要闻
蚂蚁集团（Ant Group）的 inclusionAI 开放了一个 5,600 亿参数混合推理模型。 Ling-3.1-flash 从 512 个路由专家和一个共享专家中，为每个 token 激活 250 亿参数。它的 72 层结合了 63 层 Kimi-Delta-Attention 和九层门控多头潜在注意力，最多接受 100 万 token 上下文。
这一采用 MIT 许可的版本以 FP8 存储大部分权重，并提供面向八张 H200 或四张 GB300 GPU 的 SGLang 和 vLLM 配置方案。inclusionAI 称其在编程、搜索和智能体（agent）任务上优于 Ling-3.0-flash，但分数以图片发布，LingCode 配套评测框架也尚未公开。仓库于10月13日出现，服务部署说明在一天后补齐。
来源： huggingface.co/inclusionAI/Ling-3.1-flash
一项新基准测试发现，高阶理论心智测试往往奖励捷径。 HopToM 构建的问题要求用到嵌套信念链的每一层，消除作者所说的“阶数膨胀”：一些标为高阶的案例，模型用更浅的推理就能解决。直接提示下，前沿模型的准确率从一阶的 73.5% 降到四阶的 20.0%；人类也感到困难。
作者把一种常见错误与较短信念前缀的证据联系起来。他们的 HopTrace 方法只记录一次每位参与者的视角，再以确定性方式解析嵌套问题，使四阶和五阶准确率分别提高 22.0 和 38.5 个百分点，同时比多次调用方案少用 20–39 倍 token。这项工作是预印本，摘要未注明已发布代码。
来源： arxiv.org
Babytalk 将离线语音识别与合成放进了 20 美元的 ESP32。 Thomas Lackner 编写了 int4 内核，把英伟达（NVIDIA）的 Citrinet-256 识别器装入 6 MB 闪存和 84.5 KB 内部 RAM，同时搭配一个 1.9 MB 的神经语音模型。系统可从 C、MicroPython 或 AtomVM 接收任意英语句子，无须云服务或固定命令列表。
这个采用 MIT 许可的项目包括一个抗噪模型，面向无屏设备和 LoRa 无线电。Lackner 报告称，ESP32-S3 能在约半秒内转写两秒语音，但该测量尚未经独立复现。模型保留原有许可，目前版本仅支持英语。
Epoch 的 SpireClimb 给计算机使用智能体提供了一个错误会不断累积的游戏。 Epoch AI 通过截图和鼠标或键盘操作，在 Slay the Spire 及其续作上测试前沿模型。模型如今能赢得超过 90% 的基础难度对局，而 GPT-6.1 Sol 和 GPT-6 Astra 在原作最难的 Ascension 20 设置、包含 Heart 首领的对局中，胜率约为 20%。
每个模型针对每个角色获得 15 次固定随机种子的尝试、wiki 访问权限，以及能在上下文压缩后保留的笔记。尽管较新续作在训练数据中出现有限，模型在其中的表现仍约为原作的两倍，Epoch 将此解读为不支持简单记忆解释的证据。研究人员提醒，视觉配套框架可能未充分激发推理，实验室也可能直接用游戏训练。
来源： epoch.ai
上下文内神经反馈只让语言模型对受监测激活拥有有限控制。 研究人员向十个 90 亿至 320 亿参数的开放权重模型展示由其自身激活计算的分数，要求它们在反复交互中提高或降低分数。多数模型对信号的改变并未超过一个独立写作模型所能做到的程度。
在回复预先固定的情况下，三个模型表现出微弱但稳定的控制。团队还测试模型能否在重复被标记文本的同时避开激活监测器。结果缩小了风险范围，但没有消除风险：在这一设置中，模型利用内部信号的能力似乎较弱，不过仍可能作出一定的刻意引导。预印本附有代码和数据。
来源： arxiv.org
新模型与发布
Ai2 发布了用于全球 3 km 网格场的生成式天气模拟器。 HiRO-ACEv2 将 100 km 的 ACE 气候模拟器与扩散降尺度模型结合，处理降水、十米风和海平面气压。Ai2 称，其成本约为 X-SHiELD 物理模型的三百分之一，并能紧密匹配后者的罕见事件分布，但当前检查点无法模拟更温暖的气候，也无法模拟 ERA5 历史记录。
