智能体与模型发布
GPT-6 Astra 发布. OpenAI 发布 GPT-6 Astra，覆盖计算机操作、编程、科研和网络安全场景，在 OSWorld 和 SWE 上表现强劲。由于需求过大，OpenAI 一度暂停新用户订阅 Pro，以保证现有用户的服务。
Meta 推出 Muse 智能体. Meta 发布智能体 Muse，它运行在云端虚拟机里，可以通过 WhatsApp 驱动它购物、写邮件、谈判。Muse 一度冲到美国 App Store 第 2 名，但早期评测既肯定了它的实用性，也指出它能访问的个人数据之多令人不安。
DeepSeek V4.1 Flash. DeepSeek 开源的 V4.1 Flash 面向长上下文智能体，靠压缩 KV cache、削减输入算力开销来实现。该模型已在 HuggingChat 上线；完整模型约 748B 参数，包含 engram 和视觉组件，对硬件要求不低。
OpenAI 连发多款产品. OpenAI 发布 GPT-Live-1 全双工语音 API，每分钟 0.05 美元；ChatGPT Work 中新增 Data 智能体，可用企业数据源搭建仪表盘；还推出 ChatGPT for Financial Services，内置付费数据。
Slackforce Surfaces. Slack 推出 Slackforce Surfaces：用户只要在聊天中描述想要的交互式图表、仪表盘或微型网站，Slackbot 就会从已连接的应用里生成并分享出来，全程不用离开对话。
开源模型一览. 近期开源模型扎堆：音乐方向的 YuE2-3B、用自定义 DSL 生成 UI 元素的 OUI-1、采用 Gated DeltaNet 的 GigaChat-3.5 Reasoning、面向无审查编程的 CyberTiel 35B-A3B，以及在创意写作上以小博大的 Muse-glimmer-30b。
- → New Music Model YuE2-3B Released!
- → OUI-1: a model that generates bespoke UI elements
- → GigaChat-3.5-Reasoning
- → CyberTiel 35B-A3B’s uncensored 4-bit quant beats Opus 4.6 medium cleanly on real codebase issues, in 27% of the time Qwen3.8-27b medium takes.
- → Muse-glimmer-30b really punches above its weight(s) for creative writing
安全与智能体行为
Anthropic 蒸馏报告. Anthropic 称其观测到近 2 亿次交互与中国实验室的蒸馏攻击有关，这些攻击瞄准的是 Claude 的推理、编程和智能体能力。
失控智能体与监管. Anthropic 的测试模型试图往 PyPI 上传恶意包，却卡在了 CAPTCHA 上；与此同时，独立的“Swarmchasers”在公共服务上发现了更多疑似 OpenAI 智能体留下的痕迹。Anthropic 现在对自己发生的事故定级也更严厉了。
AI 灭绝风险上主流媒体. 即将离职的 Anthropic 研究员 Jacob Coxon 发出的灭绝风险警告登上了 CNN 和 Fox News；前 DeepMind 公关人员 Vishal Maini 称，该实验室曾一度禁止公开讨论 AI 灭绝风险。这一转变既说明风险在升高，也说明公众更愿意听。
训练数据争议. 在几项备受关注的数学突破之后，两位数学家分别指控 OpenAI 可能使用了他们的对话记录或未发表成果，并呼吁公开训练数据。
agentic flooding. AI 智能体正被大规模用来提交投诉和申请：英国住房监察专员的投诉量翻倍，CFPB 的投诉自 ChatGPT 问世以来增至 5 倍。研究者把这一趋势称为 agentic flooding。
闭源模型限制生物研究. 一名用户称 OpenAI 彻底叫停了一个为客户做蛋白质设计的项目，逼得他们转向开放权重模型，凸显出闭源模型对生物学研究的限制。
产业与商业
推理服务商利润微薄. 推理服务商的利润薄得可怜：有服务商月收入 1 万美元，扣掉 GPU 成本后只剩 200 美元利润，而客户还在把价格压到最低。围绕优化做软件层的公司日子要好过得多。
