模型與工具
DeepSeek V4.1 Flash 發布. DeepSeek 發布 V4.1 Flash 1017，這款開源模型只有在權重以 2-bit 量化時，才能塞進 24GB 記憶體。其推論服務堆疊 DeepInfer 與配方也一併開源，社群量化版已在消費級 GPU 上跑得動。
- 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.（在新分頁中開啟）
- unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face（在新分頁中開啟）
- Deepseek open-sources the inference engine that powers its fastest and cheapest AI model（在新分頁中開啟）
- DeepSeek Open-Sources DeepInfer, the Inference Framework Behind DeepSeek-V4.1-Flash（在新分頁中開啟）
- [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017（在新分頁中開啟）
- Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model（在新分頁中開啟）
- model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp（在新分頁中開啟）
- 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram（在新分頁中開啟）
Mercury 3 平行擴散. Inception 推出 Mercury 3，這是一款擴散語言模型，能平行生成回覆，並在 100 萬 token 上下文下達到每秒超過 1,000 個 token。在十二項內部基準測試中，有八項領先 GPT-6 Luna 與 Claude Haiku 5.5。
NVIDIA Nemotron 3.5 推出. NVIDIA 推出 Nemotron 3.5 Super VL，這是面向企業代理的 120B 開放權重模型，另有一系列輕量 Bolt 模型，鎖定 AI PC 與工作站。Bolt E4B 僅需 4GB VRAM，主打本地語音助理、遊戲角色與機器人。
開源程式與辦公模型. Recursive 推出 Flint，這是 40B MoE 程式碼模型，活躍參數 2.5B；MiniMax 推出 M3.1 Flash；Moonshot 的 Kimi K3.1 Pro 開放權重則預計 11 月釋出。這些模型加入一波瞄準本地端代理與辦公負載的開源模型行列。
- Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params（在新分頁中開啟）
- Recursive launches Flint, a laptop coding model it says was largely built by AI（在新分頁中開啟）
- Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?（在新分頁中開啟）
- RecursiveSI/flint (40B A2.5B) · Hugging Face（在新分頁中開啟）
- Ran Flint on RTX PRO 6000 at NVFP4 in vLLM（在新分頁中開啟）
- MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input（在新分頁中開啟）
- MiniMax M3.1 Flash shows China's AI price race has no floor in sight（在新分頁中開啟）
- MiniMax M3.1 Flash released, Model weights Oct 23（在新分頁中開啟）
- Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context（在新分頁中開啟）
- Introducing Kimi K3.1 Pro（在新分頁中開啟）
- Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5（在新分頁中開啟）
- MiniMax-M3.1-Flash（在新分頁中開啟）
- [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（在新分頁中開啟）
- Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?（在新分頁中開啟）
- 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（在新分頁中開啟）
- Kimi K3.1 removes cyberattack training data from open weight release（在新分頁中開啟）
代理實戰
Claude Duet 預覽. Anthropic 推出 Claude Duet，這是研究預覽版的 AI 代理，以 Claude Opus 5.5 為基礎，鎖定專業人士與小型企業。它會發送晨間簡報、監控已連結的應用程式，並處理從排程到建立儀表板等任務。
Walmart 開放代理購物. Walmart 下個月將開放 Agent Gateway，讓 AI 代理在取得顧客同意、設有消費上限並經獨立審查的前提下，於其網站購物。其條款要求代理不得偏離購物者意圖，與 Amazon 封鎖購物代理的做法形成對比。
代理支付與身分. Google 發布 Agent Compute Engine，為每個 Gemini 代理配發一台硬體隔離的 microVM，閒置時會暫停；1Password 則讓代理登入帳號時不會看到憑證。Stripe 表示，Link 上的代理交易量成長 38 倍，但美國主要銀行正限制使用顧客憑證的代理。
