Meta 开放拥有 8160 亿参数的 Muse Spark Open，NVIDIA 推出 Nemotron 3.5 Super VL，Cohere 将收购 AISLE

Meta 发布 Muse Spark Open 的权重。这是一款拥有 8160 亿参数的多模态混合专家模型，Meta 称其为美国最强的开放模型，NVIDIA、Hugging Face 和七家 API 服务商在发布当天即提供支持。NVIDIA 还开放了面向智能体、拥有 1200 亿参数的 Nemotron 3.5 Super VL；与此同时，Cohere 签署意向书，计划收购专注于自主发现漏洞的 AISLE，并成立 Cohere Cyber。Perplexity 将 Computer 的沙箱 SPACE 开源，Black Forest Labs 开放 FLUX 3 Image Klein 的权重，Cognition 则推出 Devin Oncall，一款调查生产环境故障的值班智能体。

Muse Spark Open：Meta 开放拥有 8160 亿参数的多模态 MoE，NVIDIA 和 Hugging Face 当天跟进

10 月 15 日 — Meta 发布 Muse Spark Open 的权重。这款多模态混合专家（mixture-of-experts，MoE）模型共有 8160 亿参数，每个 token 激活 420 亿参数，上下文窗口为 100 万个 token。模型可以读取文本、图像、视频和音频，并以文本作答；Meta 针对编程和智能体工作对其进行了训练。在 Muse 系列中，它成为开放的大型模型，定位高于 8 月发布、拥有 300 亿参数的小型稠密模型 Muse Glimmer，发布时间则比仍保持封闭的 Muse Wonder 晚了三天。

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

🇨🇳 今天，我们发布 Muse Spark Open，这是迄今为止美国最强的开放权重模型。它专为编程和智能体工作而设计，擅长执行长时间任务、复杂软件工程和多步骤推理。 — @AIatMeta 在 X 上

这一“最强”的说法需要按其限定范围理解。在 Hugging Face 模型资料的表格中，Muse Spark Open 以 xhigh 设置接受评测，在完整表格的八个项目中领先，其中包括 MCP 工具使用和 JobBench；但中国的大型开放模型在 Artificial Analysis 指数上仍领先于它（GLM 5.3 为 45，Kimi K3 为 44，而它为 39），编程表现也更强。与表中另外三款美国模型——Thinking Machines 的 Inkling、NVIDIA 的 Nemotron 3 Ultra 和 Reflection AI 的 Beam——相比，只有 Beam 在能力评测中超过它，具体为 GPQA Diamond（90.5 对 89.0）和 Terminal-Bench 2.1（80.1 对 76.4）。

评测基准（Hugging Face 模型资料）	Muse Spark Open 得分（xhigh）	表中表现最佳的对手
MCP-Atlas	89,2	84,5 (Qwen3.8-2.4T-A95B)
JobBench	61,8	61,4 (GLM 5.3)
HLE-Diamond（不使用工具）	26,1	22,2 (Kimi K3)
Artificial Analysis 指数	39	45 (GLM 5.3)
OSWorld Verified	80,4	84,8 (Kimi K3)
DeepSWE 1.1	60	68 (Kimi K3)
Terminal-Bench 2.1 (Terminus 2)	76,4	85,0 (Kimi K3)
StrongREJECT v2（越低越好）	0,5	62,9 (GLM 5.3)

由于所有专家都需要驻留内存，它需要 8160 亿参数模型的内存容量，才能提供 420 亿参数模型的运行速度。BF16 权重约占 1.5 TB（位于 Hugging Face 的 Muse-Spark-Open-816B-A42B 仓库，填写表格后即可访问），NVFP4 版本则可容纳在单个 B200 节点上。不过，Meta 着重强调本地运行：模型针对两台互联的 Mac Studio M5 Ultra 进行了优化，使用 MLX，每台最高提供 512 GB 统一内存。Hugging Face 测试了更小的配置，仅使用一台配备 512 GB 内存的 Mac M3 Ultra：在 llama.cpp 下，2 位版本占用 304 GB 内存，每秒生成 18 个 token。

权重依据对商业使用设有限制的 Muse Model License 发布，Meta 表示，这允许许多开发者免费使用模型。七家服务商从首日开始提供该模型：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI。Meta 称，它针对开放权重增加了专门的安全后训练，并达到了 10 月 2 日更新的 Meta Superintelligence Scaling Framework 所设定的发布门槛。在分数越低越好的 StrongREJECT v2 上，该模型得分为 0.5，其他参评模型则为 62.9 至 86.4。在 FORTRESS 上，它取得了最佳的平均风险得分（5.8，其他模型为 21.6 至 28.2），但过度拒绝得分也是表中最高的（17.4，其他模型为 2.7 至 13.3）。

NVIDIA 随此次发布推出了一篇技术博文：Muse Spark Open 使用 GB300 NVL72 机架系统训练，Meta 提供的 NVFP4 检查点针对 Blackwell Ultra 进行了优化。在智能体工作负载下，NVIDIA 宣称每块 GPU 每秒最高可生成 50 000 个 token，每位用户每秒最高可获得 600 个 token，并发布了适用于 SGLang、vLLM、TensorRT LLM 和 Dynamo 的部署方案、一个 NIM，以及使用 NeMo AutoModel 进行后训练的方案。

其余生态也在当天跟进：Transformers 和 TRL 已集成该模型（见下文），mlx-lm 0.32.0 增加了 NVFP4 版本支持，Unsloth 宣布推出可容纳在约 256 GB 内存中的 2 位版本，Meta 则为 SGLang 提供了 Helion 内核，内核级速度最高提升至 3.95 倍。Hugging Face 甚至在博文中使用 64 块 H100 GPU 对完整模型进行了微调，使平均逐 token 准确率从 72% 提升到 84%。

🔗 Meta 博文 · 模型资料（Hugging Face） · Hugging Face 博文 · NVIDIA 技术博文

Nemotron 3.5 Super VL：NVIDIA 开放面向智能体的 1200 亿参数多模态模型，Perplexity 当天集成

10 月 15 日 — NVIDIA 发布 Nemotron 3.5 Super VL，这是一款拥有 1200 亿参数的开放混合专家模型，每个 token 激活 120 亿参数。它将推理、指令遵循和工具调用与文本、图像、文档及视频理解相结合，面向连续执行长时间任务的智能体：同一个模型读取网页、图表或 PDF 后即可采取行动，无须在文本模型和视觉模型之间传递上下文。NVIDIA 表示，它在多模态智能体任务上的准确率可媲美其最大的推理模型，而参数量仅约为后者的五分之一。

NVIDIA 公布的评测	Nemotron 3.5 Super VL 得分	对比参照
Hermes Bench	63,44 %	56,33 % (Nemotron 3 Ultra)
LangChain 行为评测	87,05 %	84,3 % (Nemotron 3 Ultra)
CharXiv（图表读取）	80,8 %（使用 Python 代码时为 84 %）	63 % (Nemotron 3 Nano Omni)

NVIDIA 尤其强调效率：在智能体任务中，单块 GPU 的吞吐量最高可达其他同等规模开放模型的 5 倍；通过 Baseten，在 Artificial Analysis 指数的智能体任务中每秒生成超过 600 个 token；完成 10 000 项编程任务的速度最高提升至 4 倍，同时在 SWE-Bench Pro 上保持良好准确率。它从 Nemotron 3 Ultra 蒸馏而来，并在表中的两项运行框架评测中超过了后者。服务方面，LiLiCorr 推测解码在 DGX Spark 上将生成速度提升至最高 2.3 倍；Dynamo 使用 16 块 B200 GPU，以每位用户每秒 50 个 token 的速度，最多可服务 8 倍数量的用户，同时首个 token 延迟降低 85%。

此次发布内容完整，包括基础权重、后训练权重、NVFP4 量化权重、训练方案、NeMo Gym 中的强化学习环境，以及开放数据集，其中包括 40 个视觉语言数据集，以及与 IIT Madras 及其 AI4Bharat 实验室共同构建、覆盖 22 种印度语言的约 2.8 万亿 token 语料库。模型在训练中接触了约 26 万亿个 token。它已在 Hugging Face、OpenRouter 和 ModelScope 上提供，也可通过 NIM 微服务使用，尚未公布价格；NVIDIA 列举了 Scale AI 为 Skydance 进行的适配，据称推理成本降至原来的 1/40，以及 Ramp、AI21 和 Alice 的适配案例。

