人类指导下的 Google DeepMind 智能体发现 RSA 1024 位的两处弱点，OpenAI 发布 BioBasicsBench，Cursor 开放与智能体的语音聊天

人类指导下的 Google DeepMind 人工智能智能体发现了 RSA 1024 位这一已过时系统的两处弱点；几乎全部使用 2048 位或更长密钥的现代协议仍然安全。研究成为今日焦点：OpenAI 通过 BioBasicsBench 衡量智能体在湿实验室中的表现，TCSExam 评估模型的理论计算机科学能力，Anthropic 和 Google 则展示了模型周边哪些因素会让智能体成功或偏离轨道。工具方面，Claude Code、Codex CLI 和 Copilot CLI 发布新版本，Antigravity CLI 成为 ACP 服务器，Cursor 开放与智能体的语音聊天，Amp 推出 Spaces。

人类指导下的 Google DeepMind 智能体发现 RSA 1024 位的两处弱点，Frontier Model Forum 为网络越狱评级

11 月 6 日 — Google DeepMind 发布了由人工监督指导的人工智能智能体开展的密码分析研究，密码分析是检验加密强度的科学。负责科学研究的副总裁 Pushmeet Kohli 在 X 上发表文章介绍了这些成果，@GoogleDeepMind 随后转发：智能体发现了 RSA 1024 位系统的两处弱点，攻破这些系统所需的计算预算低于此前预期。研究由 Google DeepMind 科学团队的 Dj Dvijotham 和 Abhradeep Thakurta，与 Nadia Heninger（加州大学圣迭戈分校及 Inria）和 Emmanuel Thomé（Inria）共同开展，详细内容见两篇 PDF 技术论文；此次公告未附带博客文章。

研究范围被刻意限定。已经过时并退役的 RSA 1024 位在这里被用作无风险的试验场，这也是密码分析界长期以来的做法。几乎全部使用 2048 位或更长密钥的现代协议仍然安全。

第一项成果涉及数字签名，数字签名可确保软件更新、文档或网站确实来自其声明的来源。许多标准会在签名前对消息进行填充（padding）。团队证明，只要攻击者能控制已签名数据块的大约一半，这种填充就完全失去保护作用。在不接触任何真实系统的隔离模拟中，智能体对一把此前研究已经破解的 1024 位基准密钥实施了攻击：复现结果所需的 CPU 耗时缩短了 3,5 倍，计算量不到破解密钥本身所需的千分之一。根据作者的理论估算，当攻击者控制的数据块比例更小、摘要长度为 32 字节时，一种新算法可将此前最佳方法的表现提升约 1 600 倍。

第二项成果涉及批量因数分解。由于 RSA 密钥采用标准长度（1024 或 2048 位），对大量相同位数的整数进行因数分解是一个关键问题：智能体找到了一种渐近复杂度更优的算法，与此前的批量方法相比，每增加一把 1024 位密钥，其平均因数分解成本约降低 30 倍。

作者发布的成果	宣布的提升	注明的条件
签名伪造，攻击者控制数据块的大约一半	CPU 耗时缩短 3,5 倍	隔离模拟，已被破解的 1024 bits 基准密钥
同一攻击，与破解密钥相比	计算量不到千分之一	以破解密钥本身所需的计算量为基准
使用 32 octets 摘要的签名伪造	约提升 1 600 倍	理论估算，1024 bits 密钥
批量因数分解	每增加一把密钥，平均成本约降低 30 倍	与此前的批量方法相比
2048 bits 或更长的密钥	不受影响	根据 Google DeepMind 的说法，仍然安全

While modern 2048-bit systems remain safe from these specific exploits, this work highlights a key shift. As we enter a new era of AI-enabled math and computation, we can no longer rely on historical hardness assumptions and must continuously stress-test cryptographic standards.

🇨🇳 尽管现代 2048 位系统仍不受这些特定攻击手段的影响，这项研究凸显了一个关键转折点。随着我们进入人工智能辅助数学与计算的新时代，我们已不能再依赖历史上对破解难度的假设，而必须持续检验密码学标准。 — @GoogleDeepMind 在 X 上

🔗 Pushmeet Kohli 在 X 上的文章 · 数字签名技术论文（PDF） · 密钥因数分解技术论文（PDF）

Frontier Model Forum 提出统一框架，评定网络越狱的严重程度

11 月 5 日 — 汇聚前沿人工智能实验室的 Frontier Model Forum（FMF）发布了其网络威胁越狱评级框架（前沿网络威胁越狱评级框架）的 1.0 版，并将其定位为初步版本。其出发点是：绕过防护措施的行为并非都具有同等严重性。有些只能产生难以实际利用的回答，有些则会解锁危险的攻击能力；如果缺乏统一方法，两个组织可能对同一次越狱作出不同判断，导致优先修复的反而是较轻的问题。该框架结合四类评分，将每次越狱划分为不同等级：能力增益、能力范围、部署难易程度和发现难易程度。

AWS、Anthropic、Google DeepMind、Microsoft 和 OpenAI 的代表在文章中表达了支持；OpenAI 于 11 月 6 日转发该框架，表示曾与 FMF 及其成员共同参与制定。公开征求意见将持续至 2026 年 12 月 21 日：FMF 将检验不同评估者能否给出相近评分，并随着新越狱手段的出现更新框架。今年 7 月，Anthropic 曾详细介绍过一个类似的量表 CJS（网络越狱严重程度），由其与 Amazon、Microsoft 和 Google 共同制定；FMF 的文章未说明两者之间的关系。

🔗 介绍 FMF 前沿网络威胁越狱评级框架

衡量人工智能的科学能力：OpenAI 面向湿实验室的 BioBasicsBench，以及面向理论计算机科学的 TCSExam

OpenAI 发布 BioBasicsBench：100 项湿实验室任务，GPT-6 Astra 得分 66,7 %

11 月 6 日 — OpenAI 推出 BioBasicsBench，这是一项与专注于酶设计的生物技术公司 Ligo 共同设计的基准测试，用于衡量智能体解读湿实验室（wet lab）日常工作原始数据的能力：凝胶与印迹、培养皿、显微图像、仪器导出数据或实验流程视频。其 100 项任务源自真实实验，依据专家制定的评分标准逐项打分，覆盖从蛋白质研究方法到分子克隆的五个领域；这些任务还会检验智能体能否发现错误，并识别数据不足以支持结论的情况。

