Meta 推出 Muse Wonder，NVIDIA 开放 Vera Rubin 机架设计，Anthropic 衡量小型模型的自主复制能力

Meta 推出 Muse Wonder 和 Muse Wonder Full，这是其迄今性能最强、面向智能体任务设计的模型：前者可通过 Meta Model API 和 Muse Code 使用，输入价格为每百万 tokens 4 美元；后者仅供 Muse Code 订阅用户使用，目前未宣布开放任何模型权重。在 OCP Global Summit 上，NVIDIA 向 Open Compute Project 提交 Vera Rubin 机架设计；与此同时，Anthropic 的前沿红队估计，小型模型可能只需再过几个月，就能自行将自身复制到联网设备上。编程方面，Artificial Analysis 将 Claude Opus 5.5 排在 FrontierCode 1.1 榜首，得分为 52,2 %；Google 则在当天聚焦医疗健康，从 Fitbit Edge 腕带到 AlphaProtein Novo 设计的酶。

Meta 推出 Muse Wonder 和 Muse Wonder Full，面向智能体任务的前沿模型

10 月 12 日 — Meta 发布 Muse Wonder 系列，包括 Muse Wonder 和 Muse Wonder Full，并称它们是其迄今性能最强的模型：两款面向个人及专业智能体任务设计的前沿模型（frontier models）。Muse Wonder 现已可通过 Meta Model API 和 Muse Code 使用；Muse Wonder Full 仅供 Muse Code 订阅用户使用。Muse Wonder 将“很快”为个人助理 Muse 提供支持，并首先面向订阅用户开放。

在全面重构人工智能研发工作十四个月后，继 9 月 2 日发布 Muse Spark 1.3 之后，Meta 将此次发布称为其逐级扩展路径（scaling ladder）的“下一步”。这两款模型均在其吉瓦级数据中心 Prometheus 中训练，基于“更大、更强”的基础模型，但具体规模未公布。Meta 重点介绍了两项能力：主动记忆（Active Memory），可在不同对话之间保留重要上下文；主动专注（Active Focus），促使模型在遇到阻碍时改变方法、请求澄清，并在执行重要操作前进行核查。

评测结果仅出现在文章中的一张图片里：这是由 Meta 测量的表格，所有模型均使用 max 设置。在 14 项指标中，有 7 项由某款 Muse Wonder 模型领先，其中首先是 Meta 内部的 Personal Superintelligence Index。不过，Claude Opus 5.5 仍在 6 项指标上领先，包括 Artificial Analysis Index；GPT-6 Astra 则在 GDP.pdf 上领先。

Benchmark（节选，Meta 在 max 设置下测量）	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index（Meta 内部指数）	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

模型版本	提供的访问方式	公布的价格
muse-wonder-1.0	Meta Model API 和 Muse Code，1M tokens 上下文	每百万 tokens：输入 4 美元，缓存输入 0,20 美元，输出 20 美元
muse-wonder-full-1.0	仅限 Muse Code 订阅用户，1M tokens 上下文	Power Usage 订阅（每月 50 美元）和 Maximum Usage 订阅（每月 200 美元）

安全方面，Meta 声称，其针对化学、生物、放射性和核（CBRN）滥用以及网络滥用的防护措施是迄今最强的，同时仍允许用户为防御用途使用先进的网络安全能力。Meta 将 Muse Wonder 描述为其迄今对齐程度最高的模型，并承诺“很快”发布完整报告，包含更多安全评估。

🔗 Meta 研究文章 · 模型页面及价格

OCP Global Summit：NVIDIA 提交 Vera Rubin 机架设计，Meta 采用 Spectrum-6

10 月 12 日 — 在圣何塞举行的 OCP Global Summit 开幕之际，NVIDIA 通过其开放架构 MGX，向 Open Compute Project（OCP）提交 Vera Rubin 的关键机架（rack）和计算托盘（compute tray）设计。其公开目标是为制造商提供建设下一代人工智能工厂的共同基础。MGX 1.2 规范新增机架级盲插（blind-mate）液冷、5 000 A 液冷母排（busbar）、无风扇计算托盘，以及功率最高达 250 kW 的机架。NVIDIA 还发布了 Vera CPU 机架规范，面向智能体工作，包括工具调用、编排和沙盒执行；它与 Vera Rubin NVL72 配套，后者仍是训练和推理的基础。