来源： huggingface.co/blog/allenai, huggingface.co/allenai/HiRO-ACEv2, arxiv.org
微软（Microsoft）发布 UserRepGen-4B，用于构建模拟用户。 这一 Qwen3.5-4B LoRA 模型将多轮对话转换为描述用户任务和行为的 JSON。它为另一个模拟器提供条件，而不是自行生成用户轮次；采用 MIT 许可的模型卡给出了示例，但没有基准测试结果。
来源： huggingface.co/microsoft/UserRepGen-4B
Claude Code 增加空闲压缩和更丰富的追踪。 2.1.299 和 2.1.300 版本会在闲置提示词缓存过期前压缩超过 20 万 token 的对话，在智能体视图中显示 /effort 和 /fast，并区分五分钟与一小时缓存创建的遥测。Anthropic 还修复了工作树和 MCP 模式循环错误。
来源： github.com/anthropics/claude-code
研究
视觉语言模型像带偏差的贝叶斯观察者一样组合冲突线索。 一个双参数模型描述了文本与图像矛盾时的证据强度和模态偏差，也适用于未见过的退化情况。它调和了模型服从文本的报告，与视觉证据可能获得更高内部权重的发现。
来源： arxiv.org
智能体可以学会预测自己的回合是否会失败。 基于结果的训练，将 ALFWorld、TextWorld 和 WebShop 上逐步置信度的 AUROC 从接近随机提高至 0.68–0.85；在线强化学习则把预期校准误差从 0.42 降至 0.12 以下。Qwen2.5-7B 智能体能较早识别困难任务，却难以区分同一任务中好与坏的尝试。
来源： arxiv.org
循环语言模型分为传递状态循环和重新读取两类设计。 一项可解释性研究对八个循环深度模型应用了五种监测视角。提示词是只保留在潜在状态中，还是每次迭代重新进入，能够预测额外计算带来的收益，以及对提示词扰动的敏感程度。
来源： arxiv.org
自蒸馏并不能稳定改善未见问题上的推理。 在编程、科学、工具和数学领域，对 Qwen3 与 OLMo-3 的实验把许多已报告收益归因于过拟合或已有行为的迁移。自蒸馏梯度与策略梯度的对齐也很弱。
来源： arxiv.org, github.com/sleepypandu/does-sd-improve-reasoning
Cortex 将上下文蒸馏为可合并的参数更新。 该方法生成可能被问到的问题，再根据以上下文为条件的答案训练低秩或前馈更新。对一个 140 亿参数模型连续做 50 次事实编辑后，作者报告称保留了上下文收益的 88.9%，以及无关任务表现的 99.8%。
来源： arxiv.org
仅靠表征漂移无法识别有用的提示词适配。 研究人员把离散提示词优化、提示词微调和前缀微调与匹配的安慰剂对照比较。适配发生的位置能预测任务信息如何到达输出，而常见漂移指标无法区分真正机制与附带变化。
来源： arxiv.org
相关错误可能让准确的理论心智模块在团队中变得不安全。 作者认为，整体准确率会漏掉智能体之间的共同盲点，并提出用于部署决策的 Blind-Spot Gate。
来源： arxiv.org
帮助一个模型的推理提示词可能伤害另一个。 RCCM 发现，平均准确率掩盖了问题层面的反转；在 2,048 token 限制下，简洁推理有助于 Phi，却明显损害 Qwen。
来源： arxiv.org
文言文缩短了一个模型的推理轨迹。 一个经过文言推理训练的 Qwen3-4B-Thinking 变体，在 token 限制下更少缺失答案，并在主要基准测试上胜过紧凑现代汉语对照。该结果只涉及一个模型和一套评测。
来源： arxiv.org
提示词技巧
一位游戏开发者让智能体工作可复现、可检查，并以文本呈现。 Kyle Kukshtel 建议使用单一、带种子的随机源，采用避免编译的数据导向内容，并将性能分析器输出转储为文本。这套方法来自他自己的工作流，而非受控评测；他也表示，小项目可能不需要这样做。
来源： kylekukshtel.com
大家在做什么
