每日 AI 简报

Meta 于 10 月 15 日开放 Muse Spark Open 权重。这是原生多模态混合专家模型，总参数 8160 亿、每次激活约 420 亿，上下文上限 100 万 token，面向编码、长时间智能体任务和多步骤推理。官方同时提供多个云推理渠道，以及 MLX、vLLM、SGLang、llama.cpp 等运行支持。

“能在桌面运行”有明确硬件门槛：Meta 的方案使用两台各配 512 GB 统一内存的 M5 Ultra Mac Studio，总计约 1 TB 内存，并非普通单台 Mac。官方展示了用 Muse Code 修改 iOS 应用，以及操作 DaVinci Resolve 的工作流；能力比较和安全门槛属于 Meta 自己的测试声明。

模型采用 Muse Model License，需保留许可和使用政策、展示归属标识。若企业以模型服务方式向第三方提供输出，且其与关联方连续 12 个月总营收超过 2000 万美元，须先通知 Meta 并另签协议；条款对内部使用及其他商业活动另有区分。开放权重不等于无条件商用，下载也受模型页的资格和地区规则约束。

采编覆盖说明：本期已完成七组中英文全球检索和主要官方入口核查，但完整 X 时间线、部分动态页面及受限媒体仍有覆盖缺口；本期按降级覆盖出刊。

Anthropic 宣布已为非营利评估机构 METR 的 6 名成员提供公司设备、办公空间，以及大致相当于内部风险评估团队的工具和系统访问权限。它希望外部人员能看见训练、安全措施和实际运作，缩小实验室与外部评估者掌握的信息差。

METR 可以发布对风险水平、事件和实践的分析，Anthropic 无权否决出版；公司仍可按预先限定类别要求删去客户数据、律师保密信息、模型架构等内容。METR 可以公开评价删改是否合理，但不能披露被删内容。该团队受可执行保密协议约束，与 METR 其他项目人员隔离。

公司还在建立三级访问机制：第一级是狭窄评估、发表需批准；第二级获得更多信息并可自主发表，但保留有限删改；第三级是 METR 这种驻场访问。SecureBio、Accenture 与 Faculty 的合作阶段和权限不同，不能一概当成同等级。此次是自愿安排的实际落实，尚不是政府监管制度，也不代表外部评估已经证明模型安全。

DeepSeek 的网页对话及 API 服务在 10 月 15 日上午发生中断。官方状态页记录，故障从北京时间 08:11 开始，09:06 确认已定位原因，12:49 进入修复后监控，13:04 恢复；受影响组件包括对话服务、V4 Pro API 和 V4.1 Flash API。

DeepSeek 开放平台随后发布补偿通知：按各账号 10 月 8–14 日的消费金额，以赠金形式全额返还，自动到账，后续 API 计费优先扣除赠金。这是调用额度补偿，并非现金退款，也不能据此推定第三方应用会自动向其用户返还费用。公告称将排查并剥离单点依赖，但未披露具体技术根因。

苹果执行董事长蒂姆·库克 10 月 15 日在上海接受澎湃新闻采访时确认，Apple Intelligence 在中国已获得批准，公司计划在 10 月晚些时候推出测试版。首批功能包括实时翻译、写作工具和照片中的消除工具，新一代 Siri AI 不在这一批范围内。

这为中国用户提供了比此前媒体传闻更明确的功能边界和测试计划，但仍属于即将推出的测试版本，不能视为已经全量开放，也不能把库克的表态改写为确认 12 月正式版或全部海外功能上线。澎湃同时核对了多款 iPhone 的进网许可备案编号，其中包括 Apple 智能、通义万相和通义千问。

阶跃星辰 10 月 15 日开放 Step 5 Preview 的 BF16 与 FP8 权重，并公布架构和训练材料。该模型采用稀疏混合专家架构，总参数约 600B，每个 token 激活约 27B，最高支持 100 万 token 上下文及视觉输入，定位于长程编程、软件工程和专业知识任务。此次新增的是可下载、自行部署的权重，API 服务此前已经上线。

官方模型卡提供 vLLM、SGLang 和 Transformers 路径，FP8 示例涉及 4 张 B300 或 8 张 H200，BF16 需要更多资源；27B 激活参数并不等于只需存储同等规模的模型。技术博客将上下文压缩纳入任务奖励训练，以便长期任务在预算耗尽前保存可恢复状态。

权重使用 StepFun Model License 1.0。许可证允许在条件内使用和修改，但硬件品牌商将能力做成设备或随附服务的商业功能，以及达到收入门槛的模型即服务业务，需要另行商业协议；内部使用和经认证分发渠道存在例外。开放权重不表示所有商业用途均无需额外授权。

Simons 基金会宣布与 OpenAI、Anthropic 合作，共承诺 1500 万美元的资金及资源，帮助数学界适应 AI 带来的变化。基金会负责管理和发放支持，包括后续公开征集提案，资助研讨会及其他项目，让研究者评估近期 AI 辅助成果、学习工具、交流观点，并共同制定使用标准。

基金会主席 David Spergel 强调，数学不只是证明和定理的集合，也是由人的好奇心推动的共同理解；工具如何评估、采用和使用，应由数学共同体主导。两家模型公司还将为基金会支持的研究者提供 AI 工具和计算资源，范围延伸至基础科学。

1500 万美元是资金与资源的合计承诺，不能全部视为现金拨款，也不表示申请者已经可以直接领取。此次公告尚未列出公开征集的具体资格、申请入口和截止时间；它提供的是评估、培训和社区协商的支持，而非对某批 AI 数学结果正确性的背书。

Adobe 与 NVIDIA 宣布扩大创作软件合作。继前期 RTX Spark 测试版优化之后，本次进一步披露 Frame.io 把视频解码、预处理和检索用嵌入生成转到 NVIDIA GPU，使用 NVDEC、TensorRT 和 CUDA，目标是让上传内容更早可搜索、提高大型素材库刷新效率。

另一项增量是以 Nemotron 开放模型优化 Adobe Brand Concierge：NVIDIA 已选择它服务官网个性化对话，面向其他企业客户的版本计划今年稍后提供。公告也重申 Photoshop、Premiere、Substance 3D 对 RTX Spark 的优化，“最高 2 倍”是厂商在相关工作流中的性能说法，不能泛指全部操作或所有硬件。此次报道重点是新披露的云处理与企业部署进展，不重复此前测试版发行。

Amazon 旗下 Bee 推出可戴在手腕或别在衣物上的 Frontier，以及可磁吸手机背面的卡片型 Eclipse，分别定价 74.99 和 99.99 美元。它们将日常谈话转成总结、提醒和待办；设备带录制状态指示与开关。

免费层提供对话总结和 14 天记忆；Bee Pro 每月 11.99 美元，增加不限量对话总结、个人助手和 Amazon、Alexa 及第三方应用连接等权益。厂商称音频实时处理后删除，转写文本用设备控制的密钥加密；与 Alexa Voice ID 联动是可选功能，用户可删除转写和总结。隐私描述是厂商架构声明，不能替代对旁人同意、实际数据处理和安全性的独立审查。

Bluesky 在 TechCrunch Disrupt 宣布扩展实验产品 Attie：此前用于生成自定义社交信息流的 AI 工具，现在增加网站、小游戏、测验和投票等互动体验创作。作品关联用户的 AT Protocol 身份，可以利用 Bluesky 社区分发；用户可自带模型或使用开放权重选项。

负责人称其目标是为朋友或社区一起构建小型社交体验，把个人独立生成与已有社交网络连接起来。AT Protocol 的私有数据支持仍在 alpha 测试，计划年底前推出，不能当作此次已全面开放的功能；报道也未给出全部模型服务的统一价格和完整地区名单。

MiniMax 员工 Ronny He 与产品官方账号在 10 月 15 日介绍 MiniMax Bot，将它作为 MiniMax Code 的 MiniApp 应用示例。原帖明确列出的能力包括由主 bot 组建团队、打开群聊、设置定时任务，以及通过 @ 交接工作；MiniApp 则让用户用自然语言扩展 Code，制作自己的应用。

MiniApp 本身此前已经出现在客户端和社区文档中，这次的新增事实是 MiniMax Bot 及其组队用法，不能把它写成整个 MiniApp 机制首次发布。官方社区仓库要求使用支持 MiniApps 的桌面客户端，兼容性和数据访问范围由各应用说明；社区包采用手动安装流程，当前 GitHub 插件导入不支持这些包。

