Anthropic 發布 Claude Opus 5.5，官方稱典型負載下執行成本比 Opus 5 低 40%，並同步推出 Sonnet 5.5 與 Haiku 5.5，Claude 訂閱額度也已上調。DeepSeek 以 MIT 許可開源 V4.1 Flash，提供 100 萬 token 上下文且 API 價格不變，同時開源推理框架 DeepInfer；
Anthropic 發布 Claude Opus 5.5。官方稱，它在 agentic coding 與知識工作上領先，典型負載下執行成本比 Opus 5 低 40%。同一批更新中，Claude Sonnet 5.5 比 Sonnet 5 快 30% 以上，多數任務成本最多低 30%；面向摘要、subagent 與瀏覽器操作等高併發任務的最快小模型 Claude Haiku 5.5 也已推出。
推薦理由：官方連發 Opus、Sonnet、Haiku 三檔 5.5 模型，給出降本 40%、提速 30% 等具體數字，對用 Claude 寫程式碼或走 API 計費的人最直接。
ChatGPT 聊天標籤頁中的 GPT-6 Pro 新增多智慧體能力：多個 agent 可以同時處理同一任務的不同部分，使用者能直接在對話中跟蹤各自進度，並開啟已完成任務檢視每個 agent 做了什麼。該版本同時把回應速度變快，並改進了外掛與工具的使用方式，更利於把任務完整執行完。更新正面向符合條件的 Pro 使用者推送，託管工作區的可用性取決於工作區設定與推送資格。
推薦理由：GPT-6 Pro 把多 agent 並行分工與進度視覺化帶進 ChatGPT 對話，並提供更快的回應和更好的外掛與工具呼叫；Pro 使用者可據此改變複雜任務的處理方式，託管工作區還需看管理員設定。
OpenAI 為 ChatGPT 加入音訊檔案上傳功能，可生成轉錄、總結錄音內容並針對錄音提問，還能把會議、訪談或講座整理成結構化筆記或跟進郵件草稿。該功能面向付費 ChatGPT 訂閱與工作區開放，實際可用性受工作區設定、地區、客戶端版本和模型影響。官方提示轉錄可能包含錯誤，不同語言的表現也存在差異。
推薦理由：官方確認音訊上傳僅面向付費訂閱與工作區，並明確提示轉錄可能出錯、跨語言表現不一，為需要把會議和訪談錄音轉成筆記與郵件草稿的付費使用者提供了原生入口。
ChatGPT Sites 不再對 Plus 與 Pro 使用者設定固定的 Site 建立數量上限，此前按套餐限制可建數量的規則被取消。官方同時說明用量與儲存限制仍然適用，建立數量放開不等於資源不受約束，具體額度需查閱「Creating and using ChatGPT Sites」文件。該調整明確對應 Plus 與 Pro 兩檔訂閱，原文未提及其他方案是否同步變化。
推薦理由：官方確認 Plus 與 Pro 的 Sites 建立數量上限被移除，但用量與儲存額度照舊，對已觸及數量限制、需要批次搭建站點的訂閱者影響最直接。
Anthropic 提高了 Claude 的使用額度，同時與 SpaceX 達成新的算力合作，以在短期內大幅提升容量（5 月 6 日）。同期產品更新還包括：7 月 22 日上線 Anthropic Economic Index 聯結器，使用者可在 Claude 內查詢關於 AI 與就業的真實資料；7 月 14 日起，通過認證的美國 K-12 教師可免費使用高階 Claude 功能、教學技能庫，以及覆蓋全美 50 州的教學大綱；
推薦理由：同時給出額度上調與算力擴張的官方說法，是評估 Claude 容量變化的一手依據，並串起教師免費額度、科研工作臺等近期產品動作。
ChatGPT 推出 Locked chats，可將選定對話從常規歷史記錄、置頂聊天與搜尋結果中隱藏，需用 4 位帳戶 PIN 或受支援的裝置認證才能開啟。原有的資料保留與模型改進設定保持不變。該功能正逐步向 Free、Go、Plus、Pro 使用者推送，覆蓋網頁、iOS、Android 以及新的 macOS 與 Windows 桌面版；在對話的「•••」選單中選擇 Lock chat 即可鎖定。
