Claude Haiku 5.5 上線，輸入價較上代降 90%；Docs、Slides、Design 三項功能結束 beta，Free 套餐亦可使用。OpenAI 的 GPT-6.1 Sol 新增 Ultrafast 模式，速度快 8 倍，API 定價為標準版 6 倍。Google 同時推出辦公智慧體 Gemini Agent，可在 Gemini 與 Claude 間動態路由。
Anthropic 於 10 月 7 日發布 Claude Haiku 5.5，百萬輸入 Token 最低 0.1 美元，較上代降價 90%，並首次在 Haiku 系列引入可調節推理強度，支援 100 萬 Token 上下文與 12.8 萬 Token 輸出。官方基準顯示其在 OSWorld 2.1 取得 72.4% 成功率，高於 GPT-6 Luna 的 48.9%，但最高成績對應最大推理強度，中等強度下 Terminal-Bench 成績從 39.2% 降至約 20%。
推薦理由：官方確認 Haiku 5.5 降價 90% 並首次引入推理強度調節，同時給出與 GPT-6 Luna 的基準對比及新 Tokenizer 帶來的成本差異，對高頻呼叫小模型的開發者和 Agent 成本核算最有用。
OpenAI 發布 GPT-6.1 Sol 的 Ultrafast 模式，官方稱智慧水平與標準版一致、仍逼近旗艦 Astra，但速度是標準版的 8 倍。其 API 定價為每百萬輸入 token 12 美元、輸出 60 美元，是標準版（2 美元 / 10 美元）的 6 倍，API 呼叫不受訂閱等級限制。
推薦理由：這是 OpenAI 在 Ultrafast 概念上的第二次迭代，把 8 倍加速放到了能力更強的 6.1 Sol 基線上，同時首次將使用門檻抬到 Pro 500 訂閱檔，對做即時智慧體與按量呼叫 API 的開發者最有用。
Claude 上線兩項 beta 功能：Dashboards 連線 BigQuery、Snowflake、Salesforce 等資料來源，用自然語言生成並隨資料自動更新的儀表盤，每張圖表可檢視背後的查詢；Motion 把提示詞變成由程式碼驅動的動畫講解，可匯出 MP4，不用影片生成模型。Dashboards 面向付費方案，Motion 僅限 Team 與 Enterprise。
推薦理由：Claude 把 BI 式儀表盤和動畫講解做進對話，官方說明動畫由程式碼生成、不含 AI 生成畫面，並給出 Design 獨立站 12 月 14 日關閉的遷移時間表，對使用這些功能的團隊最有參考價值。
星動紀元自研世界動作模型 VPP2 登頂 RoboDojo 模擬榜單，平均成功率 32.26%、平均得分 39.26 分雙第一，高於 GPT-6-Astra 的 22.48% 和 28.97 分，泛化、精細操作、記憶三項同樣居首。真機 ALOHA 雙臂零樣本 10 類任務平均成功率 58.5%，9 類最佳，高於π0.5 的 40%。該模型未使用額外資料或 Agent RSI 等增強手段，靠三階段訓練解耦影片預測與動作學習，程式碼與專案主頁已開源。
推薦理由：以標準資料集在 42 項雙臂任務的評測中壓過 GPT-6-Astra 與輝達 GR00T，14B 引數反超 64B 基線，並給出真機零樣本與開原始碼，可供具身智慧研究者復現驗證。
Hugging Face 的 yuvraj sharma 用 HuggingChat 裡的 ML Intern agent，幾天內做出 6 個公開模型，其中把 Qwen-Image 2.1 自帶的 9B 提示改寫器蒸餾成 0.8B 版本，可在 CPU 執行，輸出有效率 99.7%，token 消耗約為教師模型的四分之一。該專案含 9B 模型標註 8,797 條樣本，算力成本 16 美元。
推薦理由：給出了用通用 agent 從零產出可發布模型的完整賬單：9B 教師蒸餾到 CPU 可跑的 0.8B、單項成本僅幾美元，對做小模型蒸餾和在本地跑模型的人有直接參考價值。