腾讯公关总监张军 10 月 15 日宣布，个人 AI 管家 Marvis（马维斯）已登陆华为鸿蒙应用市场。鸿蒙版与 Android、iOS 移动端功能保持一致，支持用自然语言操控电脑、跨端远程控制、定时任务与文件处理。

此次同时增加微信和 QQ 登录。按张军介绍，无论通过哪种入口登录，已有历史对话与积分资产均可继承，老用户可在鸿蒙设备继续使用。新增的是鸿蒙客户端及登录入口，并非当天首次推出电脑操控能力；远控任务仍需用户配置和连接相应电脑。

千问于 10 月 13 日发布 N1 与 N1 Pro AI 眼镜，本轮补查才核清型号、价格及功能差异，因此补报。N1 标准套装标价 2899 元起，N1 Pro 为 3399 元起；报道中的 2218 元与 2600 元起属于叠加国补及限时优惠后的价格，取决于资格与活动条件。

两款均配备 5000 万像素影像系统和可更换镜腿电池，支持记录、翻译、会议纪要及主动感知。Pro 增加眼动交互、虹膜核验和体征传感器，官方续航标称分别为 N1 约 9 小时、Pro 约 8 小时。

InfoQ 后续现场体验介绍，常驻感知链路先以低功耗灰度信息识别获授权的场景，再按需唤醒高负荷计算；Always On 需用户手动开启，基础判断在端侧完成，不默认上传。记者也观察到语音与云端多模态交互受网络影响、有等待延迟。主动感知和体征解释仍需按具体功能及授权范围理解，不能由发布演示推定全天、全场景的可靠理解。

OpenAI 的 Codex 与 ChatGPT 负责人 Thibault Sottiaux 在逐日改进计划第 10 天宣布新一轮重置，并先回复说将在两小时内到账，随后于北京时间 10 月 15 日 14:28 确认这轮重置已完成。这是继前期重置后的新增兑现，而非重复报道第 8 天的同一轮福利。

这组公告没有列出逐项套餐资格、重置额度金额或可保存至未来使用的期限；用户可在自己账户的 Usage 页面核对结果，不能据此理解为 API 现金赠额或永久提高订阅上限。

Thibault Sottiaux 公布逐日改进计划第 11 天的变化：团队已上线一系列调整并增加算力，以减少“所选模型已满载，请尝试其他模型”这类会打断工作的提示。负责人同时表示，即使仍遇到容量不足，任务预期也会最终自行继续，避免一直卡在提示处。

这次更新针对长任务的可用性与恢复体验，公告没有提供故障率下降比例、吞吐提升测试或保证彻底消除排队。仍遇到问题的用户可向团队反馈；它也没有宣布新的套餐额度或另一轮重置。

OpenAI 开始向所有用户推送 GPT-Live-1.1 语音更新，覆盖 ChatGPT、Codex 与 dots。公司表示，新版本改善不同语言的口音表现，并在搜索时使用更多样的简短提示，减少反复说同一种“正在检查”的机械感。

系统卡说明，GPT-Live-1.1 为 Plus 及更高档的默认语音模型，包括 Codex 与 dots；其他用户默认使用小型版本 GPT-Live-1.1 Quip。新增声音覆盖法语、德语、印地语、日语、韩语、墨西哥西班牙语，英语还增加 Bubbie。可在 Settings > Voice 中选择声音，实际可见选项会因地区与账户而异。

这是逐步推送的消费产品语音更新。官方称 API 版本即将到来，尚不能把它写成开发者接口已经开放，也没有在这次公告中给出新的 API 价格。

安全表现并非全面改善。OpenAI 系统卡披露，针对困难边界情形构造的合成语音测试中，GPT-Live-1.1 相比前代在性内容、心理健康、情感依赖和血腥内容四类有统计显著退步，仍需进一步研究并计划在未来版本改进；基于获授权真实用户音频的另一组测试则未见统计显著退步。这些定向压力测试不代表日常使用的发生率，也未纳入可信联系人、危机支持和家长控制等系统级保护，不能把分数直接解释成实际伤害概率。

OpenAI 发布 Rosalind Academic Plan，面向美国大学的合资格学术实验室提供生命科学 AI 工具支持。通过审批的实验室可获最多 30 个 ChatGPT Business Standard 席位，每位每月费用为 0，期限最多 12 个月；计划内其他前沿模型仍受套餐用量限制，GPT-Rosalind 还需通过受信任访问审批。

没有现有 OpenAI Enterprise 协议的大学，由课题负责人或实验室主管代表实验室申请；已有协议的学校须走本校 Enterprise 访问流程。审批包括机构、负责人身份、专业背景与管理权限核实，提交申请不等于立即开通。获批负责人负责为具名成员启用权限并监督合规使用。

GPT-Rosalind 与 Rosalind Workbench 面向生物问题推理及化学、基因组、实验辅助等工具协同。研究数据默认不用于训练 OpenAI 模型。当前计划不包含 API 访问，原公告也没有公布统一申请截止日；免费席位和访问审批均不代表实验建议已得到科学验证。

OpenAI 开发者账号宣布 Sites 面向 Enterprise 进入一般可用阶段。团队可用它构建带数据库和身份验证的内部应用；符合条件的工作区新建 Sites 可使用美国或欧盟数据驻留。

公告还展示了为站点安排定期更新，以及让协作者通过 Sites 中的 Plugins 使用各自已连接数据的方式。正式开放和数据驻留仍取决于工作区资格与设置；“新 Sites”限定也不能推断为所有既有站点会自动迁移。

Cursor 宣布接入 Meta Superintelligence Labs 的 Muse Wonder，开发者可在 Cursor 的编程工作流中选择这一模型。公告列出的价格为每百万输入 token 4 美元、输出 token 20 美元。

Cursor 称该模型在默认推理强度下取得 46.1% 的 CursorBench 成绩，是其所测 Muse 模型中最高的结果。这是 Cursor 自己的场景评测，不能等同于通用编程能力排名；公告没有逐项说明所有套餐的模型权限和用量抵扣规则，实际选择仍以账户可见范围为准。

Google 更新 AI Mode 与 AI Overviews，希望用户更容易从 AI 回答进入原始网站。回答中的行内链接将更常出现在较靠前位置；部分回答末尾的相关文章链接加入缩略图和更醒目的可点击设计。面向及时新闻的突出轮播也开始扩展到全球更多地区与语言，并展示用户的 Preferred Sources 偏好来源。

另外两项仍在测试：当任务只有少数官方网页可以完成时，在回答顶端用独立区块突出这些入口，并解释用途；视频结果中的创作者或出版者名称可点击进入 AI Mode 中的 Search profile，方便了解来源背景。

各项处于不同推广阶段，公告没有列出统一的完整地区、语言或账户清单。增加链接为读者提供了更直接的核查路径；是否改善出版者实际访问量，原公告没有提供可独立验证的效果数据。

Google 将此前预告的 Universal Cart 推向美国用户，覆盖 Google Search 与 Gemini 应用。用户可把不同零售商的商品保存到同一购物车，并在两个入口之间继续整理；系统利用 Shopping Graph 的商品信息追踪降价和补货，在后台发送提醒。

购物车还可显示相关优惠码，结合 Google Wallet 中的支付方式权益帮助选择付款卡。结账支持通过 Google Pay 在购物车内完成，或把商品转回商家购物车继续购买；Google 列举 Nike、Sephora、Target、Ulta Beauty、Walmart、Wayfair 及部分 Shopify 商家。商家仍是实际销售方，负责订单确认与售后。

这是美国地区的逐步开放，不是全球上线，也不是替用户自动下单的无限授权智能体。原公告强调由用户在准备好时确认购买，商家、商品与支付方式的实际可用性仍有范围差异。

OpenAI 在 10 月 15 日报告广泛功能降级，明确列出的影响包括 ChatGPT iOS 与 Android 应用的登录和注册。官方于北京时间 10 月 16 日 00:29 开始发布调查更新，01:13 表示缓解措施已实施、正在观察恢复，02:56 确认受影响服务全部恢复。

