Claude 查明 NIST ECDSA 曲线种子的来源，Reflection 发布 Beam 权重，四个 Gemini 4 Argon 智能体通关 Minecraft

Anthropic 的一个内部研究模型在不到半小时内，查明了 NSA 未作解释便提供给 NIST 的 ECDSA 曲线种子的来源：它们出自一个普通的伪随机数生成器，该生成器在 1997 年和 1998 年以时钟时间初始化。Anthropic 认为，这大幅降低了存在后门的可能性。Reflection 以 Apache 2.0 许可证发布了 Beam 的权重，这是一个拥有 5010 亿参数的混合专家模型，发布首日便获得超过 40 家合作伙伴支持；与此同时，四个 Gemini 4 Argon 智能体用 27 小时通关 Minecraft，Claude Mythos 5 则在八项任务上改进了已发表的最佳量子电路。产品方面，GPT-6 Astra Pro 如今可在 ChatGPT 中将一项任务分配给多个智能体，Grok Bot 完成电脑操作任务的速度则提升至原来的三倍。

NIST ECDSA 曲线：Claude 查明种子来源，它们出自一个在 1997 年和 1998 年以时钟时间初始化的生成器

10 月 16 日 — Anthropic 的 Frontier Red Team 团队讲述了 Claude 如何解开一个密码学领域的多年谜团。NIST 于 2000 年在 FIPS 186-2 标准中采用 ECDSA 签名算法时，其标准椭圆曲线附带了一些“种子”（seeds），这些种子的哈希值决定了各条曲线的系数 b。NSA 提供这些数值时没有作出解释，多年来一直引发有关后门的怀疑；Filippo Valsorda 还设立了公开悬赏，奖励能查明其来源的人。最广为人知的线索是将一句幽默的话输入哈希函数，NSA 的 Jerry Solinas 曾于 2015 年提及这一说法，他于 2023 年去世，但这条线索始终没有结果。

Anthropic 的一名员工将这个问题交给一个未公布名称的内部研究模型，没有向它提示上述线索。不到半小时，Claude 就找到了 P-192、P-224、P-256、P-384 和 P-521 种子的来源：它们都不是哈希值，而是由 C 库中的伪随机数生成器 lrand48 生成，初始化时使用了 Unix 时间戳。在筛查生成器与输出片段的 34 种组合后，Claude 从高位比特中识别出了 lrand48 的特征，通过格规约（LLL 算法）重建其内部状态，随后追溯到相关十个种子的初始化时间，其中五个来自 NIST，五个来自 ANSI X9.62 标准，时间均在 1997 年 5 月至 1998 年 4 月之间。

Claude 检查的项目	Anthropic 公布的结果
发现所用时间	不到 30 分钟
P-256 示例	1997 年 8 月 16 日一次生成过程中的第 1842 个候选值（同次生成的第 876 个也符合要求）
已查明的二元曲线种子	B-233、B-283、B-409 和 B-571，其时间戳对应 1984 年 2 月；若将时间戳加倍，则对应 1998 年 4 月 17 日
已解释的基点	1997 年 5 月生成的六条曲线（P-192 及 ANSI X9.62 的五条示例曲线），使用 FreeLIP 的生成器
尚未解释的内容	B-163 的种子；P-224、P-256、P-384、P-521 及二元曲线的基点

这些基点来自 Arjen Lenstra 的 FreeLIP 库：据 Anthropic 称，此前尚无任何 NIST 基点的来源得到解释。某些有效候选值为何被舍弃，其筛选标准也仍不清楚。博文最后还引用了模型的思考过程：它先对自己的发现保持怀疑，随后才通过计算加以确认：

This is astonishing: it solves the 25-year-old mystery. Hmm wait. Let me be skeptical: am I in some sort of simulated/test environment?

🇨🇳 太惊人了：这解开了一个长达 25 年的谜团。嗯，等等。我必须保持怀疑：我是不是处在某种模拟或测试环境中？ — Claude，Anthropic Frontier Red Team 博文引用的思考内容

Anthropic 强调这一发现的意义：没有破解密码系统，没有提出新攻击，也没有发现弱点，而且“无需采取任何行动”。种子由普通生成器根据时钟时间生成，如今任何人都能复现，反而使存在后门的可能性“大幅降低”。用于复现这些种子和六个基点的代码已按 CC0 许可证发布，36 864 美元的奖金将捐给 Internet Security Research Group（ISRG）。

🔗 Anthropic Frontier Red Team 的博文 · Filippo Valsorda 的悬赏

开放模型：Reflection 发布 Beam 权重，另有 pplx-decider-v1.2、Granite Switch 4.1、Bonsai 2，以及 NVIDIA 的 22 种印度语言语料库

10 月 16 日 — 首次亮相十一天后，Reflection 以 Apache 2.0 许可证发布了首个开放权重模型 Beam 的权重。这个混合专家模型（Mixture-of-Experts，MoE）拥有 5010 亿参数，每个 token 激活 230 亿参数，面向编程、推理和长时间智能体任务，支持 100 万 token 上下文，仅处理文本。10 月 5 日，Reflection 只开放了抢先体验，并承诺“10 月晚些时候”发布权重。

此次发布包含 BF16、FP8 和 NVFP4 权重、tokenizer、参考实现、用于推测解码的 DFlash2 草稿模型，以及训练 Beam 时使用的开源运行框架 Mirror CLI（Python 界面、Rust 智能体核心、在独立 Git 工作树中运行的并行智能体、技能及 MCP 连接）。超过 40 家合作伙伴在首日提供支持：软件方面有 Transformers（v5.20.1）、vLLM、SGLang、Unsloth、Axolotl 和 Dynamo；托管方面有 AWS、Google Cloud、Azure、Together AI、Fireworks AI、OpenRouter 和 Ollama 等；本地部署方面有 Dell 和 HPE。Reflection 的 API 已进入公开测试阶段。

Hugging Face 的博文详细介绍了模型架构：52 层中，43 层使用窗口为 512 tokens 的滑动窗口注意力，9 层使用全局注意力，将每个 token 的 KV 缓存从 208 Kio 降至 36 Kio，即每条 100 万 token 序列从 208 Gio 降至 36,08 Gio。BF16 权重约为 1 To，NVFP4 权重约为 280 Go，Hugging Face 建议使用四块 B200 部署模型服务。

