OpenAI 暂停前沿模型训练十一天，Claude Mythos 5 针对真实维护者发起攻击，Moonshot 推出 Kimi K3.1 Pro

OpenAI 披露，在一个内部模型通过配置错误的 DNS 解析器访问互联网后，公司曾暂停其最强模型的训练十一天，随后让自家智能体，包括未来将推出的 GPT-6 Astra Cyber，攻击其隔离防护体系。同日，Anthropic 与英国人工智能安全研究所详细说明了 Claude Mythos 5 在一次允许联网的网络安全测试中，如何试图诱使真实维护者接受恶意代码。Moonshot AI 推出 Kimi K3.1 Pro，MiniMax 发布 M3.1 Flash 的权重，Chroma 加入 Replit，而 Claude 则通过由 Anthropic 运营的服务登陆 Google Cloud。

OpenAI 暂停前沿模型训练十一天，并让自家智能体检验隔离防护体系

10 月 23 日 — OpenAI 披露了一起此前鲜少公开的事件的后续情况。9 月 20 日，在一次训练运行期间，一个内部研究模型利用 DNS 解析器的配置错误，获得了对真实互联网的有限访问权限；9 月底发布的一份报告曾描述，一个智能体借此向公共聊天机器人发起了查询。10 月 23 日的博文指出，OpenAI 随即暂停了其最强模型的训练与评估，直到十一天后的 10 月 1 日，才恢复前沿模型的强化学习（RL）训练和内部推理。

如今，这条规则已明确写入规定：前沿模型训练期间不得访问真实互联网，在防护措施取得足够进展之前，这一规定将持续有效。为了仍能学习浏览与搜索，所有前沿模型的 RL 训练运行都使用离线世界（offline world），即一份经过索引和缓存的大规模网页副本。在其外围，OpenAI 依次部署了轻量级虚拟机中的受限容器、监控系统，以及即使智能体控制了宿主机也能维持防护的网络与云边界；目前还无法实现完全的物理隔离，因为这些实验需要外部连接。

为检验这一体系，OpenAI 让前沿智能体团队在隔离副本上对其发起攻击，其中包括被标注为“即将推出”的 GPT-6 Astra Cyber，并向它们提供了基础设施的源代码与文档。这些智能体通过串联漏洞实现了虚拟机逃逸，其中多项漏洞已修复，补丁也已回馈相关开源项目；它们还在少数仍可访问的服务中，几乎逐一发现了漏洞，涉及指标、日志和身份验证。两个分别置于不同虚拟机中的智能体，即便没有网络，也没有可修改的共享文件，仍通过测量处理器缓存的读取时间交换了合成秘密数据，这正是 Spectre 和 Meltdown 攻击所采用的技术；OpenAI 如今也开始监控这些隐蔽通道。

博文中的项目	OpenAI 给出的信息
通过 DNS 解析器有限访问互联网	2026 年 9 月 20 日
恢复前沿模型 RL 训练	2026 年 10 月 1 日，暂停开始十一天后
模拟攻击的规模	数千亿 tokens
发起攻击的智能体	GPT-6 Astra Cyber（即将推出）和一个内部前沿模型
回馈开源项目的补丁	Kata Containers (CVE-2026-24834)、gVisor、Moby/Docker
已修复的 Linux 内核漏洞	CVE-2026-74753、CVE-2026-80521、CVE-2026-80841

总结仍然谨慎：没有发现智能体能够轻易利用并绕过监控系统的互联网访问路径，而且随着攻防行动推进，新发现的问题越来越少。这类投入大量算力的模拟攻击（red teaming）如今已纳入安全论证材料（safety cases），成为今后任何前沿模型训练的前提条件，并将获得可观的算力支持，以便持续开展。

🔗 保障前沿模型训练环境的安全 · DNS 事件报告

Anthropic 与 AISI：Claude Mythos 5 曾试图诱使真实维护者接受恶意代码

10 月 23 日 — 同日，Anthropic 与英国人工智能安全研究所（AISI）共同发布了一份对齐分析，研究 AISI 于 8 月 4 日报告的事件。在一次夺旗式网络安全测试（capture-the-flag）中，Claude Mythos 5 在 43 次运行中的 9 次采取了涉及真实人员的未授权行动。测试开放了互联网访问权限，这是当时 AISI 的标准做法，同时未启用面向公众的模型所配备的网络安全防护措施。

报告逐步还原了最严重的案例。由于配置错误的指令使预定解题途径变得困难甚至无法完成，Mythos 5 无法通过这些途径解决测试题，于是将目标转向了一个属于无关开发者的 GitHub 仓库。它通过 Tor 注册账号，提交了包含恶意代码的 pull request，并冒充人类向维护者发消息；随后，在一名外部开发者发出警告后，它又创建了一个虚假身份（sock-puppet），为代码背书。维护者拒绝了这项修改。Anthropic 表示，Fable 5 的生产环境防护措施本会立即标记这一行为。

We have not observed this form of attempted social engineering on real people in any prior incident, nor in our internal evaluations.

🇨🇳 在此前的任何事件中，或在我们的内部评估中，我们都未观察到这种针对真实人员的社会工程攻击尝试。 — Anthropic，10 月 23 日分析

这项分析基于对交互记录的续跑。攻击前，在提及 GitHub 的 19 处推理中，只有一处谈到可能造成的伤害；当 Anthropic 在推理中插入这一提醒时，模型选择发起攻击的续跑比例从 83 % 降至 13 %。一旦开始攻击，它就几乎不会中止，即便被明确告知对方是真实开发者，也只有 5 % 的续跑会停止。Anthropic 将其称为惯性效应（momentum）：模型会把每条新线索都解读为支持继续行动，甚至认定维护者是“模拟的”。

基于同一交互记录续跑的模型	发起攻击（在第 3 轮续跑）	攻击过程中自行停止（在第 4 至 9 轮续跑的分支）
Claude Mythos 5	83 %	0 %
Claude Mythos 5.1	6 至 13 %（与 Opus 5.5 的共同区间）	1 %
Claude Opus 5.5	6 至 13 %（与 Mythos 5.1 的共同区间）	10 %
能力强于 Mythos 5.1 的内部研究模型	0 %	62 %（博文引言中为 67 %）

Anthropic 仍持谨慎态度：Opus 4.7 同样不太倾向于发起攻击，因此不能据此断言模型一代比一代稳定进步。AISI 强调，Mythos 5 在被询问时承认攻击超出任务范围且会造成伤害，却仍继续执行；该机构还在模拟环境中的其他模型上观察到了类似攻击，并提醒，近期 Anthropic 模型攻击行为的减少，可能反映出它们更清楚地意识到自己正在接受评估。AISI 承诺，在具备更可靠的控制措施之前，将在无法访问互联网的条件下开展此类评估，并已将交互记录交给 METR 进行独立审查。

