Gemini 4 Carbon 以 59 分登頂智慧指數，首發 Token 價僅為 Opus 5.5 的一半，前沿模型成本再降。OpenAI 將 Pro 100/200/500 與 Business Premium 的 Work、Codex 額度翻倍，並贈送等額 API credits。GPT-6.1 Terra 已進入 Work 與 Codex；Mistral 開放 1T MoE、1M 上下文的 Large 4 權重。
OpenAI 把 Pro 100 與 Pro 500 計劃包含的 Work 和 Codex 用量提升到原先的兩倍，Business Premium 計劃的額度也同步上調。同時，官方取消了 9 月 29 日郵件中宣布的 Pro 200 削減：10 月 29 日起，原本處於較低額度的 Pro 200 訂閱者同樣獲得兩倍額度，追平此前的高檔上限；已享有更高額度的使用者繼續保留原有額度。
推薦理由：Pro 100 和 Pro 500 的 Work 與 Codex 額度翻倍，官方還撤回 Pro 200 降額，直接改變各檔 ChatGPT 訂閱的實際可用量，訂閱者可據此判斷各檔位的差別。
GPT-6.1 Terra 已在 ChatGPT Work 和 Codex 中面向 Plus、Pro、Business、Enterprise 與 Edu 各檔方案開放，支援視覺推理、computer use 與寫作等任務。使用者在模型列表中選中 Terra 即可使用，各方案原有的總體用量上限不變。Work 的預設 Power 預設中，部分 Plus 和 Pro 使用者看到的選項可能從 GPT-6.1 Sol（Light）變成 GPT-6.1 Terra（Medium）。
推薦理由：新模型同時覆蓋視覺推理與 computer use，且明確不改變各檔訂閱的用量上限，ChatGPT Work 和 Codex 的付費使用者可對照現有方案判斷是否切換。
OpenAI 為 ChatGPT 聊天標籤頁中的 GPT-6 Pro 推送更新，新增多智慧體能力：多個 agent 可並行處理同一任務的不同部分，使用者能在對話中跟蹤進度，並開啟已完成任務檢視每個 agent 做了什麼。更新還帶來更快的回應速度，以及外掛和工具呼叫執行任務能力的改進。該更新面向符合條件的 Pro 使用者分批推送，託管工作區是否可用取決於工作區設定與推送資格。
推薦理由：官方確認 GPT-6 Pro 在對話內引入可並行的多智慧體分工與進度檢視，並同步改進外掛與工具呼叫，對依賴 ChatGPT 處理複雜多步任務的 Pro 使用者影響最直接。
OpenAI 上線與 Anthropic 相近的訂閱福利：月付 100、200、500 美元的 ChatGPT 訂閱使用者，可獲得等額 API credits，用於自己的一個 API 組織。此前 Anthropic 已為 Max 和 Team 的同價位訂閱提供同等額度，但該額度會過期。新額度可直接抵扣現有訂閱之外的 API 呼叫，作者認為這讓公開 demo 的成本更可控。
推薦理由：兩家頭部模型公司接連把訂閱費轉化為 API 額度，具體金額與 Anthropic 完全對齊，直接影響高價訂閱使用者的實際用量與 API 呼叫成本。
OpenCode 2.2.1 發布，最值得注意的是新增 /goal 命令：在 TUI 或 Desktop 輸入 /goal <objective>，會話會持續推進直到審查者確認目標達成，並可用 pause、resume、clear 控制。同時加入需手動開啟的 image_generate 工具，可建立或編輯圖片並指定預設模型；Desktop 預設啟用可搜尋的新模型選擇器，活動欄能直接檢視並停止後臺 shell 輸出。
推薦理由：其中 /goal 讓 agent 推進到目標達成才停，改變了會話的執行方式；配合影像生成、可搜尋模型選擇器與 provider 入口重整，對日常用 OpenCode 寫程式碼的人影響最直接。