Perplexity 当天向 Pro 和 Max 订阅用户开放了该模型，并将其加入 Agent API。API 更新日志列出的 perplexity/nemotron-3.5-super-120b-a12b 价格为：每百万输入 token 0.20 美元（缓存输入为 0.04 美元），每百万输出 token 0.50 美元；上下文长度为 1 048 576 个 token，最多生成 131 072 个 token，用于替代 Nemotron 3 Ultra。这里有一处小小的不一致：该条目将模型描述为仅支持文本输入，而 Perplexity 的推文宣布的是也能读取图像的 VL 版本。

同一天，10 月 13 日宣布的 Nemotron 3.5 Bolt 74B-A9B 24GB 登陆 Hugging Face：它原生采用 2 位量化，可容纳在 24 GB 内存中，面向 10 月 16 日上市的 RTX Spark 笔记本电脑，可使用 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM 运行。NVIDIA 将其列为 PinchBench 上同类开放模型的第一名；Bolt E4B 4GB 将于 10 月 23 日随后推出。

🔗 NVIDIA 公告 · NVIDIA 技术博文 · Perplexity 公告 · Perplexity API 更新日志

网络安全：Cohere 将收购 AISLE 并成立 Cohere Cyber，GitHub 全面推广 AI Scan 和智能体自动修复

同一天，两家公司将人工智能用于漏洞发现与修复：Cohere 通过收购获取相关能力，GitHub 则将其全面引入代码扫描。

10 月 15 日 — Cohere 将收购 AISLE。这家初创公司开发自主系统，能够发现、验证并协助修复关键软件中此前未知的漏洞。两家公司已签署意向书（Letter of Intent）：交易尚未完成，金额和时间表均未公布。交易完成后，AISLE 位于布拉格的总部将成为 Cohere 的布拉格办公室。

已公布的 AISLE 指标	公布数值
成立年份	2024
获得 CVE 编号的新发现漏洞	超过 500 个，分布于超过 100 个代码库
OpenSSL，一月安全公告	公布的全部 12 个漏洞
curl，最新版本	24 个 CVE 中的 18 个
高危或严重级别的 CVE	超过 200 个（据艾丹·戈麦斯称）

Aisle is the state-of-the-art in defensive cyber, having found 200+ High/Critical CVEs in critical software like curl, FFmpeg, FreeBSD, Wireshark.

🇨🇳 Aisle 处于网络防御前沿，已在 curl、FFmpeg、FreeBSD 和 Wireshark 等关键软件中发现超过 200 个高危或严重级别的 CVE。 — @aidangomez 在 X 上

在同一串帖文中，Cohere 负责人艾丹·戈麦斯声称，AISLE 的表现超过了 Anthropic 的 Glasswing（Mythos）和 OpenAI 的 Daybreak，在 curl 中发现了 29 个新 CVE，而 Mythos 据称一个也没有发现；这一数字与两家公司博文中提出的“24 个 CVE 中的 18 个”并不吻合。

AISLE 创始团队将担任管理职务。AISLE 首席执行官翁德雷·弗尔切克将出任 Cohere Cyber 高级副总裁，这个新部门负责向 Cohere 客户提供网络安全解决方案；贾娅·巴卢将担任 Cohere 全球首席信息安全官；AISLE 的 CTO 兼首席科学家斯坦尼斯拉夫·福特将担任人工智能安全副总裁，并与 Cohere 的 CTO 伊万·张合作，将安全研究与模型开发和训练相结合。

Cohere 将此视为继 Reliant AI 和 Aleph Alpha 之后，其欧洲战略的又一步：公司计划在布拉格进行“大规模”的长期投资，使其成为公司的全球人工智能网络安全中心；艾丹·戈麦斯表示，这里距离公司位于柏林的新总部只有一小段路程。目标有两个：继续 AISLE 在开源软件安全方面的工作，并让关键基础设施运营商能够以完全私密的方式分析自己的软件，包括在物理隔离（air-gapped）环境中。两篇博文还提出了模型层面的一个理由：难度高但可验证的安全问题，可用于评估和改进 Cohere 未来的模型。

🔗 Cohere 博文 · AISLE 博文

GitHub：拉取请求的 AI Scan 与告警的智能体自动修复正式可用

10 月 15 日 — GitHub 将代码扫描中两项基于 AI 的功能正式推出，一项用于发现拉取请求中的漏洞，另一项用于修复告警。

拉取请求的 AI Scan 在 CodeQL 尚未覆盖的领域提供补充：PHP、Shell/Bash、Terraform 配置（HCL）、Dockerfiles、Java 中的 JSP 或 C# 中的 Blazor。只要仓库启用了代码扫描和 AI Scan 设置，它就会在每个拉取请求中自动运行，结果与 CodeQL 的结果并列显示，并标有“AI”，有时还会附带风险说明和修复建议。这些结果仅供参考：不会导致检查失败，也无法阻止合并，而且扫描不会在来自派生仓库或 Dependabot 的拉取请求上运行。

智能体自动修复（agentic autofix）则负责处理分配给 Copilot 的告警：它会检查相关文件、提出修复方案、重新运行 CodeQL 以验证告警确已关闭，必要时反复修改，最后创建一个拉取请求草稿。可以将默认分支上的一条告警交给它，也可以让它在同一个拉取请求中修复最多 25 条告警，或通过 REST API 将告警分配给 copilot-swe-agent[bot]；启用后，它会取代免费的 Generate Fix 选项。

正式可用的 GitHub 功能	套餐与条件	计费方式
拉取请求的 AI Scan	公共仓库；组织的私有和内部仓库需使用 Code Security 或 Advanced Security，无需 Copilot 许可证	Code Security AI Credits
告警的智能体自动修复	GitHub Enterprise Cloud 上的 Code Security 或 Advanced Security，包括数据驻留方案；需启用 Agentic autofix 策略并配置 Copilot 计费方式	Code Security 预算中的 AI Credits 与 GitHub Actions 分钟数

这两项正式发布为这里自 9 月以来持续报道的一系列进展收尾：9 月 10 日推出 AI Scan 启用 API，9 月 25 日推出依托 Copilot Memory 的智能体自动修复预览版，10 月 13 日在安全概览中加入 AI Scan 指标。

🔗 拉取请求的 AI Scan（GitHub 更新日志） · 代码扫描告警的智能体自动修复（GitHub 更新日志）

SPACE：Perplexity 将 Computer 的沙箱平台开源，采用 Apache 2.0 许可证

10 月 15 日 — Perplexity 将 SPACE（Sandboxed Platform for Agentic Code Execution）开源，这是运行 Perplexity Computer 每项任务的沙箱（sandboxes）平台。前一天，Perplexity 详细介绍了 SPACE 如何将每个请求路由至正确的沙箱执行实例；如今，其代码本身已在 GitHub 上公开，采用 Apache 2.0 许可证。每项智能体任务都在独立的 Firecracker microVM 中运行，凭据和出站流量均由虚拟机外部控制。

其安全原则可以概括为一点：将沙箱视为不可信环境。Computer 的智能体可以在其中以 root 权限运行命令、安装软件包和调用外部服务，但无法触及宿主机，每个沙箱的专属网关都会对每次连接执行出站策略；智能体可以访问获准使用的服务，而凭据不会存储在其工作环境中。沙箱也不会随着创建它的请求结束而消失：它可以暂停、派生副本（fork），或通过内存和磁盘快照挂起，之后再恢复运行。

SPACE 项目	Perplexity 公布的情况
仓库语言与许可证	Rust, Apache 2.0
隔离方式	每项智能体任务使用一个 Firecracker microVM
生产环境规模	每天创建数百万个沙箱，自 7 月起用于全部 Computer 会话
与原供应商相比的创建速度	在相同生产流量下快三至五倍
Escaping SPACE, Part I	108 次尝试中没有一次成功逃逸至宿主机
版本发布计划	以 0.8.0 作为公开基础版本，随后发布 0.9.0 和 1.0.0

9 月的 Escaping SPACE 评估没有发现从虚拟机逃逸至宿主机的情况，但发现了绕过网络限制的方法：文章称，这些问题已被修复，已识别的方法在后续测试中均未再成功。该仓库使用 Rust 编写，可在本地 Kubernetes 测试集群（Kind）上安装，提供预热沙箱池（warm pools）以及与 E2B API 兼容的接口层，并已使用其 Python SDK 测试；0.9.0 将是确立稳定接口契约的 1.0 版之前，最后一个引入不兼容变更的版本。

