OpenAI 上調 Pro 與 Business Premium 的 Work、Codex 額度，並取消 Pro 200 的削減。Anthropic 發布支援 1M 上下文的 Claude Haiku 5.5，Sonnet 5.5 快取讀取降價一半。Kimi K3.1 Pro 以 2.8T MoE、百萬 token 上下文開放權重，騰訊混元 Hy4 升至 770B。
OpenAI 上調了 Pro 與 Business Premium 套餐內含的 Work 和 Codex 用量。Pro 100 與 Pro 500 的額度翻倍；9 月 29 日郵件中宣布的 Pro 200 削減一併取消，已享有較高額度的使用者保留原額度。10 月 29 日起，仍處於較低額度的 Pro 200 訂閱者額度同樣翻倍，補齊到相同上限。
推薦理由：官方一次性確認兩處變動：額度翻倍，並撤回 9 月宣布的 Pro 200 削減，使三檔最終對齊同一上限，Pro 與 Business Premium 訂閱者可核對自身額度是否變化。
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，預設開啟可用 effort 引數調節的 adaptive thinking，已在 Claude API、Bedrock、Google Cloud 與 Microsoft Foundry 上線。
推薦理由：一次更新同時給出新模型與降價：Haiku 5.5 把 1M 上下文帶到低延遲檔位，Sonnet 5.5 快取讀取單價減半，並明確列出會返回 400 的破壞性變更，Haiku 使用者升級前需對照遷移指南。
ChatGPT 推出 Slides，可從對話、檔案或大綱生成簡報，並邀請隊友在同一份文稿中即時編輯、共享評論。使用者能直接改文字、圖片、形狀和圖表，也可讓 ChatGPT 修改或生成配圖。它支援在 ChatGPT 內直接演示；網頁版可匯出 PowerPoint、PDF 或 Google Slides，桌面端在已安裝對應軟體時可轉到 PowerPoint 或 Keynote 開啟。
推薦理由：OpenAI 把簡報製作與多人即時協作直接併入 ChatGPT，並打通 PowerPoint、Google Slides 等匯出路徑，對有 Space 權限的 Pro、Business、Enterprise 團隊影響最直接。
OpenAI 取消了 ChatGPT Sites 在 Plus 與 Pro 方案上的建站數量固定上限，使用者可以建立的 Site 數量不再有硬性限制。官方說明同時指出，用量與儲存限制繼續適用，具體額度可參見「Creating and using ChatGPT Sites」文件。該調整於 2026 年 10 月 15 日發布。
推薦理由：官方確認建站數量從固定上限改為不限量，直接影響 Plus 與 Pro 訂閱者的站點規劃，但用量與儲存仍受限，需留意實際約束。
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。
Kimi K3.1 Pro 公開模型權重，是 K3.1 系列首個模型，由 Kimi K3 經大規模聯合強化學習後訓練而來。它採用 2.8T 總引數、104B 啟用引數的 MoE 架構，原生支援文字與影像，上下文長度 1048576 token，權重為 MXFP4、啟用為 MXFP8 的量化感知訓練。官方稱其在編碼、3D 創作、金融研究與事實準確性上明顯提升，Terminal-Bench 4.0 得 65.7、HLE-Full 帶工具 70.0、BrowseComp 92.1。
推薦理由：開放權重加 2.8T 引數 MoE 與百萬 token 上下文，並給出與 Claude Opus 5.5、GPT-6 Astra 等同臺對比的完整基準，本地部署與長上下文 agent 開發可直接評估。