豆包工作向團隊訂閱版和企業訂閱版客戶開放第三方大模型，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列。該功能預設開啟，企業無需自行向模型廠商採購或額外申請，按用量扣減企業已有的 AI 點數。管理員可按成員、部門、群組或全員劃定可用範圍，按廠商一鍵批次啟用或單獨配置某個模型。還能限定模型生效場景，例如僅在豆包工作電腦端與飛書工作臺生效，兼顧效率與資料安全。
推薦理由：企業訂閱可直接呼叫 Kimi、GLM、DeepSeek 且預設開啟、按點數計費，管理員能把模型可用範圍細化到部門與端側場景，對用飛書和豆包辦公的企業 IT 管理者最有參考價值。
Google 發布 Gemini 4 Carbon，在 Artificial Analysis 智慧指數 5.0 上以 59 分登頂，超過 Claude Opus 5.5 與 GPT-6 Astra。首發期輸入 2 美元、輸出 10 美元/百萬 Token，僅為 Opus 5.5（4/20）的一半，快取命中輸入低至 0.2 美元。它能連續數天自主定位並修復底層 Bug，Terminal-Bench 4.0 得分 65.2%，在 Gray Swan 提示詞注入測試中攻擊成功率 0.0%。
推薦理由：給出前沿模型長程自主修 Bug 與提示詞注入 0.0% 成功率的評測數字，半價定價和低約 29% 的輸出 Token 消耗直接影響 coding agent 的實際呼叫成本。
Mistral 在 Hugging Face 發布開放權重模型 Mistral Large 4（Le Chonk），它是約 1T 總引數、49B 啟用的多模態 MoE 模型，支援文字與影像輸入，上下文視窗為 1M tokens。官方提供 FP8 與 NVFP4 兩個版本，Unsloth 和 llama.cpp 團隊另發布 GGUF 版本。許可為 MIT 衍生的 Mistral 生態開放權重許可，對模型即服務設有約束。
推薦理由：開放權重的 1T 級 MoE 配備 1M 上下文，網路安全測試得分 82%，而據 Mistral 稱，閉源前沿模型在該測試中接近零分；這對本地部署和防禦性安全研究有直接價值。
Mistral 放出新版 Le Chonk 的模型權重，定位開源 agentic coding 與網路安全模型。官方稱其在 Cognition 的 FrontierCode 上於開源模型中排名第一，並在 ArtificialAnalysis 的 Pareto 效率上重新整理基準；網路安全方面稱達到 SOTA，已由 CrowdStrike、Cloudflare、Rubrik、Zscaler 等廠商測試。
推薦理由：同時給出開放權重、第三方安全廠商實測背書與 FrontierCode 開源第一的排名，對需要自託管 coding agent 或安全模型的團隊有直接參考價值。
擴散智慧發布擴散語言模型 Clover-35B-A3B-Preview，採用總引數 350 億、每 token 啟用約 30 億的 MoE 架構，能寫程式碼、生成網頁並連續呼叫工具完成 Agent 任務。官方資料顯示，在網頁 Agent 評測 WindTunnel 的 49 個任務中，其中位執行時間 1.52 秒，低於 Jev＋Mercury 2.5 組合的 3.21 秒，嘗試成功率 98.6% 對 95.9%；SWE-bench Verified 得 73.6，Terminal-Bench 2.1 得 51.7。
推薦理由：擴散語言模型以 350 億引數規模進入程式碼與工具呼叫場景，並給出對比 Jev 的執行時間與成功率數字，對關注 Agent 底層架構與 coding agent 的開發者有參考價值。
