ai-powered-markdown-translator本文使用 gpt-6.1-sol 从法语翻译为中文。
OpenAI 将其前沿模型与 Codex 引入 Google Cloud 的 Model Garden，向部分企业客户提供私密预览；Google 则宣称，如今自己是唯一提供三大主要闭源 LLM 的大型云服务商。Anthropic 开放 Claude Duet 预览，这款智能体在自己的虚拟机中独立工作，并在付款或签署文件前征求批准；与此同时，OpenAI 回顾了 PHP2Shell 的处置过程，这涉及 PHP 的两个严重漏洞，其中一个借助 GPT-5.6 Sol 发现。在 GTC Berlin 上，NVIDIA 推出用于隔离智能体的参考架构，以及以集装箱形式交付的人工智能工厂；Recursive 发布用于本地编程的开放模型 Flint，Cohere 则推出 Rerank 5。
OpenAI 模型与 Codex 登陆 Google Cloud，在 Model Garden 中提供私密预览
10 月 21 日 — OpenAI 与 Google Cloud 宣布，OpenAI 的前沿模型及 Codex 的智能体工作流将加入 Google Cloud 的模型目录 Model Garden。Google 的公告由 Gemini 产品副总裁 Michael Gerstenhaber 撰写，列出了三款相关模型：GPT-6 Astra 面向要求最高的工作，包括编程、计算机操作、专业任务和科学研究；GPT-6.1 Sol 被描述为以更低成本提供接近 Astra 的智能水平；GPT-6 Luna 则是可大规模处理日常工作的快速、经济型模型。
上线分为多个阶段，两家公司对时间安排的表述也有所不同：
| 公布项目 | 公布的时间安排 | 时间安排来源 |
|---|---|---|
| Model Garden 中的 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna | 向选定企业客户提供私密预览，需填写申请表 | Google Cloud |
| 通过 Google Cloud API 调用，Codex CLI 和 Codex Desktop 接入 Gemini 平台进行推理 | 自 10 月 21 日起向上述客户开放 | Google Cloud |
| 正式开放 | 未来几周内 | OpenAI |
| 数据零留存（Zero Data Retention）与 Confidential Compute | 即将推出 | Google Cloud |
| Google Antigravity 和 Gemini 智能体中的 OpenAI 模型（Google 称后者为 Gemini for business） | 后续推出，未公布日期 | 两家公司 |
采购方面，这些模型通过 Model Garden 和 Google Cloud Marketplace 提供：统一计入 Google Cloud 账单，用量可抵扣客户已向 Google 承诺的支出，并纳入 Flexible Savings Plans，无需单独签订供应商合同。OpenAI 已于 6 月在 Oracle Cloud 提供这种承诺支出抵扣方式。Google 还强调了治理措施：提示词、上下文与回复均保留在客户的数据边界内，绝不用于训练基础模型；模型运行在专用 Google Cloud 基础设施上，位于隔离网关之后，并配备 VPC Service Controls 和统一审计日志。目前尚未公布价格。Google 据此宣称：
Google Cloud is now the only hyperscale cloud provider offering access to all three leading closed source LLMs, alongside more than 200 first-party, third-party, and open models on a unified enterprise AI platform.
🇨🇳 Google Cloud 如今是唯一在统一的企业人工智能平台上，同时提供三大主要闭源 LLM，以及 200 多款自研、第三方和开放模型的超大规模云服务商。 — Michael Gerstenhaber，Google Cloud 的 Gemini 产品副总裁
OpenAI 则明确表示，Microsoft 仍是其主要云合作伙伴。继 6 月 1 日的 Amazon Bedrock 和 6 月 10 日的 Oracle Cloud 之后，Google Cloud 也加入了分发其模型的云平台行列，其中包括 Codex。同日发布的官方 SDK，即 openai-python 3.36.0 和 openai-node 7.41.0，已经支持通过 Vertex AI 使用 Responses API。
🔗 OpenAI 公告 · Google Cloud 公告 · @OpenAI 的推文
Claude Duet：Anthropic 开放主动式智能体预览，Grok Bot 持续更新仪表板
10 月 21 日 — Anthropic 开放 Claude Duet 的研究预览（research preview）。在这款新应用中，Claude 作为主动式智能体工作：提醒用户关注重要事项，执行交付给它的任务，在用户离开后继续工作，并在代表用户采取行动前征求批准。用户需加入候补名单，首批面向美国的 Pro 和 Max 订阅用户开放。Duet 是一款独立应用，与 Claude 主应用分开，可在 iOS、Android 和 claude.ai 上使用；预览期间，它包含在 Pro 和 Max 套餐中，并共享相同的使用额度。
Duet 围绕 Claude Opus 5.5 构建，沿用 Claude 账户的记忆、技能和已连接应用。每天早晨，它会发送一份重要事项简报；白天则每隔数小时查看一次关联账户，因为持续监测会更快耗尽套餐额度。用户可以在同一对话中通过文字或语音与它交流，而它在自己的虚拟机中使用自己的浏览器工作，因此电脑和手机都无需保持开机。它支持 Claude Marketplace 中的 6 000 多个连接器和插件，包括 Gmail、Slack、QuickBooks、Stripe、Gusto、Docusign、Shopify 等，还能通过 Stripe 的数字钱包 Link 为企业采购，使用虚拟卡付款，无需传递真实卡号。
| 请求的操作类型 | Claude Duet 的处理方式 |
|---|---|
| 阅读、撰写、准备工作 | 在后台独立完成 |
| 发送消息、付款、签署、删除 | 展示操作并等待批准 |
| 交易证券、在账户间转账 | 禁止，即使获得批准也不允许 |
| 银行卡号、身份证件 | 新分类器拒绝共享 |
| 健康信息、个人财务信息 | 仅在明确指示下传递 |
安全机制沿用了现有组件：凭据管理方式与 Claude Managed Agents 相同，操作由自动模式的分类器检查，提示注入防御源自浏览器使用方面的研究；在经过红队和一家外部公司的渗透测试后，Duet 也加入了公开漏洞奖励计划（bug bounty）。
Claude Duet draws on years of our safety and security work on agents. It never directly sees your passwords, a new classifier guards against sharing sensitive information, and the important decisions stay with you. We’ll share more on our approach to safety in Claude Duet soon.
🇨🇳 Claude Duet 建立在我们多年来对智能体安全性与信息安全的研究之上。它绝不会直接看到您的密码，新的分类器会阻止共享敏感信息，重要决策由您做主。我们很快会进一步介绍 Claude Duet 的安全方案。 — @claudeai 在 X 上
Anthropic 承认首个版本仍有限制：Duet 可能误读对话，或误判事情的紧迫程度；订票等个人事务的处理还不够成熟，而且它暂时无法展示自己的浏览器。后台检查计入套餐额度，财务模型或演示文稿等大型任务则会消耗更多额度。
Grok Bot 现在可以制作报告和仪表板，并持续更新
10 月 21 日 — SpaceXSI 也在推进让智能体在两次请求之间持续工作的思路：Grok Bot 如今可以生成报告、备忘录和仪表板。用户可以让它制作一个页面，随后与它一起修改，或交由它长期维护更新。该功能于当天开始向使用最新版移动端和桌面端应用的用户推出。
公告只有两条推文和一段演示视频，x.ai 上没有发布相关文章；适用套餐、使用限制，以及仪表板能够跟踪哪些数据源，均未说明。这延续了 Grok Bot 在 10 月的一系列更新，包括 9 日推出电子邮件地址、16 日新增连接器并提速、19 日支持 iPhone 操作按钮，也让人联想到 Claude Dashboards，即 Anthropic 自 10 月初开始测试、由 Claude 持续更新的仪表板。
PHP2Shell：OpenAI 协调应对 PHP 的两个严重漏洞，Claude Security 转向持续扫描
10 月 21 日 — OpenAI 发布了围绕 PHP2Shell 开展两个月协调工作的回顾，涉及 PHP 核心的两个严重漏洞。据公告介绍，安全公司 Calif 在 Daybreak 的开源计划 Patch the Planet 中，借助 GPT-5.6 Sol 发现了其中一个漏洞；Wiz 也独立发现并报告了这两个漏洞。PHP 维护者主导修复，OpenAI、Wiz、Cloudflare 等提供支持；OpenAI 表示，据其所知，前沿人工智能先于攻击者发现了这些漏洞。PHP 的普及程度凸显了这一问题的影响：约 70% 的网站使用 PHP。
漏洞披露网站 php2shell.com 详细介绍了两个 CVE，其严重程度最高达到 CVSS 9.2：未经身份验证的攻击者可以在服务器上执行代码，或读取 PHP 进程内存，包括密码、令牌和 API 密钥。漏洞代码位于 PHP 本身，因此即便应用没有缺陷，也可能受到影响。
| CVE 标识符 | 漏洞类别 | php2shell.com 展示的攻击效果 |
|---|---|---|
| CVE-2026-109618 | 内存不足（out-of-memory）导致的损坏 | 在 WordPress、Drupal 和 Joomla 上未经身份验证执行代码 |
| CVE-2026-109619 | 请求之间残留过期的全局状态，use-after-free | 在 WordPress 和 Drupal 上未经身份验证执行代码，无论使用何种应用均可读取内存 |
受影响的版本可追溯至 PHP 5.4。唯一完整的修复方法是升级至 PHP 8.2.35、8.3.36、8.4.27 或 8.5.12，然后重启 Apache、PHP-FPM 和 PHP 工作进程。为帮助运维人员，OpenAI 发布了 Codex 技能 openai/php2shell-checker，可通过网站 URL 或直接在服务器上读取 PHP 版本；其代码仓库提醒，该技能只能看到 HTTP 标头或 php -v 报告的版本，结果未知并不意味着目标已经修复。
Given the severity of these flaws and PHP’s widespread use, we consider this one of the most impactful security issues in recent memory.
