🔗 RoboColosseum 发布帖 · RoboColosseum 排行榜 · arXiv 论文 2611.02497

OpenAI 将收购 Pierre Computer Company，其 Trees 和 Diffs 工具已用于 Codex

11 月 4 日 — OpenAI 宣布将收购小型开发者工具公司 Pierre Computer Company。其商业产品 Code Storage 是一套 API，可让应用存储代码并使用 Git 跟踪其历史记录；其开源库 Trees 用于浏览项目文件，Diffs 用于查看更改，两者均已集成到 Codex 应用中。

Today we’re announcing that OpenAI will acquire @pierrecomputer to accelerate our vision for making Codex a place where teams can build software together with AI, from first idea to the version they ship. Pierre’s open-source developer tools already power parts of Codex today. Together, we’ll build on that foundation for the agentic era.

🇨🇳 我们今天宣布，OpenAI 将收购 @pierrecomputer，以加速实现我们的计划：让 Codex 成为团队借助人工智能开发软件的地方，覆盖从最初构想到交付版本的全过程。Pierre 的开源开发者工具已经为 Codex 的部分功能提供支持。我们将携手在这些基础上，为智能体时代继续建设。 — @OpenAINewsroom 在 X 上

OpenAI 将此次交易与两天前介绍的单体代码库 Git 后端 Pando 联系起来：公司希望为从智能体创建第一个分支到部署的整个软件开发流程确立标准，并在收购完成后推动整个行业的版本管理（源码版本控制）发展。Pierre 的开源项目将继续保持开放，Code Storage 在其功能集成至 Codex 期间仍将向现有客户开放。此次交易仍需获得常规监管批准；交易金额和时间表均未公布。

🔗 OpenAI 将收购 Pierre Computer Company

人工智能助力科学：借助 Claude 研究噬菌体穹窿体、Ai2 推出 NeuralGCM+，以及将 FVCOM 移植到 Rust

Anthropic 借助 Claude 描述源自噬菌体的穹窿体 3D 结构

11 月 4 日 — Anthropic 科学团队公布了一种由噬菌体蛋白质生成的穹窿体的 3D 结构，公司称这是首次在原核生物中发现此类结构。穹窿体是大型中空蛋白质外壳，重量约为核糖体的三倍，于 1986 年被发现，其功能至今仍不明确。这一穹窿体被命名为 L05，在大肠杆菌中制备，由同一种蛋白质的 96 个拷贝组成，而哺乳动物中的穹窿体由 78 个拷贝组成；总质量约为 9,5 兆道尔顿，体积约大 25 %。96 个拷贝中的每一个都容纳着一种尚未识别的小分子，其形状让人联想到辅酶 A：如果得到证实，这将成为理解其功能的第一条线索。

Claude 参与了每一个环节：借助 Claude Science 在约 150 亿种预测蛋白质中寻找同源蛋白，将纯化时间从约三天缩短至约 90 分钟，以及据团队称，在 34 小时内建立首个结构模型，而原本需要数周。Anthropic 也详细说明了其错误：一份实验方案包含会阻碍 DNA 进入细胞的添加剂，导致损失两周时间；冷冻电子显微镜流程中跳过的一项标准步骤，则生成了一张与自身镜像混杂的结构图。预印本已提交 bioRxiv；穹窿体的共同发现者伦纳德·罗姆以付费顾问身份为团队提供了建议。

🔗 借助 Claude 研究穹窿颗粒

Ai2 启动 NeuralGCM+，由 Google.org 提供三年资助的开放气候模型

11 月 4 日 — Ai2 启动了一项气候建模计划，Google.org 将在三年内提供数百万美元资助（具体金额未公布），Google Research 则提供技术支持。该计划将开发 NeuralGCM+，这是对 Google Research 的 NeuralGCM 进行扩展的开源模型：这一混合模型通过求解物理方程处理大尺度动力过程，并将云形成和降水等更精细的过程交给人工智能处理。在一项公开基准测试中，NeuralGCM 的纯大气版本在单个 TPU 上用八分钟完成了全球大气一年的模拟。