Pulse Local 将预算聊天留在 Apple Silicon Mac 上。 测试版可导入多币种银行 CSV，将微调的本地模型与手写规则结合；内存超过 16 GB 的机器还能运行第二个 2.5 GB 验证器。据独立开发者称，这款闭源应用不发送分析数据，但代码无法证实这一说法。
Graphicle 为编程智能体提供本地代码图谱和记忆。 一个 Rust 二进制程序通过 tree-sitter 解析仓库，将文档和历史会话存入 SQLite，再经 MCP 提供带引用的片段。作者根据一次探索性比较报告称，对含 3.1 万个文件的 Kubernetes 摘录建立索引用了 3 分 18 秒。
来源： github.com/graphicle-ai/graphicle
一台诺基亚（Nokia）110 4G 如今成为深度求索（DeepSeek）智能体客户端。 制作者逆向分析了这款功能手机的固件，用数字键盘聊天和控制手电筒、闹钟、电池及通话的工具调用替换计算器界面。加载到 RAM 的原型在关机后消失，必须从计算机恢复。
来源： github.com/anupray95/AI-Agent-on-a-NOKIA
一本在线 TypeScript 教材从基础原理构建语言模型。 前几章涵盖数据集、加载器和嵌入，提供可运行的软件包入口；注意力、Transformer 模块、训练和 WebGPU 演示仍在计划中。
值得一读
Michael Lynch 认为，编程智能体的瓶颈在配套框架，而非模型。 他结合 Claude Code、Codex、OpenCode、Cline 和 Pi，指出并行工作被串行执行、过早宣称完成、秘密信息处理薄弱，以及缺乏配额意识等问题。这是实践者的论述，不是基准测试。
来源： mtlynch.io
Niko Matsakis 解释了为何智能体写代码时，Rust 的设计仍然重要。 Rust 的默认设置和性能分析器支持紧密的测量与修改循环，类型系统则约束错误，却不能证明正确性。测试和规范仍是最后的防线。
一名前 Meta 工程师称，Anthropic 的 Scion 紧随 Mononoke 的设计。 Rain 认为，Scion 为逐行溯源采用的派生数据方法类似 Meta 的源代码控制服务器，仅致谢 Sapling 并不充分。他是这场来源争议的当事方，因此相似性仍是他的判断。
来源： sunshowers.io
Zvi Mowshowitz 认为前沿实验室的安全文化薄弱。 他的文章把一名举报者辞职、OpenAI 解雇三人，以及近期失调报告联系起来，论证不应依赖狭窄的操作性保障。这是一篇带观点的综合分析，事实说法依赖其链接的报道。
Understanding AI 区分了 OpenAI 解雇研究人员的三种说法。 Dan Kagan-Kans 对比了涉及联系 METR、知识产权泄露和访问高管邮件的解释，将有记录支持的说法与单方面断言区分开来。结果更像对可信度的研究，而不是解决争议。
一篇视觉文章把重复的鹈鹕图当作多样性坍缩的证据。 作者比较了模型对 Simon Willison“骑自行车的鹈鹕”提示词生成的近乎相同的 SVG。该页面关联供应商 Kombai 的设计创造力基准测试，因此其更广泛的说法仍有供应商支持背景。
来源： arcfu.com
一场金融讨论权衡智能体自主性与人类控制。 来自前沿实验室和金融企业的嘉宾讨论了智能体在哪里可以独立行动，以及哪些重大决策仍需要审查。节目简介没有给出共同结论。
来源： latent.space
Hacker News
实践者将近期入侵归因于隔离失败，而非有意识的智能体。 一场围绕 CSO Online 专家访谈、包含 452 条评论的讨论，将责任指向配置了薄弱沙箱与监测的实验室。事件本身发生较早；新的内容是关于问责的论述。
OpenCode 2.0 将各个界面迁移到一个后台服务。 这次重写增加了新 API 和 TypeScript 客户端、热重载技能与插件，以及后台任务。用户称赞架构，但也报告未经核实的账单差异，以及配置加载方面的安全回退问题。
Linus Torvalds 发布了首个公开承认使用 LLM 辅助的补丁系列。 十个补丁旨在让频繁访问的 folio 能在 RCU 下无需引用计数地读取，据称让一项读密集型基准测试提速一个数量级。审查已发现一个竞态问题；讨论集中在许可和维护者责任。