软件方面，其人工智能工厂平台的运行管理层 DSX OS 新增四个源于 DGX Cloud 运营实践的开源组件，其中包括在训练前对 GPU 集群进行负载测试的 Cluster Readiness Engine，以及 Cluster API Provider。NVIDIA 表示，后者可让集群“在数小时内而非数天内”准备就绪。

NVIDIA 负责超大规模计算和 HPC 的副总裁伊恩·巴克在介绍这些贡献的同时，还公布了一系列合作伙伴消息。其中最具体的是 Meta 采用 Spectrum-6 Ethernet 交换机：其 N-IceCube 交换机将部署在液冷网络机架 IcePack 中，并运行其开源网络操作系统 FBOSS。

峰会上公布的消息	提及的合作伙伴	公布的关键内容
MGX 1.2 和 Vera CPU 机架	OCP 社区	5 000 A 母排，机架功率最高达 250 kW
DSX OS 开源组件	NVIDIA 项目	四个源于 DGX Cloud 的工具
Open Data Center Specification v0.7	AMD, Google, Meta	人工智能工厂建筑的共同设计
OCP Grid Resilience Specification	Google, Meta, Microsoft	电网发生扰动后，不到 2 s 即恢复至接近满载
800 VDC 的 K-1 平台	Visionbay, Vertiv	面向未来 Vera Rubin 部署设计
Meta 采用 Spectrum-6	Meta	102,4 Tb/s，最多 8 个网络平面，超过 100 000 个 GPU
Falcon Transport 协议	Google	未来的 ConnectX-10 SuperNIC 和 BlueField DPU
USFP 光模块规格	Cisco, TE Connectivity, Amphenol	每通道 400 Gb/s（详见下文）

这些消息均未附带价格或上市日期。黄仁勋将于 10 月 21 日星期三在 GTC Berlin 发表主题演讲。

🔗 NVIDIA 关于 OCP Global Summit 的文章

USFP：NVIDIA 和 Cisco 筹备每通道 400 Gb/s 的可插拔光模块

10 月 12 日 — 在这些消息中，NVIDIA 和 Cisco 介绍了其 USFP（Ultra-Dense Small Form Factor Pluggable）规格项目。这是一种可插拔光模块，NVIDIA 称其是首款专为每通道 400 Gb/s 电信号设计的模块。计划中的首批收发器（transceivers）将在接近 OSFP 的尺寸内集成 16 条双向（full-duplex）通道，同时适用于交换机和 SuperNIC，总带宽最高达 12,8 Tb/s，并可扩展至 32 条或更多通道。与目前每通道 200 Gb/s 的模块相比，NVIDIA 宣称其前面板带宽密度达到四倍，能效约为 1,3 倍；该模块无需内置专用冷却装置，即可散去最高 100 W 的热量。其目标是在不增加网络层级的情况下，连接更多 1,6 Tb/s 端点。TE Connectivity 和 Amphenol 正在筹备笼式外壳、连接器和模块，但目前仍处于项目阶段：公告未提供日期或价格。

🔗 NVIDIA 和 Cisco 的公告

Anthropic 前沿红队衡量小型模型在联网设备上的自我复制能力

10 月 12 日 — 在威廉·周和丹尼尔·弗里曼署名的一项研究中，Anthropic 前沿红队估计，小型模型可能只需再过几个月，就能自行将自身复制到防护薄弱的联网设备上。该团队将 Gemma4-26B-A4B 分布式部署在 15 台无品牌 Android TV 盒子上，每台购入价约为 55 美元：模型在这些设备上的运行速度为每秒 0,39 token。

一款 9B 模型成功在测试的 9 类硬件中的 8 类上启动推理。在由 8 台模拟 Android 机器组成的隔离网络中，只有 GLM-5.2 完成了端到端复制，5 次试验中有 4 次覆盖全部 8 个节点；由于入侵过程被刻意设置得极为简单，Anthropic 将这一结果视为上限估计。按照 30B 或更小的开放模型的进步速度，小型模型可能在 2026 年底前达到这一水平，但团队也承认这一估计相当粗略。

这样的蠕虫运行速度会很慢，即使覆盖超过 2 百万台设备，总算力最多也只相当于约 40 张 H100，但它能够适应：通过继承上一代的笔记，Qwen3.5-9B 在六代内将成功率从 45 % 提升至 61-84 %。目前尚不存在完整、失控的自我复制程序；防御方面，研究指出，在应对 Mirai 僵尸网络（botnet）时，互联网服务提供商曾通过隔离受感染用户，在 14 天内清除了 92 % 的感染。