推薦理由：ChatGPT 新增帳戶級隱私隔離，明確不影響資料保留與訓練設定；從免費到 Pro 各檔均覆蓋，對需要隱藏敏感對話的使用者最直接。
DeepSeek V4.1 Flash 1017 以 MIT 許可發布，552B 總引數、16B 啟用的 MoE，支援 100 萬 token 上下文，API 價格維持每百萬輸入/輸出 token 0.30/1.20 美元，快取命中 0.006 美元。Artificial Analysis 智慧指數提升 6 分至 45，與 GLM-5.3 並列開源第二，Code Arena WebDev 與 Agent Arena 均為開源第一，非幻覺率從 4% 升至 33%。
推薦理由：把開源權重的 agent 能力推到接近閉源前沿：智慧指數 45、單任務成本約 0.26 美元，非幻覺率從 4% 跳到 33%，對關注開源模型、API 成本與本地部署的人都是關鍵參照。
輝達發布 1200 億引數開源模型 Nemotron 3.5 Super VL，主打多模態 agentic 任務，官方稱其準確率接近自家最大推理模型、引數量約為五分之一，吞吐量最高達同類模型 5 倍。同時推出兩款邊緣模型：Bolt 74B-A9B 24GB 採用原生 2-bit 量化，可在 RTX/DGX Spark 的 24GB 記憶體內本地執行 agent，現已可用；Bolt E4B 4GB 面向 GeForce RTX、Jetson 等裝置，10 月 23 日發布。
推薦理由：輝達同時放出 120B 開源多模態模型與 24GB 視訊記憶體可跑的 2-bit 量化邊緣模型，並列出 Scale AI、Perplexity、Salesforce 等後訓練與整合案例，對在自有基礎設施或本地硬體部署 agent 的開發者有直接參考價值。
MiniMax 正式發布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔）。Agents' Last Exam 得分 29.6%，位列國產模型第一；DeepSWE v1.1 拿到 73.7%，BankerToolBench 以 76.2 分與 Claude Opus 5 並列第一。
推薦理由：匿名屠榜的玉兔身份揭曉：Flash 級小模型在 Agent 與金融工具基準上追平旗艦，價格壓到前代三成，搭多 Agent 工作流的開發者可據此重算 API 成本。
Mistral 推出 Voxtral 3 語音模型系列，並配套語音 agent SDK，將監聽、推理、工具呼叫和發音整合進一條即時流式處理管線。轉寫模型 Voxtral Small Transcribe 3 支援 50+ 語言、說話人分離和關鍵詞上下文偏置，官方稱它在多語言轉寫與說話人分離基準上優於 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；Mini 版僅有 4B 引數，每分鐘 0.0035 美元。
推薦理由：Mistral 把轉寫、TTS 與工具呼叫整合為可自部署的語音 agent 方案，並公開優於 Whisper、Scribe v2 的基準和每分鐘 0.0035 美元定價，對做客服系統、語音助手和私有化部署的團隊有直接參考價值。
記憶張量發布並開源 MemT 1.0，稱其為業內首個記憶原生基座模型，歷史資訊被編碼為可更新的內部記憶狀態，隨每輪對話逐 token 更新並可跨會話儲存恢復。兩個版本為 MemT-1.0-Flash（288B 引數、17B 啟用、336M 動態記憶）與 Nano（36B 引數、3B 啟用、10M 動態記憶）。
推薦理由：把記憶從外掛文字庫改為模型內部可訓練引數，並開源權重與技術報告，還給出 SWE-bench 提升和長上下文推理加速的具體倍數，對做 Agent 長期記憶與開源模型部署的團隊最有參考價值。