Ai2 希望将海洋和海冰耦合进模型，以维持跨数十年的稳定模拟，并减少过去 50 年中各地区气温和降雨量的模拟误差。双方分工明确：Google Research 侧重未来数周或数月的预测，Ai2 则关注数年和数十年的趋势，例如本世纪中叶之前美国西南部降雨和可用水量的变化。模型和建模框架将连同附有文档的工作流程一并发布。

🔗 Ai2 关于与 Google 合作的博文

Google 借助 Gemini 4 Argon，将拥有 174 000 行 Fortran 代码的海洋模型 FVCOM 核心移植到 Rust

11 月 3 日 — 为海洋建模提供工具的另一种方式：在 Antigravity 博客上，Google 人工智能研发团队的丹·格鲁尔和普拉尚特·奈尔介绍了 Gemini 4 Argon 如何将 FVCOM（有限体积社区海洋模型）现代化。这个近岸海洋模型包含 174 774 行 Fortran 90 和 C 代码，分布在 264 个文件中。仅凭一条提示词，智能体便在 59 分钟内将其核心移植为完全内存安全的 Rust 代码，同时满足四项约束：不含 unsafe 代码、计算循环中不进行内存分配、每个文件少于 400 行，以及在 100 个随机种子下得到与 Fortran 相同的结果。

审计发现了原始代码中六个存在数十年的缺陷，其中包括在超过 1 300 个节点的网格上发生整数溢出。100 次模拟结果均与 Fortran 精确到小数点后 12 位一致。

迁移阶段	执行时间	实测加速比	峰值内存
原始 Fortran 90 和 C (-O3)	883 ms	1,00x	11,84 Mo
符合惯用写法的安全 Rust	682 ms	1,29x	6,39 Mo
数组式结构（SoA），循环内不分配内存	548 ms	1,61x	5,83 Mo
LLVM 基于性能分析的优化	469 ms	1,88x	5,48 Mo

Google 将这一方法整理为开源技能 migrate-to-rust，自 10 月 13 日起已收录在 google/skills 仓库中。

🔗 Antigravity 关于 FVCOM 的博文

API 与开发者平台：Perplexity 的 Decisions API、Grok 默认水印、Together Compiler，以及 OpenRouter 上的 Cohere

Perplexity 的 Decisions API 在回答前先搜索网页

11 月 4 日 — Perplexity 为其 Decisions API 增加了网页依据增强（网页信息锚定）功能。这套决策模型 API 于 10 月 1 日推出，以概率而非文本作答。此前，模型只能利用训练中获得的知识和开发者发送的上下文（状态）。启用 "mode": "web_grounding" 设置后，网关会先针对每个问题执行一次 Perplexity Fast Search 搜索（每次请求最多 100 次），将页面标题、URL 和正文加入上下文，并在回答的 search_results 中列出来源。每次搜索收费 0,001 美元，另加输入词元费用（pplx-decider-v1.2 为每百万词元 0,02 美元）。使用 Python 和 TypeScript SDK 时，该参数通过请求体传递。

Perplexity 公布的指标	未使用网页信息锚定	使用网页信息锚定
内部测试，328 条陈述	56,4 %	97,3 %
内部测试，延迟中位数	139 ms	366 ms
PWS-Decisions，100 个公开问题	51 %	86 %

在公开的 PWS-Decisions 基准测试中，Perplexity 还测得，启用网页搜索后的延迟中位数为 370 ms，第 95 百分位延迟为 685 ms。

🔗 Decisions API 的网页信息锚定功能

SpaceXSI 将从 11 月 7 日起默认对 API 中 Grok 模型生成的文本添加水印

11 月 3 日 — SpaceXSI 的 TypeScript SDK 0.2.8 版本披露了一份于 10 月 31 日更新的文档页面：从 2026 年 11 月 7 日起，grok-4.7、grok-4.6、grok-4.5、grok-4.3 和 grok-4.20 的三个变体通过 API 生成的文本将默认添加水印，以符合欧盟《人工智能法案》。这种不可见水印会轻微调整词元的选择，而不添加字符；它覆盖所有接入端点上的全部文本 API，包括结构化输出和工具调用参数。x-watermark 标头用于标示带有水印的响应，而采用统计检测的 API 仅向申请获准者开放。

