OpenAI / ChatGPT

英伟达发布开放模型，面向企业智能体与AI PC

英伟达发布面向企业常驻智能体与边缘计算的开放权重模型，包括1200亿参数的Nemotron 3.5 Super VL和两款轻量Bolt模型。Super VL主打企业级智能体任务，Bolt模型可在搭载RTX Spark芯片的AI PC和DGX Spark工作站本地运行。英伟达称Super VL在特定智能体任务上比Anthropic和OpenAI的竞品更快，并列

谷歌开源RSI框架Harness²，让模型运行中自我改进脚手架

谷歌开源了名为Harness²的递归自我改进（RSI）框架，让大模型在运行中自动修改自身的脚手架代码、系统提示词、工具链和技能库。该框架采用任务级与改进级双层递归架构，通过Propose-Probe-Compose机制在没有标准答案的真实任务中做对照实验，并将调试经验沉淀为可跨任务复用的经验库。实测中，装配Harness²的GLM-5在WorkBuddy-B

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

Replit CEO 称已不再与 Anthropic 合作，OpenAI 成默认模型

Replit CEO Amjad Masad 在 TechCrunch Disrupt 上表示，公司已不再与 Anthropic 合作，转而将 OpenAI 的 ChatGPT 设为默认模型，原因包括成本、合作与性能，内部基准显示 Sol 和 Astra 在从零构建应用上表现更好。他称 Replit 曾是 Anthropic 前五大客户，但用户仍可选用 Cl

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

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

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

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

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。

Nick Cammarata 推翻十年旧论：神经网络并非黑箱

OpenAI 早期机制可解释性研究者 Nick Cammarata 发表长文《Neural Networks Are Already Clean》，推翻自己十年前在《Zoom In》中提出的经典结论，认为 InceptionV1 中编号 4e:55 的神经元并非识别猫脸或车头，而是检测 V 字几何形状。他称借助更先进的算法与 Agent 工具，现代视觉模型最

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

Stack Overflow for Agents 借助 ChatGPT 插件实现注册量三倍增长

两名工程师用 Codex 在几周内做出了 Stack Overflow for Agents，其 ChatGPT 插件推动 agent 创建量增长至多 10 倍。

科技反弹登上大银幕：多部影片批判硅谷巨头

2026年多部影视作品集中批判硅谷科技巨头，包括聚焦扎克伯格与Meta的《The Social Reckoning》、讲述Theranos创始人霍姆斯入狱前生活的《You Can See Everything》、关于马斯克的纪录片《Musk》，以及影射Sam Altman的《Artificial》。文章指出这些影片取材于批评性报道，反映好莱坞对科技巨头的态度

Vercel AI SDK 发布 ai@7.0.142 补丁

Vercel AI SDK 发布 ai@7.0.142 补丁版本，恢复了面向 OpenAI 自定义工具输入的原始增量数据，供转发至 Responses API 客户端的消费者使用。该版本将流式输入标记为 inputEncoding: 'text'，使 UI 客户端无需 JSON 解析即可渐进显示，并在保存和恢复部分 UI 消息时保留该编码，最终 provid

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

LHTB 2.0：自动化任务构建与长时程智能体进展评测

腾讯混元大模型前沿团队联合多所高校发布 Long-Horizon-Terminal-Bench 2.0（LHTB 2.0），在保留原有 46 个任务的基础上修复缺陷并新增 31 个任务，共 77 个任务、覆盖 13 个领域和 8 种任务类型。新基准通过参数化参考实现自动生成重构任务，并将评估时长从 90 分钟延长至 3 小时、每 30 分钟记录验证器检查点，

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