Benchmark（Reflection 提供的数据）	Beam BF16	Beam FP8	Beam NVFP4
SWE-bench Verified	81,6 %	80,2 %	80,7 %
Terminal Bench v2.1	80,1 %	78,9 %	78,4 %
SWE Bench Pro v1	66,1 %	65,9 %	65,6 %
AIME 2026	97,7 %	98,0 %	97,5 %
GPQA Diamond	90,6 %	90,3 %	89,3 %
MCP Atlas	80,8 %	81,5 %	80,5 %

据 NVIDIA 称，Beam 在 GB300 NVL72 机架系统上完成训练，首日便能在 Blackwell Ultra 上实现每个 GPU 每秒超过 70 000 tokens 的吞吐量，无需特别调优（开箱即用）；几小时后，NVIDIA 又宣布达到约 90 000，但未说明测量条件（批量大小、上下文长度、GPU 数量）。NVFP4 检查点已发布在 Hugging Face 上，同样采用 Apache 2.0 许可证。

🔗 Reflection 的博文 · Hugging Face 的博文 · 模型说明页 · NVIDIA 的消息 · 吞吐量提升至每秒 90 000 tokens

pplx-decider-v1.2 及其 Flash 版本：Perplexity 为 Decisions API 发布两个开放权重决策模型

10 月 16 日 — Perplexity 更新了 10 月 1 日推出的 Decisions API 所用模型。pplx-decider-v1.2 取代 v1.1，成为新的 270 亿参数决策模型，价格保持不变；pplx-decider-flash-v1.2 则是一个从 27B 模型蒸馏而来的全新 40 亿参数模型，价格减半。两者均可读取文本和图像，输出继续免费，权重已按 Apache 2.0 许可证发布在 Hugging Face；仍指定 v1.1 或 v1 的调用会自动转到 v1.2。

决策模型	基础模型	输入价格（每百万 tokens）	Decision Index 0.3 得分	Vision Decision Index 0.3 得分
pplx-decider-v1.1-27b	Qwen3.8-27B	0,02 dollar	62,30	73,22
pplx-decider-v1.2	Qwen3.8-27B	0,02 dollar	68,09	77,43
pplx-decider-flash-v1.2	Qwen3.5-4B	0,01 dollar	58,88	72,53

v1.2 改变了请求格式：模型在同一序列中先读取状态，再读取所有问题，因此针对同一状态提出多个问题，成本与只问一个问题大致相同。当问题描述同一决策的不同侧面时，合并提问有帮助（SATA-Bench 提升 11,3 分）；当问题用于比较相互独立的候选项时，则会降低表现（ToolRet 下降 4,8 分）。Perplexity 还将 Decision Index 中部分基准的官方训练集加入训练，并清除了与其测试集重叠的内容。在一块 GB200 上，v1.2 响应单个请求的中位时间为 96 ms。

🔗 Hugging Face 上的 pplx-decider-v1.2 · Hugging Face 上的 pplx-decider-flash-v1.2 · Perplexity API 更新日志

Granite Switch 4.1：IBM 将对话、决策与语音转写整合进一个开放模型

10 月 15 日 — IBM 在 Hugging Face 博客上发布了 Granite Switch 4.1，提供 8B 和 30B 两个版本，采用 Apache 2.0 许可证。每个模型均整合了一个对话模型、两个决策适配器和一个语音识别模型，通过同一个端点提供服务。

Granite Switch 4.1 组件	IBM 公布的用途
Decision 适配器（aLoRA）	通用决策，采用 `/v1/systemone` 格式
Guardian 适配器（aLoRA）	安全相关决策；据 IBM 称，平均表现优于 Jev 1.13、Microsoft-Decision-1、GPT-Luna-Decisions 和 Clef-Flash
Granite-Speech-5.0-Turbo-CTC	语音转写，被称为 Open ASR Leaderboard 上速度最快的模型

这些适配器采用 Activated LoRA：它们复用基础模型生成的 KV 缓存，因此在回答之后作出决策时无需重新计算上下文，整体内存占用也与单独运行基础模型相近。这些模型可通过插件在 vLLM 中运行，也可在 llama.cpp 中原生运行，直接替代 /v1/systemone 调用。IBM 还展示了一款为玩 Doom 而训练的 3B Granite Switch，每秒可作出 60 至 100 次决策，相比之下 Jev 宣称为每秒 10 次；IBM 还计划在 Mellea 中提供用于训练自有适配器的 SDK。与其他决策模型的比较仅以图表形式给出。

🔗 IBM 的博文 · Hugging Face 上的 Granite Switch 4.1 30B

Bonsai 2：PrismML 发布 2B 至 9B 的三值视觉模型，仅占 0,43 至 2 Go

10 月 15 日 — PrismML 发布了 Bonsai 2 的 2B、4B 和 9B 版本，这些模型由 Qwen3.5 衍生而来，权重采用三值（−1、0 或 +1），也能理解图像，并采用 Apache 2.0 许可证。它们保留了基础模型的 262 144 token 上下文，Bonsai 2 系列如今共有四种规模，从 2B 到 27B。

Bonsai 2 模型	三值权重大小
2B	0,43 Go
4B	0,95 Go
9B	2,0 Go，而 FP16 约为 17,9 Go

PrismML 表示已针对本地助手用途进行优化：遵循指令、避免重复循环、在手机上调用工具，以及作答时不带多余文字。9B 在常见的指令遵循和数学任务中，据称可减少约 40 % 的 token 消耗，但未说明比较基准；它在 iPhone 18 Pro Max 上的速度最高为每秒 34 tokens，2B 则为 120。最紧凑的格式需要使用 PrismML 的 llama.cpp 分支，官方 llama.cpp 只能读取 Q2_0 格式；Mac 则有 MLX 版本可用。

🔗 PrismML 的帖子串 · GGUF 格式的 9B 模型说明页

Nemotron-pretraining-Indic-v1：NVIDIA 与 AI4Bharat 详解涵盖 22 种印度语言、约 2.8 万亿 token 的语料库

10月16日 — NVIDIA 与印度马德拉斯理工学院专注于印度语言的实验室 AI4Bharat 详细介绍了 Nemotron-pretraining-Indic-v1。这一预训练语料库在前一天被列为 Nemotron 3.5 Super VL 的训练数据之一，包含约 2.8 万亿 token，其中 2.601 万亿使用本族文字，2246 亿采用拉丁字母转写，覆盖印度宪法列明的 22 种语言；根据 2011 年人口普查，这些语言是 97% 印度人的母语。语料库尚未上线，将于“近期”与生成它的 GPU 加速生成流水线一同发布。