生數科技開放 Vidu Q4 預覽版，720P 圖生影片起步價 0.09 元/秒，實測用 5.4 元做出一分鐘 GTA 6 風格的《邪惡老奶》短片。該版本最高支援 4K 直出，單條最長 16 秒，支援 FPV 視角，一次最多可用 15 張參考圖和 3 段參考音訊，官方稱強化了表情情緒、運鏡與特效對環境的真實影響。價格與規格掛鉤：MaaS 端 720P 約 0.6 元/秒、1080P 約 0.75 元/秒，SaaS 端預覽版提供兩個月限時優惠，部分使用成本可降至每秒幾分錢。
推薦理由：生數科技首次放出 Q4 旗艦模型的預覽版，並給出 0.09 元/秒的 720P 起步價、4K 直出與 15 張參考圖等具體規格，對關心 AI 影片生成成本與可用邊界的創作者有參考價值。
Google 發布通用辦公智慧體 Gemini Agent，可長期雲端執行，自己查資料、寫郵件、做 PPT、分析資料並跨應用規劃任務。它擁有獨立企業身份，配專屬 Workspace 帳號、信箱、日曆和 Drive 空間，可被同事拉進群聊或在文件中 @。底層支援多模型編排與 Smart Routing，能在 Gemini 與 Anthropic 的 Claude 之間按效果、速度和成本動態選擇，未來計劃支援更多閉源與開源模型。
推薦理由：Google 官方確認辦公 Agent 的底層模型可動態選用競品 Claude，並給出獨立企業身份與四種記憶機制，對關注企業級 Agent 與多模型排程的團隊有參考價值。
Anthropic 上線 OSS Scanner，面向開源專案免費提供由最強模型（含 Claude Mythos）生成的定期漏洞掃描，報告全自動生成、不經人工稽核，因此可能存在無效結果。過去六個月其模型在重要開源專案中找出逾 29,000 個候選漏洞，人工僅複核約 6,000 個，另有近 5,000 份未驗證報告應維護者要求直接提交。內部以 97 個高危漏洞驗證早期版本，其中 85 個（88%）達到其漏洞披露標準，僅 1 個誤報。
推薦理由：Anthropic 首次把最強模型用於開源漏洞掃描並免費開放，給出 88% 有效率、2.9 萬條候選漏洞等實測數字，開源維護者可據此提前拿到帶復現與補丁的報告。
Claude 的 Docs、Slides、Design 三項功能結束 beta 測試，即日起在包括 Free 在內的所有訂閱套餐上線，不再限於付費使用者。三項分別對應文件、簡報與設計稿，團隊和 Claude 可以同時編輯同一份檔案，屬於人機共編的協作方式。公告由 Claude 官方帳號發布，此次變化的核心是走出測試階段並覆蓋全部套餐。
推薦理由：官方確認三項文件協作功能結束 beta 並覆蓋含 Free 的全部套餐，團隊與 Claude 可在同一份文件、簡報和設計稿上共同編輯，關注 Claude 協作能力與免費版功能範圍的人值得一看。
微軟在兩年來的首場線下活動中發布 Surface Laptop Ultra，這是首款搭載 Nvidia RTX Spark SoC 的裝置，起售價 2599 美元，10 月 16 日開始發貨，現已開啟預售。它可選 5120 核或 6144 核 Blackwell GPU，統一記憶體最高 128GB LPDDR5x，依靠統一記憶體分配而非傳統視訊記憶體上限，兼顧本地 AI 開發部署與 3A 遊戲執行。
推薦理由：官方首次給出 RTX Spark 筆記本的完整配置、2599 美元起售價與 10 月 16 日發貨時間，為評估本地 AI 開發硬體的開發者提供了具體的規格與價格參照。
Google 發布 Google AI Edge Foresight，一款可在 Mac 上完全離線執行的 AI 會議筆記應用，對標 Granola。它用端側 7.4 億引數的 EmbeddingGemma 2 記錄跨應用及線下會議，採用分屏佈局：一側手寫速記、一側生成 AI 筆記，可檢視轉錄原文，或與 Gemma 4 驅動的助手對話。使用者還能上傳 PDF、Google Docs、Office 文件、純文字、Markdown 與網頁書籤搭建知識庫，會議中即時回答相關問題。
推薦理由：Google 把 Gemma 系列端側模型落成完整本地會議筆記產品，7.4 億引數 EmbeddingGemma 2 加 Gemma 4 助手全程離線，對關注本地推理與會議記錄工具的人有參考價值。
