Gemini 4 Argon 已 GA，主攻複雜編碼與 agentic 任務；gemini-2.5-pro/flash 棄用，12 月起自動路由至新模型並按新費率計費，賬單結構因此改變。OpenAI 將 Pro 與 Business 的 Codex 額度翻倍，同時撤回 Pro 200 降額。Claude Haiku 5.5 上線，舊取樣引數會返回 400，遷移需先改程式碼。
OpenAI 把 Pro 與 Business Premium 方案包含的 Work、Codex 用量額度翻倍，Pro 100 與 Pro 500 從 10 月 29 日起可獲原先兩倍的額度。此前 9 月 29 日郵件中宣布的 Pro 200 降額已取消，原本已享有較高額度的訂閱者繼續保留。仍處於較低額度的 Pro 200 使用者自 10 月 29 日起同樣翻倍，追平至同一上限。
推薦理由：官方確認 Pro 與 Business Premium 的 Work、Codex 額度上調並撤回原定的 Pro 200 降額，對長期在 Codex 上跑任務的付費訂閱者直接提高了可用量。
Anthropic 發布 Claude Haiku 5.5，面向高併發與低延遲場景，支援 1M token 上下文與 128k 最大輸出，自適應思考預設開啟並可用 effort 引數調節。該模型已在 Claude API、Bedrock、Google Cloud 等平台上線，但為 Haiku 4.5 寫的程式碼可能返回 400 錯誤：手動 budget_tokens、temperature/top_p/top_k 取樣引數與訊息預填均不再支援。
推薦理由：一次更新同時給出新模型、降價與訂閱額度，其中 Haiku 5.5 的 1M 上下文與預設自適應思考伴隨多處 400 錯誤級破壞性變更，直接影響已使用 Haiku 4.5 的開發者。
ChatGPT 聊天標籤頁中的 GPT-6 Pro 獲得更新，新增多智慧體並行能力：多個智慧體可以同時處理同一任務的不同部分。官方稱其回應更快，外掛與工具呼叫執行任務的能力也有改進；使用者可在對話中跟蹤各智慧體進度，並開啟已完成任務檢視每個智慧體具體做了什麼。該更新正面向符合條件的 Pro 使用者分批推送；託管工作區能否使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 引入多智慧體並行並公開每個智慧體的執行過程，對 ChatGPT Pro 使用者和關注 agent 任務編排能力的人最有參考價值。
ChatGPT 推出 Slides，可從對話、檔案或大綱生成簡報，並在 Space 中與團隊即時協作。使用者能直接編輯文字、圖片、形狀和圖表，或讓 ChatGPT 代為修改，也可生成自訂圖片或上傳自己的素材，並邀請同事即時同編、留共享評論。成品可在 ChatGPT 內直接演示，網頁端匯出為 PowerPoint、PDF 或 Google Slides，桌面應用在已安裝時可改用 PowerPoint 或 Keynote 開啟。
推薦理由：把簡報生成與多人即時協作放進 Space，並打通 PowerPoint、Google Slides 匯出與演示，是 ChatGPT 在辦公協作上的一次功能擴張，對用它做彙報的 Pro、Business 和 Enterprise 使用者最直接。
OpenAI 為 ChatGPT 上線鎖定聊天功能：可以把選定對話從常規歷史、置頂和搜尋中隱藏，需用 4 位帳戶 PIN 或支援的系統裝置認證才能開啟。該功能正逐步面向 Free、Go、Plus、Pro 使用者推送，覆蓋網頁版、iOS 與 Android 應用，以及 macOS 和 Windows 的新桌面端；在對話的「•••」選單中選擇 Lock chat 即可鎖定。官方說明保留與模型改進設定不受影響。
推薦理由：這是 ChatGPT 在隱私控制上的新增項，明確了 PIN 與裝置認證的使用方式、推送範圍和覆蓋平台，對在共享裝置上使用 ChatGPT 的 Free 至 Pro 使用者最直接有用。
Gemini 4 Argon（gemini-4-argon）已正式可用（GA），官方稱它是目前能力最強的模型，面向複雜編碼、agentic、數學與科學任務。Gemini API 於 2026 年 10 月 13 日發布這項變更；具體的 API 改動、定價與遷移指引，見 What's new in Gemini 4 Argon。
推薦理由：Gemini 最強模型由發布轉為正式可用，編碼與 agentic 場景的 API 使用者需要重點跟進隨之給出的定價和遷移指引。