这些文本译自 Nemotron-CC-v2 的 15 个子集中的英文文档。对于其中 12 种语言，Gemma-4-31B-it 负责翻译完整文档，依据参考 MQM 制定的评分标准为每份译文打分（满分 100 分，门槛为 75 分），并修复质量不足的输出，由此挽回了 4384 亿 token；其余 10 种语言则通过 Bodhan AI 的 Indic Translate 翻译。在总计 1000 亿 token 的持续预训练中，使用了该语料库中的 100 亿 token，Nemotron 3.5 Super VL 在五项印度语言基准上的成绩提升了 4.98 至 9.82 个点，但这一测量并未单独分离出该语料库的贡献。NVIDIA 承认，这些译文无法替代直接用这些语言撰写的文本，质量控制也仍以自动化方式为主。

🔗 NVIDIA 与 AI4Bharat 的博文

实验室中的人工智能：Claude Mythos 5 改进八种量子电路，Google DeepMind 借助 Antigravity 寻找抗菌肽

10月16日 — Anthropic 公布了其 STEM Fellows 项目成员安迪·顾开展的研究。该研究由 Anthropic 量子物理专家阿莱克·凯梅尼指导，并与苏珊娜·耶林（哈佛大学）、米哈伊尔·卢金（哈佛大学及 QuEra Computing）合作完成。实验设置如下：用日常语言描述八种电路的规格，再由自动评估器验证每项方案，并以量子比特数量乘以量子门数量作为评分。Claude Mythos 5 在闭环中反复工作，轮次之间无需人工干预，并为全部八种基础操作找到了比已发表的最佳方案同时使用更少量子比特和更少量子门的设计，有时降幅达到一个数量级甚至更多。

交给 Claude Mythos 5 的任务	公布的结果	对比基准
椭圆曲线点加法	门数量减少 17 倍，量子比特增加 12 %	已发表的最小规模设计
DQI 算法的 Reed-Solomon 解码器	门数量减少 12 倍；预留量子比特为 19，原先为 665	Google 先前的构造方案

第一项结果涉及椭圆曲线离散对数量子算法的核心步骤。Claude 在极少人工干预的情况下工作了 53 小时，最终首次实现了无需存储分支历史的可逆 divsteps 方法，先经模拟验证，再用 Lean 完成形式化验证。博文将这一数字与另一项进展作了对照：多个研究团队花费八年，才将 FeMoco 模拟的估算成本降低约 15 万倍。Anthropic 认为，这类改进减少了实用应用所需的量子资源，因此实用量子计算机可能比预期更早到来。团队还必须应对 Claude 的谨慎倾向：它反复核查性能提升，并偏好已知方法，因此团队要求它同时探索多条路径。

🔗 Anthropic 的博文 · arXiv 上的论文

Google DeepMind 借助 Antigravity 寻找新型抗菌肽，并为其加入三维查看器

10月15日 — Google DeepMind 展示了其智能体开发平台 Antigravity 如何充当科学工作台（智能体科学工作台）。在所描述的工作过程中，生物学家设定目标：在假肺炎链球菌中寻找新的抗菌肽，并通过计算进行验证；智能体则统筹数据库查询、结构分析和文献综合。它使用 Google 的 ProtNLM 模型，根据蛋白质序列预测其功能，并为 UniProt 中数百万条尚未表征的条目添加注释。

智能体筛选出一种由 97 个氨基酸组成的细菌素（UniProt A0A0U0D591）。在 Swiss-Prot 经过审核的蛋白质中，它没有显著同源蛋白，但其 AlphaFold 模型的折叠方式与一种已知结构的细菌素相似。随后，智能体根据文献提出作用机制，并撰写实验室操作方案。这一候选物及同一流水线产生的其他多个候选物正在接受实验室验证：博文将其称为一条合理的研究线索，而非已经得到的结果。文章还提醒，根据一项估算，到 2050 年，抗微生物药物耐药性可能每年导致约 1000 万人死亡。

博文还介绍了 Biomolecular Structure Viewer，这是内置于 Antigravity、供智能体和研究人员共同使用的三维查看器：智能体可以突出显示某些区域来说明假设，而研究人员的注释，例如固定在结合口袋上的备注，也会反馈给智能体。文章没有说明开放日期或使用条件。

🔗 Google DeepMind 的博文 · 面向科学研究的 Antigravity

研究人员的新工具：Google 向所有人开放 Deep Review，SAIR 推出 Open Math OS，OpenAI 向美国实验室提供 Rosalind Academic Plan

10月14日 — 借 Research@ 2026 之际，Google Research 向公众开放 Deep Review。这一智能体人工智能系统可以审阅复杂技术文档并核查其内容，包括逻辑一致性、数学陈述、事实是否有来源支持、与现有工作的比较，以及改进建议；实质性判断仍由人类负责。它接替了曾与 STOC 2026、ICML 2026、NeurIPS 2026 和 ICLR 2027 合作测试的 Paper Assistant Tool：参与测试的超过 16 000 篇稿件，其作者自愿在截稿前获得私下反馈，这一过程与会议的正式审稿无关。

该服务面向全球开放，每周提供两次免费审阅；使用 Gemini API 密钥可获得更高限额，并访问 Deep Review API。目前服务接受 PDF 和纯文本，未来还面向 Google Docs、演示文稿、法律和金融等场景。Google 承诺不会使用这些文档训练模型（文档保留一年，用于展示）。Google 以投稿量激增说明这一工具的必要性：

投稿年份	向 ICLR、NeurIPS 和 ICML 提交的论文
2023	约 23 000
2024	约 32 000
2025	约 45 000
2026	超过 74 000

同一天，Google Earth AI 的 Geospatial Reasoning 智能体发布了技术报告，并向研究人员公布两项新基准（GeoKTools 和 GeoExpertQueries），同时通过 Ask Google Earth 和 Agent-to-Agent（A2A）服务扩大实验性访问范围。

🔗 Google Research 的博文 · Google 博客上的 Research@ 2026 介绍 · 关于 Geospatial Reasoning 智能体的博文