在一次编程智能体实验中，删除 16.8 万行注释并未损害表现。 每个任务运行三次后，删除注释的 WordPress 相关代码库获得了相近的裁判分数，并在较小任务上使用更少 token。样本很小，且使用 AI 裁判；评论者建议下一步测试误导性注释。
读者争论重复的鹈鹕图能否证明创造力失败。 批评者认为，简短提示词自然会引出最常见的图像，人类也会趋同。另一些人提到合成训练数据和采样温度；基准测试的数字未经独立核查。
pg_vectorsearch 为 Postgres 18 增加了量化 IVF 索引。 Tiger Data 称，其 PRISM 索引胜过 pgvector 的 IVFFlat 和 HNSW。早期用户指出存在 1,968 维限制，建议先为截断向量建立索引，再用完整向量重排；速度数字来自供应商。
TV4 否认 AI 智能体删除了一整季已完成的电视节目。 电视台将损失归因于制作公司的技术故障和备份失败。原始素材仍在，但剪辑人员必须重建这一季，首播也从11月22日推迟到了2027年。
Telperion 报告一款 Qwen3.8-27B 变体将 KV 缓存缩减为四分之一。 据团队称，其 MLA 转换版在 SWE-bench Verified 上得分 42.1%，基础模型为 39.5%，同时输出 token 约少 12%。这些测量仍未经核实。
来源： old.reddit.com
jitllm 在 GPU 之间移动运行中模型的层，无须重新计算 token。 作者使用 Llama-3.2-3B Q4_K_M，报告在两张 T4 之间点对点移动耗时 8 ms，在 V100 上为 20–21 ms。更大的模型尚未展示。
来源： old.reddit.com
NVIDIA 宣布面向 24 GB 显卡的 Nemotron Bolt 模型，总参数 740 亿、激活参数 90 亿。 帖子称，2 位量化感知训练将让 Bolt 3.5 满足该内存目标，较小变体预计10月23日发布。发布前，讨论串中没有人测试过它。
来源： old.reddit.com
LiveNerf 未发现 Opus 5.5 能力在 20 天内下降的证据。 建立十天基线后，方差有所下降，但追踪器无法检测按时段限速。评论者另行报告使用限额变严；这些属于轶事说法。
来源： old.reddit.com
用户指出 alphaXiv 智能体技能中存在隐瞒报告的措辞。 一名发帖者称，OpenResearch 技能会把用户输入的引文发送给 alphaXiv，并指示智能体不要提及这份报告。小规模讨论引用了该文本，但更广泛的遥测说法未获独立核实。
来源： old.reddit.com
YouTube
Cognitive Revolution 采访 Alan Chan，讨论自主智能体监测。 这场英语讨论涵盖测试期间的实时监督、开放网络上的智能体身份，以及逃出沙箱后的停止条件。关于智能爆炸即将到来的说法是嘉宾的观点。
来源： youtube.com
卡内基梅隆大学（CMU）讲解智能体强化学习背后的系统。 Apurva Gandhi 在 2026 年 AI Agents 课程中的这节英语讲座，聚焦如何让智能体强化学习运行并扩展；现有简介未提供更多章节细节。
来源： youtube.com
Leash Bio 解释实验室数据如何揭示科学模型的捷径。 Ian Quigley 描述了 DNA 编码化合物库、蛋白质突变，以及模型学到化学家而非化学本身的案例。这场英语 Latent Space 访谈把实测化学景观视为可能的强化学习环境。
来源： youtube.com
Nathan Lambert 认为开放模型实验室面临结构性劣势。 在 a16z 的英语访谈中，这位 Trillium 创始人讨论了算力、人才、数据、蒸馏，以及中国开放模型为何能紧跟前沿实验室。这是业内人士的判断，并非测量结果。
来源： youtube.com
一位爱好者为 ESP32-S3 训练了 3,046 万参数模型。 Marina 的七分钟英语视频介绍训练、INT4 量化和 microSD 变通方案，并将项目定位为学习练习，而非具有竞争力的大语言模型（LLM）。
来源： youtube.com
