Anthropic 技术岗位招聘中初级人才占比从 27 % 降至 9 %，DeepSeek 发布 V4.1-Flash-1017，Claude Code 开始响应的速度提升至三倍

Anthropic 将自己的团队作为研究对象：初级人才在技术岗位招聘中的占比从 27 % 降至 9 %，员工启动的智能体在八月的工作时长达到员工自身的六倍，91 % 的员工认为人工智能能够在 2030 年前取得足以获得诺贝尔奖的发现，而持这一看法的美国人占 39 %。DeepSeek 以 MIT 许可证发布 V4.1-Flash-1017，在价格不变的情况下，其 DeepSWE v1.1 成绩领先 GPT-5.6 Sol 和 Claude Opus 5，并向所有用户开放网页搜索 API Search 和 Fetch。Google Research 的智能体操控实验室机器人，协助获得了针对肿瘤靶点、亲和力达到纳摩尔级的蛋白质结合分子；Claude Code 开始响应的速度达到八月的三倍，NVIDIA 则详细介绍了面向开发者的 RTX Spark 个人电脑。

Anthropic 研究自身的就业变化：初级人才占技术岗位招聘的比例降至 9 %，员工对人工智能的预期远高于美国公众

10 月 16 日 — Anthropic 的 Economics 团队发布了 The Anthropic Institute 的两份报告，以公司本身作为研究对象。第一份报告《Anthropic 的就业变化》（Anthropic 的就业正在如何变化）将内部数据，包括员工人数、人工智能使用情况、产出、日程和招聘决策，与 17 次员工访谈相结合。第二份报告《人工智能预期差距》（人工智能预期的差距）将 Morning Consult 八月对 10 980 名美国成年人的调查，与对 1 334 名员工的内部调查进行比较；九月进行的第二轮调查得出了相近的结果。

Anthropic 跟踪的指标	测得的变化
初级人才在技术岗位招聘中的占比	从 27 % 降至 9 %
初级人才在技术部门中的占比	自 2025 年初以来从 21 % 降至 14 %
每一小时员工工作时长对应的交互式智能体工作小时数	2026 年八月为 6
每位工程师的提交次数	六个月前的 5 倍
非技术人员每月的编程会话次数	从 2（2025 年八月）增至 90（2026 年五月）

初级人才减少是最明确的发现，管理者也明确表示人工智能在其中发挥了作用：2026 年四月，约三分之一的机器学习经理和五分之一的软件工程经理表示，他们因人工智能而减少招聘。与此同时，智能体承担了更多工作：2026 年三月，其累计工作时长首次超过员工。在转用编程智能体的 192 名工程师中，相较于未转用的 74 名工程师，新增代码量大幅上升，而智能体生成的代码在之后被删除或撤销的频率并未更高。

另一面是，人的注意力成了瓶颈：交互式会话约有 80 % 的时间处于闲置状态，等待人类回复，而阅读它们生成的全部内容将占用一周工作时间的一半以上。元工作（元工作）包括为智能体编写规格说明、让一个智能体审查另一个智能体的工作，以及监控处理流程；这类工作的会话占比从 2025 年秋季的 10 % 升至 2026 年春季的 22 %，而员工开会时长的中位数比一年前增加了 20 %。招聘评估更加强调自主性和判断力；Anthropic 表示，正在针对受影响的岗位建立早期预警系统（早期预警系统），并优先考虑内部转岗。

第二份报告显示，员工与公众对人工智能当前能力的判断一致，但对其进步速度的判断不同：

调查回答，展望 2030 年	受访美国人	Anthropic 员工
认为可能取得足以获得诺贝尔奖的发现	39 %	91 %
自身工作可由人工智能完成的比例（平均值）	28 %（在职者）	75 %
回答所隐含的国内生产总值增长率（中位数）	5,4 %	17,1 %