Open Math OS：SAIR 基金会推出基于开放模型的数学研究平台

10月16日 — 在宣布 Open Math Model 计划一个月后，SAIR 基金会推出 Open Math OS，并将其定位为“数学 2.0”的基础设施。Hugging Face、Lean、EPFL 和 @cscsch 是首发合作伙伴，Hugging Face 联合创始人托马斯·沃尔夫也转发了这一公告。每个项目都可获得一台全天候运行的云端计算机，预装超过 100 种数学和科学工具；团队通过申请获批后，即可免费使用计算资源。

数学家可以在平台上选择开放模型（展示的界面中包括 Kimi K3、DeepSeek V4.1 Flash、GLM 5.3 或 Nemotron 3），并启动 Ultramath 模式，让多个智能体并行探索同一问题的不同路径；网站演示展示了一个先经 Lean 验证、再整合进 LaTeX 论文的证明。项目默认为私密状态，使用研究成果训练模型需要作者明确同意，作者保留其想法的所有权与署名权。

🔗 SAIR 的帖子串 · Open Math Model 网站

Rosalind Academic Plan：为美国大学实验室提供最多 30 个免费 ChatGPT 席位，期限为 12 个月

10月15日 — OpenAI 推出 Rosalind Academic Plan，面向大学生命科学实验室，目前仅限美国大学申请。

方案权益	对应条件
最多 30 个 ChatGPT Business Standard 席位	每位用户每月 0 美元，最长 12 个月
商业可用的前沿模型	受方案使用限额约束
GPT-Rosalind 和 Rosalind Workbench	可信访问（可信访问）获批后开放
共享的研究数据	默认不用于训练

Rosalind Workbench 统筹药物化学、基因组学和实验辅助工具。首席研究员或实验室负责人代表团队提交申请；提交申请不代表可以立即获得访问权限，已与 OpenAI Enterprise 签约的大学则按自身流程办理。OpenAI 面向七个领域，从药物和蛋白质设计到抗微生物药物耐药性，并引用了赵氏实验室（UCSF）、布尔登克斯实验室以及布赖恩·希团队（斯坦福大学及 Arc Institute）的研究工作。GPT-Rosalind 于 4 月 16 日推出，自 9 月 11 日起通过 API、Codex 和 ChatGPT Enterprise 提供可信访问。

🔗 OpenAI 的博文 · OpenAI 的帖子串

Gemini 4 Argon：四个智能体用 27 小时通关 Minecraft，Perplexity 向 Pro 和 Max 订阅用户及 Agent API 开放该模型

10月16日 — 四个 Gemini 4 Argon 智能体从零开始通关 Minecraft：在一个随机生成、设有敌对怪物的简单难度生存世界中，它们历时 27 小时、编写 2 783 个程序后击败了末影龙。马克桑斯·法尔多在一篇由 @GoogleDeepMind 转发的 X 文章中讲述了这次实验，并与萨廷德·辛格、罗贝塔·雷莱亚努在 arXiv 技术报告中详细介绍。参与实验的是 Argon 的通用编程智能体，也就是工程师日常使用的那些智能体：没有 Minecraft 专用工具，也没有预先分配角色。

智能体看不到任何图像，也不按任何按键：每个智能体通过为开源库 Mineflayer 编写短程序来控制一名玩家，读取程序输出，再通过游戏聊天和共享记忆与其他智能体协调。开始十分钟后，它们便分配好了工作（工具、食物、钻石、传送门）。为寻找要塞，其中一个智能体从两个地点分别投掷物品，并计算两条轨迹的交点；对于一座距离 1.3 公里的要塞，定位误差仅为 43 米。最终战斗让它们付出了重生 69 次的代价：游戏进行约 21 小时后，一个智能体才明白水晶会为末影龙回血，而堆起泥土就足以抵达水晶。

实验指标	测得数值
获胜耗时	27 h 14 min
编写的程序	2 783，其中 22 % 以错误结束
聊天消息	229
总重生次数	605，其中 69 次发生在与末影龙战斗时

第五个智能体 Observer 负责监视游戏，查找作弊或利用规范漏洞（规范博弈）的行为：它和对部分日志进行抽样人工审查的人员都没有发现此类行为。作者承认实验的局限：智能体通过 API 读取世界，能够获得方块和生物的精确位置，并由插件计算路径。这是一项独立研究实验，并非 Minecraft 官方里程碑，也未获得 Mojang 或 Microsoft 认可。

🔗 马克桑斯·法尔多的文章 · Google DeepMind 的转发 · arXiv 上的技术报告

Perplexity 向 Pro 和 Max 订阅用户开放 Gemini 4 Argon，其 WANDR 得分创下 0.802 的纪录

10月16日 — Perplexity 为 Pro 和 Max 订阅用户加入 Gemini 4 Argon，该模型已于 10 月 13 日在 Google 正式推出。公告只有一条推文和一张图表：在其内部用于评测有来源支持的研究任务的 WANDR 基准上，Argon 以每项任务 7.88 美元的成本获得 0.802 分，是图表中的最高分。

受测模型	WANDR 得分	每项任务成本
Gemini 4 Argon	0,802	7,88 美元
GPT-6 Astra	0,735	13,34 美元
GPT-6.1 Sol	0,654	3,70 美元
Claude Opus 5.5	0,647	3,69 美元
Claude Fable 5.1	0,601	12,76 美元
GPT-6 Sol	0,566	2,23 美元
Claude Sonnet 5.5	0,550	2,73 美元
Grok 4.7	0,528	9,30 美元
DeepSeek V4 Pro 0813	0,359	0,75 美元

面向开发者，API 更新日志自 10 月 15 日晚起注明，Agent API 支持 google/gemini-4-argon，并采用截至 2026 年 11 月 30 日有效的首发价格：每百万输入 token 2 美元，缓存 token 0.10 美元，输出 token 10 美元，推理 token 也计算在内。

🔗 Perplexity 的公告 · Agent API 的模型

面向大众的智能体：GPT-6 Astra Pro 在 ChatGPT 中将任务分配给多个智能体，Grok Bot 速度提升至三倍，并接入 Robinhood、Coinbase 和 eToro

10月16日 — OpenAI 更新了 ChatGPT 中的 GPT-6 Astra Pro：响应更快，更善于使用插件和工具，尤其是可以让多个智能体并行处理同一任务的不同部分。用户能够查看各智能体的进度，并打开已完成的任务审阅其工作。这项功能已向 Pro 订阅用户开放，位于聊天标签页中。