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇨🇳 与 2024 年的编程智能体类似，我们在人工智能蠕虫中看到了生命迹象。 — Anthropic 前沿红队，研究文章

编程智能体：Artificial Analysis 发布 FrontierCode 1.1 排名，Amp 监听 GitHub，LightOn 推出 ColGrep-Agent-2B

一份独立排名衡量编程智能体实际产出的成果，而 Amp 和 LightOn 则着力于周边工作：跟进 pull requests 和搜索代码。

FrontierCode 1.1：Artificial Analysis 将 Claude Opus 5.5 排在首位，得分为 52,2 %

10 月 12 日 — Artificial Analysis 发布了自己的 FrontierCode 1.1 排名。这项 Benchmark 由 Cognition 与开源项目维护者共同构建：它检查维护者是否会合并智能体提出的改动，而不仅仅是改动能否通过测试，并对过度或超出范围的改动扣分。Artificial Analysis 使用其开源测试框架 Stirrup 运行主集（Main），即 150 项任务中的 100 项私有任务，每项任务尝试三次；任何未通过阻断性检查的尝试都记为零分。

Leading models still fail more than 40% of the time

🇨🇳 最优秀的模型仍有超过 40 % 的尝试以失败告终。 — X 上的 @ArtificialAnlys

Claude Opus 5.5 仅在 58 % 的尝试中通过阻断性检查，而在 100 项任务中，有 9 项未被参与评测的任何一款模型完成，参评模型共 22 款。小米的 MiMo-V2.6-Pro 是排名最高的开放权重模型，得分为 45 %。成本差距远大于得分差距：

参评模型（设置）	FrontierCode 1.1 得分	每项任务成本
Claude Opus 5.5（max，带回退）	52,2 %	10,15 美元
GPT-6.1 Sol (max)	49,1 %	0,81 美元
Claude Fable 5.1（max，带回退）	49,0 %	12 美元
MiMo-V2.6-Pro	45,4 %	0,18 美元
GPT-6 Luna (max)	41,9 %	0,09 美元

据 Artificial Analysis 表示，GPT-6.1 Sol 因此以不到 Anthropic 最佳模型十分之一的单项任务成本，取得了与 Fable 5.1 相当的表现。这些得分不能与 Cognition 公布的 Devin 得分直接比较，后者通常使用其自己的测试框架，在 Extended 变体上测量。

🔗 Artificial Analysis 的 FrontierCode 排名

Amp 跟进其创建的 pull requests，并为每个 GitHub 工单或 PR 启动一个 orb

10 月 12 日 — Amp 现在会持续跟进自己创建的 pull requests：当智能体在 GitHub 上创建 PR 时，它可以订阅该 PR 的评论、评审以及最新一次 commit 的 CI 结果。检查失败或评审者提出的问题随后会进入同一会话线程，Amp 已在其中掌握上下文，可以作出回应。

这一功能基于被称为“一等公民”（first-class）的 GitHub Webhooks 集成：Amp 自行接收并处理事件，然后由用户或智能体选择将事件发送到同一个 orb，即运行 Amp 智能体的远程环境，或每次都发送到新建的 orb。因此，用户可以要求为仓库中的每个新工单（issue）或 PR 创建一个 orb，也可以将范围限定为特定标签（label）：每个 orb 会阅读工单、准备摘要，而后续评论会回到同一会话线程。自 7 月 23 日起，orbs 就已能响应外部 webhooks；此次新增的是由 Amp 管理的专用 GitHub 集成，并在 Settings → MCP & Integrations → GitHub 中提供管理界面，用于修改或暂停每项订阅。只需在仓库中安装 Amp 的 GitHub 应用；文章未提及任何价格。

🔗 Amp 的文章

ColGrep-Agent-2B：LightOn 将 Claude Code 的代码搜索交给本地智能体

10 月 12 日 — LightOn 发布 ColGrep-Agent-2B，这是一款拥有 20 亿参数、采用 Apache-2.0 许可证的代码搜索智能体，在本地运行于代码智能体与代码仓库之间。收到问题后，它使用 LightOn 的多向量语义搜索引擎 ColGrep 进行搜索，阅读可能相关的文件，追踪引用，并返回路径、行号范围和代码：前沿模型无需再自行连续执行多轮探索。

