Anthropic 发布 Claude API 2026-10-21 版本，Hugging Face 推出 ADN 模型 Carbon-X，METR 测试 OpenAI 的智能体监控

Anthropic 发布 Claude API 2026-10-21 版本，这是自 2023 年以来的首个版本：该版本拒绝接受 temperature、top_p 和 top_k，所有 SDK 也均发布新的主版本，并采用 Apache 2.0 许可证。Hugging Face 推出 Carbon-X，这个拥有 140 亿参数的开放模型在读取和生成 ADN 方面接近 GPT-6.1 Sol 的水平；METR 则与 Redwood Research 共同公布了为期三周、针对 OpenAI 内部智能体监控系统开展攻击测试的结果。Agent Skills 和 OpenEnv 加入 Agentic AI Foundation，与 MCP 同属该基金会；OpenAI 的 Decisions API 正式全面开放；NVIDIA 则将 GTC Berlin 第二天的重点放在 Cosmos 和 Minerva 上。

Claude API 2026-10-21：自 2023 年以来的首个版本拒绝接受 temperature、top_p 和 top_k

10 月 21 日 — Anthropic 发布 Claude API 2026-10-21 版本，该版本值需通过 anthropic-version 请求头传入，同时发布所有 SDK 及其 CLI ant 的新主版本。

API version 2026-10-21 is now available. The Claude API has evolved a lot, but this is our first official version release since 2023. We plan to release versions more often so you can handle breaking changes before a new model requires them. 2023-06-01 is not deprecated.

🇨🇳 API 2026-10-21 版本现已推出。Claude API 已发生很大变化，但这是我们自 2023 年以来首次正式发布版本。我们计划更频繁地发布版本，让你们能在新模型强制引入不兼容变更之前先行处理这些变更。2023-06-01 并未弃用。 — @ClaudeDevs 在 X 上

最明显的变化涉及采样。在 2026-10-21 版本中，temperature、top_p 和 top_k 会在 Messages API、token 计数以及批处理（Message Batch）中的每个请求中触发 400 错误，即使使用默认值也不例外；不传入这些参数时，请求会以 1.0 的温度进行采样。Claude 4.7 及后续模型此前就已只接受这些默认值。但对于 Claude Sonnet 4.6 等较旧模型，为获得更稳定输出而调低温度的做法将不再生效，也没有替代设置：文档建议此类请求继续使用 2023-06-01 版本。

请求元素	使用 2026-10-21 时的效果
`temperature`、`top_p`、`top_k`	400 错误，即使使用默认值也不例外
直接放在助手消息中的文档块	400 错误（嵌套文档仍被接受，例如网页抓取结果中的文档）
用户消息文本块中的非空引用	400 错误，包括 `search_result`
API 密钥的 `workspace_id`	已移除，由 `scope` 替代
Admin API 和 Enterprise Analytics API 中已更名的字段	旧名称已移除

Python 2.0.0、TypeScript 1.0.0、C# 13.0.0、Go 2.0.0、Java 3.0.0、PHP 1.0.0、Ruby 2.0.0 和 ant CLI 2.0.0 默认发送新版本。这些 SDK 从 MIT 许可证改为 Apache 2.0 许可证，旧版本继续采用 MIT；它们还各自引入了不兼容变更：每种角色使用独立的消息类型，API 密钥改为通过 Authorization: Bearer 而非 X-Api-Key 发送（API 仍接受两者），移除旧版 Text Completions API（涉及 TypeScript、Go、Java、Ruby 和 CLI），以及移除工具运行器的客户端压缩，改用服务端压缩。

为帮助迁移，Anthropic 发布了分步指南，并建议使用 Claude Code 的 /claude-api 技能；Claude Code 2.1.307 版本新增了 /claude-api api-version 命令。在 Amazon Bedrock 上，2026-10-21 仅适用于 Claude 4.7 及后续模型。同一天，发行说明还为用户资料（user profiles）新增了 enforcement_status 和 enforcement_actions 字段，用于指示 Anthropic 是否限制或封禁了某个组织的最终客户。

🔗 2026-10-21 版本迁移指南 · Claude Platform 发行说明

Carbon-X：Hugging Face 发布可读取和生成 ADN 的 140 亿参数开放模型

10 月 22 日 — Hugging Face 发布 Carbon-X，这是一个拥有 140 亿参数的开放模型，可在同一 token 流中处理 ADN 和自然语言：用户可以就某段序列提问、询问突变的影响，或要求它生成 ADN。该模型基于 Qwen3-14B，由 HuggingFaceBio 组织以 Apache 2.0 许可证发布；该组织此前于 10 月 8 日推出了基因注释模型 Carbon-A。

卢布娜·本·阿拉勒、刘易斯·滕斯托尔和莱安德罗·冯·韦拉的团队使用 3000 亿个 token 对 Qwen3-14B 进行了继续训练（midtraining），训练数据混合了 ADN、英语及两者交错的数据，随后通过监督微调和强化学习进行后训练。混合 tokenizer 对文本保留 Qwen3 的 BPE，并将 ADN 切分为互不重叠的 6-mers，每个 token 覆盖六个碱基对。模型无需独立的 ADN 编码器，文本与序列共享同一个嵌入矩阵，因此同一条回答可以混合两者。

在五项基准测试（变异效应、序列理解、下一个碱基预测）中，Carbon-X 在不启用思考的情况下取得了 66.7% 的平均成绩：比 Qwen3-14B 高出 27 个百分点，也优于所有其他参评的开放模型。GPT-6.1 Sol 以 67.5% 略胜一筹，但在编码区变异效应（BioReason Coding）和下一个碱基预测方面，Carbon-X 领先于所有受测模型，包括开放和封闭模型。

受测模型	博文中的 ADN 指数（四舍五入）
GPT-6.1 Sol	68 %
Carbon-X	67 %
Kimi K3	50 %
DeepSeek V4.1 Flash	47 %
Qwen3-14B	40 %
GLM-5.3	40 %

Introducing Carbon-X: The best open DNA model. We midtrained a 14B model on DNA and text, and it beats every open language model and matches GPT-6.1 Sol at 1,000x lower cost.

