依意思最接近的 30 筆
IBM Research 的 ALTK-Evolve 用 GPT-4.1 加標準 ReAct 腳手架，在客服基準 τ²-bench 零售域拿到 67.5% Pass^4（即四次獨立嘗試全部通過的任務佔比），高於其 2026 年 10 月 12 日榜單快照中的所有零售條目。方法不改模型權重：由同一模型分析訓練任務的成功與失敗軌跡，蒸餾成簡短行為準則——如先驗證使用者身份、每步只做一個動作——再追加到系統提示，無需人工標註。
Terminal X 基於 GPT-6.1 Sol 的 Eval Agent 在 500 條評分判斷中與資深投資人一致率達 88.6%，比次優模型高 220 個基點。該評估按 54 項標準逐條打分，多抓出約 25% 偏離基金投資授權的建議，單次查詢成本低約 30%。其 Capital Memory 系統把每家機構的投資流程編碼成數百個 Agent，GPT-6.1 Sol 負責需要長上下文判斷的環節，GPT-6.1 Luna 跑高頻步驟。
Ollama v0.40.2-rc0 讓伺服器端不再在 list 輸出中顯示舊版 GGUF 的重複副本與降級保護條目（#18874）。當載入需要 llama.cpp 補丁集的舊 GGUF 時，Ollama 會在磁碟上做惰性轉換以相容 llama.cpp；為支援降級，它會同時保留新舊 GGUF 並建立 shadow v1 manifest tag，防止降級後的伺服器刪除新 blob。這些條目此前出現在列表裡會令使用者與 API 呼叫方困惑，舊副本將在未來版本中移除以回收磁碟空間。
田淵棟參與創立的 Recursive_SI 發布首個模型 Flint-40B-A2B，已在 Hugging Face 以 Apache 2.0 開放權重。這是一個總引數 400 億、每 Token 僅啟用 25 億的 MoE 智慧體程式設計模型，在 M4 Pro MacBook Pro 上生成速度超過每秒 125 Token，在 64GB 記憶體的 NVIDIA RTX Spark 上超過每秒 150 Token。
Google 正式發布 Gemini 4 Argon 模型，稱其在程式設計、網路安全、科學、金融與法律等多項基準上超過 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。Google 表示 Argon 提供前沿推理能力、在複雜工作流中表現更好，同時減少含糊其辭、重複與套話。這是 Google 在數月缺席前沿模型競爭後推出的新模型，官方稱已在內部投入使用，完整報導見 The Verge。
BottleCap AI 發布 ThinkingCap 系列第五個模型，把 Google gemma-4-26B-A4B-it 的平均思考 token 減少 38.9%，十二項基準準確率平均只降 0.15pp。單項降幅最高為 LongBench v2 的 69.1%，AA-LCR 降 59.3%；迴圈輸出率從 3.64% 降到 0.76%；IFBench 反而提升 1.83pp，AA-LCR 準確率下降 4.00pp 是主要代價。取樣設定和 vLLM 服務棧不變，可直接替換；
Google DeepMind 發布 Gemini 4 Argon，主打程式設計、企業知識工作與網路防禦，在 19 項基準中 13 項達到 SOTA，並首次實現最高 1M token 輸出（Long Decode Continuation 跨呼叫續寫）。目前僅面向政府使用者與 Fairwind 計劃中的可信網路安全人員開放，開發者、企業與消費者訪問時間未定。標準定價為每百萬輸入/輸出 token 4/20 美元，五折優惠後 2/10 美元，快取輸入再降 95%。
微軟推出 FrogNano-4B-2609，一個面向低視訊記憶體裝置的程式設計智慧體模型，基於 Qwen3.5-4B 後訓練而來。其額外訓練為純文字、聚焦倉庫級軟體工程，用約 1500 個合成 SWE 任務環境和基於可執行測試的獎勵做強化學習，不依賴更強模型的解題軌跡蒸餾。模型需配合 Leaf 工具框架生成結構化工具呼叫，產出的補丁須經人工審查、迴歸測試與安全驗證後才能使用。
Mistral AI 稱 Mistral Large 4 在 AutomationBench 上完成 657 個業務工作流，成績領先 Kimi K3、MiMo-V2.6-Pro 與 DeepSeek V4 Pro。該基準的任務跑在模擬辦公應用中，涵蓋 Gmail、Google Sheets、Slack 與 Salesforce 四個工具。帖文未披露具體分數、評測日期與配置細節。