Meta 的 Muse 與 OpenAI 的 Dots 相繼發布，把常駐式自主 AI agent 推向普通消費者，Muse 免費而 Dots 收費。兩者都以卡通吉祥物形象包裝，能代訂餐廳、機票、買禮物、整理收件箱，OpenAI 還推出面向營銷、法律與會計的專家版 Dots。此前個人專案 OpenClaw 已帶動 Mac Mini 銷量上漲，而把信用卡、信箱等敏感資料交給 agent 的隱私與安全代價仍未有解。
推薦理由：兩大廠首次以免費與訂閱兩條路線正面競逐常駐自主 agent，並直麵包辦訂票、收件箱等真實任務後的隱私代價，對關注 AI 助手形態與訂閱方案的人有參考價值。
豆包工作新增創作畫布功能，並接入輕量級模型豆包 2.1 Lite。畫布把素材、設計方案與創作成果集中在同一張無限畫布上，圖片生成後仍可繼續修改文字、配色和佈局，同時接入全新圖片模型 Seedream 5.0 Flash，Agent 可覆蓋從理解需求到生成圖片、影片和成套設計。豆包 2.1 Lite 面向日常問答、文件撰寫、表格處理與 PPT 製作，在回應速度與額度消耗上做了最佳化，客戶端升級後選擇該模型即可使用。
推薦理由：豆包工作把素材、方案與成圖收進一張無限畫布，並接入 Seedream 5.0 Flash 與主打低額度消耗的豆包 2.1 Lite，對高頻做創意設計和文件辦公的人有直接參考價值。
開發者用一句提示讓 Claude Opus 5.5 在 Claude Code 裡以 three.js 製作卡爾維諾《看不見的城市》全部城市的互動視覺化，實際耗時 1 小時 25 分，由 6 個子代理並行完成，API 花費約 74 美元，成品被作者形容為令人著迷。同一提示交給 Codex 中的 GPT-6 Astra，53 分鐘、中等推理強度、約 10 美元即可端到端跑通，但混入了多餘概念與冗餘說明文字。
推薦理由：給出同一句提示下 Opus 5.5 與 GPT-6 Astra 的實測對比，含耗時、並行子代理數、API 花費與成品品質差異，對關心 coding agent 前端與互動設計能力的讀者有直接參考價值。
Anthropic 發布基於 Claude Managed Agents（beta）的 agent 自動化參考實現：按 cron 計劃讀取 Slack 頻道與 GitHub PR，依據上次執行留下的書籤只取新增內容，再把簡報發到指定 Slack 頻道。配套程式碼含 agent、部署、環境、記憶與 vault 等配置，用 ant apply 寫入 Claude API 工作區，憑據存於 vault、沙箱內只留佔位符；
推薦理由：官方給出可直接跑的參考實現與配置命令，把書籤式增量讀取、憑據隔離與資料來源失敗上報這些易踩坑處都寫成了明確規則，適合用 Claude 搭定時簡報類自動化的開發者。
Square 與 Cash App 母公司 Block 的 AI 負責人 Bradley Axen 介紹了用 Claude Fable 5 編排大規模程式碼遷移的做法：單次遷移涉及跨倉庫的數百到數千個 PR、數百萬行程式碼，由 Fable 負責資料模型、API 規格等高層設計，再排程數十個 Opus、Sonnet 等更便宜的模型完成具體檔案修改與測試，全程跑在其開源協作工作區 Buzz 上。早期結果顯示前沿 token 集中在前期規劃、執行更多交給小模型，品質沒有下降。
推薦理由：Block 高管稱這是用 LLM 寫程式碼以來首次不再預設 100% 用最強模型，並給出數千 PR 遷移中前沿模型編排、小模型執行的具體分工，對做大規模重構與 agent 編排的團隊有參考價值。
OpenAI Codex CLI 發布 0.162.0，啟用 worktree 功能後可從受信任的本地專案建立並列出託管 Git worktree。TUI 新增 /copy 跳轉與複製對話塊、Ctrl+Insert 複製選區，滾輪速度由 tui.mouse_scroll_speed 調整；自訂 Responses 相容模型提供方可配置即時聯網與遠端壓縮，Code Mode 增加流式 Promise 輔助與可選排序工具搜尋。