评估仅涵盖 OpenAI 的模型：七个模型、37 种配置，每项任务尝试五次，共产生 18 500 个结果。在 xhigh 推理强度下，GPT-6 Astra 获得总可得分的 66,7 %，领先于 GPT-6.1 Sol，并大幅超过 GPT-5.6 Sol，而输出 token 数约为后者的一半；OpenAI 认为，这些提升表明，更强的原生多模态能力可能具有决定性作用。

受评模型（xhigh 推理强度）	平均奖励得分	95 % 置信区间	每项任务的输出 token 数
GPT-6 Astra	66,7 %	60,3 至 73,1 %	4 704
GPT-6.1 Sol	62,0 %	55,6 至 68,4 %	5 238
GPT-5.6 Sol	43,8 %	37,6 至 50,0 %	9 099
GPT-6 Luna	38,3 %	32,3 至 44,5 %	13 120
GPT-5.5	35,4 %	29,7 至 41,0 %	11 135
GPT-5.4	33,2 %	28,3 至 38,4 %	13 717
GPT-5.2	31,2 %	26,2 至 36,3 %	27 620

OpenAI 还详细分析了 Astra 的失败案例：熟悉的假设压过了实验对照的证据，与之相反的观察结果被忽略，菌落计数被高估约 12 %。文章指出，更高的分数尚不能保证模型在实验室中作出可靠判断；OpenAI 将这项持续评估与生物安全和生物安保联系起来，但未提及是否会公开任务集。

🔗 衡量人工智能智能体如何处理湿实验室日常科研工作（OpenAI）

TCSExam 评估模型的理论计算机科学能力：GPT-6 Astra 领跑 Full 版，Opus 5.5 领跑 Lite 版

11 月 5 日 — TCSExam 发布于 Moonshot AI 的 GitHub 组织下，相关 arXiv 论文于 11 月 5 日提交，用于衡量模型能够在多大程度上推动理论计算机科学（theoretical computer science）研究。arXiv 列出的作者为 Yifan Luo、Zhengying Liu、Yang Yuan、Zhilin Yang 和 Andrew Chi-Chih Yao。测试包含四个方向：用 Lean 证明已发表的定理，编写在隐藏实例上评估的求解器，给出经过验证的构造或界，以及完整证明或证伪开放猜想。Full 版包含 100 项经专家审查的任务，Lite 版包含 20 项，每个方向五项。综合指数为前三个方向各赋予 30 的权重，为猜想方向赋予 10 的权重；求解器的评分以固定基准 Kimi K3 为参照。

受评模型	Lite 指数（20 项任务）	Full 指数（100 项任务）
Opus 5.5	72,3（暂定）	网站表格中未列出
GPT-6 Astra	67,0	71,9
Kimi K3.1 Pro	53,5	57,4
Kimi K3	48,6	46,8
GLM-5.3	47,0	45,5
Qwen3.8 Max (0902)	45,4	44,8
DeepSeek V4.1 Flash 1017	42,4	46,0
Grok 4.6	42,1	40,5

没有任何开放猜想得到解决：摘要仅宣称获得了经过独立验证的特殊情形和界。不过，据作者所知，两项结果超过了此前已知的最佳结果：Kimi K3 构造了一个包含 124 个顶点、630 条边，且不含三角形或四边环的图（Goedgebeur 等人的构造为 629 条边）；GPT-6 Astra 则找到了一种用 25 个物理量子比特保护 7 个逻辑量子比特的量子纠错码，码距从 5 提升至 6。该测试平台默认运行 Kimi Code，也支持 Claude Code、Codex 和 Grok Build。

🔗 TCSExam 结果 · arXiv 论文 2611.07962

智能体研究：Anthropic 的记忆与梦境机制、Google 的过时 TODO，以及 harness 适配器

Anthropic 展示 dreaming 如何修正并组织 Claude 智能体的记忆

11月6日 — Anthropic 在其 Engineering 博客的一篇研究与工程文章中，将智能体记忆定义为 Claude 跨会话保留的经验，以可重新阅读的笔记形式存在：既不是模型权重，也不是上下文学习或上下文压缩。dreaming（智能体的“做梦”）让它在会话之外重读日志和对话记录，以修正笔记、编写新笔记、构建 wiki 等知识表示，或选择预加载的内容；该功能自5月6日起在 Claude Managed Agents 中以研究预览（研究预览版）形式提供。

评测首先显示出判断能力的提升。在 Pokémon Red 中，进行到约 10 000 步时，Sonnet 3.7 已在 225 个文件夹中写入 413 个记忆文件，却只拿到一枚徽章；Fable 5 则仅用九个文件和一个 global.md 就拿到了四枚徽章；Opus 5.5 仅靠一个小型笔记文件夹就完成了游戏。Anthropic 建议告诉 Claude 记忆的用途，而非规定如何使用记忆：强制只记录失败，会让 Opus 5 和 Opus 4.7 丧失大部分增益。一条关于 Mt. Moon 的 PokéCenter 位置的错误笔记，经 dreaming 根据对话记录修正后，就足以让游戏进程继续推进。

Anthropic 开展的实验	已公布的结果
仅用 wiki，Stainless 内部语料库（约 350 000 个文件），先后进行 2 和 128 次 dreaming	评分标准达成率先为 13 %，后为 48 %
搜索加 wiki，相同语料库	先为 54 %，后为 61 %，仅搜索为 53 %；每个问题节省约 20 000 tokens
企业合并相关问题（24 道，评分标准涉及多份文档）	使用 wiki 为 87 %，仅搜索为 73 %
从合同中提取事实	使用共享表格时答对 57 项中的 41 项，每份合同单独建页并逐字引用时答对 57 项中的 57 项

文章也指出了局限：单份文档就足以回答问题时没有收益，wiki 有时比原始资料还大，而且保持记忆更新需要计算成本。文章最后提醒，Claude Code 的 auto memory 仅加载用作索引的 MEMORY.md 的前 200 行或 25 Ko。

🔗 智能体记忆的组成部分（Anthropic）

Google 测得，过时的 TODO 注释会让编程智能体偏离任务

11月6日 — 在 Google Developers 博客上，山姆·萨科内和马杜里·加里卡帕蒂量化了编程智能体的一项隐性成本：被遗忘的注释。

What is easy for humans to skim past in code, agents see as a call to action.