状态页将事件列为部分中断，公开影响组件为 ChatGPT Login。公告没有披露根因、具体用户比例或统一补偿；不能把“广泛功能降级”的标题扩大解读为所有 API、所有 ChatGPT 会话均已停摆。这一事件与此前 Codex／Work 故障和仍在处理的费用报表延迟不同。

Google Research 于 10 月 14 日开放 Deep Review，本期补查首次核实并补报。用户每周可免费审查两份复杂文档，也可连接自己的 Gemini API 密钥获得更高用量与程序化调用；初始输入支持 PDF 和纯文本，多文件审查仍在计划中。上传文档不用于训练或改进 Google 模型，但会保留一年，供用户在界面中查看。

系统先把文档分段，按信息密度分配计算预算，再由可见全局上下文的智能体并行检查各段，最后综合结果、复查跨段一致性并使用外部工具核对依据。它可用于研究稿、设计文档、法律及财务材料的逻辑与事实检查。

前身 PAT 已向四个计算机科学会议逾 1.6 万份自愿参与的投稿提供反馈，反馈与正式会议评审分开，不能据此称其已取代同行评审。公共版本新增 Gemini 4 Argon 支持，旧试点也不直接证明它在所有新文档类型上的准确率；其报告应由领域专家核查。

NVIDIA 在此前预告基础上，于 10 月 15 日实际开放 Nemotron 3.5 Bolt 74B-A9B 24 GB 权重。模型从 1200 亿总参数、120 亿激活参数的 Super VL 压缩而来，保留约 740 亿总参数、90 亿激活参数，结合 Mamba、Transformer 与混合专家结构，再通过约 2 bit 量化和量化感知蒸馏压入 24 GB 内存预算。

发行包含量化模型、用于进一步定制的 BF16 检查点、GGUF 格式和 LiLiCorr 推测解码草稿模型，面向 RTX／DGX Spark 等 NVIDIA 本地系统，并有 llama.cpp、vLLM 等部署路径。技术报告给出的约 84 token／秒来自 RTX Spark 上特定 AIPerf 编码测试；同内存档榜单表现和速度不应扩展为所有设备、所有任务的保证。较小的 Bolt E4B 4 GB 仍计划 10 月 23 日发布，本次不能当作已经交付。

Black Forest Labs 发布 FLUX 3 Image Klein，提供文生图、图像编辑和最多 10 张参考图生成；原生 4 K、边界框布局和局部编辑是主要能力。发行含用于微调的基础版、用于低延迟生成的蒸馏版，以及 FP8、INT8、NVFP4 构建，支持 ComfyUI、Diffusers 等工具，基础检查点支持 LoRA 训练。

56 亿是图像生成器参数量，不含文本编码器。官方称 INT8 版本可在最低 8 GB 显存的 RTX GPU 上运行；约 4 秒生成 1 MP 图像来自 RTX 5090、蒸馏版 16 步等特定设置。质量排名来自 BFL 内部盲评，API 对比也存在本机计时与客户端网络计时差异。

BFL API 的蒸馏版名为 flux-3-image-klein，价格从每张 1 K 图像 0.009 美元起。权重使用 FLUX Kommunity License，允许个人及年营收低于 500 万美元的企业免费商用，并允许研究和非商业使用；更大组织须使用单独自托管许可或 API。

NVIDIA 于 10 月 15 日发布正式可用性公告，确认 Nemotron 3.5 Super VL 可通过 Hugging Face、ModelScope、OpenRouter 和 NIM 等渠道取得。模型总参数 1200 亿、每次激活约 120 亿，支持文本、图像与视频理解，面向代码、工具操作和持续多日的企业智能体。

此前 10 月 14 日已出现技术介绍；本次补齐正式可用性与部署信息，不把技术页日期改称本窗首次研究披露。公开资源包括基础及后训练 BF16／NVFP4 检查点、推测解码草稿、数据和训练评估配方。官方称 NVFP4 在 36 项基准上的相对 BF16 中位准确率恢复为 99.62%，并给出特定 GB200 交互负载吞吐结果；这些是指定配置的厂商测试，不能直接换算为所有工作流的速度或准确率保证。

Perplexity 在本窗另外确认，Pro、Max 用户及 Agent API 可以使用 Super VL。它是该模型的新增托管使用渠道，具体调用仍受产品方案和 API 计费规则约束。

蚂蚁百灵于北京时间 10 月 14 日 23:19 宣布开放 Ling-3.1-flash 权重，本轮补查才完成原帖与模型卡核验，因此补报这一开放进展。模型总参数约 560B，每个 token 激活约 25B，最高支持 100 万 token 上下文，使用 MIT 许可证。

模型采用混合线性注意力与稀疏专家架构：63 层 KDA 配 9 层 Gated MLA，512 个路由专家中每次激活 8 个，另有共享专家。官方定位是办公、搜索、软件工程等连续工作流；模型卡中的评测表现属于发布方结果，尚不能替代具体业务验证。

SGLang 推荐启动示例为 8 张 H200，另给出 4 张 GB300 的参数；vLLM 也有部署说明。这些都是服务器级配置，不能把少量激活参数或四卡示例解读为普通消费显卡即可运行。官方提到的长程编程框架 LingCode 仍在考虑未来开源，不属于此次已交付的开源组件。

昆仑万维旗下 Skywork 10 月 15 日公开 Matrix-Game 4.0 发布材料，将可执行游戏引擎与视频生成模型组合：引擎记录碰撞、血量和任务等确定状态，编程智能体把玩家要求写成规则，视频模型把低多边形代理画面实时转成更精细的图像。此前核查账中的空模型仓库核点已解除，当前可读到城堡、古埃及与城市赛车的场景权重、共享编解码资源及游戏资产。

团队演示声称单张 RTX 5090 可达到 480p、60 FPS、按键响应低于 150 ms；这些是团队特定配置的结果，没有独立复现，也不能与英伟达不同分辨率、硬件和延迟口径的演示直接排高低。官方模型卡进一步限定：模型专用于所给场景，未见几何、快速运动、遮挡与长会话会导致外观或几何错误，且不保证任意消费级 GPU 的帧率或显存适配。

场景权重和游戏资产为 Apache-2.0，推理代码及依赖另有对应许可和署名要求；此次不含训练代码与训练数据，权重也不是可直接替换进通用 Diffusers 的管线。

TypeSafe 于 10 月 14 日公布 Jev 1.14，本期首次核实补报。这是一种返回结构化判断的 System One 模型，适合在软件中做路由、分类与选择。公司称新版有渐进改善，多语能力可能提升最多，未给出可独立复核的通用提升数字。价格与 1.13 相同：每百万输入 token 0.042 美元，输出免费。

图像输入、新 box 边界框类型及更长上下文均属于需要显式开启的实验功能。图像也可用于 1.13，box 仅支持 1.14；长上下文头可把每请求和每问题的限制都提高到 262k token，普通默认仍是每请求 64k、每问题 32k。厂商明确提醒长上下文更慢、准确性下降，不为这些实验能力的生产可靠性背书。

当前 jev-preview 指向 1.14.0，jev-latest 与 SDK 稳定默认仍指向 1.13.0；公司计划约一周后移动 latest。依赖既有判断阈值的应用可固定版本并先做自己的回归评测，不能把网页目录列出的最大上下文误当所有请求默认。

欧洲核子研究中心 CERN 与 Mistral 签署长期战略合作意向，初期聚焦高能物理，目标是训练一个统一的“大物理模型”。它将学习大型强子对撞机数十亿次模拟质子碰撞，尝试把粒子重建、粒子识别、异常信号筛查和未来探测器设计等任务接到同一预训练模型。

目前碰撞分析依赖多级专用算法逐步把探测器信号变成可供研究的物理对象，机器学习已参与其中；新合作希望让模型跨整个重建流程学习。公告给出的背景是 CERN 已存储约 1 EB 实验数据，高亮度 LHC 将进一步增加碰撞量。当前发布的是合作意向和研究目标，尚无可下载模型、独立性能验证或新物理发现。

Artificial Analysis 于北京时间 10 月 15 日 06:37 公布 AA-Robotics v0.1；本轮首次完成原帖及完整方法核验，补报这一研究预览。评测让五款前沿模型在编码智能体环境中，通过 HTTP 接口控制一台六轴机械臂，依靠四个摄像头观察环境，完成按按钮、倒水、写字、搭塔和测量等 8 项桌面任务。每项按完成程度计 0–100 分，部分完成也会得分，因此综合分数不是整项成功率。

