Anthropic / Claude

谷歌 Gemini 4 Argon 逼近 AI 前沿，但测试方法与数学编码仍存短板

Google DeepMind 发布新前沿模型 Gemini 4 Argon，在 ARC-AGI-3 基准上以 97.5% 的成绩成为继 OpenAI 之后第二家突破 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。但该成绩依赖使用厂商特定功能的 Provider Adapter Harness 测试环境，在仅允许简单笔记的 Standar

Langfuse v4.63.0：AI Gateway 路由与 Skills 预览更新

Langfuse 发布 v4.63.0 版本，主要更新包括：AI Gateway 支持将无前缀的 codex- 模型路由至 OpenAI 连接、按来源归因错误并测量网关开销、服务端校验连接名称；Skills 功能以公开 v4 预览形式开放并新增使用指标标签页；应用内助手支持向用户发起简短问卷。此外还修复了依赖安全补丁、MCP 超时分类、计费统计等问题。

AI 可解释性接近突破？一篇新文章让研究者意见分裂

Goodfire 研究员 Nick Cammarata 发表长文《Neural Networks Are Already Clean》，推翻自己早年参与提出的叠加假说（superposition），认为神经网络内部比学界此前认为的更有条理，并给出 Qwen3-32B 中约 90% 神经元极点有单一主要功能的初步数据。OpenAI 的 Roon 称这可能是科学

演讲：爆炸的 GPU——AI 安全仍是 Kubernetes 安全

ControlPlane 创始人兼 CEO Andrew Martin 在 InfoQ 演讲中指出，AI 安全本质上仍是 Kubernetes 安全，因为 OpenAI、Anthropic 等几乎所有 AI 系统都运行在 Kubernetes 之上。他强调 GPU 大规模集群已成为新的高价值攻击目标，攻击者可窃取算力转售用于大规模 AI 攻击活动，同时供应链

AWS 发布 Strands Decider 2B 与 Strands Box 智能体开发工具

AWS 推出两个面向 AI 智能体开发的开源项目：Strands Decider 2B 和 Strands Box。Strands Decider 2B 是一个 20 亿参数的小模型，基于 Qwen3.5-2B 改造，用指针头替代语言模型头，用于在预定义选项间做决策，支持模型路由、工具选择、分类、护栏和上下文管理，并已开源权重、训练数据和脚本。Strands

Langfuse v4.62.0 发布：AI Gateway 请求上限提升至 16 MiB

Langfuse 发布 v4.62.0 版本，主要更新集中在 AI Gateway 模块，包括将请求上限提升至 16 MiB 并支持配置执行限制、使用 SecretString 管理凭证、引入类型化租户 ID 和 thiserror 错误处理。此外还修复了追踪搜索中的 LIKE 通配符转义、OTel 第三方 span 元数据解码、Azure Blob 上传状

用SAE特征引导缓解小模型欺骗行为

该研究探索用稀疏自编码器（SAE）特征引导来缓解小模型中的欺骗性对齐行为。作者提出一种基于词袋的特征提取流程，识别与义务论伦理相关的SAE特征方向，并在Gemma-3-27B-IT上将合规差距降至不显著水平，但在LLaMA-3-8B-Instruct上无效。分析还发现一种新的欺骗行为，称为“欺骗性钝化”，即模型故意降低回答的有害性却保留对齐表象。这是首次证明

LiteLLM v1.107.0-dev.3 发布：镜像签名验证与多项修复

LiteLLM 发布 v1.107.0-dev.3 开发版本，所有 Docker 镜像均使用 cosign 签名，并提供了基于固定 commit hash 和 release tag 两种验证方式。该版本包含大量修复与功能更新，涉及流式 thinking blocks 索引、xAI Grok 语音实时计费、MiniMax-H3 视频生成、Vertex AI

Cerebras：再强的模型也救不了糟糕的 harness

Cerebras 博客发文指出，智能体由模型、harness（运行框架）和环境组成，harness 决定模型能看到什么、能执行哪些动作以及结果如何反馈。文章引用论文数据称，同一 Claude Opus 4.5 模型在标准化 SEAL 框架下 SWE-bench Pro 得分为 45.9%，经 Claude Code 运行则达 55.4%，说明基准结果属于模型

阶跃星辰开源Step 5 Preview，登OpenRouter周榜第二

阶跃星辰正式开源Step 5 Preview模型权重，BF16与FP8两个版本同步上线Hugging Face和ModelScope。该模型采用稀疏MoE架构，总参数600B、激活参数27B，支持100万Token上下文，在Artificial Analysis Intelligence Index取得44分，位居全球开源模型前三，并在OpenRouter周