🇨🇳 人类在代码中很容易一眼略过的内容，智能体却会视为行动指令。 — 山姆·萨科内和马杜里·加里卡帕蒂，Google Developers 博客

团队基于数千名工程师的使用轨迹和数亿次智能体执行步骤，将智能体遇到的每条 TODO(bug/...) 或 FIXME(bug/...) 注释，与缺陷的实际状态和用户请求进行交叉比对。总体而言，13 % 的文件读取会话会让智能体接触到这类引用。智能体在 94 % 的情况下会忽略它们，但有 6 % 的情况会据此采取行动，其中 83 % 并非开发者要求：这些偏离任务的行动中，41 % 追查的是已经关闭的工单，57 % 则将工作扩展到仍未解决的缺陷。在开发者、代码复杂度、任务类型和模型水平相近的情况下，一次未经要求的任务偏离，会让每个会话的步骤增加 70 %、tokens 增加 77 %、等待时间增加 105 %。

Google 为此部署了清理智能体，遍历代码库，追溯缺陷、文件和变更的历史，只有确认 TODO 已经过时，才建议删除：六个月内删除了数千处引用，人工审查者的接受率超过 95 %。文章主张构建适合智能体使用的代码库（智能体友好型代码库）。

harness-hub 项目通过 RL 为每种智能体运行框架训练一个 LoRA，由 safeagents 提供防护

11月6日 — 在 Hugging Face 博客上，尤尼斯·B.、利桑德和内森·哈比卜（harness-hub 组织）介绍了运行框架适配器（harness adapters）：针对每个模型和每种智能体运行框架（pi、opencode、hermes）训练一个小型 LoRA 适配器，在框架内部使用可验证任务进行强化学习，无需修改框架；一个服务器即可提供基础模型和全部适配器的服务。初步测试中，作者观察到，在留出任务上，适配器模型的工具调用次数少于基础模型，同时准确率持平或更高。奖励机制会为工具调用更少的正确解法提供少量额外奖励。

任务来自 Hub 上共享的公开编程会话，由 Repo2RLEnvs 转换为可验证环境；发布版本包含 270 个任务，分布极不均衡：253 个构建任务（94 %）、11 个修复任务、6 个扩展任务，没有问答任务。safeagents 代理在训练期间检查每次工具调用：奖励投机尝试会被拦截并记为 0 分，启用这一防护并未改变 LFM2.5-24B-A2B 在留出集上的 pass@1（+0,0 ± 4,1 个百分点）。最终训练涉及 Liquid AI 的 LFM2.5-24B-A2B 和 LFM3-1.7B，以及 webAI 的 TwIL-8B；据模型说明，TwIL-8B 是一个从未使用智能体数据训练过的推理模型。这些训练在 HF Jobs 上运行，并进行直播，成本也一并公开。

🔗 运行框架适配器（Hugging Face 博客）

编程智能体：Claude Code 2.1.319、Codex CLI 0.167.0、Copilot CLI 1.0.106、Antigravity CLI 1.5、Cursor 语音聊天和 Amp 的 Spaces

Claude Code 2.1.319 将 MCP tasks 转入后台，并新增 permissions.denyInsteadOfPrompting

11月6日 — Anthropic 发布 Claude Code 2.1.319：版本说明共有 146 条，其中 90 条为修复；相比之下，10月30日发布的 2.1.314 有 119 条。软件包于 UTC 00:58 上架 npm，GitHub 上的版本于 UTC 17:04 发布，未发布推文；stable 渠道仍停留在 2.1.311。Agent SDK 也于同日更新（TypeScript 0.3.319、Python 0.2.179）。

修改项目	变更内容
终端中的 MCP 任务（MCP tasks）	当 MCP 服务器以任务形式执行工具调用时，Claude Code 会将其转入后台，并在完成后传回结果
`permissions.denyInsteadOfPrompting`	原本会等待权限提示的调用将被拒绝，当前轮次继续进行，子智能体和队友也适用
LLM 网关后的 auto 模式	遥测或功能开关关闭时，服务器无法验证的调用会交由用户审批或被拒绝，不再回退到内置分类器
`/claude-api latency-optimize`	查找调用 Claude API 的代码中造成等待的位置，并对照用户评测测试更快的设置
`/tasks`	通过“本次会话较早时”的提示行，重新打开已结束的子智能体并向其发送消息

MCP 任务于10月23日公布，当时未注明版本号，直到此版本才出现在 CHANGELOG 中；它们在未启用功能开关时也能运行，因此同样适用于 Bedrock、Vertex、Foundry 或网关之后的环境。版本说明修复了多项漏洞：通过伪造环境前缀绕过 Bash 权限检查、创建 worktree 时逃逸沙箱、sed 命令在 accept-edits 或 auto 模式下跳过权限检查，以及 /rewind 可能通过目录符号链接操作文件。Claude apps 网关新增警告，以应对 Claude Desktop 将于11月10日实施的变更，但说明未披露具体内容。同日，@ClaudeDevs 宣布，云端会话会自行准备代码仓库的环境（见简讯）。

🔗 Claude Code 2.1.319 版本说明

Codex CLI 0.167.0 标记未读结果，并支持通过会话选择器切换后端

11月6日 — OpenAI 于 UTC 01:40 发布 Codex CLI 0.167.0，这是自10月29日的 0.166.0 以来首个稳定版本，PR 列表共 120 条。智能体指挥中心现在可通过 codex agents --no-daemon 打开，并像会话选择器一样标记用户尚未查看的结果。该选择器还支持在已连接的后端之间切换，同时保留草稿。在兼容终端上，输入期间可以预览附加的本地图片；登录界面将 API 密钥和云服务提供商统一归入“通过其他方式登录”；gcp_setup_wizard 选项支持使用 Application Default Credentials 或凭据文件配置 Google Cloud Vertex AI。macOS 和 Windows 的系统代理设置可通过 /experimental 启用。

修复内容侧重于保持工作连续性：切换模型提供商后，已保存的对话仍然可见；Ctrl+L 清屏时不会丢失消息，仍可通过 Ctrl+T 查看；自动压缩上下文时，会考虑失败回复中保留下来的输出。app-server 文档描述了要求重新获得人工批准的 prompt-user 规则。此外，openai-node 7.53.0 会以流事件的形式报告智能体会话错误。

🔗 Codex CLI 0.167.0 版本说明

Copilot CLI 1.0.106 发布稳定版，含 227 条此前未公布的条目，随后 1.0.107 沿用相同说明

11月6日 — Copilot CLI 发布自10月28日的 1.0.105 以来首个稳定版本。1.0.106 于 UTC 01:47 发布，说明汇总了整个预览版本周期的内容：共 637 条，其中 227 条未出现在 GitHub 上发布的 11 个预览版本说明中。UTC 20:37，1.0.107 发布，除标题日期外，说明完全相同：没有描述该版本独有的修改，而 npm 现在默认安装的就是这一版本。