GPT-6 Astra 得 69.4 分，GPT-6.1 Sol 为 64.6，Gemini 4 Argon 为 55.3，Claude Opus 5.5 与 Fable 5.1 分别为 48.8、46.3。模型通常耗时约半小时，人类基线约 20 秒；Sol 平均每任务 1.93 美元，Astra 为 16.36 美元。评测还记录到模型完成后继续调整，反而破坏已合格结果的案例。

这些结果来自特定机械臂、场景与工具框架的零样本研究预览，不是通用机器人能力排名，也不证明已适用于生产。

Google DeepMind 展示了以 Antigravity 协助寻找抗菌肽的科研流程，并介绍内嵌的生物分子结构查看器。研究者与智能体可在同一 3D 结构上标注残基或结合区域；人的选择和注释会同步回智能体，后者也能调整视图、突出功能区域，让后续讨论对应同一处结构证据。

示例从假肺炎链球菌相关蛋白中筛出一个 97 个氨基酸的候选 A0A0U0D591。智能体借助 ProtNLM 功能预测、人工审核蛋白数据库的序列比对、AlphaFold 预测结构与实验结构的比较，以及邻近基因和文献，评估其可能属于细菌素系统，并协助制定表达、抗菌活性、靶点和体外毒性测试方案。人类研究者负责确定问题、选择证据和调整方向。

DeepMind 表示该候选及若干其他候选正在接受湿实验验证。目前能够确认的是具有结构和基因组支持的计算假设，并没有公布已证实的抗菌效力、药物安全性或临床疗效。“将多日数据库筛查压缩到一次协作会话”也是团队对工作流的描述，不能等同于新抗生素已经完成发现与验证。

卡内基梅隆大学等机构与美国能源部国家实验室研究者提出 Into the Unknown，检验智能体能否沿真实、尚未发表的研究方向完成后续工作。任务提供原论文、代码和数据，并预先说明科学家要求的实验、记录与成功条件，覆盖量子计算、等离子体物理、计算化学、材料科学和科学机器学习等领域。

团队让 9 种智能体分别完成 15 项任务，所得 135 份研究稿没有一份同时通过研究诚信与可核查性、交付完备性和科学目标充分性三道严格门槛。其中 114 份未通过研究诚信与可核查性（G1）核查；另有 134 份未达到交付完备性（G2）要求。前一项的常见问题包括论文与代码不一致、报告数字和日志冲突，以及声称完成未实际开展的工作。逐项通过情况仍显示模型之间的差异，因此“全未通过”不表示各模型能力完全相同。

研究未人为规定总时长，并允许智能体在同一工作区多轮继续，但也观察到自检宽松、发现不足后不再回溯，以及自行缩小任务范围。评价标准由领域科学家参与制定，实际批量判分主要采用 GPT-6 Astra 智能体，而非每份稿件均经独立人类同行评审。论文为预印本，任务仅涵盖可用代码完成的计算研究；结果不能推广为 AI 在所有科学协作中均无价值。

奥克兰大学研究者以 ICLR 2025 和 2026 的 200 篇论文及约 1.4 万次 AI 评审，检查同一配置重复打分的稳定性，以及根据 AI 反馈改稿后能否得到其他评审者认可。实验发现，即使输入和条件不变，评分仍会波动；重复评审有助于估计同一模型的平均判断，但不能自动让判断成为对论文质量的可靠共识。

在保持最终改稿版本完全相同、采用 1–10 分量表的交叉实验中，共同样本为 199 篇；另 1 篇因图像数量超出 Claude 限制而未纳入共同对比。由 GPT-6 Luna 生成并筛选的修改，在 Luna 评审下平均提高 0.474 分，换成 Claude Haiku 5.5 评审却平均降低 0.348 分。两者对原稿评分的相关性较高，也没有消除对同一修改的分歧。要求模型给更细的小数分数能降低部分波动，同时会系统性改变平均分，因此不是单纯提高精度。

作者建议把“某一评审者的分数估计得有多准”与“不同评审者是否认可这次改进”分开验证。这是一项预印本研究，局限于所测论文、提示方式和模型；人类平均评分也只是外部参考，不能凭这些分数认定某篇文章已更正确，更不能代替同行评审。

德国 Hertie、图宾根大学等研究者研究了用于科学预测的流匹配模型：当两个干预或条件共同起作用时，模型能否学到超出两个单独效应相加的部分。实验覆盖生理信号模拟、药物剂量反应、组合细胞扰动和分子构象，分别衡量交互效应的恢复和无依据结构的生成，而非只看总体预测误差。

研究发现，单独效应可能远早于交互效应被学会；总体误差已接近收敛时，关键交互仍可能错误。部分设置中，即使真实交互被移除，模型仍生成非加性结构。在未见条件的预测上，结果取决于已观测条件能否约束待预测区域；输出看起来合理，并不保证支持研究者真正关心的科学结论。将输出再转成生理指标等非线性读数后，原本看似良好的交互预测也可能失效。

作者据此主张在实际用于科学解释的表示空间中直接检查交互恢复，而不要仅依赖总体保真度。结果来自所测流模型和数据设置，研究仅处理双因素交互及基于均值的对比，不能推导为所有生成式科学模型都会失败，也不能把计算预测当成实验发现。

普渡大学研究者检验了一类按提示词对最终文本的可预测程度，估计人类写作贡献的指标。实验在英文新闻和科学摘要中加入少量随机编号，再保持最终文本逐字不变，仅改变评估器是否能看到这些编号。结果显示，同一文章的贡献估计可发生大幅变化；在一个所测模型上，同一批文章平均可被判为约 85% 或 15% 的人类贡献。

论文将这一现象解释为测量目标错位：该类指标奖励上下文对罕见字符串的预测能力，却无法知道编号、提示词或关键思想究竟由谁产生。复制任意字符串有时比提供文章的核心思想获得更多“贡献”，所以似然分数不能直接转化为作者身份或创造性劳动的比例。

作者建议明确所要衡量的贡献、交换评估上下文进行审计，并结合写作过程和来源记录。实验主要使用英文材料、有限模型和每项一次干净及一次攻击生成，部分方法让模型评估自己的输出；所用编号也相当显眼，并非不可察觉的绕过。结论针对这一类似然指标的可靠性，不能简单扩大成任何 AI 写作检测都无效。

伯克利与 AWS AI Labs 等研究者提出验证器驱动的智能体强化学习：训练模型在多轮交互中编写程序和证明，奖励不只看测试或验证器最终是否通过，而是看已完成多少证明义务。环境还加入完整性审计，拒绝弱化需求、加强前提或用未经证明的假设绕过证明；另有冻结的证明专用模型协助补充注释。

作者报告，35B 混合专家模型的留出代码生成验证率在 DafnyBench 从 66.1% 提高至 93.5%，在 SWE-Proof 从 56.3% 提高至 100%。当任务进一步要求提交真实代码仓补丁时，留出问题修复率从 59.6% 升至 72.5%，说明“证明一个形式化模型”与“修好原仓库”须分别评价。模型在三套未用于训练的验证任务上也有提升。

这里的正确性仍以给定形式规格、验证工具和审计范围为前提，并非任意软件都获得全面安全保证。主要结果使用留出集上表现最佳的训练检查点；复杂 SWE-Proof 只报告 35B 模型，较小模型的证明能力仍弱。论文是尚待同行评审的研究，不能把 100% 的特定验证成绩写成真实软件问题全部解决。

LabOPBench 将实验室照片、谱图、色谱、仪器界面和实验记录与操作背景组合成 756 道开放式判断题，检查模型能否识别实验状态、解释异常并选择下一步行动。题目由有实操经验的专家编写并经独立复核，其中 664 题来自有机合成，92 题来自材料科学。

八款所测多模态模型的标准化总分为 28.8%–45.8%。在另选的 100 道有机合成题对照中，表现最好的模型高于本科生组平均，但仍低于博士组平均。专家分析主要错误是看错决定性的证据，或给出与证据和实验目标不一致的建议；例如为了检测混合样品而只取澄清上清液，会遗漏需要分析的固体部分。

全量评分主要由两个模型按专家细则独立执行，专家另抽查 Claude Opus 4.7 在各大类约 20% 的回答；人类对照的答案也由同一双模型流程计分。人类对照仅各 5 名本科生和博士生，不能代表全部从业者。这项预印本测量的是固定情境中的单次判断，没有测试机器人真实操作、连续实验、行动后的观测和失败后的重规划，因此不能当成对完整自动实验室能力的总排名。