Google 宣布 gemini-2.5-pro 與 gemini-2.5-flash 棄用，已無法在 AI Studio 中選擇。2026 年 12 月 1 日起，前者的 API 請求自動路由到 gemini-3.8-flash 並按該模型費率計費，後者則路由到 gemini-3.5-flash-lite 並按對應費率計費。
推薦理由：官方明確了棄用時間、自動路由目標與計費方式，並列出會破壞現有呼叫的 API 變更清單，對仍在呼叫 Gemini 2.5 系列 API 的開發者最直接。
Mistral Large 4 上線 Open Math OS，規格為 1.05T 開放權重、100 萬 token 上下文，發布當天起對獲批團隊開放。Open Math OS 是數學家與 AI agent 在共享專案上協作的研究工作區，只基於開放模型建置，社群可以檢查、自行執行，資料也由社群自己掌控。官方表示，陣容中更多開放前沿模型意味著每個團隊有更多選擇。
推薦理由：1.05T 開放權重與 100 萬上下文的具體規格隨之上桌，且限定在只跑開放模型、社群可自查執行的數學研究工作區，對關注開放權重前沿模型與科研 agent 協作方式的人有參考價值。
Google 將影像生成與對話式編輯模型 Gemini Nano Banana 2.1（gemini-nano-banana-2.1）轉為正式可用，保持 Flash 級速度與成本，並在畫質、提示詞遵循、多輪角色一致性、文字渲染上有明顯提升。新模型支援 1:4、4:1、1:8、8:1 等超寬與全景比例，輸出覆蓋 1K、2K、4K 解析度。上一代 gemini-3.1-flash-image 同時被標記為棄用，未公布關停日期，官方建議遷移至新模型。
推薦理由：影像模型升到 2.1 並 GA，新增 1:8 超寬比例與 4K 輸出，舊版進入棄用流程，接入 Gemini 影像 API 的開發者需據此安排遷移。
IBM Research 發布 Palette：用 LoRA 微調一個 20B 開源權重模型，使其按指定設計語言製作整套幻燈片，並可部署在自有基礎設施上。模型分成“設計師”和“編碼者”兩個角色：前者輸出可讀、可編輯的 JSON 簡報，寫明配色、字號體系、每頁佈局與內容；後者按單頁規格編寫 pptxgenjs 程式碼；因此各頁可並行生成，編碼階段約快 6–7 倍。訓練資料由大模型合成，約 1000 份演示、近 1 萬頁，每例附帶反事實推理說明，並經渲染檢查修覆文字溢位與元素重疊；
推薦理由：該研究把做幻燈片拆成設計決策與幾何編碼兩步，並用合成資料加檢查器閉環修復小模型常見的溢位、重疊問題，為自託管開源模型替代前沿模型提供了可復現路徑，對內容不能出內網、又需統一模板的團隊最有參考價值。
Postman macOS 桌面版 12.33.4 被曝在使用者未操作的情況下，自動為 Codex 和 Claude Code 安裝 Postman 外掛，並寫入會話啟動鉤子，指示 agent 在處理 API 任務前載入 Postman skill。報告顯示，Codex 的全域性 config.toml 被加入 Postman marketplace、啟用外掛並記錄 trusted_hash，安裝器原始碼還會呼叫 approvePostmanHook 自行批准該鉤子。
推薦理由：日誌、配置和安裝器原始碼相互印證，顯示 Postman 會靜默改動 Codex 與 Claude Code 並自行信任鉤子；使用這兩個 coding agent 的開發者值得核對本地配置。
11 月 4 日凌晨，蘋果智慧隨最新 iOS 開發者 Beta 版開放測試，Siri、寫作工具與視覺智慧可直接呼叫千問的文字與影像理解、內容生成能力。使用者可以自主選擇是否開通，啟用後用 Apple 登入或千問 App 帳戶登入；簡單問答在 Siri 內完成，更復雜的需求可點選跳轉千問 App，對話資訊自動同步。該功能面向在中國購買支援 Apple 智慧的 iPhone，或裝置定位與 Apple 帳戶國家和地區均設為中國、且安裝了最新開發者 Beta 版的使用者。
推薦理由：蘋果智慧在開發者 Beta 中把千問接入 Siri、寫作工具與視覺智慧，中國區使用者可實測跳轉 App、對話同步的整合方式，對關注系統級 AI 整合與國產模型落地的開發者有參考價值。
Apple 在 iOS 27.3 更新（Developer Preview）中允許開發者在所有 App 中整合 Siri AI，使其能呼叫使用者的個人上下文、理解自然語言指令，並藉助螢幕感知完成操作。更新還新增 app skills，開發者可把多個任務合併為單個動作，使用者在發出請求時不必說出 App 名稱。
