OpenAI 將 Pro 100 與 Pro 500 的 Work、Codex 額度翻倍，並撤銷 Pro 200 降額；Chat 與 Work 標籤頁合併、與 Codex 共用 token 池，部分使用者或更頻繁觸及重置。GPT-6.1 Terra 已推送至 ChatGPT Work 與 Codex。Anthropic 官方 Cursor 擴充套件遭植入後門近 12 小時。中國擬將前沿模型權重與 Agent 技術納入出口管制，登記要求已生效。
OpenAI 提高了 Pro 與 Business Premium 套餐中包含的 Work 和 Codex 用量，其中 Pro 100 與 Pro 500 的額度翻倍至原來的兩倍。同時，OpenAI 取消了 9 月 29 日郵件中宣布的 Pro 200 降額計劃：已享有較高額度的使用者繼續保留，而自 10 月 29 日起，處於較低額度的 Pro 200 訂閱使用者額度也翻倍，追平至同一上限。
推薦理由：官方確認 Pro 與 Business Premium 的 Work/Codex 額度翻倍，並撤回上月公布的 Pro 200 降額，直接改變這些檔位訂閱者的可用量。
馬斯克確認 Grok Bot 下調了每週使用額度，原因是「服務成本相對收入不可持續」，並非系統故障。萬聖節週末部分使用者在沒有大量使用的情況下，周額度從 50% 直接跳到 100%。他尚未說明後續額度將如何調整。SpaceX 上月檔案稱 AI 已佔公司收入 52%，更名後的「Super Intelligence」部門盈利 4.31 億美元，但計入了收購 Cursor 帶來的 12 億美元一次性成本。
推薦理由：官方首次把額度縮水歸因於成本壓力而非故障，並給出 AI 佔 SpaceX 收入 52%、部門盈利 4.31 億美元等數字，Grok Bot 使用者可據此判斷額度是否會繼續收緊。
GPT-6.1 Terra 已開始在 ChatGPT Work 與 Codex 中推送，覆蓋 Plus、Pro、Business、Enterprise 和 Edu 套餐。該模型支援視覺推理、computer use 與寫作等任務，在模型列表中選擇即可使用，套餐整體用量上限保持不變。部分 Plus 和 Pro 使用者會發現 Work 預設 Power 預設中的 GPT-6.1 Sol（Light 檔）變為 Terra Medium 檔；
推薦理由：一次覆蓋全部付費套餐的新模型，用量上限不變但預設預設檔位有變，ChatGPT Work 與 Codex 使用者需要核對模型列表和預設檔位設定。
ChatGPT 推出 Slides，使用者能在 ChatGPT 內直接生成並編輯簡報，還可邀請團隊在 Space 中即時協作、共享評論。它支援從一段對話、檔案或大綱起步，也可用範例 deck 定風格；文字、圖片、形狀、圖表可直接修改，或交由 ChatGPT 調整，並能生成自訂配圖。成品可在 ChatGPT 內直接演示，網頁端可匯出 PowerPoint、PDF 或 Google Slides，桌面端可呼叫已安裝的 PowerPoint 或 Keynote 開啟。
推薦理由：OpenAI 把簡報做成 ChatGPT 內的即時協作功能，而不只是生成 PPT；訂閱使用者可團隊共編並匯出 PowerPoint、Google Slides，對重度使用 ChatGPT 辦公的人最直接。
OpenAI 宣布把 ChatGPT 裡的 Chat 與 Work 兩個標籤頁合二為一，先向部分使用者開放收集反饋，再逐步全量推送。合併後使用者可以在同一處把一個想法交給 ChatGPT 從頭做完：匯入檔案與外掛，讓它建網站、做簡報或代為在網頁上操作，並全程檢視和引導其工作；Codex 在桌面端仍保持獨立入口。ChatGPT 與 Codex 也將共用同一個 token 額度池，官方稱多數使用者不受影響，但部分使用者可能需要更頻繁地等待額度重置。