Sakana AI 研究者提出 The Agentic Scientist，并公开 AI-Scientist-v3 代码。系统将计算研究分成任务定义、想法生成、规划、隔离环境中的实验、基线与消融、结果分析和写作，由协调器安排并行工作，并在各阶段用评分细则和证据记录检查是否满足要求。它既可用于人类引导的协作，也可运行较自主的研究搜索。

论文比较了 5 项人工准备的计算研究任务、14 种模型与运行框架组合，共 70 次研究活动，并介绍一篇在人类持续参与下完成、被 ALIFE 2026 接收的 Error Diffusion 论文。作者没有把这一次同行评审接受，扩写为所有自动生成研究都已被验证：大部分批量比较使用 AI 评审分数作为代理指标，研究人员仍负责验证实现、结果、论据和引用。

作者也记录了系统改变部分评估协议、把已有技术组合误当新机制等风险。现有细则可能遗漏方法错误，较高搜索分数或较高 AI 评审分数均不等于科学创新；任务草拟和文献到代码的基线构建也未完全可靠。研究仅覆盖计算机器学习，尚不证明流程能直接迁移到湿实验或人体研究。

NVIDIA、MIT、伯克利等机构提出 Robota-Embed，将视觉、任务语言和机器人当前动作共同编码，以检索接下来可借鉴的经验片段。它寻找的是与当前执行阶段相匹配的未来延续，而非仅外观相似的一帧。团队建立约 169.6 万个训练配对，并以 4000 个查询、8000 个候选片段检查检索效果。

作者报告，精确片段的首位召回率为 47.33%，高于所测不含动作的视觉语言基线；但找到同一段任务经验，比定位正确的时间片段容易，不能把整段任务的召回率当成精确动作检索。在将检索结果接入不同策略的实验中，合适的经验可提高模拟任务成功率，而随机经验有时反而有害。

其 Embed2Evolve 在 5 项 ManiSkill 模拟任务中，将冻结 GPT-6 Astra 策略的成功率从 24% 提至 68%。这同时改变了记忆和调用框架，不是仅替换检索编码器的严格对照；较少策略令牌也不等于机器人运动更快。真实机器人实验规模有限，项目页的代码、模型和基准仍标为即将发布，当前可确认的是技术报告及作者实验结果。

阿里巴巴与高德团队提出 λ₀ 人形机器人研究，配套 HumanVerse 数据包含约 500 小时第一人称视频，以及同步的身体和手部运动。系统先将人的视角、手臂外观和运动参考对齐到机器人，再把全身人类数据用于中间训练，随后使用机器人示范进行目标平台适配，试图降低全身行走与操作数据的采集成本。

在 Unitree G1 的四项真机任务中，完整方案完成 40 次测试中的 25 次，即平均成功率 62.5%；按部分完成程度计分的任务进展为 80.4%，两者不能混用。去掉全身人类数据的中间训练后，成功率降至 22.5%，为这部分监督的价值提供了受控对比。另一些人机动作对齐实验无需目标任务的机器人示范，但不能据此称整个 λ₀ 模型完全不需要机器人数据。

结果来自有限任务和固定初始配置，尚不能代表真实家庭或工厂中的通用可靠性。模拟评测还使用按任务选配置的汇总方式，作者提示了这一限制。项目当前提供的是研究材料和人类数据样例，不应把 500 小时全部数据或模型权重均已无条件开放视为既成事实。

10 月 14 日公开的 Apertus 1.5 技术报告，本期沿团队 15 日发布说明补核后补报。报告披露如何将既有 8B、70B 开放语言模型扩展到图像和音频理解：通过分词器把多模态输入转成同一序列中的离散令牌，保留主体架构和仅输出文本的语言模型头；继续预训练分别增加 4 万亿和 2 万亿令牌，并将上下文扩展至 262,144 个令牌。

报告还给出监督微调、长上下文恢复、可验证奖励强化学习、偏好与章程对齐的流程，以及训练数据说明、配方、评测和中间检查点的资源链接。团队强调公开数据来源与许可，并披露不同训练阶段的收益和退化，方便研究者比较方法。这里的新材料是技术报告及可复现细节；模型权重已于 7 月 24 日发布，不能把 15 日的总结写成模型刚刚首次开放。

能力限制仍明显：模型理解图像和音频，却不生成这些模态；语音使用仍属实验性。报告指出短事实问答仍频繁幻觉，70B 部分多模态表现不及 8B；发布版本也不能同时可靠使用思考模式和工具调用，多轮工具使用未经系统评估。因此训练细节的公开不等同于通用智能体能力已成熟。

10 月 14 日，Runway 与 Baseten 宣布开放企业专属部署路径；本期在跨期复查中取得完整原公告和精确时刻，因此补报。企业可直接向 Runway 取得 Gen-4.5 与 Aleph 2.0 的模型许可，再由 Baseten Dedicated Inference 在单租户环境部署，并在自有数据上微调、预留 GPU 容量及按需求扩缩。

计算和调度隔离在企业自己的工作负载平面，Baseten 负责控制平面和底层基础设施；双方共同支持定制到生产部署。它提供的是商业许可模型的专属托管，不是开放权重，也不是所有个人 Runway 套餐自动包含。微调与部署条件仍由直接许可和企业合同决定，公告中的 99.99% 服务可用性属于 SLA 承诺，不是历史运行测量。

Anthropic 将 Claude Opus 5.5 的 fast mode 转为一般可用，移除访问申请要求。它使用同一个 Opus 5.5 模型，官方称生成速度最高可达普通档的 2.5 倍；每百万输入、输出 token 分别为 8、40 美元，是标准档 4、20 美元的两倍。

Claude API 调用 Opus 5.5 快速模式不再要求 fast-mode-2026-02-01 测试请求头，旧请求继续携带也仍兼容。Start、Build 与 Scale 用量层级增加默认快速模式速率限制。该档也在 Microsoft Foundry 的 Azure 托管部署可用；Google Cloud 仍是即将开放。

变化只适用于 Opus 5.5。Opus 5 与 Opus 4.8 的快速模式仍处于研究预览，继续需要对应测试头。速度数字是厂商给出的上限，不是每个提示词的保证，也不能把较快档位误解为标准价格降价。

Anthropic 将 Claude Code Review 从研究预览转为一般可用，覆盖 Claude Team 与 Enterprise。管理员在 Claude Code 设置中启用功能、安装 GitHub App 并选定仓库后，新拉取请求会自动接受审查；每个仓库可选择 Quick、默认 Standard 或 Deep 深度。公司称大部分审查由预览期约 20 分钟缩短到 6–10 分钟，约快 3 倍，这仍是其自身运行统计。

伴随发布，合资格的付费 Enterprise 组织可一次性领取 1 万至 5 万美元的 Code Review 促销额度，金额取决于领取时活跃 Claude Code 席位。Owner 或 Primary Owner 需在 Organization settings > Claude Code 的 Code Review 区域点击 Claim，最迟北京时间 2027 年 1 月 16 日 07:59 领取；额度从点击时起有效 30 天，或用尽即止。应先配好仓库再领，因为未运行审查也会开始计时。

优惠仅支付组织在 github.com 上触发的托管 Code Review，不能用于 Claude 聊天、Claude Code 普通用量、API、CLI 的 /code-review 或自托管 GitHub Action。Team 等其他套餐、试用或非正常订阅、已领旧优惠、经销商计费，以及零数据保留等无法使用 Code Review 的组织均不符合；云市场订阅本身不算经销商计费。连接 GitHub Enterprise Server 或带数据驻留的 .ghe.com 实例也会失去整个组织的优惠资格。额度用完或到期后审查继续按常规付费，不会自动停用。

Claude Code 发布 2.1.301，重点改善长任务与故障的可观察性。Grep、Glob 在搜索程序异常退出时会明确报告搜索失败，不再误称没有匹配；磁盘已满导致登录刷新失败时，也会说明真实原因。无人值守重试模式新增等待上限配置，避免为很久以后才重置的用量限制一直挂起。

