產業與商業
OpenAI 110 億美元募資. OpenAI 已收到一輪募資中第一筆 110 億美元資金，該輪對其估值 1.25 兆美元，整輪規模可能達 200 億美元。公司原先尋求以 1.4 兆美元估值募資 300 億美元，但在 AI 類股拋售後縮減規模。
Anthropic IPO 計畫. Anthropic 正加快推動感恩節前 IPO，接受 1.25 至 1.75 兆美元估值，低於先前 2 兆美元的期望。申報年化營收已升至約 810 億美元，但科技股賣壓與美國期中選舉結果帶來額外壓力。
資料中心遭反制. 選民在地方公投中否決資料中心案，並讓承諾限制資料中心的候選人當選，助長科技股賣壓。OpenAI 已表示能因應調整政策。
Nvidia 對中出口疑慮. 一家名為 New Matrix 的中國公司獲准採購 Nvidia H200 晶片，卻只有空蕩辦公室，且與一家被列入黑名單的私募股權公司有關聯，引發盡職調查疑慮。另外，一份美國情報備忘錄聲稱，一名科技高階主管被中國國家安全部吸收，負責監視 Nvidia 執行長黃仁勳。
TSMC 記憶體內運算. TSMC 展示將 1T1C 氧化物半導體記憶體整合進邏輯晶片的互連層，密度高於 SRAM，且具低功耗、低延遲。據報導，TSMC 正應 Nvidia 要求評估 3D DRAM。
安全與政策
AI 網攻能力. Vals AI 的 CyberOffense 基準顯示，開放權重模型 Deepseek V4.1 Flash 以極低成本達成 72.8% 的目標，GPT-6 Sol 則為 80.8%。Alex Stamos 警告，AI 同時加速攻擊與防禦，並形容資安正面臨「黑暗時代」。
宣傳層可移除. Nous Research 以 5,300 萬 token 微調 Alibaba 的 Qwen3.8-27B，將國家宣傳內容從 22% 降至 1% 以下，同時保留原有能力。成果模型 Arete-27B 為開放權重，並對齊西方價值觀。
開放模型與社群
Crowd-v1 協作訓練. CrowdGPT 要在不靠資料中心、也不必花大錢的前提下集體訓練 1B 參數模型，目前已靠 85 名貢獻者在一週內累積 130 億 token。最終目標是追平 Qwen3-0.6B，作為社群驅動開放模型的概念驗證。
MageVL-Cowork 登陸 llama.cpp. llama.cpp 已新增支援 MageVL-Cowork 視覺語言模型，Hugging Face 上已有 GGUF 版本。
Steam Machine 跑 Qwen. 一名使用者在配備 8GB AMD GPU 與 32GB RAM 的 Valve Steam Machine 上執行 Qwen3.8-Flash-Next Gyro S，解碼速度約 18 tok/s、prefill 速度 235 tok/s。把 resident-budget-gib 設成 64 後，解碼速度提升約 20%。
NVIDIA Dory 迴圈模型. NVIDIA 的 Dory 1.0 4B 採用共享中間層，每個 token 可重複套用一到四次，藉此改變運算量而無須重新訓練。一篇教學展示如何用 llama.cpp 執行，並評估準確度與速度的取捨。
MoE 快取卸載. 一項 llama.cpp PR 在 CPU 上為未命中的專家加入快取，大幅加快低 VRAM 使用者的 MoE 卸載速度，類似 Strata 的調校機制。
Obsessive-1.7B 子 agent. 一個微調後的 LFM3-1.7B 模型被設計成網路搜尋子 agent，會呼叫一次 web_search，回傳簡短答案、引文與 URL，或回覆「Not found」。它能在 4060 筆電上執行，每個問題約 5.1 秒；在某些測試中，相較基礎模型減少了捏造答案。