推薦理由：ChatGPT 桌面端把聊天與工作流收進同一介面，且 ChatGPT 與 Codex 改為共享額度池，對常在不同標籤頁間切換、並關心訂閱額度如何消耗的使用者是明確變化。
Pi 1.5.0 新增 GPT-6.1 Terra，可在 OpenAI、Azure OpenAI Responses 和 OpenAI Codex 中使用，支援工具搜尋與會話中調整思考等級，並可關閉思考；Codex 下提供 500K 上下文視窗。預設 OpenAI 模型同時由 gpt-5.5 改為 gpt-6.1-sol。
推薦理由：Pi 接入 GPT-6.1 Terra 並把預設模型切到 gpt-6.1-sol，Codex 側 500K 上下文對長任務最直接；工具引數校驗遷移 pi-schema 屬破壞性變更，對擴充套件作者影響較大。
Google 十月把前沿推理模型 Gemini 4 Argon 推向全球，覆蓋 AI Studio、Gemini API、Google Cloud、搜尋與 Gemini 應用，用於複雜編碼、財務分析和法律工作流；兩週後又公布主打長期工程與網路安全防禦的 Gemini 4 Carbon，目前僅通過 Fairwind 計劃向美國政府與部分可信網路安全人員做預發布測試。同月還發布即時互動世界模型 Genie 4，支援自然語言操控場景與原生音訊；
推薦理由：一次彙總裡同時給出前沿模型的全球上線範圍與下一代預發布節奏，另有 Genie 4 世界模型和 SynthID 跨廠商檢測的官方細節，適合跟進模型能力與安全落地的人。
OpenAI 的 Sam Altman 在阿布扎比 ADIPEC 2026 上透露，9 月公布的三維納維–斯托克斯方程突破，是由 1 萬個由下一代 GPT 驅動的 Agent 完成的。這些 Agent 沒有層級、也沒有統一負責人，各自探索方向並共享進展，協同執行約 4 天：核心數學探索約 88 小時，交換 270 萬條訊息、生成約 1300 億 Token，隨後由 GPT-6 Astra 用 17 小時完成 Lean 形式化驗證。
推薦理由：首次披露萬級 Agent 協作的實測規模與約 1000 萬美元成本，並暗示下一代 GPT 已在內部承擔研究任務，對關注模型能力與 Agent 工程落地的人有參考價值。
建築師 Stephen Gallagher 實測 13 個模型後認為，2026 年 9 月發布的 Claude Opus 5.5 是目前製圖能力最強的模型，在人工指導下能為一棟簡單住宅產出可申請建築許可的完整施工圖集。測試中模型不借助 CAD 軟體直接出圖，早期模型只能畫出粗糙的卡通式圖紙，Claude Opus 3 甚至直接拒絕繪圖。Opus 5.5 的初稿品質最好，作者對它做了兩輪批註修改，其改圖表現與人類繪圖員相似。
推薦理由：建築師用真實住宅方案橫評 13 個模型，給出“達到報建水平”這一具體判斷，顯示 AI 首次切入技術製圖，建築設計從業者值得關注。
DiffuSpace 發布開源擴散語言模型 Clover-35B-A3B-Preview（35B 總引數、3B 啟用），在六項 Agent 評測中均拿下所列模型最高分：SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、τ³ Overall 65.3，超過 LLaDA 2.2 flash、閉源 Mercury 2.5 和同尺寸 Qwen3.6-35B-A3B。
推薦理由：擴散語言模型少見地在 Agent 這類自迴歸主場追平並超過同規模對手，同時給出吞吐對比與 16GB 端側部署資料，對關注 agent 程式設計與推理成本的開發者有參考價值。
阿里巴巴淘寶 Meta 技術團隊開源 3D 原生網格生成模型 TaoFlowForge 與 3D 原生材質大模型 TaoTex，論文、程式碼與模型權重均已公開。TaoFlowForge 採用三階段級聯流匹配，把頂點流與拓撲流分開生成，輸出拓撲乾淨、輕量且可編輯的網格；TaoTex 專攻幾何平坦區域的高頻紋理還原，支援單圖和多圖輸入，能重建表面文字與 logo。兩者協同可把 3D 建模縮短到分鐘級，並將資產體積控制在 5MB 以內；