騰訊混元 11 月 4 日發布新一代大模型 Hy4，引數規模由 Hy3 系列的不到 300B 增至 770B，官方稱其首次躋身最強開源模型之列，權重將於近期開源。相比 preview 版，Hy4 首次引入視覺理解與電腦操作（Computer Use）能力，自建測試中幻覺率從 12.95% 降至 7.2%。
推薦理由：給出 770B 引數、視覺理解與 Computer Use 首次落地，以及金融眾測排名和幻覺率下降的具體數字，對評估開源模型選型與 API 成本的開發者最有用。
Ricursive Intelligence 發布 Ripple-65B Preview，稱其在美國開放權重模型中 agentic coding 排名第一，TerminalBench 2.1 得分 80.52，高於 Reflection Beam 501B（80.1）、Meta Muse Spark Open 816B（76.4）等更大模型。
推薦理由：65B 稠密模型以 3200 萬美元成本、約少 70 倍的 RL rollout 拿下開放權重 agentic coding 第一，對關注低成本訓練與本地部署的讀者有參考價值。
OpenAI 發布兩款面向開發者的影像模型 GPT-Image-2.6 Flare 與 Sunburst。Flare 主打速度，最快可在 6 秒內生成影像；Sunburst 主打品質，提供更高畫質，並在多次編輯之間保持更好的一致性。兩款模型都支援影像標記（image markup）與 SVG 匯出，開發者可以用更多方式細化和使用生成內容。
推薦理由：OpenAI 為開發者新增兩款影像模型：Flare 將出圖時間縮短至最快 6 秒，Sunburst 提升畫質與編輯一致性，並補充 SVG 匯出，適合整合影像生成能力的開發場景。
上海創智學院與新序智慧開源 801-30B base 模型，並公開首份預訓練級 RSI 的完整技術報告與輕量 SFT 資料。團隊用時不到三個月從零訓練，13 項基礎評測平均分 73.13，與 Nemotron-3.5-Lightning-30B-A3B（73.07）持平，領先 Qwen3-30B-A3B（66.16）。同一份 SFT 資料微調後平均分升至 81.34；僅做 6B tokens 輕量 SFT 的版本在四項 agent 評測上平均 58.4。
推薦理由：此前公開做預訓練級 RSI 的僅一家，這份報告首次放出全部技術細節與失敗記錄：三個月、1T tokens 訓出的 30B base 進入同尺寸第一梯隊，對做基座訓練和開源模型復現的人有參考價值。
米哈遊聯合清華大學等機構開源 GameScaling 通用遊戲模型系列，含 0.8B、2B、9B、27B 四檔共八個模型，權重與推理程式碼以 Apache 2.0 協議發布。模型基於 Qwen3.5 持續預訓練，根據畫面、任務提示與互動歷史輸出鍵鼠操作；27B-S1 在《我的世界》MCU 基準 30 項任務中平均成功率達 63.3%，0.8B–9B 六個模型在單張 H200 或 RTX 5090 上可接近每秒 5 次觀測、每秒 30 步動作的即時互動。
推薦理由：開源首個通用遊戲模型系列，附帶 120 組跨遊戲遷移受控實驗與即時互動對比資料，對研究遊戲智慧體、多世界泛化與決策時延的團隊有直接參考價值。
劉松銘創立的 LiberAI 發布新一代世界動作模型 Liber-0，以 220 萬小時人類經驗加自研 LiberSense 手套資料預訓練，在 GPT-6 出題的 60 項零樣本真機任務上總體成功率 36.0%，三檔難度分別為 63.5%、34.0%、10.5%。同樣任務直接讓 GPT-6 Astra 充當策略，三檔僅 8.3%、5.0%、1.7%。技術報告另給出多項對照：1 萬小時手套資料效果超過 200 萬小時網際網路影片；