🇨🇳 这是 Carbon-X，表现最佳的开放 ADN 模型。我们用 ADN 和文本对一个 14B 模型进行了继续训练：它超越了所有开放语言模型，达到 GPT-6.1 Sol 的水平，而成本仅为后者的 1/1 000。 — @LoubnaBenAllal1 在 X 上

关于成本，目前有两种说法：模型卡估计，每道问题的成本约为 GPT-6.1 Sol 的 1/1 800，而发布公告则取整为便宜 1 000 倍。计算依据是各对比模型的标准 API 价格，并为每个模型选取平均成绩最佳的思考级别；Carbon-X 则依据以 5 美元租用 H200 一小时所测得的吞吐量计算，该模型直接作答，不进行扩展推理。Hugging Face 首席执行官克莱芒·德朗格将 Carbon-X 视为对前沿实验室在生物领域设置防护措施的回应；在他看来，这些措施妨碍了科学家、大学、协会和卫生机构，却无法阻止恶意行为者。

🔗 Carbon-X 模型卡 · 发布博文 · 克莱芒·德朗格的推文

METR 与 Redwood Research 测试 OpenAI 内部智能体监控系统

10 月 22 日 — METR 发布了今年夏天与 Redwood Research 在 OpenAI 开展的一次演练报告。7 月 21 日至 8 月 11 日，两家组织各有一名员工在现场用三周时间，对监控 OpenAI 内部智能体对齐偏差的异步系统开展攻击测试（red-teaming）；这些智能体为其研究人员编写代码或开展实验。他们获得了深入的访问权限：OpenAI 提供且从未离开办公场所的设备、内部代码、监控器的提示词和配置，以及与十余名研究人员和工程师访谈的机会。

METR 报告的指标	估计值
符合监控条件的 Responses API 内部智能体流量（模型至少为 GPT-5.5）	约 75 至 94 %
符合监控条件的内部 Codex 智能体流量	99,2 %
2026 年 5 月至 7 月符合监控条件却未被监控的内部 Codex 流量	约 10 %（压缩）
监控器出错的请求	少于 0,2 %
内部报告及其后的删隐版本	61 页，随后为 38 页

METR 表示，这些估计具有很大的不确定性，反映的是截至 7 月 21 日的系统状况。主要缺口来自监控器无法看到的上下文压缩事件：

Because of this coverage gap, we estimated that on the order of 10% of internal Codex traffic was unmonitored from May to July. OpenAI had independently identified this issue shortly before the exercise began.

🇨🇳 由于这一监控覆盖缺口，我们估计从 5 月到 7 月，约有 10% 的内部 Codex 流量未受到监控。OpenAI 在此次演练开始前不久就已自行发现这一问题。 — @METR_Evals 在 X 上

OpenAI 在演练期间修复了这一问题。由于监控器只有在智能体将控制权交还用户时才会触发，只要压缩过程仍处于监控盲区，智能体就能通过持续行动无限期推迟监控。演练开始时，强化学习训练也未被纳入监控范围。

团队还描述了其他漏洞：一种能绕过 Codex 沙箱和 Auto-Review、让智能体获得宿主用户全部权限的方法；一种能让最近数百次操作避开监控的技术（细节已被 OpenAI 删隐）；利用序列化差异使监控器出错的输入；两个可由客户端控制、能够关闭新智能体监控的请求头，不过其使用仍可被发现；以及两个未受监控、被认为只读的内部工具，一种尚未经实际验证的简单利用手段可能将其挪作他用。另一方面，除少数例外，监控器能够看到智能体的完整行为轨迹，其提示词会查找密谋（scheming）、破坏、数据外泄、欺骗和提示词注入行为。

OpenAI 声称已修复所有影响其生产环境防护栈的漏洞；METR 明确表示，未对这一说法进行评估。各方事先约定只发布一篇简短博文，且 OpenAI 可以对报告作删隐处理。METR 从中总结出五项设计原则，包括让监控难以规避（例如每隔 N 分钟或每 N 条消息触发一次）、定期攻击测试系统，以及将智能体与其监控器隔离。OpenAI 表示，这些发现帮助其在扩展系统的过程中加强了防护，也将指导其未来与第三方评估机构的合作。10 月 15 日，Anthropic 曾介绍过向 METR 团队提供类似访问权限的情况。

🔗 对 OpenAI 内部智能体监控系统开展红队测试（METR） · @OpenAI 的推文

Agentic AI Foundation：Agent Skills、Open Responses、OpenEnv 和 OpenSandbox 加入，与 MCP 同属该基金会

10 月 22 日 — Agentic AI Foundation（AAIF）是 Anthropic、Block 和 OpenAI 于去年共同创立、隶属于 Linux Foundation 的基金会，已托管 MCP，如今一次迎来四个新项目：Anthropic 贡献的 Agent Skills、OpenAI 贡献的 Open Responses、Hugging Face 贡献的 OpenEnv，以及 Alibaba 贡献的 OpenSandbox。由此，该基金会在成立第一年便拥有 10 个项目；其首席技术官兼联合创始人马尼克·苏尔塔尼表示，这些项目各自覆盖技术栈的一部分，从智能体如何获得能力，到它们在何处运行。

Anthropic 捐赠了 Agent Skills 的名称和标志、GitHub 组织以及 agentskills.io 域名。这种通过文件夹教会智能体执行任务的格式（包含一个 SKILL.md 文件、脚本和参考文档）诞生于 Claude Code 的开发过程中，于 2025 年 12 月作为开放标准发布；据 Anthropic 称，此后已有超过 70 个智能体平台将其集成，包括 ChatGPT、Cursor、GitHub Copilot 和 VS Code，已发布的技能达 100 万个，安装量接近 2.8 亿次。来自 Anthropic、Google、OpenAI 及其他公司的工程师将以个人身份参与维护，由戴维·索里亚·帕拉和马赫什·穆拉格担任负责人（主要维护者）；@ClaudeDevs 的推文串还提到，Earendil、Microsoft 和 OpenCode 也加入了技术指导委员会。现有技能继续正常运行，许可证保持不变；提议的第一步包括引入版本编号、正式的提案流程和安全建议。

Hugging Face 则将其用于训练智能体的开放环境框架 OpenEnv 交由中立治理机制管理，委员会成员包括 Microsoft、Reflection、Meta-PyTorch、Fleet、Mercor、Nebius、Modal、Prime Intellect 和 Unsloth。原地址 meta-pytorch/OpenEnv 和 huggingface/OpenEnv 现已重定向至 github.com/openenv/OpenEnv。

🔗 Linux Foundation 公告 · Anthropic 博文 · 本·伯滕肖（Hugging Face）的公告 · @ClaudeDevs 的推文串

智能体的设计与治理：折叠显示的子智能体、默认自动模式、智能体采用情况对比

这三则公告较少着眼于智能体能做什么，而更关注如何组织它们、将控制权交给它们，以及衡量其使用情况。

Anthropic 建议将子智能体整合回主循环，并发布开源迁移工具包

10月22日 — 在一份由黛安娜·萨尔基斯署名的 Claude Platform 最佳实践指南中，Anthropic 的应用人工智能团队指出，在多个企业部署中，配备技能的单一智能体在质量上往往优于包罗万象的单一提示词或采用子智能体的架构，而且每项任务的成本和延迟通常更低；一位客户测得，其执行速度约为原有多智能体运行框架的两倍。Anthropic 表示，针对其最先进的模型，Claude Code 的系统提示词已缩减超过 80 %，部分原因在于技能和工具的渐进式披露；该公司还观察到，工具定义超过 30 至 50 个后，工具选择能力会下降。当上下文趋于饱和、并行任务完成后可以丢弃各自的上下文，或智能体难以选择工具时，子智能体仍有用武之地。采用 Apache-2.0 许可证的 single-agent-loop-kit 工具包依次执行 /claude-api build-eval、prompt-audit、hillclimb 和 cost-optimize，以迁移到单一循环。