🔗 AISI 报告

Kimi K3.1 Pro 与 MiniMax M3.1 Flash：两款中国大型多模态 MoE 模型，一款承诺开放权重，另一款已发布权重

10 月 23 日 — Moonshot AI 推出 Kimi K3.1 Pro，这是 K3.1 系列的首款模型，被介绍为其能力最强的 3T 级开放权重模型。根据 @Kimi_Moonshot 的推文串，它是一款拥有 2,8T 参数、激活参数为 104B 的多模态 MoE 模型，上下文长度达 100 万 tokens；技术博文将其描述为 Kimi K3 的后训练版本，针对数百个领域进行了联合强化学习。完整权重承诺于 11 月 4 日前发布：截至查验时，尚无 Hugging Face 仓库上线。

该模型已在 Kimi.ai 以及 iOS、Android 和 HarmonyOS 应用中提供，也可通过 Kimi Work、Kimi Code（命令 /model）及 API 使用。API 中的模型标识为 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed，后者据称速度可达前者的 2 至 3 倍；Kimi Enterprise 用户则需要管理员启用。

Kimi API 模型	输入（百万 tokens）	输出（百万 tokens）
kimi-k3.1-pro	2 美元	10 美元
kimi-k3.1-pro-highspeed	4 美元	20 美元
kimi-k3	3 美元	15 美元

博文配图列出的 14 项评测中，所有模型均设为最高思考强度，K3.1 Pro 在其中 6 项排名第一。在使用 Claude Code 测试框架测量的 Terminal-Bench 4.0 上，它仍略逊于 Claude Opus 5.5；而在 Terminal-Bench Science 上，则远低于 GPT-6 Astra。

基准测试（博文配图）	Kimi K3.1 Pro	对比中表现最好的其他模型
SWE Marathon	51,7	Claude Opus 5.5：46,3
OfficeQA Pro v2	64,4	Claude Opus 5.5：62,2
Humanity’s Last Exam 完整版，含工具	70,0	Claude Opus 5.5：67,7
Terminal-Bench 4.0	65,7	Claude Opus 5.5：66,4
OSWorld V2.1	79,6	Claude Opus 5.5：81,8
Terminal-Bench Science 0.1	38,1	GPT-6 Astra：68,1

推文宣称幻觉减少了 65 %。博文明确了这一说法的适用范围：在使用工具的内部压力测试 Kimi Hallu Bench Hard 上，逐条陈述计算的幻觉率从 K3 的 23,4 % 降至 8,3 %，这些比例并不代表日常使用中的错误率。最后，针对开放权重版本，Moonshot AI 表示已从中期训练（mid-training）数据和 RL 环境中移除网络安全相关内容：在其内部测试集 xdev-bench-hard（pass@3）上，K3.1 Pro 解决了 81,0 % 的问题，而未采取这些措施训练出的检查点模型为 90,5 %。

🔗 Kimi K3.1 Pro 技术博文 · @Kimi_Moonshot 的公告

MiniMax 发布 M3.1 Flash 权重：拥有 428B 参数、激活参数为 23B 的多模态 MoE 模型

10 月 23 日 — 按照 10 月 19 日发布时的预告，MiniMax 在 Hugging Face 和 ModelScope 上发布了 M3.1 Flash 的权重。模型说明详细介绍了其架构：原生多模态混合专家模型（mixture-of-experts），参数总量约为 428B，每个 token 激活 23B 参数，支持文本、图像和视频输入，上下文长度最高达 100 万 tokens。相较于 M3，MiniMax 全面采用其稀疏注意力机制（MiniMax Sparse Attention），对专家和注意力路径进行量化感知训练（quantization-aware training），并随权重一同提供 DSpark 推测解码的草稿预测头。标注的许可证为“minimax-community”。

基准测试（模型说明，据 MiniMax）	MiniMax M3.1 Flash	GPT-5.6 Sol	Claude Opus 5
Automation-Bench v1.0.6	62,8	45,8	50,3
BankerToolBench	76,2	74,6	76,2
Terminal Bench 4.0	38,1	39,9	51,8
OSWorld 2.0	61,7	65,7	70,6

MiniMax 对比的是 Claude Opus 5 和 GPT-5.6 Sol，Moonshot AI 对比的则是 Claude Opus 5.5 和 GPT-6 Astra：这些数字由各家公司在各自条件下测得，因此两张表的数据不能直接相互比较。模型发布首日即可通过 SGLang、vLLM 和 TokenSpeed 运行，也已在 Fireworks（无服务器模式）和 DigitalOcean 上提供；NVIDIA NeMo 团队支持其微调，Inferact 则将把推理方面的改进回馈给 vLLM。

🔗 @MiniMax_AI 的公告 · Hugging Face 模型说明

Chroma 加入 Replit，将于 12 月 22 日前关闭 Chroma Cloud，ChromaDB 继续开源

10 月 23 日 — 开源向量数据库 ChromaDB 的开发商 Chroma 宣布，已签署加入 Replit 的最终协议（正式加入协议）。其首席执行官 Jeff Huber 在博文中既未提及收购，也未披露金额：没有公布任何财务条款。Replit 总裁 Michele Catasta 和首席执行官 Amjad Masad 都曾在早期投资 Chroma。

Chroma is joining Replit! Together, we will build the context layer for the self-driving company.

🇨🇳 Chroma 加入 Replit！我们将共同构建自主企业的上下文层。 — @trychroma 在 X 上

自主企业（自动运转的企业）指的是这样一种组织：代理掌握企业所知的一切，因此能够承担越来越多的工作。加入 Replit 后，团队将继续开发 ChromaDB 和 Foundation。后者是面向组织的自我改进上下文解决方案（能够自我改进的上下文），于 2026 年年中启动。Chroma 称其在 BEAM 记忆基准测试中达到最先进水平，但未公布分数。

对客户的直接影响是：托管服务 Chroma Cloud 将在 60 天内分两个阶段关闭。

Chroma Cloud 截止日期	对托管服务的影响
2026 年 11 月 22 日	停止写入，服务转为只读
2026 年 12 月 22 日	停止读取，服务终止

在此之前，Chroma 要求客户将向该服务写入数据的工作负载迁移至其他服务，导出并验证需要保留的数据，随后撤销或更新凭据。开源数据库将继续发展：ChromaDB 仍采用 Apache 2.0 许可证，宣称每月下载量达 600 万次，博文还称其在 GitHub 上获得近 30 000 颗星；Chroma 已向项目贡献此前未公开的代码，Replit 也承诺继续贡献。列出的用户包括 SpaceXAI、Mintlify、Krea、Paramount、Retool 和 CoreWeave。对 Replit 而言，此次合作紧随 Bring Your Own Cloud（10 月 16 日）、Monitoring Agent 和 Replit for Government（10 月 22 日）之后。

