依意思最接近的 30 筆
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。
微軟發布第三代自研 AI 晶片 Maia 300，將其定位為微軟產品與服務的主要 AI 推理系統，計劃 2027 年開始投入生產部署。微軟雲業務執行副總裁 Scott Guthrie 表示，相比主流的 GPU 系統，Maia 300 每兆瓦可多輸出 40% 的 token，並更能應對最新的推理模型與 agentic 任務。該晶片的設計目標是提升雲端 AI 工作負載的成本與效率，減少對 Nvidia GPU 的依賴。
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。
Ai2 於 2026 年 10 月 2 日開源 AstaBrief 8B，一個把研究問題與檢索文獻片段轉成帶引用報告的模型，基於 Qwen3-8B 訓練，採用 SFT 加 DPO 而非強化學習。它已作為 Asta 的 Fast 模式上線，與 Claude 驅動的 Thinking 模式並列，整條流水線平均每份報告 51.1 秒，比 Thinking 模式的 178.5 秒快約 3.5 倍。
10 月 28 日，螞蟻集團百靈大模型開源 Ling-3.1-flash-1019，面向 Personal Agent 場景強化複雜工作流與多步驟任務，在 Artificial Analysis 智慧指數 v4.3.2 中得 44 分，比上一版高 3 分。
llama.cpp 的 OpenCL 後端加入對 IQ3 量化的初步支援，覆蓋 iq3_s 與 iq3_xxs 兩種型別。這批提交為 Adreno GPU 補齊了 AOS/SOA 矩陣向量乘、tiled 矩陣乘、noshuffle 的 GEMM/GEMV 與 dp4a 路徑，並最佳化了 Adreno 上的解碼與窄 batch 場景。改動由高通工程師參與合入，建置產物中已包含 Windows arm64 OpenCL Adreno 版本。
螞蟻百靈於 10 月 15 日正式開源 Ling-3.1-flash，總引數約 560B、每 Token 僅啟用約 25B，上下文最高支援 1M Token，重點瞄準複雜任務與長程執行。據 Artificial Analysis 資料，其智慧指數 41，輸出約 210 Token/s，混合呼叫價格約每百萬 Token 0.19 美元；路由專家採用 MXFP4 量化後，權重從約 534GB 壓縮至 292GB，部署從 8 卡降至 4 卡。
Ai2 開源了 AstaBrief 8B，一個把研究問題與檢索文獻片段轉成帶引用報告的模型，基於 Qwen3-8B 訓練，已作為 Asta 的 Fast 模式上線。官方稱 Fast 模式平均 51.1 秒生成一份報告，比 Claude 驅動的 Thinking 模式 178.5 秒快約 3.5 倍。模型權重、訓練資料與範例工作流一併開放，機構可在自有基礎設施上本地生成報告。
百度 10 月 30 日升級搜尋 AI API，限時最低價 4.9 元/千次查詢，低於 DeepSeek 搜尋 API 報價。官方稱搜尋已實現遞迴自我進化，把真實檢索與使用者反饋沉澱為訓練訊號閉環迴流，整體迭代效率提升 80% 以上。產品側同步升級搜尋框（多步查詢後直接交付結果，覆蓋 170 餘種工具場景）、AI 鏡頭（多目標追蹤與 9 種方言即時對話）和 GUI 視覺化（場景覆蓋提升 5 倍），並推出 AI 互動劇與互動應用。
螞蟻百靈開源 Ling-3.1-flash，主打把真實工作流裡的活幹完，而非刷榜。模型總引數約 560B、每 Token 啟用約 25B，上下文視窗達 1M；混合精度量化後權重佔用從約 534GB 降至 292GB，部署所需 GPU 由 8 卡降至 4 卡。據 Artificial Analysis，其智慧指數 41，輸出速度約每秒 210 Token，混合呼叫價格約每百萬 Token 0.19 美元，辦公任務評測 GDPVal-AA V2.1 的 ELO 為 1673。
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
開源 AI agent 治理層 Bernstein 更新至 v3.23.0，提供 53 個 CLI agent 介面卡，採用 Apache 2.0 許可並支援本地部署。它用不參與協調的確定性 Python 排程器並行執行 agent，同一個計劃可以逐位元組重放，流程依次為任務拆解、在隔離 worktree 中生成 agent、用測試、型別檢查和 lint 驗證，最後只合並通過驗證的 diff。
xAI 於 2026 年 10 月 20 日在官網新聞頁發布了一篇題為 incident-sweep 的公告。該帖僅給出全文連結 x.ai/news/incident-sweep，未在正文中說明事件性質、影響範圍或處理進展。具體內容需要開啟原文檢視。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作，評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立，做的是基於自研基礎模型的機器人工作站，把視覺、任務上下文與運動控制打通，用高保真模擬訓練，產線換型從數週縮短到數分鐘，無需傳統程式設計。其工作站已在某款熱門手機的生產中使用，負責柔性排線穿線、聯結器扣合等此前難以自動化的工序；
