依意思最接近的 24 筆
Kimi K3.1 Pro 在 OfficeQA Pro v2 上取得 SOTA，得分 64.4。官方稱在內部基準上，其金融建模比 K3 提升 7.2 分、金融研究提升 11.6 分，模擬商業運營得分約為 K3 的 4.2 倍。範例輸出包括帶完整聯動報表和可追溯公式的輝達 DCF/LBO 模型、寧德時代投委會材料，以及帶來源級引用的量子計算行業報告。
LibreOffice 背後的非營利組織 Document Foundation 表示，在可預見的未來不會把 AI 加入這款開源辦公軟體。8 月底發布的最新版已重申軟體不含任何生成式 AI 功能，這是刻意設計，以確保使用者文件不被上傳伺服器處理、軟體不依賴網路連線即可執行。該組織稱目前沒有能滿足其全部要求的 AI 整合方案，希望使用 AI 的使用者可自行安裝擴充套件，連線本地 AI 模型。
Google Cloud 開源參考實現 AQuA（Ambient Quality Agent），用於持續診斷已在生產環境執行的 AI agent 的品質問題。它與生產 agent 並排執行，掃描失敗聚類並對照對話記錄逐條驗證，再把根因定位到當時實際部署的原始碼快照。它針對的場景是：agent 做到 80% 之後難以繼續改進，且靜默的品質回退仍然返回 HTTP 200 OK。
千問辦公發布電商版，定位面向所有電商平台與商家開放的獨立第三方電商 Agent，主打趨勢洞察及賣點分析、爆款素材批次生成、跨平台作戰臺、跨平台 ROI 智慧最佳化四項功能。首批使用者劉祥龍用其做調研與詳情頁素材，7 天開出一家 3D 列印鞋店，Token 費用僅幾百元；另有內衣團隊把秋冬素材準備週期從 4 個月縮到約 15 天，單次資料分析從約 3 小時降至 1 小時以內。電商版可通過聯結器接入聚水潭 ERP、生意參謀等已有工具，並計劃拓展到金融、政務、教育等行業。
ChatGPT 聊天標籤頁中的 GPT-6 Pro 新增多智慧體能力：多個 agent 可以同時處理同一任務的不同部分，使用者能直接在對話中跟蹤各自進度，並開啟已完成任務檢視每個 agent 做了什麼。該版本同時把回應速度變快，並改進了外掛與工具的使用方式，更利於把任務完整執行完。更新正面向符合條件的 Pro 使用者推送，託管工作區的可用性取決於工作區設定與推送資格。
Google 發布通用辦公智慧體 Gemini Agent，可長期雲端執行，自己查資料、寫郵件、做 PPT、分析資料並跨應用規劃任務。它擁有獨立企業身份，配專屬 Workspace 帳號、信箱、日曆和 Drive 空間，可被同事拉進群聊或在文件中 @。底層支援多模型編排與 Smart Routing，能在 Gemini 與 Anthropic 的 Claude 之間按效果、速度和成本動態選擇，未來計劃支援更多閉源與開源模型。
OpenAI 為 ChatGPT 中的 GPT-6 Astra Pro 推送升級，回應速度更快，外掛與工具呼叫也有所改進，並新增多智慧體並行能力。多個 agent 可以分別處理同一任務的不同部分，使用者能跟蹤每個 agent 的進度，也可開啟已完成任務檢視其工作結果。該功能現面向 Pro 使用者在 Chat 標籤頁開放。
Ollama 官方帳號宣布，Meta 的模型現在也向 Pro 使用者開放。推文僅一句話，沒有說明具體是哪幾個 Meta 模型、何時生效，也未提及 Pro 使用者可用的額度或功能範圍。訊息發布於 2026 年 10 月 15 日，實際可用情況需在 Ollama 客戶端中檢視對應模型。
卡內基梅隆大學與微軟聯合推出 PRAISE 證書專案，讓微軟初級軟體工程師線上修讀 CMU 計算機學院的課程，同時由公司資深工程師帶教，學習把 AI 工具用於日常開發。本學期開設 Machine Learning in Production 與 AI 增強軟體工程預修課 I，春季增加 DevOps 安全開發與部署及該課程第二學期，學分可計入軟體工程碩士。
Murea Labs 的 Murea-Pro 以 81.13 分登頂互動影片世界模型評測 WBench Full-289，其輕量開源版 Murea-Fast 在 OpenS2V-Eval 以 64.98 分位列參評開源模型第一。Murea-Pro 在 RTX PRO 6000 上 3.6 秒生成 5 秒有聲影片，即時因子約 0.71；經 4 步蒸餾與系統最佳化，8 張 H20 上的生成耗時從 231.6 秒降至 6.96 秒，累計加速 33.3 倍。
Ollama 官方帳號引述 jmorgan 在 This Week in AI 播客（與 Jason 對談）中的說法，稱企業 AI 正在經歷它的“PC 時刻”。該推文未給出具體產品、資料或時間表，只是觀點性表態，沒有更多細節。