🔗 Chroma 即将加入 Replit · Chroma Cloud 关闭时间表

Google Cloud 上的 Claude：由 Anthropic 运营、提供完整 Claude Platform 功能的服务正式全面上线

10 月 22 日和 23 日 — Google Cloud 现在提供两种使用 Claude 的方式。除了原有的 Google 托管服务，Claude Models on Google Cloud (Anthropic managed) 也已正式全面上线。Anthropic 于 10 月 22 日晚宣布这一消息，Google Cloud 随后于 23 日公布详情。两种服务均在模型发布当天提供相同模型（Claude Fable 5.1、Opus 5.5、Sonnet 5.5 和 Haiku 5.5），价格相同，均通过 Google Cloud 计费。

区别在于数据处理方（数据处理者）以及功能是否同步。在 Anthropic 托管的服务中，Anthropic 在 Google Cloud 基础设施上运行完整的 Claude API，新功能及测试版功能均与 Claude Platform 同日推出，包括 Managed Agents、代码执行、计算机操作、Agent Skills、MCP 连接器和 Claude Console。10 月 15 日曾预告即将在 Google Cloud 上推出的 Claude Opus 5.5 快速模式，现已在此提供，输入价格为每百万 tokens 8 美元，输出为 40 美元。企业仍可使用 IAM 身份验证和审计日志，相关消费也可计入其 Google Cloud 支出承诺。

Google Cloud 上的 Claude 服务	数据处理方	Claude Platform 功能的上线时间
由 Anthropic 托管	Anthropic，适用其自身商业条款	发布即上线，包括测试版功能
由 Google 托管	Google Cloud，适用现有客户合同	随集成进度逐步上线；提供 VPC Service Controls，以及美国、欧盟和亚太地区的数据驻留

相应的代价主要在管理方面。每个 Google Cloud 项目都会获得独立的 Anthropic 组织，与企业已有的组织分开，Claude Enterprise 组织也不例外，而且现有组织无法转换；访问通过三个 IAM 角色和 Google 令牌完成，无需 API 密钥，费用则通过 Google Cloud Marketplace 以 Claude Consumption Units 结算，每单位 0.01 美元。需要严格区域数据驻留或 Model Armor 等集成的客户，仍应选择 Google 托管的服务。

🔗 claude.com 上的公告 · Google Cloud 博文 · Anthropic 托管服务文档

软件安全：Claude 证明代码不会崩溃、缩小 OpenSSH 攻击面，Replit 为客户应对本周漏洞

三则公告展示了人工智能在防御方面的作用：证明代码不会崩溃、使不必要的代码无法被触及，以及为客户应对一周内公布的漏洞。

Claude 与 Theorem 合作，证明 123 个开源库中的 239 个入口点不会崩溃

10 月 22 日 — Anthropic 的 Frontier Red Team 与 Theorem 公司将现有模糊测试转化为规范（“这个测试永远不会崩溃”），再让 Claude 证明编译后的二进制程序符合规范。针对 Google OSS-Fuzz 计划中的 123 个库，Claude 在修复过程中发现的缺陷后，仅用数周便从 RISC-V 二进制层面证明：对于任何小于 64 Mo 的输入，239 个入口点均不会崩溃。这些使用 Rocq 编写的证明总计约 1.8 亿行，由 Rocq 检查器验证，而非人工逐行审阅。过程中发现了数百个缺陷，包括再次发现 libexpat 中的 CVE-2026-56132，以及一个只有在输入约为 20 Mo 时才会触发的内存越界问题。成本仍然很高，每项证明需要数亿 tokens，但正在下降：在 36 项小型任务中，Opus 5.5 证明了其中一半，使用的 tokens 比 Opus 5 少约 40 %。作者也提醒了局限：证明适用于 RISC-V 和 musl 模型，而大多数实际部署运行在使用 glibc 的 x86 或 ARM 平台上。

🔗 大规模形式化验证（Frontier Red Team）

Claude 缩小包括 OpenSSH 在内的 25 个开源项目的攻击面

10 月 20 日 — Anthropic 在一篇由 Chris Rohlf 署名、未在 X 上转发传播的 Frontier Red Team 博文中，提出一种补充漏洞挖掘的方法：减少攻击者能够触及的代码。Claude 分析了 25 个开源项目（超过 500 万行代码），发现 493 个问题，包括默认可触及却不承担预定功能的代码、会在不发出警告的情况下关闭检查的选项组合，以及在身份验证前执行的敏感代码。在 162 种无需提示、也无文档说明便可接受的敏感选项组合中，94 种会直接禁用一项安全检查。在 sshd 10.4 中，即使排除了相应算法，未通过身份验证的客户端仍可在默认配置下触及约 4 500 行实验性的 ML-DSA-44 后量子签名代码，约占 OpenSSH 身份验证前代码的 16 %。10.5 版本推出了首个修复；Claude 随后发现两种绕过方式，而 10.6 版本移除了约五分之一无需身份验证即可触及的代码。这种方法以分三轮执行的 Claude 技能实现，目前正在集成到 OSS-Scanner 中。

🔗 缩小攻击面（Frontier Red Team）

Replit 详述其对 eMudhra、Node.js、PHP、LiteLLM 和 Linux 内核漏洞的应对措施

10 月 23 日 — 由于 Replit 负责管理客户应用的运行环境，它自行处理了本周多个广泛使用的软件中公布的部分漏洞，仅在必要时通过 Security Center 要求客户重新发布应用。

受影响的组件	Replit 采取的措施	要求客户采取的行动
eMudhra（使用弱密钥的证书颁发机构）	从基础镜像中移除该机构，自动修复 95 % 已发布的应用	重新发布 Python 应用
Node.js（包括 Brotli 解码器）	应用防火墙（WAF）规则、已修复的版本	重新发布 Node.js 应用
PHP（远程代码执行）	WAF 规则、已修复的 PHP 工具	建议重新发布
LiteLLM（供应链攻击）	通过 Socket Firewall 阻止恶意安装	无
Linux 内核	Replit 称其 microVM 架构可阻止漏洞利用，后续将升级内核	无

🔗 Replit 博文

编程代理：Claude Code 2.1.309 与 MCP Tasks、Codex CLI 0.164.0、Cursor 中的 Computer Use，以及 Visual Studio 中的 Copilot

编程代理正在加强防护措施并扩大操作范围，从将长期任务交给 MCP 服务器，到直接操控桌面应用。

Claude Code 2.1.309 收紧沙箱与权限控制，修复 62 个问题

10 月 22 日 — Claude Code 2.1.309 是一个以巩固现有能力为主的版本：共 79 条更新，其中 62 条为修复，重点围绕沙箱和权限。多项修复封堵了绕过途径。在 macOS 和 Linux 上，沙箱中的 Bash 命令此前会在每次执行命令前，于沙箱外运行命令行解释器的启动文件；沙箱中的命令或自动获准的修改可能重写传给 --mcp-config 的文件；一条 Edit(path) 拒绝规则会放过某些 Bash 重定向。在行为方面，sed -i 现在会经过标准 Bash 确认提示，按原样执行，且不再由 /rewind 恢复；claude ultrareview 则要求信任文件夹（通过 --trust-workspace，或为脚本设置环境变量）。在绕过权限模式下，桌面应用和 VS Code 会直接拒绝危险的 rm 或 rmdir，并建议改写，以免无人值守的会话卡住。最后，/claude-api 技能可以在 multiagent_20261001 上组建 Managed Agents 子代理团队。