推薦理由：託管 Git worktree 讓多個 Codex 會話在隔離工作樹中並行改動，TUI 複製、沙箱與 Windows 檔案訪問修復直接影響日常使用，適合 Codex CLI 使用者與在本地跑 coding agent 的人。
llama.cpp 的 CUDA 後端重做 top-k 演算法選擇，大行數場景改用按行網格的 radix select 替代 CUB 逐行 DeviceTopKKernel，在 qwen4exp 34,816 tokens 上啟動次數從 1,671,253 次降到 2,329 次，耗時從 5,761.8 ms 降到 941.8 ms。
推薦理由：CUDA 上 top-k 從 167 萬次 kernel 啟動降到 2,329 次、耗時由 5,761.8 ms 降至 941.8 ms，是官方合併的具體實測數字，對在 NVIDIA 顯示卡上用 llama.cpp 跑長上下文推理與取樣的使用者最直接。
llama.cpp 發布 b11507 版本，新增 MoE 快取跨多張 GPU 的支援（PR #30112），可讓混合專家模型在多 GPU 環境下更充分地利用視訊記憶體。該版本同時更新了各平台預編譯產物，覆蓋 macOS Apple Silicon、iOS、Linux（CUDA 12/13、Vulkan、ROCm 10.0、SYCL、OpenVINO）、Windows、Android 以及 openEuler 等平台。
推薦理由：MoE 快取跨多 GPU 是本地跑大引數 MoE 模型時的關鍵最佳化，直接關係到多卡推理能否跑起來，對用 llama.cpp 在消費級多卡上部署的使用者有參考價值。
Google AI Edge 推出 ML Drift，一個面向端側 AI 與機器學習推理的高效能通用 GPU 計算框架。它把 OpenGL ES、OpenCL、Metal、WebGPU 等底層硬體與圖形計算 API 抽象掉，讓開發者無需直接處理這些介面，就能在移動端與桌面端建置即時互動式 ML 體驗，覆蓋從複雜影片特效到生成式 AI 的場景。
推薦理由：Google 官方給出跨 OpenGL ES、OpenCL、Metal、WebGPU 的統一 GPU 推理抽象，為在移動與桌面端做即時影片特效與生成式 AI 的開發者提供了端側部署的新選項。
Ollama v0.40.2 起，此前版本下載的模型會在首次執行時自動在後臺升級，以提升效能與 llama.cpp 相容性。升級會保留原模型作為備份，因此已升級的模型會暫時多佔用磁碟空間，官方表示未來版本會自動清理。需要現在清理可執行文件給出的 jq 指令碼配合 ollama rm 刪除，但這隻刪除備份，日後若要降級到 0.40 以前的版本，需重新拉取這些模型。
推薦理由：官方首次說明舊模型會自動升級到 llama.cpp 執行器、備份會額外佔盤，並給出精確的清理命令與降級需重拉的代價，便於本地部署 Ollama 的使用者決定是否清理備份。
由德州農工大學、Google DeepMind、CMU 等 15 家機構聯合發布的 TouchScale 資料集公開，500 小時人類第一視角視覺-觸覺資料由同一套穿戴裝置採集，雙手各含 880 個觸覺感測器單元。僅用這批資料做 mid-training，xArm6 機械臂加 BrainCo Revo 2 靈巧手在四項接觸密集型任務上的平均成功率從 22.5% 升到 57.5%；
推薦理由：把人類視觸覺資料在統一感測器與採集流程下擴到 500 小時，並給出真機成功率從 22.5% 升至 57.5% 及隨規模增長的實測曲線，對做具身智慧與機器人操作的人最有用。
UniPat AI 發布 PaperBenchX，稱其為國際上首個多學科端到端論文結果復現基準，從 93 篇論文建置 93 個復現任務，橫跨電磁、光子、化學、材料、生物、機器人等 12 個研究方向和 10 種領域原生科學環境，含 3168 條專家校驗評分項。在這 93 個任務上，表現最強的 GPT-6 Astra 完整復現率只有 13.98%，建模與執行階段平均得分約 62%，驗證階段僅 42.8%。
