Grok Voice 3.0 领跑语音模型，Gemini 4 Argon 公布首批科学研究结果，Claude Code 押注并行会话

SpaceXSI 推出 Grok Voice 3.0，登上 Artificial Analysis 的 Speech-to-Speech 指数榜首，价格仍为每分钟 0,08 美元。在 Gemini 4 Argon 正式全面开放的次日，Google 展示了它在量子计算、机器人和包含 205 000 行 Python 代码的项目中的表现；与此同时，Anthropic 围绕并行会话重新设计 Claude Code 桌面应用，并在一天内发布了两个工具版本。Meta 发布了十篇借助其 Muse 模型开展的医学研究手稿，NVIDIA 承诺提供价值 2.5 亿美元的计算资源，支持英国的智能体安全研究，OpenAI 则表示在其一处办公室发现了隐藏的录音设备。

Grok Voice 3.0：SpaceXSI 登上 Speech-to-Speech 指数榜首，价格仍为每分钟 0,08 美元

10 月 14 日 — SpaceXSI，即原 xAI，推出端到端语音模型（语音到语音）Grok Voice 3.0，并称其为市场上最智能的语音模型。模型 grok-voice-3.0 当天即在 Voice Agent API 和 Voice Agent Builder 中上线，沿用 Grok Voice 2.0 的价格：每分钟 0,08 美元，即每小时 4,80 美元。调用别名 grok-voice-latest 的智能体已完成切换，无需修改，仍使用相同的端点和会话参数。Grok Voice 2.0 于同日被弃用，但尚未公布停止服务日期。

评测基准（Artificial Analysis，10 月 13 日）	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech 指数	86,9	81,3	83,2	82,6
Big Bench Audio（语音推理）	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena（Elo，人类偏好）	1 070	1 011	1 048	990
任务成功率	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench（停顿、话轮）	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice（客服通话）	71,6 %	56,5 %	74,5 %	68,6 %

这些由 Artificial Analysis 于 10 月 13 日发布的测量结果，正是 SpaceXSI 引用的数据。Speech-to-Speech 指数综合了语音推理、τ-Voice、人类偏好，以及盲测对比通话中的任务成功率。Grok Voice 3.0 在该指数中排名第一，但并非所有项目都领先：在包含不同口音、背景噪声和打断情况的客服通话测试 τ-Voice 中，其 71,6 % 的成绩仍低于 GPT-Live-1 的 74,5 %；SpaceXSI 认为两者水平相当，而前者的延迟低了 40 %。据 SpaceXSI 称，在 ServiceNow 面向企业语音智能体的开源测试基准 EVA-Bench 中，该模型取得了最高的准确率 74 %；该基准包含 200 多个场景。价格也是其卖点：在 Big Bench Audio 测试中，使用 Grok Voice 3.0 完成一项任务的平均成本为 0,025 美元，GPT-Live-1 为 0,030 美元，OpenAI 的 GPT-Realtime-2.1 则为 0,055 美元。

该模型已在 Tesla 和 SpaceX 大规模运行：它每天在 Tesla 汽车中处理数百万次对话，并为 Grok Bot 的语音模式提供支持。在 Starlink 呼叫中心，它每天以多种语言接听 20 000 通电话：约 70 % 无需人工介入即可解决，每四通销售电话中就有一通在通话结束前达成购买。早在 8 月 24 日，Grok Voice Think Fast 2.0 就已领跑该指数，当时它每天处理 15 000 通 Starlink 电话。

🔗 Grok Voice 3.0（SpaceXSI 博文） · @SpaceXSI 的公告 · API 版本说明

Gemini 4 Argon 接受检验：首批科学研究结果、机器人与代码优化

在 Gemini 4 Argon 正式全面开放的次日，Google 记录了它在三个领域的应用：科学研究、机器人，以及大型 Python 代码仓库的优化。两篇开发者博客文章发表于发布当天；研究人员的系列帖文则由 Google DeepMind 于 14 日汇总。

首批科学研究结果：量子计算、聚变与酶设计

10 月 14 日 — Google DeepMind 在一组系列帖文中汇总了研究人员借助 Argon 取得的首批结果，各项结果均由其作者于前一天详细介绍。

研究领域	宣称借助 Argon 取得的结果
量子纠错	AlphaQubit 解码器的推理吞吐量接近翻倍
量子算法	arcsin 子程序的成本比 quantum CORDIC 低 100 倍以上，已使用 Lean 验证
等离子体物理	发现格拉德猜想的 2 类新反例
酶设计	5 种全新丝氨酸酯酶（序列一致性为 59 至 81 %），活性已在实验室确认
罕见病（Gamow Labs）	在两项非公开评测 RareBench 和 LabBench 中分别取得 57 % 和 52,2 % 的成绩

在量子计算领域，本·杰德伯格及其团队与 Google Quantum AI 合作，让 Argon 将 Google 的量子纠错解码器 AlphaQubit 的一个内部版本转换为单个经过优化的硬件内核（超大内核），使其推理吞吐量接近翻倍。对于必须实时处理量子处理器测量数据的解码器而言，这一提升很有价值。

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇨🇳 其次，我们利用 Argon 发现了一种量子反正弦子程序，与已发表的基准方案 quantum CORDIC 相比，其时空成本降低了 100 倍以上。 — @benjaderberg 在 X 上

这一成本是量子比特数量与执行时长的乘积，相关电路已使用 Lean 完成形式化验证。在等离子体物理领域，奥帕尔·伊桑宣布发现了格拉德猜想的两类反例；该猜想自 1967 年起一直认为，某些三维磁平衡不可能存在。她的系列帖文称这些反例是借助 Argon 找到的，但 10 月 5 日提交至 arXiv 的论文摘要并未提及该模型。在生物学领域，瑞安·克鲁格介绍了通过几轮提示词交互设计出的丝氨酸酯酶：Argon 汇集了数据，微调了蛋白质语言模型，并构建了自己的活性位点筛选器。发布博文还补充了 Gamow Labs 的案例：Argon 在一名新生儿的基因组中识别出染色体重排，而常规软件多年来一直未能发现这一问题。

🔗 Google DeepMind 的系列帖文 · 格拉德猜想相关论文（arXiv） · Argon 发布博文

机器人：从人形机器人 Apollo 投沙包，到将真实环境成功率从 56 % 提升至 75 %

10 月 13 日 — 发布当天，Google 开发者博客刊登了卡尼什卡·拉奥撰写的长文，介绍 Argon 在机器人领域的应用，并附上每项演示的提示词。发布博文选取了其中最直观的一项内部测试：仅以一段人类玩投沙包游戏的视频为起点，这种游戏需要将沙包投向一块带孔的木板，Argon 就绘制出环境地图、计算全身动作，并编写了自己的仿真程序；将其迁移至 Apptronik 的人形机器人 Apollo 后，机器人在真实环境中连续七次投掷成功。Google 将这一从视频到仿真再到现实的流程（视频到仿真再到现实）概括为：把数周的人工建模工作缩短至数小时。

卡尼什卡·拉奥的博文还列举了其他演示：Boston Dynamics 的 Spot 先在 MuJoCo 数字孪生环境中训练，再踩下真实垃圾桶的踏板；根据视线高度拍摄的视频或纸上草图重建仿真环境；两个机械臂仅凭立体视觉引导，通过三次称重解决 12 球谜题。最易量化的结果来自训练：Argon 仅根据一张真实桌面的照片，就构建出 MuJoCo 数字孪生环境，生成超过 4 500 个训练回合，使视觉—语言—动作模型（VLA）在真实机器人上的成功率从 56 % 提升至 75 %，执行时长则从 35 秒缩短至 24 秒。一台 SO-101 机械臂也通过自主改进，将执行时长从 58,9 秒降至 22,9 秒，再降至 17,4 秒。

🔗 Gemini 4 Argon 在机器人领域的应用（Google Developers）

ADK：通宵处理 205 000 行 Python 代码，工作十一小时，六项优化中两项获采纳

10 月 13 日 — Google Cloud 工程师交给 Argon 一项比从零创建应用更具挑战性的任务：找出并修复 Agent Development Kit（ADK）的 Python 代码仓库中的性能瓶颈。ADK 是 Google 用于构建智能体的开源框架，其代码仓库约有 205 000 行代码、近 800 个文件，以及近 17 000 项单元测试。

