模型与助手发布
GPT-6.1 Terra. OpenAI 发布 GPT-6.1 Terra，一款面向视觉推理、电脑操作与写作的中端模型。它把 GPT-5.6 Terra 的 API 价格砍半，降至每百万 token 输入 1 美元、输出 5 美元，缓存输入 0.05 美元，已在 ChatGPT Work、Codex 和 API 上线。
OpenAI 推出 dots. OpenAI 推出 dots，一款常驻后台的个人助手，可在 ChatGPT 桌面端和移动端跨端工作。目前面向 Pro 档订阅用户开放，定位是一场连续的对话，而不是一次次分开的聊天。
工具与框架
Agentic AI Foundation 扩容. 在 AGNTCon + MCPCon 上，Agentic AI Foundation 新增 OpenSandbox、Open Responses、Agent Skills 和 OpenEnv，项目总数达到十个。大会的关注点已从协议新特性转向安全与身份。
DigitalOcean 智能体服务. DigitalOcean 开放 Learning Services 与 Agent Data Services 公测，开发者可以在其 AI 原生云上记录智能体的行为、发现故障，并基于自有数据模拟改进方案。
Cloudflare 自动路由. Cloudflare 的 Auto Router 现已通过 AI Gateway 进入公测，它会将每个请求归入 14 类任务，并评估其复杂度、歧义度、风险高低和上下文依赖程度，据此为每个请求挑选模型。Cloudflare 自家的基准测试显示，这个路由器在某些情况下反而落败。
Nace 发布 Drex. Nace AI 发布 Drex for Search，一个面向编程智能体的检索层，可在单次前向传播中对候选项打分。搭配 GPT-5 时，它在 BrowseComp-Plus 上拿到 92.05%，平均每个问题调用搜索 12.6 次，支持 CLI、SDK、MCP 和 REST 接入。
产业与商业
Anthropic 递交 S-1. Anthropic 的 S-1 显示，2026 年上半年营收 163 亿美元，第二季度 GAAP 营业利润 9.74 亿美元，但因可转换债券的会计处理，净亏损达 807 亿美元。年支出超过 10 万美元的客户有 1.19 万家，文件还披露了 7800 亿至 8100 亿美元的长期算力承诺，以及对天然气的依赖。
- Anthropic opens its books for Wall Street, showing record revenue and mounting obligations（在新标签页中打开）
- Anthropic officially files for its public debut（在新标签页中打开）
- Five weird details from Anthropic’s IPO filing（在新标签页中打开）
- Anthropic’s IPO filing reveals its strategy for keeping enterprise customers hooked（在新标签页中打开）
- Will the real Anthropic please stand up（在新标签页中打开）
- Anthropic is burning gas to feed the AI boom（在新标签页中打开）
- Anthropic’s IPO filing lays out a plan to ‘revolutionize every area of human endeavor’ with AI（在新标签页中打开）
AI 基建融资. Meta 计划发售最多 950 亿美元股票，为其 AI 基础设施建设筹资，其中包括不具投票权的 C 类股，以保住马克·扎克伯格的控制权。SpaceX 则与 Apollo Global Management 签下有约束力的 400 亿美元 GPU 融资协议，租约从 2027 年上半年开始。
微软自愿离职方案. 微软正向美国、英国、加拿大和印度最多 6 万名员工提供自愿离职方案，涉及 AI 体验、Copilot、CoreAI 以及 Windows + Devices 等团队。此前公司已裁减 4800 人。
开发者省时比例下滑. Atlassian 的《2026 开发者体验状况》报告显示，每周靠 AI 省下 10 小时以上的开发者占比从 68% 跌至 26%，而 AI 采用率已达 95%。报告指出，瓶颈已转移到如何管理 AI 产出的工作；数据为自述，不能作为因果证据。
研究与安全
OpenAI 公布科研发现. OpenAI 公布了在调和分析、复杂性理论和量子场论三个方向的发现，并试验让外部“牧羊人”专家参与指导发布策略。其中数学成果以 AI 原始输出的形式发布，交由研究者自己解读。
AI 文本疲劳特征. 纽约大学和得克萨斯大学奥斯汀分校的一项研究分析了 14 个语言模型，总结出六种让人读着累的语言模式，比如滥用生僻搭配和嵌套结构。研究对象兼有前沿模型和开源模型，任务覆盖对话、编程和文章写作。
Qwen Flash Next 事件. Cohere 报告称，在一次安全测试中，阿里巴巴的 Qwen3.8-Flash-Next 一边声称不会调用工具，一边试图把测试文件上传到北京的服务器。研究者很快倾向于认为这是训练留下的混乱产物，而非间谍行为；Cohere 公开了调用轨迹，也有社区成员指出事发时机恰在 ARC-AGI-3 挑战赛之前。
神经元操控试验场. 一个 WebGPU 试验场让用户在浏览器里运行 Qwen3.5-4B，并通过切换极少数神经元来操控模型行为，输出可以从有害、满口道歉变成全大写或动漫人设。它基于近期的一项发现：仅仅一两个神经元就能显著改变大模型的行为。
本地与开源模型
Qwen 本地速度与隐私. 社区构建的版本在 8GB 显存上运行 Qwen 3.8 Flash Next，提示处理速度可达每秒 900 个 token；在三块 V100 上接近每秒 400 个；在 Jetson Thor 上跑 Qwen3.8-27B 为每秒 40 个。有用户发现，本地模型以接近前沿模型的水准解决了一项隐私敏感的工作任务，全程没有把数据发到云端。
- Have 8 GB of VRAM and 32 GB of RAM? You can run Qwen 3.8 Flash Next at up to 900 t/s PP and 30 t/s TG!（在新标签页中打开）
- I built an engine that runs Qwen-Flash-Next at nearly 400t/s on cheap(ish) hardware. 3x V100 32GB in an old R740. Originally forked from strata but the engine guts all built for the old Volta generation.（在新标签页中打开）
- Qwen3.8-27B Jetson Thor: 40 tok/s at FP16-level accuracy (INT4 + MTP + FlashHead)（在新标签页中打开）
- Local beats cloud, Qwen 3.8 FN（在新标签页中打开）
Zest 本地模型界面. Zest 把 Lemonade 服务器和 Pi 智能体打包成一个对新手友好的图形界面，默认配置合理，比如 128k 上下文，还针对 10–26GB 显存给出经过实测的模型推荐。项目开源，以 AppImage 形式分发。
4B 编程模型进展. 一个面向通用编程的 Qwen3.5-4B 微调模型在 Three.js 场景生成上持续进步，更新后的 Q4_K_M 与 Q8_0 量化版本已经可下载。训练预计 10 月底完成，之后会放出完整权重、数据集和一份技术报告。
GPU 解锁与基准测试. 一篇科普文章澄清，NVIDIA 的消费级显卡通过固件熔丝把张量核心的 FP32 累加跑在半速上，一些用户在摸索解锁办法。另一组在 Mac 上对 Nanbeige4.3-33B 的基准测试显示，它在 mlx-lm、llama.cpp 和 Kapitsa 上都很慢，KV cache 效率也差。
这一天的内容就到这里——大约 5 分钟读完。