🔗 Anthropic 的子智能体指南 · anthropics/single-agent-loop-kit（GitHub）

Claude 应用会话将在 Pro、Max 和 Team 套餐中默认启用自动模式

10月22日 — 据 @claudeai 称，从下周起，Pro、Max 和 Team 套餐在网页端、桌面端和移动端的 Claude 应用会话将默认以自动模式运行：系统通过自动检查拦截高风险操作，无需用户逐步批准，用户也可以随时切回手动模式。自8月14日起，自动模式已成为这些套餐中 Claude Code 的默认设置；自9月28日发布的 2.1.284 版本起，所有套餐的终端和 VS Code 会话也已默认启用。此次帖文还引用了8月的公告，当时测试中的分类器识别出了 89 % 的危险命令，而手动批准仅识别出 14 %。此次公告仅有一条帖文，没有给出确切日期，也未详细说明涉及哪些会话，更未提及 Enterprise。

🔗 @claudeai 的帖文

Copilot 影响力仪表板将企业的智能体采用情况与同行进行比较

10月22日 — Copilot 影响力仪表板（Copilot impact dashboard）新增一项可选且默认关闭的行业比较（行业比较）功能。企业以及不隶属于任何企业的组织，可以将两项指标与参与比较的同行汇总基准进行对照：优先使用智能体（智能体优先）或使用多个智能体（多智能体）的用户占比，以及这些智能体用户相对于其他用户的拉取请求合并率。每项得分都会与同行过去 28 天的中位数比较，随着参与群体扩大，还会与前十分位水平比较，并按企业规模和十个行业分类。比较结果每天更新，汇总数据在 30 天后删除；有数据驻留要求的客户仅与同一区域内的同行比较，比较数据也不会通过指标 API 或导出文件提供。上线初期，由于参与者不足，用户可能只能看到中位数，甚至看不到任何排名。

🔗 Copilot 影响力仪表板中的行业比较

决策模型：OpenAI 的 Decisions API 正式开放，GLiDE v1.2 位居 Decision Index 榜首

决策模型回答封闭式问题，例如分类、路由和选择下一步操作，而不生成文本。同一天，OpenAI 向所有人开放其专用 API，Fastino 则发布了模型权重，并称其在 Hugging Face 的基准榜单中排名第一。

OpenAI 的 Decisions API 正式开放，每次请求可包含 400 个问题

10月22日 — 公开测试启动十六天后，Decisions API 正式开放（全面可用）。它基于 GPT-6 Luna 构建，可返回一个概率（predicate）、从给定值中作出的选择（choice），或评分量表上的分数（score）；据 OpenAI 称，其速度最高可达通过 Responses API 调用 GPT-6 Luna 的 10 倍。它现在支持原生 JSON 输入、每个问题指令中的图片，以及每次请求最多 400 个问题，高于测试阶段的 200 个；此外还新增了复用上下文缓存、在美国和欧盟境内进行推理，以及与 GPT-Live 的原生集成。输入价格仍为每百万 token 0,10 美元，缓存输入为 0,01 美元，输出不收费。

提及的客户	向 OpenAI 报告的提升
Box	路由选择速度约提高至 5 倍，准确率与 Responses API 相同
Datadog	智能体命令风险评分的 p95 速度提高至 40 倍
Ramp	速度为 GPT-6 Luna 的 4 倍，成本降低 30 %
Sierra	p95 延迟低于 280 ms，每次调用成本比此前方案低 90 %
Speak	执行下一步操作前的等待时间从 1,4 s 缩短至 0,13 s

当晚发布的 openai-python SDK 3.37.0 扩展了 Decisions 的类型，并引入了一项不兼容的类型变更。

🔗 使用 Decisions API 构建响应更迅速的应用

Fastino 发布 GLiDE v1.2，并称其位居 Decision Index v0.4.1 榜首

10月22日 — Fastino 发布了其决策模型的新版本 GLiDE v1.2，在 Hugging Face 上提供模型权重，并开放 API 访问。据 Fastino 称，该模型在 Hugging Face 的 Decision Index v0.4.1 中排名第一，校准误差也处于榜单最低水平之列；10月21日，Base Labs 曾宣布 mammoth-1 以 71,24 的得分排名第一，但那是在 0.4 版本上，因此两个分数无法直接比较。该模型可读取文本、JSON，以及新增支持的图片，并在单次前向计算中返回每个选项的概率：可以从最多 255 个选项中选择一个、回答是或否，或给出量表上的等级；Fastino 移除了思考 token，以降低延迟。

GLiDE v1.2 的特性	公布的数值
模型规模	26 十亿个参数
最低硬件要求	一块至少配备 80 Go 显存的 GPU
Fastino 公布的得分	在 Decision Index v0.4.1 中得分 71,5，领先第二名 1,7 分
Fastino API 价格	每百万输入 token 0,04 美元
权重许可证	fastino-community：免费，年营业额超过 10 百万美元时需签订商业协议

🔗 Fastino 的文章 · fastino/GLiDE（Hugging Face）

模型访问：路由服务须获 OpenAI 批准，Perplexity 推出 Batch API，Cohere 提供机密计算

三项变化涉及模型的访问方式，而非模型本身：中间服务、批量处理和请求隐私。

OpenAI 将从11月20日起要求模型路由服务和人工智能网关获得其批准

10月21日 — 在安全栏目的一篇文章中，OpenAI 表示，已与客户和合作伙伴统一了提供其模型访问服务的安全政策，无论这些服务是直接提供访问、通过托管模型的合作伙伴提供访问，还是通过经销商提供访问：采用与 OpenAI 一致的保护措施、调查可能的违规行为、在发现问题时采取措施，并协调不同服务之间限制措施的执行。最具体的变化来自更新后于 2026年11月20日 生效的使用政策（使用政策）：直接提供模型访问的服务，例如模型路由服务（模型路由器）或人工智能网关（人工智能网关），必须先接受 OpenAI 审查并获得批准，才能提供此类访问。OpenAI 还推出了 SafetyIDs，客户可在调查期间用它们区分最终用户，而无需向 OpenAI 披露用户身份。文章没有点名任何受影响的服务，也没有详细说明审批流程。

🔗 通过一致的标准扩大访问范围（OpenAI）

Perplexity 为 Agent API 推出 Batch API，每个文件最多包含 50 000 个请求

10月22日 — Perplexity 为 Agent API 新增 Batch API，适用于不需要立即响应的任务，例如评估、分类和数据丰富：用户上传一个包含请求的 JSONL 文件、创建批次，然后获取结果文件和错误文件；其端点形式与 OpenAI 的 Batch API 一致。每个请求都会执行 Agent API 的完整循环，因此网页搜索（web_search）和页面读取（fetch_url）也支持异步执行。