CoreWeave 和 Akamai 已在各自平台上测试并上线 SPACE，正着手将其提供给客户，Crusoe 也将把它加入 Managed AI Services 产品。Perplexity 将 SPACE 定位为其智能体运行平台（Agentic Runtime Platform）的首个组件，希望通过开放它来提高智能体产品的安全水平。

🔗 Perplexity 的文章 · @perplexity_ai 的帖子串 · SPACE 仓库（GitHub）

生成式媒体：单张消费级 GPU 即可运行的开放权重 FLUX 3 Image Klein、向所有人开放的 Kling 4.0、ElevenLabs 的 Instant Soundtracks

10 月 15 日 — Black Forest Labs 发布 FLUX 3 Image Klein，这是一款拥有 56 亿参数、仅含生成器的开放权重图像模型，可在单张消费级 GPU 上运行。同一个模型既能根据文本生成图像，也能根据一张或多张参考图进行编辑，最多支持 10 张图像；它继承了 10 月 1 日推出的 FLUX 3 Image 的主要功能：原生 4K 生成、像素级精确编辑，以及边界框（bounding boxes），可在提示词中指定元素的位置，或将编辑限制在某个区域。

根据 BFL 的内部评估，Klein 在文本生成图像、多参考图和编辑任务中均位居首位，超过了规模更大的开放模型 Qwen-Image 2.1（7B）和 Krea 2（12,9B），也高于对比中的两个闭源模型 Ideogram V4.5 和 FLUX.2 [pro]。与上一代 FLUX.2 [klein] 9B 相比，它在参数减少 38 % 的同时，文本生成图像的 Elo 分数提高了 91 分，编辑任务提高了 70 分。

测试配置	公布的结果
BF16 / FP8 权重	11,2 Go / 5,6 Go
GeForce RTX 上的 INT8 版本（ComfyUI 或 Diffusers）	使用 8 Go VRAM 即可运行
RTX 5090，INT8 蒸馏版（NVIDIA 测量）	每张 1 百万像素图像约 4 s
RTX 4070，INT8 蒸馏版（NVIDIA 测量）	每张 1 百万像素图像少于 9 s
H100，Diffusers 中的蒸馏版	每张 1024 × 1024 像素图像约 2 s
GB300，NVFP4 蒸馏版	每张 1 百万像素图像少于 0,6 s

Hugging Face 当天就将其集成至 Diffusers，提供两个检查点：使用 16 步且不使用 CFG 的蒸馏版，以及使用 50 步、面向微调的基础版。此外还提供 NVFP4 和 FP8 权重、Qwen3-VL 文本编码器，以及 LoRA 微调脚本；使用 NVFP4 时，RTX 6000 上推理后的峰值内存占用达到 15.3 Gio。ComfyUI、TensorRT-LLM、SGLang Diffusion 和 vLLM-Omni 也在发布时即提供支持，FP8、INT8 和 NVFP4 版本则是与 NVIDIA 共同开发的。

权重采用 FLUX Kommunity 许可证，个人和年营收低于 500 万美元的企业可免费用于商业用途，研究用途同样免费；超出这一范围，则需要自托管许可证，或通过 API 使用。BFL 的 API 提供 flux-3-image-klein，每张 1K 图像 0.009 美元起。这是继 FLUX 3 Action 之后，FLUX 3 系列的第二款开放模型，BFL 表示后续还将推出更多模型。

🔗 Black Forest Labs 的文章 · @bfl_ai 的公告 · Diffusers 中的 FLUX 3 Image Klein（Hugging Face）

Kling 4.0 全面开放，支持通过 MCP 和命令行访问

10 月 15 日 — 继 9 月 30 日开放抢先体验后，Kling AI 现将 Kling 4.0 向所有人开放。这款视频模型可通过 kling.ai 上重新设计的创作界面使用，也新增了 MCP 和命令行（CLI）访问方式，便于将其集成到配有工具的制作流程中。另有两项功能宣布即将推出，但尚无具体日期：4K 和 1080p 的 10 位 HDR 视频输出，以及面向企业和开发者的 API 访问。9 月 28 日公布的规格仍为准：3 至 30 秒的视频片段、最高 4K 分辨率、立体声音频、10 个关键帧、15 个参考素材，以及 8 000 tokens 的提示词。公告未提供定价或基准测试结果。

🔗 Kling AI 公告 · Kling 版本说明

Instant Soundtracks：ElevenLabs 根据视频创作同步的音乐与音效

10 月 15 日 — ElevenLabs 在 ElevenCreative 中推出 Instant Soundtracks：上传视频后，模型会创作原创音乐，识别需要音效的时刻，并将每个音效放在正确的时间点，例如在广告结尾标志出现时同步加入一声“嗖”。该工具面向短视频，能够更紧密地对齐剪辑点和转场，随场景切换音乐氛围，并可将原始音频作为参考，包括曲风、速度和配器。音效位于独立音轨，可在导出前修改。

ElevenCreative Studio API 参数	参数作用
`add_sfx`	添加同步音效
`separate_tracks`	以独立文件（.ZIP）返回音乐和音效
`use_audio_as_reference`	将原始音频作为音乐参考

Instant Soundtracks 已在 ElevenCreative、ElevenMusic 和 API 中提供。API 每次请求最多接受 10 段视频，总大小不超过 200 Mo，总时长不超过 10 分钟。ElevenLabs 未公布定价。

🔗 ElevenLabs 公告

代码智能体：Cognition 推出 Devin Oncall，Claude Code 2.1.301 与 Code Review、Delta 0.20、Antigravity CLI 1.3.6、OpenAI 的 Codex、MX Keypad

10 月 15 日 — Cognition 推出 Devin Oncall，现已正式可用：Devin 会自动调查告警和缺陷报告，帮助团队诊断并解决生产事故。它开箱即可连接 Datadog、Dynatrace 和 Sentry 等服务；据 Cognition 称，它已在全球一些最大规模的企业中，每天处理数千条生产告警。其架构不绑定任何模型：Cognition 会为每项值班任务选择最有效的模型。

评估的智能体与模型	端到端成功率（SREGym-Lite）	分数来源
Devin Oncall + Claude Opus 5.5	100 %（耗时 2 min 21 s）	Cognition 内部评估
Devin Oncall + GPT-6 Astra	100 %	Cognition 内部评估
Devin Oncall + GPT-6.1 Sol	94,1 %	Cognition 内部评估
Devin Oncall + Claude Fable 5.1	85,3 %	Cognition 内部评估
CloudThinker + Claude Opus 5	76,5 %	SREGym 公开排行榜
Codex + GPT-5.6 Sol	76,5 %	SREGym 公开排行榜
Claude Code + Claude Sonnet 5	45,1 %	SREGym 公开排行榜

SREGym-Lite 包含源自真实事故的 17 种故障：智能体必须在同一次执行中找到根因，并修复正在运行的系统。Devin Oncall 的分数来自 Cognition 内部评估，其他智能体的分数则来自截至 10 月 15 日的 SREGym 公开排行榜，其中 CloudThinker 使用 GPT-6 Astra 时也达到了 100 %。这项基准测试因此已达到饱和：据 Cognition 称，中档模型如今已能取得满分，而上一代模型的最高成绩还停留在 50 至 60 % 之间。

文章主要介绍了围绕模型构建的工具体系。一个复核智能体与调查并行工作，以避免仓促下结论：将相关性当作因果、忽略相互矛盾的遥测数据，或将触发因素误认为根因。三层记忆持续积累企业知识：每个响应器的专属记忆、通过定期索引环境生成的技能，以及从每次调查中积累信息的组织记忆。Responders 被定位为新一代 Auto-Triage，会监控告警流，通过识别已知问题避免约 60 % 的调查，从而节省传统自动化方式一半以上的成本；Incidents 模式则让 Devin 加入应急沟通频道，持续更新事故文档，并由子级 Devin 处理工程师直接提出的问题。

三个客户案例展示了此次发布的效果。在 Reducto，Devin 曾主动发起事故处理，远早于生产告警触发；在 Rivian 与 Volkswagen 的合资企业 RV Tech，它会从客户报告中提取车辆标识符和时间戳，获取日志并进行初步排查；在 AngelList，它正确识别根因的频率是内部工具 Sky 的 3.5 倍，并独立处理了一半事故，因此 Sky 已被停用。目前尚未公布定价：Devin Oncall 页面提供开始使用或预约演示的入口。本次发布是 7 月 TierZero 创始人加入 Cognition 后的又一进展，TierZero 专注于 AI 辅助 SRE。