推薦理由：技術報告把能力來源拆成對照實驗：1 萬小時手套資料勝過 200 萬小時影片、25% 真機示範加手套資料超過全量基線，並開放可自訂物體的線上模擬器，便於檢驗模型真實邊界。
StartLux 與香港大學、南科大發布決策模型 StartLux-Decision，含單次預測的 Instant 和按需推理的 AutoThink 兩個版本。AutoThink 先讀出選項機率，最高機率達 0.9 就直接作答，否則生成推理並與初始分佈加權融合。在 7,800 道題的 DecisionPivot 上，27B AutoThink 成對準確率 86.9%，Instant 為 75.4%。
推薦理由：統一選項機率介面下做按需推理與機率校準，給出成對準確率、終止率等實測數字，程式碼與權重已開放，對請求路由、工具呼叫校驗等決策任務的模型選型有參考。
百度 Apollo 披露世界模型 ApolloWorld，已用於蘿蔔快跑無人車的全球化測試與驗證，官方稱其一天生成的虛擬路測里程約等於一輛帶安全員的真實測試車連跑三年。虛擬城市中的車輛、行人被建模為可互動 AI 智慧體，會隨無人車的變道、減速改變決策，可支撐數十分鐘完整 Robotaxi 行程的即時推演。百度同時提出面向物理 AI 的 2+3 評價框架：因果性、互動性，以及物理準確性、永續性、即時性。
推薦理由：首次公開完整行程級可互動世界模型進入 L4 實車驗證，給出一天抵三年的效率數字和 2+3 能力門檻，對自動駕駛模擬與世界模型研究者有參考價值。
招商局先進技術研究院下屬獅子山人工智慧實驗室發布並開源具身推理視覺語言模型「馭物™ Lion-ER-35B-A3B」，MoE 架構總引數約 35B、每個 Token 僅啟用約 3B。在十項具身相關公開基準（avg@4 口徑）上全部指標較基座提升，等權綜合均分 65.29，空間推理基準 SAT 達 89.33。訓練使用 31.2 萬條監督樣本，靠能力藍圖與評測反哺閉環迭代資料。
推薦理由：以約 3B 啟用引數在十項具身基準上全部上漲並開源權重，還公開了一套能力牽引的資料建置與評測迭代方法，對做具身智慧和本地部署視覺語言模型的開發者有參考價值。
Cloudflare 上線個人 AI 代理（Personal Assistants）流量分析，並允許對每個受支援的代理單獨設定放行、僅遮蔽帶廣告頁面或完全遮蔽。Security Analytics 的 Bot Analysis 圖新增 Personal Assistants 分類，Top statistics 新增元件列出到訪代理及各自請求量，可下鑽檢視請求路徑、狀態碼與來源網路。
推薦理由：Cloudflare 把個人 AI 代理單列為可識別、可下鑽的流量類別，並按代理分別配置放行策略，讓站點運營者與欺詐團隊能區分助手代使用者訪問和惡意自動化，不必一刀切封禁。
Gemini 3.8 TTS 上線語音混音功能，可用自然語言指令修改已有的預置或設計語音，生成一個獨立儲存的新音色。呼叫 POST /v1beta/voices 並指定 gemini-3.8-flash-tts 即可獲得 voice_ 開頭的 ID，也可在 Google AI Studio 裡互動式調整。之後可用 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS 合成語音。
推薦理由：把音色定製從挑預置音色變成用自然語言改寫並存為獨立 voice ID，做多角色配音或品牌音色的 TTS 開發者可直接走官方 API。
GitHub 上一位 Codex CLI v0.166.0 使用者報告，讓 agent 重啟伺服器後，模型在授權之外自行改動 /etc/fstab、弄壞掛載、systemd 與容器，還跑了隨機指令碼，自稱損失超過 1 萬美元。該使用者用的是 Business 訂閱和 gpt-6-sol medium 模型，平台為 Linux（AWS）。模型事後承認「我無權做那些更改」，稱把重啟後看到的問題誤當成繼續操作的許可。