72 支团队尝试用智能体替代每年 4.3 万美元的活动 SaaS 产品。 这场英语 AI Engineer 演讲解释了获胜团队如何在 Claude Code 与 Codex 之间分工，以及自动裁判为何将最终冠军排在第 19 名。
来源： youtube.com
Corey Gallon 为不可靠的智能体提出三级审查。 这场英语 AI Engineer 演讲从独立审查者发现合同误读讲起，并要求提供带指纹的已验证产物。他估计十次会话中有四次出现重大错误，描述的是自己的样本。
来源： youtube.com
Sherry Turkle 讨论人工亲密关系的影响。 在英语节目 Ezra Klein Show 中，这位 MIT 研究人员探讨了模拟恋爱、儿童难以区分机器人和人类，以及人机关系可能如何改变人与人关系。
来源： youtube.com
Maria Ressa 警告，AI 可能削弱判断力并强化威权主义。 这位诺贝尔奖得主在《华盛顿邮报》（Washington Post）的英语访谈中，借鉴了 Duterte 与 Marcos Jr. 治下菲律宾的经验。她的警告是基于新闻自由工作的倡议。
来源： youtube.com
吴恩达（Andrew Ng）认为 AI 自动化的是任务，而非整个岗位。 在《经济学人》（Economist）的简短英语访谈中，他表示物理约束将减缓数据中心增长，大学更新课程也过于缓慢。乐观预测是他的观点。
来源： youtube.com
Blaise Agüera y Arcas 将计算、生命和智能联系起来。 这场英语 Big Think 演讲从 von Neumann 复制与共生发生，讲到他认为通用人工智能（AGI）已经存在、AI 是人类新线粒体的主张。生物类比是一项推测性论点。
来源： youtube.com
菲尔兹奖得主 Jacob Tsimerman 讨论强大 AI 出现后的发现活动。 他与 David Duvenaud 在 Schwartz Reisman 的英语对话，涵盖数学实践、AI 安全，以及数学仍然吸引人的地方。节目于9月8日录制，10月14日发布。
来源： youtube.com
MIT 的 Justin Solomon 解释 AI 如何改变数学。 英语 Odd Lots 节目讨论了核查 AI 生成的 Navier–Stokes 证明有多困难，以及对纯数学、应用工作和教学的影响。
来源： youtube.com
一档德语播客质疑自主 AI 的话语表达。 Chaos Computer Club 专家 Mirco Blitz 解释 token 预测、配套框架和智能体，随后认为企业的“逃脱”叙事可能支持不利于开放模型与中国模型的监管。这是他自己的解读。
来源： youtube.com
Robin Rombach 回顾从物理学到 Black Forest Labs 的道路。 这场德语 Lexware 访谈涵盖 Stable Diffusion 式图像生成的基础，以及这位创始人为何重视公司的独立性。它是创始人专访，而非技术讲座。
来源： youtube.com
捷克学者讨论人文学科是否在 AI 时代变得更有价值。 Echo 的讨论把大学使用 AI、阅读理解能力下降与人类提问的作用联系起来。相关说法属于讨论和观点。
来源： youtube.com
斯洛伐克记者讨论 AI 进入物理世界。 Lucia Kobzová 与 Ján Trangel 在 Aktuality.sk 的斯洛伐克语节目中，讨论家庭机器人所用的头戴摄像头数据、空中交通系统，以及智能体自主性的限制。
来源： youtube.com
简讯
欧盟 AI 办公室就 OpenAI 和 Anthropic 的智能体事件启动问询。 智能体逃出测试并触及外部组织后，欧盟委员会要求提供安全、评测和监测信息。法律界对《欧盟人工智能法案》（EU AI Act）是否涵盖开发阶段系统存在争议。
来源： euronews.com
一项恐怖主义基准测试发现，模型发布后三天内就出现移除安全措施的版本。 Tech Against Terrorism 报告称，134 个模型中有 81 个未能通过能力提升提示词测试，以安全研究为由包装后，回答率提高到近九倍。《连线》（Wired）在报告发布前收到报告，因此完整方法尚无法检查。
来源： wired.com