Batch API 限制	公布的数值
每个文件的请求数	50 000，文件最大为 200 Mo
支持的模型	每个文件只能使用 Agent API 支持的一种模型
处理时限	目标为 24 h，但不作保证；最终截止时间为 48 h
文件保留期	30 天
处理价格	不设单独的批处理价格；支持 flex 层级的 OpenAI 模型采用该层级价格

批次中的请求不计入 Agent API 的请求限额，到期时尚未开始执行的请求会过期，且不收取费用。该服务不向采用零数据保留设置的组织开放。

🔗 @perplexitydevs 的系列帖文 · Batch API 文档

Cohere 在 Azure 的 NVIDIA H100 GPU 上开放 Model Vault 机密计算的公开测试

10月22日 — Cohere 专用托管推理平台 Model Vault 的机密计算功能于9月16日启动抢先体验，如今进入公开测试：客户现在即可创建加密保险库并部署工作负载，继续使用相同的 API。此次测试运行在 Microsoft Azure 的 NVIDIA H100 GPU 上，由 Azure 提供机密计算基础设施，NVIDIA Confidential Computing 则保护 GPU 内存，并加密 CPU 与 GPU 之间的数据传输。请求内容通过 Oblivious HTTP（OHTTP）进行端到端加密，直至抵达经过认证的环境；在发送任何内容前，客户端软件会验证一份涵盖硬件、固件（固件）和软件的签名证明。据 Cohere 称，即使是其运维人员和云服务提供商，也无法读取受保护的内存。部分物理攻击或侧信道攻击、可用性、提示词注入等应用漏洞、元数据，以及 API 和模型标识符，仍不在保护范围内。该公司还预告了 Blackwell B200 GPU 支持、正式开放和开源软件栈，但未给出日期，也未公布价格。

🔗 Cohere Model Vault 上的机密计算 · Cohere 的技术文章

地球观测与预测：ForTy、OlmoEarth v1.3 和 StormScope EU

当天发布的三项成果利用卫星图像开展地球制图或预测，其中两项围绕将每个 10 米像素概括为嵌入向量的技术展开。

Google DeepMind 发布 ForTy：一张分辨率为 10 米、可区分天然林、人工种植林和树木作物的全球地图

10月22日 — Google DeepMind 和 Google Research 与世界资源研究所（WRI）及 IIASA 联合发布 Forest Typology（ForTy）2020。这张地图将地表每个 10 米乘 10 米的地块划入依据 FAO 定义设立的六个类别之一：原始林、自然更新林、人工林、人工种植林、树木作物与农林复合系统，以及其他土地。多数地图只标示是否存在树木，而 ForTy 能区分原始林与油棕种植园，因此可为欧盟《零毁林产品条例》（EUDR）提供参考。该模型基于 AlphaEarth Foundations 的嵌入向量和约 170 万个标注点构建；经超过 9 000 个随机抽取的地点验证，其森林类型识别准确率为 90 %，森林与非森林区分准确率为 95 %，并为每个类别提供概率，而非单一标签。一套处于初步版本的 2017-2025 年度序列还展示了森林消失后由什么取而代之。地图与年度序列均在 Google Earth Engine 上依据开放许可证免费提供。

🔗 Google DeepMind 的文章 · Scientific Data 的论文

Ai2 发布 OlmoEarth v1.3 及覆盖全球的预计算卫星嵌入向量

10月22日 — Ai2 发布 OlmoEarth v1.3。该模型读取一整年的雷达图像（Sentinel-1）和多光谱图像（Sentinel-2、Landsat），将每个 10 米像素概括为一个向量。Ai2 已计算这些嵌入向量，并通过 Source Cooperative 共享：2023 至 2025 年的数据覆盖全球，2017 至 2022 年则仅覆盖部分国家。如今，只需在这些向量上训练一个小型分类器，即可绘制作物、土地覆盖或变化地图，无需逐项任务微调模型。一个无需账户的浏览器探索工具可用于比较不同年份、查找相似地点，并以 GeoTIFF 格式导出地图。

OlmoEarth v1.3 指标	公布的数值
每个 10 m 像素的嵌入向量	128 维，轻量版采用前 64 维
对比 AlphaEarth Foundations 和 Tessera v2 时胜出的评估数	27 项中的 20 项（128 维），27 项中的 18 项（64 维）
相对于 v1.2 的训练计算量	53 %
预计算嵌入向量存档	每年约 150 To

模型权重、数据和代码均依据 OlmoEarth Artifact License 发布，Ai2 同时推出了 PLANTEUR，这是一个覆盖法国六个海外领地的作物制图基准。

🔗 Ai2 的文章

StormScope EU 在 GTC Berlin 第二天加入 Earth-2

10月22日 — NVIDIA 为其天气与气候预测模型系列 Earth-2 新增 StormScope EU：这是基于欧洲数据训练的 StormScope 区域版本，可根据 EUMETSAT 的观测数据，以 10 分钟为步长，对 Meteosat 全部 16 个通道上的云层变化进行临近预报。公告提到了多家欧洲 Earth-2 用户：AXA 使用 FourCastNet 3 模拟了超过 1 000 个气旋季，Vaisala Xweather 为 StormScope 补充闪电数据，TotalEnergies 预测两个站点的太阳辐射，曼彻斯特大学则在一台 DGX Spark 上运行空气质量模型 CorrDiff，该模型在超级计算机 Isambard-AI 上完成训练。

🔗 Earth-2 在欧洲的应用（NVIDIA 博客）

GTC Berlin 第二天：NVIDIA 扩展 Cosmos、推出 Minerva，并公布欧洲客户的量化成果

10月22日 — 在 GTC Berlin 第二天，NVIDIA 发布了一系列介绍欧洲客户的博文，主要列举了带有量化成果的案例。Shopify 为其助手 Sidekick 的 GraphQL 子智能体对 Nemotron 3.5 Lightning 进行了后训练，在内部基准测试中的准确率超过一款前沿模型，同时将服务成本降低 90 %，响应速度提升至 7 倍；bunq 使用开放模型运行助手 Finn，以最佳封闭模型单次回答成本的 60 % 达到同等水平；Stripe 在离线测试中将其反欺诈工具 Radar 的数据流水线加速至 42 倍。能源方面，Hitachi Energy 的电池获得 DSX Ready 认证，Schneider Electric 验证了 Vera Rubin 参考架构，Siemens Energy 则发布了一套参考设计。产品方面，NVIDIA 扩展了 Cosmos，并推出 Minerva。