推薦理由：首次把 AI 跨學科端到端復現論文的能力量化為 13.98%，並公開可重跑、只認重放證據的評測協議與 12 個開源任務，對做 AI4S 和 Agent 評測的人有直接參考價值。
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
推薦理由：論文給出影片生成智慧體的可訓練方案與 VABench 基準，並驗證策略無需重訓即可隨底層生成工具升級而漲分，對關注多模態 agent 與影片生成的人有參考價值。
斯坦福李飛飛、吳佳俊等團隊發布開源世界動作模型框架 OpenWAM，用共享底座加可切換的互動方式，回答 WAM 裡究竟是哪個設計帶來提升。框架基於阿里 Wan2.2-5B，先在約 334 萬條、約 1.46 萬小時機器人影片上做因果化預訓練，再用 MoT 拼起 5B 影片專家與 2B 動作專家，支援四種先想或先動的互動程式。因果底座把 LIBERO-Long 成功率從 68.4% 拉到 97.8%，配反事實資料的區域性 IDM 遷移到新任務平均達 84.0%。
推薦理由：用固定底座、只改一個變數的方式拆解世界動作模型，並給出因果化預訓練與反事實資料的量化增益，對研究機器人學習、想把影片模型當大腦底座的人有用。
AI Impacts 於 2024 年 12 月調查 1,580 名頂會 AI 研究者，他們對「未來 AI 導致人類滅絕或永久喪失自主」的機率中位數首次升至 10%，高於一年前的 5%。同一調查中「極度糟糕（如人類滅絕）」的中位數仍為 5%，自 2016 年以來未變，而人類水平 AI 出現的中位年份從 2016 年的 2061 年提前到 2042 年。
推薦理由：把 AI 研究者、超級預測者與公眾對 AI 滅絕風險的最新估計並排對比，研究者中位數首次升到 10%、時間預期提前近二十年，對關注 AI 安全與政策討論的讀者有參考價值。
2026 年 9 月 14 日《Nature》發表 5 家藥企合作研究：用超過 2 萬份未公開的蛋白質—小分子結構資料，以聯邦訓練改進 OpenFold3。在 1056 個留出結構測試中，新模型高精度預測超過一半，公開版 OpenFold3 約三分之一，兩項關鍵指標分別提升約 10% 和 11%。參與方為 AbbVie、Astex、BMS、強生與武田，資料無需外流；英國 OpenBind 專案獲最高 800 萬英鎊支援，計劃 5 年內建開放資料庫。
推薦理由：AISB Network 首個專案顯示，藥企私有結構資料不出企業即可聯邦訓練，蛋白質—藥物相互作用預測準確率提升約 10%，為資料受限的結構模型指出可行路徑。
LittleBit 專案放出論文官方實現，可把 LLM 權重壓縮到 1.0 至 0.1 bits-per-weight，推理時保持原模型結構不變。ICML 2026 的 LittleBit-2 新增 Joint-ITQ 初始化，通過 --use_itq 開啟，只改初始化、不增加推理開銷，並支援 SmoothSign 量化感知訓練與可選殘差分解。
推薦理由：論文官方實現開源，把 LLM 權重壓到 0.1 bit 仍保持原架構推理，並新增只改初始化、無推理開銷的 Joint-ITQ 開關，對做極低位元量化和本地部署大模型的人有直接參考價值。
Anthropic 研究員、約翰斯·霍普金斯大學天體物理學家 Brice Ménard 用 Claude Science 製作出首張完整的紫外（UV）全天圖，其中約三分之一天空、包括銀河系盤面的大部分，由模型預測填補。此前 NASA 的 GALEX 在 2003 至 2013 年以約 3.8 萬次觀測覆蓋約三分之二天空，但為保護探測器跳過了亮星密集區，其他望遠鏡的資料也留有缺口。
推薦理由：首張完整紫外全天圖由 Claude Science 的 agent 團隊完成資料合併與三分之一天空的預測填補，並給出畫素級實測/預測標註與不確定度，對天文教育和關注 AI agent 承接科研流程的人有參考價值。