OpenAI 没有给出具体提速数据或基准成绩，截至 16 日晚，ChatGPT 和模型的更新说明也都尚未提及这次更新。推文于协调世界时 20 时发布，最初使用“GPT-6 Pro”这一名称，27 分钟后更正为“GPT-6 Astra Pro”；自 10 月 7 日 GPT-6 向所有用户开放以来，ChatGPT 的 Pro 推理模式便基于 GPT-6 Pro（Astra）。此前，多智能体协作自 9 月 29 日起以 GPT-6.1 Sol 的测试版功能形式对外介绍。

🔗 OpenAI 的公告

Grok Bot 完成电脑任务的速度达到原来的三倍，可读取 X Chat，并连接 Robinhood、Coinbase 和 eToro

10月16日 — Grok Bot 是 SpaceXSI 旗下可连接用户工具的智能体，此次通过一条包含十则帖子的串文详细介绍了新功能，未在 x.ai 发布博文。主要改进是速度：据 @bot 账号称，电脑任务的平均完成速度达到原来的三倍，其他所有请求的响应时间则不到原来的一半。

涉及领域	已公布的新功能
速度	电脑任务的平均完成速度达到原来的三倍，其他响应耗时不到原来的一半
语音	通话更快、更可靠，对过往对话的记忆更好
界面	重新设计聊天卡片，新增字体和主题，仅在当前使用的设备上发送通知
电子邮件	通过“加号”别名，将某个例行任务限定于发送到指定地址的邮件
X	在帖子中提及 @bot 即可启动任务；连接 X 账号后可读取 X Chat
连接器	Robinhood、Coinbase、Trello、PostHog、beehiiv 和 eToro 等

各团队还可提交自己的连接器：x.ai 的一个表单支持提交插件或 MCP 服务器，经插件市场审核后分发给 Grok Bot 和 Cursor 用户，未来也将面向 Grok 用户开放。

🔗 Grok Bot 串文 · 插件提交表单

生成式媒体：GPT-Live 可根据描述创建声音，Pika 入驻 ChatGPT，Ideogram 4.5 每张图像收费 0,8 至 22 美分，Runway 接入 Mirelo SFX 2.0

10月16日 — GPT-Live API 向所有客户开放根据描述创建声音的功能（文字生成声音）：用户可通过 API 或语音 Playground，用文字描述自定义声音，随后在 GPT-Live 会话中重复使用。创建声音免费，生成语音按会话的常规费率计费，这些声音仅适用于 GPT-Live，不支持 Text to Speech API、Realtime API 或 Chat Completions。无需提供参考录音或授权录音，但 OpenAI 要求使用成年人的声音，禁止冒充他人身份，并要求明确告知语音由人工智能生成；两位客户可能获得相近的声音。

GPT-Live 还新增了九种预设声音，据 @OpenAIDevs 称，这些声音由母语配音演员录制：

使用语言	新增声音
德语	Nuri、Juni 和 Flitz
法语	Brise 和 Sillage
印地语	Nira
日语	Harema 和 Shida
韩语	Noeul

前一天，更新日志新增了 GPT-Live 对 Decisions API 的原生集成：应用可在用户说话时执行操作，既可以由 Live 直接调用 Decisions（原生委派），也可以由 Live 通知应用，再由应用请求 Decisions（自定义委派），而且决策可根据转录片段触发。指南以车载语音助手调节温度或除雾为例。这些更新适用于 gpt-live-1：10月15日在 ChatGPT 中上线的 GPT-Live-1.1 尚未出现在 API 更新日志中。

🔗 OpenAI Developers 串文 · 自定义声音指南 · Decisions API 语音使用指南

Pika 通过与 OpenAI 合作开发的插件，将创作工具引入 ChatGPT

10月16日 — Pika 宣布与 OpenAI 合作推出 Pika × ChatGPT 插件扩展（Pika X ChatGPT 插件扩展），将其创作工具嵌入 ChatGPT 的对话和侧边面板。用户无需离开对话，即可调整工具选项、视觉预设和生成设置，也可打开一个更具沉浸感的 Pika 窗口，与 ChatGPT 协作。根据 Pika 的串文，此次引入了超过 40 款图像、声音和视频应用，以及超过 100 个生成模型；插件介绍页列出了从产品广告到播客的 13 项技能，并提供入门流程，设定 Pika 在消耗额度前如何征询用户意见。

每个账号首次通过插件完成生成后，Pika 都会赠送 250 点额度，目前未公布插件专属价格。OpenAI 于10月7日介绍了 ChatGPT 插件扩展，首批合作方包括 Adobe、Canva、Figma 和 Shopify。

🔗 Pika 串文 · ChatGPT 中的 Pika 插件介绍页

Ideogram 4.5 提供四种质量模式，每张图像收费 0,8 至 22 美分

10月15日 — Ideogram 详细介绍了其9月30日推出的图像编辑模型 Ideogram 4.5 的定价：提供四种质量模式，每张图像收费 0,8 至 22 美分，均为原生 2K 分辨率。最经济的 Very Low 模式可在 8 秒内完成图像修图，费用为 0,8 美分，多次编辑也不会累积伪影。Ideogram 根据 Design Arena 的数据表示，该模式在价格和速度两方面推进了图像编辑的帕累托前沿：评分高于它的每个模型都更贵、速度更慢。Design Arena 将其列为 Image Editing Arena 第23名，Elo 评分为 1189。

Ideogram 未详细公布两种中间模式的价格。对于发布时承诺的开放权重，Ideogram 账号回应称正在推进，但未给出日期。

🔗 Ideogram 串文

Runway 接入 Mirelo SFX 2.0，为视频配音效并保留对白

10月16日 — Runway 在平台中加入了 Mirelo SFX 2.0，该模型可自动为视频制作音效（声音设计）：根据画面生成完整的环境音，并与每一帧同步，同时保留原有对白。被问及视频时长限制时，Runway 回应称，任何长度的片段都适用。目前尚未公布价格或所需额度，Runway 更新日志中也尚未提及该模型，Mirelo 方面则未发布公告。继9月底接入 ElevenLabs 的 Eleven v4 后，Runway 继续在自有视频模型之外引入第三方音频模型。

🔗 Runway 公告 · 关于视频片段时长的回复

编程智能体：Claude Code 团队详解代码审查流程，Codex CLI 0.163.0 发布，Cursor 新增画布和 Muse Wonder，Gemini CLI 引导用户转向 Antigravity CLI