ADK 运行指标	公布的结果
无人值守的夜间工作时长	11 小时
重新运行的单元测试	16 892
提出并最终采纳的优化	提出 6 项，采纳 2 项
内存中长会话的准备耗时	减少约 40 %
google.adk 软件包导入	加快 21 %
完整执行 158 个交互轮次	从 65,6 s 降至 56,1 s

第一次尝试持续两小时，未提供针对该仓库的具体指令。它找到了真正的瓶颈，却忽视了维护者的约定，甚至修改了一个公开的 JSON 模式。第二次尝试时，团队将代码审查规则放入 .agents/skills 目录，并启用 Google Antigravity 的 /goal 模式，使其在上下文压缩后仍能保留目标。人工审查最终只采纳了六项优化中的两项：在复制会话历史前先进行筛选，以及在首次使用时才加载大型软件包；其余优化或依赖不稳定的状态，或使用 OpenTelemetry 的私有属性，或只在合成基准测试中带来收益。这些改进仅适用于内存会话服务，不涉及外部存储。团队这样概括双方的分工：智能体负责探索，维护者负责删减。

🔗 借助 Gemini 4 Argon 在一夜之间优化 ADK（Google Developers）

编程智能体：Claude Code 桌面应用及两个版本、VS Code 1.142、HydraFusion Max

Anthropic 围绕并行会话重新设计 Claude Code 桌面应用，并在一天内发布了其命令行工具的两个版本；VS Code 将 Copilot 执行框架设为默认选项，GitHub 则为其多模型编排功能新增 Max 选项。

Claude Code：桌面应用围绕并行会话重新组织

10 月 14 日 — Anthropic 更新了 Claude Code 桌面应用，也就是 Claude Desktop 中的 Code 标签页，以便更好地同时运行多个会话。据 @ClaudeDevs 介绍，现在启动会话更快，将工作分配给多个会话更简单，而且可以随时查看各个会话正在做什么。

公布的新功能	带来的变化
会话界面	一键打开最近使用的文件夹；保存环境配置（几个文件夹、一台 SSH 主机或云端），可选择为每个文件夹使用工作树
嵌套会话	每项并行任务对应一个会话，完成后将结果返回主会话
后续任务	Claude 在工作过程中提出建议，一键即可作为独立会话启动；/btw 会在标签页中打开附带问题
侧边栏与侧边信息区	显示运行中或等待中的会话、实时任务列表、摘要卡片、运行位置、上下文与改动

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇨🇳 当你要求 Claude 并行执行任务时，它会为每项任务启动一个嵌套会话。每个会话完成后都会将结果返回你的主会话，让主线内容保持清晰易读。 — @ClaudeDevs 在 X 上

当 Claude 需要用户介入时，摘要卡片（回顾卡片）会概述当前轮次，侧边信息区则显示会话的运行位置、上下文及其改动。只需更新应用并打开一个新会话，即可使用这些功能；Anthropic 没有提供版本号或推送时间表。入门页面提醒，使用 Claude Code 需要订阅 Pro、Max、Team 或 Enterprise，并支持 Local、Cloud、SSH 和 WSL 环境。此次更新延续了四月公布的面向并行智能体的应用改版。

🔗 @ClaudeDevs 的系列帖文 · 桌面应用入门指南

Claude Code 2.1.299：在缓存到期前压缩闲置对话，包含 131 项修复

10 月 14 日 — Claude Code 2.1.299 于 UTC 2 时 49 分发布，是一次包含 190 项更新的大版本，其中有 18 项新增功能、131 项修复、16 项改进和 25 项变更；版本号 2.1.297 和 2.1.298 被跳过。最显著的新功能旨在降低长时间会话的成本，即空闲压缩（空闲时压缩）：在终端中，超过 200 000 tokens 的对话闲置约 54 分钟后，会在其有效期为一小时的 prompt 缓存到期前被压缩，使下一条消息无需重新处理全部内容。阈值可通过 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 调整，在 settings.json 中设置 "idleCompaction": false 可关闭此功能。启用 CLAUDE_CODE_DISABLE_FILE_MENTIONS 后，Claude 收到的是通过 @ 提及的文件路径，再自行使用工具读取文件，而不是直接接收文件内容。/usage 命令现在会对最高推理强度、工作流、始终加载的上下文和过大的工具结果发出提醒，并且显示的百分比不再超过 100 %。

此版本也收紧了权限：MCP allow 规则现在仅适用于其明确命名的服务器（mcp__a 不再授权 a__b 服务器），发往 claude.ai 连接器代理及 Anthropic 托管的 MCP 服务器的请求不再跟随 HTTP 重定向，UserPromptSubmit hook 则会在展开 skill 或命令之前执行，从而也能阻止其中内置的 shell 命令。安全修复涉及的问题包括：沙箱中执行的命令能够写入 --plugin-dir 文件夹，而其中的代码会在沙箱外重新加载；计划模式能够执行由 PreToolUse hook 授权的写入操作；以及被拒绝访问的路径仍可通过 macOS 沙箱内的符号链接访问。Anthropic 的 MCP 服务器工具描述不再被截断为 4 096 个字符，Slack 中的 Claude，即 Claude Tag，也可以删除自己创建的画布。

🔗 Claude Code 2.1.299 版本说明

Claude Code 2.1.300：Claude Platform on AWS 支持 /advisor，新增 OpenTelemetry GenAI 跟踪，Claude Tag 支持 Slack Connect

10 月 14 日 — 当天发布的第二个版本 Claude Code 2.1.300（UTC 18 时 24 分，包含 88 项更新，其中 59 项修复）将 /advisor 扩展至 Claude Platform on AWS：在用户通过 /advisor、advisorModel 或 --advisor 选择顾问模型之前，平台不会运行任何顾问模型，CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 则可关闭该工具。遥测现在遵循 OpenTelemetry 的 GenAI 语义约定（span 上的 gen_ai.provider.name、gen_ai.conversation.id、gen_ai.tool.name 和 error.type），api_request 事件也会区分有效期为 5 分钟和 1 小时的缓存写入。

安全方面，PreToolUse 或 PermissionRequest hook 返回的修改后输入（updatedInput）现在会接受与 Claude 输入相同的验证：未知键会被移除，如果工具拒绝该输入，整个调用也会被拒绝。agent 类型的 hook 终于会遵循其 model 字段；如果该模型不可用，则改用调用者的模型，而不是直接放行操作。本地会话记录现在也会保存每次请求的系统 prompt、工具和参数，claude remote-control 中原本没有任何作用的 --sandbox 和 --no-sandbox 选项则已移除。Claude Tag 现在可以在与其他组织共享的 Slack Connect 频道中回复（默认关闭，可由所有者或 Claude Tag 管理员启用），并通过私密的“允许一次 / 拒绝”卡片请求批准连接器操作，而不是直接拒绝。

Claude Code 版本	发布时间（UTC）	发布条目数	其中修复数	主要新功能
2.1.299	10 月 14 日，2 h 49	190	131	在空闲时压缩超过 200 000 tokens 的对话
2.1.300	10 月 14 日，18 h 24	88	59	Claude Platform on AWS 支持 `/advisor`，新增 OpenTelemetry GenAI 属性

🔗 Claude Code 2.1.300 版本说明

VS Code 1.142：默认使用 Copilot 执行框架，画布功能进入预览

10 月 14 日 — VS Code 1.142 继续推进向 Copilot 执行框架的迁移。该框架基于 Copilot SDK，会话通过 Agent Host 运行，能够在后台继续执行。此前，它仅在执行框架选择器中提供；团队表示，在收到“压倒性的积极反馈”后，它正逐步成为新会话的默认执行框架。Ask 作为内置的只读 agent 回归，聊天标题也会显示当前使用的是 Copilot 还是 Codex 执行框架。另一项新功能是处于预览阶段的画布（Canvases）：这些交互界面在聊天旁打开，用户和 agent 可以修改同一个产物，例如由 agent 更新任务的 Kanban 看板。每个画布都由扩展提供，agent 可以通过 /create-canvas 命令生成该扩展。在 Agents 窗口中，聊天也可以切换文件夹，或迁移到新的 Git worktree，同时保留历史记录，目前仅支持 Codex 执行框架。