在 Claude Code 中搭配 Sonnet 5.5，针对 13 个未出现在训练数据中的代码仓库里的 52 个搜索问题（624 次会话），与 grep 相比，它将 API token 用量减少了 34 %，将包含缓存的 API 成本降低了 40 %，且准确率没有统计显著差异。LightOn 强调，这项测量针对代码搜索，而非端到端任务。该模型基于 MiniCPM5-2B 微调，可通过 brew install lightonai/tap/colgrep && colgrep --install-agent 安装，该命令会下载约 2,5 GB 的 GGUF 版本；无需 Python 环境、推理服务器或 API 密钥，在 M3 Pro 上约二十秒即可返回结果。

🔗 LightOn 在 Hugging Face 上的文章

Google 的健康进展：Health Guardian 与 Fitbit Edge 手环，AlphaProtein Novo 设计全新酶

Google 当天聚焦健康领域：一方面为 Google Health 和 Fitbit 推出面向大众的功能，另一方面总结研究进展，重点介绍 Google DeepMind 一项此前鲜为人知的工作。

Google Health：Health Guardian、超过 100 种活动识别及 Fitbit Edge 手环

10 月 12 日 — Google Health 通过一系列文章集中发布秋季更新。Health Guardian 在后台监测健康状况的缓慢变化，例如血压和胰岛素抵抗；订阅 Google Health Premium 后，应用内的健康教练 Health Coach 可以帮助解读这些变化，并整理供医生参考的背景信息。据 Google 称，运动自动识别基于上下文推理（上下文推理），准确率提升至原来的近 2 倍。

已公布的新功能	量化详情	已公布的推出时间
Health Guardian	血压和胰岛素抵抗趋势、月度报告	本月稍晚向 Fitbit Air 和 Fitbit Edge 的 Premium 订阅用户推出
活动自动识别	从 10 种增至超过 100 种活动，漏识别的运动次数减少一半以上	本月稍晚在 Fitbit Air、Fitbit Edge 和 Pixel Watch 3 至 5 上推出
Fitbit Edge 手环	179,99 美元、11,5 mm、续航最长 7 天、电池可更换	已开放预订，10 月 27 日上架
与 Flo Health 合作	同步经期数据，Flo 每月女性用户超过 80 百万	明年年初

Fitbit Edge 被定位为腕上的 Health Coach 窗口，是 Google 首款可维修的活动追踪手环。此外还接入了 Abbott（Lingo 血糖传感器）、MyFitnessPal 和 Function Health。

🔗 Google Health 的新功能 · Fitbit Edge · 与 Flo Health 合作

Google 健康研究总结：AlphaProtein Novo 设计自然界中不存在的酶

10 月 12 日 — 约西·马蒂亚斯（Google Research）与普什米特·科利（Google DeepMind）总结了 Google 在健康领域的研究：五年内发表 90 篇经过同行评审的论文，获得超过 90 000 次引用，Google.org 在 2026 年向应用这些模型的团队提供了超过 6000 万美元资助。文章主要回顾已有成果，但重点介绍了 AlphaProtein Novo，这是 Google DeepMind 的一套机器学习处理流程（流水线），能够从零开始（从头设计）设计酶，无需以天然酶为起点。

在 10 月 5 日发表于 bioRxiv 的预印本中，研究团队与加州理工学院及匹兹堡大学合作，创造了全新的氮烯转移酶，用于合成药物中的关键结构哌啶，其选择性被团队称为前所未有；同时还设计了能够降解环境毒素 DEHP 的酶，即使在天然酶会变性的条件下也能发挥作用。文章还介绍了两个新应用：在巴塞罗那，全球健康研究所使用 AlphaFold 对 30 000 种化合物进行了针对查加斯病的虚拟筛选，发现了两种已获 FDA 批准、可能用于新适应证的药物；在儿童仁慈医院，DeepSomatic 从已完成测序的儿童白血病病例中发现了 10 个此前遗漏的突变。

🔗 Google 关于健康领域人工智能的总结 · bioRxiv 上的 AlphaProtein Novo 预印本

面向专业领域的模型：Z.ai 的法律模型 GLM-Legal 与 Fin 的客服模型 Apex 2.0

两家开发商均从现有模型出发，针对特定专业领域进行后训练，并公布了相关数据。

GLM-Legal：Z.ai 将 GLM-5.3-Flash 专门用于法律工作

10 月 12 日 — Z.ai 推出 GLM-Legal，这是一款基于 GLM-5.3-Flash 构建的法律模型，面向合同审查、证据分析和合规等实际工作流程。它先在扩充后的法律语料上进行中期训练（中期训练），再在数万个贴近现实的法律环境中通过强化学习进行后训练。在 Harvey 的法律智能体评测平台 Harvey LAB 上，该平台覆盖 24 个法律业务领域，GLM-Legal 的全部通过率（全部通过率）达到 19,2 %，比基础模型高出 12,5 个百分点。

