OpenAI / ChatGPT

Claude Haiku 5.5 发布：跑分超 GPT-6 Luna，价格对标

Anthropic 发布 Claude Haiku 5.5 小模型，官方跑分逐项超过 GPT-6 Luna，并超越 DeepSeek V4.1 Flash 和 GLM-5.3-Flash，成为新的小模型守门员。价格对标 GPT-6 Luna，10 万 token 以内请求输入输出价格较上代 Haiku 4.5 砍 90%，但更换 tokenizer 后同任务

另有 1 家信源报道

AI 外卖初创 Bites 挑战 DoorDash，LLM 入口之争浮现

The Verge 报道称，DoorDash 向湾区多家餐厅发出警告邮件，称它们可能在不知情的情况下被列在 AI 原生外卖初创公司 Bites 上，并提示这种做法可能违法。Bites 允许用户直接在 ChatGPT 中向餐厅下单，绕过 DoorDash 等中间平台，仅收取每单 1 美元附加费，已有餐厅反馈来自 DoorDash 的订单占比大幅下降。文章将这一

Common Sense Media 称 ChatGPT 青少年版存在不可接受风险

非营利组织 Common Sense Media 发布评估，称 OpenAI 于 8 月推出的 ChatGPT for Teens 是“不可接受的风险”，指出其未在应触发时向家长发送警报、在危机情境下未提供恰当帮助，且仍会替孩子完成作业。OpenAI 发言人回应称该测试方法可能未准确反映实际保护机制，部分测试或在家长控制功能完全启用前完成。Common Se

另有 1 家信源报道

通过自动诊断与技能发现训练数值智能

该论文提出 ADSD（Auto-Diagnosis and Skill Discovery）框架，将数值求解器的改进从试错式编辑转变为「诊断—发现—实现」的结构化流程：先解释求解器表现不佳的原因，再据此发现合适的数值方法，并封装为可复用的求解器技能。作者在潮流方程、AC 最优潮流控制、刚性常微分方程和异质扩散偏微分方程四个数值领域，用 GPT-5.5、Cla

S1-MAS：System One 引导计算分工的高效多智能体协作

该论文提出 S1-MAS 框架，将多智能体系统中的协调决策与推理任务解耦：由轻量级 System One 控制器（Laya）负责任务选择、角色分配和终止判断，轻量级读取器（Qwen3-0.6B）检索证据，而强 LLM 仅负责开放式推理。在七个基准上对比 AgentVerse、DyLAN 和 SelfOrg，S1-MAS 将 GPT-4o token 消耗降低

IFM 发布 K2-Horizon-32B 开放稠密模型

IFM 在 Hugging Face 发布 K2-Horizon-32B，这是 K2-Horizon 系列中的大型稠密（dense）模型，采用 decoder-only 架构，拥有 512K 原生上下文窗口。该模型以 Apache-2.0 许可开放权重，并公开训练数据、训练配方与训练代码，同时释放中间检查点以便研究训练过程中的能力变化。模型在 agentic

用 Parseable 与 Datasette 处理 OpenTelemetry 追踪

Simon Willison 在 Show HN 上发现新的可观测性平台 Parseable，它有 AGPL 许可的 Rust 开源实现（单个约 180MB 二进制文件）、企业版和云托管选项。由于 Datasette 1.0a41 新增了 OpenTelemetry 支持，他使用 Codex 研究如何运行 Parseable 并将 Datasette 的追踪

陶哲轩转向AI减速派：呼吁模型公司放慢数学研究

菲尔兹奖得主陶哲轩在SAIR最新演讲中公开呼吁AI公司放缓数学研究步伐，称AI在生成解答和Lean形式化验证上疯狂加速，但理解、消化、写教科书等后续环节几乎为零，造成「证明消化不良」和知识拥堵。他联合Peter Scholze、邓煜等25位菲尔兹奖得主联名公开信批评OpenAI等公司将数学当作benchmark刷分。OpenAI回应宣布在普林斯顿高等研究院成

AWS 推出 SageMaker 生成式 AI 推理优化代理技能

AWS 在 SageMaker AI 上推出 aws-ai-ml 技能，通过 Agent Toolkit for AWS 提供给 Kiro、Claude Code、Codex 等支持 MCP 的编码代理。该技能让代理具备推理优化与基准测试能力，可对端点做基准测试、推荐部署配置、比较性能并生成可执行的 SageMaker Python SDK v3 代码。用户

Together AI 推出 Together Link，在现有编码代理中运行开源模型

Together AI 发布 Together Link，让工程团队在 Claude Code、Claude Desktop、Codex、OpenCode、Pi 等已有编码代理工具中直接运行开源模型。用户只需运行一条命令并配置 Together AI API Key，即可通过 Auto 路由在 GLM 5.3、GLM 5.3 Flash、Kimi K3 等模