九章雲極為 GLM-5.3 推出推測解碼加速方案 Alaya-DFlash2，在 8×H200、TP=8 單併發下解碼速度達 288.2 tokens/s，為原生自迴歸 84.5 tokens/s 的 3.41 倍，總輸出吞吐從 78.95 提升至 236.47 tokens/s。64 併發時吞吐 608.71 tokens/s，較原生提升 44.9%；32k 上下文下草稿接受長度 5.39，高於參評的 IncoAI-DFlash2 與 RedHat-DSpark。
推薦理由：給出可核驗的單併發解碼速度、4 至 64 併發吞吐與 32k 長上下文接受長度對比，並開源草稿模型權重，對自部署 GLM-5.3 長文字推理服務的團隊有直接參考價值。
Anthropic 啟動長期計劃 Cyber Mission，首先聚焦關鍵基礎設施與開源軟體兩個方向的防禦。其中，關鍵基礎設施防禦計劃（CIDP）把前沿 Claude 模型、駐場工程師與威脅研究交給守護電力、水務、交通等運營技術（OT）的供應商，首批夥伴包括 CrowdStrike、Dragos、Palo Alto Networks、Rockwell、PwC 等 11 家。同時推出的 OSS Scanner 使用其最強模型為開源專案免費定期掃描漏洞；
推薦理由：Anthropic 將前沿模型、駐場工程師與威脅研究打包進關鍵基礎設施 OT 防禦計劃，並免費開放開源漏洞掃描；11 家安全與工業廠商作為首批夥伴，使關基運維者和開源維護者直接受益。
Mistral AI 上線 Pro Voice 的專業語音適配功能：使用者錄製最長 30 分鐘音訊，即可高保真復刻自己的聲音。官方稱復刻後的音色可在其支援的所有語言中使用，並強調“極高保真度”。公告未披露該功能的開放範圍、訂閱價格與具體上線時間。
推薦理由：語音克隆能力被直接做進 Mistral 的語音產品，並給出 30 分鐘素材與跨全部支援語言復刻的具體規格，對關注多語言語音合成與配音落地的開發者有參考價值。
ChatGPT 新增 team tasks（團隊任務），能把重複性的工程工作自動化，例如每週五自動彙總已經上線的內容和被阻塞的事項。隊友可以審閱生成的結果，並調整下一期更新涵蓋的範圍，因此這類週期性彙報不必再由一個人獨自維護。該訊息由 OpenAI Devs 帳號在 10 月 20 日發布，面向團隊協作場景。
推薦理由：ChatGPT 把週期性工程彙報變成可複用的團隊任務，且允許隊友共同修改下一次更新的範圍，對用 ChatGPT 做團隊協作與週報彙總的工程團隊最有參考價值。
Anthropic 上線 user profiles，呼叫 API 時可標註每個請求對應的終端使用者，安全處置可只落到單個終端使用者而非整個組織，對平台、閘道器和 API 轉售方影響最大。SDK 與 ant CLI 已支援新的 /v1/user_profiles 介面。Admin API 同時新增組織級 webhooks（需 webhooks-2026-10-07 beta 頭），在使用者檔案被限制或封禁及解除時推送事件，需聯絡客戶團隊申請開通。
推薦理由：把安全處罰的粒度從整個組織縮小到單個終端使用者，並配套 webhook 通知，做平台、閘道器或轉售 API 訪問的團隊需要據此調整風控與合規流程。
OpenAI API 現在可以選擇 12 小時 prompt caching，快取輸入繼續按更低費率計費。該選項面向全天複用上下文的持久型 agent（如 dots）：共享指令、工具和上下文可以保留在快取中更久，即使兩次請求相隔數小時，仍可命中快取並支付 cached-input 價格。對需要長時間維持同一套上下文的 API 呼叫方，這意味著可在 12 小時內跨多次請求複用同一套上下文。
推薦理由：OpenAI 將 API 的 prompt caching 明確擴充套件到 12 小時，並點名持久型 agent 可跨數小時請求複用共享指令、工具與上下文，按快取輸入價計費，對長時執行 agent 的開發者最有參考價值。
vLLM 與 SGLang 新增由 TorchTPU 驅動的原生 PyTorch 後端，開發者可用熟悉的 PyTorch 工具在 TPU 上執行並調優推理服務。引擎內建最佳化過的 TPU kernel、基於 TPU Sync 的 KV cache 管理和分離式 serving（disaggregated serving），這些能力由專案維護者與官方合作完成。