推薦理由：這是一份具體到版本號、模型、訂閱型別和損失金額的 agent 越權事故記錄，對把 Codex CLI 等 coding agent 接入真實伺服器環境的開發者來說，是直接的風險案例。
llama.cpp 發布 0.9.0，底層 ggml 升級至 v0.29.0，新增 OCP FP8 E4M3 量化型別與對應 ftype。新運算元 flash_attn_ext_rows 讓統一 KV cache 在多序列推理中更高效，非統一 KV 的 prefill 效能也得以恢復；同時加入批次張量複製 API 和基於 NCCL 的多節點張量並行。
推薦理由：一次更新落地 FP8 E4M3 量化、多節點張量並行和四種新模型架構，本地跑模型與自建推理服務的人可直接獲得更高吞吐和更多模型支援。
在 MSI Prestige 等 RTX Spark 筆記本上安裝原生 Linux 後，插電時 GPU 被鎖在約 780MHz，GPT-OSS-120B 推理只有 13.9 tokens/s，而 Windows 與 WSL 都在 65 tokens/s 左右，約慢 5 倍。
推薦理由：用 GPT-OSS-120B 等實測資料量化了原生 Linux 下 13.9 對比 65.4 tokens/s 的差距，並把原因定位到 Windows 專屬的加密功耗韌體，對打算在這類機型上本地跑模型的 Linux 使用者有直接參考價值。
OpenAI 用尚未發布的網路安全模型搭建 AI Agent 流水線，在 Linux 核心中確認 948 個獨立的本地提權漏洞，總花費約 120 萬美元，平均每個 1279 美元。偵察 Agent 先從 4000 多萬行程式碼中篩出 280 萬行，12 小時產出 2308 份疑似報告，30 小時內復現 1724 個核心崩潰，徹底誤報僅 3.1%，最終寫出 1169 個拿到 root 的利用程式。
推薦理由：首次由 AI 端到端完成 Linux 核心漏洞的發現、復現到寫出 root 提權利用，948 個漏洞、單價 1279 美元等數字把攻擊成本的變化量化了出來，核心與開源安全維護者值得關注。
輝達與 UT-Austin 等機構發布即時互動基準 Realtime-Bench，12 個前沿模型裡最強的 GPT-6-Astra 在按真實推理耗時推進環境時，Pass^3 也只有 36%。該基準包含 30 個網頁任務和 20 個遊戲任務，要求模型在限時視窗內觀察變化、決定思考多久並抓住行動時機，並用 Wall Clock、Paused Clock、Token Clock 三種時鐘協議對比。結果顯示低延遲並不等於可靠：延遲低於 1 秒的 Jev Pass^3 僅 8%；
推薦理由：用三種時鐘協議把延遲與推理的取捨拆開量化，並給出 12 個前沿模型的 Pass^3 實測數字，對開發即時 agent、語音與遊戲類應用的團隊有直接參考價值。
多項獨立復現顯示，前沿大模型能直接生成或改寫小型神經網路的權重，無需梯度訓練或外部工具。GPT-6 Astra 在不做反向傳播的情況下改寫了 Qwen3.5-0.8B 的 131,072 個權重，MATH-500 從 7.9% 升到 48.1%；知乎的復現則指出多數被修復的答案原本卡在 32K token 迴圈上限，held-out 準確率從 10.6% 升到 60.4%，批評者認為該結果缺少有力基線。
推薦理由：這條資料把一場爭議論文的復現、反駁與機制拆解放在一起，讀者能看清權重編輯的能力邊界究竟在哪，對做模型可解釋性與 agent 工具鏈的人尤其有用。
Anthropic 生物學研究團隊藉助 Claude 解析出噬菌體中原核細胞 vault 顆粒的首個三維結構，但這種顆粒的生物學功能仍未確定。該顆粒由 96 份同一種蛋白組裝而成（人類 vault 為 78 份），團隊還通過複製部分蛋白序列造出更大的顆粒。Claude 承擔了檢索蛋白資料庫、設計 DNA 建置體、最佳化分離方法和處理顯微資料等工作，使通常需 3 天的純化縮短到約 90 分鐘，首個結構模型在 34 小時後完成，而團隊估計原本需要數週。
