Anthropic / Claude

DeepSeek V4.1-Flash-1017更新：基准测试领先多款模型并开放搜索API

DeepSeek将V4.1-Flash更新至V4.1-Flash-1017版本，网页端、App与API同步更新，模型权重在HuggingFace和ModelScope开放下载。官方称新模型在DeepSWE、Automation-Bench等多项基准测试中领先Kimi K3、GLM 5.3、GPT 5.6-Sol和Claude Opus 5等模型，DeepSW

另有 3 家信源报道

清华开源智能体操作系统PilotDeck 2.0，任务成本降83%

清华大学THUNLP实验室联合面壁智能、OpenBMB等团队开源了智能体操作系统PilotDeck 2.0，以WorkSpace工作舱为单位隔离文件、记忆与任务，并实现记忆白盒化可查可改。系统内置智能路由，让强模型负责规划决策、轻量模型执行杂活，在复杂任务测试中成本约为纯顶配单体模型的六分之一，同时得分略高。系统原生支持MCP，采用AGPL-3.0许可证，支

Deepseek V4.1 Flash 1017 智能体任务超越更大模型并大幅降低成本

中国 AI 公司 Deepseek 发布 Deepseek-V4.1-Flash-1017，通过网站、应用和 API 提供，并在 Hugging Face 与 ModelScope 开源模型权重。该模型采用带自反馈的强化学习（RLSF）进行后训练，运行更快、输出更短，在内部基准的编程与智能体任务上超过 Claude Opus 5、GPT 5.6-Sol 等更

另有 3 家信源报道

Latent Space 新节目与 AI 资讯：Meta 开源 Muse Spark Open 等

Latent Space 推出新节目 High Taste Testers 并汇总 2026 年 10 月 15-16 日 AI 资讯。Meta 发布 816B 总参数、42B 激活的开放权重 MoE 模型 Muse Spark Open，在 Artificial Analysis 智能指数上得 39 分，为美国开放权重模型最高分。Reflection 发布

REA 开源项目将 AI 智能体引入二进制逆向分析

开源项目 Reverse Engineer Anything（REA）在 GitHub 上获得超过 20 万星标，它通过 MCP 服务器把 Ghidra、Hopper、IDA 等逆向工程工具接入 Claude Code、Codex 等编码智能体，让开发者可以检查编译后的二进制文件、追踪函数调用并验证假设。项目展示了追踪 Notion Electron 剪贴板

Claude Code 团队：代码审查应持续进行而非末尾关卡

Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 在《How the Claude Code team does code review》中提出，用「人类是否读过代码」来判断风险并不准确，应改为关注「这次改动可能出什么问题、哪种检查（自动或人工）最合适」。他们指出，代码审查因此从 PR 末尾的关卡变成持续进行的过程，多数

跳过压缩器：代码智能体整文件选择解决更多问题

该研究比较了在固定 token 预算下，代码智能体处理仓库级 issue 时三种上下文压缩策略的效果：检索器、提示压缩器和整文件选择。作者提出简单选择器 CQ2-CARE，通过两次独立采样让模型选出必须修改的文件并整文件原样展示，再补充 grep 找到的相关代码片段。在 300 个 SWE-rebench issue 上，使用 GPT-5.6 和 Claud

付费用户占比超20%，电商商家涌入千问办公

千问办公CEO陈宇森在10月14日电商版发布现场披露，产品上线两个多月来电商是使用最深的行业之一，付费用户中电商商家占比超过20%。文章通过3D打印鞋商家刘祥龙、咖啡品牌捌比特CEO阚欧礼、小熊电器运营小余、内衣电商Sandy等案例，展示商家用千问办公完成市场调研、跨平台经营看板、自动比价日报、批量种草图生成与数据分析，将上新周期从一个月压缩到7天、素材准备

Chirp Pong：用手机麦克风音频联机的双人游戏实验

Simon Willison 在博客中展示了一个实验性双人游戏 Chirp Pong：两台手机运行静态 HTML，通过麦克风发送和接收音频“chirp”来同步游戏状态，实现近距离对战。该游戏在 pong 基础上加入了图形和玩法变化，代码由 Claude Code 中的 Claude Opus 5.5 Extra 协助完成。

英伟达RTX Spark真机上手：十大亮点解析

英伟达RTX Spark笔记本电脑将于10月15日晚8点全球首批开售，搭载N1X超级芯片，将Grace CPU与Blackwell RTX GPU集成，主打本地AI智能体运行。该设备提供笔记本和紧凑型桌面主机两种形态，支持本地模型推理、微调及多智能体任务，英伟达称其AI性能与DGX Spark相当，并强调本地运行可大幅降低Token成本。

