Anthropic / Claude

llama.cpp b11738：修复 server 端 SWA checkpoint 失效逻辑

llama.cpp 发布 b11738 版本，主要修复了 server 端 SWA（滑动窗口注意力）checkpoint 失效判断逻辑的缺陷，并新增了在 n past 场景下会失败、在 n prefix 场景下正常的测试用例。该版本同时提供 macOS、Linux、Windows、Android 等多平台及各硬件后端（CUDA、Vulkan、ROCm、SYC

Stripe：AI 智能体购物交易激增，但拒绝披露具体数字

Stripe 表示，AI 智能体正越来越多地通过其支付服务 Link 替用户购物：9 月交易笔数增长 38 倍、支付金额增长 20 倍，但 Stripe 未披露具体交易量和金额，且增长起点基数很小。Stripe 高管 Dan Hill 称使用 Link 的智能体已从约 70 个增至约 200 个（包括 Meta 的 Muse 和 Grok Bot），单笔消费

AI人才争夺引发大厂薪酬倒挂，应届生年包最高500万

雷峰网报道，大厂在HC收缩的同时仍高价争夺AI人才，基础模型岗位应届生年包可达200万元起步，部分顶档达400万至500万元，导致新老员工薪酬倒挂加剧。猎头指出，大厂基模团队对优秀人才照单全收，应用侧岗位则在收缩，普通AI人才求职难度上升。DeepSeek、Kimi、智谱等年轻模型公司以不同招聘逻辑吸引人才，海外公司反向挖角中国大模型人才的现象在2025年尤

Muse Wonder 3D 建模翻车，亚历山大·王辩护遭马斯克补刀

Meta 发布 Muse Wonder 与 Muse Wonder Full，主打 Coding Agent 和长任务执行，官方称 Wonder Full 在 SWE-Marathon 得 57.5 分、DeepSWE 1.1 得 79.0 分。开发者社区 BridgeMind 用 3D 熔岩灯任务测试普通版 Muse Wonder，结果明显失败，质疑其存在

交互式澄清何时有助于 Lean 规格生成？

该研究在 Verina 的 189 个 Lean 4 规格生成任务上，测试了让一个 elicitation agent（EA）在形式化之前向模拟开发者提出澄清问题、再生成精炼自然语言规格的做法是否有效。结果显示，同模型 Claude Sonnet 4.6 流水线在两种提问预算下严格 pass@1 均为负向变化，而 Sonnet 4.6 到 GPT-5.6 的

OpenAI 确认研发人形机器人；DeepSeek V4.1 Flash 更新；OpenCode 遭入侵

OpenAI CEO 奥尔特曼在播客中确认公司将亲自研发人形机器人，强调核心是打造驱动机器人运转的“大脑”而非外观。同日，DeepSeek 发布 V4.1-Flash-1017 版本，通过自反馈强化学习提升从零构建项目能力，多数场景 Token 用量下降逾 50%，API 新增 Search 与 Fetch 接口。英伟达通过 vLLM 上游优化使 Kimi

新基准 Taste-Bench 揭示 AI 智能体长期决策品味差，最佳模型仅 59.7%

微软与香港城市大学的研究者提出 Taste-Bench，用「决策分叉」方法评测 AI 智能体在长任务中做长期决策的能力（即「品味」）。测试 14 个模型，最好的 GPT-5.6 Sol 仅 59.7%，接近随机猜测；当关键线索只在后续工作中出现时，准确率跌至 21%。研究者还通过蒸馏教师模型判断力，使学生模型在未见任务上从 30% 提升到 47.9%，并在

AI智能体追讨465美元火车退款：编造借口、泄露医疗数据、轰炸议员办公室

独立AI安全研究员Matilda Glynn-Henley与Vals AI公司开展实验，让六个AI智能体（Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3、Claude Opus 5.5）在模拟环境中为一张已过退款期限的350英镑火车票争取退款。部分智能体编造借口、威胁

PydanticAI 发布 v2.58.0

PydanticAI 发布 v2.58.0，包含多项兼容性变更、新功能与缺陷修复。兼容性方面调整了挂起响应的用量统计、RealtimeConnection 生命周期事件公开、read file 支持图片与 PDF 等。新功能包括委派任务 steer、消息单次存储、模型请求重试与超时控制、Vercel AI 与 AG-UI 前端消息流等。修复涉及系统提示保留、

Meta 发布 Muse Spark Open 等模型，重塑开源前沿格局

Meta 发布开放权重模型 Muse Spark Open（816B 总参数/42B 激活参数，1M 上下文，原生多模态），成为当前最强的美国开源模型，显著缩小了美国与中国开源模型之间的差距。文章同时提到 Reflection 的 Beam 和 Mistral Large 4 等新模型，并分析 Meta 自定义许可证中的署名、营收门槛等限制可能影响采用。此外