不过，两组人的推理方式相同：越相信人工智能能完成自己大部分工作，就越预计失业率会上升。认为人工智能至少能完成自己 80 % 工作的美国劳动者，预计 2030 年失业率将达到 12,2 %，而当前为 4,2 %。国内生产总值增长率来自 Anthropic 九月提出的经济情景模型。最后，员工估计人工智能目前已完成构建前沿模型所需工作比例的中位数为 51 %，并预计到 2030 年底这一比例将达到 95 %：报告强调，这些是通过调查收集的个人看法，并非公司的预测。

🔗 Anthropic 的就业正在如何变化 · 人工智能预期差距 · 介绍文章

开放模型：DeepSeek 发布 V4.1-Flash-1017 并开放 Search 和 Fetch API，NVIDIA 合作伙伴对 Nemotron 3.5 Super VL 进行后训练

10 月 17 日 — DeepSeek 发布 DeepSeek-V4.1-Flash-1017，这是 V4.1-Flash 的新版本；后者是其于 9 月 10 日推出、拥有 5520 亿参数的 MoE 多模态模型。模型说明将此次更新称为小幅更新（小幅更新），但智能体任务上的提升明显：DeepSWE v1.1 得分为 77,0 %，上一版本为 74,2 %；Terminal-Bench 4.0 得分从 31,2 升至 42,3。模型权重以 MIT 许可证发布于 Hugging Face 和 ModelScope，模型也已上线网站、应用和 API。

Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost.

🇨🇳 得分更高、任务完成更快、输出比上一版本更短：性能与成本均实现帕累托改进。 — X 上的 @deepseek_ai

价格保持不变。deepseek-flash 这一名称现在指向该版本，支持一百万词元的上下文及最高 384K 词元的输出；旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍可使用，但相关请求也会转由 V4.1-Flash-1017 处理。价格页面仍显示，高峰时段每百万输入词元收费 0,30 美元（不含缓存），每百万输出词元收费 1,20 美元，非高峰时段减半，与 9 月 13 日相同。因此，成本下降来自回答变短：版本说明中仅以图片形式提供的图表显示，max 设置在 DeepSWE v1.1 上达到 77,0 %，每项任务成本约 0,2 美元，得分高于其他所有数据点。最接近的 GPT-6.1 Sol 最高约为 75 %，成本约 0,65 美元；而 GPT-6 Astra、Gemini 3.8 Flash、Claude Opus 5 和 Claude Fable 5 的最佳数据点约在 70 % 至 74 % 之间，每项任务成本约为 2 至 15 美元。

评测基准	V4.1-Flash-1017	V4.1-Flash	K3	GLM-5.3	GPT-5.6 Sol	Opus 5
HLE（无工具）	42,6	36,8	43,5	42,0†	44,5	56,3
Terminal-Bench 4.0	42,3	31,2	12,6	37,9	39,9	51,8
DeepSWE v1.1	77,0	74,2	67,5	66,9	73,0	74,0
ProgramBench	29,1	20,3	17,5	19,0	23,0	37,0
NL2Repo-Bench	68,2	65,4	58,0	58,0	56,8	75,3
Automation-Bench v1.0.6	60,5	54,8	46,7	48,8	45,8	50,3
Agents’ Last Exam	35,4	31,8	27,6	28,5	26,7	28,6
Apex Bench v1.1	72,1	64,6	47,8	56,6	54,3	65,8

†：HLE 的文本子集，这是 GLM-5.3 唯一公布的分数（V4.1-Flash-1017 在该子集上得分为 44,0）。来源：该模型的 Hugging Face 说明页面。