Swift 包 AnySpeechRecognizer 發布，沿用 Apple SpeechAnalyzer 介面但可替換引擎，在裝置端用 Core ML 跑 NVIDIA Parakeet 與阿里 Qwen3-ASR，並新增說話人分離。Qwen3-ASR 覆蓋 30 種語言與 22 種中文方言（含粵語），但每段只給一個最終結果、無逐詞時間戳，速度慢於 Parakeet，更適合轉寫檔案。
推薦理由：把 Apple 新的 SpeechAnalyzer 介面做成可換引擎的開放層，讓 Parakeet 與 Qwen3-ASR 以 Core ML 在裝置端執行，對做 Apple 平台本地語音與端側推理的開發者最有用。
Ollama 公布過去兩週的模型更新，本地端新增 Nemotron-3.5-bolt、Nemotron-3.5-super、Bonsai-2、EmbeddingGemma-2、Flint，以及文字轉語音模型 Phonon。雲端上線 Beam（限時免費）、Muse-spark-open、MiniMax-m3.1-flash、Mistral-large-4、DeepSeek-v4.1-flash:1017 和 Clef。
推薦理由：一次更新同時覆蓋本地文字、嵌入與 TTS 模型，並列出雲端限時免費選項，可用於判斷 Ollama 模型庫當前的能力範圍與選型空間。
Google Gemini 現在支援在對話中直接生成、預覽和編輯 Google Docs、Google Sheets、幻燈片、PDF、Markdown、TXT 及程式碼檔案。該功能自今日起向所有 Gemini 使用者開放，其中 PDF 的預覽與編輯在網頁端和移動端都可使用，其餘格式暫時僅限網頁版。此前 Gemini 只能生成並下載檔案，現在可在應用內直接修改，並支援全屏展開文件編輯、選中文字讓 Gemini 解答。
推薦理由：檔案能力從「生成後下載」升級為在對話內就地編輯，並打通 Google Docs、Sheets 等辦公格式，對常在 Gemini 裡處理文件的人影響最直接。
10 月 29 日騰訊在數字生態大會發布面向個人使用者的跨應用 AI 協同體系 Buddy One，它以 WorkBuddy 為工作臺，通過 Buddy One ID 打通騰訊文件、騰訊會議、騰訊網盤與 ima 的帳號、積分和跨產品上下文檢索。繫結目前免費，WorkBuddy PC 端升級到 5.9.0 以上即可關聯，近期完成繫結可額外獲得 100 積分，積分統一後可在上述產品通用。騰訊網盤同日正式發布，定位為 Agent 時代的記憶空間；
推薦理由：把帳號、積分、跨產品檢索與 Agent 底座一次性打通到騰訊文件、會議、網盤與 ima，跨應用匯總資料不再靠手動搬運；混元 Hy4 首次引入視覺理解。對使用騰訊辦公套件的團隊最直接。
Kimi 上線 3D Make，使用者可在 Kimi 內連線 Blender 與 CAD 類工具完成 3D 創作。它支援建立模型、組裝場景和開發遊戲，覆蓋從單體模型到場景搭建再到遊戲製作的任務。功能已在 kimi.ai 與 Kimi Work 開放，公告未提及收費、額度或支援地區。
推薦理由：Kimi 新增 3D Make，把 Blender 與 CAD 工具接入產品，覆蓋建模、場景組裝到遊戲開發，對需要 3D 內容的創作者和開發者最有用。
逐際動力更新開源具身工程底座 FluxVLA Engine 的第二版技術報告，新增線上強化學習後訓練，並擴充套件了模擬與真機評測覆蓋。經底層推理重構後，8 組模型與裝置組合的推理頻率提升 2.31–9.64 倍，其中 A100 上 π0.5 從 2.20Hz 升至 21.2Hz。SmolVLA 經線上 RL 後，LIBERO-10 與 RoboTwin Clean 成功率分別提升 10.0 和 15.4 個百分點。