在 Harvey LAB 上评测的模型	全部通过率（Z.ai 公布的数据）
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

文章正文仅列出了 GLM-Legal 的分数；其他分数来自公告推文中的图表。在 LegalBench 和 PLawBench（中国法律）上，Z.ai 声称其表现与顶尖闭源模型相当，但未公布分数。GLM-Legal 目前处于测试阶段：律师事务所、法律软件开发商（法律科技）、企业法务部门和独立法律从业者均可通过表单申请 API 访问权限，该模型也将“很快”登陆其桌面智能体平台 AutoClaw。目前尚未公布价格或开放模型权重。

🔗 Z.ai 关于 GLM-Legal 的文章 · Z.ai 在 X 上的公告

Apex 2.0 与 Apex Flash 2.0：Fin 基于 Nemotron 3 构建客服模型

10 月 7 日 — 客服人工智能智能体 Fin 推出了回答生成模型的新版本 Apex 2.0，这次基于 Nemotron 3 Super 构建；NVIDIA 于 10 月 12 日肯定了这一发布。与 Apex 1.0 一样，Fin 此前就称其在生产环境中的表现优于 Claude Sonnet 4.6，团队从开放权重的基础模型出发，通过自行开展的后训练进行适配：指令和偏好微调、调整奖励模型、提供针对性示例以决定直接回答还是请求澄清，以及消除缺乏依据的承诺。Fin 还表示，通过量化降低了部署成本，且没有可测量的质量损失。

Fin 的模型	NVIDIA 基础模型	相较于 1.0 版本公布的提升
Apex 2.0	Nemotron 3 Super	用户确认的问题解决量 +8,6 %，幻觉 -16,5 %
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	回答速度提升 24 %，幻觉 -46 %，支持 9 种语言，此前仅支持英语

Apex 2.0 已向 Fin 的全部客户提供服务，客户数量超过 12 000；文章未公布任何价格。

🔗 Fin 关于 Apex 2.0 的文章

模型训练与服务：QwenGyre、ReplaySSM 和 Transformers 的 /v1/systemone 接口

三项工作聚焦模型的软件基础设施：超长时程智能体训练、混合模型解码，以及决策模型服务。

QwenGyre：Qwen 为超长时程智能体的强化学习引入弹性调度

10 月 12 日 — Qwen 团队推出 QwenGyre，这是一套面向智能体的在线强化学习框架，智能体单次运行可能持续数小时，与环境进行数百次交互，每条生成轨迹（采样轨迹）的 token 数接近一百万。这带来两个问题：长时间生成期间 GPU 闲置，以及执行出现分支时产生冗余轨迹，例如上下文压缩、子智能体和重试。弹性调度器（Elastic Scheduler）在不中断执行的情况下，重新分配用于轨迹生成和训练的 GPU：速度最高达到 Colocate 方案的 1,85 倍和异步方案（Async）的 1,78 倍。轨迹处理器（Trajectory Processor）将分支历史整理成共享前缀的树，并去除重复内容。

应用于 Qwen3.8-2.4T-A95B、每条轨迹约 700 000 个 token 时，QwenGyre 在 48 个训练步骤内将 NL2RepoBench 成绩从 52,5 % 提升至 58,5 %；根据公告推文，与异步方案相比，端到端训练时间减少约 44 %。论文自 9 月 27 日起已发布在 arXiv 上；尚未公布代码仓库。

🔗 Qwen 在 X 上的公告 · arXiv 上的 QwenGyre 论文

ReplaySSM：NVIDIA 与 Dao AI Lab 加速混合模型解码

10 月 12 日 — NVIDIA 与普林斯顿大学的 Dao AI Lab 推出 ReplaySSM，这是一种在混合模型解码过程中存储 SSM 层状态的新方法。这类模型交替使用状态空间层与注意力层，包括 Nemotron 3、Qwen3.5 至 Qwen3.8、Kimi-K3 和 GLM-5.3-Flash。在生产环境的批量大小下，对于最长 100K token 的上下文，SSM 层对解码延迟的影响超过注意力层。ReplaySSM 用一个检查点和一个存放近期输入的小型缓冲区表示状态：每个 token 都会计算输出，但每 16 个 token 才将检查点重新写入内存一次，从而将占主导地位的内存流量减少约一半。