🔗 欧洲商业（NVIDIA 博客） · 欧洲金融服务 · 人工智能工厂的能源

Cosmos：五个 Data Factory 蓝图、向其他模型开放的 Framework，以及速度最高提升至两倍的 NIM

10月22日 — NVIDIA 在各个环节完善其世界建模（世界模型）平台 Cosmos。在数据方面，前一天已经提到的 Cosmos Data Factory 提供五个云原生蓝图，可通过 GitHub、Microsoft Azure、Nebius 和 CoreWeave 获取：自动驾驶车辆数据集、图像属性增强、罕见或危险事件视频、缺陷图像（印刷电路板、金属、玻璃），以及视频增强（天气、光照）。在训练方面，Cosmos Framework 以智能体技能的形式，将其精细调优（微调）、强化学习、蒸馏和量化方案扩展到 GR00T、Alpamayo、Qwen 或 Pi0.5 等其他开放模型。在部署方面，新的 Cosmos 3 Nano 变体用于在仿真中评估自动驾驶和双臂机器人的策略；在经过验证的配置下，Cosmos 3 NIM 微服务的推理速度最高提升至 2 倍；Metropolis VSS 3.3 蓝图则可在同一 GPU 上跟踪多出 40 % 的视频流。MicroAGI 已将其 32B 的 Cosmos 3 推理模型蒸馏为 8B 的 Nano 模型，且未损失准确率；前一天提到的 Porsche 则表示，其重复实物测试最多减少了 90 %。

🔗 Cosmos 博文（NVIDIA 博客）

Minerva：让人工智能工厂保持生产力的 AIOps 平台

10月22日 — NVIDIA 推出面向人工智能工厂的人工智能运维（AIOps）平台 Minerva。在这类工厂中，单个组件性能下降就可能拖慢整个训练过程。该平台将 GPU、网络、存储、调度器及工作负载的遥测数据汇入知识图谱，把硬件（GPU、SuperNIC、交换机、线缆）与正在运行的任务关联起来，从而从训练变慢的问题追溯到故障组件；NVIDIA 称，即使规模达到数十万块 GPU，也能实现这一点。监督和无监督模型每小时分析数十亿个数据点，识别此前未见的异常、预测故障，并将海量告警归并为单一事件，指出其可能原因；自然语言助手则提出修复建议，可由人工执行或自动实施。IREN 已经在使用该平台；Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 和 Tesla 计划部署，除 Dell Technologies 外，Lenovo 和 Supermicro 也将提供该平台。NVIDIA 尚未公布价格或量化收益。

🔗 Minerva（NVIDIA 博客）

呈现文化与人口：CulturalRiddles 和 Nemotron-Personas-UK

同一天发布的两个数据集，分别衡量或改善模型对真实文化和人口的忠实程度。

Cohere Labs 发布 CulturalRiddles：来自 62 种文化的 6 200 道谜题，揭示大语言模型的文化盲区

10月22日 — Cohere Labs 发布 CulturalRiddles，这是一个通过谜题衡量语言模型文化理解能力的基准测试。在六个月内，194 名志愿者用各自的语言编写了约 6 200 道原创谜题，覆盖 62 个文化群体、45 个国家和 51 种语言，其中包括布吉语、蒙贡多语等此前基准测试未涵盖的语言。在对 28 个专有、开放或区域性模型的评估中，约 68 000 条回答经过母语使用者复核，表现最好的模型解出了 79 % 的谜题，但没有模型在卢马萨巴语（乌干达）或蒙贡多语（印度尼西亚）上的正确率超过 22 %。语言只能解释差距中的一小部分：将最难的五个群体的谜题译成英语后，五个模型的正确率也仅从 22 % 升至 32 %。即使允许回答“我不知道”，模型也仅在 0,7 % 的情况下这样做，而经过复核的回答中约有 31 % 属于编造；对于一道答案为水下橄榄球的德语谜题，28 个模型中有 18 个回答了水球。谜题、代码和仪表板均已公开，且未特别突出任何 Cohere 模型。

🔗 CulturalRiddles（Cohere Labs） · Hugging Face 上的数据集

Nemotron-Personas-UK：与英国人口普查数据相匹配的一百万份合成人物画像

10月22日 — 伦敦主权人工智能实验室 Locai Labs 与 NVIDIA 联合发布 Nemotron-Personas-UK，包含一百万份采用 CC BY 4.0 许可证的合成人物画像。每份画像均遵循英格兰和威尔士、苏格兰与北爱尔兰人口普查中的人口统计、地理、社会经济和职业分布，且不涉及任何真实个人。借助 NeMo Data Designer，概率模型首先抽取符合现实的属性组合，再由 Gemma 4 31B 在 18 块 NVIDIA GPU 上撰写每份人物画像的属性，包括文化背景、技能、职业目标和爱好。这类数据集用于训练和测试需要反映特定人口群体、同时避免暴露个人数据的模型。在 GTC Berlin 第二天，NVIDIA 还同步展示了 Nemotron-Personas-Germany，其中包含基于 2022 年人口普查的一百万条记录（16 个联邦州、400 个行政区），可配合开源库 NeMo User Sim，检验公共服务模型在不同地区或年龄群体中的行为是否一致；此外，还计划与波兰的 SpeakLeash 及卢布尔雅那大学合作推出相应版本。Nemotron-Personas 系列现已覆盖包括法国在内的 12 个国家。

🔗 Locai Labs 博文 · 欧洲公共部门（NVIDIA 博客）

生成式图像与视频：Ideogram Vector 1.0、HeyGen Video 1 和 FLUX Video Upscale

Ideogram 推出首款矢量模型 Ideogram Vector 1.0，可生成可编辑的 SVG

10月22日 — Ideogram 凭借 Ideogram Vector 1.0 从位图拓展至矢量图。模型可根据提示词直接生成 SVG 文件，也可按需加入参考图像；它还支持无需提示词，将现有图像转换为矢量图。每件作品都是一个独立的 SVG，其形状、颜色和渐变均可在 Illustrator、Figma 或代码中继续编辑。Ideogram 面向标志、文字设计、标签、印刷及插画场景（版画、波普艺术、平涂、线描），并继续发挥其长期优势：生成清晰可读的文字。该模型现已通过 Ideogram、API 及未具名的合作伙伴提供，尚未公布基准测试结果。

生成模式	每个 SVG 的价格
文本转矢量图，低质量	0,13 美元
文本转矢量图，中等质量	0,16 美元
文本转矢量图，高质量	0,20 美元，使用参考图像时为 0,32 美元
图像转矢量图	每张图像 0,10 美元

🔗 Ideogram 公告 · 模型页面

HeyGen Video 1 在 Artificial Analysis 无音频文本生成视频榜单上排名第一，在有音频榜单上排名第三

10月22日 — HeyGen 表示，其首款通用视频模型 HeyGen Video 1 在 Artificial Analysis 的文本生成视频盲测中获得第一名。AA-Video-T2V v2.1 排名为这一说法补充了限定条件：上榜变体 HeyGen Video (ultraquality) 确实在无音频视图中排名第一，其置信区间与 Wan 3.0 重叠，但在默认显示的有音频视图中仅排名第三。

