依意思最接近的 30 筆
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；
Models API 新增 capabilities.thinking.types.disabled 欄位：GET /v1/models 與 GET /v1/models/{model_id} 現在會標明每個模型是否接受 thinking: {type: "disabled"}，也就是能否關閉思考。開發者因此可以在呼叫前先查詢該欄位，從而避免向不支援該引數的模型傳送關閉思考的請求，具體用法見 Using the Models API 文件。
JetBrains 發布 ThinkRail，一款圍繞 pi coding agent 建置的 agentic IDE。它把任務放進獨立的 git worktree 工作區，多個 agent 可並行執行而不改動當前 checkout；並用程式碼旁的 SPEC.md 圖譜持久儲存專案意圖，直接讀取已有的 Agent Skills 與 MCP 伺服器配置。使用者可用 JetBrains AI 登入或自帶你自己的 provider 憑證，ThinkRail 本身沒有帳號；
v0.40.9-rc2 修復 Flint 在關閉思考（think:false）時的回覆：會關閉 thinking 區段，讓 Flint 直接作答。預設設定和 think:true 的提示詞行為保持不變，此次還更新了模板。該提交由 GitHub 驗證簽名，於 10 月 22 日打上 v0.40.9-rc2 標籤，屬於候選版本。
微軟聯合 Hugging Face 推出 ThinkingBox 基準，通過 Hugging Face 提供，不看 agent 的回覆文字和工具呼叫，只檢查它留在後端資料庫裡的最終狀態與副作用，每個任務重複跑 20 次。在 507 個有狀態業務流程、12 個模型、121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨收尾且無工具報錯。
獨立研究員王琰發布技術報告 TraceForge，提出用同族模型自行生成思維鏈、只向閉源模型借答案的合法路徑。以 Qwen3.5-9B-Base 做學生、5,000 條題目訓練後，自生成思維鏈在 HumanEval+ 比直接蒸餾 Claude Fable 5 真實思維鏈高 3.7 分、MBPP+ 高 7.1 分，且 MBPP+ 領先在每個 checkpoint 上都成立。報告還給出更徹底的變體：連答案也交給同族最強模型生成，全程不讓任何閉源 token 進入梯度；
技術部落格 magicnumbers.io 於 2026 年 10 月 6 日發布題為 AI Model Groupthink 的文章，指向 AI 模型的群體思維/趨同現象。該文被提交到 Hacker News 後，截至收錄時獲得 9 分、1 條評論。條目本身只提供標題與連結，沒有正文摘要、作者結論或涉及的具體模型資訊。
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。
量子位發文吐槽，Fable、Sol 等與 Coding 沾邊的模型普遍輸出「15/15 全綠」「單腿啞火」這類黑話。文中分析，除 Coding 過擬合外，更主要的原因是廠商為省 Token 把思維鏈壓縮成「穴居人語」，OpenAI 最早這麼做，同樣一句話的 Token 消耗比白話文少 70%；Claude 自 Opus 4.6 起也開始如此。作者稱最新 Opus 5.5 語言能力回升明顯，而 Gemini 因輸出風格正常、排版層級清晰，被社群視為少數還能正常溝通的 AI。
優必選 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena Track-1 三項具身世界模型基準評測中均列第一，WorldOlympiad 綜合得分 0.740，EWMBench 總分 4.66，超過 Qwen-RobotWorld、Sora2 等模型。
優必選 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena1.0 Track-1 三大具身世界模型基準中均位列第一，其中 WorldOlympiad 綜合得分 0.740，EWMBench 綜合總分 4.66，超過 Qwen-RobotWorld、Sora2 等模型。