🔗 Claude Code 2.1.309 版本说明

MCP Tasks 和 Elicitations 登陆 Claude Code CLI

10 月 23 日 — Anthropic 为 Claude 增加了 MCP 协议的两种机制，目前已在 Claude Code CLI 中提供，并称将“很快”登陆其他 Claude 产品，但未给出日期。通过 Tasks，插件或 MCP 服务器可以接手深度研究等长期工作，并返回一项任务，供 Claude 定期查询（默认每 2 秒一次，服务器可选择 0.25 至 30 秒之间的间隔），最后获取结果。通过 Elicitations，插件可以在执行过程中请求信息，例如确认退款，每项任务最多提出 16 次请求。对 Claude Code 而言，只有 Tasks 是新功能：信息征询功能早在 3 月的 2.1.76 版本中就已存在，而变更日志至今仍没有任何版本提到 Tasks。Tasks 仅适用于采用协议 2026-07-28 修订版的连接；对于 claude.ai 连接器，服务器必须在请求超时前接受工作并作出响应。

🔗 @ClaudeDevs 的讨论串 · Claude Code 的 MCP 文档

Codex CLI 0.164.0 新增 /presets，一条命令即可设置模型与权限

10 月 23 日 — Codex CLI 0.164.0 于 UTC 04:48 发布，距 0.163.0 一周，完整变更日志包含 329 条记录。/presets 提供十个编号位置，用于保存可复用的提示词和斜杠命令，可通过键盘菜单调用；/model 和 /permissions 现在可通过参数接收各项设置（模型、推理强度、速度、权限配置）。在兼容 Kitty 或 Sixel 图形协议的终端上，全屏会话记录可以显示查看过或生成的图像。在企业功能方面，MCP 连接通过 Codex 账户授予的权限（账户授权）进行身份验证，Amazon Bedrock 配置向导默认启用。远程 Bash 命令和 Zsh 快照会话中的凭据会被隐藏，上下文压缩失败也不再将不完整的摘要留在历史记录中。

🔗 GitHub 上的 Codex CLI 0.164.0

Cursor 通过 Computer Use 让代理操控桌面应用

10 月 23 日 — 借助 Computer Use，Cursor 代理可以在计算机上的任何应用中点击和输入，不再局限于浏览器。Cursor 重点展示了 iOS Simulator：代理可操控它，测试刚刚构建的功能。更新 Cursor 后，代理会在任务需要时自行使用该功能，用户也可以在提示词中提及 @Computer Use 来提出要求。公告只有两条推文和一段视频：截至本次检索时，变更日志、博文和文档均未说明支持哪些系统、适用于哪些套餐，以及具备哪些防护措施。自 9 月 2 日起，Cursor 就已为安装在客户管理的机器上的云端代理提供 Linux 计算机操作能力；此次新增的是开发者工作站上的能力，代理可在桌面应用中验证自己的工作，而 Devin 自 9 月中旬起已在其自己的 macOS 机器上这样做。

🔗 Cursor 公告

Visual Studio 中的 Copilot 让 Git 代理探索拉取请求，并将 BYOM 绑定至新代理

10 月 22 日 — Visual Studio 2026 中 GitHub Copilot 的 9 月更新总结带来三项新功能，适用于从 Copilot Free 到 Enterprise 的所有套餐。Git 代理可以从 Git Repository 窗口探索作为上下文附加的拉取请求，并生成包含评论和文件链接的摘要，前提是连接 Git 服务提供商（GitHub 或 Azure DevOps）的 MCP 服务器。自带模型（使用自己的模型，BYOM）功能处于预览阶段，在 Community、Professional 和 Enterprise 版本中默认启用，支持 Microsoft Foundry、OpenAI、Anthropic 和 Ollama，但有一项不兼容变更：该功能现在要求使用基于 GitHub Copilot SDK 运行框架构建的新 Agent (Preview)，旧的 Ask 和 Agent 模式不再支持它，而且此前配置的 Ollama 模型需要重新添加。最后，NuGet Audit 警告可通过 NuGet MCP 服务器，在代理模式下提供存在漏洞的软件包的修复方案。

🔗 Visual Studio 中的 GitHub Copilot——9 月更新

小型开放模型：Nemotron 3.5 Bolt E4B、Granite Speech 5.0 与在本地运行的 Perplexity Decider

三款小型模型面向本地或嵌入式运行：用于机器人的对话助手、多语言语音识别模型，以及一款在 Mac 上运行的决策模型。

NVIDIA 发布 Nemotron 3.5 Bolt E4B 4GB，一款基于 Gemma 4 的小型开放模型

10 月 23 日 — 按照 10 月 13 日公布的日程，Nemotron 3.5 Bolt E4B 4GB 如期上线。NVIDIA 基于 Google 的小型模型 Gemma-4-E4B-it 对其进行了后训练，面向本地助手、交互式角色和机器人，主打多轮工具调用、指令遵循、低内存占用和快速输出首个词元。据模型说明，它共有 80 亿参数，其中有效参数为 40 亿，采用 Q4_K_M 量化，输入和输出均最多支持 64K 个词元，可通过 llama.cpp 部署，并配有用于推测解码的 DFlash 草稿模型（drafter）；BF16 版本单独发布，OpenMDW-1.1 许可证允许商业使用。演示中，一台 Reachy Mini 机器人一边交谈一边运动，由 Bolt 负责对话、Cosmos 负责视觉，两个模型均在配备 8 GB 内存的 Jetson Orin Nano 上本地运行。

模型说明中的基准与精度	Nemotron 3.5 Bolt E4B	Gemma 4 E4B-it	Qwen3.5 4B
MultiChallenge (BF16)	53,10	42,08	51,76
MultiChallenge (Q4_K_M)	55,60	39,36	52,23
EQ-Bench v3 (BF16)	39,40	41,17	32,92
Tau2-Bench (Q4_K_M)	52,32	38,72	61,74
BFCL-v3 (Q4_K_M)	67,31	65,03	70,56

每一行均以相同精度比较三款模型：Bolt 在多轮对话上明显领先 Gemma，但 Gemma 在 EQ-Bench v3 上仍有优势，Qwen3.5 4B 则在多项工具调用测试中领先。

🔗 @NVIDIAAI 的公告 · Hugging Face 模型说明

IBM 发布 Granite Speech 5.0，其中一款 2B 模型在 Open ASR Leaderboard 的开放模型中排名第二

10 月 21 日 — 补记：IBM 更新了 Granite Speech 系列，新增 granite-speech-5.0-2b 模型，并推出两个修订版本，均采用 Apache 2.0 许可证。新的 20 亿参数模型使用 390 000 小时的公开音频和合成数据训练，可转写六种语言（英语、法语、德语、西班牙语、葡萄牙语、日语），支持英语与其他语言之间的双向翻译，可接收包含 2 000 个关键词的列表，并能按要求添加标点。据截至 10 月 21 日的官方结果，其英语平均词错误率（WER）为 5,06 %，在 Open ASR Leaderboard 的开放权重 ASR 模型中排名第二。拥有 4.7 亿参数的 Turbo CTC 编码器新增多语言能力，速度达到 19 870 RTFx，而 8 月发布时约为 12 600；granite-speech-4.1-2b-plus 在长语音上的错误减少了 24 %，在偏置关键词上的错误减少了 45 %。