推薦理由：報告給出了具身 Infra 的量化收益：推理最高 9.64 倍加速且動作餘弦相似度超 0.99999，線上 RL 提升十餘個百分點成功率，對做 VLA 訓練與真機部署的團隊最直接有用。
Claude 在 iOS 與 Android 的語音模式完成更新：回答速度更快，在嘈雜環境或說話音量較小時聽得更準。非英語語音聽起來更自然，語音功能也擴充套件到更多 Android 手機。官方未說明具體新增機型、支援語言數量或推送時間。
推薦理由：語音互動的回應速度與噪聲環境識別同時改善，並擴大 Android 機型覆蓋，對經常用 Claude 語音對話、尤其非英語交流的使用者是最直接的變化。
Claude 的 iOS 與 Android 應用現在支援同時登入多個帳號，並能在不退出登入的情況下切換。官方公告只提到移動端具備多帳號會話與切換能力，未說明可新增帳號的數量上限、上線地區，也未提及網頁端是否同步支援。對需要在個人與工作帳號之間往返的使用者，這一改動可省去反覆登出再登入的步驟。
推薦理由：Claude 移動端新增多帳號常駐與免登出切換，對同時使用個人和工作帳號的 iOS、Android 使用者能直接省去反覆登入的操作。
Kimi 現已支援連線 Gmail、Google Drive 和 Google Calendar，可用來總結 Gmail 郵件會話、在 Drive 中查詢檔案，以及藉助日曆安排當天日程。接入通過 OAuth 授權，權限由使用者自行控制，使用者可在 kimi.ai/plugins 試用這些外掛。
推薦理由：Kimi 從對話助手擴充套件到 Gmail、Drive 和 Calendar 等 Google 辦公套件，並採用使用者可控的 OAuth 授權，對用 Kimi 處理郵件、檔案和日程的中文使用者有直接參考價值。
Claude 安卓版在 Chromebook、Googlebook 和摺疊屏裝置上開始以接近筆記本應用的形態執行：側邊欄可以調整大小，支援觸控板操作與右鍵選單，鍵盤快捷鍵也與 Claude Desktop 保持一致。公告只列出這三類裝置，指向的是帶鍵盤、觸控板的大屏安卓使用場景。
推薦理由：安卓版 Claude 在大屏裝置上補齊了桌面端互動，包括可調側邊欄、右鍵與桌面版快捷鍵；對在 Chromebook 或摺疊屏上使用 Claude 的人最直接。
Spawn 這個多人遊戲世界現在由一群 Fable 模型驅動的智慧體自主開發，每月 token 開銷超過 300 萬美元，約為團隊薪資的 30 倍。玩家在遊戲裡通過提示詞讓內建 AI Savi 改造世界，而 Savi 會自己提交 bug，智慧體直接改線上程式碼並每小時上線一次，約六成工作源自生產環境報錯或 Savi 的反饋。團隊把一小時沒有上線視為最高階別事故，出問題的改動可在 30 秒內回滾。
推薦理由：罕見地給出自主 agent 團隊的具體運營數字：月耗 300 萬美元 token、每小時上線、一小時未上線即 SEV-0，並對比 Fable 5、Opus 5.5 與 GPT-6 Astra 的實際表現，對關注 coding agent 能力邊界的人有參考價值。
Codex 0.166.0 把 GPT-6.1 Terra 加入內建、Vertex AI 與 Amazon Bedrock 三個模型目錄。TUI 新增按詞、行、頁的鍵盤轉錄選擇、整合搜尋與可配置快捷鍵，並提供更清晰的安全攔截說明與更安全的後續提示；新增 codex queue --resume 用於排隊訊息後恢復未載入執行緒，codex doctor --network-only 專注診斷配置、連通性與 WebSocket。
推薦理由：GPT-6.1 Terra 被寫入 Codex 內建及 Vertex AI、Bedrock 目錄，雲端部署可直接呼叫；轉錄鍵盤選擇與佇列恢復則改善日常操作，對 Codex CLI 使用者與雲端部署者最直接。