企业方面，权限或沙箱策略现在会强制使用 Agent Host 中的 Copilot 执行框架：现有本地聊天会自动迁移，无需发送任何内容；只要这些策略生效，Claude、Codex 和终端聊天就会不可用。管理员可以暂时保留 Local 执行框架，但它不会执行这些运行规则；该框架的 Windows 沙箱也已弃用，转而采用 Agent Host 会话。

🔗 VS Code 1.142 版本说明

HydraFusion Max：GitHub 为多模型编排新增前沿能力选项

10 月 14 日 — GitHub 正在改进 HydraFusion。它通过编排多个模型来生成单一回答，用户无需为每项任务单独选择模型。模型池现在包含 Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna，推理强度也可以按阶段设置：初稿采用中等强度，审阅采用高强度，而此前 HydraFusion 只使用各模型的默认强度。Cascade 工作流可以插入一个评判阶段，检查初步成果，仅在必要时要求修正；Critique 则让多个评审模型并行工作，并为它们提供可直接检查工作区的工具。

提供的选项	GitHub 对其定位
HydraFusion	平衡速度、成本和性能，适度节省 tokens
HydraFusion Max	提供前沿能力和最深入的推理，通过编排管理 tokens 使用效率

这两个选项仍处于研究预览阶段，在 VS Code、GitHub Copilot 应用和 Copilot CLI 中提供，适用于已启用实验性或预览功能的 Pro、Pro+、Business 和 Enterprise 方案。GitHub 没有公布此版本的基准测试或价格；9 月 4 日在 Copilot CLI 中推出时，GitHub 曾表示，相比 Opus 5，其在 TerminalBench 2.1 上的质量分数提高了 4.9 分，成本降低了 67 %。

🔗 HydraFusion 更新及全新 Max 选项（GitHub 更新日志）

安全与诚信：Anthropic 的选举防护措施、手机上的诈骗检测，以及 OpenAI 内部隐藏的录音设备

三个与信任相关的话题：Anthropic 正让 Claude 为美国中期选举做好准备，Google DeepMind 和 GovTech Singapore 在手机本地检测诈骗，OpenAI 则表示在一处办公室发现了隐藏的录音设备。

中期选举：Anthropic 加强防护措施，并将整合 Democracy Works 的投票信息

10 月 14 日 — 随着美国中期选举临近，Anthropic 详细介绍了自 4 月更新以来加强的选举防护措施。它首先分析了 9 月 21 日至 27 日期间美国用户在 Claude.ai 上的 250 000 段消费者对话，以衡量政治话题所占的比例。

对话类型（Claude.ai，美国）	对话占比
政治、公共政策、社会议题	约 5,75 %
选举或投票	约 0,51 %
应投票给谁或支持什么选项	约 0,01 %
违反选举诚信规则（单独分析）	约 0,002 %

指向 TurboVote（Democracy Works）的横幅仍然保留。Claude.ai 将在本月晚些时候把 Democracy Works 的官方投票信息整合进面向美国用户的回答中，包括在哪里投票、需要携带什么身份证件，并根据各州情况提供回答；随后还会在选举当晚及之后几天显示官方结果。Anthropic 表示，Claude Opus 5.5、Sonnet 5.5 和 Haiku 5.5 在其政治公正性评估中取得了 99 % 的成绩。在三项独立评估中，两项评估（The Future of Free Speech 和 Collective Intelligence Project）发现拒绝回答的情况较少，但模型会给出用户未要求的警示和反驳；第三项由 Foundation for American Innovation 开展的评估发现，Claude Sonnet 4.5 并非总能均衡地补充限定和背景，而且更倾向于弱化支持右翼立场的论点。与 Institute for Strategic Dialogue 和 McCain Institute 在美国、以色列和巴西开展的测试表明，Claude 能可靠地拒绝单独的有害请求，但可能无法识别被拆分成看似无害的小任务的整场行动。Anthropic 已添加分类器来防范这些多阶段滥用，并封禁了一个虚假新闻网站的境外运营者账号；这些运营者利用 Claude 生成迎合俄罗斯、伊朗和朝鲜叙事的选举报道。

🔗 为 2026 年美国中期选举做准备（Anthropic）

诈骗：Google DeepMind 与 GovTech Singapore 微调 Gemma，在手机本地进行检测

10 月 14 日 — Google DeepMind 与政府机构 GovTech Singapore 微调了一个轻量级 Gemma 模型，用于直接在用户手机上识别诈骗，文章并未说明该模型属于哪一代。项目的出发点有明确的数据支撑：在新加坡，诈骗占已报告犯罪的一半以上，自 2019 年以来造成的损失超过 40 亿新加坡元，而复杂的社会工程诈骗占损失的比例高达 80 %。模型使用当地诈骗对话进行微调，涵盖冒充公共机构、银行或知名人士，以及当时流行的区域性诈骗。所有处理都在设备上完成，并分为两个阶段以节省电量：轻量级分类器先筛查收到的消息，然后由微调后的 Gemma 重新检查范围更大的对话片段，以确认威胁或排除误报，再显示实时警告。

模型只有在用户同意后才能访问对话，新加坡政府和 Google 都无法读取这些对话；微调在 GovTech 管理的 Google Cloud 环境中进行，使用匿名化数据，不含任何公民数据。该项目已在 Singapore International Cyber Week 上展示，但尚未公布上线日期或具体应用名称：它将与政府合作“谨慎分阶段推进”（谨慎分阶段推进），Google DeepMind 也在考虑将其扩展到其他国家。

🔗 Google DeepMind 与 GovTech Singapore 携手打击诈骗

OpenAI 在一处办公室发现隐藏的录音设备

10 月 13 日 — 根据其新闻账号发布的声明，OpenAI 在一处办公室发现了一台隐藏的精密录音设备。公司表示，它使用自己的模型来了解该设备及其来源，最终查明了几天前安装设备的员工。此事已移交 FBI，OpenAI 感谢迅速采取行动并实施逮捕的探员和检察官；联邦调查仍在继续，该员工已被解雇。

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇨🇳 目前，我们没有任何迹象表明此人曾不当访问模型权重、源代码或客户数据，也没有迹象表明此人曾将这些内容外传。 — @OpenAINewsroom 在 X 上

OpenAI 表示，其安全计划旨在应对广泛的威胁，从内部风险到网络犯罪分子和国家行为体，而此案展示了人工智能如何帮助应对这些威胁。声明没有披露该员工的身份、涉事办公室、设备的确切性质或逮捕日期。

人工智能用于科学：Meta 利用 Muse 模型撰写十篇医学论文，HiRO-ACEv2 以 3 km 分辨率模拟极端天气

模型的两种科学用途：Meta 利用健康档案加速流行病学研究，Ai2 以低成本生成高分辨率气候数据。

Meta 发布十篇借助 Muse Spark 1.3 和 Muse Wonder 完成的医学研究手稿

10 月 14 日 — Meta 构建了一个由 Muse Spark 1.3 和 Muse Wonder 驱动的内部代码框架（代码脚手架），可访问公共数据，以及一个获许可使用、包含五百万份去标识化电子健康记录的回顾性数据库。一组来自心脏病学、流行病学、传染病学和内科学领域的医学研究人员，在四周内利用该框架提出假设、编写并执行全部分析代码，以及共同撰写手稿；科学决策权仍由专家掌握。最终产出十篇手稿，先后经过团队内同行、一名生物统计学家，以及受委托的独立专家评审，评审意见公布在各篇文章下方。

列举的研究	报告结果
感染性心内膜炎后的心律失常	与未伴心内膜炎的菌血症患者相比，新发心律失常及传导障碍的增幅为 +73 %；一年风险为 7 %，对照为 4 %
急诊中未经接诊便离院的行为健康患者	相对风险分别为 1,86（再次就诊）、4,41（住院）和 2,15（短期死亡）
从首次提示到完成手稿所需的时间	不到两周，有时仅需七天

参与者表示，在最佳情况下，生产效率可提升至原来的十倍，这一数据来自自述。研究方也承认其局限：分析均为回顾性分析，一位外部评审者认为，心律失常研究主要用于提出假设，尚不足以改变临床实践，因为仍可能存在监测偏倚。这项医疗研究工作延续了此前借助 Muse Spark 撰写、于 10 月 2 日发布的六篇数学论文。