🇨🇳 鉴于这些漏洞的严重性以及 PHP 的普及程度，我们认为，这是近年来影响最为重大的安全问题之一。 — OpenAI，10 月 21 日公告
OpenAI 据此提出了五步响应框架，从上游补丁验证开始，由前沿模型开展对抗测试，再经过向相关组织提前通知、与主管机构协调，直至发布处置指南；在 PHP 事件中，参与协调的机构包括白宫 Super Intelligence Force、ONCD 和 CISA。公司还向社区提出四个问题，其中包括漏洞披露窗口应持续多长时间。OpenAI 向所有维护者开放 Codex for OSS 订阅，直接资助 Rust Foundation 等项目，并预计未来几个月此类发现会大幅增加。同日，公司还发布了为网络防御人员提供工具的计划（见简讯）。
🔗 OpenAI 公告 · php2shell.com 网站 · php2shell-checker 技能
Claude Security 转向持续扫描并跟踪修复，面向 Claude Enterprise 开放公开测试
10 月 21 日 — Anthropic 的 Claude Security 不再依赖手动启动扫描，而是随代码变更持续跟踪仓库。一个项目可以包含一个或多个仓库，通过 Claude 的 GitHub 应用连接，包括 GitHub Enterprise Server，也可通过访问令牌连接 GitLab 和其他 Git 服务商；Claude 会先进行深入的基线扫描，随后根据变更的风险和复杂程度开展分析。修复发布后，发现的问题会标记为已修复，即使修复是在 Claude Security 之外完成；若问题再次出现，则会重新打开。Anthropic 表示，自 4 月公开测试以来，已有数千家组织借助该工具发现了超过一百万个漏洞。
每个项目都会获得一份知识库和威胁模型（threat model），由 Claude 根据代码编写，并可由团队修改；每项发现的严重程度据此确定，同时附上攻击路径说明，有时以图表呈现。此外还提供 API、webhooks、Claude.ai 和 Claude Code 中的 MCP 连接器，以及基于角色的访问控制。该版本面向 Claude Enterprise 开放公开测试，可由管理员启用，支持整个模型系列，包括 Claude Mythos，无需通过 Cyber Verification Program。符合条件的组织可连续两个月每月获得 25 000 美元的使用额度，额度可使用至 2026 年 12 月 31 日。
计算基础设施：集装箱式 DSX POD、Google Cloud A5X 实例与 Confidential Bare Metal
10 月 21 日 — 在 GTC 柏林大会上，黄仁勋在主题演讲中表示 Vera Rubin 已全面投产，NVIDIA 同时推出了 DSX POD。这是一套完整 Vera Rubin 人工智能工厂的参考设计，由合作伙伴在模块化集装箱中制造。计算、网络、机柜间布线、管道、机柜级供电和液冷系统均在工厂内完成集成与验证，交付后即可接入已具备配套设施的场地。
其卖点在于部署时间：NVIDIA 宣称，对于供电、冷却和网络均已就绪的场地，部署时间可从六个月缩短至最快 14 天。在黄仁勋看来，人工智能工厂从开始产出 tokens 时才创造价值，而不是在施工结束时。十七家合作伙伴（Dell、HPE、Lenovo、Foxconn、Schneider Electric、Vertiv、Bull、Crusoe、Anduril 等）将于 2027 年初开始在全球交付这些工厂；目前尚未公布价格。
| NVIDIA 公布的项目 | 公布的数据 |
|---|---|
| DSX POD 投入运行 | 从六个月缩短至最快 14 天 |
| 制造合作伙伴 | 17 |
| 首批交付 | 2027 年初 |
| 节省的冷却用水（2 GW 场地） | 每日最多 54 百万升 |
| 使用 DSX MaxLPS 软件的能耗 | 产出相同数量的 tokens，能耗最多降低 30 % |
另一份配套公告量化了 DSX 平台的效率：采用干式冷却器的闭环液冷系统可使冷却用水量接近于零，在一处 2 吉瓦的场地中，每天最多可节省 5400 万升水，相当于 180 000 户家庭的日用水量；据称，DSX MaxLPS 软件可在产出相同数量 tokens 的情况下，将能耗最多降低 30 %，CoreWeave、Google Cloud、Lambda 和 Nebius 等公司计划采用该软件。前一天，NVIDIA 还详细介绍了 Nebius、Nscale 和 Verda 在欧洲采用其 Vera CPU 的情况。
Google Cloud 宣布推出基于 Vera Rubin NVL72 的 A5X 实例，下个月可用
10 月 21 日 — Google Cloud 与 NVIDIA 推出 A5X 实例，将 Vera Rubin NVL72 系统、ConnectX-9 网卡、Google Cloud 的 Virgo 网络及其第四代液冷系统相结合，用于智能体推理和大规模强化学习。尽管标题宣称已正式可用，NVIDIA 的博文仍明确指出，正式可用时间是下个月，并计划扩展至欧洲。Google Cloud 计划最终在多个场地部署多达 960 000 块 Rubin GPU。
首个客户是 Ineffable Intelligence，这是 AlphaGo 创造者戴维·西尔弗在伦敦创办的公司，目标是训练能够从自身经验中持续学习的系统。WPP 表示，根据初步测试，此前需要多个节点组成集群才能运行的创意智能体工作负载，如今已能在单个 A5X 实例上运行。
Confidential Bare Metal：NVIDIA 在实验室并不拥有的机器上保护其模型
10 月 21 日 — NVIDIA 通过 Confidential Bare Metal 扩展其机密计算能力。这一选项面向在云服务商、新兴云服务商或企业提供的第三方专用基础设施上训练或部署前沿模型的实验室。实验室可以安装自己的软件栈，包括主机和平台软件，同时借助新的控制措施保有对模型和数据的控制权：传输中数据保护、平台完整性度量，以及由硬件实施的访问限制。
该方案如今提供三种模式（裸机、Kubernetes 容器、虚拟机），支持范围扩展至 Grace Blackwell 和 Rubin 系统，并将集成到 DSX OS 中。DSX OS 是面向构建人工智能工厂的云服务商的参考架构。Cohere 计划将其用于 Cohere Model Vault，Google Cloud 则将其扩展至基于 GB300 NVL72 的 A4X Max 实例，同时让 G4 虚拟机上的 Confidential Computing 正式可用。9 月，NVIDIA 曾展示在 B200 上进行机密推理，吞吐量可保留原来的 96,1 至 98,2 %。
🔗 NVIDIA 关于 Confidential Bare Metal 的博文
NVIDIA 的企业智能体：OpenShell Reference Architecture、Agent Toolkit 与 Kumo 模型
10 月 21 日 — 在 GTC 柏林大会上，NVIDIA 推出了 OpenShell Reference Architecture，这是一套用于在企业中构建、隔离、观测和管控智能体的参考架构，现已可用。它将 OpenShell 扩展为完整的软硬件栈；OpenShell 是一个开源 runtime，通过内核级策略将智能体置于受控沙箱中。黄仁勋将其分工概括为：智能体在 Rubin 上思考，在 Vera 上行动，在 BlueField 上接受治理。在他看来，随着企业即将部署数十亿个智能体，人工智能的能力与安全必须同步发展。
| 软件栈组件 | 公布的作用 | NVIDIA 给出的数据 |
|---|---|---|
| Vera Rubin NVL72 | 闭源模型或使用 Nemotron 构建的开放模型的推理 | 智能体工作负载每兆瓦吞吐量提高至 30 倍 |
| Vera CPU | 智能体运行框架与工具调用 | 性能为 x86 处理器的 2 倍 |
| 配备 NVIDIA Sentry 的 BlueField-4 DPU | 带外监控、在芯片中执行策略 | 几毫秒内停止智能体，智能体承载能力最多提高 20 % |
据 NVIDIA 称，如果智能体试图越出允许范围，Sentry 会在几毫秒内将其隔离并停止。该架构还覆盖 RTX Spark、DGX Spark 和 DGX Station 工作站，既能在 Linux 和 Kubernetes（Canonical、SUSE、Red Hat）上运行，也能通过 Microsoft Execution Containers 在 Windows 上运行，并支持 AWS、Google Cloud 和 Azure。
基于 Anthropic、Cohere、Google、Meta、OpenAI、Perplexity、Reflection 和 SpaceX Super Intelligence 模型的智能体均可在其上运行。包括 CrowdStrike、Palo Alto Networks、Zscaler、Okta 和 1Password 在内的十一家安全软件厂商正在集成该架构，BBVA 和 Santander 正在探索采用，Cadence、Dassault Systèmes、IBM、SAP、Siemens 和 Synopsys 则在其基础上构建产品。SAP 将其接入 Joule Studio 的 runtime，ServiceNow 也借此宣布 ServiceNow Arc 正式可用。这是一个长期运行的个人智能体，其操作由 OpenShell 管控；它的 AI Passport 会将策略传递给 OpenShell 和 Sentry，以便在几秒内撤销智能体的访问权限。
Agent Toolkit：Agent Knowledge Foundation 与 Kumo 开放模型系列