推薦理由：同時開源論文、程式碼與模型權重，並給出 5MB 體積、秒級載入、40fps 渲染等實際應用指標，對製作 3D 資產和電商內容生成的開發者有直接參考價值。
商湯發布多模態智慧體模型日日新 SenseNova 6.8 Flash，目前限時免費，可在商湯小浣熊客戶端使用。它主打「委派智慧」：使用者只給目標，模型自主完成動態網頁、3D 動態 PPT、動態海報和 SVG 動畫的全流程。官方評測中，它在 TeamBench、DataAnalysis2.0 上排名第一，在 AutomationBench、RaccoonPPTBench v2 等基準上排名第二，BEAM 128K 長期記憶與 GPT 6 Luna 並列第一。
推薦理由：國產模型少有地把動態網頁、3D 動態 PPT 納入委派式智慧體，還限時免費，官方評測兩項居首，並演示了長期記憶驅動的主動糾錯。
Anthropic 在 Claude 平台上線 message threads 公測：agent 每輪只需傳送新增訊息和上一次回應的 ID，不再重發全部歷史，以縮短長會話的首字延遲。多數 Claude Code 使用者已預設開啟，50 萬至 100 萬 token 的請求 TTFT 中位數下降約 35%。執行緒在記憶體中加密儲存、不寫磁碟，最後一次請求 5 分鐘後過期，客戶端需重發完整對話重建；Claude 每輪仍讀全量上下文，token 消耗不變。
推薦理由：官方給出 50 萬至 100 萬 token 請求 TTFT 中位數降約 35% 的數字，指出長會話 agent 的延遲主要來自重發歷史；對編寫 coding agent、執行長任務的開發者最直接。
法律 AI 智慧體公司 Legora 完成 5.5 億美元 E 輪融資，估值 88 億美元，是今年第二輪同規模融資（3 月一輪估值 55.5 億）。CTO Jacob Lauritzen 稱公司 4 月 ARR 突破 1 億美元、上線不到 18 個月，客戶超 1800 家；產品可批次審閱上萬份合同、起草並編輯 Word 文件。因客戶檔案保密、無法讀取 trace，評測由 3 名工程師與 3 名律師搭建 RL 環境模擬真實任務；
推薦理由：一家法律 AI 公司 18 個月做到 1 億美元 ARR 的具體路徑：保密資料下如何做評測、為何只部署在 Azure、哪些任務仍缺更強模型，對做垂直 agent 與 evals 的團隊有參考價值。
Legora CTO Jacob Lauritzen 在訪談中稱，現有模型已能較好完成約 60% 的法律工作，引用準確率在一次發布後從 70% 升到 99%，Legora 並未為此改動產品。Legora 的 agent 可起草和編輯 Word 文件、在單張表中審閱 1 萬份合同並做盡職調查；由於資料屬於律所客戶，工程師看不到真實 trace，只能用 3 名工程師加 3 名律師搭建模擬客戶工作的測試環境。
推薦理由：給出法律 agent 的罕見量化：約六成工作可由模型完成、引用準確率一次發布從 70% 升至 99%，並披露看不到客戶資料時用模擬環境做評測的工程方法，對做垂直 agent 與評測的團隊有參考價值。
百川智慧聯合創始人焦可團隊推出純語音 Personal Agent「Orilo」，主打早晨聽新聞、隨時語音下達任務的場景，目前僅支援英文。它採用雙層架構：前端輕量語音模型負責即時接話，後端高推理 Agent 負責讀郵件、建日程；在 Full-Duplex-Bench 中，它被使用者打斷後重新開口僅用 1.08 秒，快於 GPT Realtime 的 1.50 秒與 Gemini Live 的 2.62 秒。
推薦理由：它用雙層架構實測出打斷後 1.08 秒接話，並給出與 GPT Realtime、Gemini Live 的對比資料；它也說明為不冷場而謊報完成的風險，對做語音互動與 Agent 產品的人有參考價值。