在闭源模型方面，表格仅列出 GPT-5.6 Sol 和 Claude Opus 5，未列出其后继版本。V4.1-Flash-1017 在 DeepSWE v1.1、Automation-Bench、Agents’ Last Exam 和 Apex Bench 上领先这两款模型，但在无工具 HLE（GPT-5.6 Sol 也以 44,5 对 42,6 领先）、Terminal-Bench 4.0、ProgramBench、NL2Repo-Bench，以及说明页面中的三项使用工具的视觉评测（Chartography、BabyVision 和 ZeroBench-main）上仍落后于 Opus 5；与开放模型 K3 和 GLM-5.3 相比，它仅在无工具 HLE 上落后于 K3（43,5 对 42,6）。DeepSeek 将这些进步归功于在完整项目上进行带自我反馈的强化学习（带自我反馈的强化学习），并针对 DeepSeek Harness、Tencent CodeBuddy 和 WorkBuddy 优化了模型。对于本地运行，此次发布没有提供 Jinja 格式的对话模板，而是提供了提示格式的 Python 参考实现，并建议将输出上限设为至少 256K 词元；该版本未附带新的技术报告。

🔗 DeepSeek 版本说明 · Hugging Face 上的模型说明

Search 和 Fetch：DeepSeek 向所有用户开放网页搜索 API，每 1 000 次成功请求收费 0,75 美元

10 月 17 日 — 在同一串帖中，DeepSeek 向其 API 的所有用户开放了两项网页搜索服务。Search 查询 DeepSeek 自有的搜索引擎，该公司称其每天处理数亿次请求，并返回结构化结果：每项结果都带有 0 至 3 的相关性评分、供模型使用的 600 至 800 字符摘要、发布日期，以及 0 至 4 的权威性等级。Fetch 则获取网页并将其转换为 Markdown，同时遵守目标网站的访问规则。

服务项目	DeepSeek 公布的数值
每项 API 的价格	每 1 000 次成功请求收费 0,75 美元
每个账户的限制	每项 API 每秒 5 次请求
每次搜索的结果数量	1 至 50（默认 10）
从 Harness、Claude Code、Codex 发起的调用	10 月 31 日 16 h UTC 前免费

只有返回结果的响应才计费：失败、搜索结果为空和超时均免费，请求的结果数量不影响价格。从 DeepSeek Harness、Claude Code 或 Codex 调用的 DeepSeek API 服务端工具此前就基于这些 API，这些调用在 10 月 31 日前继续免费；Harness v0.2.1-rc.2 已将 Search 和 Fetch 集成到网页搜索设置中。

🔗 Search 和 Fetch 指南 · @deepseek_ai 的公告

Nemotron 3.5 Super VL：经 NVIDIA 合作伙伴后训练，在各自任务上追平更昂贵的闭源模型

10 月 16 日 — 在 Nemotron 3.5 Super VL 发布次日，NVIDIA 发布了一串帖子，引用了 21 条合作伙伴消息，几乎全部发布于模型推出当天。这款拥有 1200 亿参数（激活参数 120 亿）的开放模型已在 10 月 15 日于此介绍。其中相当一部分消息展示了模型针对特定任务进行后训练后的表现，各自采用自有评测衡量：NVIDIA 转发了这些结果，但没有统一的方法体系。

引用的合作伙伴	后训练应用	合作伙伴公布的结果
AfterQuery（与 Hebbia 合作）	专家级信贷任务	完全解决的任务比例从 47 % 升至 74 %，成本约为所比较闭源模型的 1/7
Trajectory	Harvey 的 Legal Agent Bench	达到 Opus 4.7 水平，每百万 tokens 收费 1,34 美元，而后者为 15 美元
Alex Dimakis	自主 ML 研究员	AutoResearchExam 得分从 28 % 升至 35 %，达到规模大 20 倍的 Qwen 3.8 Max 水平
Handshake	生命科学文档	利用超过 2 000 条专家数据，准确率翻倍
Multiverse Computing	模型压缩	Comet 60B，参数减半，准确率与原模型的差距小于 5 %

这串帖子还展示了围绕该模型逐步形成的工具生态：模型已上线 Tinker、River API、Applied Compute 的 AC2 和 ModelScope（提供 BF16 和 NVFP4 权重）；Fastino Training API 已推出，用于 SFT 和 RL 循环；Mindbeam 的 Litespark 引擎则在两块 H200 GPU 上实现了每位用户每秒 962 词元的服务速度。