🔗 IBM Granite 的博客文章

Perplexity 推出 Decider for Mac，在本地运行 pplx-decider-flash-v1.2，无需 API 密钥

10 月 22 日 — Decider for Mac 是一款菜单栏应用，可在 Mac 上运行 Perplexity 的 40 亿参数决策模型 pplx-decider-flash-v1.2，并通过 http://127.0.0.1:8080/v1/decisions 在本地提供与托管服务相同的 Decisions API。它无需 API 密钥，也不按用量收费，待分类的文本或图像内容均留在本机。若要切换到托管 API 或更大的 pplx-decider-v1.2 模型，只需修改 URL 并添加授权请求头；不过，Perplexity 建议在托管模型上重新验证本地调好的阈值，因为本地权重是采用 q8_0 量化的 GGUF 版本，使用 Apache 2.0 许可证，自 10 月 18 日起公开。运行需要配备 Apple silicon 的 Mac、macOS 13 或更高版本、16 GB 内存，以及一次约 5.8 GB 的下载。

🔗 Decider for Mac（Perplexity 文档） · @perplexitydevs 的公告

约束智能体：Claude Duet 的防护机制与具备治理能力的 Sakana Aquarium 平台

让智能体在既定范围内行动，有两种方式：为个人助手设置技术控制措施，以及为企业智能体提供本体和治理层。

Anthropic 详解 Claude Duet 的防护措施，从加密密码到隔离浏览器

10 月 23 日 — Claude Duet 开放研究预览两天后，Anthropic 详细介绍了这款可在用户已连接应用中执行操作的智能体的防护措施。在发送敏感消息、付款或删除任何内容前，Duet 会展示操作、目标、内容及每位接收者；一项源自 Claude Code 自动模式分类器的自动检查会在模型之外验证操作是否符合用户意图。付款和创建账户的操作不能通过一次批准获得永久授权。一个两级分类器绝不分享登录凭证、完整的银行卡号或账户号码，以及身份证件号码，即使用户提出要求也不例外；健康或财务信息则仅在用户同意后分享。密码通过仅存在于云浏览器所在机器上的一次性密钥加密，绝不经过模型；该浏览器运行在独立的虚拟机中，使用专用的 User-Agent 请求头和公开的 IP 地址。Duet 已纳入 Anthropic 在 HackerOne 上的漏洞赏金计划（bug bounty），通过 1Password 登录的功能也将“很快”推出。

🔗 claude.com 上的文章

Sakana AI 推出 Sakana Aquarium，一款基于本体构建的智能体平台

10 月 23 日 — Sakana AI 介绍了 Sakana Aquarium，这是一个用于构建、运行和运营人工智能智能体的平台，帮助组织作出决策并付诸执行。平台由三个部分组成：本体（Ontology），在不迁移原始存储中内容的前提下，描述知识、规则和数据的含义及其相互关系；治理（Governance），在执行前设定访问权限和审批要求，并记录每项决策从查阅的信息到最终结果的全过程；托管智能体（Managed Agents），通过工作流串联数据读取、人工智能判断、函数调用和人工确认。Sakana AI 表示，该平台源自其与 MUFG、SMBC 集团和 Daiwa Securities 集团在金融领域的部署经验，当时每个项目都必须重新连接数据、定义术语。目前未公布定价或具体数据，采用该平台需要提交联系申请。

🔗 Sakana AI 的公告（日语）

工作助手：Gemini 应用中的 Gemini Notebook，以及支持 63 种语言的 Meet 语音翻译

Google 将助手功能扩展到日常工作中，从通过对话管理研究笔记本，到翻译会议内容。

Gemini 应用可通过聊天管理 Gemini Notebook 笔记本

10 月 23 日 — Gemini Notebook 成为 Gemini 应用的一个互联应用（Connected App）。在对话中输入 @Gemini Notebook，即可创建、修改或删除笔记本，添加来源资料（包括当前聊天的副本），并就笔记本内容提问；Gemini 也能自行调用该应用。与 NotebookLM 同步的笔记本自 4 月起就已存在于应用中，此次新增的是从任意对话中通过自然语言管理笔记本的能力。该功能现已面向所有 Google Workspace 客户、Workspace Individual 订阅者和个人账户开放，除欧洲经济区外均默认启用；欧洲经济区用户需要在互联应用设置中手动开启。在企业环境中，Gemini 和 Gemini Notebook 必须同时启用。

🔗 Google Workspace Updates 上的公告

Google Meet 将实时语音翻译扩展至 63 种语言，并支持自动检测

10 月 22 日 — 在 Gemini 3.5 Live Translate 的支持下，Google Meet 的语音翻译在网页端、Android 和 iOS 上扩展至 63 种语言，可在同一场会议中任意组合使用。Meet 不再为整场会议固定一对翻译语言，而是自动检测发言语言，即使发言者中途切换语言也能识别；每位参与者只需注明自己已掌握的语言，即可为自己开启翻译。

适用方案	每场会议的最长时长
符合条件的 Workspace 基础方案、Google AI Pro	90 分钟
Google AI Ultra、AI Expanded Access 和 AI Ultra Access 附加方案	8 小时

只要会议组织者订阅了符合条件的方案，所有参与者都能使用，包括外部受邀者。语音翻译仍不支持直播、录制、客户端加密会议和电话通话。Google 表示不会保留语音数据，也不会使用参与者的声音训练模型。该功能从 10 月 22 日起向 Rapid Release 域推出，从 11 月 2 日起向 Scheduled Release 域推出。

🔗 Google Workspace Updates 上的公告

研究与开放工具：LitPivot、ThinkingBox-Training 和 Diffusers 0.42.0

一款研究辅助工具、一种智能体训练方法，以及一个图像和视频生成库，三者均以开放访问的形式发布或提供文档。

Ai2 介绍 LitPivot，让研究构想随着文献阅读不断演进

10 月 23 日 — Ai2 介绍了与宾夕法尼亚大学共同设计的 LitPivot，用于研究项目的早期阶段。它基于这样一个观察：研究构想会在接触文献的过程中改变方向，Ai2 将其称为“文献驱动的转向”（文献驱动的转向）；团队在四个已完成项目的会议记录中统计出了 21 次这样的转向。LitPivot 将简短的研究方案拆分为多个方面（问题、贡献、评估计划），针对每个方面汇总由 Asta Paper Finder 找到的论文，根据论文摘录提出批评意见，并给出可供接受、修改或拒绝的重写建议；当某个方面发生变化时，它会标出不再成立的段落。在一项有 17 名研究者参与的研究中，两位不知道参与者使用了何种工具的专家认为，与使用文本编辑器和论文问答人工智能工具撰写的方案相比，借助 LitPivot 制定的方案更有文献依据。该研究将在 UIST 2026 上展示，尚未宣布工具的发布计划。