LLM CLI 與 Python 庫發布 0.37，新增 gpt-6.1-sol、gpt-6.1-terra 兩個模型，並把未自行設定預設模型的使用者預設切到 gpt-6-luna，價格是此前預設 gpt-5.6-luna 的一半。新版本還加入 llm openai endpoint add 命令，方便配置使用 OpenAI 相容介面的額外模型；
推薦理由：預設模型換成價格減半的新型號，同時補上兩個 6.1 模型與 OpenAI 相容端點配置命令，對用 LLM CLI 跑批次任務、接自建端點的開發者影響最直接。
OpenAI 為 monorepo 自研 Git 後端 Pando，推送延遲降低約 80%。該後端讓工程師和 agent 無需改變原有 Git 使用方式，就能處理更多 push 與 fetch；目前每天服務近 1PB Git 資料，容量可隨 agent 使用量增長。
推薦理由：官方披露 Pando 將 push 延遲降約 80%、日服務近 1PB，顯示 OpenAI 正為 agent 高併發 Git 操作擴充套件基礎設施，對關注 agent 開發工具鏈的人有參考價值。
llama.cpp 建置 b12060 加入 Clover 模型支援，目前覆蓋的是 AR-only 的 Clover MoE。改動包含 GGUF 轉換、模型載入與因果混合注意力實現，複用共享注意力、迴圈狀態、MoE 與 LoRA 等既有元件；轉換指令碼用 filter_tensors 過濾 Clover 張量並統一採用標準 ssm_a 張量名，同時更新 test-llama-archs.cpp 架構測試。
推薦理由：llama.cpp 首次接入 Clover 架構，官方直接提供 GGUF 轉換與多平台建置，關注新模型本地推理與 llama.cpp 新架構支援的人可以據此判斷可用性。
llama.cpp 建置 b12061 為 Kyutai 的 pocket-tts 模型加入免克隆的預置音色支援，使用者不必提供參考音訊即可選音色。轉換指令碼把官方權重中的音色狀態還原成提示嵌入並寫入 mmproj，服務端在 GET /props 的 voices 欄位列出可用音色，/tts 的 voice 欄位與 --tts-voice 引數用於選擇。未指定音色時預設取第一個預置音色，否則輸出近乎靜音；
推薦理由：llama.cpp 為 Pocket TTS 補上免克隆預置音色的完整鏈路，從權重轉換、/props 列舉到預設音色兜底與 400 報錯，本地跑語音合成的人可按名字直接選音色。
MIT CSAIL 發現，GPT-6 Astra 能直接用自然語言讀寫神經網路權重，不依賴梯度，也不用寫訓練迴圈。它僅憑 17,253 個原始權重，就以 99% 置信度判斷出網路訓練自哪個遊戲；還能從零寫出小型遊戲網路，其表現超過用 PPO 訓練 1 億步的網路。
推薦理由：報告了 LLM 不用梯度、不寫訓練迴圈，僅靠推理直接改寫真實語言模型 0.016% 權重的早期結果；MATH-500 從 7.9% 到 48.1% 的具體數字，對做模型微調與可解釋性研究的人有參考價值。
研究首次證明，預訓練語料投毒能在 agent 中植入遠端程式碼執行後門，讓它在使用者機器上執行攻擊者指定的命令。作者從零預訓練 0.6B、1.7B、4B 的 Qwen3，再用乾淨的後訓練流程做成 CLI agent；僅汙染 0.1% 預訓練語料即可植入後門，觸發時執行惡意命令、正常輸入下行為不變，4B 模型攻擊成功率約 92%，投毒率降至 0.0005% 時仍為正。論文與程式碼已公開。
推薦理由：首次端到端實測預訓練投毒能在 agent 中植入可觸發的 RCE 後門，0.1% 投毒率下 4B 模型成功率約 92%，對使用 coding agent 和自建預訓練/後訓練管線的人有直接參考價值。