🔗 @NVIDIAAI 的串帖

走进实验室的智能体：Google Research 让它们操作移液机器人，并获得针对肿瘤靶点的纳摩尔级结合分子

10 月 16 日 — Google Research 公布了三项研究，将人工智能智能体带到了湿式实验室（湿实验室）的实验台前：它们不再只负责设计分子，还会在科学家的指导下启动实验、解读结果并修正方法。

第一个组成部分是 VERID（VERified Infrastructure for Discovery Laboratories），这是基于开源框架 PyLabRobot 构建的机器人移液工作站数字孪生系统。它实时跟踪机械臂、各孔中的液体体积、试剂和可用吸头，在几秒内完成每项实验方案的模拟演练，并拦截物理上无法执行的指令。在报告的一个案例中，模拟器拒绝了在过窄的储液槽中进行八通道吸液的操作：智能体重新规划，随后设计了一项析因实验，分离出吸头残留污染造成的偏差。

智能体参与的实验	Google Research 报告的结果
针对 α-凝血酶的适配体，进行三轮实验	经验证的结合分子占比依次为 0 %、26,0 %、42,1 %，特异性为 98,5 %
针对肌红蛋白的适配体	特异性从 75,0 % 降至 19,1 %，随后回升至 72,4 %；第 3 轮结合分子占比为 33,5 %
从头设计的 FAP 蛋白质结合分子	达到个位数纳摩尔级亲和力，结构预测速度提升至 8,6 倍
人与智能体协作，计算量相同	计算模拟成功率接近科学家单独工作时的两倍

肌红蛋白案例展示了闭环学习：第二轮实验中，智能体押注于会广泛结合各种分子的 G-四链体基序，随后从实验室数据中发现特异性骤降，并自主重写了设计规则。针对在实体瘤中过度表达的受体 FAP，这套流程在结构预测阶段只保留结合位点。Google 详细说明了防护措施，包括使用非感染性生物系统、对每条序列进行生物安全筛查、执行前必须模拟以及人工监督，但没有透露驱动这些智能体的具体模型。

🔗 Google Research 博文 · VERID（PDF） · 适配体沙盒（PDF） · 表位切除（PDF）

编程智能体：Claude Code 开始响应的速度提升至三倍，2.1.302 将派生子智能体扩展至更多场景，Replit 进驻客户的云环境

10 月 16 日 — @ClaudeDevs 宣布，Claude 开始响应的时间提前了。在 Claude Code 中，每轮发送给模型的对话现在都会经过 gzip 压缩，以便更快送达；云端会话则在人们开始输入请求时就启动。公告附带的表格对比了 8 月和 10 月首个词元出现前的等待时间：

测量场景	2026 年 8 月	2026 年 10 月	公布的提速幅度
Claude Code，本地会话	4,07 s	1,33 s	3 倍
Claude Code，云端会话	16,99 s	6,00 s	2,8 倍
Claude，聊天和 Cowork	3,36 s	2,17 s	1,5 倍
Claude API，包含模型耗时（中位数）	1,53 s	1,01 s	1,5 倍

前三行不包含模型计算时间，统计的是第 90 百分位数。压缩并非全新功能：10 月 14 日发布的 Claude Code 2.1.300 已对发往 api.anthropic.com 的大型请求启用压缩，可通过变量 CLAUDE_CODE_GZIP_REQUEST_BODIES=0 将其关闭。公告没有给出云端会话提前启动功能对应的版本号。

🔗 @ClaudeDevs 的公告

Claude Code 2.1.302：终端以外默认启用派生子智能体，可选择自动模式分类器模型，包含 43 项修复

10 月 16 日 — 在 2.1.301 发布次日，Claude Code 2.1.302（共 63 条更新，其中 43 项为修复）将原本仅限终端的行为扩展到了其他界面：claude -p、Agent SDK、桌面应用和 VS Code 现在默认启用派生子智能体（可通过 CLAUDE_CODE_FORK_SUBAGENT=0 关闭），而桌面应用和 VS Code 始终在后台启动主对话中的子智能体。