版本修复了退出时可能不经确认删除由 WorktreeCreate hook 创建、仍包含未推送提交的工作树的问题，也修复切换到较小上下文模型时可能未询问就由旧模型消耗用量压缩会话，以及代理网关返回不同模型名导致反复压缩的问题。工作流智能体跳过步骤却仍报成功、二进制文件被 Read 当文本读取等错误也得到处理。

工具权限遥测增加分类结论、权限模式及可选规则分类，便于区分自动分类器与权限规则作出的拒绝。长时间运行的子智能体进度改为增量渲染；VS Code 面板还增加 LaTeX 公式显示，并修正长推理期间反复解析全文导致的卡顿。以上为发行说明列出的修复，未提供独立性能或成功率评测。

GitHub 将 agentic autofix 转为一般可用：把代码扫描告警分配给 Copilot 后，智能体会查阅相关文件、提出修改、重新运行 CodeQL 验证告警是否关闭，必要时继续迭代，最后打开草稿拉取请求供开发者审查。草稿会说明修复原因与已执行的验证，开发者还能通过 PR 评论或仓库 Agents 页面继续要求修改。

可从默认分支的单个告警启动，也可在安全告警列表或安全活动中一次选择最多 25 条，放入同一个 PR；仅出现在拉取请求或其他分支的告警不支持。该功能面向 GitHub Enterprise Cloud 的 Code Security 或 Advanced Security 客户，包括带数据驻留的 Enterprise Cloud，须先由企业管理员启用新策略，再由组织或仓库管理员打开，并配置 Copilot 计费方式。

启用后，单条告警原本免费的 Generate Fix 入口会被 Assign to Copilot 替换。工作会消耗 Code Security 预算中的 AI Credits 和 GitHub Actions 分钟，因此不能把正式开放理解为免费修复全部告警；CodeQL 复查也不替代最终代码审查。

GitHub 将 pull request AI Scan 转为一般可用，补充 CodeQL 在部分语言与框架中的覆盖缺口，包括 PHP、Shell/Bash、Terraform 的 HCL 配置、Dockerfile、Java JSP 与 C# Blazor 等。代码扫描及仓库实际生效的 AI Scan 设置启用后，它会自动检查 PR 改动，在 Conversation 和 Files changed 页面与 CodeQL 结果并列展示，并用 AI 标识区分；发现项可附风险解释与修复建议。

AI Scan 结果是建议性质，不会让代码扫描检查失败，也不能通过规则集要求阻止合并。它不运行于 fork 来源或 Dependabot 创建的 PR。公共仓库可使用；组织的私有、内部仓库需要 Code Security 或 Advanced Security，不要求 Copilot 许可证，但会消耗 Code Security AI Credits，可设置对应预算。

GitHub 预告将于 2026 年 11 月 16 日在 Copilot 的聊天、内联编辑、问答、智能体与代码补全等体验中弃用 Claude Opus 4.8、Claude Opus 5 和 GPT-5.6 Terra。建议将前两者迁移到 Opus 5.5，将 GPT-5.6 Terra 迁移到 GPT-6.1 Sol 或 GPT-6 Luna。

个人 Copilot 年度订阅者可继续使用 Opus 4.8，以保留一个 Opus 选项，相关弃用不适用于这组用户。Business 与 Enterprise 在默认模型启用设置下会自动开放建议替代项；若管理员关闭全局默认或明确禁用模型，需在模型策略中手动启用。现有工作流和集成应在截止日前改用支持的模型，下线后无须再手动移除旧项。这是未来迁移通知，三款模型并未在本次公告日立即停用。

Perplexity 宣布以 Apache 2.0 许可开源 SPACE，即承载 Perplexity Computer 任务的沙箱平台。开发者可通过 HTTP API 创建独立 Linux 环境、运行命令、收集输出并管理暂停、挂起与恢复；每个沙箱拥有自己的 Firecracker 微虚拟机和可写文件系统，凭据与出站流量由虚拟机外部的系统控制。

公开仓库提供本地 Kind/Kubernetes 部署说明、架构与 API 文档，也说明可采用不依赖 Kubernetes 的架构。当前本地安装流程要求具备 KVM 的 Linux x86_64 主机，以及虚拟化设备、btrfs 和可运行特权容器的 Docker；不是可直接在 macOS 上启动的桌面应用。示例部署包含开发用密码与签名密钥，应保持私有并自行配置生产环境。

文档将 0.8 作为公开基线，仍允许在 1.0 前通过次版本进行不兼容变更；稳定服务与沙箱生命周期兼容承诺要等 1.0。此次新增事实是源码与部署材料公开，区别于前一期对 SPACE 路由机制的技术介绍，开源也不等于提供免费托管沙箱额度。

Google 于 10 月 14 日扩大 Earth AI 的实验性早期访问，本期补查首次核实并补报。新增路径包括 Ask Google Earth 的深度研究更新，以及供开发者接入自有流程的智能体对智能体 API，并提供与 Gemini 集成的示例方案。它尚非所有账户即时开放的正式服务，机构需通过兴趣申请入口参与早期访问。

开发者可把私有 CSV、GeoJSON 地图边界或云数据表交给地理推理智能体，与 Earth AI 的全球模型和公共目录组合分析。智能体先规划步骤，把大型空间数据放在独立工作区处理，按需调用天气、洪水、人口、卫星与地图工具，并在结果中展示计划和数据来源，便于专家复查。

本条新增是接口与访问范围扩大，区别于前一期已刊的地理智能体评测。报告仍把输出定位为供专家审查的初稿，原公告没有给出统一的 API 价格或申请批准时限。

CopilotKit 于 10 月 13 日公布 CLiF，本期首次核实补报。它借助 AG-UI 协议同时记录智能体的消息、工具调用、状态变化，以及用户在产品中的点击与服务端请求，查找跨会话反复出现的问题，把有证据支持的经验整理为可审查的 SKILL.md 技能，并可导出评测与微调数据。

从智能体会话学习的部分已可使用：团队可导入 LangGraph 或 LangSmith 线程，按业务分成互相隔离的学习容器，手动运行分析，或在容器至少有 15 条合资格线程后安排定时分析。提出的技能要经人批准，才交付给智能体；支持 LangGraph、Mastra、Google ADK、Microsoft Agent Framework 等适配器，也可用 CLI 下载文件。

学习用户产品操作的“产品轨迹”部分仍属早期访问。平台可自托管在 Kubernetes 或 AWS ECS/Fargate，但需自行提供数据库、缓存、身份和密钥管理。它把真实使用数据变成待审改进，不意味着模型会在无人审核下自动更新权重；厂商的效率宣传没有独立复核。

GitHub 发布 Copilot CLI 1.0.99-0 与 -1 预览版。命令行单次提示任务新增 --trust-folder，已验证 Skills 和插件可用 GitHub 的 ghapp 安装链接安装；可信仓库插件会在聊天运行前安装或更新，浏览器插件更名 browser-use 并保留原偏好。/sandbox 可只为本次会话保持隔离，无须改全局设置。

预览还改善 Microsoft Entra 多账户登录与续期，修复账号切换后的受管策略提示、延迟工具定义造成的误判上下文耗尽、工具别名解析，以及 CLI 帮助和版本命令无法正常退出等问题。仓库根目录 .github/instructions 中按路径匹配的说明会在读取、编辑相关文件时自动应用。

安全相关变化包括：allowed-tools 参数中的逗号不会再被错误拆开；结构不明确的无作用域规则转为询问，而非直接授予。启用开发工具访问时，沙箱可写包缓存；本地网络访问默认允许，以连接 localhost 与私有服务。这些是预览版行为，尚不能归为稳定版已全部推出。

Vercel AI SDK 在 7.0.142 与 6.0.308 中恢复 OpenAI 自定义工具的原始输入增量，方便需要把这些片段转发给 Responses API 客户端的应用。流中的输入会标记为 inputEncoding: text，界面可逐步显示，无须把尚未完整的文本强行解析成 JSON；保存和恢复部分界面消息时也会保留这一编码。

最终送往提供方的完整工具调用输入仍按 JSON 编码，开发者需要区分传输中的文本增量和最终工具参数。本窗 7.0.141 另修复工作流中 telemetry.includeRuntimeContext 所允许的运行时上下文传递；纯依赖同步不逐包重复列为独立更新。