🔗 Meta 博文

HiRO-ACEv2：Ai2 以 3 km 分辨率模拟全球极端天气，成本约为 X-SHiELD 的 300 分之一

10 月 14 日 — Ai2 发布了高分辨率气候模拟器的新版本 HiRO-ACEv2。该系统结合了以 100 km 分辨率模拟气候的人工智能模型 ACE，以及将这些输出细化至 3 km 的 HiRO。初版 HiRO 只能生成降水数据，而 HiROv2 可以同时预测降雨、近地面风和海平面气压。系统以全球大气模型 X-SHiELD 降低分辨率后的数据为输入；X-SHiELD 能够显式模拟风暴。系统复现其高分辨率统计特征的误差不超过 3 %，即便是百万个数据点中才出现一次的事件也如此，并能正确估算热带气旋的能量，包括训练期间从未见过的风暴。

Ai2 公布的指标	公布数值
分辨率	基于 100 km 分辨率的 ACE，输出 3 km 分辨率数据
与 X-SHiELD 统计特征的偏差	不超过 3 %，包括百万分之一的事件
相对于 X-SHiELD 的成本	全球数据的成本约降至其 300 分之一
已生成的模拟	10 年（ACE）；完整一年的 3 km 全球数据
模型许可证	Apache-2.0，发布于 Hugging Face

研究方也承认这一局限：由于 HiRO 使用 X-SHiELD 进行训练，它只能配合针对该模型校准的 ACE 版本使用，目前还无法生成更暖气候下的数据，也无法生成 ERA5 历史数据。Ai2 计划用升温 4 °C 的世界数据训练它，随后加入近地面温度、雪和冰。模型与技术报告（arXiv 2610.17693）、教程笔记本和演示一同发布。

🔗 Ai2 博文 · Hugging Face 上的模型

业务布局与投资：Anthropic 进驻新加坡，NVIDIA 为英国研究提供 2.5 亿美元支持，Mistral 收购 New Material

Anthropic 通过政府协议进驻新加坡，NVIDIA 在英国投入算力并开展投资，Mistral 则通过产品设计领域的收购增强实力。

Anthropic 在新加坡开设其亚太地区第五个办公室，并与政府签署谅解备忘录

10 月 14 日 — Anthropic 在新加坡开设办公室，这是其在亚太地区的第五个办公室，并与新加坡数码发展及新闻部签署合作备忘录（谅解备忘录）。文件由该部常任秘书曾介丰和 Anthropic 联合创始人本·曼在新加坡国际网络周期间签署。协议涵盖模型安全性、安全防护与评估方面的合作，围绕测试标准和事件响应开展技术交流，以及共享 Anthropic Economic Index 的数据。

新加坡机构	Anthropic 列举的 Claude 用途
GovTech Singapore	超过 1 500 名工程师和技术人员使用 Claude Code
Grab	商务助手 BriX，每季度节省约 40 000 小时
DBS 和 GIC	在银行和主权财富基金中使用或部署 Claude
Sea（Shopee、Garena、Monee）	Shopee 客服聊天机器人，以及数千名使用 Claude 编写代码的员工

根据 Economic Index，以人口为基准衡量 Claude.ai 的使用量，新加坡在 121 个国家中排名第二，接近按其人口规模预期水平的六倍。办公室开设当天举办的 Builder Summit 汇聚了超过 300 名开发者。Anthropic 未公布该办公室的投资金额或人员规模，目前正在招聘。

🔗 新加坡办公室开设公告（Anthropic）

NVIDIA 向英国智能体安全研究提供价值 2.5 亿美元的算力

10 月 13 日 — NVIDIA 宣布将在五年内捐赠价值 2.5 亿美元的算力，即每年提供价值 5,000 万美元的算力使用额度，用于英国的智能体安全性与安全防护研究（智能体安全性与安全防护）。大部分资源将提供给英国整个人工智能安全性与安全防护研究界；另有一部分预留给牛津大学的 BOLD、伦敦大学学院的 SOFAIR，以及将开展安全工程和机器人研究的帝国理工学院。算力将通过设在英国的 NVIDIA Cloud Partners 提供，基础设施也将部署在英国境内；供应商、技术架构和商业条款仍待商定。拟支持的工作涉及安全智能体、开放模型的安全性，以及现实威胁缓解，并将采用沙箱、可复现研究和安全性评估基准，尤其围绕 NVIDIA OpenShell 和 NVIDIA Sentry 参考设计展开。

随公告发布的博文还提到，计划投资五家英国初创企业，但未披露金额：Boltz（生物分子模型）、Foresight（大型建设项目管理）、Hiverge（算法发现）、Prima Mente（面向阿尔茨海默病、帕金森病和肌萎缩侧索硬化症的生物学基础模型），以及 Riverlane（量子纠错）。这些消息在黄仁勋将于 10 月 21 日发表的 GTC 柏林主题演讲之前公布。

🔗 NVIDIA 新闻稿 · NVIDIA 关于英国生态系统的博文

Mistral 收购设计工作室 New Material，并成立 Solutions Design 团队

10 月 14 日 — Mistral 收购了成立于六年前的人工智能产品设计工作室 New Material。消息来自 New Material 的博文，文中明确称其为收购；Mistral 在 X 上转发了消息，欢迎该团队加入，但未在自己的网站上发布博文，也未披露金额。该工作室表示，已为汽车、零售、法律和医疗领域交付人工智能原生工具、产品及企业项目，合作伙伴包括 Ford、拉斐尔·纳达尔、Wellcome Trust，以及 AmLaw 50 榜单中的律师事务所。它将在 Mistral 内部组建融合设计、工程和人工智能的新团队 Solutions Design，与客户共同开发项目，缩短实际部署与 Mistral 产品之间的反馈循环，服务于企业和政府的关键人工智能应用。今年 5 月，Mistral 已收购专注物理人工智能的奥地利公司 Emmi AI。

🔗 New Material 博文 · @MistralAI 的消息

OpenAI 衡量欧盟企业向智能体的转变：中小企业用户数增至 8,1 倍

10 月 14 日 — OpenAI 发布了一份经济研究报告，聚焦欧盟企业使用智能体人工智能的情况，并附有 PDF 文档及可供探索的数据。在欧洲 ChatGPT Enterprise 客户样本中，Codex 和 ChatGPT Work 如今贡献了超过一半的输出词元：用户正将从规划到执行的完整任务交给智能体。

OpenAI 衡量的指标	观测数值
通过 Codex 和 ChatGPT Work 生成的输出词元占比（欧盟，ChatGPT Enterprise）	超过一半
欧盟中小企业智能体工具的每周活跃用户数	相较于 5 月 1 日至 7 日当周为 ×8,1
各国输出词元中由智能体生成的占比	从 22 %（斯洛文尼亚）到 85 %（立陶宛）
28 天输出词元量，以 5 月典型企业为基准	欧盟外前沿企业 12,9x；欧盟前沿企业 6,1x；欧盟外典型企业 1,6x；欧盟典型企业 1,5x
全球前沿企业中欧盟企业的占比	10 %

这里将关联用户数不超过 200 的企业定义为中小企业，其增长覆盖了每个欧盟成员国。报告主要衡量的是使用强度的差距：9 月，欧盟前沿企业（前沿企业，即每位活跃用户输出词元量最高的 10 % 企业）的产出超过欧盟典型企业的四倍，但欧盟外前沿企业的产出仍是欧盟前沿企业的两倍多。OpenAI 认为，关键在于通过帮助企业超越试验阶段并培训员工，将广泛采用转化为更深入的使用。这份报告延续了 9 月 30 日发布的美国小企业研究报告。

🔗 欧盟人工智能的下一篇章将由智能体开启（OpenAI）

智能体基础设施：Claude Platform 的 OpenTelemetry 追踪与 Perplexity 的沙箱路由

这是支撑智能体在生产环境中运行与监测的两项工具基础：Anthropic 提供可观测性，Perplexity 则将请求路由至正确的运行实例。

Claude Platform 开放公开测试，可导出 Messages API、Managed Agents 和 SDK 的 OpenTelemetry 追踪数据