🔗 Cognition 的文章 · @cognition 的帖子串 · Devin Oncall 页面

Claude Code 2.1.301：为无人值守模式的用量限制等待设置上限，修复 37 项问题

10 月 15 日 — Claude Code 2.1.301 于 UTC 19 时 22 分发布，共有 51 项更新，包括 8 项新增、37 项修复、4 项改进和 2 项变更，重点改善无人值守场景。新变量 CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS 允许自动重试模式（CLAUDE_CODE_RETRY_WATCHDOG）在触及用量限制、且距离限制重置时间过长时放弃请求，无须继续等待。在可观测性方面，OpenTelemetry 事件 tool_decision 现在包含 classifier_verdict 和 permission_mode，用于区分自动模式分类器的决策与权限规则；同时还包含 classifier_category，用于标明触发阻止操作的内置规则（配合 OTEL_LOG_TOOL_DETAILS=1）。

多项修复涉及可靠性：当组织尚未获准使用最新的 Fable 时，别名 fable（以及 best）不再报错，Claude Code 会使用上一版 Fable 重试一次；退出会话时，不再未经询问就删除由 WorktreeCreate hook 创建的 worktree，其中可能包含尚未推送的提交；Grep 和 Glob 在搜索失败时会报告错误，而不是显示“无匹配结果”。切换到上下文窗口较小的模型时，过长的对话会先由之前的模型进行摘要。在 VS Code 中，回复能够显示 LaTeX 公式，用量限制横幅也为 Pro 和 Max 订阅用户提供了“获取更多用量”链接。

🔗 Claude Code 2.1.301 版本说明

Claude Code 的 Code Review 结束研究预览，向 Team 和 Enterprise 开放

10 月 15 日 — 在 3 月 9 日以研究预览形式推出七个月后，Code Review 现已向 Claude Team 和 Enterprise 组织开放。这项 Claude Code 服务会自动审查 GitHub 拉取请求。据 Anthropic 称，大多数审查的完成速度约为预览期间的三倍，审查意见简短明了，会说明问题、触发条件和修复方法。管理员可为每个代码仓库选择一个级别：Quick、Standard（默认）或 Deep。

Code Review 要点	Anthropic 公布的详情
审查时长	约 6 至 10 分钟，预览期间约为二十分钟
审查计费	按消耗的词元计费，从套餐内含用量之外的用量额度中扣除，并设有每月上限
推出赠送额度	符合条件的 Enterprise 组织可获得至少 10 000 美元额度，须在 2027 年 1 月 15 日前领取，有效期为 30 天
当前不适用的情况	零数据保留、HIPAA 配置，以及目前的客户管理密钥（CMEK）

基本原则没有变化：审查意见以按严重程度分级的行内评论呈现，并附带一个始终不会失败的检查运行；审查既不会批准也不会阻止拉取请求，是否合并仍由团队决定。

🔗 Code Review 现已正式开放（Claude） · Code Review 文档

Delta 0.20：子代理成为可操控的子线程，代理可访问 MCP 服务器

10 月 14 日 — Zed 开发者打造的多人协作编程环境 Delta 升级至 0.20 版，包含 18 项新功能、14 项改进和 29 项修复，当天随后发布的 0.20.1 又修复了一项问题。子代理变成了普通子线程，用户可以查看、调整方向并亲自接手继续工作，子线程现在也支持嵌套；“启用子代理”设置改名为“委派”，提供三个档位：关闭、仅在要求时、最大程度。代理获得了访问 MCP 服务器的能力，可在设置 → MCP 中连接；从子线程发起的审查或 Land 操作，也会涵盖从父线程继承的变更。此版本还支持使用自己的 Google 密钥接入 Gemini 4 Argon，新增 /create-skill 命令，以及用于从终端管理组织的 delta org 命令。

10 月 15 日，一篇根据康拉德·欧文的演讲整理的文章详细介绍了 DeltaDB。这一协作层会将每次按键输入发送到服务器和协作者端：它采用受 diamond-types 启发的 CRDT，每项修改都锚定在某个 Git 版本或先前的修改上。由于每个字符都能追溯到创建它的修改，Delta 可以将其关联到作者、代理，甚至提示词。

🔗 Delta 版本说明 · DeltaDB：版本控制的未来

Antigravity CLI 1.3.6：通过 Google Cloud 凭据使用 Claude 5.5，延续 1.3.5 的自动模式与 /compact

10 月 14 日 — Google 将 Antigravity CLI 这款命令行代理工具定位为 Gemini CLI 的继任者，它正接连发布新版本：自本刊 10 月 8 日报道的 1.3.1 以来，已经连续推出五个版本。1.3.6 为使用 Google Cloud 默认凭据（应用默认凭据，AGY_ADC_AUTH）登录的用户新增 Claude Opus 5.5 和 Claude Sonnet 5.5：只有 Google Cloud 项目获得相应访问权限，这些 Claude 模型才会出现在 /model 中。它还解决了无限卡住的问题：如果连续 5 分钟没有收到模型数据，请求就会被取消并自动重试。

最显眼的新功能来自 1.3.5：自动模式会自行批准文件修改和被判定为安全的命令，但执行不可逆操作前仍会询问。可能超出终端沙盒范围的命令，会先交由另一个代理审查；1.3.6 加快了这一审查过程，允许项目的格式化和静态检查命令通过，并阻止会发送敏感数据的命令。该模式可通过 --mode auto、从 /config 中或使用 Shift+Tab 启用，目前支持 Linux 和 macOS，Windows 支持将在之后推出。1.3.5 还新增了 /compact，可按需摘要对话，腾出上下文窗口空间。

Antigravity CLI 版本	更新日志日期	改进与修复	版本重点
1.3.6	10 月 14 日	3 + 10	通过 ADC 使用 Claude Opus 5.5 和 Sonnet 5.5，卡住 5 分钟后重试
1.3.5	10 月 13 日	5 + 1	自动模式、`/compact`、`/diff` 中的高亮与折叠
1.3.4	10 月 12 日	4 + 10	`agy plugin list --json`，无须 `--effort` 即可选择模型
1.3.3	10 月 9 日	6 + 15	MCP 工具始终保持加载，强化沙盒
1.3.2	10 月 7 日	6 + 4	`/plugin` 与官方插件市场

🔗 Antigravity 更新日志

OpenAI 内部的 Codex：核心实验团队借助 GPT-6 Astra 和 GPT-6.1 Sol 合并逾 1 400 个维护 PR

10 月 14 日 — 在 OpenAI Developers 博客上，一位负责维护全公司所用实验软件的核心实验团队工程师，讲述了 GPT-6 模型如何在 Codex 中承担代码仓库维护工作。起点是一条简短且刻意模糊的提示词，要求查找并清理无用代码。GPT-5.6 Sol 无法将任务执行到底；GPT-6 Astra 则查阅了旧 PR、Slack 讨论串、内部跟踪工具和生产环境性能分析表，随后为每一项删除给出理由。之后，五名工程师在两周内利用部分工作时间，围绕这条提示词扩展任务：合并了超过 1 400 个拉取请求，删除了超过 800 000 行代码，并将一个服务的容器镜像从 3,31 缩减到 1,72 Go（-48 %）。

模型与推理强度	任务 API 成本	采纳的问题数	每项问题的成本
GPT-6 Astra Ultra	109,06 美元	142	0,77 美元
GPT-6.1 Sol Ultra	15,12 美元	131	0,12 美元
GPT-6.1 Sol Medium	5,27 美元	86	0,06 美元

在针对超过 6 000 个文件、100 万行 Python、TypeScript、Go 和 Rust 代码的同一项清理任务中，Ultra 推理强度的 GPT-6.1 Sol 找出了 GPT-6 Astra Ultra 所发现问题的 92 %，API 成本却只有后者的 14 %；差异主要来自被其他功能标志依赖的常量功能标志（功能标志），Astra 能识别出它们，Sol 则会遗漏。此外，约三十个优化 PR 将 CI 耗时中位数从约 10 分钟降至 4,5 分钟。作者承认，有些建议增加的复杂性超过了收益，并建议从小处开始。