此前未公布的条目包括：用于启动和开发本地 LSP 与 MCP 配置的变量 COPILOT_SESSION_CWD；账户拥有访问权限时，可在“新模型”栏目选择 GPT-6.1 Terra；让扩展进程在沙箱中运行的“扩展沙箱”设置；以及针对通过 OneAuth 登录 Microsoft Entra 的 MATS 遥测，该遥测遵守客户端拒绝遥测的设置。“会话”侧栏打开时，/exit 会关闭当前会话而非退出 CLI；沙箱拒绝规则支持 glob 模式；因网络安全风险而拒绝执行时，会说明会话仍保持完整，并建议使用 /rewind。Copilot SDK 也以 1.0.29 进入稳定版：共 131 条，原始说明已被截断，其中包括 Rust 在 SessionMetadata 上的一项破坏性变更。

🔗 Copilot CLI 1.0.106 · Copilot CLI 1.0.107 · Copilot SDK 1.0.29

Antigravity CLI 1.5 成为供编辑器使用的 ACP 服务器，并在远程智能体上运行对话

11月4日和5日 — Antigravity 的 CLI 分两次升级至 1.5。1.5.0（10 项改进、3 项修复）新增 agy acp，可将 CLI 作为 Agent Client Protocol（ACP）服务器运行：兼容的编辑器可以将其用作智能体，支持在提示中加入图片和文件上下文、在当前轮次执行期间调整方向、使用 default、accept-edits 和 plan 会话模式、恢复会话时无需重放历史记录，以及为每个会话单独设置模型和思考级别；agy acp --login 则支持从终端登录，供通过 SSH 连接的编辑器使用。同一版本还新增 --remote-agent，用于在远程智能体上运行对话，是应用 2.29.0 已引入功能的命令行对应版本；此外，还在 /projects 中加入本地项目，并让无界面模式（headless，-p）等待后台任务完成，而非在隐藏的 30 分钟时限后终止任务。一项修复揭示，通过 GEMINI_API_KEY 连接的子智能体本应使用 Gemini 4 Argon 和 Gemini 3.8 Flash，实际却运行在早两代的模型上。

1.5.1（5 项改进、7 项修复）向所有 ACP 客户端开放账户可用的全部模型，而此前只有固定列表中的编辑器能使用 Gemini 之外的模型；此外，当后台进程保持输出流开启时，终端命令结束所需的时间从 5 秒缩短至约 1 秒。此次更新逐步推送，可能需要几天时间。

🔗 Antigravity 更新日志

Cursor 推出基于 Grok Voice 的智能体实时语音聊天

11月6日 — Cursor 现在支持通过实时语音通话与智能体交谈：口头描述修改、询问智能体正在做什么，以及在工作进行时收听进展更新。语音聊天可在 Agents Window、IDE、网页版和 iOS 应用中使用。一次通话由两个智能体协作完成：语音智能体负责倾听、回应，并将编程工作交给聊天中的智能体；它还会以只读方式回答有关 diffs 和执行情况的问题，搜索此前的消息和通话，并在 Project 中切换 worker。编程智能体也会自行发声，提供简短的进度说明，并在结束时给出简短答复。

语音功能基于 Grok Voice（Cursor 自8月起归属 SpaceX），编程智能体则继续使用所选模型；提供多种声音，包括 Ara、Eve、Leo、Rex 和 Sal。启用 Privacy Mode 后，语音聊天不会保留数据；在 iOS 上，一条 Siri 指令即可发起与新智能体的通话。使用时需要登录账户（通过 API 密钥开启的会话无法发起通话）；智能体没有正在执行的任务时，静默约 10 分钟后通话会自动挂断；此外还设有每日限额，但未公布具体数值。官方未提及价格；此前称为 Voice Mode 的语音听写仍是独立功能。

🔗 与智能体进行语音聊天（Cursor 更新日志） · 语音聊天文档

Amp 推出 Spaces，由智能体代替用户创建和协调会话线程

11月6日 — Amp 推出 Spaces：一个 space 是用户与单个智能体的对话，该智能体负责启动和协调其他智能体。用户无需再创建或整理自己的会话线程（threads）：space 中的智能体会负责处理。Amp 将其描述为一种在更高层面上与多个智能体协作的方式；经过数周内部使用，团队认为，这或许代表了未来与智能体交互的方式，既能掌握全局，也能深入细节。

文章列举了三个内部案例。Spaces 本身就是在名为“Spaces v1”的 space 中构建的，智能体将聊天中收到的反馈、漏洞和想法分配到不同线程。刘易斯通过一个 space 统筹 Service Accounts 的上线：部署、监测 X、Slack 和漏洞报告、修复问题，随后向受影响的用户发送邮件并办理退款。威尔则将定期安全审查交给一个 space：首次审查将代码库划分为 16 个区域，每个区域都在独立线程中审查，每项发现再由另一个线程核实，最后生成汇总文档。点击侧边栏 Spaces 区域中的 + 按钮即可开始；文章未提及价格或套餐。同一天，Amp 还新增了一个小组件，可将网站上的评论转化为智能体线程（见简讯）。

🔗 Spaces（Amp）

模型构建：Meta 使用 Muse Wonder 训练专用模型，Hugging Face 发布 MoE 训练指南

Meta 在 Muse 和 Meta AI 中部署使用 Muse Wonder 训练的专用模型

11月6日 — Meta 将其于10月12日推出的前沿模型 Muse Wonder 的能力引入 Muse 和 Meta AI：在这两款产品中部署了使用 Muse Wonder 训练的现有模型专用版本；文章未公布这些版本的名称、规模或权重。Muse Wonder 的两项能力被引入其中：主动记忆（Active Memory），旨在识别旧信息何时重新变得有用，并区分哪些信息仍然有效、哪些已经过时；主动专注（Active Focus），旨在让模型能够从受阻状态中恢复，或找到替代方案。对于 Meta AI，Meta 描述了一种能够将问题拆分为多个步骤、提出更精准追问的助手，但未提供相关数据。

Meta 内部指标	Muse 当前模型	上一代模型
个人超级智能指数	47 %	38 %
Active Memory 评估（有效利用关键上下文）	90 % 的任务	76 %
Muse 中遗忘关键信息的情况	缩减 2,4 倍	—
出现意外情况的日常任务	+67 %	—

以上均为 Meta 自行测得的数据，文章未公布评测方案。

🔗 Meta 关于 Muse 和 Meta AI 专用模型的研究文章

Hugging Face 发布《MoE 训练终极手册》，汇集 800 000 GPU 小时的实验经验

11月5日 — Hugging Face 发布《MoE 训练终极手册》，这是一份免费开放的混合专家模型（Mixture-of-Experts，MoE）训练指南，由努阿曼·塔齐、莱安德罗·冯·韦拉和托马斯·沃尔夫撰写。其出发点是：根据 Artificial Analysis 的榜单，排名前 20 的开放权重模型中，有 18 个是 MoE，包括 DeepSeek V4.1 Flash 1017、GLM-5.3 和 MiniMax-M3.1-Flash，但训练这些模型的经验仍集中在少数团队手中。

18 of the 20 best open models today are Mixture-of-Experts. Dense is basically over. And yet the know-how to train a good MoE still lives mostly in the heads of a handful of teams. So we spent 800k GPU hours running the experiments ourselves and wrote everything down.