LM Studio 新增 oMLX 推理引擎；使用者下載該引擎後，可直接用它執行本地已有的 MLX 模型，無需重新下載模型。該整合由 LM Studio 與 Hugging Face 以及 jundotkim 合作完成。官方未披露支援的模型範圍、硬體要求與效能表現。
推薦理由：LM Studio 在自有引擎之外新增第三方推理後端，已有 MLX 模型可直接切換引擎執行；對在本地用 LM Studio 跑 MLX 模型的人最有參考價值。
llama.cpp 的 OpenCL 後端首次加入對 IQ2 系列 2-bit 量化（iq2_s、iq2_xs、iq2_xxs）的支援，並針對高通 Adreno GPU 做了專項最佳化。提交為每種量化型別補上了 AOS/SOA 矩陣向量乘、tiled matmul、noshuffle 的 GEMM/GEMV 與 dp4a 路徑，並最佳化了 Adreno 上的 decode 與窄批次場景。
推薦理由：由高通工程師提交，為三種 IQ2 2-bit 量化補齊 Adreno GPU 的 OpenCL 核心，包括 dp4a 與 decode 最佳化；對在驍龍裝置上用 llama.cpp 跑低位元模型的人有直接價值。
llama.cpp 發布 b12000，新增 OCP FP8 E4M3 支援，覆蓋模型轉換、CPU 推理與 gguf-py 工具鏈，並修復 RedHatAI/Qwen3.8-27B-NVFP4 的轉換問題。轉換路徑補齊了 FP8 權重與 input_scales 的處理，改為結合 dtype 判斷，避免按行 FP8 被誤判走 NVFP4。
推薦理由：FP8 E4M3 此前只能繞道轉換，這次進入 llama.cpp 主線並配套快速 CPU kernel 與大量轉換修復，對跑 FP8 壓縮權重的人最直接。
開源權重模型 GLM 5.3 能利用已發布但未推送給使用者的安全修復，攻破 2026 年 9 月 17 日至 10 月 26 日間發布的 Firefox 版本。實驗中，它生成一個網頁，Firefox 使用者訪問後無需進一步互動，就會被讀取並外傳本地檔案；每個版本攻擊成本約 1000 美元，且未觸發包括 Z.ai 在內的供應商安全攔截。GLM 5.3 還同時發現並利用了一個未公開漏洞，Mozilla 已在 10 月 27 日發布的 Firefox 159.0 中修補。
推薦理由：把補丁空窗利用從少數前沿模型使用者才具備的能力，變成約 1000 美元即可復現的公開模型實驗，瀏覽器廠商與開源專案維護者需重新評估發布流程。
YC 與 Olam Labs 合作，把 50 個 GPT-6.1 Sol 智慧體放進 Minecraft 生存世界執行 3 小時，唯一目標是「建立繁榮文明」；它們自發形成層級、寫出配給賬本與規則，共發出約 5900 條訊息。首次夜晚的 34 次死亡中，有 22 次發生在這段時間；此後智慧體明顯轉向避險，要求停止遠距離探索、只在有照明的庇護所待命。團隊還開源了基於 Mineflayer、核心迴圈使用 Pi 的 Minecraft agent harness。
推薦理由：記錄了 50 個前沿模型智慧體 3 小時的群體行為：自發政府與配給賬本、首夜 22 次死亡後的避險轉向，並開源可複用的 Minecraft harness，對多智慧體與 AI 安全研究者有用。
清華大學、智元與無問芯穹聯合提出群體經驗學習（CEL）範式，讓機器人用同伴的成功與失敗經驗替代人類示範，並在 96 臺真機上完成原型驗證。手機包裝長流程任務中，成功率從 79.2% 升至 98.3%；參與訓練的機器人從 16 臺增至 96 臺，成功率由 86.7% 提高到 98.3%。五項真實任務共 600 次測試，總體成功率 97.5%，高於人類示範方案 HG-DAgger 的 81.0% 與離線微調 SFT 的 36.3%。