🔗 使用 GPT-6 系列维护软件（OpenAI Developers）

MX Keypad：GitHub 与 Logitech 通过可编程键盘控制 GitHub Copilot 应用

10 月 15 日 — GitHub 开发者关系副总裁马丁·伍德沃德在一篇讨论“环境智能”的文章中，介绍了与 Logitech 合作 18 个月的成果：可编程键盘 MX Keypad，可与 GitHub Copilot 应用集成。用户可以通过一个按键提交带参数的提示词、打开或恢复 Copilot 会话、调用 IDE 命令，或启动包含多个步骤的操作序列。文章将这款设备置于三层架构愿景中：交互模态（文本、语音、实体控件）捕捉意图，代理执行框架负责规划和行动，控制平面则让开发者检查、调整方向和批准操作。作者保持谨慎：这项体验“仍处于早期阶段”（仍处于早期阶段），并非所有开发者都需要再添一台设备。文章提供了一个试用 MX Keypad 的链接，附赠三个月 GitHub Copilot Pro+，但没有公布价格或上市日期。

🔗 下一个开发者界面是环境智能（GitHub 博客）

模型安全：METR 在 Anthropic 获得员工级访问权限，IPI Black 悬赏 300 000 美元征集提示注入攻击

同一天公布的两项举措，都旨在让第三方检验模型安全性：一支进驻 Anthropic 的独立评估团队，以及一场针对代理的公开攻击竞赛。

METR 在 Anthropic 获得与员工相当的访问权限

10 月 15 日 — Anthropic 已开始接纳来自 METR 的一支团队进驻，并给予“与员工相当的访问权限”（类似员工的访问权限）。METR 是一家评估前沿人工智能模型的非营利组织。六名 METR 成员获得了公司设备、办公空间，以及与 Anthropic 风险评估团队大致相当的内部工具和系统访问权限；仅客户数据、受律师与客户保密特权保护的信息，以及模型架构不在开放范围内。METR 将发布风险分析，Anthropic 无权阻止：它只能要求隐去属于事先明确限定的少数类别的信息，而 METR 仍可公开说明自己是否认为这些删节合理。

评估者访问级别	信息访问权限	发布权	Anthropic 提及的评估者
级别 1	专项调查，由 Anthropic 决定访问权限	须经 Anthropic 批准	SecureBio
级别 2	可访问更多信息	无须批准，可对特定类别的信息进行删节	未提及
级别 3	与员工相当	与级别 2 相同	METR

Anthropic 也在筹备与 Accenture 和 Faculty 合作，涉及模型评估与红队测试、对齐评估和防护机制测试，并正与包括 Hugging Face 在内的其他组织进行初步讨论。公司将这一机制类比于银行监管：常驻检查员在大型银行内部开展工作；它也将此举视为签署《白宫超级智能协议》后的延续，该协议要求企业承诺与独立外部评估者合作。

🔗 独立评估者最新进展（Anthropic）

IPI Black：Gray Swan 推出奖金达 300 000 美元的间接提示注入竞赛

10 月 15 日 — Gray Swan 推出 IPI Black（间接提示注入：黑盒），这场间接提示注入公开竞赛奖金达 300 000 美元，获得 Anthropic、Meta、Google DeepMind、Reflection AI、OpenAI、Amazon、Thinking Machines 和人工智能安全研究所的支持。参赛者无须具备相关经验，将攻击置于模拟环境中的代理，这些环境配有真实感工具（Gmail、Slack、GitHub、X）：例如，诱使社交媒体负责人的写作代理在公司官方账号上发布有害内容。白盒模式下，参赛者可以看到代理的回复并改进攻击；黑盒模式下，参赛者只能提交攻击载荷，无法看到任何反馈。

竞赛分三轮进行，每轮持续一周，分别于 10 月 15 日、22 日和 29 日开放，每轮都有独立排行榜，白盒与黑盒赛道共同分配 100 000 美元奖金。第一轮提供十个场景，其中六个为白盒、四个为黑盒，涵盖从在 GitHub 问题评论中泄露标识符，到伪造举报者报告等情形。收集到的攻击将用于充实合作实验室衡量模型稳健性所用的基准测试。Claude Code 创建者鲍里斯·切尔尼转发了这场竞赛：他表示，近年来 Claude 模型在抵御提示注入方面已取得很大进展，但随着代理承担越来越多的工作，整个行业迫切需要解决这一问题。

🔗 Gray Swan 的讨论串 · 竞赛页面 · 鲍里斯·切尔尼的消息

新模型：面向时间序列的 Timestral、StepFun 的 Step 5 Preview、Apertus 1.5 和 Jev 1.14

四项性质各异的发布：Mistral 的预测模型系列、StepFun 的大型开放 MoE 模型、瑞士的完全开放模型，以及 TypeSafe 的决策模型。

Timestral：Mistral 发布首个时间序列基础模型系列

10 月 15 日 — Mistral 发布 Timestral，这是其首个时间序列基础模型系列，提供四种规模，共享相同的架构和训练方案：5M、28M、123M 和 209M 参数。这些模型能够生成概率预测（21 个分位数）和多变量预测，考虑仅在历史中已知或提前已知的协变量（生产日程、计划停机、天气预报），包括机器状态等类别变量，并可读取长达 32 768 个时间步的历史数据。

基准测试与指标（越低越好）	Timestral-209M	t0-gamma	TimesFM-3	Chronos-2
GIFT-Eval, MASE	0,658	0,661	0,667	0,698
GIFT-Eval, CRPS	0,446	0,452	0,456	0,485
TIME, MASE	0,626	0,637	0,640	0,662
TIME, CRPS	0,522	0,534	0,536	0,556

据 Mistral 称，在无需适配即可使用的预训练模型（零样本）中，209M 在 GIFT-Eval、TIME 和 fev-bench 上排名第一，仅使用一个检查点，无需模型集成，以此前最佳模型三分之二的参数量超越了其表现；领先模型之间的差距仍然很小，而小型的 28M 已经在 GIFT-Eval 和 TIME 上击败了体积约为其四倍的 Chronos-2。Timestral 无需 GPU：在一颗使用 8 线程的服务器处理器上，根据三周、间隔 15 分钟的历史数据预测未来一天，5M 耗时 10 ms，209M 耗时 140 ms。模型权重已在 Hugging Face 上发布，采用“修改版 MIT”许可证，排除合并月营业收入超过 2000 万美元的企业；代码在 GitHub 上采用 Apache-2.0 许可证发布，文档将 Timestral 1.0 定位为公开预览版；Mistral Forge 支持使用专有数据进行微调，并可离线部署。

🔗 Timestral 简介（Mistral） · Hugging Face 上的 Timestral-209M

Step 5 Preview：据 NVIDIA 介绍，StepFun 发布拥有 6000 亿参数的开放 MoE，面向持续 24 小时的智能体任务

10 月 15 日 — NVIDIA 对 Step 5 Preview 的发布表示欢迎，其账号 @NVIDIAAI 将其称为 StepFun 迄今规模最大的开放权重模型：这是一个拥有 6000 亿参数的混合专家模型，专为最长可持续 24 小时的智能体任务设计。NVIDIA 宣布，该模型在 GB300 上以 NVFP4 运行时，每块 GPU 每秒可处理近 8 000 tokens，并在 Hugging Face 上发布了 NVFP4 检查点，提供 SGLang 和 vLLM 的部署方案、使用 NeMo AutoModel 进行后训练的方法，以及可通过一条命令启动的 NIM。NVIDIA 的消息未提供基准测试结果或许可证信息。

🔗 @NVIDIAAI 的消息

Apertus 1.5：Swiss AI 详解完全开放的 8B 和 70B 模型，支持图像、音频及 262 144 tokens 上下文

10 月 15 日 — 瑞士 Swiss AI 倡议发布了其完全开放模型系列 Apertus 1.5 的版本说明和技术报告。8B 和 70B 权重已于 7 月 24 日以 Apache 2.0 许可证上线；报告还公布了中间检查点（基础模型、SFT、RLVR、DPO）、数据混合配方和评估报告，方便其他研究人员研究各个训练阶段的影响。

Apertus 1.5 模型	新增预训练 tokens	tokens 总量
8B	4 000 十亿	19 000 十亿
70B	2 000 十亿	17 000 十亿