只有团队管理员可以逐个模型关闭水印，设置将在 5 分钟内生效；管理员需要声明适用法律规定的例外情况，并确认团队独自承担其标记义务；某些模型的设置可能仍会被锁定。Anthropic 于 11 月 3 日扩大了自身文本水印的覆盖范围，而 OpenAI 的文本水印在 API 中仍默认关闭。

🔗 输出水印，SpaceXSI 文档

Together AI 推出 Together Compiler，利用智能体持续优化其开放模型的推理

11 月 4 日 — Together AI 将推理引擎的优化交给智能体。Together Compiler 从模型、硬件和流量特征出发：一个智能体集群提出计算内核修改方案，一个持续运行的引擎将每项修改与原始引擎进行速度和准确性比较，只有经过验证的修改才会进入生产环境。Together 将其称为连续编译（持续编译），当模型、硬件或负载发生变化时便会重新启动。

这些性能提升数据由 Together 公布：对于 Kimi K3、GLM 5.3、MiniMax M3.1-Flash 和 DeepSeek V4.1-Flash，在每个模型使用两个节点编译 24 小时后，相比 SemiAnalysis 的 InferenceX 基准测试中公开的最佳配置，在每位用户速度相同的情况下，每块 GPU 的词元吞吐量最高达到 2,6 倍；在客户工作负载上，速度最高提升 50 %；在低延迟条件下，MiniMax M3.1-Flash 和 DeepSeek V4.1-Flash 分别达到每秒 1 111 和 1 205 个词元。SemiAnalysis 表示已验证其中一项结果。该编译器已在无服务器模式下的 DeepSeek V4.1 Flash、GLM 5.3 Flash 和 GLM 5.3 上默认启用。Together 将其称为首个达到生产规模的递归自我改进（递归自我提升）推理系统，这一表述仅代表该公司的说法。

🔗 Together AI 博客上的 Together Compiler 介绍

Cohere 在 OpenRouter 上推出 Embed 5 和 Rerank 5

11 月 4 日 — Cohere 的四款检索模型变体（Embed 5 Pro 和 Fast、Rerank 5 Pro 和 Fast）已上线 OpenRouter，可使用现有的 OpenRouter 密钥和额度，价格与 Cohere API 相同：嵌入向量每百万词元分别为 0.12 和 0.08 美元，重排序（reranking）分别为 0.05 和 0.02 美元。OpenRouter 上有两项特有限制：向量以浮点数形式返回（int8 和二进制格式需通过 Cohere API 获取），Rerank 5 也仍仅支持文本。这篇文章是一份检索增强生成（RAG）教程，其中指出，根据 Cohere 在 40 个数据集上的测试，使用 Embed 5 Fast 查询以 Embed 5 Pro 构建的索引，可保留全程使用 Pro 时 98.4% 的检索质量。

🔗 OpenRouter 上的 Cohere 检索模型

语音：Gemini 3.8 Flash TTS 的语音重混，以及进入联络中心的 ElevenAgents

Gemini 3.8 Flash TTS 新增重混功能，可基于现有声音创建新声音

11 月 4 日 — 继 9 月 23 日推出语音设计（Voice design）和语音复刻之后，Google 为 Gemini 3.8 Flash TTS 新增第三种语音创建模式。语音重混（Voice remixing）以现有声音为基础，可以从语音库的 2,000 多种声音中选择，也可以使用定制设计的声音，再通过自然语言指令修改音色、音高、语速、口音或年龄。Google 举出的例子包括添加轻微的美国南部口音，或创建喷火巨龙的声音。

在 API 方面，使用 gemini-3.8-flash-tts 调用 POST /v1beta/voices，会创建并存储一个独立于原声音的新声音，可用于 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，也能继续作为下一次重混的基础。在 AI Studio 中，“重混此声音”按钮会提供三个版本，供用户并排试听。项目必须处于付费等级（Tier 1 或更高）；每个项目最多可存储 200 个声音，每个声音自最后一次使用起保留一年。