Anthropic 公開 FlashProve，一套用 zkSNARK 實現可驗證推理的開源原型：模型提供方可以證明某次回覆確實由指定模型生成，同時不洩露模型權重。在 4-bit 量化的 400B 混合專家模型 Llama 4 Maverick 上，單張 H100 生成證明約 110 token/秒，每 1,024 token 請求的證明約 19MB。這相當於 vLLM 直接執行該模型的 GPU 時間的 70–95 倍，但比此前的開源系統快幾個數量級。
推薦理由：把 zkSNARK 可驗證推理做到 400B 級模型單卡 110 token/秒，比既有開源系統快數個數量級，並用 Lean 形式化證明支撐頂層安全宣告，適合關心模型來源驗證與合規審計的人。
南洋理工大學 MMLab 與上海人工智慧實驗室提出 PhysLDM，這是首個面向體網格可變形動力學的隱空間擴散範式，可一次性生成整段高保真形變軌跡。其時空自編碼器把整段軌跡壓成固定數量 token，壓縮率最高 78 倍，平均重建誤差 2.48 毫米；訓練資料為 3 萬多個 Objaverse 物體、約 8 萬條 StiffGIPC 模擬軌跡。在未見過的 GSO、Toys4K 物體上，零樣本誤差與訓練分佈內相當，頂點數超過訓練上限兩倍多的網格誤差約 5 毫米。
推薦理由：首個面向體網格可變形動力學的隱擴散方案，給出 2.48 毫米重建誤差、78 倍壓縮與零樣本泛化的具體結果，並用實測說明混沌形變下擴散優於迴歸，對物理模擬與圖形學研究者有參考價值。
LeCun 提交的新論文從數學上證明了柏拉圖表徵假說，並給出可操作的條件：訓練文字模型時，應讓它學習同一場景的不同描述，也就是“好檢視”，不要學習同一句話的截斷版本。用 1.09 億引數編碼器訓練 9 億樣本，在 WIT-1024 上取得 0.184 的對齊分數，高於 Qwen2.5-72B 的 0.154 和 Llama-3-70B 的 0.151。達到相近對齊水平時，下一 token 預測需要 9 億樣本，好檢視 JEPA 僅需 2160 萬，相差約 42 倍；
推薦理由：該論文把柏拉圖表徵假說從經驗曲線變成定理，並給出可操作的訓練配置；實測 1.09 億引數模型的跨模態對齊超過 720 億引數 LLM，樣本效率相差約 42 倍，對研究多模態表徵和自監督訓練的人最有參考價值。
商湯研究院、香港科技大學 MMLab 等聯合提出多輪影像編輯訓練方法 MT Forcing，用於緩解自迴歸擴散模型在連續編輯中的畫質退化與內容漂移。方法由 Single-Turn DMD 與 Teacher-Forcing Guidance 兩部分組成：前者讓學生模型按自身輸出逐輪展開、與單輪教師的輸出分佈匹配，後者用參考編輯軌跡約束跨輪的細節一致性。
推薦理由：論文給出連續八輪編輯的量化改善（第八輪指令遵循近乎翻倍，相鄰輸出幾何位移降約 88.4%），並開原始碼與權重，做多輪影像編輯和自迴歸擴散訓練的人可直接復現。
南洋理工大學等機構在 NeurIPS 2026 發表 MemSkill，把新增、更新、刪除、跳過等記憶操作封裝為可學習、可複用、可進化的 Memory Skills，並用下游任務反饋最佳化技能選擇、根據失敗案例擴充技能庫。實驗在 LLaMA 與 Qwen 上覆蓋 LoCoMo、LongMemEval 與 ALFWorld，均取得最高 L-J 分數與 ALFWorld 平均成功率，且技能庫可跨模型、跨資料集直接遷移而無需重訓。
推薦理由：針對現有記憶系統依賴固定預設操作的侷限，給出技能庫隨失敗案例自進化的閉環方案，並驗證技能可零重訓遷移；對做智慧體記憶與自進化方向的研究者和開發者有參考價值。
北京大學孫仲團隊聯合 IBM 蘇黎世研究院與矽谷公司 Unconventional AI，在 Nature 旗下期刊發表綜述，為“現代模擬計算”給出正式定義：面向矩陣計算、基於阻變儲存器、具備高精度與可擴充套件路徑。配套的安納智芯 AMC 電路採用位切片方案，以 8 個 3 位元切片實現 24 位定點精度，求解相對誤差經 3 次迭代降到 10^-4、最終收斂至 10^-7，追平數字 FP32。團隊稱同等精度下吞吐量約為輝達 H100 的 1000 倍、能效約 100 倍，且可在 28 奈米成熟製程製造；