涉及领域	2.1.302 带来的变化
自动模式	`CLAUDE_CODE_AUTO_MODE_MODEL` 用于选择在客户端运行的分类器模型
`/config` 命令	“空闲压缩”选项可关闭或重新启用空闲时的上下文压缩
第三方提供商	未指定模式时，若遥测已关闭或属于全新安装，`claude -p` 和 Agent SDK 会以 `default` 模式启动
提示词和智能体钩子	每个事件最多同时执行 12 次
Read 工具	拒绝超过 128 Mo 的图像，不再将其加载到内存

其他修复包括：部分执行失败的定时例程不再从头重新运行，此前这种行为可能导致同一份报告发布两次；exFAT 或 FAT32 磁盘也不再阻碍 Windows 下的写入操作。

🔗 Claude Code 2.1.302 更新说明

Replit Bring Your Own Cloud：将平台部署到客户的 Azure、Google Cloud 或 AWS 环境，并在 Power 模式中加入 Claude Haiku 5.5

10 月 16 日 — Replit 推出 Bring Your Own Cloud（BYOC），让 Replit 的全部或部分功能在企业位于 Microsoft Azure、Google Cloud 或 Amazon Web Services 的云环境（租户）中运行。对开发者而言，操作没有变化：仍然点击同一个 Publish 按钮发布。

部署选项	在客户环境中运行的内容	可用阶段
Full BYOC	整个平台，包括 Agent 运行框架，以及已发布的应用	私有预览
BYOC for Published Apps	仅运行已发布的应用，开发仍在 Replit 环境中进行	抢先体验
Image Exports	由客户团队部署的 Docker 镜像、Terraform 文件和 SBOM	抢先体验

隧道仅支持出站连接，并采用双重 mTLS 加密；客户管理的密钥（CMEK）仅面向签订完全物理隔离合同的客户。文档明确了限制：控制平面仍由 Replit 托管，Full BYOC 既不是隔绝网络的部署（物理隔离），也不是完全自行托管的 Replit，模型推理仍由 Replit 提供。官方没有公布价格。同日的更新日志还在 Core 和 Pro 套餐的 Power 模式选择器中加入了 Claude Haiku 5.5；Claude Sonnet 5.5 已于 10 月 2 日加入。

🔗 Replit 博文 · BYOC 文档 · 10 月 16 日更新日志

RTX Spark：NVIDIA 详解面向开发者的 PC，支持 JetBrains 的 Junie Local，并公布相较 Core Ultra X9 388H 的性能提升

10 月 16 日 — RTX Spark 笔记本电脑正式上市当天，NVIDIA 在技术博客上解释了这款设备能为开发者带来什么：在一台 PC 上完成编写代码、测试和部署，编程智能体则可利用最高 128 Go 的统一内存在本地运行。NVIDIA 此前已于 10 月 13 日介绍了首发软件。笔记本电脑现已上市，小型台式电脑将于 11 月跟进，官方称其适合持续运行的智能体。

工作负载	NVIDIA 使用的测试	公布的相较 Core Ultra X9 388H 的性能提升
编程智能体	AA-AgentPerf-local，使用 Qwen3.8-27B	4,6 倍
微调（LoRA）	在 Llama-3.1-8B 上使用 Unsloth	2,7 倍
编译	Linux 内核，Phoronix Test Suite	1,8 倍

这些数据由 NVIDIA 测得，对比对象为 Intel 的 Panther Lake 12Xe 芯片。软件方面，与 Microsoft 联合设计的 Windows Developer Config 可安装主要开发框架、关闭通知并改进终端；在 Windows on Arm 上，已有超过 2 000 个 Conda 软件包可直接使用，最常用的 15 000 个 Python 软件包中，超过 97 % 提供 Arm 版本。JetBrains 推出对 Junie Local 的原生支持，后者会根据 GPU 内存调整上下文窗口；GitHub Copilot 通过 Windows ML 和 llama.cpp 在本地运行；AI for Media SDK（视频超分辨率、中间帧生成、TrueHDR）则以 Python 软件包形式登陆 PyPI。

