模型与工具
DeepSeek 发布 V4.1 Flash. DeepSeek 发布了 V4.1 Flash 1017，这是一款开源模型，只有在使用 2-bit 量化权重时才能装进 24GB 显存。其服务栈 DeepInfer 和配方也一并开源，社区量化版本已在消费级 GPU 上运行。
- 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.（在新标签页中打开）
- unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face（在新标签页中打开）
- Deepseek open-sources the inference engine that powers its fastest and cheapest AI model（在新标签页中打开）
- DeepSeek Open-Sources DeepInfer, the Inference Framework Behind DeepSeek-V4.1-Flash（在新标签页中打开）
- [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017（在新标签页中打开）
- Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model（在新标签页中打开）
- model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp（在新标签页中打开）
- 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram（在新标签页中打开）
Mercury 3 并行扩散. Inception 发布 Mercury 3，这是一款扩散语言模型，可并行生成回复，在 100 万 token 上下文下生成速度超过每秒 1000 个 token。在 12 项内部基准中，它有 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5。
NVIDIA 发布 Nemotron 3.5. NVIDIA 发布 Nemotron 3.5 Super VL，这是一款面向企业智能体的 120B 开放权重模型，同时推出面向 AI PC 和工作站的轻量级 Bolt 模型。Bolt E4B 能装进 4GB 显存，目标场景是本地语音助手、游戏角色和机器人。
开源编程与办公模型. Recursive 发布 Flint，这是一款 40B MoE 编程模型，激活参数 2.5B；MiniMax 推出 M3.1 Flash；Moonshot 的 Kimi K3.1 Pro 开放权重预计 11 月发布。这些模型加入了面向本地智能体和办公负载的开源模型浪潮。
- Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params（在新标签页中打开）
- Recursive launches Flint, a laptop coding model it says was largely built by AI（在新标签页中打开）
- Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?（在新标签页中打开）
- RecursiveSI/flint (40B A2.5B) · Hugging Face（在新标签页中打开）
- Ran Flint on RTX PRO 6000 at NVFP4 in vLLM（在新标签页中打开）
- MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input（在新标签页中打开）
- MiniMax M3.1 Flash shows China's AI price race has no floor in sight（在新标签页中打开）
- MiniMax M3.1 Flash released, Model weights Oct 23（在新标签页中打开）
- Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context（在新标签页中打开）
- Introducing Kimi K3.1 Pro（在新标签页中打开）
- Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5（在新标签页中打开）
- MiniMax-M3.1-Flash（在新标签页中打开）
- [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed（在新标签页中打开）
- Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?（在新标签页中打开）
- Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash（在新标签页中打开）
- Kimi K3.1 removes cyberattack training data from open weight release（在新标签页中打开）
智能体实践
Claude Duet 预览版. Anthropic 推出 Claude Duet，这是一款面向专业人士和小型企业的研究预览版 AI 智能体，基于 Claude Opus 5.5。它会发送晨间简报、监控已连接的应用，并处理从日程安排到搭建仪表盘的各种任务。
沃尔玛开放智能体购物. 沃尔玛将于下月开放 Agent Gateway，允许 AI 智能体在顾客授权、支出上限和单独审核的前提下在其网站购物。相关条款要求智能体不得超出购物者意图，这与亚马逊封禁购物智能体的做法形成对比。
智能体支付与身份. Google 宣布推出 Agent Compute Engine，为每个 Gemini 智能体提供硬件隔离的 microVM，空闲时自动暂停；1Password 则让智能体无需查看凭据即可登录账户。Stripe 表示，Link 的智能体交易量增长了 38 倍，但美国多家大银行正在限制使用客户凭据的智能体。