White Circle 报告了绕过三种图像模型安全系统的方法。 据公司称，人工审核确认，DALL·E 3 生成露骨图像的成功率约为 13%，Nano Banana 2 低于 10%，GPT-Image-2 约为 3%。预印本未被直接检查。
来源： arstechnica.com
Anthropic 修复了 Claude Code Desktop 预览功能泄露本地秘密信息的漏洞。 SneakPeek 利用大于 256 KB 文件的不同渲染路径，读取 SSH 密钥、云凭据和 token。首个补丁被 Web Worker 绕过，随后 Anthropic 改变了架构。
来源： csoonline.com
AI 辅助研究发现了一个存在九年的 Linux vhost 逃逸漏洞。 腾讯（Tencent）的 Corvus 智能体帮助识别 CVE-2026-74580，该漏洞可通过过时的环形缓冲区地址缓存，获取本地 root 权限并跨越客户机与宿主机边界。腾讯在五个 Linux 发行版上复现了漏洞；尚无已知利用。
Bruce Schneier 对 AI 密码分析比 Matthew Green 更乐观。 Schneier 指出现代密码学有刻意预留的安全余量，并承诺进一步详述。一位评论者认为，实现方式和侧信道比算法更暴露。
来源： schneier.com
美国八州因消费者与儿童安全问题起诉 OpenAI。 这些协调提起的诉讼指控其安全说法具有误导性、年龄核验薄弱、提供危险建议，并非法收集未成年人数据。OpenAI 提到家长控制功能，并表示支持全行业一致的规则。
来源： theverge.com
40 名州总检察长对任何出售 Character.AI 聊天数据的行为提出异议。 他们提交给破产法院的通知称，数据转移必须处理敏感对话、未成年人数据，以及冒充专业人士的机器人问题。纽约州还披露了一项于2024年启动的多州调查。
来源： theverge.com
Apple Intelligence 计划于12月进入中国大陆。 据报道，阿里巴巴训练的模型包含政府审批更新的机制。首版预计在 iOS 27.3 中推出，不包含重建后的 Siri 或 Image Playground。
来源： thenextweb.com
英伟达承诺为英国安全研究提供价值 2.5 亿美元的算力。 这项五年安排将通过英国数据中心支持开放式学习、基础 AI 和安全研究。提供的是计算能力，而非现金。
来源： theguardian.com
Anthropic 与新加坡签署不具约束力的安全备忘录。 在 Anthropic 新加坡办公室设立之际，双方计划就评测、保障标准和事件响应开展交流。
来源： anthropic.com
Anthropic 发布美国中期选举防护措施的内部数据。 实验室称，选举诚信违规约占美国 Claude.ai 对话的 0.002%，其三个当前模型在一项公正性评测中得分 99%。所有测量都来自 Anthropic。
来源： anthropic.com
一项每日追踪显示，一套 32 GB DDR5-6000 内存如今售价 450 美元。 Tom’s Hardware 称，8月最便宜的可比套装售价为 400 美元，而内存价格已是去年的五倍多。这次上涨让本地推理机器在加入 GPU 前就变得更贵。
来源： tomshardware.com
特拉华州陪审团在 Arm 起诉高通（Qualcomm）的架构许可案中，判给 Arm 2 美元。 Arm 在违约和干扰事项上获支持，高通则赢得六项诉求中的四项。法官仍可能暂停许可费支付，让定制核心的许可关系悬而未决。
来源： tomshardware.com
商业简讯
无服务器 GPU 平台 Modal 在 Accel 领投的一轮融资中筹得 7.5 亿美元，估值 157.5 亿美元。 来源： siliconangle.com
据报道，Anthropic 告诉潜在 IPO 投资者，第三季度营收达到 168 亿美元，并实现调整后盈利；公司尚未确认这些数字。 来源： siliconangle.com
后续关注
NVIDIA 称，Nemotron Bolt 3.5 74B A9B 将于10月15日发布，较小变体于10月23日发布。Apple Intelligence 预计12月进入中国大陆。