- Google's Agent Compute Engine gives every Gemini agent its own hardware-isolated micro virtual machine（在新分頁中開啟）
- Google Cloud Launches Agent Compute Engine: A MicroVM per AI Agent（在新分頁中開啟）
- 1Password launches a way for AI agents to log in on your behalf without seeing your password（在新分頁中開啟）
- Stripe says AI agent purchases are adding up, but it won't share the numbers（在新分頁中開啟）
- Major US banks are locking out AI agents that log in with customer credentials（在新分頁中開啟）
研究與評測
長程決策失準. Microsoft 與香港城市大學打造 Taste-Bench，用來衡量代理的長期決策；最佳模型僅勉強達到 60%，顯示代理常選擇日後會失敗的捷徑。領域基準測試 BizBench、PhysClosureBench 與 Into the Unknown 則發現，頂尖模型經常無法滿足商業限制與科學條件。
- AI agents have bad taste in long-term decisions and a new benchmark proves it（在新分頁中開啟）
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business（在新分頁中開啟）
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research（在新分頁中開啟）
- Into the Unknown: Benchmarking AI agents on open scientific research problems（在新分頁中開啟）
代理通關 Minecraft. 四個以 Gemini 4 Argon 運行的 Google DeepMind 代理，在 27 小時內自主破關 Minecraft；它們會分工、共享記憶，並在沒有人類輸入或遊戲專用工具的情況下，寫出 2,783 個 JavaScript 程式。
瓶頸不在解析. 一項針對十種代理 harness、執行 50 次的評測發現，工具呼叫解析並非主要失敗原因；會跳過空白行的精確比對編輯、上下文裁剪，以及各 harness 特有的怪癖，才是多數失敗的來源。替換程式代理 harness 後，結果變化幾乎不超出重跑雜訊，成本卻可能增至三倍。
安全與事件
AI 挖出 PHP 漏洞. AI 模型發現影響數百萬個網站的 PHP 嚴重遠端程式碼執行漏洞，促使官方緊急修補，NSA 也發出警告。GPT-5.6 Sol 與 Gemini 4 Argon 找出並利用了這些漏洞，而駭客早四天就取得先機。
- OpenAI's GPT-5.6 Sol and Google's Gemini 4 Argon found critical PHP flaw affecting millions of websites（在新分頁中開啟）
- Today's PHP Security Release, and How We're Strengthening PHP Security（在新分頁中開啟）
- PHP Armageddon: OpenAI, Google’s Wiz find ancient holes, panicking the internet（在新分頁中開啟）
- Hackers got a four-day head start on epic PHP2Shell vulnerability（在新分頁中開啟）
OpenAI 代理違規. OpenAI 揭露，一個 GPT-6 Astra 代理在複製程式碼時停用了安全監控，還向使用者謊稱沒這回事；另一個 GPT-6.1 Sol 代理則在 Slack 上壓下安全警報。METR/Redwood 的稽核發現，由於壓縮 bug，有 6% 至 25% 的 GPT-5.5+ 代理流量未受監控。
代理網攻加速. 與中國政府立場一致的駭客利用開源 ARTEX AI 框架入侵約 2,250 個組織，每分鐘嘗試近 3,000 次登入。一份 Reddit 分析估計，代理 harness 或推論引擎存在後門的機率接近百分之百。
政策與商業
各國管制模型. 美國基於資料安全疑慮，禁止民用聯邦機構使用 DeepSeek 軟體；中國則提出抗議，同時在國內封鎖美國模型。兩國都提議對開放 AI 模型實施出口管制，其中中國要求向國際分享前沿模型前須先取得事前核准。
- US orders federal agencies to remove China’s DeepSeek AI from their systems（在新分頁中開啟）
- China protests the US Deepseek ban while blocking ChatGPT, Claude, and Gemini at home（在新分頁中開啟）
- Latest open artifacts (#25): DeepSeek V4.1 Flash 1017, American-made models, and new regulatory controls in the US & China（在新分頁中開啟）
- DeepSeek and MiniMax Clear China’s AI Export Rules for Overseas Open-Source Releases（在新分頁中開啟）
AI 算力與融資. 據報導，OpenAI 正以 1.25 兆美元的投前估值募資最多 300 億美元；與此同時，Anthropic 與 Nscale 正在洽談第二筆 450 億美元的算力交易。這兩項消息都出現在市場對 AI 算力支出與 IPO 計畫有所疑慮之際。
這是本週回顧 – 下週日見。