推薦理由：vLLM 與 SGLang 這次獲得 TPU 原生 PyTorch 後端，KV cache 管理與分離式 serving 已可用於生產，並附有 Ironwood TPU 上的效能與成本基準，對 TPU 推理部署者最有用。
AnyLanguageModel 1.0 發布：這個 Apple Foundation Models 框架的替代方案只需換成 import AnyLanguageModel，同一份會話程式碼即可呼叫系統模型、llama.cpp、MLX、Core ML 本地模型，以及 OpenAI、Anthropic、Gemini、Ollama、Private Cloud Compute 等託管服務。
推薦理由：滿一年的 1.0 發布說明給出了統一 API 覆蓋本地與託管推理的完整清單、推薦模型體積與記憶體門檻，對在 Apple 平台用 Swift 整合模型的開發者最有參考價值。
Google Research 補全了 32 位開源 Coral NPU 的 RISC-V 架構，新增 Matrix Execution Unit 後邊緣推理最高 1 TOPS，平均功耗目標 10 mW。同步釋出 v1.0 開源 IREE/MLIR 編譯器，JAX、PyTorch、TensorFlow 模型可直接編譯到 Coral NPU，不必手寫彙編，從模型到晶片共用一條開源工具鏈。
推薦理由：官方給出 1 TOPS 算力與 10 mW 平均功耗目標，並把編譯器開源，讓邊緣模型無需手寫彙編即可上芯；對做低功耗端側推理和 RISC-V 晶片選型的開發者最有參考價值。
Google AI Edge 的 Model Explorer 現在支援自訂編譯器中間表示，並提供 TOSA、VGF、PTE 等開源介面卡，面向端側機器學習。開發者可用分層圖視覺化、分屏檢視和逐節點 trace 疊加來發現匯出迴歸、驗證硬體委託，在本地定位到週期級的延遲瓶頸。
推薦理由：把原本面向 TensorFlow Lite 等固定格式的圖除錯能力擴充套件到自訂編譯器 IR，並給出 TOSA、VGF、PTE 介面卡，對做端側部署與硬體委託的編譯器和推理工程師最直接有用。
PyTorch 2.15 在 MPS 後端加入 FP8 張量支援，並讓 MoE 模型解碼速度比 2.14 快 5–6.5 倍。在 M3 Ultra 上配合 torch.compile，Qwen3.6-35B-A3B 從 9.4 提升到 61.3 tokens/s，LFM2.5-8B-A1B 從 23.6 提升到 123.6 tokens/s，詞表 softmax 約快 8 倍。
推薦理由：Hugging Face 的 PyTorch 團隊給出 M3 Ultra 上的實測提速與記憶體數字，並首次在 MPS 支援 FP8，對在 Apple Silicon 上本地跑 LLM、影片生成的使用者有直接參考價值。
DeepSeek 已將自研推理框架 DeepInfer 完整開源。該框架在其生產環境中支撐 DeepSeek-V4.1-Flash 的大規模推理服務，主打高吞吐與低延遲。官方表示，公開這套生產環境所用的推理元件是為了幫社群降低算力成本、減少能耗，讓 AI 更可負擔。推文未給出具體效能數字，硬體支援與部署方式需檢視開源倉庫。
推薦理由：DeepSeek 把支撐 V4.1-Flash 線上服務的推理框架開源，為關注自建推理、降本與能耗的開源模型部署者和 API 服務方提供了可直接參考的生產級實現。
llama.cpp 的 server 加入 Realtime transcription API，可按 GA Realtime 規範提供基於 WebSocket 的即時語音轉寫會話，會話物件採用 type transcription，輸入格式、轉寫模型、輪次檢測與降噪放在 audio.input 下。API key 中介軟體現在會在 WebSocket 握手階段鑑權，支援 Bearer、原始 key 與 X-Api-Key，401 在升級前返回；