10 月 21 日 — 在同一软件栈中，NVIDIA 为其开源 Agent Toolkit 新增了面向企业数据的组件 Agent Knowledge Foundation。它汇集了 CUDA-X 库（cuDF、cuGraph、cuML、cuOpt、cuVS）、新的 Auto-Ontology 库、Nemotron Retriever 检索模型，以及 Kumo 开放模型系列。Auto-Ontology 能在不移动数据、不改变治理控制措施的情况下，将原始数据转换为业务概念（客户、产品、订单）及其关系；Kumo 则基于表格、关系或时序数据进行预测，包括 Kumo Tabular、Relational、Time Series 和 Forecast。该工具包还包含 OpenShell runtime 和 NemoClaw 蓝图，其中新增了一个专门用于智能体优化的蓝图。
NVIDIA 列举了合作伙伴的初步成果：SAP 微调后的 reranker 运行速度接近原来的 3 倍，ServiceNow 的 reranking 延迟降低近四分之一，Amazon OpenSearch Service 则在几乎不增加延迟的情况下提升了相关性。Databricks 将 Kumo Anomaly 与 Genie Ontology 结合，Snowflake 在其笔记本中提供 Kumo Engine 和 Kumo Relational，NVIDIA 则与 Palantir 合作，将其用于自身供应链。Kumo 系列于 9 月底推出，首个模型为 Kumo Tabular。
Flint：Recursive 发布可在本地编程的 400 亿参数开放 MoE，Base Labs 发布决策模型
10 月 21 日 — 理查德·索彻创办的 Recursive 发布了首个模型 Flint：这是一个面向本地硬件上智能体编程的混合专家模型（mixture-of-experts）。它共有 398 亿个参数，但每个 token 仅激活约 25 亿个，因此能够在笔记本电脑上运行。模型权重已在 Hugging Face 上以 Apache 2.0 许可证发布，提供 BF16 版本以及 INT4 和 NVFP4（GGUF）量化版本，可通过 Ollama、LM Studio、Unsloth 或 exo 使用，也可在 OpenCode 和 Pi 中免费使用。
| 基准测试或特性 | Flint 模型卡给出的数值 |
|---|---|
| Terminal-Bench 2.1 | 54,9 % |
| SWE-bench Pro v2 | 89,7 % |
| SWE-bench Verified | 74,2 % |
| 总参数量与活跃参数量 | 总计 39,8 十亿个，每个 token 激活约 2,5 十亿个 |
| 每层 MoE 的专家数量 | 256 个路由专家，其中 6 个激活，另有 1 个共享专家 |
| 文档注明的上下文长度 | 262 144 tokens |
这些分数由 Recursive 测得，为至少五次试验的平均 pass@1；在 Terminal-Bench 中，通过网络搜索找到的解决方案被计为失败，而竞品分数部分采用其开发者公布的数据，测试方案各不相同。Recursive 表示，在这三项基准测试中，没有其他参数量低于 500 亿的 MoE 表现更好；Flint 的表现可媲美 250 亿至 400 亿参数的稠密模型，速度则超过其五倍。该公司宣称，Flint 在 MacBook Pro M4 Pro 上可达到每秒超过 125 tokens，在配备 64 Go 内存的 NVIDIA RTX Spark 上可超过 150。博文提到上下文最长可达 512k tokens，但建议保持在 256k 以下，并建议将复杂任务拆分：相比大型闭源模型，Flint 可能需要更多引导。
Flint 也用于展示 Recursive 的自动化研究系统 Eureka Machine，该系统会连续执行创意提出、实现、测试以及下一条研究路径的选择。据该公司称，这套系统参与了数据、优化器、训练方案、基础设施和推理等方面的工作，使一个小团队得以在不到四个月内从零构建该模型。
🔗 Recursive 的博文 · Hugging Face 上的 RecursiveSI/flint
Baseten 旗下实验室 Base Labs 发布决策模型 mammoth-1 和 elephant-1
10 月 21 日 — Baseten 发布了由其研究实验室 Base Labs 训练的两个决策模型：270 亿参数的 mammoth-1 和 90 亿参数的 elephant-1。决策模型不撰写回答，而是针对选择、评分或是非问题，为每个可能的答案返回一个概率，从而能够设置信心阈值，在超出预设阈值时将任务交给人工处理。Baseten 表示，其响应速度最高可达推理模型的 10 倍。这两个模型分别基于 Qwen3.5-27B 和 Qwen3.5-9B，使用 621 万个示例完成后训练，其中包含需要懂得回答“我不知道”的情况。
| 决策模型 | 基础模型 | Jev Decision Index 0.4 | Artificial Analysis Decision Index |
|---|---|---|---|
| mammoth-1 | Qwen3.5-27B | 71,24，在 208 个模型中排名第一 | 65,9 |
| elephant-1 | Qwen3.5-9B | 9B 模型中最佳，并列第 8 | 65,2 |
这两个模型可通过 Baseten 的 Model APIs 免费使用一周，默认不保留数据。Baseten 将其称为开源模型：Hugging Face 上的模型卡标注了 MIT 许可证。
面向智能体的文档检索：Cohere 推出 Rerank 5，NVIDIA 发布 Nemotron 3.5 Embed、Rerank 和 Parse
10 月 21 日 — Cohere 推出面向企业搜索的新一代重排序（reranking）模型 Rerank 5，提供两个版本：Rerank 5 Pro（rerank-v5.0-pro）追求最佳质量，尤其适合需要推理的查询以及长篇或专业文档；Rerank 5 Fast（rerank-v5.0-fast）则侧重低延迟和大吞吐量，例如适用于每项任务都要执行大量搜索的智能体。两者自 10 月 21 日起通过 Cohere API 提供，Pro 每百万词元收费 0,05 美元，Fast 为 0,02 美元，同时也在 Model Vault、Microsoft Foundry、Amazon SageMaker 和 North 上提供。它们支持 100 多种语言、32k 词元的上下文以及半结构化数据，迁移时只需修改 model 参数，无需重新建立索引。
最主要的新功能名为 Context Focus。该选项默认关闭，启用后会在同一次调用中返回每份文档中最相关的片段，以带评分的字符区间表示，从而只将这些片段发送给 LLM。Cohere 使用一个搜索智能体进行了测试（glm-5-3-flash，17 组数据，每组 50 个问题）：
| Cohere 测试的检索技术栈 | 正确回答 | 词元消耗量 |
|---|---|---|
| 仅使用 BM25 | 46 % | 基准值 |
| BM25 与 Rerank 5 Pro | 49 % | 未公布具体数值 |
| 启用 Context Focus，默认阈值为 0,1 | 57 % | 比未启用 Context Focus 减少 19 % |
| 启用 Context Focus，阈值为 0,4 | 58 % | 比未启用 Context Focus 减少 34 %，比仅使用 BM25 减少 35 % |
| 六项深度检索基准测试，阈值为 0,4 | 52 %，仅使用 BM25 时为 39 % | 比仅使用 BM25 减少 41 % |
Cohere 的帖子将词元消耗概括为“最多减少 41 %”，依据的正是最后这项与仅使用 BM25 相比的测量结果。第二项变化是评分经过了校准。相关性得分 0,7 现在表示文档有 70 % 的概率有用，而“有用的可能性大于无用”的阈值，Pro 为 0,50，Fast 为 0,45，因此可以按阈值过滤结果，或识别没有返回任何相关结果的情况。对照两组独立的人工评判数据，这两个模型的预期校准误差（ECE）均约为 0,06，而 Rerank 4 Pro 和参与测试的两个 Voyage AI 模型为 0,23 至 0,38。
在使用 Cohere 自有评估方法 RCP-nDCG@10 的公开基准测试中，Rerank 5 Pro 在 46 个综合数据集中的 39 个上排名第一，并在测试推理型检索能力的 BRIGHT 上取得 82,2 分，比 Voyage AI Rerank 3 高 5,8 分，比 Rerank 4 Pro 高 12,4 分。Fast 在一块 A100 GPU 上每秒可处理约 187 份各含 1 000 词元的文档，吞吐量是 Pro 的 2,9 倍。Rerank 5 在 Embed 5 发布三周后推出，而一周前，Cohere 已在一段短视频中将它与 Rerank 4 进行比较。
🔗 Cohere 博文 · Cohere 版本说明
Nemotron 3.5 Embed、Rerank 和 Parse：NVIDIA 面向智能体的多模态文档检索
10 月 21 日 — 同一天，NVIDIA 扩充了 Nemotron Retriever 系列（原名 Nemotron RAG），新增嵌入、重排序和文档提取模型。这些模型被介绍为开放且可商用，并以 OpenMDW 1.1 许可证发布在 Hugging Face 上。Nemotron 3.5 Embed 提供 8B、从 8B 蒸馏而来的 1B，以及 1B NVFP4 版本，支持检索文本和文档图像（表格、图表、示意图）；Nemotron 3.5 Rerank 8B 对文本和图像形式的查询与文档配对进行评分，而拥有 6.31 亿参数的 Nemotron 3.5 Parse 则将页面转换为结构化文本。