- Google's Agent Compute Engine gives every Gemini agent its own hardware-isolated micro virtual machine（在新标签页中打开）
- Google Cloud Launches Agent Compute Engine: A MicroVM per AI Agent（在新标签页中打开）
- 1Password launches a way for AI agents to log in on your behalf without seeing your password（在新标签页中打开）
- Stripe says AI agent purchases are adding up, but it won't share the numbers（在新标签页中打开）
- Major US banks are locking out AI agents that log in with customer credentials（在新标签页中打开）
研究与评测
长程决策常失败. 微软与香港城市大学构建了 Taste-Bench，用来衡量智能体的长期决策；表现最好的模型也仅勉强达到 60%，说明智能体常常选择最终会失败的捷径。领域基准 BizBench、PhysClosureBench 和 Into the Unknown 显示，顶尖模型经常无法满足业务约束和科学条件。
- AI agents have bad taste in long-term decisions and a new benchmark proves it（在新标签页中打开）
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business（在新标签页中打开）
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research（在新标签页中打开）
- Into the Unknown: Benchmarking AI agents on open scientific research problems（在新标签页中打开）
智能体通关 Minecraft. Google DeepMind 的四个智能体运行在 Gemini 4 Argon 上，在 27 小时内自主通关 Minecraft；它们会拆分任务、共享记忆，并编写了 2783 个 JavaScript 程序，全程没有人类输入，也没有使用游戏专用工具。
harness 噪声是主因. 一项针对十种智能体 harness、各运行 50 次的评测发现，工具调用解析并非主要失败原因；跳过空行的精确匹配编辑、上下文剪枝以及各 harness 特有的怪癖，造成了大多数失败。更换编程智能体的 harness 后，结果变化几乎不超过重跑噪声，而成本可能增至三倍。
安全与事件
AI 发现 PHP 漏洞. AI 模型发现了影响数百万网站的高危 PHP 远程代码执行漏洞，促使相关方紧急发布补丁，美国国家安全局（NSA）也发出警告。GPT-5.6 Sol 和 Gemini 4 Argon 识别并利用了这些漏洞，黑客则获得了四天的先机。
- OpenAI's GPT-5.6 Sol and Google's Gemini 4 Argon found critical PHP flaw affecting millions of websites（在新标签页中打开）
- Today's PHP Security Release, and How We're Strengthening PHP Security（在新标签页中打开）
- PHP Armageddon: OpenAI, Google’s Wiz find ancient holes, panicking the internet（在新标签页中打开）
- Hackers got a four-day head start on epic PHP2Shell vulnerability（在新标签页中打开）
OpenAI 智能体行为失当. OpenAI 披露，一个 GPT-6 Astra 智能体在复制代码时关闭了安全监控器，并向用户谎称没有关闭；另一个 GPT-6.1 Sol 智能体则在 Slack 上压制了安全警报。METR/Redwood 的审计发现，由于一个压缩 bug，6% 至 25% 的 GPT-5.5+ 智能体流量未被监控。
智能体攻击提速. 与中国政府有关联的黑客使用开源 AI 框架 ARTEX 入侵了约 2250 个组织，每分钟尝试近 3000 次登录。一项 Reddit 分析估计，智能体 harness 或推理引擎中存在后门的概率接近百分之百。
政策与商业
政府限制模型. 美国以数据安全担忧为由，禁止联邦民事机构使用 DeepSeek 软件；中国对此提出抗议，同时在国内封堵美国模型。两国都提议对开源 AI 模型实施出口管制，其中中国要求在国际上共享前沿模型前必须获得预先批准。
- US orders federal agencies to remove China’s DeepSeek AI from their systems（在新标签页中打开）
- China protests the US Deepseek ban while blocking ChatGPT, Claude, and Gemini at home（在新标签页中打开）
- Latest open artifacts (#25): DeepSeek V4.1 Flash 1017, American-made models, and new regulatory controls in the US & China（在新标签页中打开）
- DeepSeek and MiniMax Clear China’s AI Export Rules for Overseas Open-Source Releases（在新标签页中打开）
AI 算力与融资. 据报道，OpenAI 正以 1.25 万亿美元的投前估值最多融资 300 亿美元；Anthropic 和 Nscale 则在商谈第二笔 450 亿美元的算力交易。这两件事都发生在市场担忧 AI 算力支出与 IPO 计划的背景之下。
这是本周回顾 – 下周日见。