Einsia AI 旗下 Navers Lab 發布 World Models' Last Exam in Physics，用 40 個任務、9 類物理現象測試 8 個影片生成模型，Seedance 2.5 以 57.76 分居首，MiniMax H3 以 54.89 分次之。評分由一致性分 C 與物理分 P 組成，物理分靠程式從影片中測量軌跡、週期、角度等量再按物理關係計算，且只有 C≥80 才計入總分。
推薦理由：提供可公開復現的物理能力基準：40 個任務覆蓋 9 類物理現象，物理分由程式實測軌跡、週期、角度等物理量得出，對關心世界模型與影片生成落地（如機器人預演）的讀者有參考價值。
OpenAI 從 openai/math 倉庫撤回了 3 篇與霍奇猜想相關的數學手稿，起因是第一篇在一處關鍵論證中把幾何操作的符號寫成 +1，按論文自身約定應為 -1，導致本應歸零的計數不為零，另兩篇因沿用該構造被一併撤回。倉庫手稿總數從 722 篇降至 719 篇，同時修訂 14 篇、13 篇更新引用，並新增 6 項 Lean 形式化，目前 300 篇主結果完成形式化，約佔 719 篇的 42%。OpenAI 強調撤回的是證明而非數學命題本身，原稿保留可查；
推薦理由：首份官方勘誤披露 722 篇手稿公開兩天即撤回 3 篇、修訂 14 篇，並給出 42% 主結果形式化率，關注 AI 生成數學證明可信度的人可據此判斷其實際把關程度。
MirroS 團隊發布 AgentGarten，把可執行程式碼環境與即時神經渲染器接成閉環：物理規則由程式碼裁定，畫面由模型以 480p、30fps 以上流式逐塊生成，智慧體因此能邊行動邊看結果。重做的捉迷藏實驗中，躲藏者第 4 輪學會搬擋板搭掩體、搜尋者第 10 輪學會借坡道翻牆，而 OpenAI 2019 年的自我博弈強化學習分別用了約 2500 萬局和 1 億局。智慧體靠每輪復盤寫下文字「實驗手冊」傳給下一輪，另在陪伴小狗、狹橋會車、合作牧羊、採石場裝載機四個任務中各跑四輪；程式碼已在 GitHub 開源。
推薦理由：給出可執行程式碼世界與即時神經渲染耦合的具體做法與實測資料：數輪內復現捉迷藏策略，對照 2019 年數千萬至上億局自我博弈，對做具身智慧與世界模型的研究者最有用。
Periodic Labs 聯合創始人 Liam Fedus 與 Ekin Dogus Cubuk 在一檔播客中介紹了其「合成超級智慧」構想：以真實物理實驗作為強化學習環境，訓練能自主發現新材料的 AI 科學家。這家成立一年的公司正搭建自動化實驗室，希望讓每臺儀器擁有「140 IQ」，並用做科學的完整過程而非僅論文結果來訓練模型。他們認為失敗的實驗可能是最有價值的訓練資料，自主實驗可把數十年的試錯壓縮到數月，目標材料涵蓋室溫超導、磁體與電池。
推薦理由：創辦團隊參與過 ChatGPT、GNoME、MatterGen 的 Periodic Labs 詳細闡述「合成超級智慧」路線：讓每臺實驗室儀器具備「140 IQ」、用負結果與實驗過程訓練模型，對關注 AI for Science 與材料發現的人有參考價值。
香港科技大學、香港城市大學、復旦、CMU、NYU、NTU 等機構聯合發布 110 頁綜述《The Past Frames the Future: Memory for Autoregressive Video Generation》，系統梳理自迴歸影片生成中的 Memory 機制。
推薦理由：首篇系統梳理自迴歸影片生成 Memory 的綜述，用四類載體、五類功能與生命週期五操作統一分類，並指出長期一致不等於真正用上記憶，適合做長影片生成與世界模型的研究者與開發者。
論文提出 Normalizing Trajectory Models（NTM），把擴散模型的每個反向步建模為表達力強的條件歸一化流，並支援精確似然訓練。擴散取樣通常依賴大量細小的高斯去噪步，壓縮到少數粗粒度轉移時該假設不再成立；此前的少步方法用蒸餾、一致性訓練或對抗目標解決，但都放棄了似然框架。架構上，NTM 在每步內組合淺層可逆塊與深層並行結構。
推薦理由：提出一種在少步生成下仍保留精確似然訓練的新建模方式，把擴散的每一步換成條件歸一化流，對研究少步取樣與似然建模的人有參考價值。