Hinton等22人发首篇RSI论文：AI造AI会引发智能爆炸吗

Hinton、Bengio等22位AI学者联合发表首篇关于递归自我改进（RSI）的论文，探讨AI大规模参与下一代AI研发是否会触发智能爆炸。论文引用Anthropic等实验室数据指出，AI自主完成研发工作的比例在半年内从约1%升至26%，AI生成代码获批比例已超80%。作者认为AI研发自动化可能将一年进步压缩至约5周，但当前证据尚不足以证明智能爆炸已发生，算

FinDialogLens：多方可对话事件抽取识别金融聊天室漏单

该论文提出 FinDialogLens，将多方可对话金融聊天室中的漏单识别建模为事件抽取任务。系统采用混合 LLM 流水线：先用微调的 RoBERTa 分类器检测 RFQ 触发消息、价格与交易结果线索，再按事件切分 RFQ 窗口，最后由 GPT-4o 或微调开源 LLM 填充论元角色。在最终价格和交易结果上分别达到 92.1% 和 94.3% 准确率，优于全

找到着法不等于赢棋：XiangqiBench 闭环评估 LLM 智能体

研究者提出 XiangqiBench，一个可执行的中国象棋基准，用于闭环评估 LLM 智能体：从 119 个有引擎或仅将军搜索支持的战术残局出发，智能体需执红方对抗引擎防守方并完成将死。研究记录了 12 个前沿 LLM 在两种观察协议下的 8,568 条多轮轨迹，发现三种看似胜任的信号均高估闭环成功率：转换差距（26.1% 走对参考首步但仅 13.9% 获胜

PydanticAI v2.54.0 发布：兼容性调整与新功能

PydanticAI 发布 v2.54.0，包含多项兼容性调整、新功能和错误修复。兼容性方面处理了 JSON Schema draft-7 列表形式 items、FallbackModel 下的 ImageGeneration、持久执行引擎绑定限制等。新功能包括 clai2 主题化文件差异、/update 自动安装最新构建、OpenAILiveModel 会

Circuit Breaker Labs 用模拟用户智能体为 AI 安全做红队测试

TechCrunch 2026 年 Startup Battlefield 200 入围者 Circuit Breaker Labs 推出 AI 安全测试平台，用模拟不同年龄、背景、语言和文化用户的 AI 智能体对模型进行红队测试，以发现模型在识别心理有害互动时的漏洞。该公司的创立受到 14 岁少年 Sewell Setzer 与 Character.AI

AI幻觉让傲慢顾客更糟：服务员、护林员与教师遭质疑

The Verge 报道称，生成式 AI 的幻觉正在加剧服务业务工与顾客之间的冲突。纽约服务员 Madison 遇到顾客用 ChatGPT 质疑餐厅的过敏原警告，甚至拒绝侍酒师而信任 AI 推荐的酒款；公园护林员、课后班老师、餐厅经理等也反映顾客或家长用 AI 生成的错误行程、育儿建议和预订请求来对抗专业意见。文章认为 Meta 新 AI agent Mus

Ramp AI 指数：企业 AI 使用量上升但支出下降

Ramp 经济学家 Ara Kharazian 发布的 Ramp AI Index 显示，美国企业 AI 使用量自 7 月支出峰值以来增长约 50%，并在 9 月底创下新高，但支出却在下降。Kharazian 将支出下降几乎完全归因于 OpenAI 与 Anthropic 之间的竞争，以及顶级模型降价和更便宜高效的标准版、轻量版模型。9 月最后一周，Anth

Albertsons 如何由内而外重塑零售体验

Albertsons Cos. 正在使用 ChatGPT Enterprise 和 OpenAI API，帮助团队加快工作速度，并为数百万顾客简化食品杂货购物体验。

谷歌发布Gemini 4 Argon，称其最强模型专注网络安全

谷歌母公司Alphabet发布Gemini 4 Argon模型，称其为迄今最强模型，特别擅长网络安全防御工作，可自主发现、验证并修补关键软件漏洞。该模型目前仅通过Fairwind安全计划向部分网络安全合作伙伴开放，同时具备编程、调试、代码库迁移及视频图表解析能力。谷歌称Argon在多项基准测试中显著优于OpenAI的GPT-6 Astra和Anthropic

Google Gemini 4 Argon 缩小与 OpenAI、Anthropic 差距但未明显领先

Google 发布新一代旗舰模型 Gemini 4 Argon，在多项基准上缩小了与 OpenAI、Anthropic 前沿模型的差距，部分指标实现反超，但未取得明显领先。该模型支持最高 100 万输出 token，并新增 Long Decode Continuation 功能以支持长推理。Argon 先向受信任的网络安全防御方开放，随后逐步向开发者、企业和