🇨🇳 目前排名前 20 的开放模型中，有 18 个采用混合专家架构。稠密模型基本上已经走到尽头。然而，训练出优秀 MoE 的诀窍仍主要掌握在少数几个团队的脑中。于是，我们投入 800 000 GPU 小时亲自开展实验，并将所有经验都写了下来。 — @Thom_Wolf 在 X 上

这些实验在配备八张 H100 的 AWS P5 节点上运行；杰夫·布迪耶在一条被 Hugging Face 转发的推文中称，投入达 200 万美元。指南约有 70 000 词，包含 55 幅交互式图表和可运行代码，预计需要一到两天读完。内容围绕团队面临的实际问题展开：需要多少个专家、每个多大、是否共享；选择哪种路由器，以及为什么要让它保持 FP32；使用辅助损失，还是采用 DeepSeek 式无损失偏置来平衡负载；从稠密模型升级复用（upcycling），还是从零开始；为什么训练会慢 25 倍，而日志中却没有报错。最后一部分讨论推理服务：低精度专家、专家并行，以及注意力与 FFN 的分离。

🔗 《MoE 训练终极手册》（Hugging Face）

Perplexity 降低 Agent API 所有推理强度级别的成本，并称质量持平或提升

11月5日 — Perplexity 降低其 Agent API 所有现有推理强度级别（effort levels）的单次请求成本，并称搜索质量持平或提升；文章还详细介绍了同日开放、面向最广泛研究任务的 ultra 级别。推理强度级别是一套开箱即用的配置，为某类任务设定模型、步骤预算、搜索设置和工具。按名称调用某一级别的请求，无需修改代码即可获得更新；固定版本则会保留旧配置。公布的分数来自 BrowseComp 和 DSQA 这两个公开基准，以及 Perplexity 用于针对大量实体开展长程研究的内部基准 WANDR。

推理强度级别	公布的结果	公布的成本
medium	BrowseComp 和 DSQA 从 55 % 升至 77 %	降低近 90 %
high，启用 fetch_url 内容提取	88,0 %，未提取时为 83,5 %	每次请求 0,073 美元，此前为 0,094
xhigh	WANDR 保持 76,5 %	约为8月配置成本的 25 %
ultra	WANDR 达 85,9 %，为所测最高分	每项任务 21,71 美元

ultra 级别会启动三个智能体，并行处理整项任务，再由第四个智能体汇总发现并撰写回答。文章详细介绍了几项优化手段：为步骤数和工具调用次数设定上限，并提醒剩余预算（在一项 BrowseComp 任务中，收到提醒的智能体在 40 步预算内用 13 步找到答案，另一个则耗尽 40 步仍未找到）；由更小的模型仅保留网页中的有用段落（从 5 561 个词元缩减至 293 个）；按需加载技能，因为全部预加载会使成本增加 13 %；以及通过评估循环，仅在新模型能以相同或更低成本取得更好结果时才采用。文章未公布各级别的完整价目表。

🔗 Agent API 各推理强度级别的改进（Perplexity） · @perplexitydevs 的讨论串

Perplexity Computer 在后台总结长对话，并向所有 Projects 开放 Brain

11月6日 — Perplexity 发布了自10月19日以来的首份产品更新日志，共十六项；其中大多数重述了已公布的新功能，例如 Teammates、在 Mac 上完全本地运行的 Computer，以及语音模式，另有七项首次公布。在 Computer 中，新建的长对话会在后台总结历史记录（background compaction）：据 Perplexity 称，这能让长上下文中的持续工作减少 94 % 的停顿，每轮消耗的积分减少 7 %。修改由 Computer 创建的网站时，现在可以直接选择具体元素（标题、按钮、卡片、菜单），无需再画矩形框。

在 Projects 方面，作为 Project 记忆功能的 Brain 已在每个 Project 中免费启用，并每天根据其中的对话和文件更新；Project 信息面板和统一的设置面板也向所有用户开放。在 Enterprise 中，网页端的 @mentions 可将同事加入线程或 Computer 任务，基于角色的控制则在现有推理强度设置之外，新增速度上限（Normal 或 Fast）。用于审查界面层级、无障碍性、响应式表现（responsive）及设计系统一致性的 Impeccable 技能，也被加入官方列表。更新日志最后说明，Agent Plugins 已向个人套餐和自助式 Enterprise 开放，且从 Mac 应用 26.42.0 版本起，Computer 可完全在本地运行。日志中同样提及的推理强度级别成本下调，已在上一节详细介绍。

🔗 Perplexity 11月6日更新日志

语音：Gradium 的 Phonon 在设备端运行，ElevenLabs 让 Unity 角色开口说话

Gradium 详解 Phonon：开放权重的设备端语音合成模型

11月5日 — Gradium 在 Hugging Face 博客的一篇文章中介绍了两周前开放的 Phonon：这款语音合成模型完全在设备端运行，无需服务器或网络，适用于手机、浏览器标签页以及单板计算机。Phonon 提供两种大小的版本，约为 65 和 75 Mo，并支持电话号码、日期和代码的朗读。它内置 100 多种声音，用户还可在 Gradium Studio 中创建更多声音：在获得本人同意后，通过一段简短录音克隆声音，或通过文本描述生成，然后下载到本地运行。

Phonon 模型	支持的语言	使用许可
Phonon 31m	英语	Apache 2.0，可自由商用
Phonon 40m	英语、法语、德语、西班牙语、葡萄牙语	CC BY-NC，商业使用按用户数量收费