图像和音频均通过分词器处理，无需单独的编码器：一张 512 × 512 像素的图像会转换为 1 024 tokens，一秒音频转换为 40 tokens，因此训练速度与纯文本训练相同；模型能够理解图像和音频，但只能生成文本，音频功能仍处于实验阶段。它们还新增了可选的思考模式，上下文长度增至 262 144 tokens，是此前的四倍。作者承认，这些模型仍落后于最优秀的开放模型，同时指出 8B 在指令遵循和多语言能力上领先于同等规模的模型，但文章未提供具体分数。结果以 Every Eval Ever 格式发布，该格式旨在满足欧盟《人工智能法案》的合规要求。

🔗 Apertus 1.5 版本说明（Hugging Face）

Jev 1.14：TypeSafe 以预览形式开放图像、Box 问题及四倍长度的上下文

10 月 14 日 — TypeSafe 宣布推出决策模型的新版本 Jev 1.14，称其“焕新升级”，但未提供数据佐证。此次发布包含三项实验功能：图像，可放在任何原本支持文本的位置，也向当前版本的 Jev 开放；System One 新增问题类型 Box，以图像宽度和高度的比例表示物体边框的四条边；以及长度增至四倍的上下文，不过 TypeSafe 仍建议限制上下文长度。TypeSafe 表示，这些功能仍处于预览阶段，尚未达到生产可用水平，需通过请求头 TypeSafe-Danger-Zone-Images: true 启用；Box 问题要求使用 Jev 1.14，可通过 jev-preview 或 jev-1.14.0 调用。Zed 对此次发布表示欢迎，并引用韦斯·博斯的计算：针对一张 850 × 850 像素图像提出一个问题，费用为 0.000096936 美元，相当于每美元约可处理 10 000 张图像；这是韦斯·博斯的计算结果，并非 TypeSafe 公布的价格。

🔗 TypeSafe 的公告 · Box 文档

人工智能助力科学：CERN 与 Mistral 瞄准 Large Physics Model，Sakana AI 推出 The Agentic Scientist，OpenAI 资助数学家

让人工智能服务研究的三种方式：面向对撞机物理的基础模型、在框架约束下开展端到端研究的编程智能体，以及帮助数学家验证人工智能生成结果的资金支持。

CERN 与 Mistral 携手开发 Large Physics Model

10 月 15 日 — CERN 与 Mistral 签署了一份意向声明（意向声明），拟建立长期战略合作伙伴关系，专注于面向科学发现的基础模型。项目的核心是一个统一的预训练 Large Physics Model，CERN 将其称为首个面向对撞机物理的基础模型，使用大型强子对撞机（LHC）模拟产生的数十亿次质子对撞进行训练。它将同时服务于多种任务：重建对撞事件、识别粒子、发现意外信号，以及评估未来的探测器设计，而目前这些分析需要通过一系列专用算法完成。CERN 已存储约一艾字节（即一百万太字节）的 LHC 实验数据，预计在 2030 年左右投入使用的高亮度 LHC（HL-LHC）将使对撞次数增至十倍。公告引用了 CERN 首席信息官埃恩里卡·波尔卡里和 Mistral 工程人工智能副总裁约翰内斯·布兰德施泰特的发言，但未披露金额、时间表或计算资源。

🔗 CERN 的公告 · @MistralAI 的系列帖文

The Agentic Scientist：Sakana AI 为编程智能体搭建框架，开展端到端研究

10 月 15 日 — Sakana AI 推出 The Agentic Scientist，这是其 AI Scientist 项目的新一代系统；该项目自 2024 年起一直在探索人工智能能独立开展研究到何种程度。其出发点是一项观察：

Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined.

🇨🇳 Codex 和 Claude Code 等编程智能体如今已能独立完成耗时较长的软件任务。然而，把一个研究问题交给它们，得到的往往更像是一个出色的超参数优化器，而不是科学家：分数提高了，但思路仍然狭窄，提升背后的原因也很少得到审视。 — @SakanaAILabs 在 X 上

其解决方案是在现有编程智能体（Codex、Claude Code、OpenCode、Pi）周围搭建一个支撑框架：并行智能体按照实验开始前就确定的评估标准检验假设，在共享记忆中记录各自的成功与失败，随后系统依次完成基线对照、消融实验、封闭的最终评估及分析，直至撰写论文。Sakana AI 使用 9 个模型（4 个 GPT、4 个 Claude、1 个 DeepSeek）和 4 个运行框架，在 5 个研究主题上进行了评估，共涵盖 14 种模型与框架组合以及 70 轮研究：较新的模型能够产出更好的论文，而框架选择的影响小于模型选择。一款开发版本曾与研究人员共同撰写了一篇关于 Error Diffusion 的论文，这是一种受生物学启发的学习规则，论文获 ALIFE 2026 接收为口头报告；在长文档事实检索任务（Doc-to-LoRA）上，该系统无需重新训练模型，就将准确率从 52 % 提升至 98 %。代码以 Apache 2.0 许可证开放；Sakana AI 提醒，人类仍须负责选择研究问题并验证论断，且这些智能体以全部权限运行，因此建议使用 Docker。

🔗 Sakana AI 的文章 · arXiv 上的论文 · AI-Scientist-v3 代码仓库

OpenAI 向 Simons Foundation 面向数学家的新倡议捐赠 500 万美元

10 月 15 日 — OpenAI 宣布向 Simons Foundation 的一项新倡议捐赠 500 万美元，旨在帮助数学家审查、理解并拓展人工智能生成的结果，包括 OpenAI 最近发布的结果。10 月 6 日，该公司曾公布由一个未公开内部模型生成的 722 篇数学成果手稿，并提醒部分未经形式化验证的结果可能存在错误。这笔资金将由基金会管理和分配，用于研讨会、会议和专项计划；OpenAI 还将向获得 Simons Foundation 支持的研究人员提供模型访问权限和计算资源。该消息引用了 Simons Foundation 的公告，后者将总计投入 1500 万美元开展研讨会和相关倡议，并通过与 Anthropic 和 OpenAI 建立的新合作关系，为其支持的研究人员提供免费计算资源。此次公告仅通过 X 上的一则消息发布，未披露倡议名称或时间表。

🔗 OpenAI 的公告 · 10 月 6 日发布的 722 篇手稿（OpenAI）

Claude Opus 5.5：快速模式结束研究预览，每百万 tokens 输入和输出分别收费 8 美元和 40 美元

10 月 15 日 — Claude Opus 5.5 的快速模式（快速模式）在 Claude Platform 上结束研究预览，无需加入候补名单。该模式使用相同的模型和权重，每秒输出 tokens 数最高可达标准速度的 2.5 倍，收费为 Opus 5.5 标准价格的两倍。请求不再需要测试版请求头 fast-mode-2026-02-01（仍携带该请求头的请求依然会被接受），各使用层级如今也为该模式设置了默认速率限制，与标准速度 Opus 的限制相互独立。

快速模式下的 Claude 模型	截至 10 月 15 日的状态	每百万 tokens 价格（输入 / 输出）
Opus 5.5	已开放，无需候补名单或测试版请求头	8 / 40 美元（标准速度为 4 / 20）
Opus 5	研究预览，需要测试版请求头	10 / 50 美元
Opus 4.8	研究预览，需要测试版请求头	10 / 50 美元

性能提升体现在输出吞吐量上，而非首个 token 的响应时间，切换速度会使提示词缓存失效；该模式仍不支持 Batch API。它也已在 Microsoft Foundry 中面向托管于 Azure 的部署开放，文档现已确认这一点；据 @ClaudeDevs 称，Google Cloud 将随后跟进，而 Amazon Bedrock 和 Claude Platform on AWS 仍不支持该模式。在 Claude Code 中没有变化：快速模式仍会消耗额外的使用额度。

🔗 @ClaudeDevs 的公告 · 快速模式文档

Hugging Face 库：Transformers 5.20.0 与 TRL 1.16.0 集成 Muse Spark Open

Hugging Face 的两大核心库在 Muse Spark Open 发布当天推出新版本并提供支持，同时各自带来其他新功能。

Transformers 5.20.0：新增七个模型，支持导出时量化

10 月 15 日 — Hugging Face 发布 Transformers 5.20.0，此版本的一大重点是支持刚刚推出的 Muse Spark Open，实现发布当天适配。另外还有六个模型加入该库。