GPT-6-Astra在理论物理基准TheoPhysEval上解出49/50题

来自ICTS、哈佛、KU Leuven和Google DeepMind等机构的35位研究者发布TheoPhysEval基准，包含50道未发表的理论物理研究题。GPT-6-Astra在OpenAI Codex环境中以98%正确率（49/50）居首，平均每题成本不到3美元；Anthropic Opus 5.5得92%，Gemini 3.8 Flash得68%，开

Rivian 计划让汽车运行 Anthropic 等外部 AI agent

Rivian 推出车载 AI 助手，允许用户通过语音与车辆交互。CEO RJ Scaringe 在 TechCrunch Disrupt 上表示，未来 Rivian 汽车将能运行 Anthropic 等外部公司开发的 AI agent，并已自研 agentic 框架来路由本地与云端模型。他强调车辆级控制不会交给 agent，具体落地时间未公布，更多细节将在

LiteLLM 发布 v1.107.0-dev.2：镜像签名验证与多项修复

LiteLLM 发布 v1.107.0-dev.2 开发版本，说明所有 Docker 镜像均使用 cosign 签名，并提供基于固定 commit hash 与 release tag 两种验证方式。该版本还包含大量修复与功能更新，涉及 Anthropic、Vertex AI、Gemini、Databricks、MCP、缓存、代理分析及 DashScope

Figma 发布新功能，规范 AI 代理在其平台上的设计工作

Figma 在印度首届 Config 活动上发布多项新功能，包括基于 Markdown 的 Figma Specs 编辑器，用于定义设计语言并让自家及第三方 AI 代理遵循品牌设计规则；同时将代码层功能从私测转为公测，并集成其收购的开源无头 CMS Payload。Figma 还宣布其 MCP 支持 Open Code、Dia、Grok Bot、Sarvam

OS-Bench：评估 SWE 智能体的跨操作系统代码迁移能力

该论文提出 OS-Bench，一个用于评估 SWE 智能体跨操作系统代码迁移能力的可执行基准。它通过对比同一仓库在 Linux 和 Windows 上的执行覆盖率差异来识别平台特定实现，并自动构建迁移任务。基准包含来自 111 个仓库的 140 个任务，覆盖 C、C++、C#、Go 和 Rust，其中 91 个为 Windows 到 Linux 迁移，49

OpenAI Agents Python 发布 v0.24.0

OpenAI 发布 openai-agents-python 库 v0.24.0 版本。新特性包括在转换后的工具上暴露 MCP 注解，以及支持运行级别的工具异常格式化。修复方面包括按 API 限制批量写入 OpenAI 会话、延迟待审批请求的自动压缩，并升级了 fastapi、grpcio、boto3、redis、temporalio 等多项依赖。

用 Claude Opus 5.5 构建 Three.js 游戏 Tree Appreciator

Simon Willison 在 Claude iPhone 默认聊天模式中，用提示词让 Claude Opus 5.5 Max 构建一个名为 Tree Appreciator 的 Three.js 游戏，玩法是欣赏两棵算法生成树木之间的差异。Claude 耗时 3 小时 7 分钟返回了一个带音乐、动画和成就系统的找不同游戏，作者认为其相当引人入胜。作者还提

Strands Agents SDK Python v1.61.0 发布

Strands Agents SDK 发布 Python v1.61.0，主要新增将 Strands 打包为 Claude、Codex 和 Cursor 技能，以及 TypeScript 侧的 DecisionModel 原语、MCP 工具调用进度回调和 v2 prompts/resources 分页方法。修复方面涉及 MCP 连接保持、OpenAI 内容过

Strands Agents SDK 发布 harness-cli v0.2.1

Strands Agents SDK 发布 harness-cli v0.2.1，主要新增功能包括将 Strands 打包适配 Claude、Codex 和 Cursor，引入 DecisionModel 原语与 LLMDecisionModel，为 MCP 工具调用增加进度回调及 v2 prompts/resources 分页方法，并新增 python r

Strands Agents SDK 发布 harness-typescript v0.3.0

Strands Agents SDK 发布 harness-typescript v0.3.0，主要新增 DecisionModel 原语与 LLMDecisionModel、MCP 工具调用进度回调及 v2 prompts/resources 分页方法、python repl 与 vended subagent 工具的 TypeScript 移植，并支持