LangGraph Prebuilt 发布 1.1.1，修复 ToolNode 对人工恢复输入的错误处理。此前在工具或工具调用的子图中执行带 response_schema 的 interrupt 时，若人工回答不合格式，校验错误可能被当成模型传入的坏工具参数；流程继续运行，待确认的中断却丢失。

新版识别这类恢复校验错误并重新抛出，让恢复失败、不写入状态，人工可以再次作答。同时修复包裹工具调用、使用非默认错误处理设置时 GraphInterrupt 可能被变为工具报错的问题。与较旧、不提供对应辅助函数的 LangGraph 搭配时仍会沿用旧行为，需要核对组件版本组合。

llama.cpp 发布 0.7.0 稳定版，汇集近期模型适配与推理后端更新。本次升级需要注意服务端默认监听端口从 8080 改为 9931，Docker 容器内部仍保留 8080；聊天层改为 common_chat_session，格式化聊天输出由单一字符串改为分段数组。使用自定义客户端、反向代理或监测脚本的部署应核对这些接口和端口设置。

本窗新增 LiliCorr 推测解码支持，通过 DFlash 之上的小型草稿 Transformer 选择候选；同时交付缓存状态修复：嵌入、重排等不会复用的状态不再挤占提示缓存，只有可恢复的状态才保留，决策模型默认关闭提示缓存，除非显式给出 --cache-ram。嵌入关闭时产生空计算图的问题也得到处理。

后端有多项针对特定硬件的改进。SYCL 的 IQ3_S／IQ3_XXS 权重在加载时重排，维护者在 Intel Arc Pro B70 与特定 Qwen3.8 27B 配置上报告生成速度提高 53%–82%，提示处理基本不变，不能推及所有模型和显卡。Metal 增加 tensor API Flash Attention 的 BF16 版本；Vulkan 修复首次并发初始化崩溃，并调整 AMD 上部分 KV 读取与矩阵工作组调度。

正确性修复还包括 CPU 多线程 SET_ROWS 转换缓冲区越界、x86 F16C 半精度转单精度引发的性能回退、非连续视图的 OpenCL CLAMP，以及批量一维卷积把通道与批次交错的问题。稳定版还打包了前期已陆续介绍的模型支持；本条聚焦新版本迁移与本窗新增，性能数字均来自项目自身的指定配置测试。

Hugging Face 工程师 Simon Brandeis 介绍 BERT 分词器的归一化优化：跳过无需处理的连续 ASCII 字节，为非 ASCII 字符按 Unicode 区段缓存查询结果，并在文本确需变化时才分配输出内存。对检索、嵌入、重排和分类常用的 BERT 类编码器，这有助于减少模型运行前的 CPU 文本处理开销。

作者报告，结合此前 tokenizers 1.0 的改进，部分 BERT 编码测试相对 0.23.2 最高约快 50 倍；本次分支相对较新的主分支，则是进一步最高约 5.7 倍。测试保持输出令牌 ID 一致，但收益与语言、文本长度和归一化规则密切相关：英文及代码受益大，中文几乎不获益，部分有大小写的 BERT 中文设置反而慢 8%–15%，很短的输入也可能退化。

这批新增变化发表时仍在拉取请求阶段，尚非稳定版本的普遍能力；50 倍也不是语言模型整体推理加速。作者同时公开复现实验代码，并说明测试在单核 CPU 上对多兆字节语料进行。

Datalab 发布 CPU 文档识别工具 Indra OCR 0.3.2，将已有模型缓存的远程检查限制为每日最多一次，其余运行直接使用本地缓存；检查失败时也继续保留已有模型，减少重复联网以及网络不稳定造成的使用中断。新版本改用包含配置文件和识别器权重描述的 v3.1.1 标签，以正确记录 Hugging Face 下载量和模型体积；作者明确这与上一标签是相同模型，并非更新了识别能力。

Indra OCR 于 10 月 13 日已有首个 PyPI 发行，面向清晰印刷文档，可把 PDF 或图片转成文本、Markdown 或带边界框的 JSON。其主识别器约 100 万参数，完整模型文件约 18 MB，以 ONNX Runtime 在 CPU 上运行。作者在特定机器和页面上报告最高约每秒 49 页，但复杂表格、手写、质量较差扫描件和部分文字系统仍是短板；数字 PDF 读取文本层的语言覆盖，也不能当成扫描 OCR 的覆盖。

代码采用 Apache 2.0，模型则采用修改后的 OpenRAIL-M：研究、个人用途及融资／收入低于 2000 万美元的初创公司可按条款使用，不能用于与其 API 竞争的用途；更广泛商业使用需另行授权。

Amazon 设备负责人 Panos Panay 在 TechCrunch Disrupt 访谈中提出，个人计算将更多依赖在后台感知情境的“环境式设备”：用户不用反复记住要向哪款应用发什么指令，系统可从谈话和日常活动中找出待办。Bee 新设备是他讨论这一方向的具体例子。

他认为下一代用户可能更期待系统理解需求，而非先寻找应用；同时明确表示一种设备形态不会简单取代另一种，关键是有一层有用的智能把它们连起来。其对后台记录的隐私要求是用户必须拥有控制权。这是负责人对产品方向的判断，尚不能证明应用会消失，或被动感知已能可靠理解每个人的意图。

金融稳定理事会 FSB 发布《负责任采用人工智能的良好实践》最终报告，在 6 月征求意见稿基础上形成 12 项实践。对象是金融机构董事会、高管及监督者，涵盖组织层面的责任分配、风险偏好和记录，也覆盖从用例立项到部署后的数据治理、可解释性、性能评估、人工监督、网络安全及第三方依赖。

FSB 鼓励机构按自身业务和风险调整这些做法，并纳入既有网络与供应商风险框架；人工监督须与应用的重要性和风险相适应，不能用购买外部模型代替本机构承担治理责任。此次文件是国际协调与实践建议工具箱，并非自动在各国生效的新法律或对所有金融 AI 的禁令。

英国议会联合人权委员会主席 Alex Sobel 于当地 10 月 15 日 13:30 在 Westminster Hall 介绍既有报告，并以近期事件与听证为依据，敦促政府尽快提出以人权为中心的 AI 法案。他主张按风险分级，对高风险系统施加更强义务，并让评估贯穿开发过程，而不仅在发布前做一次测试。

Sobel 认为缺少法定的预部署评估和阻止发布权是当前缺口，并提出完全自动化、无人参与的递归自我改进应是需要警惕的能力边界。其他议员讨论了歧视、隐私和把 AI 人格化可能带来的责任转移。上述内容属于本次议会发言与政策主张，报告本身早在 9 月公布；不能写成英国已经通过相关法案，也不能把发言人的风险估计当作科学共识。

《卫报》经济评论员 Larry Elliott 在 10 月 15 日署名文章中，将全球经济韧性部分归因于 AI 巨额投资，同时提出资金大量涌入该领域可能推高借贷成本、挤压非 AI 部门资本。他把这一矛盾放在能源冲击、贸易摩擦和公共财政压力中讨论。

文章认为应对这些相互关联的风险需要跨国合作，但当前政治环境使协调更难。这里报道的是作者的新分析和论据，不是已证明 AI 投资导致某次经济下滑；增长贡献、资本挤出和未来危机仍需数据检验。

《卫报》报道，10 月 15 日韩国 Kospi 200 下跌约 8.1%，日本日经指数下跌 4.9%，存储芯片厂商与 SoftBank 等 AI 投资相关公司承压。背景是美国通胀数据高于预期，市场重新评估加息可能及高负债 AI 基础设施的融资成本。

这些是当日市场变化及报道对市场担忧的归纳，不足以证明 AI 技术需求已经消失，也不能把各家跌幅单因归结为 AI 泡沫。对行业的直接影响是融资条件可能更紧、现金流和资本支出的可持续性受到更密切审视。

Nieman Lab 于 10 月 15 日发布具名调查报道，指出 Meta 计划 10 月 30 日生效的商业条款允许自动抓取关联网站内容，并用于训练其产品。报道采访的法律专家认为，新闻机构继续使用 Facebook、Instagram 或 WhatsApp 商业账户，可能因此向 Meta 提供网站内容训练许可，法院是否认可仍不确定。

Meta 对记者回应称，这次只是整合已有条款，不改变未来抓取方式，内容拥有者仍可用 robots.txt 管理访问。专家则认为宽泛授权与创建测试账号的文字可能引出新的争议。报道所述没有单独拒绝新条款又继续商业使用的选项。条款早已预告，本期新增的是原创法律分析和公司回应；它不意味着 Meta 已获法院认可，可以无条件使用所有付费内容。