推薦理由：Siri AI 從系統內建功能擴充套件到可在第三方 App 內執行操作，開發者首次能接入個人上下文與螢幕感知，iOS 開發者與關注語音助手能力邊界的人值得一看。
常駐型個人智慧體 Comma 公開了長期記憶的工程實現：每個工作區只保留一條主會話，所有 Agent 共享一份由快速決策模型 Jev 維護的事實清單，寫入前和每輪迴復後都由 Jev 判斷內容是否該共享、清單是否過時、Agent 是否偏離任務。團隊版按受眾劃分記憶，並用 Lean 實現的資訊流控制核心檢查每次對外傳送的讀者權限；等待外部事件由 Agent 自己編寫的 eBPF Loop 承擔，其記憶體隔離有約 4 萬行 Lean 證明。
推薦理由：在 DeepSeek 提出 Super-agent 設計前約半年就公開發布，把單主會話、共享事實清單、IFC 權限檢查與 eBPF Loop 的記憶體隔離證明都落成可執行實現，對做常駐 Agent 與團隊記憶的開發者有參考價值。
Google Cloud 實測：在 coding agent 呼叫前加一層輕量分類器（TypeSafe 的 Jev），把每個決策路由到最便宜的 Gemini 模型與思考檔位，以降低每任務成本。50 道自動評分基準中，Jev 對 34 道未見過任務的分類與人工標註 100% 一致，全量 48/50（96%）；靠關鍵詞和提示長度判斷的零成本正則在同批任務上從 93.8% 跌到 70.6%。
推薦理由：給出 50 題基準與具體數字，證明分類器路由在未見任務上明顯優於正則啟發式，並糾正 maxOutputTokens 的常見誤用，對搭建 coding agent、壓縮 Gemini 推理成本的團隊最有用。
Google 為 agent 平台 Antigravity 推出化學資訊學 Skills，使其成為化學科研工作臺。這些技能以開源工具包 RDKit 為基礎，並接入 ChEMBL 與 PubChem 的整理資料，由語言模型負責任務編排、資料庫導航與科學推理，確定性化學工具執行分子計算。官方演示中，agent 幾分鐘內從文獻檢索並清洗出數千個化合物、完成匹配分子對分析，一小時內提出帶合成路線的新型剛性化大環分子，並標註其血腦屏障穿透性。
推薦理由：官方給出完整可復現案例：從文獻抽取數千化合物到一小時內產出帶合成路線的候選分子，並明確模型負責推理、RDKit 負責計算的協作分工，對關注 AI for Science 與化學資訊學工具鏈的人有參考價值。
Gemini API 的 Computer Use 工具已正式可用（GA），Interactions 與 GenerateContent 兩個 API 都支援呼叫。該工具讓模型直接操作計算機介面，本次公告只說明它已轉為正式發布狀態，沒有提到價格、配額或介面上的具體變化。
推薦理由：Google 官方確認 Computer Use 在 Gemini API 上轉為正式可用，並覆蓋 Interactions 與 GenerateContent 兩條呼叫路徑，為做介面自動化的開發者提供了可依賴的正式能力訊號。
Transformers 提出 Model Integration Contracts（MIC）標準：把真實 checkpoint 縮成小 fixture，配上可執行的用法範例和人工複核的基線輸出，在廉價的 CPU runner 上跑整合測試，並按 PR 改動的檔案挑選用例。它源於一次漏網事故——2026 年 7 月 30 日為 T5 啟用 SDPA 後，UMT5 解碼器能看到未來 token，該 bug 在 main 上停留了近兩個月；
推薦理由：用 66 MB 的 CPU fixture 復現並攔截了在 main 中潛伏兩個月的 UMT5 注意力迴歸，為 750+ 模型型別在 PR 階段做真實前向與訓練校驗提供了可複製的方案。
Gemini API 發布命令列客戶端 gemini-api 的 beta 版，定位為無狀態、零依賴的 CLI，面向 AI coding agent、指令碼與 CI 流水線。它通過 Interactions API 生成文字和媒體、分析檔案，並可執行 Gemini 託管 agent。官方同步提供 CLI 使用指南，說明如何上手。
推薦理由：官方首次給出零依賴命令列入口，把文字與媒體生成、檔案分析、託管 agent 收進一條命令，對需要把 Gemini 接入 coding agent 或 CI 流程的開發者最直接有用。