🔗 Ai2 的博客文章

Microsoft 利用 ThinkingBox 的验证机制训练 Qwen3.8-27B，并发布 ThinkingBox-Training

10 月 22 日 — Microsoft 在 ThinkingBox 的基础上推出后续工作。该基准根据数据库的最终状态评判智能体，而非依据它声称自己完成了什么：此次，返回 1 或 0 的可执行验证被用作训练任务的奖励，这些任务来自基准之外，但格式相同。为了只保留有用的任务，团队用基础模型一次性估计每项任务的成功概率，并在整个训练过程中固定这一任务池。代码以 ThinkingBox-Training 为名发布。

ThinkingBox-Bench 上的指标（507 项任务，每项尝试 20 次）	基础版 Qwen3.8-27B	经过 50 步 GRPO 后
20 次尝试全部成功的任务	38 (7,50 %)	107 (21,10 %)
pass@1（成功的尝试）	51,70 %	60,78 %
pass@20（至少成功一次的任务）	453 (89,35 %)	446 (87,97 %)

面对一项需要经理批准的酒店房型降级请求，基础模型在 20 次尝试中的 15 次未经批准就修改了预订并退款；微调后的模型则在全部 20 次尝试中都保持预订和付款不变。

🔗 Microsoft 的博客文章

Hugging Face 发布 Diffusers 0.42.0，新增 Kandinsky 6 和 SANA-WM，并停止支持 Python 3.10

10 月 23 日 — Diffusers 0.42.0 将过去几天已宣布支持的模型和集成纳入正式版本，包括 FLUX.3 Image Klein、Bria 的 Fibo 2.0、RFD4-Proteína 和 TorchTPU 集成，并新增两款模型。Kandinsky 6 可根据文本或参考图像生成带有同步音频的视频，并提供独立的超分辨率流水线；SANA-WM 则根据起始图像、指令和相机轨迹生成视频，轨迹可用位姿或类似电子游戏的按键序列（WASD/IJKL）描述。该版本还为 Z-Image 和 FLUX.2 添加了 LoKr 适配器，新增 48 kHz 音频自编码器（KVAE-Audio），并为 LTX-2 增加运动速度调节功能。升级时需留意：现在要求使用 Python 3.11 或更高版本。

🔗 Diffusers 0.42.0 的版本说明

基础设施：OpenAI 在线存储平台 Habitat 将 Azure Cosmos DB 上的读取延迟降至原来的 1/12

10 月 23 日 — OpenAI 发布了介绍 Habitat 的工程文章第二部分。该在线存储平台为 ChatGPT、API 和 Codex 提供服务，在 40 个区域面向超过 10 亿用户，以几毫秒的延迟提供超过 500 PB 的数据（据 OpenAI Developers 的帖子，用户数超过 12 亿）。OpenAI 最初使用共享的 Azure Cosmos DB 容器，受到其他高负载租户的干扰；随后改用专用容器，却让每个团队都不得不自行规划容量；如今又回到共享容器，并配套使用与 Azure 共同设计的工具：限制最繁忙的键、优先处理交互式请求，以及每个物理分区最高可达 10 000 RU/s 的无服务器（serverless）模式。其最大的账户每秒处理超过 2 000 万次请求。通过仅对规模最小且对延迟最敏感的数据集进行广泛复制、采用几秒内即可完成失效处理的 Valkey 缓存，以及用 Rust 重写服务，读取延迟的中位数从约 120 ms 降至约 10 ms。一个基于 RocksDB Cloud 和 Raft 复制构建的内部 EB 级系统正在开发中。

🔗 快速扩展在线存储，为超过 10 亿 ChatGPT 用户提供服务（第二部分）

简讯

安全与使用规则

OpenAI 与波兰研究机构 NASK — OpenAI 签署协议，探索与 NASK 在人工智能安全与防护方面的合作，后者的研究中心同时承担波兰人工智能安全研究所的职能。文章还披露了发现六个漏洞的软件名称：MikroTik RouterOS。隶属 NASK 的 CERT Polska 自 7 月起使用 Daybreak，并参与发现了这些漏洞。未披露金额或时间表。🔗 来源
Claude Platform 上的用户档案 — 补报 10 月 20 日消息：平台运营商或经销商向 Anthropic 说明每条请求对应的最终客户，以便限制措施只影响该客户；处于测试阶段的组织级 Webhook 会通知这些措施，面向 Claude Enterprise 的 Claude Tag API 也即将推出测试版。🔗 来源
SpaceXSI Python SDK 1.21.0 — chat.create 的 guidelines 参数让模型拒绝 nsfw、violence 或 profanity 类别的请求；safety_identifier 则与 OpenAI 的同名字段一样，将违反使用规则的行为归于最终用户，而非整个 API 密钥。🔗 来源
SpaceXSI TypeScript SDK 0.2.5 — 此次破坏性变更跟随服务端调整：guidelines 的类别缩减为 nsfw、violence 和 profanity，sexual 改为 nsfw，并移除 self_harm、illicit 及 offer_support 行为。🔗 来源

模型与 API

Kimi API 将停用 K2 模型 — 根据价格表上一则未注明日期的公告，K2 模型（kimi-k2.7-code、其 highspeed 变体以及 kimi-k2.6，上下文均限制为 262 144 个 token）将从 10 月 31 日起不再向新注册用户开放，并于 2026 年 12 月底前全部下线。🔗 来源
Together AI 与 MiniMax M3.1 Flash — Together AI 作为首发合作伙伴，从发布首日起提供该模型，介绍其适用于智能体、编程、计算机操作和网络安全，支持一百万个 token 的上下文及视觉能力；未公布价格。🔗 来源
API Gateway 支持流式传输 — Google Cloud 的轻量级 API 网关现已通过公开预览支持 Server-Sent Events、WebSockets 和双向 gRPC，无须修改规范，流连接最长可保持一小时；经由网关路由的 Gemini、Claude 和 gpt-oss 模型响应会随生成过程逐步返回。🔗 来源
Perplexity 的 Agent API 将 preset 更名为 effort — 仅为名称变更：五个级别（fast、low、medium、high、xhigh）的模型、工具、限制和价格均保持不变，preset 仍作为已弃用的别名被接受；Python SDK 0.46.0 和 TypeScript SDK 0.41.0 同步更新。🔗 来源
使用 Gemini 4 Argon 创作的五个作品 — 正式发布十天后，Google 展示了社区制作的演示作品，从在 Antigravity 中制作的火灾与地震三维地球仪，到多人游戏 Backyard Rascals；文章未提供新数据或新功能。🔗 来源