🔗 Google 在 X 上的公告 · 语音重混指南

ElevenLabs 将 ElevenAgents 原生集成至 NiCE CXone、Genesys Cloud、Amazon Connect 和 Five9

11 月 4 日 — ElevenLabs 的语音智能体平台 ElevenAgents 现已与四大联络中心平台原生集成，可在现有呼叫流程中添加语音智能体，无需改动电话系统、路由或 CRM。对于其他平台，ElevenAgents 可通过 SIP（会话发起协议）连接，支持 Twilio、Vonage、Telnyx、Plivo、Bandwidth 或 Exotel 等电话服务提供商。

联络中心平台	公布的集成方式
NiCE CXone	原生集成，CXone 保留电话系统、路由和报表功能
Genesys Cloud	原生 Audio Connector，无需 SIP 中继（SIP trunking）
Amazon Connect	Amazon Connect 的人工智能智能体调用 ElevenAgents，随后重新接管
Five9	通过 Five9 附加模块 Five9 AI Agent Connect 进行 SIP 连接

文章再次提到，平台拥有覆盖 90 多种语言的 17,000 多种声音，并以 AMC Health 为例：该公司选择 ElevenLabs 的原因之一，是其原本就使用 Genesys 作为电话平台。文章没有提供价格或性能数据，此次集成延续了 9 月 3 日宣布的 Genesys 合作关系。

🔗 ElevenAgents 与主要联络中心平台集成

生成式视频与音乐：Kling 4.0 Flash 全面开放，Suno 支持从 MIDI 文件开始创作

Kling 在官网和 API 上向所有人开放 Kling 4.0 Flash

11 月 4 日 — Kling 4.0 的快速变体 Kling 4.0 Flash 自 9 月 28 日起提供有限的抢先体验，如今已通过 Kling AI 网站和 API 向所有人开放。Kling 表示，也可通过其 MCP 服务器、CLI 和插件调用，包括适用于 Adobe Photoshop、Premiere Pro 和 After Effects 的插件。公告没有给出最长时长、分辨率或价格，而 Kling 的版本说明仍停留在 10 月 15 日推出 Kling 4.0 的记录。抢先体验期间，Kling 4.0 Flash 可生成 3 至 20 秒的 720p 镜头；目前没有信息表明这些限制是否发生变化。

🔗 Kling 在 X 上的公告

Suno 支持以 MIDI 文件为起点创作歌曲

11 月 4 日 — Suno 现已支持将 MIDI 文件作为歌曲创作的起点：将 .mid 或 .midi 文件拖到“创建”页面，或从“+”菜单中选择文件，然后用自然语言说明希望 Suno 如何处理，例如完全按照谱面演奏音符，或提取一个动机加以发展，或交由其他乐器演奏。与从音频文件（WAV 或 MP3）出发的 Remix 和 Cover 不同，MIDI 传递的是准确的音符和节奏，因此能提供更精细的控制。文章举出的例子包括将 MIDI 编配为完整管弦乐、钢琴伴奏的福音合唱，或忠实保留和弦的弦乐四重奏。上线时，该功能通过 Simple Create 模式和 v6-wild 模型提供，仅限 Pro 和 Premier 订阅用户使用；它补充了 7 月 26 日新增的 MIDI 导出功能。

🔗 使用 MIDI 开始创作歌曲

ChatGPT 的 dots 向 Enterprise、Edu 和 Healthcare 全面开放，11 月 18 日默认启用

11 月 4 日 — dots 是 ChatGPT 的常驻智能体，9 月 29 日面向 Pro 和 Business Premium 套餐推出，同时为 Enterprise 提供测试版，如今已向符合条件的 ChatGPT Enterprise、Edu 和 Healthcare 工作区全面开放。仅限管理员的预览期将持续至 2026 年 11 月 18 日：在此之前，除非管理员主动启用，否则 dots 保持关闭；此后，除非工作区选择停用，否则将默认开放。管理员可以选择哪些成员拥有使用权限，查看个人 dots 及其连接，暂停或重新启动它们，并跟踪使用情况；帮助文章还指出，启用 dots 需要兼容的 Agent Security 策略。在合规方面，dots 支持数据驻留和 Enterprise Key Management，推理服务托管在欧盟或美国；全面开放前创建的 dots 将在 30 天内迁移至所需区域，并在受保障的工作区中符合 HIPAA 适用条件。