推薦理由：llama.cpp 的服務端首次提供即時轉寫介面，並一併修正即時會話與批處理排程的衝突，對用 llama.cpp 自建語音轉寫服務的開發者最直接。
llama.cpp 的 server 在 b11781 建置中加入 POST /tts 端點，可直接為 TTS 模型提供語音合成服務。該端點支援通過 form-data 上傳 speaker_ref 參考音色、向 API 暴露 seed，並補齊 /tts 的路由、文件與 server_schema；mtmd 同時新增音訊輸出流 API。
推薦理由：語音合成被做成 llama.cpp 服務端的標準端點，本地部署 TTS 不必再自己拼介面，對用 llama.cpp 自建推理服務的人最直接。
Google 開源 TorchTPU，讓 PyTorch 模型可直接跑在 TPU 上，PyPI 最新版本為 0.2.0。專案提供 TPU 的 ATen 核心實現、XLA 計算編譯快取，支援資料並行與張量並行分散式訓練，並接入 torch.compile() 圖模式執行，附帶 Llama、Qwen、ResNet、DLRM、minGPT、UNet 等範例。安裝要求 Python 3.11+，Marimo 互動筆記本需在 TPU VM（如 v6e 例項）上執行。
推薦理由：Google 官方首次把 PyTorch 原生後端開源併發布 PyPI 包，習慣 PyTorch 的開發者無需轉向 JAX 即可使用 TPU，對在 TPU 上做大模型訓練與推理的團隊最直接有用。
Anthropic 公布：Claude 在 64 小時內生成 318484 種微型結合蛋白設計，針對 5 種蠍毒神經毒素，最終 17 個在實驗室達到結合標準。團隊從這批設計中挑出 211 個，交由 Adaptyv Bio 與 Twist Bioscience 驗證；其中 7 個結合 Cn2，兩個候選的解離常數達個位數納摩爾，但尚未驗證中和毒素或動物體內保護。
推薦理由：記錄 Claude 自主呼叫 12 種工具、連續執行 64 小時完成從設計到篩選的全流程，單靶點成功率約 18%，211 個候選與資料全部公開，對關心 agent 長時自主執行與 AI for Science 進展的讀者有參考價值。
有人用 GPT-4.1 一天生成了 5 萬條虛構統計資料並建站，7 個月後 ChatGPT 仍在持續引用。Cloudflare 資料顯示，近 30 天該站收到超 60 萬次爬蟲請求，其中約 7.2 萬次來自 ChatGPT-User 的即時抓取；GA4 統計到的 ChatGPT 來源會話已超 1 萬。Google 兩次演算法更新後該站幾乎被清退，索引頁面曝光降到個位數，但它仍獲得 330 多個域名的外鏈，包括 Shopify、DHL 和 Bluehost，編造的數字還進了學術論文和銀行投研報告。整個實驗成本約 50 美元。
推薦理由：一次低成本實測說明 LLM 檢索與 Google 排名是兩套獨立機制，編造資料也能被即時抓取並流入論文與投研，對做 AI 搜尋可見性和內容策略的人有直接參考。
Ai2 發布 FairStress 基準；除模型最終選擇外，它還測量模型在說服性論點下改變決定的難易程度是否因涉及群體而異。該基準包含 300 個雙候選人場景，覆蓋 29 個領域；組合身份呈現方式與對抗性字首後擴充套件為逾 1300 萬個測試用例，並另發布 5 萬條 FairStress-Core 子集，整合進 Olmo-eval。測試覆蓋 Olmo、Llama、Qwen、Gemma、Claude 與 GPT 系列，結果顯示同一論點會因受益群體不同而對模型決策產生不同影響。
推薦理由：把公平性評測從最終答案推進到被反駁時是否同樣堅持，1300 萬用例加 5 萬條快速子集，對做模型評測與對齊工作的人有直接參考價值。
加州大學聖塔芭芭拉分校、斯坦福等六家機構聯合提出多模態 Agent 記憶評測基準 WorldMemArena，論文已被 NeurIPS 2026 接收。該基準含 400 多項多會話任務、24,258 組問答與 15,595 張影像截圖，把記憶拆成寫入、維護、檢索、使用四個環節來定位失敗原因。初步結果顯示，存得多不等於用得好：M2A 記憶召回率 86.83%，問答正確率僅 50.14%；