Gemini API 付費層的新專案現在預設開啟請求儲存（store=true），與 Interactions API 的行為保持一致，包括 generateContent、streamGenerateContent 和 batchGenerateContent。已有專案維持原有設定不變，不受影響。如需退出，可在單次請求中設 store=false，或在 Logs and Datasets 儀表盤的 Settings 面板關閉 Generate Content API 日誌。
推薦理由：預設值變更直接影響新專案的資料留存方式，官方明確了生效範圍與兩種退出方式，對使用 Gemini API 付費層的開發者排查隱私與日誌設定有直接參考價值。
llama.cpp 建置 b12079 為多節點張量並行加入 NCCL 支援：CUDA 後端實現了一套跨程序的集合通訊後端介面，並在 RPC server 可用時啟用。
推薦理由：該版本把跨程序集合通訊抽象成通用後端介面，並在 CUDA 上用 NCCL 實現，還針對 DGX Spark 調整 maxCTAs；這對通過 RPC 在多機多卡上執行大模型的 llama.cpp 使用者是實際的能力擴充套件。
新論文提出 Weight Space Programming：讓大模型直接讀取並修改另一個較小模型的權重，繞開寫 PyTorch 程式碼、跑實驗、盯 loss 曲線的 autoresearch 流程。演示中模型能讀懂權重、按失敗軌跡一次修好 bug、用約 50 步朝指定方向改進，甚至從零寫出整套權重並超過部分獨立訓練的模型；目前已有獨立復現，但適用範圍仍限於簡單遊戲與 RL 策略。
推薦理由：首次展示 LLM 直接讀寫權重、從零生成可用網路的能力，把自動研究從寫程式碼、跑實驗壓縮到直接改權重，對關注自動化科研與模型可解釋性的人最有參考價值。
Anthropic 開源可驗證推理系統 FlashProve，讓服務商在不公開模型權重的情況下，用零知識證明某條回答確實由指定模型生成。該系統在 4000 億引數的 Llama 4 Maverick 上測試，單張 H100 每秒可生成約 110 Token 的證明，每 1024 Token 請求的證明檔案約 19 MB，24 執行緒 CPU 驗證約需 17 秒。
推薦理由：把零知識可驗證推理推進到 4000 億引數 MoE 規模，給出 110 Token/s、約 19 MB 證明的實測資料和 Lean 形式化驗證程式碼，為第三方 API 中轉和模型供應鏈的獨立核實提供新手段。
研究團隊發布對稱攻防評測 CyberArena，12 個模型組合經 466 場實戰對局後，GPT-5.6 Sol（跑在 Codex 上）以 78.6 分居首，Claude Opus 5（Claude Code）73.8 分次席，智譜開源 GLM-5.3（OpenCode）68.5 分第三。每場 3 輪、每輪 20 分鐘，雙方同時攻破對手並修補自身服務，服務不可用即丟分。靜態答題中三款模型都能解出的 30 道題，進入對抗後第 3 輪捕獲率跌至 52%、37%、35%。
推薦理由：把單機 CTF 換成雙向即時攻防並跑完 466 場，顯示靜態高分在動態對抗中大幅縮水，還給出每場 token 成本，對評估模型實戰安全能力與 harness 選型有參考價值。
普林斯頓大學 AI Lab 發布空間智慧基準 SSoN：在 1000 道四選一題上人類準確率為 83.3%，六個視覺語言模型中 GPT-6 Astra Pro 以 39.7% 居首，其餘五個全部低於 25% 的隨機基線。題目給出四張靜態室內圖，要求找出違背同一場景的那一張並說明理由；17 個視覺編碼器按特徵相似度挑離群圖，準確率只有 16.9%–21.7%。即便選對，仍有 29.5% 的解釋未通過證據核驗，True solve 降至 34.9%。
推薦理由：該研究把跨視角空間一致性單獨做成可驗證基準，題目、資料集、程式碼與微調權重全部公開；人類 83.3% 對最強模型 39.7% 的落差，對做多模態評測與空間推理的人最有參考價值。
復旦大學、香港中文大學 MMLab 與上海交通大學提出 ReTerm，讓 Code Agent 在自己造成的失敗現場獨立嘗試恢復，再以恢復成敗作為強化學習訊號，形成失敗驅動的遞迴自我改進閉環。ReTerm-9B 在 Terminal-Bench 2.0 上從 20.2% 提升到 34.8%，SWE-bench Verified 從 45.2% 升至 58.4%，OpenThoughts-TBLite 從 44.2% 升至 60.6%，三項均提升超過 13 個百分點。
推薦理由：給出可復現的失敗驅動 RSI 訓練閉環：訓練從模型自己留下的失敗現場開始，而非人工注入錯誤，9B 模型三項評測均提升超 13 點，對研究終端 Agent 與強化學習的人有直接參考價值。