10 月 14 日 — Claude Platform 现已通过公开测试，支持将 Messages API、Claude Managed Agents 和 Claude SDK 的 OpenTelemetry 追踪数据发送至任何接受标准 OTLP 端点的可观测性工具。每轮智能体交互、每次模型调用和工具调用都会以标准追踪记录的形式呈现，附带延迟、词元和标识符。对于 Messages API 和 Managed Agents，需要在 Claude Console 中添加目标地址；根据版本说明，Python、TypeScript、C#、Go、Java、PHP 和 Ruby SDK 会自动导出追踪片段。这些追踪片段遵循 OpenTelemetry 的 GenAI 语义约定，默认包含元数据（时长、状态、词元数量、模型和工具名称）；将目标地址设置为完整内容模式（完整内容）后，还会导出提示词、回复，以及工具的输入和结果。同日，Claude Code 2.1.300 也将自身的追踪片段对齐至这些约定。

重点介绍的用途	Anthropic 列举的工具
与技术栈其余部分一同调试	Grafana Cloud, Honeycomb, Sentry, Splunk
将真实追踪记录转化为评估	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
按团队追踪词元使用量	Databricks Unity Gateway

在用户反馈中，Ramp 表示，其为智能体的 Langfuse 追踪记录评分的系统 Reflect，已使部分智能体的词元使用量减少 10 至 20 %，会话速度提升 30 %。Anthropic 未公布价格或正式可用时间表。

🔗 Claude Platform 上的智能体可观测性 · Claude Platform 版本说明

SPACE：Perplexity 将每个请求绑定至正确的沙箱运行实例

10 月 14 日 — Perplexity 发布了一篇关于 SPACE 的工程博文，SPACE 是运行 Perplexity Computer 智能体的沙箱平台。Perplexity 表示，SPACE 数月来每天处理数百万次运行，错误率低于 0,0002 %，且没有发生连接丢失。它解决的是路由过期问题：沙箱迁移至另一台机器恢复运行时，会保留标识符，但启动新的运行实例，延迟到达的请求可能使用正确的名称，却抵达旧实例。一次简单的文件读取，需要依次经过控制平面、node-api、sbx-manager、Unix 套接字和主机桥接层，再经由 VSOCK 抵达 Firecracker microVM。

解决方案是将沙箱的稳定身份与运行身份分开，后者标识某个具体实例及其部署位置。每个请求经过授权后，都会携带一份使用 Ed25519 签名、有效期为 120 秒的权限凭证；接收组件会先将其与自身记录比对，再转发请求。一旦新的运行实例启动，终端连接和文件监视便会中断。该威胁模型不涵盖执行机器（工作节点）的 root 权限遭入侵的情况，验证也仅在本地进行，不涉及远程硬件证明。博文最后将 SPACE 与具有类似保障的 OpenShell，以及未传递预期运行身份的 E2B 和 CubeSandbox 进行比较；Perplexity 强调，这些结论仅针对其检查过的实现。

🔗 Perplexity 关于 SPACE 的博文

通用智能体：Perplexity Computer 推出 Ultrafast 版本，Manus for Business 面向团队

为用户执行长时间任务的智能体正从两个方面发力：Perplexity 提升模型速度，Manus 加强团队协作。

Perplexity Computer 向 Max 订阅用户开放 GPT-6 Astra 和 GPT-6.1 Sol 的 Ultrafast 版本

10月14日 — Perplexity 向 Max 订阅用户开放两款 OpenAI 模型的 Ultrafast 版本，可在其用于执行多步骤任务的智能体 Perplexity Computer 中使用：GPT-6 Astra 和 GPT-6.1 Sol，后者在公告中写作“SOL 6.1”。两款模型生成 tokens 的速度更快，因此 Computer 的长时间任务也能更早完成。用户需要手动选择：先在 Custom 菜单中选择 Astra 或 SOL 6.1，再将速度切换为 Ultrafast。公告没有给出提速幅度或积分消耗，也未提及其他套餐；产品更新日志中最新的条目仍停留在10月5日。这是 OpenAI 推出的一个速度档位在 Perplexity 上的版本：OpenAI 先于9月29日为 GPT-6 Astra 推出该档位，又于10月8日将其扩展至 GPT-6.1 Sol，据 OpenAI 称，速度最高可达原来的 8 倍。

🔗 Perplexity 公告

Manus for Business：Team Plan 每席位 20 美元起，并提供 Enterprise 方案

10月13日 — Manus 推出面向团队的 Manus for Business，整合了 Manus Team Plan 和 Enterprise Plan。

Manus 套餐	据 Manus 介绍的内容
Manus Team Plan	每个付费席位每月 20 美元起，或每年 200 美元，含 4 000 积分；访客席位免费
Manus Enterprise	需联系销售：受管账户、法律保全、SIEM 集成、智能体网络控制、每位用户的用量限制

现已上线的 Team Plan 提供可保留上下文的项目功能，在相关任务之间共享指令、文件、Skills 和连接器，也涵盖定时任务；还提供管理员可强制使用的共享 Skills、仅限团队访问的任务、文件及内部网站，以及可通过仪表盘追踪的共享积分。访客可以审阅和评论，无需占用付费席位。此外还提供角色、审计日志、SSO 和 SCIM；Manus 表示，禁止模型提供商使用 Team 客户的数据进行训练，并已获得 SOC 2 Type II、ISO 27001 和 ISO 27701 认证。

🔗 Manus for Business 介绍

智能体研究：HybridAgent 在潜在空间中推理，Cohere Labs 评估编程智能体团队

两项研究尝试降低智能体的成本：一项让智能体不生成 tokens 即可推理，另一项则优化团队组织方式。

HybridAgent：在潜在空间中思考、通过文本采取行动的智能体

10月13日 — 根据吉亚鲁·邹、詹姆斯·邹等人署名的 arXiv 投稿，来自斯坦福大学、Together AI、UIUC 和 Meta 的研究人员推出了 HybridAgent。这类混合推理智能体会在同一次生成中，交替进行潜在空间推理和文本形式的行动。一个名为 HybridLink 的轻量模块将最后一层的隐藏状态映射回输入 embeddings 空间：模型无需生成 tokens 即可推理，然后返回文本形式，调用 Python 解释器和网页搜索工具。每个潜在推理步骤仍可作为伪文本读取。训练分为两个阶段：HybridSFT 学习与 HybridLink 协同，随后 HybridRL 学习何时在潜在空间中思考、何时通过文本采取行动。

已公布的指标（据作者）	公布的数值
在 11 项基准测试和 3 种规模上的性能提升	+10,4 %
tokens 减少幅度	35,5 % 至 54,7 %
推理速度	提升至原来的 1,8 至 2,6 倍
成本节省	2,7 至 3,7 倍

HybridAgent-8B-Agentic 和 14B-Agentic 模型连同代码以 MIT 许可证发布；Together AI 未就该论文发布配套公告。

🔗 arXiv 论文

Cohere Labs：强主智能体搭配低成本智能体，以降低 70 % 的成本接近最高分

10月14日 — Cohere Labs 发布了一项关于编程智能体团队组织方式的研究，作者为基南·萨姆韦、丹尼尔·德索萨和努哈·齐里。在一个刻意保持精简的运行框架中，主智能体（lead）将子任务交给工作智能体（workers），每次只改变一个参数：委派哪些步骤、采用阻塞等待还是异步等待、各角色使用的模型、团队规模，以及是否允许直接通信。主要基准测试 ProgramBench 要求仅根据可执行文件和文档重建 200 个程序，涵盖 jq、ripgrep、SQLite 和 FFmpeg 等。

评估配置（ProgramBench，GPT-5.6）	平均奖励	200 项任务的总成本
单独使用 Sol，采用三步提示词	57,7 %	正文未给出金额
Sol 异步团队，委派三个步骤	63,2 %	510 美元
Sol 异步团队，仅委派规划步骤	63,6 %	249 美元
Sol 主智能体搭配 16 个 Luna 智能体，执行规划	61,8 %	155 美元

因此，仅委派规划步骤即可达到委派全部步骤的效果，成本却降低一半；Sol 主智能体搭配 16 个 GPT-5.6 Luna 智能体，以 155 美元达到 61,8 %，比委派全部步骤的纯 Sol 团队便宜 70 %。较弱的主智能体无法靠团队弥补差距：搭配 Luna 智能体时，Terra 主智能体的成绩为 51,6 %，仍低于单独工作的 Sol（57,7 %）。在包含 30 项任务的子集上，每个模型仅运行一次，Claude Opus 4.8 在团队配置下提升了 5,9 个百分点，而 Claude Opus 4.7 几乎不委派任务；Claude Opus 5 的一次试验在完成八项任务后被终止，这八项任务全部触及八小时的时限，每项花费约 500 美元。该研究未评估任何 Cohere 模型。