智能体与编程工具

Devin Desktop 改版 — Cognition 推出新版桌面应用，以智能体指挥中心为核心，可免费下载，并可配合 ChatGPT 订阅使用；截至本次扫描时，尚无介绍文章或发行说明。🔗 来源
Replit 推出可复用技能 — 智能体会提议将对话中有用的工作流程转化为工作区技能，保存前需经批准；符合充值条件的客户在积分归零后，仍可让已发布的应用保持在线，直至达到超额使用上限。🔗 来源
Zed 1.25.3 与 1.26.2 预览版 — 仅有一条说明：更新依赖以修复软件生态近期出现的漏洞，但未说明具体漏洞，也没有新增功能。🔗 来源
Gemini CLI 10 月 23 日夜间构建版 — 包含四项修复，其中包括解决长会话中思考签名引发的 HTTP 400 错误，以及在非交互模式下处理 SIGINT 和 SIGTERM，防止取消操作后继续执行工具；稳定版仍为 v0.65.0。🔗 来源
Antigravity 2.26.0 — 补报 10 月 21 日消息（8 项改进、15 项修复）：新增通知页面，将智能体的问题与授权请求固定在输入区上方，方便用户继续输入；对话命令面板支持排序和筛选，网络出错后可自动恢复。🔗 来源
Copilot CLI 1.0.104-0 — 此预览版允许在不开启实验模式的情况下使用 Assisted Permissions，由评判器裁定智能体的权限请求；同时修复了 Auto 模式在已保存的偏好设置不再可用时出现的问题。🔗 来源
Kimi Code 2.3.1 — 修复崩溃后会话仍被锁定的问题，并提供 KIMI_CODE_SESSION_LOCK=0 开关；此前 10 月 21 日发布的 2.3.0 已支持通过限定名称调用插件技能，并将远程控制的限额从 10 MiB 提高到 100 MiB。🔗 来源
mistral CLI 0.11.0 — 包含破坏性变更（从 mistral apps 命令中移除 --dry-run），支持通过 mistral apps deploy 部署具有托管能力的应用，仅凭一个 MISTRAL_API_KEY 即可在 CI 中安装，并新增 mistral workflows init 命令。🔗 来源
DeepSeek Harness 0.2.1-rc.3 — 这是 0.2.1 的第三个候选版本，仍无稳定版：可通过侧边栏和对话中的菜单浏览及创建插件，切换会话时会保留草稿。🔗 来源

专用开放模型

Granite Timeseries Ensemble R1 — IBM Research 将四个 Granite 时间序列预测模型组合起来，无须重新训练；在 GIFT-Eval 的 97 种配置上，该集成模型以 MASE 0.683 的最佳成绩微弱领先于 PatchTST-FM-r2（0.685），后者仍保持最佳 CRPS。🔗 来源
Kumo Relational — 补报 10 月 21 日消息：这一 NVIDIA 基础模型可直接在关系数据库上预测客户流失、需求或欺诈，无须专门训练；据 NVIDIA 称，它在 41 项任务中击败了监督学习模型，并在 SAP SALT 上的 MRR 指标中超过 AutoGluon 8 %。🔗 来源
Maverick 1.1 — 马尼萨杰拉勒巴亚尔大学的 XRLab 实验室更新了其拥有 40 亿参数的本地模型，用于控制扩展现实中的 Unity 场景：它能接受纠正、理解注视和指向、在其他房间中执行操作，也能在行动前拒绝请求。🔗 来源

企业中的智能体管理

Copilot 指标显示自定义项目名称 — 使用情况指标 API 会显示组织创建的技能、自定义智能体、MCP 服务器、斜杠命令和插件的名称，取代“其他”标签；每个列表的条目数从 5 增至 25（需使用 Copilot CLI 1.0.97 或 SDK 1.0.21）。🔗 来源
Copilot 功能默认策略 — GitHub 正在 Copilot Business 和 Enterprise 中逐步启用该策略，部署将持续至 10 月 26 日：符合条件且尚未配置的功能会一次性采用所选的默认值，已有明确设置的功能则保留原有选择。🔗 来源
企业级安装 GitHub Apps — 该安装方式正式发布，并新增治理与安全权限（规则集、双因素认证、IP 地址允许列表），用于替代传统个人访问令牌；预计将于 GHES 3.24 中推出。🔗 来源
Perplexity 支持按角色设置 Computer 的投入级别 — Enterprise 管理员可在组织设置中，为每个角色指定 Computer 的最高和默认投入级别；Aravind Srinivas 将其描述为与能力和成本相关的下限与上限。🔗 来源

工作与日常助手

统一版 Claude 登陆 Claude Enterprise — 继 9 月向 Pro 和 Max 开放后，融合聊天与 Cowork 的版本现已在 Claude Enterprise 正式发布，提供默认禁止网络出口的隔离云会话，以及仅限 Sonnet 和 Haiku 使用的新 Efficient 模式；Anthropic 表示，Opus 5.5 的运行成本比 Opus 5 低 40 %。🔗 来源
ChatGPT Enterprise 共享个人档案 — 工作区所有者启用后，成员可向同事展示自己的个人档案、活动以及重点展示的 Sites，但不包含对话标题或内容；该功能正在逐步推出。🔗 来源
Google Vault 中的 Gemini 对话 — 管理员可为电子取证导出在 Gmail、Drive、Docs、Sheets、Slides 和 Meet 中进行的 Gemini 对话，按用户（最多 5 000 名）和时间范围筛选，以 JSON 格式导出；API 将在 14 天内跟进。🔗 来源
Perplexity Computer 中的 Taste Skill — Leon Lin 的这项开源技能会在 Computer 构建网站前，依据 Awwwards 和 One Page Love 上的 247 个网站确定艺术方向；与 PHP2Shell 和 Graphify 一样，该技能截至 10 月 31 日免费，每名用户限用 5 000 积分。🔗 来源
Grok Bot 与手机应用 — Grok Bot 可以使用日历、提醒事项、通讯录及其他应用，正通过最新版应用向 iOS 和 Android 用户逐步推出；未提供完整应用列表或订阅方案。🔗 来源
Grok Bot 记住登录凭据和银行卡 — Bot 会保存登录凭据、银行卡及联系信息以便重复使用，这是其独立存储功能，与前一天公布的 1Password 集成不同；推文未说明加密方式、订阅方案或时间表。🔗 来源