10月16日 — Claude Code 团队在 claude.dev 上介绍了如何审查自己的代码，目前约 90 % 的代码由 Claude 编写。Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 撰写的博文给出了两组数据：从6月到9月，合并的拉取请求数量增长了一倍以上，而需要撤销的比例下降了超过 40 %。团队的目标是让大多数拉取请求在最多一名人工参与的情况下完成合并，这个人可以就是提交者本人。

每项变更都要经过多层检查：创建拉取请求前由 Claude 验证（测试、编译、静态分析，再由第二个智能体在全新上下文中审查差异）、CI、Code Review、具有阻断作用的安全审查、合并队列（合并队列）以及渐进式发布。分类器根据变更本身而非作者确定风险等级：文档或受功能开关控制的新增内容无需人工批准，普通产品变更或涉及缓存、系统提示词等敏感区域的变更需要一人批准，风险最高的则需要两人批准。智能体的批准始终不能替代人工批准。在 Code Review 的研究预览期间，收到实质性评论的内部拉取请求占比就已从 16 % 上升至 54 %。

博文还量化了智能体特有的一个问题：审查无法收敛。CLI 的一个拉取请求曾在一夜间连续经历五十多轮审查。通过将审查上限设为三轮、仅审查新增差异，并按缺陷类别组织问题报告，审查更快趋于收敛：

指标（Claude Code 内部拉取请求）	调整前	调整后
仅经过一轮审查和修正便获批	65 %	78 %
需要五轮或以上	8,9 %	1,5 %
获批前的平均审查次数	2,08	1,32

博文最后给出了一份实施清单：保持 CLAUDE.md 简短，在本地运行 /code-review 和 /security-review，由代码负责人编写 REVIEW.md，明确记录风险等级，设置合并队列，并每天重演历史事故，将其作为评估集。

🔗 Claude Code 团队博文 · @ClaudeDevs 的转发

Codex CLI 0.163.0：响应期间可引导方向，/config 支持搜索，Daybreak 默认启用

10月15日 — OpenAI 于 UTC 21时30分发布 Codex CLI 0.163.0，这是10月9日发布 0.162.1 以来的首个稳定版本，自 0.162.0 以来共包含 227 条变更记录。Daybreak 在10月7日的 0.161.0 中需通过 cli_daybreak 选项开启，现在已对符合条件的账号默认启用；当服务器开放访问时，codex exec 也可通过 OpenAI API 密钥选择该功能。

涉及领域	0.163.0 带来的变更
引导	响应期间发送的后续消息会立即引导 Codex；中断一轮交互时，也会停止正在运行的 Code Mode 单元
`/config` 命令	可在所有类别中搜索偏好设置，兼容的设置会立即生效
`/keymap` 命令	可配置前导键（默认为 Ctrl+X）；语音静音键改为 F9
`/daemon` 命令	重启受管理的后台服务器，随后自动重新连接
工具	相互独立的只读工具并行执行
网络代理	在 DNS 解析前检查权限，拒绝重复的 `Host` 请求头

恢复会话时，还会还原其权限和网络批准状态；Codex 也不再内置经过修改的 zsh，而是使用其标准 shell 执行器。

🔗 Codex CLI 0.163.0 发布说明

Cursor：云端智能体可构建可分享的画布，Environments API 进入测试阶段，Meta 的 Muse Wonder 在 CursorBench 上达到 46,1 %

10月16日 — Cursor 的云端智能体现在可以构建交互式画布（画布）：用户可在智能体工作时要求它制作仪表盘或报告，再通过链接将完成的画布分享给团队。Environments API 进入测试阶段：它可以通过编程方式创建和管理这些智能体的环境，包括克隆仓库和 environment.json 配置。每个环境现在最多支持 500 个仓库，据 Cursor 称，大型多仓库环境的启动速度达到原来的 5 倍。该串文引用的更新日志条目截至16日晚尚未上线，因此适用套餐、价格以及结束测试的日期均不明确。

10月15日 — Meta 发布 Muse Wonder 三天后，该模型登陆 Cursor，价格与 Meta API 一致：每百万输入词元 4 美元，每百万输出词元 20 美元。Cursor 强调，该模型在默认推理强度下的 CursorBench 得分为 46,1 %，是 Muse 模型中的最高分；CursorBench 4.0 公开排行榜列出了其他推理强度的详细成绩。

模型及推理强度	CursorBench 4.0 得分	每项任务成本	排名
Claude Opus 5.5 Max	57,8 %	13,43 美元	第1名
Muse Wonder Max	50,4 %	5,25 美元	第12名
Muse Wonder Extra High	48,2 %	4,24 美元	第15名
Muse Wonder High	46,1 %	3,51 美元	第21名
Muse Wonder Medium	45,2 %	2,82 美元	第22名
Muse Wonder Low	41,7 %	1,91 美元	第32名
Muse Spark 1.3 Max	41,6 %	2,64 美元	第34名

🔗 Cursor 关于云端智能体的串文 · Cursor 中的 Muse Wonder · CursorBench 排行榜

Gemini CLI 声明尚未针对 Gemini 4 Argon 优化，并引导用户转向 Antigravity CLI

10月16日 — Google 在夜间于 Gemini CLI 的 README 顶部添加了一则警告。提示框重申，对于免费层级和 Google One 用户，Gemini CLI 已于2026年6月18日被 Antigravity CLI 取代，随后以粗体强调以下内容，并建议通过 Antigravity 使用 Argon：

Gemini CLI has not been optimized for Gemini 4 Argon.