軟體工程學者 Diomidis Spinellis 在部落格中判斷，AI 將接管大部分認知工作，思考會像狩獵、書法和木工一樣，從謀生手段變成休閒愛好。他給出三個驅動因素：效能更高、成本更低、可用性更高，並提到 OpenAI 內部模型已解決數百個此前未解的數學問題。文中還提到到 2030 年數萬億美元的資料中心投資將帶來更多算力，政府可能以監管和稅收限制 AI，但歷史上的類似舉措未能阻止技術革命；他建議保持靈活、跟上進展，並在工作之外建立有意義的生活。
Block 正藉助 OpenAI 技術建置 AI 安全能力，其安全團隊可以更快地調查威脅，並在幾分鐘內提出補丁。該訊息於 2026 年 10 月 14 日發布，公開內容只提到威脅調查與補丁提報兩個環節，未披露所用具體模型、部署規模與成本細節。
Anthropic 與經濟學家聯合調查顯示，91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現，美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作，美國工人平均為 28%；在使用 AI 的工作任務中，員工預期 2030 年有 65% 交由 AI 完成，美國成年人預期為 42%。
Anthropic 向投資者披露，2026 年第三季度（7 至 9 月）營收 168 億美元，較二季度的 115 億美元增長近 50%，一季度約為 48 億美元；剔除股權激勵後的調整後運營利潤率為 11%，每 1 美元算力支出對應 1.70 美元收入。公司同時表示，競爭對手蒸餾其模型輸出曾貢獻 5% 至 7% 的營收，第三季度已大幅削減這部分用量。相關溝通發生在公司 IPO 之前。
Anthropic 於 10 月 16 日發布兩份報告：其內部 AI agent 工作時長在 2026 年 3 月已超過員工，到 8 月 agent 數量是員工的 6 倍，同期初級崗位與技術崗招聘佔比下降，人均程式碼、銷售與合同處理產出上升，瓶頸轉向人的注意力。第二份報告對比近 1.1 萬名美國成年人與 Anthropic 員工的調查：91% 的員工認為 AI 能在 2030 年前做出諾獎級發現，美國成年人中僅 39%；
巴西銀行 Itaú 推出對話式介面 ia.i，並配套 IARA 治理平台，把生成式 AI 同時提供給客戶與員工使用。這是該行「AI First」戰略的落地舉措，其所在金融業是巴西監管最嚴格的行業之一。原文未披露所用模型、上線時間與覆蓋人數等細節。
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
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。
OpenAI 10 月 19 日稱，其最新 AI 模型在將 COBOL 等老舊語言程式碼遷移為現代程式碼方面有“實質性提升”，可幫助機構維護和現代化舊系統。COBOL 仍支撐 IRS、銀行、航空公司和全球政府基礎設施，因無人敢動而難以替換。原文未給出具體遷移案例、準確率或適用範圍。
Anthropic 起草了一份 AI 安全法案並推動國會採納：模型若帶來可預見且迫近的風險，如導致 50 人以上死亡或 10 億美元以上財產損失，其發布可被叫停。風險須源自製造生物武器、模型繞過開發者控制或網路攻擊。評估交由在美國商務部登記的獨立評估者，實驗室可為其付費但不得與結果掛鉤；認定風險後須 72 小時內上報商務部，再由商務部向華盛頓特區法官申請阻止發布，聯邦機構不得自行下架模型。這與加州已生效的 SB 53 門檻相近。
Hacker News 上有人發帖徵集討論：Agentic AI 進入生產的主要瓶頸在哪裡。發帖者引用兩項資料作對照——agent 產生的流量已超過人類流量，但已建置的 agent 中只有 10% 真正上線生產，他覺得這很諷刺。他由此追問是什麼卡住了這些 agent，以及要讓 agent 流量繼續增長還缺哪些基礎設施。帖子目前 3 分、5 條評論。
由億邦動力主辦的第八屆億邦產業網際網路年會暨首屆產業智慧體大會定檔 11 月 20 日，在北京國貿大酒店舉行，主題為“AI 與出海帶來的模態進化”。本屆將產業智慧體大會與已辦八屆的年會合並，設產業智慧體落地、AI 供應鏈價值重構、資料要素與 TOKEN 經濟、產業出海新生態等五大議題，同期發布《2026 億邦產業網際網路發展報告》與《千峰獎·模態進化案例集》。
xAI 宣布推出 Shared Bots，它彙集團隊中最瞭解某項工作的人的經驗，官方稱隨著這類 Bot 不斷改進，每一名銷售代表都能受益。公告沒有列出具體功能、上線時間或使用方式，只給出 x.ai/news/grok-bot-sales 這一介紹頁面，並以銷售場景作為範例。
Uber 首席資訊安全官 Philip Martin 提出，企業應為 AI agent 建立類似員工內部威脅計劃的監控機制。Uber 已開源 AI Detection and Response（ADR），用於採集 agent 執行時的即時遙測並在越界時即時干預，同時把 Anthropic 的 Enterprise Frontier Safeguards 作為資料來源接入其整體檢測體系。
SpaceX 第三季度 AI 業務營收 75 億美元，佔公司總收入 52%，並實現 4.31 億美元利潤。該業績來自改名為 Super Intelligence 的業務線，含收購的 Cursor 程式設計工具、Grok 機器人與算力達 1.7 GW 的 neocloud 業務；若不計 Cursor 收購帶來的 12 億美元一次性股權激勵費用，利潤會更高。