Ollama v0.40.2 起，此前版本下載的模型會在首次執行時自動在後臺升級，以提升效能與 llama.cpp 相容性。升級會保留原模型作為備份，因此已升級的模型會暫時多佔用磁碟空間，官方表示未來版本會自動清理。需要現在清理可執行文件給出的 jq 指令碼配合 ollama rm 刪除，但這隻刪除備份，日後若要降級到 0.40 以前的版本，需重新拉取這些模型。
Google 的 Gemini 4 Argon（gemini-4-argon）已正式開放 GA，官方稱其為面向複雜編碼、agentic、數學與科學任務的最強模型。本次發布說明只給出上線狀態，API 變更、定價與遷移指引需另見 What's new in Gemini 4 Argon，未在此列出具體價格或額度細節。
生數科技世界模型團隊自 10 月 21 日起，連續半個月公開直播 Motubrain 2.0 具身模型的訓練全流程，該模型即將開源。直播覆蓋四個環節：預訓練（觀察訓練規模對效能與零樣本泛化的影響）、後訓練（提升具體任務執行能力）、Agent 任務執行（把已有經驗遷移到其他任務）以及 RSI 遞迴自我改進（模型依據執行反饋評估並改進自身行動）。團隊表示會一併展示訓練中的失敗、試錯和調整，而不只是最終 Demo。
Google 在 9 月發布新一代前沿模型 Gemini 4 Argon，具備先進推理能力與 100 萬 token 輸出上限，目前通過 Fairwind Program 向受信任的網路安全防禦方分階段開放。
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）；
Ollama v0.40.4 讓決策模型可以直接在終端呼叫：用 ollama run --ask 就能提出是非問題、把文字分類到標籤或按評分標準打分。這一版還讓 Apple silicon 的 MLX runner 支援 Kev 決策模型，ollama launch 用 usage credits 也能使用、無需升級付費方案。ollama launch codex 的模型選擇器會列出本地已安裝的 Ollama 模型，可在 Codex CLI 裡用 /model 切換；
Berth 是一款開源 macOS 應用，讓 Claude Code、Codex 等 coding agent 跑在自有開發機上，合上筆記本仍繼續工作，早上開啟即可看到結果。按 ⌘N 說出需求，Berth 會在選定機器上建立 worktree 並啟動 agent，命令與讀取摺疊成一行、編輯以 diff 呈現，Claude 提問可就地作答；兩個 worktree 可分色分組並排對比聊天、diff 與終端。
Ollama 發布 v0.40.0，在 Apple Silicon 裝置上，MLX 執行時支援的模型架構將自動改用 MLX 執行。可用模型包括 qwen3.8、gemma4、qwen3.6、qwen3.5，決策模型 Nimble、tev1、clef、clef-flash 也已登陸 MLX，官方稱會繼續測試並啟用更多模型。
Ollama 發布 v0.40.0，在 Apple Silicon 裝置上，MLX 執行時支援的模型架構將自動改用 MLX 執行。官方範例為 ollama pull qwen3.8 與 ollama run qwen3.8；預發布期間會繼續測試並啟用更多模型。
Kimi K3.1 Pro 在 Terminal-Bench 4.0 上得分 65.7%，超過 GPT-6 Astra 的 58.2%，略低於 Claude Opus 5.5 的 66.4%。該基準用嚴格的任務專屬測試評估 coding agent 在真實、資源受限的終端任務中的表現。
Mistral 與 NVIDIA 宣布合作開發 AI 原生工程工作流：以 Mistral Large 4 配合資料生成與物理建模管線，用 NVIDIA CUDA-X、Warp 加速模擬，並接入 Omniverse 生成 3D 場景與 SimReady 資產。雙方還將發布物理模型的公開基準與開放資料集，併為 CAE、EDA 中的 agentic AI 建立評測，考察工具使用、多步流程與技術正確性，同時記錄耗時與算力成本。