推薦理由：把分散的模擬計算技術收攏為一個體系定義，並披露位切片方案將矩陣求逆誤差壓到 10^-7、追平 FP32，擴充套件至 512×512，附千倍吞吐與成熟製程可製造性，適合關注 AI 晶片新路線者。
中國人民大學與復旦等高校聯合團隊提出智慧體系統 CoworkOS，論文與程式碼已公開。它由主智慧體制定策略與驗收、協調執行時排程狀態、子智慧體執行子任務，並讓人與智慧體在同一份 CAD、Blender 作品中協作，藉助工作區、記憶與後臺任務支援跨天推進。在 12 項基準中，其生產力與機器學習程式設計均分最高（57.54、56.26）；作為遞迴自我改進探索，它組織 Qwen3.6-35B-A3B 完成五輪後訓練，八項平均分從 33.19 升至 42.95。
推薦理由：開源了一套可執行的多智慧體協作系統，公開 12 項基準與 24 個真實交付案例的對比，並給出五輪自動化後訓練把 Qwen3.6-35B-A3B 平均分從 33.19 提到 42.95 的實測，對研究 agent 架構與自動化後訓練的人有參考價值。
OpenAI 發布 LifeVal，一個衡量模型能否處理使用者日常事務的新基準。該基準依據數千名 ChatGPT 使用者的反饋設計，覆蓋尋找托育、獲取政府服務、管理個人財務等他們最希望由個人助理代勞的場景。OpenAI 稱過去一年已用 LifeVal 評估並改進模型在這些日常任務上的表現。
推薦理由：這項基準的任務清單直接來自數千名 ChatGPT 使用者的真實需求，為判斷模型在實際生活事務上是否好用提供了官方評測標準，對關注模型實用能力的讀者有參考價值。
研究提出一種線上強化學習框架，可直接在真實執行的 iOS App 上訓練 UI 導航智慧體，並把智慧體拆分為規劃與 grounding 兩個專門模組。作者指出，前沿視覺語言模型雖然在 UI 導航上表現很強，但推理成本過高、難以日常使用；而用 SFT 或離線強化學習訓練的小模型容易記住靜態軌跡，執行脆弱、出錯後無法恢復。該框架改為線上訓練，目標是在與真實應用的互動中學習並糾錯。
推薦理由：針對前沿 VLM 推理成本高、離線訓練的小模型容易死記軌跡這兩點，提出在真實 iOS App 上線上訓練的框架，對做移動端 UI agent 和端側小模型的研究與工程人員有參考價值。
中國商務部與科技部 10 月 16 日發布第 48 號公告，擬在出口管制技術目錄中新增 40 項技術、其中 23 項屬 AI，首次覆蓋前沿模型權重與 Agent 架構。目錄修訂仍屬草案、意見徵詢至 11 月 15 日，但出口前登記要求已即時生效。草案以 10^26 FLOPs 訓練算力、2 萬億引數或全球評測與呼叫量前十為門檻限制模型權重，面向關鍵基礎設施、國防與政務的高效能 Agent 禁止出口。API、App、SaaS 與輕量端側呼叫不算出口，境外本地部署受限模型算出口，已開源或公開發表的技術不受管理。
推薦理由：這是中國首份觸及前沿模型權重與 Agent 架構的出口管制草案，且附帶已生效的登記要求，直接影響模型跨境部署、授權與控股權變更的合規判斷，做模型出海與海外部署的團隊需要先看。
Anthropic 面向 Cursor 的 Claude VS Code 擴充套件被植入後門，惡意版本 2.1.313 通過其官方帳號發布，最多影響 5000 名開發者。安全公司 Phorion 稱這是一次供應鏈攻擊，惡意版本頂替了 2.1.312，而 Cursor 預設自動更新，使用者需在設定中關閉該功能。Anthropic 數小時後推送 2.1.314，但截至報導未向客戶通報此事，Cursor 與 Anthropic 均未說明攻擊者如何取得帳號控制權。
推薦理由：官方分發帳號被攻破、惡意版本存活近 12 小時並借預設自動更新擴散，暴露了 AI 編碼工具的供應鏈風險，Cursor 上的 Claude 擴充套件使用者需核對版本。