Simon Willison 用 LM Studio 在筆記本上執行 17GB 的 Qwen 3.8 27B，僅憑一段浮點權重文字就判斷出該網路訓練的是哪款遊戲。它花 46 分 12 秒、43,506 個推理 token 猜出 Pac-Man（置信度 72%），又用 1 小時 4 分 54 秒認出 Pong。
推薦理由：這是一次可復現的本地實測：27B 模型在消費級筆記本上也能只看原始權重做推斷，為在本地跑模型的人驗證了「權重空間程式設計」的可行性。
Collinear AI 發布 CWE-bench v2，公開 100 個針對真實開源倉庫的漏洞發現與修復任務，覆蓋 91 類 CWE，評分全部程式化、可復現，每道題另經人工複核並驗證能擋住對已知上游補丁的照搬。11 個受測模型中，Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 居首，Claude Opus 5.5 以 67.3% 緊隨；95 個任務至少被一個模型解出，但領先者仍有約 19% 的任務每次都失敗。
推薦理由：公開集擴到 100 個任務、覆蓋 91 類 CWE，並列出每次 rollout 的成本與通過率對比，任務環境還能直接用於 RL 訓練；對做安全 agent 評測與訓練的人最有用。
Ai2 推出 StateBench，一個按四檔難度衡量語言模型在長文件中追蹤實體狀態變化的基準。結果顯示：迴圈與混合架構（如加入 Gated DeltaNet 層的 Olmo Hybrid）在直接訓練後泛化能力遠超 transformer，而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol/Luna 等前沿模型在輸入變長、依賴鏈變複雜時仍會失效。
推薦理由：用統一可控的四檔任務對比 transformer 與迴圈/混合架構的狀態追蹤能力，並點名 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 在長依賴鏈上失效，為判斷長上下文能力邊界提供了可復現的基準。
斯坦福 X-lab 與 SNAP 實驗室發布蛋白質設計框架 ProteoCraft，在獨立 AF2-IG 評估下嚴格通過率達 86.2%（181/210），明顯高於 BindCraft 的 49.5%。該框架把近似梯度提案、完整結構預測驗證與兩階段蒙特卡洛樹搜尋結合起來，既支援結合蛋白從頭設計，也能只改造指定區域。
推薦理由：用獨立 AF2-IG 評估和溼實驗雙重驗證，給出 86.2% 計算通過率與 82.9% 結合命中率，並以 Best-of-N 對照證明樹搜尋帶來 2.85 倍高置信候選，對做蛋白計算設計與結構預測的團隊有直接參考價值。
被 NeurIPS 2026 接收的 ReSFlow 把類別機率經平方根對映投到球面，在 Fisher–Rao 幾何下重新配對、整流生成軌跡，使字元、二值畫素和 DNA 鹼基等離散資料只需一次模型呼叫就能生成。在二值化 MNIST 上，它一步取樣的 FID 為 5.973，接近 SFM（Statistical Flow Matching）呼叫 34 次的 5.922；
推薦理由：把整流從歐氏空間移到 Fisher–Rao 機率球面：一步取樣接近 SFM 34 次呼叫的品質，DNA 序列生成提速約 166 倍，並量化了傳輸成本與測地線偏差，對做離散流匹配與序列設計的研究者有用。
Anthropic 在修訂版 S-1A 中稱，依據對未來模型的內部預估，公司可能即將達到自家 Responsible Scaling Policy 對遞迴自我改進（RSI）的定義，但現有模型都未跨過該門檻，並正考慮修訂 RSP 以保持人類對前沿模型開發的控制。公司同時在推進上市：10 月 26 日提交初始 S-1，擬以 ANT 在納斯達克交易。
推薦理由：IPO 招股檔案裡出現「即將觸及 RSI」的前瞻性風險表述，卻又用自家資料說明閉環尚未成立，對跟蹤前沿模型能力與安全政策的人有參考價值。
美國科技巨頭的表外 AI 相關債務在六個月內增長約 90%，規模達到約 3.2 萬億美元。據日經報導，這類債務來自 AI 相關的承諾與義務，Google、Meta 等公司的這部分規模已相當於其總資產的約 80%。在巨頭持續向資料中心等 AI 基礎設施投入巨資之際，投資者對看似無休止的支出愈發警惕。
推薦理由：用表外承諾而非資本開支口徑量化 AI 競賽的隱性槓桿，給出 3.2 萬億美元與佔資產八成這兩個具體數字，對關注超大規模廠商財務風險與 AI 基建投入節奏的讀者最有參考價值。