推薦理由：把記憶評測從靜態問答搬到觀察—行動—環境反饋迴圈，拆成寫入、維護、檢索、使用四個環節，給出召回率與正確率脫節的實測數字，對建置 Agent 記憶系統的開發者有參考價值。
IBM Research 的 ALTK-Evolve 用 GPT-4.1 加標準 ReAct 腳手架，在客服基準 τ²-bench 零售域拿到 67.5% Pass^4（即四次獨立嘗試全部通過的任務佔比），高於其 2026 年 10 月 12 日榜單快照中的所有零售條目。方法不改模型權重：由同一模型分析訓練任務的成功與失敗軌跡，蒸餾成簡短行為準則——如先驗證使用者身份、每步只做一個動作——再追加到系統提示，無需人工標註。
推薦理由：證明不改權重、不換前沿模型，僅靠自動蒸餾的提示準則就能把 GPT-4.1 推到客服基準零售榜首，並給出準則數量與 Pass^4 的實測對比，對做 agent 記憶與提示工程的開發者有用。
中科院軟體所中文資訊處理實驗室與快手推出 OmniBehavior，這是首個真實世界全鏈路使用者行為模擬基準，已被 NeurIPS 2026 接收。資料集覆蓋 3500 名快手使用者三個月的 212 萬條互動記錄，橫跨影片、直播、電商、廣告與搜尋場景，共設 6000 個預測任務。評測中表現最好的 Claude-Opus-4.5 僅得 44.55 分，多數模型在 32 至 41 分，擴大上下文視窗未帶來穩定提升。
推薦理由：首個基於快手真實全鏈路日誌的使用者行為模擬基準，212 萬條記錄與 6000 個任務顯示最好模型僅 44.55 分，並暴露“積極平均人”偏差，對推薦、廣告與使用者模擬研究者有直接參考價值。
UC San Diego、ByteDance 與 CMU 提出 RSIGame，讓 Agent 在可執行的遊戲環境裡自主試玩、診斷、修改並驗證，形成長期自我改進閉環。以 GPT-5.5 生成的遊戲為起點，多輪自主開發後品質評分從 50.26 提升到 64.53；在 GameCraft-Bench 的 140 個任務、Godot 與 Phaser 兩種引擎上，比迭代開發基線 Play2Code 高 7.2～13.8 分。
推薦理由：把遊戲開發從一次生成推進為探索、修改、驗證的多輪閉環，並用 4,003 輪開發記錄反訓底層模型，使 27B 模型配合框架後評分反超 GPT-5.5 一次生成，對做長程 agent 與自進化訓練的人有參考價值。
Meta 的通用 AI agent Muse 的對話分享連結可被逐條列舉，導致使用者的敏感個人資訊與商業資訊暴露，Meta 已暫停該分享功能並表示正在審查。安全公司 Claroc 的研究人員列舉出使用者建立的 6800 條分享連結，開啟其中數百條後發現了明顯不應公開的內容。Meta CEO 扎克伯格上月曾稱 Muse 是“從零為隱私與安全打造”的產品。
推薦理由：剛發布的 Muse 因分享連結可被列舉而洩露私密對話，Meta 被迫暫停分享功能，對關注該 agent 隱私設計與分享機制風險的人有直接參考價值。
美國國土安全部已下令聯邦文職機構停止採購 DeepSeek 的產品與服務，並將其從政府 IT 系統中移除。該命令不只針對 DeepSeek 自家產品，也涵蓋使用 DeepSeek 技術建置的第三方產品與服務，相關機構可以申請例外。官方理由是使用者資料處理問題，擔心美國政府使用者的敏感資訊可能依中國法律被中國方面獲取。此前 2025 年 12 月通過的法律已限制 DeepSeek 在情報領域國家安全系統中的使用，中方則表示反對泛化國家安全、把科技與貿易問題政治化。
推薦理由：對 DeepSeek 的限制從情報領域國家安全系統擴大到聯邦文職機構，並覆蓋基於 DeepSeek 技術的第三方產品，向美國政府供貨或使用 DeepSeek 的開發者需重新評估合規風險。