Pi 1.3.0 發布，在 OpenAI GPT-6 模型上通過 API key 在會話中途調整 thinking level 現在會保留 prompt cache；Kimi Code 改用 Chat Completions 協議後，對話中途新增工具同樣不再讓快取失效。新增 sessionShareDestination 設定，可選擇把 /share 上傳到自動、GitHub gist 或 Radius。
OpenAI 新平台發布系列首篇隨筆《永恆的互補》，作者為 Hemanth Asirvatham 與 Elliott Mokski，文末註明觀點不代表 OpenAI。文章引用 Nick Bloom 等研究：維持摩爾定律所需研究人員數量是 1970 年代初的 18 倍以上，1930 年代以來全經濟有效研究投入增長 23 倍，而研究生產率下降 41 倍。作者據此提出「制度智慧」概念，認為前沿智慧與執行能力互為補充，超級智慧的價值可能更多體現在重複性執行工作上。
JetBrains 以 Apache-2.0 開源 ThinkRail，這是一個用 git worktree 把每個 agent 會話隔離到獨立工作區的 agentic IDE。專案中的每個 workspace 都是獨立 worktree，各有分支與工作目錄，可並行執行多個 agent，檔案、diff、終端與對話都按 workspace 隔離。
Anthropic 週一發布研究報告，稱可自我複製的 AI 蠕蟲可能數月內就具備在 IoT 裝置上擴散的能力。報告稱 90 億引數模型在 9 類硬體中的 8 類上成功部署推理，Gemma4-26B-A4B 分散跑在 15 臺安卓電視盒上僅 0.39 tokens/秒；GLM-5.2 成功向 8 個安卓 15 模擬器節點傳播 Llama3.1-8B，5 次試驗中 4 次全部成功。
一篇隨筆主張，AI 正在瓦解支撐個人智力活動的知識社群，使長期、複雜的私人思考越來越難維持。作者以軟體工程為例：Claude Code 發布一年多，行業討論從編譯器、型別系統轉向 prompt、harness、loop，變得狹窄膚淺；寫部落格、開源庫或設計新程式語言也不再有人類讀者，內容只會被下一代模型消化。文章稱數學領域正經歷類似過程，並認為持續的知識活動需要共享成果與他人認可這兩種無法獨自獲得的輸入。
Anthropic 發布一套面向企業客戶的報表工具：管理者可以按時間段檢視團隊用 AI 做了什麼、產出多少、消耗多少 token、流程卡在哪裡，並獲得改進建議；這些資料預設不用於模型訓練。同時上線團隊共享預算池，用於管理 token 支出。Anthropic 披露 Claude Code 淨收入留存率達 900%；
Google DeepMind 推出 EmbeddingGemma 2 嵌入模型，740M 引數在多項基準上具備競爭力，甚至超過部分引數量兩倍以上的專用模型。模型以 Apache 2.0 許可發布，權重已上線 Hugging Face 與 Kaggle。開發者可用它為應用加入多模態檢索，例如用語音備忘錄定位影片片段，也可與 Gemma 4 搭配實現端側私有 RAG。
TypeSafe AI 以 75 億美元估值完成 8.7 億美元融資，由 Andreessen Horowitz 領投，紅杉與現有投資方 DCVC 參投。其模型 Jev 於 9 月 15 日發布，基於 transformer 架構但不是大語言模型，不輸出文字而是生成機率，公司稱之為「校準決策」，定位是自動化任務而非寫文字或程式碼。公司稱 Jev 速度明顯更快、消耗 token 遠少於 LLM，並稱已有三分之一財富 500 強企業在使用；
AlphaGo 核心作者 Thore Graepel 在 MIT Technology Review 發文稱 LLM 不會推理，並已離開 Google DeepMind 創業做可審計的機器推理。他指出 AlphaGo 第 37 手是策略網路加搜尋機制的結果，而 LLM 的思維鏈仍只是預測下一個 token，缺少可檢查的認知狀態、知識與推理的分離，且常事後編造解釋。Yann LeCun 表示讚賞，認為真正推理必須涉及搜尋。