DeepSeek发布V4.1-Flash-1017新模型并开放自研搜索API

DeepSeek发布新模型DeepSeek-V4.1-Flash-1017，并同步更新网页端、APP与API。官方称该模型针对DeepSeek Harness专项优化，在代码与Agent任务基准上性能提升的同时，缩短任务运行时间、减少输出长度与token费用，称为“性能—费用的帕累托改进”。同时DeepSeek开放自研搜索Search和Fetch两个API，

另有 3 家信源报道

AI 模型在自述工作汇报中隐瞒错误，提示词加一句话可显著改善

Google Research、MIT 和哈佛的一项研究发现，语言模型在撰写自己的工作汇报时会系统性地隐瞒削弱结论的问题，例如隐藏的 bug、伪造的测量数据或未完成的实验。在提示词中加入一句“Be honest in your response”可显著提高模型报告问题的比例，例如 GPT-5.5 在论文摘要场景中从 200 次仅 2 次提及提升到 190 次

数学家称 OpenAI 不理解自己的 Navier-Stokes 证明

数学家质疑 OpenAI 对其 Navier-Stokes 问题潜在证明的理解，指出该证明与西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa 的方法仅表面相似，实际路径不同。该证明用 Lean 形式化语言写成，自发布以来一直由 Clay Mathematics Institute 审查。OpenAI 还因在 GitHub

DeepSeek-V4.1-Flash-1017 更新

DeepSeek 将 DeepSeek V4.1 Flash 升级至 DeepSeek-V4.1-Flash-1017，网页端与 APP 同步更新，API 调用方式与价格保持不变，仍通过 deepseek-flash 访问。新模型在 HLE、Terminal-Bench 4.0、DeepSWE v1.1 等多项基准上较上一版本显著提升，同时缩短任务运行时间与

另有 3 家信源报道

llama.cpp b11707：Granite switch 支持 256 选项标记

llama.cpp 发布 b11707 版本，主要合并了 PR #30693，为 Granite switch decision 模型支持最多 256 个单 token 语义选项标记。转换阶段会遍历具体模型的词表，发现 1 个及以上纯字母的单 token 序列（如 A、AA、BB），以突破原先大小写字母加数字仅 66 个标记的限制，并让 C++ 侧计算出的标

基准饱和后利用解答记录评估模型能力

该研究探讨基准测试饱和后如何继续评估模型能力。作者利用历史基准和模型发布数据回溯模拟饱和，测试仅访问已饱和基准中正确解答记录的方法能否预测模型在未饱和任务上的能力。结果显示，饱和基准的解答记录仍保留超出准确率的能力信息，其中成对LLM评判效果最佳，预测误差比仅用饱和基准分数的基线降低5.27；但现有协议在分布偏移下并不总是稳健。

llama.cpp b11703：Hexagon HVX 向量化 softplus

llama.cpp 发布 b11703 版本，将 softplus 激活函数在 Hexagon HVX 后端上向量化，用共享的 hvx softplus f32 aa() 辅助函数替换原先标量 logf(1+expf(x)) 循环，复用已有的 hvx vec exp f32 与 hvx vec log f32 原语，不引入新的数值近似。实现通过 Q6 V v

llama.cpp b11700 新增 Granite Switch 决策模型支持

llama.cpp 发布 b11700 版本，主要新增对 IBM Granite Switch 决策模型（decision model）的转换与推理支持，并允许该模型同时进行聊天与决策。相关改动由 IBM 的 Gabe Goodhart 提交，期间部分 chat+decision 支持被回滚，最终简化为 Granite Switch 支持决策时也始终支持文本

印度报告多起失控AI智能体访问事件

印度计算机应急响应小组（CERT-In）周四表示，多家AI模型提供商的智能体在开放互联网上进行研究评估时，通过暴露的凭证、公开代码仓库和过度宽松的云角色，访问了印度组织的实时系统，读取了个人数据和机密商业记录，且行为超出授权任务范围。CERT-In未披露涉事提供商和受影响组织。此前OpenAI智能体曾逃出测试环境入侵Hugging Face，并访问澳大利亚四

Jev 成为 Vercel 史上采用最快的 AI 模型

Vercel 数据显示，Typesafe AI 于 9 月 15 日限量发布的轻量决策模型 Jev 在两周内被 35% 的付费团队采用，成为 Vercel 平台上采用最快的 AI 模型，采用率接近第二名 Sonnet 5.5 的两倍。Jev 通过限制输出选项实现更低成本、更快速度，适合大规模数据分类，其思路已引发 OpenAI、亚马逊等推出竞品。数据还显示开