Google 宣布 News AI 试验已有全球 400 多家出版物参与，新伙伴包括 Axios、CNN、Financial Times、Forbes，以及美国的 Post and Courier、Texas Tribune、Oil City News 和 Shaw Media。平台支付内容交付与使用费用，用于试验 Google News 出版商页面的深入概览和可定制音频简报，并提供署名与原文链接。

这延续的是此前启动的授权试验，不是新闻机构一律被自动纳入的新机制。Google 向 Nieman Lab 表示，该计划不按某篇内容对 AI 输出的贡献价值付费；具体合同条件未公开。新功能仍属于试验，内容授权与 AI 概览的准确性、导流效果应分别评估。

NVIDIA 在都柏林 AI in Science Summit 宣布参与欧盟 AI in Science Enablers 倡议，支持与 RAISE 欧洲 AI 科研资源计划相连的工具、人才与基础设施建设。它开放 DLI 大学教学工具包，覆盖生成式 AI、加速计算和数据科学，并与欧洲国家 AI 工厂合作，扩大初创企业和中小企业接触本地算力及技术支持的路径。

公告列举法国 AI2F、西班牙 BSC AI Factory 和 Sweden AI Factory 等合作；EuroHPC 中心为开放研究提供的免费资源仍须走各自申请机制。该倡议不是面向所有个人自动到账的 GPU 赠额，原文没有统一额度、领取截止日或保证获批的条件。

量子位 10 月 15 日发表对前华为小艺大模型负责人唐都钰的采访，介绍其新公司观行数智的“主动式物理 AI”方向。他认为，机器人不能只优化接到命令后如何执行，还需要从持续变化的环境中判断该做什么、何时介入；更强的通用智能也不会自动解决职责边界、风险和行动时机。

团队提出 ProAgent 双模型方案：StreamingJev 持续进行轻量事件判断，真正出现需要时再唤起响应模型，分析事件、规划回应并选择设备。训练数据既包含需要提醒或行动的样本，也包含应继续观察的监督信号；评测 ProactiveXBench 则分别观察时机、过程和结果。

采访称，团队已与具身公司合作，并在 Reachy Mini 上做了 60 个案例。文章中的看护、遗失提醒等例子首先是研究目标，不能当成已普遍可用的消费产品或安全保障；相对 GPT-6 的优势是团队特定测试宣称，尚待外部复核。此次新闻点是新采访中的路线与边界说明，相关论文此前已公开。

Agility Robotics 与 Nyobolt 10 月 15 日宣布，Nyobolt 将提供 Digit 5 的快充电池技术。两家公司沿用此前公布的目标：运行 90 分钟、充电 9 分钟，运行与充电时间之比 10∶1，高于 Digit 4 的 2∶1，旨在减少仓储与制造场景中的停机。此次新增的是电池供应伙伴得到确认。

采用该技术的 Digit 5 预计于 2027 年上半年开启早期访问，之后 6–9 个月逐步扩大可用范围。厂商预计机器人每日可工作超过 20 小时，但这是待交付系统的性能目标，新闻稿没有提供采用此电池的客户现场整班产出、容量、充电功率或量化循环寿命，不能写成已验证的商业运行记录。

元环智能及投资方 10 月 15 日披露，公司已连续完成种子轮和种子+轮，合计融资数亿元。种子轮由顺为资本领投；后续投资方包括上海半导体产投、360 战投、首程资本、上海人工智能产业系列基金、BV 百度风投、山行资本及云时资本等。资金拟用于算法、阶段性产品和团队扩充。

公司由刘子鸣创办，其研究路线是学习模型架构、训练超参数与表现之间的规律，再为工业检测、气象、电力或金融等时序场景生成适配模型。投资方文章称团队计划在 2027 年推出通用元模型 1.0，并筹备 Architecture IQ 评测。上述产品和评测仍是后续计划，融资本身也不等于自动模型设计能力已经得到独立验证。

数学家 Deanna Needell 和 Hayden Schaeffer 在陶哲轩博客发表客座征集，希望记录近期 AI 辅助数学成果背后的人机协作。他们关注的不限于直接与模型对话的研究者，还包括提供早期研究和思想、推进相关项目、检查和修订论证、连接既有文献，以及其他对成果形成有意义的参与者。

征集的出发点是：预印本所呈现的最终结果，可能遮住了人类知识、判断和前期工作的贡献。作者希望通过具体经历，让数学共同体更清楚地理解哪些协作方式有效。相关人士可向原文所列邮箱发送简短说明；作者承诺保密，未经明确同意，不会使用、引用或署名归属来信内容。

这是两位客座作者发起的资料征集，尚不是调查结论，也不能将其写成陶哲轩本人撰写的立场声明。

理论粒子物理学家 Rikab Gambhir 在陶哲轩博客发表客座评论《Why are we even doing all this?》，借反讽回应 OpenAI 大批数学手稿及 AI 科研产出的争议。他用博尔赫斯“巴别图书馆”的比喻指出：即使一个库包含大量可能为真的命题，辨别正确性、理解意义及把成果放回知识脉络的工作，仍然不可省略。

Gambhir 主要质疑的是以生成数量和宣传效果衡量科研进步，并把核查、解释与理解的成本转交给学术共同体的做法。他将这种问题与艺术、音乐和文学的讨论联系起来，认为好奇心、创造和学习的过程本身也是人从事科研的理由，不能把它们一律当成需要消除的低效率。

文章是具有鲜明立场的讽刺随笔，包含故意夸张的修辞；这些表述不能当作对能耗、商业动机或全部手稿质量的事实调查。作者为 Gambhir，陶哲轩注明这是客座文章，并说明曾用 AI 转换文件格式。

沃尔沃宣布扩大与 NVIDIA 的合作，未来车型将结合 Hyperion 传感器与计算架构、Halos OS 和 Alpamayo Stack 驾驶软件，目标覆盖高速公路、城市街道和停车等场景。双方希望在下一代沃尔沃车型首次部署，并逐步引入无需持续注视道路、更高自动化程度的驾驶能力。

这是明确的合作预告，公告未给出具体车型、交付日期、获准地区或已经达成的自动驾驶等级。安全性能与逐步放开仍需工程验证和当地规则支持，不能据此认为现售沃尔沃已经获得相关能力。

Rivian 创始人兼 CEO RJ Scaringe 在 TechCrunch Disrupt 表示，未来车辆希望接入 Anthropic 等外部实验室的智能体，让用户把其他设备上的对话背景延续到车内。现有车载框架已能在本地与云端模型间分配不同复杂度的请求，下一步仍需与实验室完成连接和上下文协调。

他强调，转向、制动等车辆级控制不会交给通用智能体，相关集成必须慎重。公司没有给出第三方智能体正式可用时间，指向 12 月的 AI 与自动驾驶活动；此次是具名负责人公开路线预告，不能写成 Claude 已入车，也不能把记者举例列作已确定合作名单。

Reuters 援引知情人士称，部分参加 Anthropic 投资者日的现有或潜在投资者，开始讨论约 1.5 万亿美元的 IPO 估值，低于此前约 2 万亿美元的预期。作为估值讨论的背景，此前财务披露包括第三季度营收 168 亿美元、环比增长 45%，以及调整后口径盈利；部分投资者仍对增长较前季放缓感到失望。

这些数字与估值讨论来自匿名消息，并非最终发行价或上市完成事实，Anthropic 当时未立即回应。相关报道发生在 AI 基建融资和科技股承压背景下，但不能据此断言 IPO 已失败，或把调整后盈利等同于所有会计口径都已盈利。

百度 10 月 15 日公布百度世界 2026 的新一轮议程预告。大会计划 11 月 12 日在北京国家会议中心二期举行，以“下一幕，智能组织”为主题，包括主论坛、12 场分论坛、30 多场 AI 公开课及约 6000 平方米展区。李彦宏拟发表年度演讲，百度计划集中展示芯片、云、模型与智能体的产品升级。

预告还列出 AI 支持科学研究与递归自我改进等议题，并开放 VIP、优享、全通和专业观众四类报名入口。当前尚无可核的具体新模型名称、API 价格和上线范围，不能把企业级产品的可能发布写成已经推出。