在 ViDoRe v3.1 上，Embed 8B 的 nDCG@10 达到 61,17，截至 10 月 20 日在稠密模型中排名第一；Rerank 8B 获得 60,49，而 Qwen-3-VL-Reranker-8B 为 59,17。Parse 在参数量不足十亿的模型中位居 ParseBench 第一，得分为 75,20，在一块 H100 上每秒处理 10,5 页。与 Cohere 一样，NVIDIA 也强调智能体的成本，但采用了不同的基准测试和比较基线：
| 比较项目 | Cohere Rerank 5 | NVIDIA Nemotron 3.5 Rerank |
|---|---|---|
| 发布方式 | 付费 API、Model Vault、Foundry、SageMaker | Hugging Face 上的权重，OpenMDW 1.1 许可证 |
| 宣称的词元节省幅度 | 六项基准测试中，比仅使用 BM25 最多减少 41 % | 配合 Embed 8B，每次智能体查询约减少 14 % |
| 主推得分 | BRIGHT 上为 82,2（RCP-nDCG@10） | ViDoRe v3.1 上为 60,49（nDCG@10） |
这两项节省数据不能直接比较：Cohere 衡量的是包含 Context Focus 的完整技术栈相对于仅使用关键词搜索的效果，NVIDIA 衡量的则是在自家嵌入模型之后加入 Rerank 的效果，测试涵盖 ViDoRe v3、BRIGHT 和 BrowseComp-Plus。在部署方面，Embed 1B 的 NVFP4 版本在 GB200 上每秒处理的文档数量增加 27,1 %，同时保留 99,85 % 的准确度。
🔗 NVIDIA 关于 Nemotron Retriever 的博文
ChatGPT Ads：新增 26 个国家，总计覆盖 89 国，广告平台由 LLM 编排器驱动
10 月 21 日 — OpenAI 将 ChatGPT Ads 扩展至另外 26 个国家，使其广告平台覆盖的国家总数达到 89 个。继墨西哥和巴西之后，又有 14 个拉丁美洲国家加入，包括阿根廷、智利、哥伦比亚和秘鲁；此外还新增了欧洲、中东、非洲和亚洲的市场，例如尼日利亚、南非、塞尔维亚、乌克兰、柬埔寨、孟加拉国和巴基斯坦。自八个多月前开放广告以来，已有超过 100 000 家广告主投放广告活动，每周使用 ChatGPT 的人数超过 12 亿。广告仍仅面向 Free 和 Go 套餐；Plus、Pro 和 Enterprise 继续免广告。8 月底，该广告平台曾宣布年化收入达到 10 亿美元，覆盖超过 40 个国家。
同一天，OpenAI 的两位工程师里滕德拉·达塔和卡尔蒂克·戈帕拉特南介绍了该广告平台的技术栈。在对话中，商业意图会经过多轮交流逐渐形成，而围绕单次查询或一次页面浏览设计的传统系统难以处理这种情况。因此，OpenAI 采用了能够跨轮次、跨对话保留记忆的有状态广告会话，由一个经过后训练的前沿 LLM 担任“编排器”，通过工具调用管理整个流程，并设置了独立于回答生成的广告选择服务，使用专属模型和代码。
| 广告流程阶段 | 具体处理内容 |
|---|---|
| 意图识别 | 编排器将对话概括为一个或多个查询 |
| 检索 | 使用语义嵌入，在多个索引上执行近似最近邻检索 |
| 筛选 | 预算、支出节奏、定向条件、规则、按广告主去重 |
| 评分 | 相关性、预测互动情况、历史表现 |
| 竞价 | 在编排器之外选择广告并确定价格 |
ChatGPT 不依赖该系统：如果系统缓慢或发生故障，回答仍会正常显示；到达过晚的广告不会展示，不返回任何广告也是正常结果。选中的广告显示在回答下方，标注为赞助内容，并附有模型生成的简短、中性的引导语。OpenAI 使用其最强大的模型评估整个系统，并训练较小的模型用于编排或检索；Codex 则显著提高了这套技术栈的构建效率，而一年前 OpenAI 还没有任何广告系统。
🔗 新增 26 个国家的扩展公告 · ChatGPT 广告技术栈
生物学与医学人工智能：GPT-Rosalind 解读 CRISPR 图谱，RFD4-Proteina 与 Cosmos3-H-Dreams
三项发布将人工智能应用于生命科学：分析遗传图谱的 OpenAI 智能体、可在浏览器中使用的开放蛋白质设计模型，以及实时生成画面的手术模拟器。
数千个 GPT-Rosalind 智能体用 32 分钟分析小鼠脑 CRISPR 图谱
10 月 21 日 — OpenAI、PerturbAI 和斯克里普斯研究所让数千个由 GPT-Rosalind 驱动的智能体分析一份小鼠全脑 CRISPR 图谱，该图谱测量了遗传扰动对数百万个细胞的影响。每个智能体研究一种扰动，检查细胞反应，检索文献并提出解释；所有结果共同构成一份推理图谱（reasoning atlas），发布在 GitHub 上，并在 bioRxiv 上提供预印本。
| 团队报告的指标 | 公布数值 |
|---|---|
| 智能体分析耗时 | 32 分钟 |
| 同等人工分析耗时（估算） | 数月至一年 |
| 最大工作量下引用的参考文献数 | 超过 700 篇，单个智能体为 11 篇 |
| 专家盲评偏好 | 75 % 选择分布式智能体的报告 |
其中有两条线索尤为突出。在小脑中，扰动 Tsc2 会改变数十个与神经元通信有关的基因的活性，而扰动 Tsc1 几乎没有影响，这一结果可与结节性硬化症联系起来理解。此外，扰动与佩里综合征相关的基因 Dctn1，会提高参与胆固醇合成的基因的表达，由此提出了一项被专家认为具有新意、但仍需实验室验证的假设：恢复神经元内胆固醇的分布，能否保护神经元免于退化？
RFD4-Proteina：NVIDIA 与贝克实验室的蛋白质设计模型，专用 GPU 免费使用至 11 月 4 日
10 月 21 日 — NVIDIA 让用户可以通过浏览器使用 RFD4-Proteina。这个开放蛋白质设计模型由 NVIDIA 与华盛顿大学蛋白质设计研究所的贝克实验室共同开发，围绕一项约束，同时生成蛋白质的序列和全原子结构：约束可以是结合蛋白需要结合的靶标，也可以是酶必须包含的催化基序。它能够处理多种分子环境，涵盖小分子、核酸、糖链和金属离子。
模型权重自 10 月 6 日起已在 Hugging Face 上以 BSD-3-Clause 许可证提供；此次新增的是通过两个 Spaces 访问模型：一个使用专用 RTX PRO 6000 GPU，由 NVIDIA 承担费用，在 10 月 21 日至 11 月 4 日期间免费；另一个使用 ZeroGPU，此后仍将免费。与 LLM 类似，该模型提供思考设置（thinking setting）：在涵盖 24 个靶标的基准测试中，使用高思考设置时，每 GPU 小时可生成 76,40 个通过计算机模拟验证标准的不同设计，而排名第二的 Proteina-Complexa 为 13,24 个。在介绍 GTC Berlin 上亮相的开放模型的博文中，NVIDIA 还表示，该模型在十多项设计任务中领先，并且在设计含 200 个氨基酸的蛋白质时，比 RFdiffusion3 快约 13 倍。NVIDIA 建议使用它参加由 Anthropic 和 Adaptyv 赞助的蛋白质设计竞赛。
🔗 Hugging Face 上的 RFD4-Proteina 博文 · RFD4-Proteina 权重
Cosmos3-H-Dreams：实时响应用户操作的生成式手术模拟器
10 月 20 日 — NVIDIA 推出 Cosmos3-H-Dreams，这是一款实时呈现腹部手术场景的生成式模拟器：用户移动手术钳，夹住并提起胆囊，模型随即生成相应画面。这个世界基础模型（world foundation model）通过使用 CMR Surgical 的 Versius 机器人完成的真实胆囊切除手术视频及运动学数据，学习视觉动态规律，而无需对组织的几何形状和形变进行建模。据 NVIDIA 介绍，这是首个基于临床手术训练、支持实时运动学控制的实时生成式手术模拟器。
该模型以拥有 160 亿参数的 Cosmos3-H-Embodied-Nano 为基础，通过 28 维动作进行专门训练（双臂的位姿与夹钳、能量控制、控制手柄的轴与按钮），再蒸馏为四步和两步版本，借助 FlashDreams 库在单块 RTX PRO 6000 上实现交互式运行。两个模型检查点均已在 Hugging Face 上以 NVIDIA Open Model License 发布，同时提供代码及使用自有数据适配模型的操作流程。
🔗 Hugging Face 上的 Cosmos3-H-Dreams 博文
机器人与物理人工智能：人形机器人 Agile ONE SN、Isaac Lab 3.0、Alpamayo 2 Edge 和 Cosmos Data Factory
NVIDIA 在主题演讲中用了很大篇幅介绍物理人工智能：面向实验室的参考人形机器人、全面推出的机器人学习平台，以及面向自动驾驶和训练数据的新模型与工具。Pollen Robotics 和 Hugging Face 的 Microducks 甚至登上了舞台（见简讯）。
Isaac：人形机器人参考平台 Agile ONE SN、Isaac Lab 3.0 与 Isaac OS
10 月 21 日 — NVIDIA 扩展 Isaac 机器人平台，推出面向研究的人形机器人参考平台。Agile ONE SN 由 Agile Robots 打造，预装 Isaac GR00T 模型，并计划集成 Halos 安全系统。该机器人预计于 2027 年初上市，目标是将实验室搭建周期从几周缩短至几天；斯坦福大学和苏黎世联邦理工学院已对此表现出兴趣。
| Agile ONE SN 特性 | 公布的数值 |