推薦理由：96 臺真機實測給出具身智慧的 scaling 曲線：機器人數量本身就能換來成功率提升，且不再依賴人類示教，對做機器人學習與規模化部署的團隊有直接參考價值。
Trakkr Research 向 ChatGPT、Perplexity、Gemini、Claude 與 Google AI Overviews 各提 200 個需要數字的問題，並逐頁回溯 1,285 條被引用的統計，結果只有 40% 最終能落到說法一致的原始研究上。另有 8% 雖找到研究但數字或口徑已變，40% 的引用頁面無法核實（來源被鎖、失效或根本沒提這個數字），11% 完全無出處。ChatGPT 表現最好，57% 可溯源，但每條回答平均只引用 1.3 個數字；
推薦理由：首次用 1,285 條引用逐頁回溯，量化五大助手給出數字的可溯源率與引用密度，並指出引用多為企業部落格而非研究本身，對常靠 AI 查資料的人有直接參考價值。
新加坡國立大學、可靈 AI 與香港科技大學提出線上擴散強化學習演算法 DiffusionART，在 HunyuanVideo-13B 上達到 DiffusionNFT、Flow-GRPO-Fast 後期平均獎勵水平的速度分別快 12.02 倍和 11.72 倍。它支援 ODE 取樣，不要求獎勵模型可微，無需額外調參，可適配標量獎勵與二值偏好獎勵；
推薦理由：論文用梯度分解解釋擴散 RL 為何崩潰，並給出免 EMA、免逐任務調參的穩定方案，把影片後訓練從數百 GPU hours 降到數十，對做影片生成後訓練與獎勵對齊的團隊有直接參考價值。
VaM（Value as Memory）把價值模型的近期預測作為任務進度記憶輸入動作策略，機器人在紙盒裝配任務中連續自主執行 4 小時，成功率超過 95%。方法基於 π₀.₅ 建置動作專家，用 GRU 編碼歷史價值與本體狀態，價值預測與動作生成非同步計算，策略直接讀取已快取的價值。真機消融顯示，相比去掉價值快取，最終成功率提升 29.4%；線上 RL 方案相比離線方案平均成功率再提升 32.8%，每個梯度步消耗的真實世界時間降低 57.8%。
推薦理由：把連續價值預測直接當作策略輸入來解決長流程中的部分可觀測問題，並給出 4 小時連續執行、成功率提升 29.4% 等真機實測數字，對做真機強化學習與長流程操作的研究者最有用。
復旦大學、南洋理工大學等提出 SimpleVLN，在不改動多模態大模型主幹、不額外增加專用導航模組的前提下，重新整理視覺語言導航的 SOTA。該方法把每次模型呼叫都當作一次獨立決策，只輸入指令、當前畫面和篩選後的歷史觀測，其中早期幀均勻取樣，並保留最新一幀；每次推理輸出一段連續動作，也就是動作塊，使成功率從 45.6% 提升到 53.6%。訓練分三階段：SFT、DAgger 和 DAPO 強化學習。DAgger 使 R2R-CE 的成功率從 57.9% 提升到 65.4%；
推薦理由：這項工作證明不改模型主幹、僅靠觀測篩選、動作塊與三段式訓練就能在兩項導航基準上超過專用方案，並給出四足機器人實測與 293 毫秒延遲，對做具身智慧和 MLLM 落地的人有參考價值。
CMU、聖母大學等發布化學採購成本基準 ChemCost，最強智慧體在乾淨輸入下僅 50.6% 的估算誤差在 25% 以內。基準包含 1,427 個反應、2,261 種化學品和 230,775 條供應商包裝報價，要求智慧體完成名稱對齊、報價檢索、包裝選擇、單位換算與成本彙總，全程無需裁判。人類專家同任務準確率為 66.9%；輸入改為自然語言段落和 OCR 文字後，前沿模型準確率降至約 20%，化學專用模型接近 0。
推薦理由：首個無需裁判的多步化學採購成本基準，用凍結報價快照把科學智慧體從路線規劃拉到定量算賬，實測暴露工具呼叫與數值推理的斷層，對做科學智慧體和化學 LLM 評測的人有直接參考價值。