据 Gradium 称，在 Hugging Face 的 Open TTS Leaderboard 上，Phonon 的德语和西班牙语可懂度排名第一，并在每种受测语言中均进入前三，竞争对手的模型规模最高可达其 100 倍；在处理器流式输出基准中，它的首段音频延迟也处于领先。Gradium 称，两周内下载量已超过 200 000 次。其推理引擎 ptts 拥有十多个后端（处理器、通过 CUDA、Vulkan、Metal 或 WebGPU 使用的 GPU，以及 Core ML 和 Snapdragon 芯片），Transformers 自 v5.21 起已集成该引擎。

🔗 Phonon（Hugging Face 博客）

ElevenLabs 推出 Unity SDK，通过 ElevenAgents 为游戏角色赋予声音

11月5日 — ElevenLabs 为其语音智能体平台 ElevenAgents 发布 Unity SDK。它将游戏场景连接到在 ElevenLabs 控制面板中创建的智能体：玩家走近角色并开口说话，SDK 采集麦克风输入，通过 Unity 的 AudioSource 播放智能体语音，并通过 Conversation API 管理会话。声音可以从角色所在位置发出，其音量还能驱动嘴部动画；动态变量允许多个角色共享同一智能体，同时拥有不同情绪；上下文更新可在不中断智能体的情况下，通知它游戏事件，例如玩家拾取了一把钥匙；客户端工具则允许智能体触发游戏代码，例如开门。

目标平台	SDK 状态	使用的传输方式
编辑器和桌面端（macOS、Windows、Linux）	已支持	WebSocket
WebGL	已支持	WebSocket 或 WebRTC
iOS、Android、XR	测试版	WebSocket

安装通过 Unity 的 Package Manager 完成，从 ElevenLabs 的 git 仓库导入并固定在 v0.1.0（该版本于10月27日在 GitHub 发布，采用 MIT 许可）；官方称 GettingStarted 示例约十分钟即可上手。ElevenLabs 提醒，发布前应重新启用身份验证：必须由服务器提供短期有效的签名 URL，API 密钥绝不能出现在构建产物中。官方未公布专门的价格。

🔗 通过 ElevenAgents 为 Unity 中的 NPC 赋予声音（ElevenLabs） · elevenlabs/unity 仓库

Ai2 正式介绍 ToyBlocks，这是其用于研究机器人学习的首个 FoundationWorlds

11月6日 — Ai2 正式介绍 ToyBlocks，其代码和数据已于前一天上线。研究所将其纳入更广泛的基础世界（FoundationWorlds）框架：提供可控的模拟世界，自动生成任务和演示，并用指标持续跟踪机器人的行为，从而调整数据或模型、重放测试，并追溯失败原因。演示的生成无需遥操作，在单张 GPU 上最高可达到实时速度的 24 倍。首批结果涉及从模拟迁移到现实，以及前沿智能体的表现：

Ai2 公布的评估	取得的结果
ManiFlow 的原子技能，分别在模拟环境和真实机器人上	80,0 % 和 81,1 %
Molmo 2 + ManiFlow，分别在模拟环境和真实机器人上	55,5 %（200 次中 111 次）和 50,0 %（30 次中 15 次）
Claude Opus 5.5 通过 MCP 执行查找与拼写任务（search and spell）	63 % 得到解决或被正确判定为无法完成
默认、人工专家提供、学习获得的技能描述	成功率分别为 24 %、36 % 和 63 %
Claude Opus 5.5 执行经典规划	30 项堆叠任务全部完成，共 30 项

在查找与拼写任务中，一半场景无法完成，错误主要源于相似字母（13 %）或方向判断失误（15 %）。Ai2 表示，还需要更多真实机器人测试，才能获得统计上的置信度。用户可通过网页界面，借助 Claude 或其他前沿模型，以自然语言向机器人下达指令；配套的 allenai/agentic_robotics 仓库则以 Apache-2.0 许可发布了由 MCP 编排的智能体循环。

🔗 ToyBlocks（Ai2 在 Hugging Face 上的博客） · allenai/agentic_robotics 仓库

GitHub 推出 Copilot Verified Proficiency，基于 Copilot 实际使用情况评定技能等级

11月6日 — GitHub 重点介绍了 Copilot Verified Proficiency，这是 Microsoft 与 GitHub 共同推出的一种新型技能认证，与 Microsoft Pro Badge 关联。该认证无需考试，而是根据遥测数据，按照实际使用 Copilot 完成任务的广度、深度和持续性动态评定等级，而非依据活动量。评估涵盖五项技能：与人工智能协作、编写提示词、生成与验证代码、配置智能体、集成工具与上下文。目前开放初级、中级和熟练三个等级，高级和专家等级仍在开发中；达到熟练等级可获得可分享的 Pro Badge，若未能维持该等级，徽章将在六个月后失效，停止使用 Copilot 也会导致等级下降。

参与采取自愿加入的方式，结果默认保密，除非用户主动分享，否则雇主和组织均无法查看；评分标准和算法仍为专有。不支持 Enterprise Managed Users 账户以及启用数据驻留的 GitHub Enterprise Cloud 账户。目前的开放状态仍不明确：这个未标注日期的页面提供了等级计算入口，但其常见问题解答却称这是一项面向受邀合作伙伴的私有预览。

🔗 Copilot Verified Proficiency（GitHub Learn） · @github 在 X 上的公告

NVIDIA 公布开源 5G/6G 工具 Aerial 和 Sionna 的增长数据，并介绍五个研究项目

11月6日 — NVIDIA 将无线软件 Aerial 开源，使其与 Sionna 共同组成面向 6G 研究的工具套件。一年后，NVIDIA 在索马·韦拉尤萨姆署名的博文中总结了进展。据 NVIDIA 称，开发者对 AI Aerial 和 Sionna 的采用程度在一年内增至十倍，其开源 5G/6G 工具下载量已超过一百万次，使用这些工具的研究机构和大学超过 8 000 家。博文未发布任何产品，而是通过五个项目展示其应用：

研究团队	报告的结果	测量条件
伦敦国王学院	机器人任务执行时间最多缩短 52,6 %	使用精简的物体描述代替完整图像，并人为制造故障
SoftBank	在测试的 15 种设置下，上行吞吐量均有所提高，最大增幅约为 60 %	在 Aerial CUDA-Accelerated RAN 中使用神经网络接收器、商用 5G 智能手机以及受控干扰
苏黎世联邦理工学院	块错误率降低超过三分之一	根据本地测量数据调整接收器，并与选定的预训练版本比较
利兹大学	无线接入网能耗降低 45,6 %	提前 10 分钟预测基站休眠，并与全功率运行的基准比较
CTTC（加泰罗尼亚）	仿真时间从约 3 小时缩短至 10 至 20 分钟	初步评估，在开源仿真器 5G-LENA 中使用运行于 GPU 的信道模型