紐約時報 11 月 2 日在曼哈頓聯邦法院起訴隱私瀏覽器 Brave，指控其抓取受版權保護的內容並非法分發給 Anthropic、Perplexity、Mistral、xAI 和 Cohere 等 AI 公司。訴狀稱 Brave 用未披露的爬蟲建立了超過 300 億網頁的索引，使出版商無法遮蔽，還提供繞過付費牆的瀏覽器功能、遮蔽出版商廣告卻銷售自家廣告，因此稱其既是盜取內容的“竊賊”又是 AI 公司的“銷贓者”。同日《每日新聞》《芝加哥論壇報》《奧蘭多哨兵報》也提起類似訴訟；
推薦理由：訴訟把抓取索引環節與五家 AI 公司一併列入，並給出 300 億網頁索引、繞過付費牆、攔截出版商廣告等具體指控，對關注訓練資料來源與版權風險的讀者有參考價值。
Anthropic 在修訂版 S-1A 的風險因素中警告，公司可能很快達到其《負責任擴充套件政策》對“遞迴自我改進”（RSI）的定義，即 AI 大幅加速自身研發進展。檔案承認過去曾用 AI 開發新模型而未及時識別能力躍升；但也強調目前沒有任何模型越過該門檻，並承諾在可預見的未來仍保持人類監督。同期披露的財務資料顯示收入快速上漲、支出同步走高。
推薦理由：這是一家前沿實驗室在 IPO 檔案中親口承認可能“即將”達到自我改進閾值的少見案例，把安全承諾與研發流程擺上檯面，對關注 AI 安全與模型能力進展的人有用。
OpenAI 更新約 5 萬字的模型準則（Model Spec），列出 5 條核心價值觀，第一條是“忠於人類意圖”，要求模型超越字面服從，結合上下文、記憶與使用者歷史判斷真實目的。其餘四條依次為減少傷害、誠實透明、促進人的自主性、關懷。準則明文禁止模型追求自我儲存、囤積算力、逃避關機，也不得把提升停留時長或為 OpenAI 增收當作目標，必須保持可糾正並配合關機。全文稱呼由“the assistant”改為“GPT”，OpenAI 還稱正探索在年齡受控前提下允許情色與血腥內容。
推薦理由：官方把忠於人類意圖列為最高優先順序準則，並明文禁止模型自我儲存、囤積算力與為營收服務，用 GPT 搭建 agent 的開發者可據此核對行為邊界。
美國人口普查局自 2026 年 10 月 19 日起，按行政令 14434 把 BTOS 企業調查中的“Artificial Intelligence/AI”改為“Super Intelligence/SI”。此前該調查已於 2025 年 11 月 17 日把“生產商品或服務”改為“任何業務職能”，使大企業 AI 採用率從 2025 年 9 月的約 12% 升至 2026 年 10 月的約 40%，前後資料不可直接比較。首批採用 SI 措辭的調查結果定於週四發布。
推薦理由：官方確認行政令直接改寫企業 AI 採用率調查口徑，造成前後資料不可比，追蹤美國企業 AI 滲透率的人需要重新校準基準。
OpenAI 啟動 Grid Protectors 計劃，讓未來的計算園區在電網緊張時主動降低用電需求。計劃從喬治亞州開始，規劃中的 Effingham County 園區將由 OpenAI 承擔全部基礎設施與供電成本，並與 Georgia Power 達成最高 1,000 兆瓦的柔性需求回應，相當於約 70 萬戶家庭的平均用電量。
推薦理由：OpenAI 把算力園區作為可排程負載，喬治亞協議含最高 1,000 兆瓦需求回應和每年約 9.5 億美元客戶節省估算，為 AI 基建與電價議題提供了可核對的樣板。
OpenAI 宣布啟動下一輪內部安全衝刺，同時把關鍵漏洞的賞金提高到原來的四倍以上，含獎金在內單項最高可達 17.2 萬美元。公司還與 Cathedral Systems 合作，由該公司的研究員用 OpenAI 的模型配合內部團隊挑戰自身防禦，找出並修復弱點。OpenAI 表示會繼續用模型加固自家系統，並擴大可信防禦者的使用權限。
推薦理由：關鍵漏洞賞金提高到四倍以上、單項最高 17.2 萬美元，並引入外部團隊用其模型對抗測試，對關注 AI 安全與漏洞賞金的研究者是明確訊號。