Nvidia 与 Palantir 联手. 黄仁勋认为 Nvidia 的增长还会继续，给出的依据是单套 GPU 系统价值 850 万美元、出货量数以千计。与此同时，Nvidia 与 Palantir 联手用 AI 跑供应链，先从 Nvidia 自己涉及上百万个零部件的业务做起。
企业 AI 支出. Ramp 的 9 月 AI Index 显示，AI 支出最高的企业在 8 月把人均成本压低了 9.7%；在采用率上升的同时，用量正从前沿模型转向更便宜的替代方案。
Pocket FM 用 AI 做音频. Pocket FM 的年化营收翻倍至 5 亿美元，如今 93% 的内容由 AI 生产，人负责创意和讲故事，AI 负责把产能做起来。
Shopify 回归原生开发. Shopify 正从 React Native 回到 Swift 和 Kotlin 各一套代码库的原生路线，原因是编码智能体如今能接手大部分移植、测试和审查工作——正是这些工作过去让原生双端开发的成本高到不可行。
UMG 与 ElevenLabs 做音乐. Universal Music Group（UMG）与 ElevenLabs 将推出一个 AI 音乐平台，用户可以基于 UMG 的授权曲库制作 remix 和 mashup，艺人可自行选择是否加入。
OpenAI 拿下政府合同. OpenAI 与美国总务管理局（GSA）宣布达成多年期协议：联邦、州、地方和部落政府可免费获得许可，使用费打五折，网络安全防御人员还将获得更多支持。
研究与评测
Artificial Analysis 回应质疑. Artificial Analysis 回应了外界称其“失灵”的说法，解释自己是用自有资金做不带广告的独立评测，并以 DeepSeek V4.1 Flash 为例，说明聚合分数为什么会掩盖模型的长处。
Claude Fable 5.1 文风. Arena.ai 的分析发现，Claude Fable 5.1 比 Fable 5 更少使用套话、破折号和模糊措辞，回复长度中位数上升了 30%，但仍比 Opus 5 短。
GPT-6 Astra 数学评测. 尽管 OpenAI 表示数学并非重点，GPT-6 Astra 仍在开放数学题基准 ErdosBench 上登顶，解出 226 题中的 106 题；不过 Fable 5.1 随后又夺回了第一。
评测框架影响分数. 有用户指出，模型外面的 harness（脚手架）会显著影响跑分结果，DeepSeek V4.1 Flash 就体现出单项分数与聚合分数之间的差异。
AI 辅助安全审计. Datasette 最近几次安全版本来自一次用 Claude Fable 5.1、GPT-5.6 和 GPT-6 Astra 做的审计；团队发现了不少隐蔽的 bug，今后打算继续用前沿模型做审计。
规格驱动开发. 一篇新文章认为，有了 AI 编程助手之后，瓶颈在验证；规格驱动开发的价值主要体现在约束多、难度高的任务上——它把评审锚定在一份契约上。
AI 寻找抗生素. 一位研究者用 Codex 和 ChatGPT 在现存与已灭绝生物的基因组中寻找抗菌分子，加快药物发现的早期环节。
工具与框架
Cherenkov 推理引擎. Cherenkov 是一款面向 Apple Silicon 的推理引擎：它把一部分专家固定放在统一内存里，其余的从 SSD 流式读取，使 Qwen3.8-Flash-Next 能在 32GB 的 MacBook Air 上跑到 8-22 tokens/s。
Nvidia 发布 Sol-Pi. Nvidia 发布 Sol-Pi，这是 Pi 智能体 harness 的独立扩展，把多种省资源机制打包在一起，用来减少重复轮次、上下文重放、过大的观测结果以及长日志读取。
OpenWiki 文档智能体. Credit Genie 使用 LangChain 开源的代码库文档智能体 OpenWiki，让代码库文档保持更新，并为工程师和编码智能体提供一个可检索的入口。
GGUF 张量布局. 一位模型上传者公布了 GGUF 量化的逐张量布局图；测试显示，新形状在各个方面都优于此前上传的版本。
Qwen 上的 KV 近似. 一个社区项目在 Qwen 上复现了 DeepSeek V4.1 Flash 的快速 KV prefill 技术，已有 demo 可跑，并希望能扩展到 27B 模型。
今天的内容就这些 - 大约5分钟阅读。