在 vLLM 中测量的配置	相较于 vLLM 公布的提升
解码步骤，批量大小为 1	无
SSM 内核，批量大小为 256	速度达到 1,46 至 1,80 倍
完整解码步骤，批量大小为 256	速度达到 1,20 至 1,47 倍
推测解码，批量大小为 512，120B 级模型	吞吐量分别达到 1,85 和 2,10 倍

据 NVIDIA 称，该技术已集成到 TensorRT-LLM、vLLM 和 FlashInfer，并已在 GLM-5.3-Flash 与 Kimi-K3 的生产环境中运行；论文发布在 arXiv 上，代码发布在 GitHub 上。

🔗 NVIDIA 关于 ReplaySSM 的技术文章 · arXiv 上的 ReplaySSM 论文

/v1/systemone：transformers serve 将 LLM 或 VLM 转变为决策模型

10 月 12 日 — Hugging Face 已将用于 transformers serve 的 /v1/systemone 接口合并到 Transformers 中，前者是该库内置的服务器。服务器根据模型的 logits 对一组可能的决策进行评分，而非生成回答：据利桑德尔称，所支持的 250 个 LLM 和 VLM 中的任何一个，都可以通过这种方式成为“类似 JEV”的决策模型，无需生成文本。马克·孙的 PR 49322 目前支持所有自回归模型，并新增了传递给服务器的 decision_config，因为每个决策模型都有各自的提示词格式和温度设置方式；马克·孙表示，Transformers 将“很快”实现决策模型的标准化。该功能尚未包含在任何已发布版本中，最新版本 v5.19.0 发布于 10 月 6 日。llama.cpp 自 10 月 2 日起就已支持提供这种格式的服务。

🔗 利桑德尔在 X 上的公告 · GitHub 上的 PR 49322

为智能体重新设计网页与文件：OpenAI 的 Browser Annotation API 与 Perplexity Projects 的 Git 托管平台

OpenAI 和 Perplexity 重新设计了网页和文件系统这两种熟悉的环境，让智能体能够从中获取更多上下文。

Browser Annotation API：网站可自定义 ChatGPT 浏览器的标注

10 月 12 日 — OpenAI Developers 介绍了 Browser Annotation API，相关说明见 ChatGPT Learn 的《标注扩展性》指南。无需修改代码，ChatGPT 桌面应用内置浏览器的标注模式就已能在任何网站上使用：选中页面的一部分，添加评论，然后将其作为上下文发送给 Codex 或 ChatGPT Work。该 API 通过安全页面（HTTPS 或 localhost）上的 document.oai.annotation 提供，允许网站决定哪些内容可以被选中、选区附带哪些上下文，以及哪些控件用于在发送前预览修改。

指南详细介绍了九种集成方式：卡片可以成为单个可选对象（oai-annotation-container、oai-annotatable），网站上的按钮可以打开带有建议评论的标注，自定义控件（registerControls()）可以预览间距设计令牌等内容，画布中绘制的对象也可以被选中。该指南适用于应用的 DevDay 2026 版本及后续版本；在 ChatGPT Enterprise 和 Edu 中，管理员必须允许这些自定义功能。标注与 WebMCP 网站工具相互补充，后者向 ChatGPT 提供可在网站上执行的操作。

🔗 @OpenAIDevs 的公告 · 标注扩展性指南

Perplexity Projects：以 Git 托管平台架构构建的智能体文件系统

10月12日 — Perplexity 发布了一篇工程博客，介绍 Projects 的文件系统。Projects 是 Perplexity Computer 的工作空间，供人类与智能体共同执行长期任务。每个智能体都在自己的沙箱中工作，并将更改提交到共享的 Git 仓库。系统由五个组件支撑：每个沙箱中的 CLI、控制平面、Git 服务、基于 AWS S3 的存储（S3Files），以及文档文本提取服务。服务只接受基于最新已接受 commit 的推送；否则，智能体会重新应用更改并再次推送，无需提出合并请求（pull request）。在文件密集型工作负载下慢约 400 倍的 FUSE 虚拟文件系统方案已被放弃。

Perplexity 公布的指标	公布的数值
生产环境中因过期而被拒绝的推送	低于 2 %
推送延迟中位数	低于 1,7 s
推送的 p99 延迟	低于 8 s
使用 grep 回答 150 个内部金融问题的正确率	0,627
使用索引语义搜索的回答正确率	约 0,37