Transformers 新增模型	模型发布方	技术特点
Muse Spark Open	Meta	多模态 MoE，816 十亿参数，其中 42 十亿为激活参数
Ling 3.0 Flash	InclusionAI	混合 MoE，每五层 Kimi Delta Attention 配一层 MLA
Kolibri 1	Aleph Alpha	德英双语推理 MoE，每个 token 从 384 个专家中激活 6 个
MiniCPM-V 4.7	OpenBMB	面向图像和视频的 M-RoPE 画布位置编码
UnlimitedOcr	Baidu	3 十亿参数的 OCR，KV 缓存大小恒定
UltraBERT	DMIS Lab	150M 和 380M 参数的编码器，支持 32K tokens 上下文
MOSS-Transcribe-Diarize	OpenMOSS	0,9 十亿参数，支持 50 多种语言的转写和说话人分离

工具方面，导出器现在能够在导出为 ONNX、OpenVINO 或 ExecuTorch 时进行量化，结合 FSDP 与张量并行训练得到的检查点也可以在不同配置下重新加载。不过，Hugging Face 提醒，专家并行推理存在速度回退问题，目前正在修复；此外还有多项破坏性变更，包括移除已弃用的缓存方法。

🔗 Transformers 5.20.0 版本说明

TRL 1.16.0：支持在 AWS Trainium 上训练，AsyncGRPO 速度最高提升至 3.1 倍

10 月 15 日 — TRL 1.16.0 让 Hugging Face 训练库支持 AWS 的 Trainium 芯片：一项新的默认设置可避免 Trainium 在序列长度每次变化时重新编译，使一次小规模训练测试的耗时减半。在 Trainium2 上对 Qwen3-0.6B 进行 20 步 SFT，耗时从 260 秒缩短至 130 秒。另一项新功能面向智能体强化学习：在多轮或多次生成的轨迹（rollouts）中，相同的对话开头会在不同行中重复出现，AsyncGRPO 现在将其组织为前缀树，只计算一次。在 Qwen3-1.7B 上，每条轨迹包含 32K tokens 时，速度最高达到原来的 3.10 倍，峰值内存从 35.2 降至 13.5 Gio；没有共享前缀时，额外开销约为 1%。此版本还支持 Muse Spark Open，可在 64 块 H100 GPU 上进行 LoRA 微调（每步 14.2 秒，每块 GPU 占用 40.2 Go），异步训练器也开始支持 AMD GPU。

🔗 TRL 1.16.0 版本说明

GPT-Live-1.1：为 ChatGPT、Codex 和 dots 带来新语音与更自然的口音

10 月 15 日 — OpenAI 更新其语音模型。GPT-Live-1.1 及其精简版本 GPT-Live-1.1 Quip 正陆续上线 ChatGPT、Codex 和 dots 的语音模式，在不同语言中提供更自然的口音。Quip 被介绍为该模型的迷你版，dots 则是 9 月 29 日推出的常驻智能体。模型在启动搜索时说出的简短提示语也更加多样：OpenAI 将这项改进概括为“少说些 正在查询……”。

六种语言新增 Live 语音：法语、德语、印地语、日语、韩语和墨西哥西班牙语，此外还有一款名为 Bubbie 的英语语音；可用语音可能因地区和账户而异，可在“设置 > 语音”中选择。此次更新从 10 月 15 日起向所有用户陆续推送，并将“很快”登陆 API。GPT-Live-1 已于 9 月 10 日在 API 中上线，价格为每分钟 0.05 美元。OpenAI 未公布基准测试结果，也未说明 GPT-Live-1.1 和 Quip 在各套餐中的分配情况。

🔗 OpenAI 公告 · ChatGPT 版本说明

Universal Cart：Google 在美国推出 Google Search 与 Gemini 应用共用的购物车

10 月 15 日 — Google 在美国推出 Universal Cart。这款“智能”购物车曾于 5 月的 Google I/O 上提前展示，如今正同步上线 Google Search（包括 AI Mode）和 Gemini 应用：无论商家是哪一家，从其中任一入口添加的商品都会保留在同一个购物车中。博文举例说明，用户先在 AI Mode 中添加一个包，再在 Gemini 应用中添加一件毛衣和一支唇彩，之后便能在同一个购物车中找到它们。

Universal Cart 的功能	Google 所述的作用
跨商家购物车	在不同 Google 入口之间保留同一个购物车
价格与库存提醒	降价和补货提醒，覆盖 Shopping Graph 中超过 60 十亿条商品信息
借助 Google Wallet	根据已保存卡片的权益选择付款方式，并提供相关优惠码
购买付款	在购物车中通过 Google Pay 付款（Universal Commerce Protocol），或跳转至商家网站

Nike、Sephora、Target、Ulta Beauty、Walmart、Wayfair 及众多 Shopify 商家支持直接付款；无论采用哪种方式，商家始终是卖方，负责订单确认和客户服务。Google 将此工具归入由买家掌控的功能，同时也在研发代用户采取行动的智能体能力。目前尚未公布其他国家的上线日期。

🔗 Universal Cart（Google 博客）

Manus Automations：按计划或触发条件启动重复性任务

10 月 15 日 — Manus 推出 Automations，让重复性工作进入“自动驾驶”状态：用户只需描述任务何时开始，以及期望得到什么样的结果。它提供三种启动方式：按计划运行，例如每个工作日早上 8 点；由已连接应用中的事件触发，例如 Gmail 收到一张发票；以及处于测试阶段的高级自动化，可组合用户描述的多个来源和条件。此功能延续了 5 月的 Scheduled Tasks 2.0，以及 9 月 28 日随 Manus 2.0 公布的事件触发自动化。该帖未说明所需套餐或积分成本。

🔗 Manus 公告

简讯

智能体与编程工具

Devin 10 月 14 日版本说明 — 在 Devin Oncall 发布前一天，Devin 新增 Splunk、Elastic、Dynatrace、Chronosphere 和 Google Cloud Monitoring 可观测性插件，增加无需管理员权限即可管理审查规则的审查管理者角色，并在 CSV 之外支持以 SARIF 2.1.0 格式导出代码扫描结果。🔗 来源
Warp 与软件工厂 — 在两篇未发布新功能的方法文章中，Warp 创始人扎克·劳埃德表示，六周内团队每个 PR 的成本从 80 美元降至 20 美元，回退次数更少，PR 产出量比上个月提高了 40%。🔗 来源
Qwen Code v0.25.2 — 在 10 月 13 日预览版发布两天后，该版本转为稳定版，包含预览版中没有的 68 个拉取请求，其中包括 11 项功能（在 Web Shell 中拖放文件、发送前检查 MCP Apps 的消息、取消工作流任务，以及 Managed Agent 的 32 张表持久化存储）和 38 项修复。🔗 来源
Copilot CLI 1.0.99 预览版 — 当天发布两个预览版，未发布稳定版：沙盒默认允许访问本地网络，/share 会打开全屏菜单，来自受信任仓库的插件会自动安装，并可通过 GitHub 链接安装已验证的 Skills 和插件。🔗 来源
Antigravity SDK 0.1.22 — 新增动态工作流编排和内存中定义的技能：补充 10 月 11 日的更新，Python SDK 以测试版形式提供带类型的构建模块（phase、agent、parallel、pipeline），用于编写智能体工作流，还支持无需文件即可声明的技能（InlineSkill），以及超过 64k tokens 的单步输出上限。🔗 来源
google/adk-recipes — 作为 adk-samples 重组后的继任者，Google 的 Agent Development Kit 示例仓库现已围绕编程助手的使用需求设计：每份方案都提供一个 manifest.yaml 和一个 AGENTS.md，首个业务插件面向零售业，Horizon 则为持续工作数天的智能体提供参考执行框架。🔗 来源
DeepSeek Harness 0.2.1-alpha.4 — 第 28 个预览版，仍未发布稳定版：对于自定义 API，可直接在界面中按模型设置推理强度，也可从自定义索引安装插件；同日，FlashMLA 改用 CPython 和 LibTorch 的稳定二进制接口。🔗 来源
三个模型将于 11 月 16 日退出 Copilot — Claude Opus 4.8 和 Claude Opus 5 将由 Claude Opus 5.5 替代，GPT-5.6 Terra 将由 GPT-6.1 Sol 或 GPT-6 Luna 替代；使用年度套餐的个人订阅用户可继续使用 Claude Opus 4.8，Business 和 Enterprise 套餐则会自动启用替代模型。🔗 来源