|---|---|
| 身高与重量 | 1,40 m, 40 kg |
| 自由度 | 31，双手各另有 20 |
| 有效载荷 | 每臂 3 kg |
| 机载计算 | Jetson Thor，2 070 téraflops FP4，128 Go 统一内存 |
| 上市时间 | 2027 年初 |
平台的其他部分也在推进：机器人学习开源框架 Isaac Lab 3.0 搭载 Newton 和 PhysX 物理引擎，进入正式发布阶段；基于 Holoscan 构建的新开源运行时 Isaac OS 则将模型、传感器和控制指令连接起来。面向 DGX Station 的三个参考工作流程展示了如何通过强化学习微调 GR00T 1.7、训练灵巧操作能力，或对 Cosmos 模型进行后训练以生成合成数据。NVIDIA 还在 Hugging Face 上发布了包含 2 000 多个仿真就绪对象的资源库，以及 Human 1M 视频数据集；后者提供三个视角的同步视频和 3D 手部跟踪，其完整版本仅向 Cosmos Coalition 合作伙伴开放。黄仁勋认为，机器人领域的 ChatGPT 时刻正迅速临近。
Alpamayo 2 Edge 与 Cosmos Data Factory：车端自动驾驶与机器人数据
10 月 21 日 — 在介绍 GTC Berlin 开放模型的博文中，NVIDIA 又推出了 Alpamayo 2 Edge。这款紧凑型推理模型基于 NVIDIA Cosmos，可在车辆搭载的 DRIVE AGX Thor 上运行，实时理解场景并规划行驶轨迹。数据方面，Cosmos Data Factory 汇集了用于筛选、标注、生成和评估训练数据集的蓝图与智能体技能，并提供新工具，以更少的计算资源改进世界模型。Porsche 与 Voxel51 配合使用该工具，ANYbotics 与 Encord 配合使用，Zalando 和 CEVA Logistics 与 Sereact 配合使用，Siemens 也在使用。同一篇博文还介绍了 RFD4-Proteina，并宣布 NVIDIA 面向量子计算的模型系列 Ising 将登陆 AWS Parallel Computing Service。
工业与电信：Mistral 和 NVIDIA 携手推动工程应用，T-Mobile 完成首次 AI-RAN 通话
两项公告将人工智能带到数据中心之外：工业工程设计部门，以及移动网络的天线。
Mistral 与 NVIDIA 合作，将人工智能用于工业工程，并推出开放基准测试
10 月 21 日 — Mistral 宣布与 NVIDIA 合作，将人工智能应用于工业工程。两家公司希望构建人工智能原生的工程工作流程（人工智能原生工程工作流程）：Mistral Large 4，以及经 NVIDIA CUDA-X 和 Warp 库加速的 Mistral 数据生成与物理建模流水线，将缩短仿真周期，并使仿真、模型开发和设计形成闭环。Mistral 模型还将集成到 Omniverse 库中，用于在 GPU 上生成 3D 场景和 3D SimReady 对象。
项目的核心在于评估：通过公开基准测试和开放数据集，比较物理模型的精度，验证从计算机辅助设计（CAO）到仿真的自动化流程，并面向航空航天、汽车和半导体行业，评估智能体人工智能在计算机辅助工程（CAE）与电子设计自动化（EDA）中的表现。这些评估将衡量智能体是否能够使用工程工具、串联多步骤任务并交付技术上正确的结果，同时考察执行时间与计算成本。公告未给出任何基准测试名称、数据集、日期或金额。博文重申，在欧洲使用 3 800 个 Grace Blackwell GPU 训练的 Mistral Large 4，其权重仍计划于 10 月底发布；该模型约有 1 万亿参数，其中活跃参数为 490 亿。Mistral 计算工程副总裁尼尔·阿什顿认为，工程进度受制于仿真速度的局面已经持续太久。
🔗 Mistral 的博文 · @MistralAI 的推文
T-Mobile 携手 NVIDIA 和 Nokia，在商业网络上完成首次 AI-RAN 通话
10 月 21 日 — NVIDIA 宣布，T-Mobile 已与 Nokia 合作，在华盛顿州贝尔维尤完成商业网络上的首次 AI-RAN 通话。AI-RAN 在 GPU 上运行无线接入网处理任务，这些 GPU 也能在靠近用户的位置提供人工智能模型服务。黄仁勋用一句话概括了这一进展：CUDA 现在也能打电话了；据他所说，这背后是近八年的努力。
在欧洲，Elisa 宣称完成了欧洲大陆首次 AI-RAN 实地试验，在同一加速平台上承载语音、移动数据和视觉人工智能；BT 正准备在英国开展试验；Nokia 则将其经 CUDA 加速的 anyRAN 软件部署到 NVIDIA 的 Aerial RAN Computer 上，用于 BT、Deutsche Telekom、Elisa 和 Orange 的测试。EMEA 地区有九家运营商正在建设或扩展 NVIDIA 基础设施，Nokia 和 Cisco 也在将 Nemotron 模型集成到各自的自主网络软件中。
生成式语音与视频：Eleven Realtime Translation、HeyGen Voice Turbo 和 Kling 4.0 API
三家生成式媒体厂商在开发者领域推出新进展：实时语音翻译、更便宜的语音模型，以及等待了一周的视频 API。
Eleven Realtime Translation：ElevenLabs 开放通话实时语音翻译的早期测试
10 月 21 日 — 在推出面向语音智能体的语音到语音模型 Eleven Realtime 次日，ElevenLabs 对实时语音翻译模型 Eleven Realtime Translation 开放有限早期测试。通话期间，每个人都说自己的语言，并以自己的语言听到对方的话，语音自然流畅。ElevenLabs 概括了两者的区别：Eleven Realtime 服务于与人交谈的智能体，Realtime Translation 则服务于需要彼此交流的人。
该模型支持 90 多种语言，并自动检测每位通话者所用的语言。输出声音可从语音库的 17 500 多种声音中选择，也可以克隆用户自己的声音；响应积极性设置（响应积极性控制）则在延迟与翻译质量之间进行权衡。早期测试期间，仅限企业通过 ElevenAPI 使用，尚未公布价格，也未发布博文。
HeyGen Voice Turbo：在 Artificial Analysis 的 Controlled Voice 视图中排名第一，领先 HeyGen Voice
10 月 21 日 — 在推出首款自研语音模型 HeyGen Voice 十二天后，HeyGen 发布了速度更快、价格更低的 Turbo 版本，并通过 API 提供；Turbo API 端点可免费使用至 11 月 30 日。HeyGen 表示，其模型占据 Artificial Analysis 语音合成排行榜的前两名。具体而言，这是使用相同克隆声音比较模型的 Controlled Voice 视图；Qwen-Audio-3.1-TTS-Plus 位列第三，而考虑不确定性范围后，前三名的成绩难分高下。
| 语音合成模型 | Controlled Voice 视图中的 Elo | Artificial Analysis 显示的价格 |
|---|---|---|
| HeyGen Voice Turbo | 1 202 (±19) | 每百万字符 4 美元 |
| HeyGen Voice | 1 195 (±15) | 每百万字符 30 美元 |
与 10 月 9 日一样，HeyGen 在比较各厂商所提供声音的 Provider Voice 视图中并未位列榜首。
🔗 HeyGen 的公告 · Artificial Analysis 的 Controlled Voice 视图
Kling 开放 Kling 4.0 API，fal、Higgsfield 和 Runway 也已提供该模型
10 月 21 日 — Kling 4.0 在官网全面上线六天后，Kling 正式推出其视频模型的 API，以便将其集成到产品和工作流程中；该公司曾于 10 月 15 日承诺 API 即将推出。公告未给出价格，也未提供文档链接。该模型同日登陆多家第三方平台：fal 和 Higgsfield 将其加入平台，Kling 在 Magnific 上重点推荐该模型，Runway 则向所有新订阅 Max 或 Team 的用户提供三天不限量使用 Kling 4 的优惠。
GitHub 已将 99,99999 % 的仓库复制到 Azure，并转向按引用进行仲裁
10 月 21 日 — 在阐述未来 Git 基础设施的设计原则两周后，GitHub 介绍了因转向智能体应用而需要经历的中间阶段。目前，99,99999 % 的仓库同时存储在其自有数据中心和 Azure 中，首个 Azure 副本于 2025 年 8 月建立；大多数仓库的五个副本中已有两个位于 Azure，Azure 也已承载约一半的 Git 流量。剩下的是访问最繁忙的 0,00001 % 仓库，阻碍它们迁移的是到约 1 000 英里外的 Azure 区域约 25 ms 的网络往返延迟。
瓶颈来自负责复制各个仓库的 Spokes 系统的仲裁机制：一次写入需要等待所有健康副本，并锁定整个仓库，因此最慢的副本决定了速度。GitHub 因而正从按仓库仲裁转向按引用仲裁：两次写入只有涉及同一分支时才需要互相等待，而智能体和开发者各自向自己的分支推送时，这种情况很少发生。内部测试中，针对不同引用的写入吞吐量达到原来的 3 至 4 倍。Azure Blob Storage 也通过一个写入“虚拟副本”参与仲裁，这是 GitHub 首个完全临时运行的节点；对于每次写入对应 100 至 1 000 次读取的仓库，还可以按需创建读取虚拟副本。该系列的最后一篇预计将在下周的 GitHub Universe 期间发布。