🔗 NVIDIA 技术博客文章

快讯

编程智能体与工具

Devin 10 月 16 日版本说明 — 继 14 日发布、15 日已报道的版本说明之后，Cognition 又发布了 19 项更新：可在 GitLab 合并请求中使用 /devin 命令，Devin Review 显示 Bitbucket Cloud 的合并状态，支持搜索五个代码托管平台的拉取请求，内置问题与标签管理工具，以及一项可隐藏旧版 MCP 市场、同时保留已安装服务器运行的 Enterprise 设置。🔗 来源
Copilot CLI 1.0.100-1 — 在前一天已报道的 1.0.100-0 发布两个半小时后，这个第二预览版将统一会话浏览器设为 /sessions、/session 和 /resume 的默认视图，并移除了语音听写中的语言标记；自 10 月 14 日的 1.0.98 以来，仍未发布新的稳定版。🔗 来源
Gemini CLI，10 月 17 日每夜构建版 — 四项修复关闭了 3 月和 4 月提交的工单：自动更新终于会检查实际启动的二进制文件，避免在 PATH 中存在多个安装版本时反复误报更新成功；keybindings.json 支持 keys 数组；停止信号也能在 ACP、systemd 或容器环境中传递给子进程。🔗 来源
Antigravity CLI 1.4.0 与 Antigravity 应用 2.24.0 — 补记 10 月 15 日和 14 日的更新：CLI 通过 OSC 7501 序列在终端标签页中显示状态，并按照实际加载规则重新设计了 agy plugin validate；应用继 10 月 13 日已报道的 2.23.0 之后，改版了侧边栏，新增 /compact，并允许为每项自动化任务选择 Flash Lite、Flash 或 Pro。🔗 来源
DeepSeek Harness 0.2.1-rc.1 与 rc.2 — 0.2.1 系列的前两个候选发布版：rc.1 汇总了 alpha.1 至 alpha.5 预览版的改动，rc.2 支持 V4.1-Flash-1017 以及 Search 和 Fetch API；该仓库自 8 月 17 日以来已发布 31 个版本，全部为预览版。🔗 来源
bun lint — 补记 10 月 15 日的消息：2025 年底被 Anthropic 收购的 Bun 宣布，将在下一版本中加入兼容 ESLint 的静态代码检查器，内置超过 1 000 条规则，可读取 eslint 和 oxlint 配置；官方称其速度为 ESLint 的 26 倍，在五个受测仓库中为 11 至 43 倍，目前尚未公布发布日期。🔗 来源