这篇博客没有发布任何新产品：Projects 自七月起就已存在，Computer 的知识维基 Brain 也基于同一套基础设施。

🔗 Perplexity 工程博客

简讯

Copilot CLI 1.0.96 — 已转为稳定版，沿用了 10月9日和10日预览版中的九项更新，没有新增内容，包括在时间线中显示每次权限决策的作出者，以及不区分大小写的模型标识符。🔗 来源
GitHub 推送归属记录 — 面向 GitHub Enterprise 客户提供有限的公开预览，需申请开通。每个被推送的 commit 都会保留推送者经过身份验证的身份；规则集条件 Committer must match pusher 会阻止 committer 与该用户任何已验证电子邮件地址均不匹配的推送。🔗 来源
Copilot 应用入门 — GitHub Blog 系列的新一期展示了如何将项目规则放入仓库，让 Copilot 自行遵守：自定义指令、位于 .github/skills 中的智能体技能、自定义智能体，以及 Playwright 等 MCP 服务器；这是一篇教程，没有产品更新。🔗 来源
Zed 1.23.3 和 1.24.2 — 稳定版和预览版仅包含修复（Markdown 预览、编辑预测、远程项目选择器）、升级至 Node.js v24，以及针对智能体面板保存点（checkpoints）的可选遥测。🔗 来源
Codex Ambassadors — OpenAI 重新开放这一为期六个月的项目申请。参与者每月需贡献一次活动或内容，作为交换可获得 Pro 订阅、Codex 和 API 额度，以及对获批活动的支持；优先面向北美、中美洲、非洲、中东和东欧。🔗 来源
Hypha 使用 Decisions API 的表现 — Hypha 智能体工程负责人谢尔希·什乔霍利耶夫测得，OpenAI 的 Decisions API 在多标签分类中的 F1 为 98,1 %，而 GPT-6.1 Sol 智能体为 93,5 %，成本约为后者的七分之一，p90 延迟则为后者的 28 分之一；这些是客户提供的数据，未公布方法，由 @OpenAIDevs 转发。🔗 来源
Gemini 3.5 Flash 已弃用 — 补充 10月8日的消息：Gemini API 发布说明中的同一条更新也弃用了 gemini-3.5-flash，Google AI Studio 中已无法选择该模型；对它的请求会转发至 gemini-3.6-flash，尚未公布停用日期。🔗 来源
Kimi Work 3.2.16 — 维护版本：升级 PDF 预览引擎，内置浏览器不再被后台任务打断，并详细列出八项修复，包括附属讨论被发送两次的问题。🔗 来源
Genspark 服务故障 — 由于 Microsoft 某项服务发生故障，部分用户周一无法登录，Genspark 未透露具体服务名称；Genspark 宣布服务已于 UTC 16时20分恢复，并正在为受影响用户准备补偿。🔗 来源
TutorMoments — Ai2 用其人工智能辅导教师评估测试了近期模型：在提供明确指令的情况下，GPT-6 Astra 排名第一（适当提供学习支架得分 0,938，适当提出要求得分 0,915），领先于 Claude Sonnet 5.5 和 Claude Opus 5.5；新的探索工具可将这些模型的回答与人类辅导教师的回答进行比较。🔗 来源
UIBK-Embedding-v1 — 阿卜杜勒拉赫曼·阿卜杜拉以 Apache 2.0 许可证发布了一个拥有 179 百万参数的英语检索模型，在同一个编码器中结合稠密检索与后期交互检索（ColBERT）；他声称该模型在 BEIR 上的 nDCG@10 达到 59,79，是拥有完整官方 MTEB 结果、参数量低于十亿的模型中的最高分。🔗 来源
Sparseup-fr — 洛伊克·布尔杜瓦用法语复现了 Linkup 的 150 百万参数稀疏嵌入模型，在单张 RTX 6000 Pro 上训练约 55 小时：在清洗后的 NanoBEIR-fr 上取得 56,37 和 56,50，而英语版本为 52,40 和 51,66；据作者称，这是开放稀疏模型中的最新最佳水平。🔗 来源
Model Pulse — 塔尔德利·斯特克尔开发的社区工具逐日重建了自 2024年7月以来 Hub 上 1,64 百万个模型的下载量和点赞数，数据以约 1,15 十亿行 Parquet 发布，采用 Apache 2.0 许可证，并每日更新。🔗 来源
Hub 上的 contributor 权限 — Hugging Face 的细粒度访问令牌和服务账户令牌可获得 contributor 权限：它们可以创建仓库，但只能向自己创建的仓库写入，适用于 CI/CD 流水线、训练任务和智能体。🔗 来源
Microduck Arena — Pollen Robotics 开放了一个 Hugging Face Space，用户可通过强化学习训练其小型双足机器人的策略，再让它参加四项比赛，包括 2 m Sprint 和 Hill Climb，无需实体机器人。🔗 来源
Relight Studio — Luma 展示了这项功能，可改变已经制作成功的镜头中的光照方向，无需从头重做；推文未提供模型、价格或上线日期。🔗 来源
HeyGen Lessons — HeyGen 推出面向教育的方案：OpenAI 的 Dots 识别能吸引班级注意力的内容并调整课程，再由 HeyGen 的 MCP 使用教师的虚拟形象和声音将课程制作成视频；推文未提供链接、价格或日期。🔗 来源
房地产经纪人与他的虚拟形象 — 据 HeyGen 的案例研究，一名温哥华房地产经纪人的拍摄场地遭火灾毁坏后，使用自己的虚拟形象每天发布两条 Reels，并在十个月内将 Instagram 粉丝数增至原来的四倍。🔗 来源
x.ai 更名为 SpaceXSI — 10月12日扫描时发现，来源未提供公告或日期：x.ai 的首页、新闻和 API 文档（“SpaceXSI Docs”）如今都使用 SpaceXSI 品牌，连 Grok 4.7 的介绍页也已更改；10月10日，该网站仍显示 SpaceXAI。🔗 来源