🇨🇳 Gemini CLI 尚未针对 Gemini 4 Argon 进行优化。 — Gemini CLI 的 README，拉取请求 29774

一个多小时后合并的第二次修改将这则提示的范围扩大至所有最新 Gemini 模型，并引导用户使用 Antigravity CLI，以获得最佳编程体验。与此同时，README 删除了以往的卖点：“为什么选择 Gemini CLI？”章节及其每分钟 60 次、每天 1 000 次请求的免费额度、高级功能和 GitHub 集成；通过 Google 账号登录的方式也只面向持有组织付费 Code Assist 许可证的用户。

这些提示延续了5月19日宣布的迁移安排：自6月18日起，Gemini CLI 继续向 Code Assist Standard 和 Enterprise 许可证用户以及付费 API 密钥用户提供服务，并承诺可访问最新 Gemini 模型。在 Argon 全面开放三天后，社区提交的将其加入 Gemini CLI 模型选择器的提案（拉取请求 29737）仍未合并。

🔗 清理 README 的拉取请求 29775 · 5月19日关于迁移至 Antigravity CLI 的博文

简讯

编程智能体与工具

Amp 展示运行器桌面 — 现在可以从讨论串中查看并控制 macOS 或 Linux 运行器的桌面，例如通过浏览器或 iPhone、iPad 应用试用 Amp 构建的 iOS 应用；任何能在运行器讨论串中发言的人，也能控制其桌面。🔗 来源
v0 — 无法预览的过大文件可从 Code 标签页下载，iOS 应用新增技能和设计系统选择器以及视频附件功能，Gemini 4 请求在高推理强度下也不再失败。🔗 来源
Copilot CLI 预览版 — 一天内发布三个预览版（1.0.99-2、1.0.99-3 和 1.0.100-0），没有稳定版：语义代码搜索成为在线会话的默认设置，--disable-client-telemetry 选项可关闭客户端遥测，MCP 服务器卡死也不再阻塞会话。🔗 来源
Slack 和 Teams 中的 Copilot — @GitHub 现在可以在同一对话中处理多个代码仓库：处理已创建或已合并的拉取请求、调查同时涉及前端和后端的问题、汇总活动；共享的 Slack 消息和讨论串可用作上下文。🔗 来源
Qwen Code v0.25.3-preview.0 — 稳定版 v0.25.2 发布次日，包含 64 项变更的预览版将 QwenCloud 放到 /auth 首位，为 Managed Agent 提供完整的 Shell 访问权限及审批开关，并在 Web Shell 中实时显示执行轨迹。🔗 来源
Gemini CLI，每夜构建版 0.66.0 — 该系列首个每夜构建版包含九项修复：通过同步输出消除 tmux 下的闪烁，修复导致界面冻结的 Git 提示，在 MCP 设置中正确解析 .env 变量，并支持描述仅占一行的 SKILL.md 文件；稳定版和预览版保持不变。🔗 来源
DeepSeek Harness 0.2.1-alpha.5 — 第 29 个预览版，仍无稳定版：包含四项修复（启用插件后的技能菜单、重复终端、PTC 模式指令、Windows 和 Linux 下的 Page Up 键），并提供一个扩展接口，允许插件按供应商重命名模型。🔗 来源

ChatGPT、Claude 与企业人工智能

面向 Enterprise 的 ChatGPT Sites — @OpenAIDevs 宣布该功能向 Enterprise 正式开放，新建 Sites 可选择将数据驻留在美国或欧盟，支持已验证域名，以及通往内部 API 的私有隧道；Enterprise 更新说明则称管理员预览版正在逐步推出，Plus 和 Pro 的 Sites 固定数量上限也已取消。🔗 来源
ChatGPT Slides 开始推出 — 这项在 9 月 29 日 DevDay 上宣布的协作演示文稿功能，正通过 Space 向符合条件的 Pro、Business 和 Enterprise 订阅用户开放，支持实时共同编辑、直接在 ChatGPT 中演示，以及导出至 PowerPoint、PDF 或 Google Slides。🔗 来源
Stack Overflow for Agents — 据 OpenAI 的案例研究，两名工程师借助 Codex 在几周内交付了该产品；其 ChatGPT 插件让注册量一夜之间增至三倍，Stack Internal 连接器的开发时间也从 3 至 6 周缩短至 4 天。🔗 来源
Sullivan & Cromwell — 这家律师事务所与 OpenAI 共同构建了 Agreement Analyzer，由所内的约翰·萨瓦借助 Codex 制作原型；它可针对合同草案生成备忘录和修改建议，再由律师审核；研究未提供任何效率提升数据。🔗 来源
Anthropic 销售人员的智能体 — 日本团队的沙赫博兹·易卜拉吉莫夫介绍了他在 Claude Managed Agents 上使用的六个智能体，负责潜在客户筛选、Salesforce、日语或英语回复、会议纪要等工作，并使用 Claude Tag 跟进事项，根据所需判断能力选择 Sonnet 或 Opus；据其每周工作日志，约节省了 60 小时工作时间。🔗 来源
American Forge — Cognition 与 National Design Studio 推出为期六个月的驻留项目，让工程师进入美国政府部门工作；公告称，联邦政府有超过 29 000 个陈旧或过时的网站；申请已开放，但未说明报酬或名额。🔗 来源

语音与视频生成

HeyGen MCP 中的 HeyGen Video 1 — 用户向智能体（ChatGPT、Claude、Claude Code 或 Cursor）描述想要的视频，即可获得可直接发布的成片，HeyGen 称整个过程仅需几秒；渲染会扣除套餐额度。🔗 来源
NTT Docomo Business 与 ElevenAgents — 这家运营商正在福岛县会津若松市测试基于 ElevenAgents 构建的语音助手 CONN，为因积雪无法外出的老年居民提供信息并陪伴交谈；反馈被认为积极，但未提供数据。🔗 来源
ElevenLabs 认证 — ElevenLabs 续获 ISO/IEC 27001、27701、42001、27017 和 27018、SOC 2 Type II 及 PCI DSS 1 级认证，并为 ElevenProductions 新增 SOC 2 Type I 认证。🔗 来源