助手、企业与指南

Genspark 进入即时通讯应用 — 在 iMessage、WhatsApp、Slack 或 LINE 中向 @genspark_ai 发消息，即可要求其总结 PDF 或创建演示文稿，结果会返回同一段对话；未说明所需套餐或价格。🔗 来源
Kimi Work 3.2.17 与第三个教程 — 在 3.2.16 发布三天后，新版本支持在对话中显示图片，并可通过远程控制选择 Agent Swarm 模式；Moonshot AI 还发布了第三个入门视频，介绍工作流自动化，未将其中任何功能称为新功能。🔗 版本说明 · 🔗 教程
Anthropic 研究员资助项目 — STEM Fellows 及新设的 Conceptual Reasoning Fellows（哲学、认知科学、经济学、公共政策、法律）开放申请，截止日期为 10 月 28 日：项目要求全职参与四个月，时间为 2027 年 1 月 12 日至 5 月 8 日，报酬为 100,000 至 167,000 美元，须具备美国工作许可。🔗 来源
Claude Enterprise 的 Compliance API — 处于测试阶段的 API 可向管理员返回每位成员在 claude.ai 和 Cowork 中保存的个人指令；前一天，Managed Agents 的定时部署功能已在 Claude Platform on AWS 上线。🔗 来源
Block 与 OpenAI Daybreak — 在 OpenAI 于 10 月 14 日发布的案例研究中，Block（Square、Cash App、Afterpay）的安全团队表示，在模拟攻击演练中，从提交漏洞到提出修复方案的时间已缩短至 18 分钟，每季度还为分析师节省了约 600 小时。🔗 来源
AI for Educators 推出巴西葡萄牙语版 — 教师节当天，OpenAI 在 OpenAI Academy 上线了这门免费课程的巴西葡萄牙语版，面向小学至高等教育阶段的教师，并再次介绍 ChatGPT 的 Study Mode。🔗 来源
Superwhisper Meetings — Superwhisper 推出会议录音与笔记工具，称其为首款完全在本地运行的此类工具，由 Tiny Aya 和 Cohere Transcribe 驱动；未公布价格或支持的平台。🔗 来源
Cohere 的三篇指南 — Cohere 发布三篇博文，未公布新产品或新数据，分别围绕 North 讨论能源与公用事业运营商的 AI 应用，探讨企业智能体激增并提出让挑战者智能体与现有智能体竞争的思路，以及介绍如何衡量投资回报率。🔗 公用事业 · 🔗 智能体 · 🔗 投资回报率
Perplexity 的研究指南 — 一份指南梳理了 12 篇 AI 奠基论文和六项近期研究，对比辅助研究工具，并提出七步框架；未发布新功能。🔗 来源

生成式媒体

Suno — 推出两项协作功能：仅限受邀者查看或编辑的共享工作区（Pro 和 Premier），以及可与协作者共享、可使用两倍数量输入进行调优的自定义模型（Premier）。🔗 来源
Eleven v4 盲测 — ElevenLabs 表示，在以八种语言开展的每项盲测中，听众都认为 Eleven v4 比其他语音模型更具表现力，但正文未点名竞争对手，也未提供分数。🔗 来源
Luma 的 Shot Coverage — 此功能可从单个视频镜头生成多个移动机位视角，供剪辑使用；公告未说明模型、价格或上线日期。🔗 来源
HeyGen 与扬·霍托韦茨 — HeyGen 介绍了患有脑瘫的扬·霍托韦茨，他与 Fameplay 和 Nolimi 合作，制作了拥有自己形象和声音的虚拟化身，用自己的话讲述人生。🔗 来源

研究、计算与基础设施

NVIDIA 与 AI in Science Enablers Initiative — 在都柏林举行的 AI in Science Summit 上，NVIDIA 加入欧盟委员会的这项倡议，提供其开放模型、Deep Learning Institute 的开放课程资料中心，以及通过各国 AI 工厂获取算力的机会；未公布投入金额。🔗 来源
NVIDIA 在北欧 — 在 GTC Berlin 举办前，NVIDIA 总结了其北欧生态系统的发展：Sferical One 超级计算机（1 152 块 GB300 GPU）、计划于 2027 年底前建成的 1 吉瓦 AI 云设施，以及计划于 2027 年与 Norrsken 基金会共同设立的 Stockholm AI Lab；GTC Berlin 主题演讲定于 10 月 21 日举行。🔗 来源
BERT 分词速度提升至 50 倍 — Hugging Face 的西蒙·布兰代斯介绍，即将发布的 tokenizers 1.0 版本通过单独处理 ASCII 字符，使 BERT 分词器的速度约为 0.23 版本的 50 倍；这些更改仍在审查中。🔗 来源

GitHub 的非 AI 动态

停止发送推送邮件 — GitHub 已停止发送仓库推送事件的电子邮件通知，这些通知可能被用于发送垃圾邮件；建议改用配有自有 SMTP 服务器的 GitHub Actions 工作流。🔗 来源
GitHub Code Quality 许可证 — CSV 报告会列出每位占用许可证的活跃提交者及其 90 天内涉及的仓库，帮助识别可释放的许可证，适用于 GitHub Team 和 Enterprise Cloud。🔗 来源

这意味着什么

开放模型的规模正在扩大，其生态系统如今也能从发布首日起同步跟进。Muse Spark Open 发布时就有七家 API 服务商支持，提供由 Meta 制作的 NVFP4 权重，并立即获得 Transformers、TRL、mlx-lm 和 Unsloth 的支持；Nemotron 3.5 Super VL 公开了权重、数据和训练方案；FLUX 3 Image Klein 在发布当天就接入了 Diffusers 和 ComfyUI。但“开放”背后的条件差异很大：Muse Model License 限制商业用途，FLUX Kommunity 许可证仅对年营业额低于 500 万美元的使用者免费，Timestral 权重的许可证则将月营业额超过 2000 万美元的企业排除在外，而 Apertus 1.5 以 Apache 2.0 许可证发布权重，并公开训练数据。Meta 的“最强”说法也提醒人们，这场竞赛同样发生在国家之间：Muse Spark Open 自称美国最强的开放模型，但 GLM 5.3 和 Kimi K3 在 Artificial Analysis 指数和编程能力上仍领先于它。

网络安全正成为人工智能大规模发现和修复漏洞的领域。Cohere 通过收购 AISLE，获得了后者宣称已发现超过 500 个此前未知漏洞的专业能力；GitHub 全面开放了面向 CodeQL 尚未覆盖语言的 AI Scan，以及会重新运行 CodeQL 来验证自身补丁的自动修复功能；Block 则表示，在模拟攻击演练中，从发现漏洞到提出补丁的时间已缩短至 18 分钟。这些工具仍由人类掌控：AI Scan 的结果仅供参考，自动修复功能会创建草稿拉取请求，Claude Code 的 Code Review 既不会批准合并，也不会阻止合并。另一个方面是隔离智能体本身：如今已开源的 SPACE 将凭据和出站流量置于虚拟机之外，IPI Black 则付费邀请攻击者，衡量智能体抵御间接提示注入的能力。

信任也离不开外部视角。Anthropic 向 METR 的六名人员提供了与员工相当的访问权限，且不对他们发表的内容保留否决权，这超越了一次性审计，并被 Anthropic 比作大型银行的驻行检查制度。同样的核验要求也贯穿科研领域：Sakana AI 在开展任何实验之前就确定评估标准，避免编程智能体只顾优化分数；继 10 月 6 日发布 722 篇手稿之后，OpenAI 又通过西蒙斯基金会资助数学家，审查人工智能产出的结果。CERN 和 Mistral 展现了最宏大的目标：用数十亿次模拟碰撞训练一个 Large Physics Model，但尚未公布投入金额或时间表。

在工具方面，成本、速度和质量之间的取舍变得明确。在 OpenAI，GPT-6.1 Sol 在 Ultra 推理强度下，能找出 GPT-6 Astra Ultra 所发现问题的 92 %，成本仅为后者的 14 %；Opus 5.5 的快速模式以两倍价格提供 2.5 倍吞吐量；Code Review 按消耗的词元计费，并设有每月费用上限。智能体也开始承担无人值守的任务：Devin Oncall 接手值班工作，Claude Code 2.1.301 遇到解除时间尚远的用量限制时不再等待，并记录分类器的每一次判定，Antigravity CLI 的 Auto 模式则将可能超出沙箱范围的命令交给另一个独立智能体审核。基准测试已经难以跟上进展：在 SREGym-Lite 上，Devin Oncall 和 CloudThinker 使用 GPT-6 Astra 均达到 100 %。