博文还链接了 GTC 华盛顿特区大会的 6G 开发者专场，并提醒读者，Aerial 和 Sionna 均已在 GitHub 上提供。

🔗 NVIDIA 开源工具如何帮助研究人员构建下一代 6G 网络（NVIDIA）

简讯

智能体与编程工具

Claude Code 云端会话 — 在 Pro、Max 和 Ultra 套餐中，Claude 会自行确定仓库所需的依赖项、网络访问权限和 API 密钥，并保存该环境供后续会话使用；据 @ClaudeDevs 称，密钥会被存储，但 Claude 无法查看。公告仅有一条推文，没有博文或文档。🔗 来源
Amp 反馈组件 — 添加一个脚本标签，再访问后缀为 ?amp 的页面地址，即可点击网站元素并编写指令：Amp 会在项目中开启一个对话，智能体随后在 orb 中的仓库副本上完成修改。仅限工作区项目使用，未公布价格。🔗 来源
Gemini CLI — 由于工作流失败，11月5日和6日均未发布每夜构建版本，但 Gemini CLI 在6日向 main 合并了约十二次提交：在独立的 theme.json 文件中配置配色主题、在 /model 中验证模型名称，以及解决 ACP 模式下配额等待长达数小时和网络静默阻塞的问题。这些改动均尚未进入发布版本。🔗 来源
Qwen Code v0.26.9 — 可通过 ZIP 压缩包安装技能，支持 Web Shell、守护进程或 TypeScript SDK；一次请求最多可启用或禁用 100 项技能；Managed Agent 自动化默认启用，图像输入支持扩展至 Llama 4、Pixtral 和 Mistral Small。没有破坏性变更。🔗 来源
Kimi Code 2.5.2 — 包含三项修复：MCP 工具定义发生变化时出现重复的工具声明、会话期间引导消息被错误地排入队列，以及通过 HTTP 提供网页界面时的项目创建问题。🔗 来源
ZCode v3.17.2 — 11月4日，Z.ai 的编程工作区在未发布版本说明的情况下，改为通过限制在文件所在目录内的 zcode-html:// 地址，在内置浏览器中预览本地 HTML 文件：Electron 默认允许 file:// 页面读取其他文件。🔗 来源
编程智能体集群 — 托尼·齐总结了同一系列编程智能体在七台机器上运行 103 天的情况：协调协议即使满足所有安全不变量，也仍可能被弃用。他公布了不依赖 LLM 的共识引擎 claw-consensus，以及显示其使用量骤降的遥测数据。🔗 来源

API、平台与安全

GPT-Live 呼出电话 — 11月2日，OpenAI 向所有组织开放了通过 Live API 使用 SIP 发起 GPT-Live 呼出电话的功能：号码须采用 E.164 格式，使用运营商中继、TLS 信令和 SRTP 音频，响铃最长 3 分钟，通话最长 2 小时；未公布价格。🔗 来源
OpenAI Agents API — OpenAI 产品负责人迈克尔·罗总结了十月的进展，其中大部分此前已报道，并提供五项可申请试用的测试功能：跨会话记忆、智能体访问 Decisions API、以美元计的预算上限、环境池以及 v2 架构。🔗 来源
gemini-embedding-2-preview — Gemini API 弃用该模型：自11月6日起，其请求将被路由至 gemini-embedding-2，按 Gemini Embedding 2 的价格计费，数据结构和嵌入空间保持一致；只需更改模型名称，无需重建索引。🔗 来源
Copilot 使用指标 — API 现在可按仓库追踪开发者已处理的 Copilot code review 评论比例，并按严重程度、审查级别和评论类型细分，同时标记未提供遥测数据，或所用 IDE 和扩展低于最低版本要求的用户。🔗 来源
OpenAI 与 Hacktron — OpenAI 与通过自身漏洞赏金计划结识的 Hacktron 合作，查找自有系统中的漏洞，尤其关注与第三方服务的交互，并通过 Daybreak Red 扩大其对前沿模型的访问权限；未披露金额。🔗 来源
Transformers v5.22.2 — Hugging Face 发布的中间修补版本强化了 Jinja 沙箱，并改为仅针对 NCCL 设置 device_id；版本说明未提及任何安全公告。🔗 来源

企业与教育

澳大利亚大学 — 11月5日，OpenAI 详细介绍了与新南威尔士大学悉尼分校、悉尼大学、拉筹伯大学和阿德莱德大学的合作，其中向新南威尔士大学悉尼分校的 80 000 多名学生和教职员工提供 ChatGPT Edu；在 OpenAI 委托 Pureprofile 对 1 018 名学生开展的调查中，81 % 的受访者每周多次使用人工智能。🔗 来源
Cult.fit 与 Codex — 11月5日，OpenAI 的一项案例研究展示了这家印度连锁健身房如何统一采用 Codex 开展工程工作：非技术团队构建了 20 多个内部应用，每年节省超过 100 000 美元的软件费用，客户支持成本下降超过 50 %。🔗 来源
Merge 与 GPT-6 Astra — 11月5日，初创公司 Merge 介绍了一个基于 GPT-6 Astra、连接 Salesforce、Gong、Google Sheets 和 Gmail 的机器人，将客户晚宴的筹备时间从数十小时缩短至约 30 分钟；该公司举办的晚宴从第二季度的 8 场增至第三季度的 16 场。🔗 来源
Franklin Templeton — 11月5日，这家资产管理公司介绍了一个互联智能层，其中部分由 Codex 构建，为投资组合经理连接研究、风险、合规与交易工作；未披露成效数据。🔗 来源
Flipsnack 与 ChatGPT Ads — 11月5日，这份客户案例称，在每日预算不变的情况下，将五个美国广告活动的优化目标从点击转为转化后，注册量增加约 310 %，每次注册成本降低约 75 %。🔗 来源
Box 与 NVIDIA — 11月5日，在 BoxWorks 2026 上，Box 向 Box AI 的 Enterprise Advanced 客户开放 Nemotron 开放模型，首个为 Nemotron 3 Ultra；基于 Nemotron Retriever 构建的 Box Context Retrieval 预计于明年年初推出，据 Box 称，其搜索准确率可能提高 20 %，消耗的词元减少 90 %。🔗 来源