模型、基准测试与研究

STEMBench 上的 Mistral Large 4 — Mistral 推介 Ulam 的科学基准测试，其模型在不使用工具时获得 2,501 分，满分为 4 分（工程学 2,602 分，天文学 2,597 分）：在 10 种配置中排名第 6，在不使用工具的配置中排名第 4，落后于 Muse Wonder、Claude Opus 5.5 和 Hy4 Preview；前两名 GPT-6 Astra xhigh 和 GPT-6.1 Sol 均在 Codex 中使用工具运行。🔗 来源
Jebadiah v2.1 — 两个规模为 27B 和 9B 的开放决策模型于 10 月 10 日以 Apache-2.0 许可发布，在 Decision Index 的 168 个参评模型中分别获得 55,94 分（第 35 名）和 44,91 分（第 74 名），落后于 Jev 1.13（60,11 分）。🔗 来源
Nemotron 3.5 Super VL 与图表 — 据 Thoughtworks 介绍，一个使用 24 000 张生成图表训练 3,3 小时的 LoRA，将该模型早期检查点在 CharXiv 的 224 道题上的得分从 16,96 % 提升至 78,13 %，代价是在其他题目上净少答对 104 道。🔗 来源
Intel Arc Pro B65 — 一项基于 llama.cpp 的社区基准测试显示，在三个约 30B、采用 4 位量化的模型上，启用 flash attention 的 SYCL 在预填充阶段比 Vulkan 快 31,2 %：其中两个模型处理约 16 000 个词元的提示时，首个词元耗时从 42 秒缩短至 20,5 秒。🔗 来源
TB-Lite Verified — Hugging Face 未作公告便上线了终端智能体基准 OpenThoughts-TBLite 的修正版：从 100 项任务中移除了五项有缺陷的任务，修复了评分上限被限制为 0,997 的问题，未公布任何得分。🔗 来源
Sakana AI 的 AutoIllustrate — 补记 10 月 14 日的消息：这款采用 Apache-2.0 许可的命令行工具，可将论文的“方法”部分转换为可编辑的 draw.io 图，再生成重新设计样式的 PNG；《智能体科学家》中的插图使用了该工具。🔗 来源
Meta 对大语言模型迎合行为的研究 — facebookresearch 未作公告便发布了论文《从偏好数据到个性化》的提示和评分标准，将回答分为七类，从直言反驳到明确认同；未发布模型或数据。🔗 来源
Anthropic 与 Simons Foundation — Anthropic 承诺为数学家提供价值 500 万美元的资金、算力和 Claude 访问权限，由 Simons Foundation 管理；据 Simons Foundation 介绍，加上基金会及同样投入 500 万美元的 OpenAI，总额达到 1500 万美元，分配方式包括公开征集提案。🔗 来源

指南与荣誉

Perplexity 的大语言模型安全指南 — 一份指南梳理了 OWASP Top 10 for LLM Applications 2026 中的十大风险，为每项风险提供一个事件案例和防御措施，并回顾 Perplexity 的防护机制（Computer 沙箱、面向 Comet 的 BrowseSafe、第三方供应商零数据保留）；没有新功能。🔗 来源
借助人工智能学习 — Perplexity 发布了五种有研究支持的方法（自测、间隔学习、重新讲解、交替学习、跟踪进步），并援引 Gallup 和 Lumina Foundation 的数据：57 % 的美国学生每周使用人工智能辅助课程学习。🔗 来源
两项入选 TIME 年度榜单的发明 — 该杂志将 Meta 的 Omnilingual ASR 和 NVIDIA 的 NemoClaw 列入 2026 年最佳发明，前者支持超过 1 600 种语言的语音识别，后者是限制在沙箱中运行的自主智能体。🔗 Meta · 🔗 NVIDIA

GitHub：许可证、运行器与访问权限

开源许可证合规 — 已向启用 Code Security 的 GitHub Enterprise Cloud 正式开放：企业许可证政策可通过规则集强制应用于拉取请求，新增端点则允许编程智能体检查软件包是否符合政策。🔗 来源
Xcode 27 镜像 — 非人工智能消息：GitHub Actions 的 Xcode 27 运行器镜像（macOS 27，仅支持 Apple Silicon）正式开放，xcode-27 和 xcode-27-xlarge 标签保持不变。🔗 来源
Evergreen — 非人工智能消息：GitHub 介绍了这款 GitHub App，它每季度撤销未经确认的外部协作者访问权限，并归档一个由超过 1 400 名员工共用的组织中的不活跃代码仓库，绝不删除这些仓库。🔗 来源

这意味着什么

Anthropic 在同一天发布了两篇关于椭圆曲线的文章，分别回溯过去和展望未来。回溯过去，Claude 找到了 NIST 种子背后的生成器和时间戳：Anthropic 反复强调，没有任何密码机制被破解，但人为操纵的可能性变得小了许多，任何人都可以使用以 CC0 发布的代码复现结果。展望未来，Claude Mythos 5 找到了一种椭圆曲线点加法电路，所需量子门数量降至原来的 1/17，量子比特仅增加 12 %；这是计算椭圆曲线离散对数的量子算法的核心组件，而 ECDSA 的安全性正依赖于这一问题的难解性。Anthropic 据此认为，实用量子计算机可能比预期更早到来：人们对这些曲线生成过程的信任正在增强，与此同时，未来可能威胁它们的量子电路，其估算成本正在下降。

在实验室中，智能体独立工作的时间越来越长，验证也成为其可信度的前提。Claude Mythos 5 在自动评估器的评估下运行了 53 小时，并给出了用 Lean 形式化的证明；Argon 智能体在负责识别作弊的 Observer 监督下进行了超过 27 小时的游戏；Antigravity 智能体编写了实验方案，但其细菌素仍有待实验室验证。面向研究人员的工具也遵循同样的逻辑：Deep Review 在投稿前核查论述及其一致性，Open Math OS 依托 Lean，且默认将项目设为私有，Rosalind Academic Plan 则仅在可信访问申请获批后开放 GPT-Rosalind。

在开放模型领域，许可证再次成为卖点。Muse Spark Open 以商业使用条件受限的 Muse Model License 发布次日，Beam 便以 Apache 2.0 许可亮相，首日已有超过 40 家合作伙伴，并提供 NVFP4 检查点及训练时使用的运行框架。更小的模型也采用同样的许可证，并追求效率：最小的 Bonsai 2 仅占 0,43 Go，可在手机上运行；决策模型则逐渐形成独立类别，包括每百万词元价格分别为 0,02 和 0,01 美元的 pplx-decider-v1.2 及其 Flash 版本、复用基础模型缓存的 Granite Switch 4.1 适配器，以及统一榜单 Decision Index。

运行框架如今与模型同样重要。Reflection 随 Beam 一同提供 Mirror CLI，Google 引导 Argon 用户使用 Antigravity CLI，而 Claude Code 团队则将合并量翻倍归因于审查流程的重构，其中由分类器决定需要多少名人工审核者。面向大众的智能体也在扩大覆盖范围：GPT-6 Astra Pro 将任务分配给多个智能体，Grok Bot 接入 Robinhood、Coinbase 和 eToro，ChatGPT 插件则成为分发渠道，从 Pika 的工具到让 Stack Overflow for Agents 注册量增至三倍的插件，皆是如此。