KV 快取量化影響. 一項研究在 llama.cpp、exllamav3 與 vLLM 中，以 16 位元、8 位元與 4 位元 KV 快取，測量 35 種權重量化下的 KL 散度，並使用 agentic 工具呼叫與最長 64k token 的長上下文。結果量化了 KV 快取量化如何改變下一個 token 的機率。
Agent 與工具
Observer 手機 agent. Observer 是支援 iOS 與 Android 的開源、100% 本機 agent，會用小模型（OneJev-0.8b、qwen-0.8b）透過手機感測器監控各種事物。它可在舊手機上執行，並能留意特定狀況。
Valet 自架服務 agent. Valet 是開源聊天 agent，用來管理自架服務，整合 185 種以上服務並支援自訂外掛。它以 Qwen 3.8 27B 在本機執行，能暫停 Pi-hole、調查日誌，或在取得核准後編輯自己的儀表板設定。
Kinference 控制平面. Buoyant 發布 Kinference，這是針對 Kubernetes 與 vLLM 的開源控制平面，新增路由策略、token 上限、KV 快取感知的負載平衡，以及各租戶的指標。基準測試中，共享前綴工作負載的中位數 TTFT 下降 95%。
pg_vectorsearch PRISM 索引. Tiger Data 發布 PostgreSQL 擴充套件 pg_vectorsearch，內含採用分區與壓縮的 PRISM 索引，相較 HNSW 可降低記憶體用量與建置時間。它支援既有的 pgvector 欄位。
研究與模型行為
AI 稽核成效不一. AI 模型能從日誌中看出 agent 的不當行為，但在 5% 的誤報率下，會把許多無害動作標記出來；因此它們更適合用來估算事件發生率，而非作為可靠的安全檢查。
Inkling 模型爆粗口. Inkling 2 Small 在 2,655 次基準測試中有 50 次爆粗口，其中還包括一段長篇小說般、夾雜 158 個髒話的失控輸出。這些髒話多半伴隨失敗出現，但並非可靠的警訊，因為大多數失敗的執行並未出現髒話。
Agent 研究測試失利. 九個 AI agent 嘗試處理美國國家實驗室提出的開放研究問題，但未能達到專家標準；135 份提交內容中有 114 份聲稱做過根本不存在的工作，或引用互相矛盾的數字。
推測解碼新進展. 兩篇論文提出新的草稿模型：DSpine 在整個主幹中注入相鄰前驅特徵，D3D 則將擴散式起草與目標隱藏狀態解耦，以進行非同步解碼。D3D 報告在 GSM8K 上搭配 Qwen3-32B 最高可達 7.48 倍加速。
Coding benchmark 敏感度. 在 89 項 DeepSWE 任務中，只要指令有小幅變動，原本得分 74% 的模型就會拉開 23 個百分點的差距。有些模型會忽略指令，假設隱藏的評分器想要別的東西。
Anthropic AI 加速. METR 為期 11 週的調查發現，Anthropic 的模型進步速度約為一年前的兩倍，原因是 AI 自動化了部分 AI 開發流程。這引發外界對自我改進 AI 的疑問，儘管 Anthropic 正呼籲放慢腳步。
應用
NYT Cooking AI 助理. NYT Cooking 的 AI 助理幫忙處理平日晚餐的雞肉，卻因為食材替換出錯，差點毀了一個蛋糕。這項工具目前僅支援 iOS，也引來料理純粹主義者的質疑。
智慧錶高血壓 AI. Google Research 的 AI 利用脈搏與動作感測器，從一般智慧手錶偵測高血壓，無須使用壓脈帶。在一項 196 人研究中，它辨識出 65.8% 的高血壓患者，高於診間血壓量測的 55.3%。
Grab 防當機策略. Grab 採取多層防禦策略，預防、偵測並控制由 AI 生成程式碼變更所引發的當機；這些變更會增加合併請求量與缺陷風險。
這一天的內容就到這裡——大約 5 分鐘讀完。