🔗 Cohere Labs 博文

生成式媒体：FLUX 3 Video 降价，Runway 入驻 Baseten，HeyGen 让声音适配场景

生成式视频价格下降，并进入企业专用基础设施；与此同时，HeyGen 详细介绍了其视频中的语音克隆技术。

FLUX 3 Video 速度最高提升至两倍，2K 和 4K 生成价格最高降低一半

10月14日 — Black Forest Labs 宣布，FLUX 3 Video 的速度现已最高提升至原来的两倍，原生 2K 和 4K 生成成本降低 50 %。该实验室解释称，通过优化服务降低了计算资源消耗，并将这一收益同时体现到价格和速度上。在另一则消息中，它声称在价格和延迟相当的情况下，其 4K 画质优于 Kling o3，但该消息串未公布基准测试。

FLUX 3 Video 分辨率	文本或图像生成视频（每秒）	视频生成视频（每秒）
HD	0,17 → 0,15 美元	0,41 → 0,21 美元
FHD	0,29 → 0,24 美元	0,53 → 0,27 美元
QHD (2K)	0,40 → 0,28 美元	0,65 → 0,31 美元
UHD (4K)	0,80 → 0,41 美元	0,95 → 0,45 美元

bfl.ai 的价格表对“50 %”给出了更具体的说明：2K 和 4K 的降幅从 30 %（文本或图像生成 2K 视频）到 53 %（视频生成视频）不等，HD 和 FHD 也有降价；草稿模式（Draft）仍为每秒 0,06 美元，仅支持 HD。FLUX 3 Video 于8月4日推出。

🔗 Black Forest Labs 公告 · FLUX 3 Video 页面 · FLUX 3 Video 价格表

Runway 与 Baseten 合作，在专用环境中部署 Gen-4.5 和 Aleph 2.0

10月14日 — Runway 与 Baseten 合作，在专用环境中向企业提供 Runway 视频模型。Gen-4.5 和 Aleph 2.0 现可通过 Baseten Dedicated Inference 以单租户（single-tenant）方式部署，也包括微调版本；其中 Aleph 2.0 可编辑最长 30 秒、1080p 的多场景视频片段。企业直接向 Runway 获取模型权重许可，再将其部署到 Baseten。每项部署均在隔离的执行平面中运行，配备专用 GPU，由 Baseten 管理控制平面。该基础设施纳入 Baseten 的 SOC 2 Type II 和 HIPAA 合规计划，保证 99,99 % 的可用性，客户还可使用自身数据微调模型并预留 GPU 容量。双方未公布价格。该方案延续了9月11日推出的 Runway Model Licensing，后者向企业提供其闭源模型权重的使用许可。

🔗 Runway 公告 · Baseten 博文

HeyGen Voice：让声音适配场景的语音克隆技术报告

10月14日 — HeyGen Voice 推出五天后，HeyGen 发布了其语音模型的技术报告，称这是首个专为视频设计的语音模型。参考语音确定说话者的身份，而目标图像和场景描述则引导声音应呈现的效果：语言模型据此生成两段描述，一段针对说话者，涵盖语气、节奏、重音和表现力，另一段针对背景，涵盖空间及其声学特征。视频则由独立的虚拟形象模型渲染。

盲测评估（由 HeyGen 开展）	偏好 HeyGen Voice 的比例
场景适配度，与 Cartesia 对比	73 %
场景适配度，与 ElevenLabs v4 对比	70 %
场景适配度，与 Seedance 2.5 对比	65 %
用户选择，与 ElevenLabs v4 对比	62,2 %
用户选择，与 Cartesia Sonic 3.6 对比	54,1 %

第一项测试将同一种声音放入 50 个场景，从大教堂到汽车前排座位；第二项测试中，数千名用户录下自己的声音，再在未标注来源的情况下选择想采用的版本。在三方对比中，HeyGen Voice 获得了 41,7 % 的选择。这些数据均来自 HeyGen。

🔗 HeyGen 消息串 · HeyGen Voice 研究页面

芯片：NVIDIA 推出 cuPotential，将 CUDA-X 扩展至 AI 驱动的半导体工厂

10月14日 — NVIDIA 推出新的 CUDA-X 库 cuPotential，用于构建能够模拟原子和分子间相互作用的智能体。这类计算是半导体材料和工艺建模的核心。在抢先体验测试中，该库使已针对 GPU 优化的工作流进一步提速 2 至 3 倍；Synopsys 是首批用户之一。此次公告面向 AI 驱动的半导体工厂（AI-defined fabs），其中智能体帮助工程师优化工艺、排查生产故障并提高良率。

合作伙伴或工具	公布的结果（据 NVIDIA）
NVIDIA cuPotential	在已针对 GPU 优化的工作流上进一步提速 2 至 3 倍（抢先体验）
Lam Research (NanoVDB, SEMulator3D)	到 2026 年底，部分刻蚀建模最高提速至 30 倍
KLA (NPP)	比此前的 CPU 版本快 50 倍
Applied Materials	工艺腔室仿真最高提速至 35 倍
Synopsys	有望提速至 30 倍（cuEST、QuantumATK）和 12 倍（cuDSS、S-Device）

同一天，一篇技术博文展示了智能体方面的应用：Siemens Fuse 团队使用开放库 NeMo Gym，将标准单元表征智能体生成的 Liberty 文件与经过验证的参考文件进行比较，以评估该智能体。在约 25 次运行中，团队固定使用 Claude Code 中的 Claude Opus 4.8 作为模型和运行框架，并改进技能及 MCP 工具描述：综合得分从约 55 % 提升至约 95 %，智能体轮次从 155 降至 53，输出 tokens 从约 81 000 降至 29 000。

🔗 NVIDIA 新闻稿 · NeMo Gym 与 Siemens Fuse 技术博文

开放模型与环境：UltraBERT 编码器，Hugging Face 上的多语言 RL 环境

Hub 上发布了两项开放成果：一个用于分类和检索的编码器系列，以及覆盖一百多种语言的强化学习环境。

UltraBERT：DMIS Lab 发布 150M 和 380M 英语编码器，支持 32K 上下文

10月14日 — DMIS 实验室（数据挖掘与信息系统实验室）发布了 UltraBERT。这一英语编码器系列包含 150M 和 380M 参数规模，原生支持 32K tokens 上下文；同时发布了可直接使用的 embeddings 模型 UltraBERT-Embed-150M。所有模型均以 Apache 2.0 许可证发布，并附有论文（arXiv 2610.15028）。累计涉及超过 70 万亿 tokens 的消融实验得出了两项发现：编码器在训练 1 万亿至 2 万亿 tokens 后不再取得进步，尽管损失仍继续下降；掩码率决定其擅长的任务，较低的掩码率有利于分类，较高的掩码率有利于检索。因此，UltraBERT 在每个批次中混合使用 5 % 和 50 % 的掩码率，并为每种掩码率分别设置一个语言模型头。

已发布的 UltraBERT 模型	作者公布的结果
UltraBERT-380M	GLUE 得分 91,0，BEIR 得分 47,7
UltraBERT-150M 和 380M	在 10 项基准测试中的 9 项取得最高分；在最长 32K tokens 的隐藏密钥测试中达到 99 %
UltraBERT-Embed-150M	MTEB（eng、v2）得分 67,24，参数量低于 200M 的最佳稠密 embeddings 模型

🔗 DMIS Lab 博文

Hugging Face 开放覆盖 22 种语言的 OCR 和 102 种语言的语音识别 RL 环境

10 月 14 日 — 在 Hugging Face 从事强化学习环境开发的 Adithya S K 发布了他所称的规模最大的多语言、多模态开源 RL 环境。此次发布的两个 OpenEnv 环境均提供可验证奖励：一个用于文档识别（OCR），包含来自 Cognitive Lab 的 Nayana 语料库、覆盖 22 种语言的超过一百万页文档；另一个用于语音识别（ASR），使用 Google 的 FLEURS 中覆盖 102 种语言的语音数据，两者合计超过 1200 万项任务。其思路是为已有的开放数据集加入可验证奖励，再加以复用。为展示这些环境可用于训练，作者在单张 A100 上通过 GRPO 对 Gemma 4 E4B 进行了卡纳达语微调：在 Sarvam AI 留出的 OCR 基准上，字符错误减少了 16 %；在 838 段留出的语音片段上，字符错误减少了 45 %。10 月 7 日展示的 RL Environment Explorer 已收录超过 1200 万项任务；此次的新内容在于正式介绍这些环境，并公布首批训练结果。