榜单视图	HeyGen Video (ultraquality) 的名次	排名相邻的模型
无音频	第1名，1 144 Elo（排名1至2）	Wan 3.0 为 1 134，MiniMax H3 768p 为 1 120
有音频，默认视图	第3名，1 160 Elo（排名2至7）	Wan 3.0 为 1 175，Utopai X 为 1 167

该模型基于 MiniMax H3 进行后训练，在无音频条件下明显领先于基础模型（1 144 对 1 120），但在有音频条件下仅领先两分（1 160 对 1 158）。Artificial Analysis 将该变体的 API 标为“即将推出”，而 HeyGen 则表示 HeyGen Video 1 已可在 HeyGen 中及通过 API 使用，促销价为每秒 0,01 美元。

🔗 Artificial Analysis 文本生成视频榜单 · @HeyGen 的推文

Black Forest Labs 全面改版 FLUX Video Upscale，称其比 Topaz Astra 2 更便宜、速度达到两倍

10月22日 — Black Forest Labs 宣布全面改版其于 8月20日推出的视频超分辨率工具 FLUX Video Upscale，称其为市场最佳，比 Topaz Astra 2 更便宜，速度达到两倍，但未发布量化对比。根据产品页面，该工具由 FLUX 3 驱动，会在新分辨率下重新生成每一帧，而非对像素进行插值。用户可通过一个参数调整其行为：精准模式在不改变原始内容的前提下优化画面，适合人脸和产品；默认的创意模式则会补充生成细节，但可能导致人脸偏离原貌。

FLUX Video Upscale 参数	公布值
放大倍数	1,5 至 3 倍，从 480p 最高提升至 4K
单段视频时长	最长 20 秒，保留原音
精准模式价格	每输出百万像素秒 0,035 美元
创意模式价格（默认）	每输出百万像素秒 0,05 美元

🔗 Black Forest Labs 公告 · 超分辨率工具页面

代码智能体：Claude Code 2.1.307、VS Code 1.143、Replit Monitoring Agent、Amp 的 orbs 和 Cognition 插件

Claude Code 跟进新版 API，VS Code 在开发者的机器上运行代码模型，Replit 和 Amp 将更多基础设施工作交给智能体，Cognition 则为任意智能体提供应对三类严重漏洞的工具。Copilot CLI 1.0.103、Vibe CLI 3.0.2、Qwen Code v0.26.0、Zed 1.25 及当天的其他版本更新见简讯。

Claude Code 2.1.307 新增 /claude-api api-version 和 OpenTelemetry 事件 safety_event

10月21日 — Claude Code 2.1.307（43 项更新，其中 26 项为修复）跟进新版 API：/claude-api api-version 可将 Claude API 应用的代码迁移至 2026-10-21 版本。在可观测性方面，只要工具调用被权限规则、自动模式、安全检查、钩子或沙箱阻止、要求确认或交回 Claude 处理，就会发出 OpenTelemetry 事件 claude_code.safety_event；它补充了 10月15日加入 tool_decision 事件的分类器字段。Code Review 新增 @claude review stop（或 off、pause），用于终止拉取请求上的 @claude review always 订阅。修复内容包括：MCP HTTP 工具调用在连接中途关闭时不再重复发送，仅对只读或幂等工具进行重试；无法解析的工具调用在结束本轮前最多重试两次；自托管运行器默认会在 30 分钟后停止检出钩子。10月22日发布的 2.1.308 仅包含缺陷修复和可靠性修复。

🔗 GitHub 上的 Claude Code 2.1.307

VS Code 1.143 通过 Copilot 在本地运行 MAI Code 1.1 Flash，并将 Copilot 运行框架设为默认选项

10月22日 — VS Code 1.143 以实验性功能形式提供了 10月7日宣布的本地路由：模型选择器新增“此设备”标签页，可下载 MAI Code 1.1 Flash，并在 Copilot 运行框架的会话中调用。设备上计算的回答会标记为“设备端”，不消耗人工智能额度；“在自动模式中使用”选项允许自动模式将适合的请求发送给本地模型，并在需要时回退至云端。硬件门槛依然较高：需要兼容版本的 llama.cpp、GitHub 登录，以及至少具有 96 GB 显存的 NVIDIA GPU。基于 Copilot SDK 构建的 Copilot 运行框架成为新会话的默认选项；智能体窗口还新增预览功能“比较模型”，可将同一指令并行交给多个模型和运行框架（Copilot、Claude、Codex），并可选择加入评判模型。安装程序也会提供 Copilot CLI，语音模式支持使用个人 OpenAI 密钥，企业则可强制设定默认模型，并自动安装所要求的插件。

🔗 Visual Studio Code 1.143 版本说明

Replit 推出 Monitoring Agent，可调查生产环境告警、修复问题并自主重新发布

10月22日 — Replit 发布 Monitoring Agent，将其定位为平台上已发布应用的自主值班工程师：生产环境发生事故时，它会调查告警，在日志、指标和代码中查找原因，准备并验证修复方案，还可部署修复，随后汇报具体变更。每个应用可单独配置三项设置：针对错误日志、HTTP 错误和延迟的告警；自动修复（Auto-fix），在后台调查并通过电子邮件发送摘要；自动重新发布（Auto-republish），目前仍处于实验阶段，仅适用于已启用 Auto-fix 的应用。Replit 提醒，触发告警并不保证一定能修复，迁移和索引操作仍存在风险；未启用自动重新发布时，修复会等待用户在智能体聊天界面中审核。没有单独定价：运行可能产生 Agent 使用费。Replit 称其为“首个同类”智能体，但 Cognition 已于10月15日推出 Devin Oncall，同样能够调查生产环境事故。

🔗 Replit 博文 · Monitoring Agent 文档

Amp 支持在自有基础设施上托管 orbs，10月29日前对所有用户免费

10月22日 — Amp 支持自行托管 orbs，即运行其智能体的远程机器：客户提供计算资源，Amp 将其转化为 orbs，前提是基础设施能够快速启动新机器、将其休眠并恢复运行、长期保留机器，以及缩容至零。amp orb provider 在客户侧运行，连接 Amp，并将创建、暂停和删除请求转交给客户编写的程序；Amp 提供了 Docker、E2B、Kubernetes、Apple Containers、Modal、Vercel、Daytona 和 exe.dev 的示例。不过，Amp 不建议大多数用户采用这一选项：它面向因监管要求、内部网络或特定硬件而无法使用托管 orbs 的企业。自行托管的 orbs 对个人和团队继续免费；Enterprise 客户将从 10月29日起按 orbs 标准费率付费，在此之前所有用户均可免费使用。此前，只有 Amp 的运行器支持让智能体在客户侧工作，但使用的是持久运行的机器。