🔗 ChatGPT Enterprise 和 Edu 版本说明

简讯

智能体与编程工具

Zed 1.27 和 1.28 预览版 — 1.27 稳定版纳入了 10 月 28 日预览版的内容（资源占用更低的 Agent 面板、取消恢复点、最低要求 macOS 12）；1.28 预览版跟进最新版 Agent Client Protocol，将智能体读取的每行内容截断至 2,000 个字符，并修复上下文压缩的三个问题。🔗 来源
Delta 0.24 — 子会话中的更改可合并到父会话（/merge-into-parent、/pull-from-subthread），智能体仅凭链接即可读取共享会话，并通过 delta thread send 向另一会话中的智能体发送消息；MCP 服务器支持持有者令牌和自定义请求头。🔗 来源
Copilot CLI 1.0.106-7 至 1.0.106-9 — 三个预览版本，仍未推出 1.0.106 稳定版：/code 命令可在 VS Code 中打开当前会话，Fusion 级别可在 copilot config 中设置，79 项修复中包括对新出现的转义序列进行处理。🔗 来源
Gemini CLI v0.67.0 和 v0.68.0-preview.0 — 稳定版将此前介绍过的 0.67.0 系列正式发布，预览版则汇总了过去八天的每日构建；唯一的新内容来自 11 月 4 日的每日构建，让 gemini hooks migrate 能识别 Claude Code 的 SubagentStop 事件，并为无 root 权限的 Podman 添加 --userns=keep-id。🔗 来源
Qwen Code v0.26.7 — 仓库提供的钩子、权限和语言服务器，只有在用户明确授予文件夹信任后才会运行；qwen serve 开始支持远程连接，并修复了 Claude Opus 5.5、Sonnet 5.5、Fable 5.1 和 Mythos 5.1 的强制工具选择功能。🔗 来源
Kimi Code 2.5.0 — 可在 SSH、Docker 或由命令定义的环境中启动会话（--environment），并可在智能体工作时使用 /model 或 /effort；多个服务器 REST 和 WebSocket 端点被移除，尽管这些变更被归入修复项。🔗 来源
mistral CLI 0.17.0 — mistral agents init 可创建智能体项目，应用也可嵌入智能体，由 mistral dev 在开发期间提供服务，再通过 mistral deploy 发布，这些功能需开启 mistral_cli_agents 标志；mistral login --device 连接现已被拒绝。🔗 来源
DeepSeek Harness 0.2.2-rc.1 — 0.2.2 系列的首个候选版本，也是尚无稳定版情况下的第 37 个预览版本：主要整合此前已报道的早期测试版内容，使 TypeScript 和 Python SDK 与网页版模式保持一致，并将 Ralph loop 和会话搜索移出实验状态。🔗 来源
Zach Lloyd 谈软件工厂 — 他在 Warp 博客中主张，软件工厂（software factory）应按技术栈构建：用代码定义工厂、采用持久化编排、开展评估并重放历史任务，优先集成 API 和 MCP，而不是简单串联提示词和云端智能体。🔗 来源