蘋果發布新一代 Apple TV 4K，核心是搭載由下一代 Apple Intelligence 驅動的新版 Siri——Siri AI，提供全屏對話式搜尋與觀看中追問，機身內建三顆遠場麥克風，可完全免手控喚醒。硬體升級到 A19 晶片，CPU 效能最高提升 50%、GPU 最高提升 2 倍，並新增專用 AV1 解碼器；Siri Remote 首次支援 Find My 精確查詢與發聲定位。
Google 讓 Gemini 4 Argon 在 Antigravity 的 /goal 模式下無人值守跑了 11 小時，對約 20.5 萬行、近 800 個原始檔的 google/adk-python 倉庫做跨檔案效能最佳化，最終把長會話的記憶體 session 準備時間縮短約 40%，冷啟動包匯入加快 21%。該 PR 跨 32 個檔案提出 6 項最佳化，經人工評審後僅 2 項合入，4 項被拒。
10 月 21 日，生數科技的 Motubrain 團隊啟動了 Motubrain 2.0 訓練全流程公開直播，計劃持續半個月，在正式開源前展示這款具身模型從訓練、測試到能力迭代的過程。直播涵蓋預訓練、後訓練、Agent 任務執行與 RSI（遞迴自我改進）探索四個環節，重點觀察訓練規模對零樣本泛化的影響、經驗能否遷移到其他任務，以及模型能否依據執行反饋改進自身行動。團隊稱將公開訓練中的失敗、試錯與調整，開啟具身模型訓練的“黑盒”，但具體效果仍需後續實驗與評測驗證。
Ollama 發布 v0.40.4，把 llama.cpp 升級到 b11521，新增對決策模型與 EmbeddingGemma 2 的支援。啟動流程中，Codex 的 /model 選擇器現在會列出本機已安裝的模型；服務端推理路由則改為複用已驗證的 manifest 與已載入模型。MLX 修復了推測回滾後迴圈狀態未壓縮的問題，MLX 與 MLX-C 同步做了版本號提升。
Google DeepMind 宣布 Gemini 4 Argon 開始廣泛推送，同時擴大 Fairwind 計劃的受信任網路防禦者範圍，併發布完整的安全與安保報告。該模型在 12 項端到端模擬網路攻擊場景中全部通過，上一代僅通過 5 項；對抗測試中的違規請求減少近一倍。防護分三層：輸入篩查、讀取模型內部神經訊號的啟用探針，以及多步推理中的持續監控，必要時可中斷 agent；生物越獄紅隊僅能解鎖不到 1% 的生物子任務。
Ollama 發布 v0.40.0，在 Apple Silicon 裝置上，MLX 執行時支援的模型架構會自動改用 MLX 執行。官方範例為 ollama pull qwen3.8 與 ollama run qwen3.8，其他可用模型還包括 gemma4、qwen3.6 和 qwen3.5；決策模型 Nimble、tev1、clef、clef-flash 也已支援 MLX，並新增嵌入模型 embeddinggemma-2 支援。官方表示會繼續測試並啟用更多模型。
Ollama 發布 v0.40.0：在 Apple Silicon 裝置上，MLX 執行時支援的模型架構會自動改用 MLX 執行。本次納入 MLX 的模型包括 qwen3.8、gemma4、qwen3.6、qwen3.5，決策模型 Nimble、tev1、clef、clef-flash 也已支援。可用 ollama pull / run qwen3.8 拉取與執行，官方稱將繼續啟用更多模型。
Ollama 發布 v0.40.4，把 llama.cpp 升級到 b11521，為 decision 模型和 EmbeddingGemma 2 提供支援。MLX 與 MLX-C 版本號同步上調，並修復 MLX 推測回滾後恢復的迴圈狀態未壓縮的問題。launch 方面，Codex 的 /model 選擇器現在會列出已安裝的模型；server 端在推理路由中複用已校驗的 manifest 與已載入模型。
階躍終端將於 10 月 13 日在上海舉辦“Ready Builder One”發表會，推出首款大模型原生智慧體手機 STEPX Neo。據官方資訊，該機在模型、系統、硬體層面均為智慧體原生打造，發表會還將公布階躍終端在生態合作方面的最新進展。
Ollama 發布 v0.40.1，服務端新增代理雲端用量與餘額 API，客戶端可藉此讀取帳戶用量與餘額。該版本還把帳號步驟從 CLI 新手引導中移除，修復 Windows 上 llama 讀取超過 2GiB 的 clef head 問題，並讓 manifest 在 Windows 上避免使用符號連結。MLX 方面刪除了已進入上游的 Metal residency 補丁，文件修復了 README 社群整合列表中的 6 個失效連結和應用 README 的下載連結。