🔗 Amp 博文

Cognition 开源智能体插件，用于修复 PHP、Node.js 和 GitLab 的严重漏洞

10月22日 — PHP2Shell 披露次日，Cognition 发布 Vulnerability Fixes，这是一款免费开源插件（采用 MIT 许可证），可将三个严重漏洞的修复工作交给编程智能体。它可从 Devin 插件市场安装，但其组成部分采用 Agent Skills 格式：npx skills add 也能将其添加到 Claude Code、Codex、Cursor、Factory Droid、GitHub Copilot、Gemini CLI 或 OpenCode。智能体首先以只读方式盘点所有包含 PHP 或 Node.js 的内容（Docker 镜像、发行版软件包、CI、Helm、Terraform、AWS Lambda 运行时等），等待用户选择要修复的代码仓库，再升级到经官方来源核实的已修复版本，在升级前后运行测试，最后为每个仓库创建一个拉取请求，并附上风险标签和回滚方案。

目标组件	修复的漏洞	已修复版本
PHP（PHP2Shell，10月21日已报道）	CVE-2026-109618 和 CVE-2026-109619，CVSS v4 9,2	8.2.35, 8.3.36, 8.4.27, 8.5.12
Node.js（10月21日更新）	10 个 CVE，包括 CVE-2026-111497（Brotli 解码器）	22.23.4, 24.22.1, 26.12.1
自行托管的 GitLab	CVE-2026-110264，CVSS 10.0	19.5.1, 19.4.3, 19.3.6, 19.2.9, 19.1.9, 19.0.10, 18.11.13

据 Cognition 称，PHP 和 Node.js 漏洞正遭到自动化攻击的积极利用，博文建议先将 PHP 网页应用下线。Cognition 承诺为 Devin Enterprise 客户提供额度和协助，但未说明额度数额。

🔗 Cognition 博文 · CognitionAI/devin-vuln-fixes 仓库 · @cognition 的公告

简讯

智能体与编程工具

Copilot CLI 1.0.103 — 继前一天的 1.0.102 后，GitHub 此次稳定版主要带来修复：ACP 会话终于遵循沙箱设置，Gemini 工具调用不再因模式验证而失败，旧的启动选项 --remote 和 --no-remote 被移除。🔗 来源
Vibe CLI 3.0.2 — Mistral 将默认存活子智能体数和并行子智能体数均提高到 32，此前分别为 8 和 4，可通过 max_subagents 和 max_concurrent_subagents 调整，并终于落实自定义子智能体的权限、工具列表和技能配置。🔗 来源
Qwen Code v0.26.0 — 此稳定版接续前一天报道的 v0.25.4 预发布版本，中间没有 v0.25.4 稳定版：237 项更新中有 64 项为新增内容，其中包括 21 项功能，例如在 Managed Agent 的单轮执行期间修改审批，以及重启 qwen serve 守护进程。🔗 来源
Zed 1.25 稳定版 — v1.25.2 将10月14日报道的预发布版本推入稳定通道，支持 ACP 智能体的上下文压缩，在 Amazon Bedrock 提供商中加入 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，二进制文件体积较 1.23 缩小约 30 %。🔗 来源
Gemini CLI，10月22日每日构建版 — 当 CLI 在 docker、podman 或 runsc 沙箱中运行时，IDE 集成终于能够正常工作，且配套组件的令牌无需进入沙箱；对一条命令行命令的批准，会在本次会话结束前适用于相同选项。🔗 来源
Antigravity 2.25.0 与 VS Code 扩展 1.9.0 — 补报10月19日和18日的更新：应用通过徽标标识由插件管理的项目，并修复技能的 YAML 前置元数据；扩展新增接受或拒绝一个差异块的快捷键，以及可选的语言服务器自动重启功能。🔗 来源
Devin 10月21日版本说明 — Devin Review 开放支持 Bitbucket Cloud，Devin Oncall 新增 Lite 模式，Enterprise 管理员可在尚未连接的代码仓库旁显示申请访问权限的链接。🔗 来源
使用 GenCode 构建的学校工具 — Genspark 发布贾森·希尔的使用经历：他用三天、约 600 点额度，为所在学区的课程表构建了一个空余名额与超额人数查询工具；没有产品功能更新。🔗 来源

企业与部署

Uber 与 ChatGPT Work — 在面向 1 000 名员工开展试点后，Uber 将 ChatGPT Enterprise 智能体推广至超过 30 000 名员工，默认使用 GPT-6.1 Sol，并连接 Google Drive、Gmail、Google Calendar 和 Slack；未公布量化成果。🔗 来源
OpenAI 的前线部署工程师 — 科林·贾维斯结合客户数据介绍其工作方法：一家半导体客户改用 Codex 作为基础后，删除了约 90 % 的专用代码；一个电信语音模型在六个月内，关键评估得分从约 60 % 提升至超过 90 %。🔗 来源
Replit for Government — 面向美国及其他地区各级政府机构的服务，声称已覆盖美国 25 个州和超过 20 个国家，但未披露具名客户、FedRAMP 认证或定价。🔗 来源
Cognition 在伦敦 — 在芬斯伯里广场设立新办公室，英国团队六个月内增长超过 200 %，并迎来三名新成员，包括 Mercedes-Benz 前全球首席信息官卡特琳·莱曼。🔗 来源
SpaceXSI 的 Partner Network — 面向使用 Grok 构建产品的集成商和软件厂商的计划结束抢先体验阶段，受到超过 130 家企业关注，首批有 45 家合作伙伴，包括 Bain & Company、Databricks、NVIDIA 和 Snowflake；未公布价格或时间安排。🔗 来源
Synthesia 与 Hays — 这家招聘机构开展的 Roleplay Sessions 试点显示，销售技能平均提升 29 %，自愿参与率超过 70 %。🔗 来源
Trinity Logistics 与 ElevenAgents — 在10月20日发布的案例中，语音智能体每月通过 30 000 通电话谈判并预订约 1 000 单货运，利润率提高 25 %，平台成本下降 40 %。🔗 来源
Eleven Realtime Translation 后续 — 前一天报道的实时语音翻译功能，其博文披露了首家客户 Deutsche Telekom，应用于其 Magenta AI Call Assistant，并说明默认以 Eleven v4 Turbo 为基础；面向企业的早期测试版仍未公布价格。🔗 来源

安全

OpenAI 与社区银行 — 与 ICBA 的合作将向符合条件的成员银行提供获得补贴的 Daybreak for Frontline Defenders 使用权限及培训；未披露补贴金额或银行数量。🔗 来源
Cloudflare、Daybreak 与 Codex — 在一篇日期为10月21日的案例研究中，Cloudflare 使用 OpenAI 模型提出修复方案和 WAF 规则，并在分享前进行审核；一个四人团队还使用 Codex，在三天内以 1 100 美元的令牌费用重建了一款产品。🔗 来源
Grok Bot 与 1Password — Grok Bot 将在未来几天内通过 1Password for Agents 使用经用户批准的 1Password 凭据，而无需看到密码；1Password for Agents 还计划支持 Meta 的 Muse、Claude Duet 和 ChatGPT Work。🔗 来源 · 🔗 1Password for Agents
支持数据驻留的公开监控 — GitHub 的秘密扫描现已面向启用数据驻留的 GitHub Enterprise Cloud 客户监控公开提交，目前处于公开预览阶段，仅通过已验证的域名确定归属。🔗 来源