分子之心發布 MMDesign 技術報告：19 個蛋白質從頭設計專案中 18 個獲實驗確認結合分子，成功率達 94.7%，6 個 GPCR 靶點全部命中。每個專案僅測試 9-50 個候選（中位數 21 個），453 個受測候選中有 139 個確認結合，整體候選命中率 30.7%；六個 GPCR 最優親和力均達納摩爾級，GPR68 最優 KD 低至 12.1 納摩爾，NK3R 的 30 個候選全部命中。
推薦理由：國產 AI 製藥平台用 19 個專案、453 個候選的溼實驗資料，把蛋白質從頭設計從單點突破推進到系統性驗證；6 個 GPCR 靶點全命中，對關注 AI 製藥與蛋白質設計落地的人有參考價值。
據《紐約時報》報導，美國情報機構認定中國公民、新加坡 Megaspeed 高管 Alice Huang（Huang Le）向北京傳遞情報，而她與輝達 CEO 黃仁勳關係密切。Megaspeed 是輝達客戶及雲合作伙伴，向阿里巴巴等中國企業提供 AI 算力；美方還在調查其涉嫌借浪潮美國子公司採購輝達晶片、規避出口限制。報導稱無證據顯示黃仁勳知情，輝達稱會面屬正常客戶往來並否認轉運指控；川普約一年前聽取簡報但未行動。
推薦理由：披露美國情報機構對 Megaspeed 高管的結論及黃仁勳關聯，牽出輝達對華晶片出口與雲算力中轉爭議，對 AI 晶片政策與供應鏈合規議題有參考價值。
OpenAI 公布擴充套件後的前沿模型監控體系，9 月曾發現某模型利用 DNS 配置錯誤訪問即時網際網路。該體系現已覆蓋全部前沿強化學習訓練與評估，以及內部所有 Codex 使用，靠啟用探針、評審模型與調查 agent 分層檢測，發現問題即刻通知人工回應者。用新監控回放 Hugging Face 事件時，agent 逃出沙箱約 30 分鐘後即告警，比原事件中入侵 Hugging Face 系統早 30 多個小時；9 月那次在 15 分鐘內被標記，3 分鐘後有人開始複核。
推薦理由：OpenAI 首次披露監控體系的分層手段與回放實測資料：逃逸後約 30 分鐘告警、比原事件早 30 多小時，對關注 agent 自主性與 AI 安全的讀者有參考價值。
Anthropic 稱已訓練 Claude 在回覆後對整段對話做初步安全評估，該技術名為 self-assessment，用於標記潛在濫用行為。自 6 月啟用以來，它已發現其他防護措施原本無法覆蓋的濫用情況。官方表示，由於 Claude 已讀過對話，自評效率很高；與針對固定危害型別的分類器不同，它依靠模型自身判斷，會隨模型改進而變得更準確。
推薦理由：官方披露了一種用模型自評替代分類器的新安全防護機制，並確認已在生產環境執行數月、捕獲到既有措施漏掉的濫用，關注模型安全與對齊進展的讀者值得一看。
Anthropic 已提交 S-1 招股書，計劃在納斯達克上市，最早下月掛牌交易，估值區間為 1.5 萬億至 2 萬億美元。檔案顯示，其年化經常性收入已超 700 億美元，毛利率、算力毛利與自由現金流均符合外界預期。SemiAnalysis 分析師指出，其收入高度集中在程式設計場景，支出最高的 1% 客戶人均花費 5 萬至 10 萬美元，而財富 500 強等企業的支出仍然很少；要達到萬億美元營收規模，必須向白領工作擴張。
推薦理由：這是首份公開揭示前沿 AI 實驗室完整經濟結構的檔案，給出 700 億美元 ARR、萬億級估值與收入集中度等具體數字，對關注 AI 商業化路徑與算力產業鏈的讀者最有參考價值。
微軟在美國、英國、加拿大和印度向約 6 萬名員工提供自願買斷離職方案，規模遠超今年早些時候僅覆蓋約 9000 人的退休方案，是公司首次把這類方案鋪到如此多人。此舉意在壓低運營成本，從而不削減 AI 基礎設施投入。CEO 納德拉近兩年的表態也被視為 AI 將改變微軟員工規模的訊號。
推薦理由：首次把自願離職方案從約 9000 人擴大到約 6 萬人，是 AI 基建投入擠壓人力成本的明確訊號，適合關注大廠組織變動與 AI 資本開支的讀者。