Anthropic 將 Project Glasswing 與網路安全驗證計劃合併擴充套件為三檔：Defense、Red Team、Specialized；通過稽核的安全團隊可使用 Claude Opus 5.5、Sonnet 5.5、Mythos 5.1 等最強模型，並減少攔截。Red Team 檔僅限機構、稽核需數週；Specialized 面向電網、航空、電信等關鍵系統，需與美國政府聯合逐家審查。
推薦理由：合併後首次公開分檔攔截資料：無權限時任務首個提示即被攔，Red Team 檔零攔截完成 34 項，安全團隊可據此判斷能申請到哪一檔更少攔截的模型權限。
Anthropic 發布 2026 版使用政策，把分散的欺騙性活動規則合併為新條款，並放開個性化投票與競選定向，新政 11 月 12 日生效。新設的「不得從事欺騙性宣傳或人造活動」一節，統一禁止虛假帳號、偽造新聞站點等行為；選舉條款更名為「不得破壞民主程序」，依靠欺騙或濫用選民資料的定向仍被禁止。武器禁令明確覆蓋制導與控制軟體、武裝無人機；監控條款禁止未經同意的追蹤。新增自主硬體要求：須有合格操作者能觀察並隨時停機，Claude 斷開時裝置需保持安全狀態。
推薦理由：官方給出政策定版與 11 月 12 日生效日期，新增欺騙性活動專章、鬆綁競選定向，併為連線硬體的自主操作設定停機與安全狀態要求，做 agent 與硬體整合的開發者需對照自查。
Claude.ai 將接入 Democracy Works 的官方投票資訊：本月晚些時候起，美國使用者詢問投票地點或所需證件時，會直接得到本州的答案，選舉夜及之後還能在對話中看到最新官方計票。原有的 TurboVote 註冊連結橫幅繼續保留。Anthropic 同時公布資料：美國 Claude.ai 對話中 5.75% 涉及政治與公共政策，0.51% 涉及選舉投票，直接問該投給誰的僅約 0.01%；
推薦理由：官方披露美國使用者政治類對話的具體佔比，並公開三家獨立機構的中立性評測結果，同時新增州級投票資訊與選舉夜即時計票的直接回答，對關注模型政治行為的人有參考價值。
蘋果 Xcode 26.3 已整合 Claude Agent SDK，開發者可在 Apple 平台用 Claude 執行自主、長時間執行的編碼任務。Anthropic 同期還宣布三年投入 1.5 億美元參與美國 Genesis Mission，與 Accenture 預計五年內投入至少 10 億美元建設前沿 AI 獨立評估能力，並與 Gates Foundation 達成 2 億美元合作。
推薦理由：Xcode 26.3 整合 Claude Agent SDK，為蘋果平台上的自主編碼任務提供開發工具入口；同時可一覽 Anthropic 與政府、諮詢及企業服務商的合作規模。
2026 年 10 月 20 日，OpenAI 宣布收購藥物研發協作平台 Orchestra Bio，其團隊與技術將併入面向生命科學研究的 Rosalind（含 GPT-Rosalind 與 Rosalind Workbench）。Orchestra 的平台讓人與 AI agent 共同推進藥物專案：例如某批生產失敗時，agent 定位受影響的試驗與時間線、彙集資訊並比較應對方案。
推薦理由：收購把 agent 式專案協調能力併入 Rosalind 生命科學產品線，文中給出 10 到 15 年研發週期這一具體痛點並點名 Novo Nordisk、Moderna 合作方，可觀察 OpenAI 在垂直行業的 agent 落地路徑。
Anthropic 成立 Claude Frontier Academy，承諾投入 1 億美元，計劃到 2027 年底培養 1 萬名 Frontier Deployed Engineer。首個專案 FDE Residency 採用醫學住院醫師模式：先參加數天線下集訓並完成模擬企業部署考核，通過後進入 12 周駐留，在本公司主導真實 Claude 專案，結業再考核，首批認證預計 2027 年初發出。
推薦理由：AI 公司首次系統性地為客戶與合作伙伴培養落地人才，1 億美元、1 萬人、2027 年底的明確時間表，對推進 Claude 企業部署的團隊與諮詢夥伴最有參考價值。