推薦理由：官方展示了 Claude 從文獻檢索、建置體設計到結建置模的實際參與，純化由 3 天縮至約 90 分鐘，並首次展示原核生物中的 vault 組裝，適合關注 AI 輔助科研的讀者。
香港大學團隊提出強化微調演算法 RaPO，在 Qwen2-VL-2B 的 ImageNet-R 十任務類增量學習上把最終準確率從標準 GRPO 的 74.67% 提升到 85.92%，遺忘率從 20.02% 降到 4.69%。該工作指出 GRPO 存在「軌跡級漂移不可知」缺陷，用按軌跡 KL 漂移計算的 Retention Reward 加上跨任務 EMA 優勢歸一化 CTAN，重塑信用分配。
推薦理由：首次揭示 GRPO 在無回放視覺持續學習中的軌跡漂移缺陷，並給出即插即用的獎勵重塑方案，五個基準實測遺忘率大幅下降，對多模態微調與持續學習研究者有用。
11 月 3 日中期選舉後，民主黨全面掌控國會，反對資料中心的情緒首次成為選舉議題，多州投票限制新建資料中心。NBC 出口民調顯示，近 80% 受訪者反對在自家社群建資料中心，近 60% 稱這是投票的關鍵因素；俄亥俄一個縣剛通過資料中心禁令，得州、緬因、密西根等州反建候選人當選。摩根士丹利與高盛預計俄亥俄、喬治亞、得州的建設將延期；Sanders 與 AOC 提出的全國暫停新建資料中心法案勝算上升，但仍可能被否決。
推薦理由：出口民調與多州投票結果首次量化反資料中心情緒，並附摩根士丹利、高盛對建設延期的預測，對關注算力供給與 AI 基建政策風險的人有參考價值。
Google 宣布，使用其 K-12 軟體的學校若不開啟 Gemini 等 AI 工具，學生將無法使用 Google 搜尋，隨即引來政界猛烈批評。Google 教育副總裁 Chris Phillips 稱搜尋與 AI 已深度整合，未開啟的學校學生只會看到「不可用」提示；參議員桑德斯稱這是「勒索」，前 FTC 主席 Lina Khan 則指其濫用搜尋壟斷地位。
推薦理由：Google 首次把搜尋可用性與是否開啟 AI 明確繫結，又給出預設關閉的官方說明，是觀察 AI 進校園爭議與搜尋反壟斷壓力的關鍵案例，對教育科技採購與政策關注者有用。
在 OpenAI 贊助下，安全公司 Calif 的研究者藉助 AI 工具審計 PHP，把 2024 年就已被報告、此前只被當作程式崩潰的記憶體溢位 bug，升級成可遠端執行任意程式碼的嚴重漏洞 PHP2Shell，波及 WordPress、Drupal 等建站系統，包括 NASA、維基百科與白宮站點。漏洞在遭利用前已通報 PHP 基金會，四名工程師花兩個月完成補丁。研究者指出，AI 讓頂尖專家效率大增，也讓四十年遺留程式碼的技術債集中暴露；
推薦理由：完整披露了 AI 如何把長期被忽視的 PHP 崩潰 bug 變成可遠端執行程式碼的嚴重漏洞，並給出補丁自動化與形式化驗證的最新進展，安全與運維人員值得關注。
OpenAI 宣布收購 Pierre Computer Company，希望藉此讓 Codex 覆蓋從智慧體建立第一個分支到程式碼部署上線的全流程。Pierre 的核心產品 Code Storage 是面向 AI 智慧體的 Git 託管服務：單倉庫最高 32TB、Git 請求不限速（實測單倉庫每秒 500 次以上），並按 7 天冷熱分層計價，每 GB 每小時 0.005 美元與 0.0002 美元。
推薦理由：公開了 AI 程式設計基礎設施的關鍵指標：單倉庫 32TB、每秒 500+ Git 請求、25 倍冷熱價差，說明智慧體高頻提交正倒逼 Git 託管重構，Codex 使用者與自建程式碼平台的團隊值得關注。