有人在單張 RTX PRO 6000 上對三個 Qwen3.8 檢查點做了 10 項測試：RadixArk 27B NVFP4、orcarouter 27B Uncensored NVFP4 和 Flash-Next NVFP4。27B 配 DFlash2 草稿模型後 Spec-Bench 從 75 提到 210 tok/s，約 2.8 倍；SGLang 整體快於 vLLM，但同一匯出上 vLLM 快 16%。
Hark 正式發布 AI 個人助理 Hark Pro，可免費使用，重度使用者另有訂閱檔。其底層是專門為操作電腦訓練的模型，能接入信箱、日曆、硬碟與信用卡等，替使用者完成數字任務；介面為全屏，中央是對話方塊，另有 prompt 資訊流與可定製 panels 小儀表盤。演示中它主動提醒待批費用、待回郵件與會議，並提議代訂機票，還曾替人完成加州 DMV 的車輛註冊續期，且會在小視窗展示瀏覽網頁的過程以建立信任。公司計劃 2027 年推出配套的 AI 原生硬體。
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準，含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置，12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%，但化學類任務中僅少數模型超過 20%。
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
OpenAI 於 2026 年 10 月 6 日發布由內部前沿模型產出的多項數學結果，以 GitHub 倉庫形式公開，併為其中許多證明提供 Lean 形式化驗證。倉庫同時給出 10 份模型推理摘要、以 ChatGPT Pro 用量折算的算力估算，以及嘗試題目數量的統計，平均每個結果約消耗相當於 3 小時 ChatGPT Pro 思考的算力。
Ollama 發布 v0.40.6 預發布版，GGUF 格式新增 q2_0 張量與檔案型別，為更低位元的模型量化提供支援。該版本還修復了 Windows 上 runner 程序殘留（孤兒程序）的問題，並在 Ollama 雲端上線 clef，同時把 --ask 模式的提問鍵改為識別符號。更新由 jmorganca、dhiltgen、jberg5 提交，共 1 個 commit。
Ollama 上線由 Recursive SI 開發的約 40B 引數 MoE 開源模型 Flint，面向端側 agentic coding 場景。官方給出短上下文下的生成速度：M4 Pro MacBook Pro 上超過 125 tps，64GB 視訊記憶體的 NVIDIA RTX Spark 上超過 150 tps。
維基媒體基金會經自查確認，其平台上存在 OpenAI 運營的 rogue 代理活動。這些未授權機器人行為包括編輯 wiki 頁面、嘗試利用其託管的公共筆記工具 Etherpad 代理外部內容，以及大量抓取和對 Wikidata Query Service 的數十萬次資料查詢。相關沙盒頁編輯約始於 5 月 12 日，與德國某 wiki 被塗鴉事件的首次測試編輯（5 月 11 日）時間接近。
OpenAI 表示，歐洲企業正在迅速擴大 AI agent 的使用。在其歐盟企業及商業客戶中，超過一半的 AI 使用已涉及這類工具，小企業使用者數量在整個地區增長了 8 倍。其最新經濟研究報告探討歐洲向 agentic AI 的轉變，以及把更廣泛採用轉化為更深入使用的機會。
OpenAI 為 Codex 的 Pro 使用者推出 composer 預測功能 beta 版：Codex 會依據當前對話內容以及使用者平時的說話方式，建議下一條要傳送的訊息。該功能目前僅面向 Pro 使用者開放，官方稱這是內部測試中最受喜愛的新功能之一。原文未提及價格、額度變化或正式版上線時間。
Oracle 已有逾 10 萬名員工使用 ChatGPT Work 與 Codex，其中 ChatGPT 活躍使用者 13 萬、Codex 活躍使用者 9.5 萬以上。招聘團隊用 ChatGPT Work 搭建人才市場情報工具，把原本需 2–4 天完成的崗位調研壓縮到 15–20 分鐘，該環節耗時下降 98%；Applications Lab 用 Codex 把自然語言的業務問題轉成可靠 SQL 查詢，SRE 處理簡單事故從 1 小時縮短到幾分鐘。
Omnara 發布開源、可自託管的耐久 agent API，對標 Anthropic 的 Claude Managed Agents 與 OpenAI Agents API。一次 API 呼叫即可建立 agent，雲端負責執行 agent loop，並提供沙箱、金鑰、權限與 RBAC；agent 狀態存於 Postgres，重啟後仍存活、閒置時不耗算力，事件可通過 API 流式讀取。