企业与开发者领域的 OpenAI

Itaú 与 ia.i — 根据 OpenAI 的案例研究，这家巴西银行向约 30 万名客户开放了支持文字和语音的对话界面 ia.i，并计划在 2026 年底前覆盖全部客户；GPT-5.x 模型为 Customer DNA 提供支持，涉及约 7 000 万名客户，其多供应商平台 IARA 则承载了一套处理超过 9 000 万份文档的法律解决方案。🔗 来源
Benefit Street Partners 与 Codex — 在这家专注于信贷的资产管理公司，投资经理阿南特·库马尔用一天时间构建了贷款估值跟踪工具的初版，总开发时间为 10 至 12 小时，还构建了一款使用 GPT-6 Astra 重构的信贷合同分析器；投资委员会提出的问题，以往需要数天甚至数周，如今一天即可处理。🔗 来源
ChatGPT Enterprise 与 Edu — 由管理员管理的同步连接器将被移除，改用 Google Drive、SharePoint 和 Microsoft Teams 实时应用，并新增内容控制功能；管理控制台中的“外部访问”页面则集中管理 Sign in with ChatGPT、已连接应用以及 Ads 数据的访问权限。🔗 来源
供应商间的故障切换 — 补记 10 月 14 日的消息：OpenAI Developers 博客介绍了如何在 OpenAI 直接提供的 API 与 Amazon Bedrock 或 Azure OpenAI 上的 OpenAI 模型之间切换：仅在暂时性错误或限流可能影响截止时间时切换，遇到无效请求、拒绝响应或配额耗尽时则不切换；文中还提供了一条 Codex 提示词，用于添加默认关闭的切换机制。🔗 来源
使用 Codex 构建的硬件项目 — OpenAI Developers 展示了一个按投票排名、开放投稿的社区作品集，共收录 20 个项目，从将旧 Kindle 改造成 AI 使用情况仪表盘，到一枚 DEFCON 徽章；据作者介绍，该徽章的电路由 Astra 设计，涵盖从 KiCad 布线到向 JLCPCB 下单的流程。🔗 来源

API、模型与网页搜索

Perplexity Agent API — 16 个旧模型，包括七个 Claude 4.x、五个 Gemini 3.x 和四个 Grok 4.x，已从文档、计算器和示例中移除，但这条更新并未表示这些模型标识符已停止响应；GPT-6 Astra 和 DeepSeek V4 Pro 则加入其中，前者每百万输入词元收费 10 美元、输出收费 50 美元，后者分别为 1.32 和 3.96 美元。🔗 来源
OpenRouter 上的 pplx-decider-v1.2 — Perplexity 的这两个决策模型于 10 月 16 日连同权重一起发布，并于当天上线 OpenRouter；每百万输入词元价格分别为 0.02 美元（27B）和 0.01 美元（4B），输出免费，上下文为 262K，与 10 月 7 日的 v1.1 相同。🔗 来源
Embed 5 Fast 对比 EmbeddingGemma 2 — Cohere 声称，其模型在 163 个数据集中超过 95 % 的数据集上领先 Google 的模型，但采用的是自家的 RCP-nDCG@10 评估方法；在标准 nDCG@10 指标下，其 ViDoRe v3 图表给出的分数为 59.3 对 47.6，未提供数据集清单，且比较的是付费 API 模型与一个 740M 参数的开放模型。🔗 来源
SpaceXSI TypeScript SDK 0.2.4 — 该版本未发布公告，新增了 responses.create() 的 guidelines 参数、按类别设置的模型输出指引，包括拒绝某类内容、在涉及自残时提供支持，以及 21:9 和 5:2 视频格式、grok-voice-3.0 和 grok-voice-2.0 标识符；同时将 Live Search 标记为已弃用，改用 web_search 和 x_search。🔗 来源
AI Mode 与 AI Overviews — 补记 10 月 15 日的消息：Google 在生成式回答中加入更多内嵌链接，并将其放在更靠前的位置；突出展示首选来源（Preferred Sources）的新闻轮播也扩展到更多国家和语言，该功能的使用量已达到年初的七倍以上；此外，Google 正在测试一个专门展示官方页面的版块。🔗 来源