JOLT：Perplexity Research 与 NVIDIA 让同一模型同时扮演教师和学生
10 月 21 日 — Perplexity 与 NVIDIA 联合发布 JOLT（联合同策略学习与教学，即联合学习与教学），这是一种让单个模型承担两种角色的后训练方法。GRPO 等传统强化学习方法每次尝试只提供一个奖励；自蒸馏则增加逐词元反馈，由同一模型分别扮演教师和学生：教师掌握经过验证的解答等特权信息，学生则没有。然而，教师凭借这些提示可能走学生无法采用的捷径；因此，JOLT 也会根据教师自身的奖励对其进行训练，并在教师偏离学生所能采取的做法时施加惩罚。
| 评测基准 | 基础模型 | JOLT+ 相比 GRPO 的提升 |
|---|---|---|
| GSM8K | DeepSeek-V2-Lite | +1,5 分 |
| MATH | Qwen3-0.6B | +4,2 分 |
| LiveCodeBench v6 | Qwen3-8B | +3,0 分 |
| AppWorld | Qwen3-4B-Instruct | +9,9 分 |
| Terminal-Bench 2.1 (pass@1) | Qwen3-30B-A3B-Instruct | +2,7 分 |
加入学生自身奖励的 JOLT+ 变体，在全部五项基准上都超过了测试中最强的对照方法 GRPO；不加入这一奖励时，JOLT 在数学和编程任务上优于 GRPO，但在 AppWorld 和 Terminal-Bench 上仍落后。最显著的收益在成本上：在 MATH 上，精度相同（63,44 %）时，GRPO 消耗了 840 万训练词元，而根据 JOLT 的拟合曲线估算，后者仅需 130 万，前者是后者的 6,5 倍。完整论文已于 10 月 7 日登上 arXiv，博文没有将这一方法与 Perplexity 的任何产品联系起来。
编程智能体：Claude Code 2.1.305、Gemini CLI 0.65 至 0.67、Delta 0.21、结合 Stripe Atlas 的 Replit Agent，以及 PDD Kit
智能体 CLI 正在修复回归问题并支持企业网络，Delta 接入 Claude Code，Replit Agent 学会创建公司，GitHub Next 则承诺以证明代码正确性的方式取代对智能体代码的复查。OpenAI 方面，自 10 月 15 日的 0.163.0 之后，Codex CLI 尚未发布新的稳定版本；Copilot CLI 1.0.102、Qwen Code、mistral CLI 和当天的其他工具见简讯。
Claude Code 2.1.305 修复 Vertex 和 Bedrock 上因工具搜索而受阻的请求
10 月 20 日 — Claude Code 2.1.305（38 项更新，其中 22 项为修复）首先修复了 2.1.304 引入的一项回归问题：在 Vertex、Bedrock 和其他提供商上，如果端点或网关拒绝工具检索（工具搜索），或网关禁用 ToolSearch、未将其列入 --tools，所有请求都会失败。Claude Code 现在会在不使用工具搜索的情况下重试。在 Linux 下，sandbox.allowNestedUserNamespaces 允许沙箱命令创建用户命名空间，以便运行 Chromium 或无需根权限的 podman；发布说明提醒，这会让这些命令能够绕过沙箱的文件保护。
/usage 会将每条警告转化为注明来源的单行修复，可按 f 键应用。管理员方面，allowedMcpServers 不再过滤 managed-mcp.json 中仅在 env 中使用 ${VAR} 的 stdio 服务器：未列入列表的服务器将在更新后加载，可用 deniedMcpServers 将其保持为禁用状态。恢复 Workflow 时，不再重新启动已完成的 pipeline() 和 parallel() 智能体。10 月 21 日发布的 2.1.306 又增加了两项修复，其中一项针对 claude -p：在未设置其环境变量而启动的云端会话中，它曾错误地报告未连接。
Gemini CLI：稳定版 v0.65.0、预览版 v0.66.0 与私有网络上的 MCP OAuth
10 月 20 日 — Gemini CLI 于 10 月 20 日晚完成每周发布周期，先在 UTC 时间 21 时 04 分发布 v0.66.0-preview.0 预览版，再于 21 时 17 分发布 v0.65.0 稳定版；10 月 21 日的 v0.67.0 每夜构建版随后开启 0.67.0 系列。稳定版只是将此前介绍过的修复正式发布（自定义 OTLP 标头、更快地筛选被忽略的文件、终止 OAuth 循环），而预览版和每夜构建版新增了四项此前未介绍的 PR。
对企业最有用的是 oauth.allowPrivateNetwork 设置，可在 settings.json 中逐个服务器启用，用于连接部署在内部网络上的 MCP 服务器和 OAuth 2.0 提供商（RFC 1918、RFC 6598 和 RFC 4193 地址段，以及 .internal 和 .local 域名）；这些地址此前会被地址验证拒绝。Shell 工具不再覆盖用户的 Git 配置，此前这一问题会导致 git commit 因缺少身份信息而失败；仅包含 401 的错误消息，例如端口 localhost:4012，也不再误触发 OAuth 检测。Gemini 4 Argon 仍未到来：仓库机器人宣布，由于缺少标记为 help wanted 的议题，添加该模型的社区 PR 将在 7 天内关闭。
| Gemini CLI 已发布版本 | 日期和时间（UTC） | 新增内容 |
|---|---|---|
| v0.66.0-preview.0 | 10 月 20 日，21 h 04 | 4 项 PR，包括私有网络上的 MCP OAuth |
| v0.65.0（稳定版） | 10 月 20 日，21 h 17 | 无，将 0.65.0 系列提升为稳定版 |
| v0.67.0-nightly.20261021 | 10 月 21 日，01 h 33 | 相同的 4 项 PR，开启 0.67.0 系列 |
🔗 Gemini CLI v0.66.0-preview.0 · Gemini CLI v0.65.0
Delta 0.21 可在 Claude Code 中打开共享会话，并连接 Figma 的 MCP 服务器
10 月 21 日 — Zed 推出的多人智能体编程环境 Delta 升级至 0.21.0，带来 12 项新功能、14 项改进和 48 项修复。安装适用于 Claude Code 的 Delta 插件后，即可通过“在 Claude Code 中打开”命令，在桌面端或网页端的 Claude Code 中打开共享会话；从外部工具加入会话的协作者，包括 Claude Code 用户，也会出现在参与者栏中，并显示所用工具的名称。Delta 还接入了 Figma 的 MCP 服务器；一周前，Figma 刚将其列为新的 MCP 合作伙伴之一。
CLI 新增 delta update，本地智能体工作期间仍可手动压缩上下文，斜杠命令也改用以动作为导向的名称（/change-model、/fork、/set-thinking-level）。修复方面，拥有 Grok 订阅的用户终于可以让 Grok 4.7 使用完整的 500k tokens 上下文窗口；智能体调用不可用工具时，也不再无声停止。delta daemon 命令被移除：Delta 现在会按需启动。
Replit Agent 可通过 Stripe Atlas 注册公司，后者现已接入 Stripe 的 MCP 和 CLI
10 月 21 日 — Replit 宣布，其智能体现在可以通过 Stripe 的 MCP 集成和 Stripe 的公司注册服务 Stripe Atlas，为用户注册公司；公告未说明任何 Replit 专属的收费或条件。这一功能基于 @atlas 账户提前半小时宣布的新进展：Atlas 已接入 Stripe 的 MCP 服务器和 CLI。
| 使用的 Stripe 界面 | 在 Atlas 申请中的作用 |
|---|---|
| MCP 服务器 | 通过智能体以对话方式办理：要求、公司信息、验证 |
| Stripe CLI | 通过结构化提示在终端办理，可由编程智能体启动 |
| Stripe 控制面板 | 身份验证、付款、文件审核、签名和提交 |
根据 Stripe 开发者博客 10 月 19 日的文章，同一份申请可以在不同界面之间接续办理。Atlas 支持注册特拉华州的 C 型公司和 LLC，也支持多位创始人共同创办：它会注册公司、取得雇主识别号码（EIN）、启动创始人股权的逐步归属（vesting），并提交 83(b) 税务选择申报。文章将 Claude Code 和 Cursor 列为可自动配置的环境，但没有提到 Replit；Replit 单独发布了自己的公告。
🔗 Replit 的公告 · Stripe Atlas 的公告 · stripe.dev 博客文章
PDD Kit：GitHub Next 与 Microsoft Research 希望证明智能体所写 Rust 代码的正确性，套件已集成到 Chopin
10 月 21 日 — GitHub Next 和 Microsoft Research 推出 Proof Driven Development Kit（PDD Kit），将开发者的计划转化为形式化规范，再证明智能体编写的代码对所有可能的输入都符合规范。在应用登录流程的示例中，PDD Kit 围绕代码展开讨论，在交流过程中推断意图，并提出使用 Rust 证明语言 Verus 编写的规范；规范获批后，Verus 验证器会自动证明代码符合规范。无法完成证明时，工具会转而使用测试和计算机操作智能体（computer-use agents）。目前它仅支持 Rust。