🔗 Adithya S K 的帖子串

GitHub Actions：工作流依赖锁定文件进入公开预览

10 月 14 日 — 在 AI 以外的动态中，GitHub Actions 为工作流依赖推出锁定文件（lockfiles）公开预览，适用于 GitHub Enterprise Cloud（无论是否启用数据驻留）、Team 和 Free。它针对的是一个已知风险：工作流通过审核后，标签或分支仍可能被移动，遭入侵的操作因而可以在仓库没有任何变更的情况下注入恶意代码。GitHub CLI 的 gh actions-lock 扩展会生成 .github/workflows/actions.lock，记录操作、其传递依赖以及可复用工作流的提交；之后，即使标签发生移动，Actions 也会执行锁定的提交。用户可逐个工作流启用这一功能，Require lockfile 策略可强制要求使用锁定文件，Dependabot 则会在更新操作版本的同一份拉取请求中更新锁定条目。GitHub 提醒，锁定并不能说明依赖是否安全，因此锁定前仍需重新审查依赖。

🔗 GitHub Actions 工作流锁定文件进入公开预览（GitHub 更新日志）

简讯

智能体与编程工具

Copilot CLI 1.0.98 — 在 1.0.97 发布次日成为稳定版，支持 Gemini 4 Argon，并让 /ask 的回复更易操作：Ctrl+E 可展开回复，Ctrl+Y 可复制完整内容，/ask 或 /btw 可重新打开上一次的完整回复；Copilot SDK 1.0.22 仅更新了内置的 CLI。 🔗 来源
Zed 1.24 与预览版 1.25.0 — 1.24 成为稳定版（1.24.2），相比其预览版仅多出一项修复；1.25.0-pre 为 Google AI 提供商加入 Gemini 4 Argon，为 Bedrock 加入 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，支持 ACP 智能体的上下文压缩，并让外部智能体和 MCP 服务器的机密信息不再出现在本地进程列表中。 🔗 来源
适用于 VS Code 的 Antigravity 扩展 1.8.0 — 补报 10 月 11 日的更新：未启用自动接受时，差异审阅会保持打开，并在智能体的多个轮次之间累积；磁盘上的修改可在一秒内被检测到，VSIX 包体积也缩小了约 70 %。 🔗 来源
DeepSeek Harness 0.2.1-alpha.3 — 第 27 个预览版，仍无稳定版：发送的消息中默认遮蔽密钥和令牌，为子智能体提供专属智能体预设（Agent Presets），支持在 SDK 中恢复会话，并包含十项修复；Azure 提供商更名为 azure，现有配置必须迁移。 🔗 来源
GPT-5.5 退出 Codex — 按照 9 月 15 日的公告，GPT-5.5 已于 10 月 14 日 UTC 19 时从通过 ChatGPT 登录的账户所使用的 Codex 中移除，替换为 GPT-6.1 Sol（Plus、Pro、Business、Enterprise、Edu），或在桌面应用中替换为 GPT-6 Luna（Free 和 Go）；API 和通过 API 密钥建立的会话不受影响。 🔗 来源
Amp 与 OpenAI 模型 — 在 OpenAI 的一篇案例研究中，Amp 表示，这些模型占其 token 消耗的大部分，部分用户每周消耗 100 亿 token；Calling Puck 借助 GPT-Live-1，让用户能与其元智能体实时交谈，团队也正在测试 GPT-6 Astra 的 Ultrafast 模式。 🔗 来源
适用于 Apache Spark 的 cuDF 技能 — NVIDIA 发布了智能体技能，可将 Spark 的 UDF 改写为 GPU 加速的等效实现；在一家未具名的大型集团中，已有超过 30 个生产环境 UDF 完成转换，其中一个处理 6000 亿行数据的耗时从 274.55 小时降至 12.78 小时。 🔗 来源
Built with Claude: Japan 2026 — Anthropic 与 Cerebral Valley 将于 11 月 2 日至 10 日举办面向日本居民、完全在线进行的 Claude Code 黑客松：250 名入选参与者将获得 Max 5x 套餐和 500 美元 API 额度，奖品包括总计 50 000 美元的额度，报名截止日期为 10 月 26 日。 🔗 来源
Astra Commons 聚会 — 据 OpenAI 社区团队的 Rhiannon Payne 介绍，9 月，Codex Ambassadors 在 52 个城市的咖啡馆、画廊和大学中聚集了约 2 500 名开发者，共同迎接 GPT-6 Astra 的发布。 🔗 来源

助手、企业工具与指南

Genspark — Meta 的 Muse Wonder，随后是 Gemini 4 Argon，均在数小时内上线 AI Chat、Code Agent 和 Claw，介绍内容沿用各自开发商的宣传说法，未说明套餐或价格。 🔗 来源 · 🔗 Argon
Sakana Chat 中的 My Fish — Sakana AI 将助手的记忆可视化：包括读写热力图、分类视图、记忆之间的关联图，以及历史记录；记忆在 30 天未使用后会淡化。这些功能均位于设置 → My Fish，网页版和移动版都可使用。 🔗 来源
Gloss — Together AI 介绍了一款免费开源应用，可保存文章、PDF 和 X 书签，并针对高亮段落向 AI 提问；该应用在其平台上使用 DeepSeek V4.1 Flash 构建。 🔗 来源
Apigee hybrid 中的 MCP — 从 1.17.0 版本起，仅需一份 OpenAPI 规范，即可将 API 的每项操作作为 MCP 工具提供；数据平面始终位于客户的 Kubernetes 集群中，任何工具调用都不会经过 Google Cloud。 🔗 来源
Perplexity 介绍 AI 工具成本 — 一份指南详细介绍了定价模式和隐藏成本（假设一个 10 人团队，某些月份需支付 350 美元，另加 18 小时内部工作），并概述了 Perplexity 从 Free 到 Enterprise Max 的套餐体系；未宣布任何新内容。 🔗 来源
Perplexity 介绍 MCP 工具 — 第二份指南解释了什么是 MCP 工具，并回顾了 Perplexity 的两种使用方式：在 Pro、Max 和 Enterprise 中连接 MCP 服务器，或从 Claude Code 等工具调用 Perplexity 自有 MCP 服务器提供的四个工具。 🔗 来源

案例研究与部署

Third Moment Research — 在 OpenAI 的一篇案例研究中，这家实验室同时运行 10 000 个智能体，每次会话持续 36 至 48 小时，曾在一天内消耗 1 万亿 token，并借助 Codex 将一次回测（backtest）的耗时缩短了 97 %；GPT-6.1 Sol 是其使用最多的模型。 🔗 来源
SentinelOne 与 Daybreak — 据其 AI 主管 Gregor Stewart 介绍，OpenAI Daybreak 约八小时就能完成达到人类水平的恶意软件逆向工程分析，而顶尖研究人员此前需要四至六周。 🔗 来源
Circa 与 Manus — Manus 发布了波士顿初创公司 Circa 的用户案例。这家公司再利用拆除工程产生的材料，并使用智能体处理网站、补助申请和估算工具；其在 9 月披露的累计营业额接近 100 000 美元，此次未发布新产品。 🔗 来源
欧洲城市与 NVIDIA — 在科多尔省，部署于超过 500 座公共建筑中的 Akila 和 ThinkDeep 智能体将运营成本降低了 10 %，目标为 30 %；NVIDIA 还提到了米兰、安特卫普-布鲁日、哥德堡和利物浦的项目，未发布新产品。 🔗 来源
MiniMax H3 IP Edition — 在对 9 月 11 日东京会议的回顾中，MiniMax 称已有超过 60 家企业表示兴趣；Captain Tsubasa × PixVerse 试点在 45 天内吸引了 126 360 名创作者，产出了 329 314 项授权内容。 🔗 来源