这意味着什么

今天的数据让我们必须关注测量者是谁。Meta 以图片形式公布自行测得的结果，并将 Muse Wonder Full 排在自家指数的首位（59,1，Claude Opus 5.5 为 55,2）；但在同一张表的 Artificial Analysis Index 中，Opus 5.5 仍领先（58 对 56）。Z.ai 在推文图表中将 GLM-Legal 与竞品比较，声称在 LegalBench 上达到同等水平，却未公布分数；Fin 则将 Apex 2.0 与自家上一版本比较。FrontierCode 的独立排名让人重新看清实际水平：最好的模型也只达到 52,2 %，而从 GPT-6.1 Sol 每项任务 0,81 美元到 Opus 5.5 的 10,15 美元，成本差距成为与排名同样显眼的衡量标准。

在基础设施方面，性能提升来自芯片周边的各个环节。NVIDIA 对 OCP 的贡献涉及供电（功率高达 250 kW 的机架、5 000 A 母线，以及在电网扰动后不到两秒恢复到接近满载），也涉及网络，包括 Meta 使用的 102,4 Tb/s Spectrum-6，以及每通道 400 Gb/s 的 USFP。软件也遵循同样的思路：ReplaySSM 将 SSM 层的内存流量减少约一半，QwenGyre 则让原本等待长轨迹结束的 GPU 重新投入工作。NVIDIA 向 OCP 提交设计，并与 AMD、Google、Meta 和 Microsoft 共同签署标准，表明其目标是为制造商提供建设人工智能工厂的共同基础。

智能体正在获得专门为它们设计的环境。网页如今可以决定用户在 ChatGPT 浏览器中能选择哪些内容，以及随所选内容一起传给智能体的上下文；Perplexity 项目为每个智能体提供沙箱和共享 Git 仓库；Amp 则将智能体自身 pull request 的审查和 CI 结果带回其对话线程。探索方式也会影响结果：在 Perplexity，使用 grep 搜索工作副本的智能体取得了 0,627 的回答正确率，而语义搜索约为 0,37；在 LightOn，将搜索交给小型本地智能体，相比 grep 可减少 Claude Code 的 API tokens 消耗 34 %，且准确率没有显著下降。

Frontier Red Team 的研究揭示了这种自主性的另一面。让智能体发挥作用的能力，例如在陌生硬件上安装模型，或将笔记传给下一个智能体，也会让蠕虫具备适应能力：一个 9B 模型能在 9 种硬件中的 8 种上启动推理，而继承笔记可将成功率从 45 % 提高到 61-84 %。Anthropic 尚未描述任何完整的自我复制程序，并寄希望于接入服务提供商的监控，使每台受感染设备平均感染的其他设备少于一台。Meta 则声称 Muse Wonder 拥有其针对网络和 CBRN 滥用最强的防护措施，但完整安全报告仍待发布。