Google 应用

Gemini Notebook 抽认卡 — 卡片现已支持图像，可选计时器可用于测试回忆能力，移动应用还可安排学习提醒；未说明适用国家或套餐。🔗 来源
Google Forms 中的 Gemini — 在“回复”标签页中，Gemini 通过编写和执行 Python 代码分析回复，识别趋势和相关性，随后提出行动建议；面向符合条件的 Business、Enterprise、Education 套餐及 Google AI 订阅用户，已于11月2日开始在 Rapid Release 渠道推出，并将于11月19日在 Scheduled Release 渠道推出。🔗 来源

语音、音乐与图像

Open ASR Leaderboard — Hugging Face 的语音识别排行榜新增了 Liva AI 的两个私有测试集，分别为带埃及口音（1,34 小时）和尼日利亚口音（1,55 小时）的英语会话，并加入了受卡奇鲁同心圆模型启发的分类统计；未提供任何模型结果。🔗 来源
黎巴嫩方言 — 继11月5日的首篇之后，比拉勒·扎拉凯特在系列第二篇中，先构建了一个由三名母语者验证的黎巴嫩方言词库（429 个词条），再生成语音数据：需要修正的句子比例从 22 % 降至 4 %，低于预先设定的 5 % 阈值。🔗 来源
ElevenMusic 与 SoundCloud — ElevenLabs 将其音乐平台与 SoundCloud 连接：原创曲目可直接发布到艺术家的个人主页，并附带描述、流派和标签。SoundCloud Artist Pro 会员可免费使用 ElevenMusic 三个月，之后每月收费 9,99 美元，优惠有效期至2027年10月31日。🔗 来源
Ads Engine — ElevenLabs 新增可选人工审校服务，由 ElevenProductions 的语言学家、本地化专业人员和内部创意专家，对视觉素材、Google Search 广告和配音视频进行审校；需通过销售团队申请，未公布价格或交付时间。🔗 来源
Suno 的 Daily Song Challenge — iOS 和 Android 应用每天提供一个歌曲创作提示，可在生成前修改，并将歌曲整理到资料库日历中，所有套餐均可使用。🔗 来源
Runway 与 GPT Image 2.6 — Runway 新增 OpenAI 的图像模型，称其速度提升 50 %，支持 GIF、SVG 导出，以及保持角色和产品一致性的图像编辑；未说明具体模型变体或积分费用。🔗 来源

研究、机器人与模型

科学模型 — Anthropic 的 Science 博客发布了 ELLIS 图宾根研究所的雅各布·马克、丹尼尔·格东和斯特凡·瓦尔撰写的客座文章，讨论人工智能如何构建、约束和解释科学模型，涵盖从霍奇金—赫胥黎模型到基于仿真的推断。🔗 来源
SuperCLUE 排行榜 — VIDRAFT 的一篇社区博文转述了十一月的排行榜（19 个模型）：GPT-6.1-Sol 在智能体编程方面领先（69,23），DeepSeek-V4.1-Flash-1017 在开放模型中位居该项第一（65,38），而 Kimi-K3.1-Pro 在开放模型中的综合得分最高。🔗 来源
LingYu Robotics — 该公司发布了 139,4 小时、13 263 段成功完成任务的双臂遥操作数据，从机器人视角拍摄，覆盖 15 类任务，采用 LeRobot 格式，并以非商业许可证授权。🔗 来源
Egocentric-EMG-Force — 哈普里特·萨霍塔将 8 段、共 38,2 分钟由深度摄像头拍摄的家务任务数据转换为适用于 FiftyOne 的格式，两个手腕各佩戴一个 EMG 手环，用于记录前臂肌肉信号。🔗 来源
Qwen 预告 — Qwen 官方账户发布了一条简短而神秘的消息，附图中的中文文字将一个名称留空，未提供模型名称、日期或链接；该消息当天的浏览量已超过 130 万次。🔗 来源

这意味着什么

人工智能正进入有监督、可量化的研究阶段。Google DeepMind 的智能体在人工监督下，与 Inria 的研究人员合作，在隔离模拟环境中研究了一个已退役的 1024 位 RSA 实例和一把已破解的基准密钥：理论上约 1 600 倍的提速并不威胁 2048 位密钥，但它提醒我们，关于计算难度的假设从来不能视为定论。BioBasicsBench 和 TCSExam 也遵循同样的严谨原则：OpenAI 主动公布了 GPT-6 Astra 的错误，包括一次高估约 12 % 的菌落计数；TCSExam 则通过 Lean 内核或可执行验证器核验每项任务，没有任何尚未解决的猜想因此被攻克。Frontier Model Forum 将同样的逻辑用于风险管理，以一套通用评估标准决定优先修复哪些网络安全越狱问题。

模型周边的系统越来越决定着智能体的成败。在 Anthropic，一条关于月见山的错误笔记就会让 Pokémon 游戏进程停滞，直到 dreaming 机制将其修正，而持续维护的维基可以让每个问题节省约 20 000 个词元。在 Google，一条陈旧的 TODO 就足以让智能体偏离任务：一次未经要求的绕行会使会话的步骤增加 70 %、词元用量增加 77 %、等待时间增加 105 %，以至于 Google 已经派出智能体清理其代码库。执行框架适配器通过训练解决这个问题，为每个执行框架配备一个 LoRA，在准确率相同的情况下减少工具调用；Perplexity 采用的手段也属于同一类：预算提醒、网页内容提取、按需加载技能。

代码智能体的交互界面正在变化。人们可以通过语音与它们交流，Cursor 的语音聊天将负责聆听的智能体与负责编码的智能体分开；也可以把组织工作交给它们，Amp 的一个 space 会自行创建讨论线程，甚至将一次安全审查拆分为 16 个区域；还可以将它们接入各种工具，因为 ACP 让 Antigravity CLI 成为任何兼容编辑器都能使用的智能体，并可调用账户中的所有模型。与此同时，版本迭代节奏也在加快（Claude Code 2.1.319 有 146 条更新，Copilot CLI 1.0.106 有 637 条，Codex CLI 0.167.0 有 120 个 PR），对智能体操作权限的控制也更加精细，从 Claude Code 无需询问即可拒绝执行，到 Codex 的 prompt-user 规则。

成本和使用门槛也在变化。Perplexity 将 medium 级别的成本降低近 90 %，同时使其表现从 55 % 提升至 77 %，并在每个 Project 中免费启用 Brain。Phonon 在设备端运行语音合成，无需服务器，模型大小约为 65 和 75 MB，其中一个英语版本采用 Apache 2.0 许可证。Meta 将 Muse Wonder 的能力融入专门模型，并将这些模型部署给 Muse 和 Meta AI 用户；Hugging Face 则免费公开了以 800 000 GPU 小时积累的 MoE 训练经验。