GitHub 将其定位为研究预览版，目标是让人工智能生成的代码无需逐行审阅即可投入生产；Microsoft Research 则将其视为对更严谨方法的探索。GitHub Next 希望打造经过验证的软件工厂，让工程师审阅规范而非代码。该套件已集成到 Chopin，这是 GitHub Next 于 9 月以 MIT 许可证开源的多人计划编辑器。公告未附带 PDD Kit 的博客文章、代码仓库或文档：演示将于 10 月 28 日和 29 日在 GitHub Universe 举行。
🔗 @GitHubNext 的公告 · Chopin 代码仓库
简讯
编程智能体与工具
- Copilot CLI 1.0.102 — GitHub 的这一稳定版没有重大新功能，但让提示模式遵守企业强制启用的模型自动选择，并让子智能体遵守自定义工具和 MCP 工具的审批要求；沙箱遵循
NO_PROXY和ALL_PROXY；同日，GitHub 的 MCP 服务器升级至 2.0.3。🔗 来源 - Qwen Code v0.25.4 预览版 — 相比 v0.25.3 有 173 项变更，包括用于控制本地守护进程的
qwen daemon start、可通过 systemd 单元安装到单台服务器上的 Managed Agent，以及显示各模型首个 token 耗时的 Web Shell；稳定版尚未发布。🔗 来源 - mistral CLI 0.10.0 — 在 0.9.0 发布的次日，
mistral apps delete可删除已部署的应用及其模块和数据库，该功能由功能开关（feature flag）控制；注册表更新会对修改过的模板文件进行三方合并。这是一项破坏性变更，旧版本会拒绝新增的version字段。🔗 来源 - v0 与 Slack — 通过 Slack 的 MCP 服务器，v0 可读取工作区中的会话和文件，将其作为修改的上下文，并在其中发布进度；访问范围限于账户可访问的频道，所有套餐均可使用。🔗 来源
- Replit 的共享对话 — 用户可以将整个对话、单项内容或讨论中的 devURLs 以只读方式分享给工作区成员；未提供博客文章，也未说明适用套餐。🔗 来源
- Agents CLI 扩展 — Google 详细介绍其智能体工具的扩展系统，该系统自 9 月 1 日发布的 1.5.0 起开放：官方 LangChain 扩展会替换约 24 条命令中专属于 ADK 的 6 条；平台团队还可以强制执行自定义规则，例如每次部署前进行 SBOM 分析。🔗 来源
- Manus Game Dev — Manus 现已支持 3D 角色的骨骼绑定（rigging）和动画，并将 3D 生成速度提升数倍，但未给出具体数字或所需积分。🔗 来源
助手与企业
- Kimi Work 3.2.18 — Moonshot AI 这款智能体应用的 Enterprise 用户可以创建自定义插件并发布到市场，还可以在按企业分组的工作区之间切换。🔗 来源
- Viktor 转向 Grok 4.7 — 这款定位为人工智能员工的智能体声称已服务超过 70 000 个团队，并于 5 月融资 7 500 万美元；它现在使用 SpaceXSI 的模型，但未说明是否将其设为默认模型。🔗 来源
- HCLTech 加入 Claude Partner Network — 这家拥有超过 230 000 名员工的集团成为 Global Premier 合作伙伴，设立 Anthropic 业务部门，将 Claude 引入 HCL BigFix 和 HCL AppScan，并将 Claude Code 引入其 AI Force 平台；未披露金额。🔗 来源
- Terminal X — 在 OpenAI 于 10 月 20 日发布的案例研究中，这家初创公司的评估智能体使用 GPT-6.1 Sol，在 500 次判断中与一家基金的资深评审员达到 88.6% 的一致率；表现次佳的模型为 86.4%，但未公布名称。🔗 来源
- AT&T 与 OpenAI — AT&T 法务部门扩展其 LegalEdge 团队的工作，建立共享知识层，并计划打造自然语言请求入口；据其首席法务官戴维·麦卡蒂介绍，决策权仍由法律专业人员掌握，未提供任何量化数据。🔗 来源
治理与安全
- Anthropic 首份公共利益报告 — 这家公益公司的年度报告围绕与 Long-Term Benefit Trust 成员共同确定的五大支柱展开，涵盖技术安全到利益共享，并列出 2026 年的 166 项研究工作，2025 年为 114 项。🔗 来源
- 克里斯托弗·斯塔布斯加入 Long-Term Benefit Trust — 这位哈佛大学前理学院院长曾在 1998 年参与发现宇宙加速膨胀的团队；据 Anthropic 介绍，他成为该信托的首位物理学家，与本·伯南克等人共同任职。🔗 来源
- OpenAI 面向网络防御人员的计划 — 作为其前沿人工智能民主治理方案的第二部分，该计划向政府和行业提出可靠的智能体停止控制措施、防御体系现代化和独立评估，背景是 OpenAI 所称的“防御者窗口期”。🔗 来源
- x402 Agent Safety Bench — 在这个面向智能体支付的社区基准测试中，Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 单独运行时可避开 39 个陷阱中的 24 至 26 个，DeepSeek V4 Pro 仅避开 12 个，损失 142.31 美元；配备该基准的技能后，所有模型均未损失资金。🔗 来源
- Hugging Face 支持通行密钥 — Hub 支持使用通行密钥（指纹、人脸、屏幕锁定或安全密钥）替代密码登录，也可将其用作第二个身份验证因素。🔗 来源
- GitHub CLI 2.103.0 中会过期的令牌 — 在公开预览中，
gh auth login --expiring保存一个在后台续期的短期访问令牌，因此泄露的令牌会在数小时内失效；未来版本将把它设为新登录的默认方式。🔗 来源
API 与云服务
- OpenAI API 的项目级服务层级 — Platform 设置允许选择每个项目可使用的服务层级，例如 Ultrafast；组织也可以为所有项目统一限制可用层级。🔗 来源
- OpenAI SDK 支持 Vertex AI — openai-python 3.36.0 和 openai-node 7.41.0 为 Responses API 添加 Vertex AI 支持，并提供 30 分钟缓存写入的用量计数，以及自定义声音的授权同意管理。🔗 来源
- Google Distributed Cloud 上的 Gemini — 在 GTC Berlin，Google 为部署在客户本地、与互联网隔离（air-gapped）的云服务添加 Gemini 3.5 Flash，推出基于 RAG 的企业搜索预览版（每个文件 100 Mo，每次会话 500 Mo），并让 HGX B300 系统正式可用。🔗 来源 · 🔗 RAG 搜索
- Perplexity 介绍 token 消耗 — 一份指南列出五种过度消耗来源，并详细介绍 Enterprise 设置：Enterprise Pro 每月 500 积分，Enterprise Max 每月 15 000 积分，余额不结转，并可为各组设置具名限额；未宣布任何新功能。🔗 来源
NVIDIA：机器人、工业与硬件
- Isaac Lab 3.0 中的 Microduck — NVIDIA、Pollen Robotics 和 Hugging Face 发布教程，使用 Newton 引擎教这款小型双足机器人行走，在 16 个 GPU 上每秒最高可运行 125 万个模拟步；同日，多台 Microduck 也登上主题演讲舞台。🔗 来源
- SimReady Central — 超过 2 000 个具备模拟所需属性（碰撞、质量、摩擦）的 OpenUSD 3D 对象在 Hugging Face 上免费开放，涵盖机械臂到冷却系统。🔗 来源
- Halos SAFE、FOX 与 cuDSS — NVIDIA 推出面向汽车的安全证据框架 Halos SAFE，Volvo Cars 采用 Hyperion 和 Alpamayo，工厂智能体蓝图 FOX 开放抢先体验（Siemens 预计可节省约 20% 的成本），cuDSS 则正式可用。🔗 来源 · 🔗 FOX 与 cuDSS
- NVIDIA 供应商的产能 — 基板产能在三年内增至 2.5 倍，Amkor 的先进封装产能将在 2028 年底前增加超过 300%，并向 KYEC 预付 11 亿美元，用于在美国建设新设施。🔗 来源
- Windows 版 DGX Station 将于 12 月推出 — NVIDIA 为 10 月 7 日公布但未注明日期的 Windows 版本确定了推出时间；NVIDIA Sync 将能连接最多八台 DGX Spark，高于 10 月初宣布的两台。🔗 来源
- NVIDIA 与欧洲广播联盟 — 10 月 19 日，在 GTC Berlin 前夕，NVIDIA 与汇集超过 115 家公共媒体机构的欧洲广播联盟，向主权云服务商、开放模型开发商和集成商开放其面向智能体的主权标准。🔗 来源
开放模型与研究
- Kumo Forecast 与 Kumo Anomaly — NVIDIA 将其 NV-Tesseract 时间序列模型归入 Kumo 品牌；这些模型采用 Apache 2.0 许可证，自 4 月起已在 Hugging Face 上提供。在 50 000 条正常观测数据上微调后，Kumo Anomaly 的平均精确率从 0.016 提升至 0.201。🔗 来源 · 🔗 Kumo Anomaly