平台、API 与管理

Together AI 与 Kimi K3.1 Pro — Together AI 在 Kimi K3.1 Pro 权重发布当天提供该模型服务，可直接使用，也可通过 Together Post-Training 进行 RL 或 SFT 后训练；公告未提供价格。🔗 来源
OpenAI SDK — openai-python 3.45.0 和 openai-node 7.50.0 支持 10 月宣布的 12 小时响应缓存和项目级服务等级；Codex CLI 自 10 月 29 日的 0.166.0 以来尚无稳定版，仅有版本说明为空的预览版。🔗 来源
Copilot 使用指标 — 使用指标 API 现已单独列出本地 BYOK（自带密钥）使用量，该数值按下限统计，并通过 is_custom_enterprise_model 标记企业自定义模型；现有总计保持不变。🔗 来源
grok-imagine-image-quality 下线 — 自 11 月 2 日起，SpaceXSI 使用低质量模式的 grok-imagine-image-2.0 处理发往该图像模型的请求，无需修改代码，1K 图像每张 0.04 美元，2K 图像每张 0.06 美元，均比此前低 0.01 美元。🔗 来源
Claude Marketplace — 14 款合作伙伴智能体和产品加入 Claude Marketplace，包括 Chainguard、Zoom、Datadog、Netlify、Runway 和 Glean，使总数超过 25 款；符合条件的企业可使用其对 Anthropic 的部分承诺支出额度支付。🔗 来源

安全

Warp 的 GPG 密钥 — 在一起未具名、且未发现滥用行为的安全事件后，Warp 出于预防目的，更换了用于签署部分 Linux 软件包的 GPG 子密钥；Fedora 42 及更早版本、RHEL 和 openSUSE 用户需要先删除旧密钥。🔗 来源
GPT-5.6 Cyber 进入 AWS GovCloud — 获批的 Daybreak Red 客户可通过 Amazon Bedrock，在 AWS GovCloud（US-East）区域使用 GPT-5.6 Cyber，需先经 OpenAI 批准，再由 AWS 启用；AWS 早在 10 月 30 日就已发布该消息。🔗 来源
Mistral Large 4 应对 Django 漏洞 — 在一段以 90 倍速播放的视频中，133 个智能体梳理代码，发现并确认 Django 的一个近期漏洞，随后由 Le Chonk 修复；未提供 CVE 编号、成本或实际耗时。🔗 来源
CodeQL 2.27.4 — 减少 Java 和 Kotlin、Rust 以及 C/C++ 的误报，移除六种语言中 ReDoS 查询的 CWE-730 标签，并在创建软件包时排除链接到包根目录之外的文件；此次没有人工智能相关内容。🔗 来源
Perplexity 的 MCP 指南 — 梳理 MCP 系统中三大类、共十一项风险，从间接提示词注入到本地服务器被攻陷，并提供相应对策；不涉及 Perplexity 产品或数据。🔗 来源

开放模型与研究

合成语音检测 — 墨尔本大学的两位研究者发布 VeriSpoof，这是一款拥有 29 亿参数的音频 LLM，可检测合成语音、识别其来源并解释判断依据；据作者报告，VeriSpoof-Plus 变体在 Speech-DF-Arena 上的平均等错误率（EER）为 1.79%，权重采用非商业用途的 CC BY-NC 4.0 许可。🔗 来源
Dharma-AI 的 Field Extractor — 一款 2B 参数模型，可将文档字段以带类型的 JSON 返回；在其自建的 546 份文档基准上得分为 0.834，Claude Opus 5 为 0.816，但对比模型均非各家最新版本，且尚未在 Hub 上找到权重。🔗 来源
Cribl 的 OTAP — 一项根据计划结构评估智能体的指标，通过最优传输与参考计划对齐；据作者称，在 236 条执行轨迹上，它与人类评审的一致性高于 ROUGE-L（0.74 对 0.64）。🔗 来源

面向大众的智能体

Grok Bot 购物功能 — 11 月 3 日，SpaceXSI 的智能体推出购物体验：寻找最优惠的报价、比较商品并跟踪所有订单；未说明适用国家、套餐或商家。🔗 来源
Grok Bot 打电话 — 11 月 4 日，@bot 账号发布视频，宣布 Grok Bot 可以拨打电话，未说明适用国家、套餐或价格。🔗 来源
Get Maine Lobster 与 Computer — 在 Perplexity 提议开展、并由其提供 30,000 美元测试预算的试点中，与客户原有广告相比，Computer 的 Meta 广告活动实现了高出 63% 的广告支出回报率（ROAS），以 2.1 倍的支出带来 3.5 倍的营收。🔗 来源
Computer 中的 MotionSites — @viktoroddy 的技能让 Perplexity 智能体能够基于 40 个参考方案和 52 项托管资源，构建带滚动动画的 WebGL 动态网站；现已在网页版向所有人开放。🔗 来源
Manus 的 3D 功能 — 作为 Game Dev 的后续功能，Manus 可将照片转换为用户的可操控 3D 化身，并放入通过智能体创建的世界中；未说明适用套餐或积分费用。🔗 来源