三名上週被 OpenAI 解僱的安全研究員 Jasmine Wang、Tomek Korbak、Mikita Balesni 發表公開信，否認公司關於他們違規處理敏感資訊的指控，並警告此次解僱正在內部造成寒蟬效應。信中稱，安全人員依賴與外部專家的密切合作來識別風險，如今員工不清楚行為邊界，上月還屬正常的行為可能突然成為解僱理由。OpenAI 以一份內部備忘錄回應，稱解僱與提出安全擔憂無關，並表示認同研究人員提出的引入第三方安全審計等建議。
推薦理由：三名被解僱研究員首次公開回應違規指控，並給出 OpenAI 內部備忘錄的否認說法與 Wang 對解僱理由的具體描述，關注 AI 安全治理與 OpenAI 內部文化者可據此對照雙方說法。
Anthropic 於 10 月 8 日啟動長期安全計劃 Anthropic Cyber Mission，首批聚焦關鍵基礎設施與開源軟體兩個方向。關鍵基礎設施防禦計劃（CIDP）向受信任的供應商提供前沿 Claude 模型、駐場工程師與威脅研究，創始夥伴包括 CrowdStrike、Dragos、Palo Alto Networks、羅克韋爾自動化等 11 家。同期推出 OSS Scanner，用其最強模型為開源專案提供免費的定期安全掃描。
推薦理由：官方首次把前沿模型、駐場工程師與威脅研究打包投向電網、水務等運營技術防禦，並免費為開源專案做安全掃描，對關鍵基礎設施安全團隊與開源維護者最有用。
OpenAI 宣布封禁來自俄羅斯和伊朗的各一個隱蔽影響力行動，它們把其模型與傳統手段結合，經營「假媒體」實體來洗白地緣政治資訊。伊朗方面運營 7 個「記者」人設，向全球中小媒體投遞長文；俄方在拉美借不知情者開設「智庫」，並偽造洩露檔案與音訊指令碼，兩者還大量用 AI 起草內部報告以誇大成效。按 IO Breakout Scale 評估，俄方行動達到第 5 級，是 OpenAI 開始披露以來搗毀的首個第 5 級行動，伊朗行動為第 4 級。
推薦理由：首次公開確認第 5 級影響力行動，並說明 AI 讓假媒體在規模、語言流暢度與編輯能力上提速，對內容安全、平台治理與事實核查從業者最有參考價值。
Anthropic 發布 2026 版 Usage Policy，11 月 12 日生效，多數改動是把既有規則寫得更明確。新版把原本分散在選舉、欺詐、隱私等章節的規則合併為禁止欺騙性活動或人為造勢，選舉章節更名並聚焦禁止欺騙選民，同時取消對個性化投票與競選定向的一刀切禁令。武器禁令明確覆蓋武器制導與控制軟體、武裝無人機等；監控條款寫明未經同意追蹤他人（含分析既有資料）被禁，但欺詐監測、內容稽核、新聞與法律研究仍可用。
推薦理由：官方確認政策邊界與執行口徑，首次合併欺騙性活動條款、補充自主物理動作硬體要求，對用 Claude 做產品、涉及選舉、監控或高風險場景的開發者最有用。
Anthropic 宣布向 Genesis Mission 承諾投入 1.5 億美元，以深化對科學研究與技術發現的支援，這是本次公告的核心內容。同時，Anthropic 將把 Claude 及其技術支援開放給超過 15 家聯邦機構。訊息由 Anthropic 官方帳號於 2026 年 10 月 8 日發布，公告未披露資金的具體用途與投放週期，也未列出參與合作的聯邦機構名單。
推薦理由：官方公告給出了 1.5 億美元的具體投入金額，並明確 Claude 及技術支援覆蓋超過 15 家聯邦機構，對關注 AI 公司科研資助與政府合作動向的讀者有參考價值。
Manus 母公司蝴蝶效應完成超 5 億美元新一輪融資，由博裕投資、IDG 資本領投，騰訊、紅杉中國、真格基金繼續加持，同時重啟北京辦公室、組建面向中國市場的 AI Agent 產品團隊。招聘官網顯示目前開放 17 個崗位（16 個全職、1 個實習），較國慶假期前的 11 個明顯擴大，含 AI Agent 產品經理、Agent Harness 工程師、Agent 評測工程師、LLM 演算法工程師等核心崗。
推薦理由：披露了 Manus 被中方資本回購、恢復獨立運營後的首次本土化編制：5 億美元融資與 17 個崗位的具體數字，讓關注 Agent 賽道格局和國內 AI 人才爭奪的讀者看到這家昔日頂流的迴歸路徑。