- bekko-static-embedding-v1 — 馆野祐一以 MIT 许可证发布无需 GPU 即可运行的静态多语言嵌入模型：在 MNanoBEIR 上得分 43.76，领先其他静态模型约 11 分，检索表现与 multilingual-e5-small 相差约 1 分。🔗 来源
- MemoProAgent — Meta 和三所大学的研究人员未发布公告便公开了一款主动式助手的代码；它会检索个人记忆，仅在该记忆需要采取行动时才发言，未公布量化结果。🔗 来源
这意味着什么
前沿模型正成为各大云服务商都希望完整收录的一份产品目录。继 6 月接入 Amazon Bedrock 和 Oracle Cloud 之后，OpenAI 将入驻 Google Cloud 的 Model Garden，Codex 也包括在内，Google 声称自己是唯一一家提供三大主要闭源 LLM 的大型云服务商；已经支持 Claude Opus 5.5 和 Sonnet 5.5 的 Antigravity 也将接入 OpenAI 的模型。对企业而言，模型选择正与云服务商的选择脱钩，因为使用费用可以计入已经签订的用量承诺；对 OpenAI 而言，每家云服务商都是新增的销售渠道，尽管 Microsoft 仍是其主要合作伙伴。GTC Berlin 遵循同样的逻辑：OpenShell Reference Architecture 让 Anthropic、OpenAI、Google 或 Meta 的智能体运行在同一套技术栈上。
智能体如今无需用户发出请求就能开展工作，其安全防护机制也深入产品内部，直至硬件层。Claude Duet 每隔几小时查阅一次账户，并在自己的虚拟机内执行操作，但付款或签署文件前仍会等待批准，而且某些操作即使获批也会被拒绝；Grok Bot 则自行维护仪表板的更新。在 NVIDIA，Sentry 通过 BlueField-4 DPU 对智能体进行带外监控，并在几毫秒内将其停止，ServiceNow 也能在几秒内撤销智能体的访问权限。问题已不再仅仅是智能体能做什么，还包括谁能叫停它，以及能在技术栈的哪一层将其叫停。
人工智能发现漏洞的速度正超过修复漏洞的速度。PHP2Shell 影响的语言支撑着约 70 % 的网站，受影响版本可追溯至 PHP 5.4，OpenAI 预计此类发现将大幅增加；Claude Security 声称自 4 月以来已发现超过一百万个漏洞，并转向持续扫描，以跟踪修复情况。瓶颈正转向协调工作：提前通知运营方和有关部门，为维护者提供支持，正如 OpenAI 提出的五步框架所倡导的那样，该框架与其面向网络防御人员的计划于同一天发布。就连 PHP2Shell 的检查工具也提醒，结果未知并不能证明服务器已经修复。
智能体的成本以 token 计量，技术栈的每一层都承诺降低这笔开支。与仅使用关键词搜索相比，Cohere 的 Context Focus 最多可减少 41 % 的 token，Nemotron 3.5 Rerank 则可将每次智能体请求的 token 用量减少约 14 %；Flint 在笔记本电脑上编写代码时，每个 token 仅激活约 25 亿个参数；JOLT 只需使用 GRPO 约 1/6.5 的训练 token，就能在 MATH 上达到相同的准确率。在更底层，NVIDIA 承诺让人工智能工厂在 14 天内投入运行，并在生成相同数量 token 的情况下最多节能 30 %；GitHub 则重新设计 Git 的复制机制，以应对智能体带来的成倍增长的流量。
信息来源
- OpenAI 模型即将登陆 Google Cloud (OpenAI)
- Google Cloud 为客户引入 OpenAI 模型 (Google Cloud)
- @OpenAI 的公告
- Claude Duet (Anthropic)
- @claudeai 关于 Claude Duet 的系列帖子
- Grok Bot 及其仪表板 (@bot)
- 严重漏洞的协调披露 (OpenAI)
- php2shell.com
- openai/php2shell-checker (GitHub)
- Claude Security 开启持续扫描 (Anthropic)
- DSX POD (NVIDIA)
- DSX 欧洲生态系统 (NVIDIA)
- Google Cloud 的 A5X 实例 (NVIDIA 博客)
- Confidential Bare Metal (NVIDIA 博客)
- OpenShell Reference Architecture (NVIDIA)
- OpenShell 的公告 (@NVIDIAAI)
- Agent Toolkit 与 Agent Knowledge Foundation (NVIDIA 博客)
- Flint 简介 (Recursive)
- RecursiveSI/flint (Hugging Face)
- mammoth-1 与 elephant-1 (Baseten)
- Rerank 5 简介 (Cohere)
- Cohere 文档的版本说明
- Nemotron Retriever (Hugging Face 博客)
- ChatGPT Ads 扩展至 26 个新国家 (OpenAI)
- 构建 ChatGPT 广告技术栈 (OpenAI)
- GPT-Rosalind 与 CRISPR 图谱 (OpenAI)
- bioRxiv 上的预印本
- RFD4-Proteina 与 Hugging Face Spaces (Hugging Face 博客)
- nvidia/RFD4-Proteina (Hugging Face)
- Cosmos3-H-Dreams (Hugging Face 博客)
- Isaac 平台 (NVIDIA)
- NVIDIA 面向欧洲工业的开放模型 (NVIDIA 博客)
- Mistral 携手 NVIDIA 推动工程领域的人工智能发展 (Mistral)
- @MistralAI 的公告
- 首次 AI-RAN 通话 (NVIDIA)
- Eleven Realtime Translation (@ElevenLabsDevs)
- HeyGen Voice Turbo (@HeyGen)
- Controlled Voice 排行榜 (Artificial Analysis)
- Kling 4.0 的 API (@Kling_ai)
- 在 Runway 上无限使用 Kling 4 (@runwayml)
- 通往满足智能体规模需求的 Git 基础设施的桥梁 (GitHub 博客)
- 好老师会从学生的现有水平出发施教 (Perplexity)
- arXiv 上的 JOLT 论文
- Claude Code 2.1.305 (GitHub)
- Gemini CLI v0.66.0-preview.0 (GitHub)
- Gemini CLI v0.65.0 (GitHub)
- Delta 0.21.0 (版本说明)
- Replit Agent 与 Stripe Atlas (@Replit)
- Stripe 的 MCP 与 CLI 中的 Atlas (@atlas)
- 借助 Atlas 将创意变为公司 (stripe.dev)
- PDD Kit (@GitHubNext)
- githubnext/chopin (GitHub)
- Copilot CLI 1.0.102 (GitHub)
- Qwen Code v0.25.4-preview.1 (GitHub)
- mistral CLI 0.10.0 (GitHub)
- v0 中的 Slack MCP (@v0)
- Replit 对话分享 (@Replit)
- Agents CLI 扩展 (Google Developers)
- Manus Game Dev (@ManusAI)
- Kimi Work 3.2.18 (版本说明)
- Viktor 与 Grok 4.7 (@viktor_com)
- HCLTech 加入 Claude Partner Network (Anthropic)
- Terminal X (OpenAI)
- AT&T 法务 (OpenAI)
- 公益报告 (Anthropic)
- 克里斯托弗·斯塔布斯加入长期利益信托 (Anthropic)
- 赋能网络防御人员 (OpenAI)
- x402 Agent Safety Bench (Hugging Face 博客)
- Hub 的通行密钥 (Hugging Face)
- GitHub CLI 中会过期的 OAuth 令牌 (GitHub 更新日志)
- OpenAI API 更新日志
- openai-python 3.36.0 (GitHub)
- Google Cloud 亮相 GTC Berlin 2026 (Google Cloud)
- GDC 上的 Gemini RAG 搜索 (Google Cloud)
- 如何跟踪和控制团队的 token 支出 (Perplexity)
- Microduck 与 Isaac Lab 3.0 (Hugging Face 博客)
- SimReady Central (Hugging Face 博客)
- Halos SAFE 与 Hyperion (NVIDIA)
- 面向欧洲工业的 FOX 与 cuDSS (NVIDIA 博客)
- 供应链能力 (NVIDIA)
- DGX Station、DGX Spark 与 NVIDIA Sync (NVIDIA 博客)
- NVIDIA 与 UER (NVIDIA 博客)
- Kumo Forecast (Hugging Face 博客)
- Kumo Anomaly (Hugging Face 博客)
- bekko-static-embedding-v1 (Hugging Face 博客)
- facebookresearch/Memo-Pro-Agent (GitHub)