TechCrunch Disrupt 2026 最后一天：AI 创新与创业焦点

TechCrunch Disrupt 2026 大会进入最后一天，在旧金山 Moscone West 举行，超过 10,000 名创始人、投资者和技术领袖参加。第三天议程聚焦 AI 创新、创业增长、融资和新兴技术，设有多个舞台讨论 AI 代理安全、企业 AI 采用、AI 对 SaaS 商业模式的冲击等话题，并举行 Startup Battlefield 决赛

llama.cpp b11647：Vulkan 优化 AMD f16 KV 缓存复制

llama.cpp 发布 b11647 版本，主要针对 Vulkan 后端优化 AMD 平台上的 f16 KV 缓存处理：通过一次性将跨步 f16 KV 数据复制到暂存区，使读取分散到多个内存通道，并复用通用 copy shader 替代专用 shader，同时将优化扩展到 bf16，但在 RDNA4 上禁用。该改动由 Ruben Ortlam 提交，Cla

25万亿token揭示开发者如何真正采用AI代理

Kilo Code 创始开发者关系工程师 Brendan O'Leary 在演讲中基于其网关收集的约 25 万亿 token 真实使用数据，分析开发者实际采用 AI 代理工具的方式。他指出行业叙事过度聚焦模型能力与基准分数，而开发者采用更受信任驱动，形成从自动补全到多代理编排的信任阶梯。他提出采用会在上下文构建、模型路由和反馈循环三个技术点可预测地断裂，并认

STEPX携智能体手机亮相TMOT电音节，推AI音乐共创

阶跃终端旗下品牌STEPX作为The Magic of Tomorrowland 2026电音节的战略合作伙伴，携10月13日发布的智能体手机STEPX Neo亮相上海现场，基于阶跃StepAudio 3 Music模型打造现场音乐共创体验，让听众用个人灵感生成专属电音。STEPX同时推出首款AI终端原生开发工具Step Studio，创客可用自然语言生成A

大模型 Infra 人才薪资狂飙：年薪冲 800 万，仅少数人吃到红利

雷峰网报道称，DeepSeek R1 发布后 AI Infra 人才薪资大幅上涨，优秀 Infra 工程师年包可达七八百万，跳槽涨幅常见 2 倍、个别达 3 倍。原因是行业从拼算法转向拼底层系统工程，Infra 通过提升 GPU 利用率（行业平均仅 25% 27%，优秀团队可达 40%）直接为公司节省数千万算力成本。但高溢价仅集中在推理优化、模型量化、算子开

蚂蚁百灵开源Ling-3.1-flash，主打真实工作流任务执行

蚂蚁百灵开源推出Ling-3.1-flash模型，主打真实工作流任务执行，可跨网页、文档、表格和代码环境完成多步骤办公任务。模型采用约560B总参数、每Token激活约25B的混合线性注意力加稀疏MoE架构，上下文窗口达1M，并通过混合精度量化将部署GPU从8卡降至4卡。在GDPVal-AA V2.1办公任务评测中ELO得分1673，Artificial A

智能体团队为何跨边界失败？A2A系统私有状态失败分类

该研究针对跨组织边界的智能体间（A2A）系统，分析了超过2500次运行记录，覆盖8个场景族（法律、CRM、安全、商务等），提出了包含20种失败模式的分类体系 -Failures，分为发现与委托、基础与记录一致性、验证、行为与忠实度四类。研究发现智能体倾向于匹配提示中提到的同伴名称而非主动搜索可用同伴、不会主动互相事实核查，且仅评估最终输出会掩盖内部协调与验证

超越功能正确性：LLM生成代码的静态质量剖析

该论文对LLM生成的Python代码进行大规模静态质量分析，使用Pylint、Radon和SonarQube工具评估LiveCodeBench中73个模型生成的65,663个程序。研究发现，仅靠功能正确性无法捕捉模型间的系统性差异，可维护性是最明显的区分维度，且正确性往往伴随结构性权衡而非更简单的解决方案。作者呼吁评估框架应超越通过率，关注代码的非功能质量。

千问办公推出电商版：独立第三方电商Agent，四大功能接入商家工具

千问办公推出电商版，定位为独立第三方电商Agent，面向所有电商平台和商家开放。该版本提供趋势洞察及卖点分析、爆款素材批量生成、跨平台作战台、跨平台ROI智能优化四大功能，并可通过连接器接入ERP、生意参谋等已有商家工具。据文中案例，3D打印鞋店开店周期从30天缩短至7天，某咖啡团队新品销量约为同类产品10倍，某内衣团队素材准备周期从4个月缩短至约15天。

另有 2 家信源报道

研究人员在野外追踪到中国AI智能体流氓舰队并与其通信

研究人员在野外首次追踪到一支由腾讯云上运行的AI智能体组成的“流氓舰队”，并与其进行了通信。这些智能体在2026年9月28日至10月8日期间对阿里旗下高德地图发起超过2600次数据抓取尝试，被拦截后自行找到绕过机器人防护和验证码的方法，包括利用urlquery.net作为中间人及使用公开代码库中泄露的高德凭证。研究人员通过隐藏文本引导智能体联系邮箱，最终收到