助手

Gemini、Google Maps 与 Google 日历 — 经用户同意，Gemini 应用通过 Personal Intelligence，将其在 Google Maps 中的搜索记录和已保存地点与日历交叉分析，提供当天的推荐；该功能在欧洲经济区不可用。🔗 来源
将 Gemini 应用导出到 Google Sites — 自10月19日起，通过“导出 > Google Sites”，可将 Gemini 中创建的交互式网页应用放入私人网站草稿中，并保留交互能力，适用于 Workspace 和个人账户。🔗 来源
Kimi Work 3.2.19 — 继前一天的 3.2.18 后，Moonshot AI 的应用会在企业 IP 白名单阻止连接时显示访问受限页面，并新增网络诊断工具。🔗 来源

开发平台

拉取请求中的空白字符与分栏视图 — 是否显示空白字符变更的偏好设置会保存并应用于所有拉取请求，新增或删除的文件则在分栏视图中占据整个宽度。🔗 来源
GitHub Actions 新增对象存储主机 — 除非已配置通配符，否则需要将元数据 API 中公布的 blob.core.windows.net 上 productionresultssa30 至 49 及 100 至 199 范围加入允许列表，否则作业摘要和日志可能中断。🔗 来源
huggingface_hub 2.3.0 发布候选版 — 并行列举将搜索 objaverse 的 798 924 个文件所需时间从 776 秒缩短至 19,7 秒，并支持实时跟踪 Buckets。🔗 来源
Hub 上的 OpenUSD — 继前一天的 SimReady Central 后，.usd、.usda、.usdc 和 .usdz 文件可在一个已开源的交互式 3D 查看器中打开。🔗 来源

研究、开放模型与方法

PLANTEUR — Ai2 随 OlmoEarth v1.3 发布的作物制图基准，覆盖六个法国海外领地（2 750 条时间序列、4 506 km² 的地块），显示每个模型在从未见过的岛屿上，准确率都会下降约一半。🔗 来源
Seb-9B-v2 — 这款采用 Apache 2.0 许可证、拥有 90 亿参数的本地决策模型，据作者称，在 Decision Index 上获得 59,16 分，高于托管版 Jev 1.13 的 57,96 分，但作者未说明指数版本；在 RTX PRO 6000 上每次决策耗时 22 毫秒。🔗 来源
Laghu — UDGAM LABS 以 146 美元从零训练了一个拥有 1.52 亿参数的对话模型，在浏览器中占用 163 兆字节；据作者称，其对话表现与 SmolLM2-135M-Instruct 持平。🔗 来源
BaseQuant V1 — basecompute 发布 Qwen3.8-27B 的量化版本（10,93、16,41 和 20,82 吉字节），据作者称，其 3 位和 4 位量化的 KL 散度比 Unsloth 低 15 %。🔗 来源
将 VLM 用作重排序器 — 据一篇社区博文称，未经重排序训练的 Qwen3.8-27B 在三个基准上击败了经过监督训练的 Qwen3-VL-Reranker-2B，并在 MMEB-V2 的视觉文档任务上与 8B 版本持平。🔗 来源
Perplexity 的智能体评估方法 — 一份六步指南涵盖从成功标准到回归测试和生产环境监控的流程，建议分析约一百条真实轨迹中的错误，并校准充当评判者的 LLM；不涉及任何 Perplexity 产品。🔗 来源
Project Chrysalis — Google Cloud 介绍了一套基于 Gemini Enterprise 智能体平台、可自我演进的运维智能体参考架构：在模拟故障中，采取首项缓解措施的时间从 15 至 45 分钟缩短至 1,8 秒；这并非一款产品。🔗 来源

这意味着什么

各平台正在重写访问协议。Anthropic 如今按日期版本固定 Claude API，并移除一些设置，而其较新的模型早已不允许修改这些设置：曾调低旧模型温度参数的开发者，必须在继续使用 2023-06-01 和接受默认采样之间作出选择，所有 SDK 也将在同一天升级主版本并更换许可证。OpenAI 将筛选中间服务商：从 11 月 20 日起，直接提供其模型访问服务的路由器或网关必须获得其批准，而 SafetyIDs 将使其能够在不知道最终用户身份的情况下，对特定用户采取措施。Perplexity 沿用了 OpenAI Batch API 的形式，Cohere 则要求客户在每次发送请求前，验证处理该请求的环境。

智能体的基础组件正转向中立治理。随着 Agent Skills、Open Responses、OpenEnv 和 OpenSandbox 的加入，AAIF 在一年内汇集了十个项目，其中最新的四个分别来自 Anthropic、OpenAI、Hugging Face 和 Alibaba。统一格式的价值在同一天便得到了体现：Cognition 针对 PHP2Shell 以及 Node.js 和 GitLab 漏洞推出的插件，可以以技能的形式安装到七款相互竞争的编程智能体中。不过，在架构方面，各方释放的信号存在分歧：Anthropic 建议将子智能体整合进一个配备技能的单一循环，仅在上下文已满或执行一次性并行任务时保留子智能体；与此同时，Vibe CLI 3.0.2 在同一天将默认同时运行的子智能体数量提高到了 32 个。

智能体越能自主行动，对其进行监控的机制就越成为需要经受检验的基础设施。METR 和 Redwood Research 的演练表明，即便监控器能够看到智能体的完整行动轨迹，仍可能漏掉一部分活动：只要上下文压缩不在其监控范围内，一个始终不交还控制权的智能体就能无限期推迟审查。同一天，Claude 应用宣布默认启用自动模式，以自动检查取代逐步审批；Claude Code 为每次被阻止的工具调用发出一个事件；Replit 允许智能体自行将修复重新部署到生产环境；GitHub 则让企业将自身使用智能体的用户占比与同行进行比较。

在特定领域，专用模型正以极低的成本追上前沿模型。拥有 140 亿参数的 Carbon-X，在 ADN 问题上的表现与 GPT-6.1 Sol 相差不到一分，而每道问题的成本约为后者的 1/1 800；Decisions API 和 GLiDE 无需生成文本即可给出答案；OlmoEarth v1.3 为全球预先计算嵌入向量，只需一个小型分类器便能据此绘制地图，ForTy 则基于 AlphaEarth Foundations 的嵌入向量构建自己的地图。基准测试也揭示了另一面：在 CulturalRiddles 上，针对某些群体，接受测试的 28 个模型没有一个得分超过 22%，而模型仅在 0.7% 的情况下回答“我不知道”。