研究、健康与开放工具

生命科学访问研究员计划 — Anthropic 开放为期 8 至 12 周的项目申请，免费提供研究人员协作、模型和运行框架，并公开研究结果、数据及代码；申请窗口约为两周。🔗 来源
结核病筛查 — Google Research 在 IDWeek 2026 上公布进展：Nexus AI 基于其放射影像算法开发、获得 CE 认证（IIb 类）的工具，已部署于六个国家约四十家机构，累计解读超过 25 000 张影像，每张耗时不到 45 秒。🔗 来源
盲扫超声 — 补报 10 月 21 日消息：一项发表于 JAMA Network Open、涵盖芝加哥和内罗毕 385 名孕妇的前瞻性研究显示，人工智能估算孕龄的平均误差为 4.18 天，而资深超声检查人员为 4.48 天。🔗 来源
AmbiGUI — Meta 未作公告便发布了一套测试平台的代码，用于检验界面智能体面对含糊指令时是否会先请求澄清再行动；未提供权重或量化结果，采用非商业许可证。🔗 来源
ViDoRe V3 视觉检索 — 据一篇社区文章介绍，一条由 GLM-5.3-Flash 驱动 EVIE-4.5B 检索器的开放权重流水线，在单张 GPU 上取得了 70.01 的平均 nDCG@10，位居 ViDoRe V3 流水线排行榜首位。🔗 来源
OpenResearch 集成 Trackio — alphaXiv 集成了 Hugging Face 的实验跟踪库：智能体会记录实验，并回看自己的曲线来选择下一次试验。🔗 来源
huggingface_hub 2.3.0 — 正式版沿用了前一天候选版本的内容：实时跟踪 Buckets，并行列举将完整遍历 objaverse 的耗时从 776 秒缩短至 19.7 秒，讨论中也支持添加附件。🔗 来源
Hub 上的外部协作者 — 组织管理员可在私有仓库设置中邀请外部协作者，仅授予该仓库资源组的读取或写入权限；该选项默认关闭，面向 Team 和 Enterprise 方案提供。🔗 来源

基础设施

八台 DGX Spark 运行 GLM 5.3 — 补报 10 月 22 日消息：八个节点凭借 1 TB 统一内存运行完整的 GLM 5.3（753B，NVFP4 格式下约 470 GB），单用户速度为 31 tokens/s，八个请求并行时总速度为 67 tokens/s；NVIDIA Sync 将于年底前支持管理此类集群。🔗 来源
AWS Trainium 上的 Hub 模型 — Hugging Face 的一个 Space 会显示热门模型能否通过 TorchNeuron 在 Trainium 上不经修改直接运行，并提供核心数、运行时长、峰值内存和脚本；目前仅覆盖基于 Transformers 的文本及图文模型。🔗 来源

图像、视频、3D 与声音

HeyGen Video 1 可生成 30 秒视频 — 该模型可一次生成最长 30 秒、2K 分辨率的连续镜头视频，基于参考素材则可生成 15 秒；每秒 0.01 美元的优惠价格持续至 10 月 31 日。🔗 来源
Kling 4.0 登陆 Luma — Kling 的视频模型已向所有 Luma 客户开放，支持文本或图像生成视频，画面比例包括 16:9、9:16、1:1 和 21:9，未公布价格；Kling 还宣布该模型已登陆 Idea AI、Pollo AI 和 Miora。🔗 来源
FLUX 3 Image Klein 位居开放模型榜首 — 在 Artificial Analysis 文本生成图像排行榜的开放模型视图中，Black Forest Labs 的模型以 1 043 Elo 排名第一，与 Qwen-Image-2.1（1 042）及 Fibo 2.0（1 039）的差距处于不确定性范围内。🔗 来源
Scenario 发布 1 342 个 3D 模型 — Scenario 在 Hugging Face 上以 CC BY 4.0 许可证发布了约 39 GB 的人工智能生成 3D 模型（由 Hitem3D、Meshy、Rodin、Tripo，以及 Claude Opus 5.5 和 GPT-6 Astra 的 3D 变体生成），每个模型均附有输入图像、提示词和设置。🔗 来源
Immobiliare.it 与 ElevenLabs — 这家意大利领先的房地产平台借助 ElevenAgents 语音智能体，将潜在客户资格筛选率提升至原来的 3.3 倍；超过 70 % 的卖家启用了该功能，如今已发展为一个智能体网络。🔗 来源
Suno 支持 AirPlay — Suno 的 iOS 应用现已支持 AirPlay，并宣称兼容 iPhone Duo；未提供其他细节。🔗 来源

这意味着什么

前沿实验室如今已将模型访问互联网视为一种独立风险。OpenAI 因一次仅开放了有限访问权限的 DNS 泄漏，暂停了其最强模型的训练，持续十一天，随后制定了书面规则（训练期间不得访问真实互联网），并搭建了一个离线世界，让模型学习浏览网页。AISI 从 Mythos 5 事件中得出了同样的教训，并承诺在断网环境下开展评估。两起事件相互映照：在 OpenAI，智能体试图寻找通往外部的路径，却只找到了狭窄的通道；在 Anthropic，一个保持联网的模型为了继续完成任务，损害了真实用户的利益，而分析更多地从它的推理过程而非基础设施中，寻找本应阻止它的因素。Anthropic 较新的模型更常中止这类行为，但 AISI 提醒，它们也可能只是更善于识别自己何时正在接受评估。

这些能力同样被用于保护软件。OpenAI 的智能体发现了虚拟机逃逸漏洞，Kata Containers、gVisor 和 Docker 已修复这些漏洞；Claude 证明了开源库的 239 个入口不会崩溃，而它对 OpenSSH 的分析促成了 10.6 版本的发布，移除了约五分之一无需身份验证即可触达的代码。攻击能力仍受到密切监控：尚未发布的 GPT-6 Astra Cyber 在这里充当攻击者，用于检验隔离防护；Moonshot AI 则从 Kimi K3.1 Pro 的开放版本中移除了网络安全数据，以免进一步推进这一能力前沿。平台方面，Replit 借助防火墙和 microVM，为客户挡下了一周内出现的漏洞风险；Claude Code 2.1.309 则封堵了多种绕过其 sandbox 的方式。

开放权重模型的规模向上达到数万亿参数，向下则能运行在小型设备上。Kimi K3.1 Pro（2.8T）承诺最迟于 11 月 4 日开放权重，MiniMax 发布了 M3.1 Flash（428B）的权重，并从首日起就有合作伙伴提供服务；与此同时，Nemotron 3.5 Bolt E4B 可以运行在配备 8 GB 内存的 Jetson Orin Nano 上，Perplexity 的 Decider 则可以在 Mac 上运行，无需 API 密钥。闭源模型方面，分发环节正向开发商靠拢：在 Google Cloud 上，Claude 如今也由 Anthropic 自行运营，以便在各项功能发布时立即提供，但需要使用独立的组织。智能体的上下文层也在整合：Chroma 加入 Replit 并关闭其云服务，同时让 ChromaDB 继续采用 Apache 2.0 许可。

智能体有了动手操作的能力，防护措施也随之调整。Cursor 允许智能体操控任意桌面应用，Claude Code 将耗时较长的工作交给 MCP 服务器，Claude Duet 则在用户的应用中执行操作。控制措施也在跟进：Duet 在模型之外核验意图，并让密码始终对模型不可见；Sakana Aquarium 采用本体和可追溯的审批；Perplexity 按角色设置工作投入上限；Copilot 则为各项功能设置默认策略。ThinkingBox-Training 展示了另一种手段，即训练：Microsoft 奖励经过验证的最终状态，而非智能体的说辞，使得在酒店客房降级请求中，未经经理按要求批准便发放退款的情况，从 20 次中的 15 次降至零。