图像、视频与创作者

HeyGen Video 1 登陆移动端 — HeyGen 的视频模型已进入 iOS 和 Android 版 HeyGen 应用，未说明价格、时长或分辨率。🔗 来源
Pika H3 Flex — 该模型比预告日期晚两天正式登陆 Pika 平台，Creator 和 Fancy 订阅用户在 11 月 15 日之前每天可免费生成 15 次。🔗 来源
Luma 的 Character Sheet — 继前一天推出 Expression Sheet 后，Luma 又推出可基于参考素材或描述创建、保持多视角一致的角色设定图，提供八种布局；未发布文章或价格。🔗 来源
HyperFrames — HeyGen 旗下这组视频工具声称月活跃用户超过 700,000 人，但未说明统计方法，同时为其社区开设了专属 Discord。🔗 来源

这意味着什么

开放权重模型的规模已达到前沿水平，但附带条件。Kimi K3.1 Pro 拥有 2.8T 个参数，文件总量约为 1.56 TB，可自由下载；Together AI 从发布首日起就提供托管服务和后训练服务。然而，其许可协议也划出了开放的边界：营业额超过 2000 万美元的转售商必须与 Moonshot AI 洽谈，而 Mistral Large 4 的许可协议早在 10 月 29 日就已规定，以模型即服务形式提供该模型须取得商业许可。基础设施也在跟进：Together Compiler 让智能体负责优化架构各异的开放模型，并声称每块 GPU 的 tokens 产出最高可达原来的 2.6 倍。另一方面，Cognition 目前以网络安全风险为由暂不开放 SWE-2 Flash 的权重，并更换了基础模型：SWE-2 基于 Kimi K3，SWE-2 Flash 则基于一款美国模型。

编程智能体正在相互融合，并配备更多工具。VS Code 让 Copilot、Claude 和 Codex 在同一会话中协作，Copilot 进入 Xcode 的原生助手，而 OpenAI 在发布 Pando 两天后宣布将收购 Codex 已在使用的 Git 工具：随着智能体不断创建分支，版本管理正成为战略要地。成本仍是另一条战线。Cognition 表示，SWE-2 Flash 的成本仅为 SWE-2 的五分之一；Anthropic 则将子智能体的状态栏交由 Haiku 5.5 处理，使用户在相同限额下能够多发送约 6 % 的提示。

评估正在走出测试环境。RoboColosseum 在住宅和餐厅中使用真实机器人评估机器人策略，结果为排行榜的表现降了温：前沿模型可与专用 VLA 模型媲美，但没有任何系统能在开放世界中可靠运行，也没有任何系统能在人形机器人 G1 上完成哪怕一项任务。Perplexity 的 Decisions API 在软件领域也基于同样的认识：仅依赖训练知识的模型会在时事问题上出错，而网络搜索让 pplx-decider-v1.2 在一项公开基准测试中的成绩从 51 % 提升到了 86 %。在科学领域，验证本身正成为交付成果：Rust 版 FVCOM 在 100 次模拟中与 Fortran 版的结果一致到小数点后 12 位，而 Anthropic 在公布研究结果的同时，也公开了 Claude 的错误。

水印正在成为由法规决定的默认设置。SpaceXSI 将于 11 月 7 日以遵守《AI Act》为由，在七款 Grok 模型上启用水印，只有提供适用法定例外的证明才能免除；Anthropic 已于 11 月 3 日扩大其水印的应用范围，而 OpenAI 的水印仍默认关闭。对开发者而言，差异并不体现在文本中，而是体现在响应头和责任归属上：关闭水印，就意味着独自承担标记义务。