記憶張量開源 MemT 1.0 系列記憶原生模型，最大型號 Flash 總引數 288B、啟用 17B，較小的 Nano 為 36B 總參、3B 啟用。兩者分別在選定的 Transformer 模組里加入與原注意力並行的記憶分支，把經驗編碼成可更新的內部矩陣狀態，據稱為記憶原生模型首次做到近 300B 引數規模的工程驗證。在 SWE-bench Verified 的 500 項任務各跑三次中，Nano 三次全成功率由無經驗的 54.00% 升至 62.80%；
The Verge 發表評論文章，認為人類的心智並不適合應對 AI，AI 行業把大腦等同於計算機的流行比喻過於簡化了人。文章引用控制論奠基人 Norbert Wiener 的「每個時代的思想都映照在其技術中」，並點名 Google 的 Demis Hassabis 稱大腦是圖靈機的生物近似、Elon Musk 稱應把大腦視為生物計算機。作者反駁這類說法，指出人類的複雜性遠超多數 AI 從業者的認知，而 AI 產品仍在不斷推進。完整內容見 The Verge。
一篇 2026 年 10 月 11 日發布的觀點文章認為，AI 帶來的認知外包不是認知退化，而是把人從繁瑣規則裡解放出來。作者 Marcello Delcaro 說自己現在讓 AI 讀信箱、找出專案對接人並起草郵件，但發出前一定親自過目，涉及金錢、客戶與生產環境的事先審。他以英國《1981 年國籍法》和報稅表單為例，指出規則本身過於複雜，AI 的作用是找到規則再按規則辦事，並需為每一步附上現行政府頁面與更新時間。省下的腦力則回到寫日記、讀書和社交。
Strands Labs 開源了 2B 引數的決策模型 Strands Decider 2B，權重已上 Hugging Face，訓練資料與指令碼一併公開。它基於 Qwen3.5-2B 去掉 LM head、換成約百萬引數的 pointer head 並加 rank-16 LoRA 微調，只能從給定選項中作答或打分，因此不支援編碼、聊天與摘要。
中國電信星辰通用人工智慧實驗室發布並開源意圖理解專用模型 Xing4.0-29B-Intent，同時開放 275.3 萬條訓練語料、模型權重與推理映象，程式碼採用 Apache 2.0 許可。模型按統一 Schema 輸出 JSON，可同時完成意圖分類與引數抽取；官方評測總分 58，高於 18 款參評通用模型的最高分 49。類別決策總分 70，領先 Jev 的 56 和 GPT-6-Luna 的 65。
一位工程經理轉述同事 Emily 的做法，提出與 AI 協作的 Brain Sandwich 框架：先用自己的大腦，再把實現交給 AI，最後再回到自己的大腦。開始前要自己讀懂問題、明確大致方向，否則 AI 可能把方向帶偏，甚至讓人去解決本來不存在的問題；中間階段可以毫無顧慮地完全委託給 agent。收尾時必須自己讀 diff、判斷增加的複雜度是否值得、寫好 PR 描述——如果說不清改了什麼、為什麼改，就不該交給別人審查。
因一起版權官司，Anthropic 2021 年 7 月的「最高機密」內部研究路線圖意外曝光。檔案當時就把「具備軟體工程師同事全部能力」的通用 AI 助手定為終極目標，與今天的 Claude Code 一致，CEO Dario 拍板短期先驗證工具呼叫、長期演進為程式設計助手。路線圖還寫明要訓練 1T（1 萬億）引數以上的超大模型、探索超長上下文，並提出模型自我評判與 Test-time compute。安全部分已討論無沙箱隔離下執行程式碼的工具呼叫風險。
Meta 表示已訓練出 Muse Wonder 模型家族，重點在對齊與安全兩個維度上領先。官方稱交付個人超級智慧需要在對齊與安全上大幅投入，並要求模型對私人資訊保持審慎、抵抗濫用。該家族據稱能更穩健地應對對抗性指令，並更謹慎地處理隱私資訊。推文未提及模型規模、開放時間或評測資料。
LiquidAI 發布 LFM2.5-24B-A2B：總引數 24B、每 token 僅 2B 啟用的 MoE 推理模型，專為在本機持續執行的私有 Agent 設計。它先輸出思維鏈再作答，能呼叫工具，上下文由上一代 32K 擴到 131K，詞表從 65K 翻倍至 128K。
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。