开放模型与社区研究

Cohere 提及 Rerank 5 — Cohere 发布了一段 Rerank 玩 Mario 的视频，并邀请大家看看 Rerank 5 能否超过 Rerank 4 的得分；尚未发布任何新版本，文档仍仅列出 Rerank 4 和 3.x 版本。 🔗 来源
Lumma-Fev-27B — FrontiersMind 使用约 100 000 个决策样本（英语、印地语、泰米尔语、卡纳达语）对 Qwen3.8-27B 进行全量微调：在 4 454 个留出的决策样本上，正确率为 90.7 %，高于 Jev 1.13 的 83.9 %，但 Jev 在 BBH 和 WinoGrande 上仍领先；这些数据由作者测得，权重采用 Apache 2.0 许可。 🔗 来源
TranscribePsy — Tether AI Research 发布了一个拥有 254M 参数、支持 25 种欧洲语言的语音识别模型，提供 GGUF 和 Core ML 版本：在 Open ASR Leaderboard 上，词错误率为 8.02 %，而 Whisper-small 为 12.34 %；据 Tether 称，在六款手机上的速度是下一名的 2.6 倍。 🔗 来源
VKORE-46M-NPU — VIDRAFT 在由 32 颗芯片组成的推理 NPU 上，使用真正的反向传播，从零训练了一个拥有 46M 参数的小型解码器；其损失曲线与相同训练在 GPU 上的损失曲线之间的相关系数为 0.99。 🔗 来源
量化与智能体能力 — Patrick Hill（PBH Applied Systems）基于 19 200 个配对结果展示，Mistral-Nemo 使用 Q4_K_M 时，8 项智能体能力中有 5 项显著下降，在包含自然语言文本的结构化输出中，降幅最高达 −28.0 个百分点；而 Q5_K_M（8.73 Go，相比之下 Q4_K_M 为 7.48）和 Q8_0 则没有带来变化。 🔗 来源
为 Gated DeltaNet 加入门控 — Avi Fenesh 在通过 GRPO 训练的 LoRA 中，为 Gated DeltaNet 层的贝塔参数加入一个小型门控：Qwen3.5-4B 在 MATH-500 上的推理长度缩短了 48 %，随时准确率从 0.786 提升至 0.852。 🔗 来源
pico-165m — Fausto Saporito 在单颗 TPU 芯片上训练了一个会记笔记的 165M 参数模型：在约 47 轮对话的记忆检查中得分为 0.81，而阅读完整对话的 SmolLM2-360M-Instruct 得分为 0.31。 🔗 来源

推理与计算内核

DeepGEMM-Ascend、DeepGEMM 2.8.2 与 TileKernels 2.1.0 — DeepSeek 在未发布公告的情况下，为其 Ascend NPU 库加入稀疏 MQA logits 内核，并为 BF16、FP8 和 FP4 的 GEMM 加入 C 项或偏置，将 DeepGEMM 更新至 2.8.2，同时发布了没有版本说明的 TileKernels 2.1.0。 🔗 来源
TokenSpeed 与 Qwen3.8-Flash-Next — LightSeek 的开源引擎使用四张 NVIDIA GB300 GPU，以 NVFP4 运行该模型：仅有一段对话时，每位用户的速度为 685.9 tokens/s；同时运行 32 段对话时为 95.7 tokens/s；Qwen 对这一结果表示赞赏。 🔗 来源
AMD MI350P 上的 Qwen3.8-Flash-Next — Florian Zimmermeister 在单张 GPU 上使用 vLLM，将 32 路流的总吞吐量从 1 168.2 提升至 2 256.6 tokens/s（+93.2 %），而起始配置已经采用了定制的 MXFP4。 🔗 来源
Microsoft Foundry 上的 GLM 5.3 Flash — Hugging Face 将 Z.ai 的模型加入其 Foundry 目录，为 AMD MI300X 优化，提供三种上下文长度为 512K 的配置；在 ShareGPT 上，采用 TP4 + DP2 的 8 GPU 版本实现了约 1.8 倍的吞吐量，并将首个 token 的等待时间从 11.3 s 降至 5.2 s。 🔗 来源
Neural Engine 上的 Qwen3.8-27B — ANEMLL 项目将模型的所有 MLP 矩阵量化为 3 位向量：在 M6 芯片上，相对于 BF16 的 KL 散度为 0.0518，平均速度为 37.5 tokens/s，权重大小为 9.74 Gio；标准任务上的准确率仍有待测量。 🔗 来源
Hub 张量查看器 — Hugging Face 现在通过一次请求返回所有分片的头部信息：DeepSeek-V3.2 的打开时间从 9.2 s 降至 0.45 s，GLM-5.3 从 4.0 s 降至 0.57 s。 🔗 来源

GitHub，AI 以外的动态

GitHub Apps 权限 — 两项细粒度权限允许在没有管理权限的情况下创建仓库或管理某个安装实例的仓库，仓库管理员也可将自己的仓库关联到已获批准的应用；其明确目标是摆脱经典 PAT。 🔗 来源
GitHub 可用性报告 — 截至 10 月 7 日，160 项生产服务中有 120 项运行在 Central US，51 个 MySQL 主数据库中有 13 个已完成迁移；GitHub 未能达到 9 月 30 日的目标，并回顾了 9 月 13 日的事故，该事故影响了网页端约 96 % 的议题创建。 🔗 来源
星标历史 — 新的 API 端点每次请求最多可返回 30 周的每日数量，不包含用户身份信息：获取 react/react 的数据约需 24 次请求，此前则约需 2 511 次。 🔗 来源

这意味着什么

语音正在成为一个可量化比较的领域，成本与排名同样重要。Grok Voice 3.0 在保持每分钟价格不变的同时提升了得分，SpaceXSI 则强调每项任务的成本：0.025 美元，而 GPT-Live-1 为 0.030 美元。厂商引用的这些 Artificial Analysis 测量结果还不足以定论：在 τ-Voice 上，GPT-Live-1 仍然领先，而 Grok Voice 3.0 则以低 40 % 的延迟弥补差距。实际部署同样重要：Starlink 每天处理 20 000 通电话，其中约 70 % 无需人工介入即可解决，说明语音智能体已经承担了实实在在的一部分客户支持工作。视频方面，FLUX 3 Video 通过降低服务的算力需求，将 2K 和 4K 的价格下调了 30 至 53 %，HeyGen 则着力于根据场景的声学特性调校声音。

前沿模型也要接受科研成果的检验。Google 展示了 Argon 在量子解码器、等离子体物理猜想以及经过实验室测试的酶方面的成果，Meta 展示了十篇医学论文手稿，Ai2 则展示了分辨率为 3 km、生成成本降至约 300 分之一的气候数据。局限也都白纸黑字地写着：关于 Grad 猜想的论文摘要并未提及 Argon，Meta 的研究都是回顾性研究，其中一项被认定为用于提出假设的研究，而在 ADK 代码仓库中，人工审查只保留了六项优化中的两项。人类始终保留最终决定权：在 Meta 的实验中，医学研究人员决定科学结论，ADK 的维护者则会删减智能体提出的内容。

智能体工作的成本正在成为工具开发的核心议题。Claude Code 会在缓存到期前压缩长对话，避免重新处理全部内容；HydraFusion 逐步调节推理力度；Cohere Labs 的研究则表明，由一个强大的主智能体带领低成本智能体，可以在降低 70 % 成本的同时接近最高得分。HybridAgent 从架构入手解决同一问题，在不生成词元的情况下进行推理。要管理这些支出，首先必须看得见它们：Claude Platform 与 Claude Code 2.1.300 的追踪记录如今遵循相同的 OpenTelemetry GenAI 约定，Ramp 则表示，通过为自身的追踪记录评分，部分智能体的词元用量减少了 10 至 20 %。OpenAI 关于欧盟的报告再次凸显了这一问题的重要性：在报告考察的欧盟 Enterprise 客户中，Codex 和 ChatGPT Work 已占输出词元的一半以上。

人工智能安全也正在进入公共领域。在新加坡的同一届 Cyber Week 上，Anthropic 签署了关于模型评估与事件响应的谅解备忘录，Google DeepMind 则与 GovTech 展示了完全在手机端运行的诈骗检测功能。在英国，NVIDIA 通过提供算力支持智能体安全研究；在美国，Anthropic 正在为 Claude 应对中期选举做准备，借助分类器防范被拆分成小任务的行动。在企业内部，OpenAI 表示，已借助自家模型找出了藏匿录音设备的员工；GitHub 锁定工作流的依赖项，确保标签指向发生变化后，不会执行有别于已审查版本的代码；VS Code 则在企业策略约束下强制使用 Copilot 执行框架及其执行规则。