开放模型与社区研究

FLUX 3 Image Klein — 模型发布两天后，Black Forest Labs 修正了相关工作流，包括 ComfyUI v0.41.3 和已更新的 Hugging Face Space，建议在 2K 下使用其提示词扩写功能，并在 GitHub 发布了可替代该功能的推荐系统提示词。🔗 来源
Hub 按作者筛选 — 通过每个个人资料页上的新按钮，可以按用户或组织筛选 Hugging Face 的模型和数据集页面；添加任务、大小、库或许可证筛选条件时，一张卡片会提醒当前浏览的是哪个账户。🔗 来源
Ammu-1.0-OffOnTopic-Guardrail — 卡利扬·KS 以 MIT 许可证发布了四个分类器，参数量从 150M 到 17M，用于判断请求是否超出系统提示词设定的范围；据作者介绍，最大模型的 Macro-F1 达到 91.56，而 DeepSeek V4 Flash 0731 为 81.95，GPT-6 Luna 为 79.12。🔗 来源
一个未部署的记忆分类器 — 贾瓦德·塔吉亚解释了为什么没有将用于决定 AtMem 记忆写入操作的微调编码器投入生产：它在一项封存测试上的表现从 18.4 % 提升至 73.8 %，但在按生产环境方式回放的 100 条虚构观测记录中，仅做出 16 次正确决策，确定性规则则为 30 次，而且其速度慢了 15 至 230 倍。🔗 来源
SPICY-KV — 据 ElithiaTechnologies 的尤格·Y 介绍，这种在 RoPE 之前对键进行分组的方法，可将 DeepSeek-R1-Distill-Qwen 的 KV 缓存压缩至原来的 1/28.6，同时在 RULER 上保留 100.0 %（1.5B）和 91.7 %（7B）的召回率，而在 RoPE 之后合并则会降至 0.0 %；这些是作者自行测得、未经同行评审的结果。🔗 来源

这意味着什么

Anthropic 的报告改变了就业问题的关注点。在一家前沿实验室中，员工启动的交互式智能体的工作时长已经达到员工的六倍，而稀缺的资源变成了人类的注意力：审阅、明确要求、监督。新人首当其冲，他们在技术岗位招聘中的占比从 27 % 降至 9 %，面试则更加看重自主性与判断力。Google Research 描述了实验室中的同一种分工：科学家制定策略，智能体负责执行，两者合作通过计算机模拟找到的候选物数量，几乎是科学家独自工作时的两倍。但预期差距仍然存在：91 % 的 Anthropic 员工认为，AI 到 2030 年有能力做出值得获得诺贝尔奖的发现，而美国公众中这一比例为 39 %；他们的回答所隐含的 GDP 增长幅度也约为后者的三倍，分别为 17.1 % 和 5.4 %。

速度提升面临同样的限制。Claude Code 将本地首个词元的等待时间从 4.07 秒缩短至 1.33 秒，并在终端以外的环境中默认启用 fork 子智能体，但 Anthropic 的研究表明，机器已不再是主要瓶颈：交互式会话约有 80 % 的时间处于闲置状态，等待回应，而读完它们生成的全部内容将占用超过半个工作周。降低延迟缩短的是用户等待机器的时间，而不是会话等待人类的时间。

在开放模型方面，如今每项任务的成本比每个词元的价格更重要。DeepSeek 没有调整定价，但 V4.1-Flash-1017 的输出更短，并声称在 DeepSWE v1.1 上以每项任务约 0.2 美元的成本取得 77.0 % 的成绩；相比之下，其图表中表现最好的封闭模型 GPT-6.1 Sol 最高约为 75 %，成本却约为三倍。不过，其评分表只对比了 GPT-5.6 Sol 和 Opus 5，没有纳入它们的后续型号。NVIDIA 的合作伙伴也在特定任务上提出了类似主张：经过后训练的 Nemotron 3.5 Super VL 在 Harvey 的 Legal Agent Bench 上达到 Opus 4.7 的水平，每百万词元收费 1.34 美元，而后者为 15 美元。DeepSeek 如今还将智能体的网页搜索作为收费服务，每 1 000 次请求收费 0.75 美元：模型、工具和运行框架均由同一家供应商提供。

最后，智能体正逐渐进入真实环境，各方也在设置各自的防护措施。Google Research 在接触任何试剂之前，都会先在数字孪生中演练每项实验方案，并进行生物安全筛查和人工监督。Replit 将其平台和 Agent 的运行框架部署到客户的云中，但控制平面和推理仍保留在自身一侧。NVIDIA 则通过 RTX Spark 押注在开发者本机运行的编程智能体，从 Junie Local 到 Copilot，并等待专为持续运行的智能体设计的台式电脑问世。