OpenAI / ChatGPT

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

Anthropic 五年前机密路线图曝光：Coding Agent 与 MCP 早已写就

雷峰网 AI 科技评论报道，Anthropic 一份五年前的内部机密文件《Concise Research Roadmap》因版权官司意外曝光。该文档由联创 Jared Kaplan 撰写，提前规划了 Coding Agent、Tool Use、长上下文、RL、可解释性及 Agent 安全等方向，并记录了 Dario Amodei、Tom Brown、Ama

Anthropic 向 METR 研究员开放员工级访问权限

Anthropic 宣布向非营利机构 METR 的六名研究员开放员工级访问权限，允许其使用公司笔记本电脑、办公空间和内部工具，独立评估 Anthropic 的模型、安全实践与风险管理。METR 可自行发布评估结果，Anthropic 无权否决，仅可在客户数据、律师特权信息、模型架构等预设范围内要求删减。此举是 Anthropic 三层评估体系中的最高层级，也

美国银行投入4000人修复AI模型发现的安全漏洞

美国银行聘请1000名外部承包商，与3000名内部员工共同修复由Anthropic的Mythos等AI模型发现的安全漏洞，自第二季度起已投入数亿美元。Anthropic于4月通过Project Glasswing向部分合作伙伴发布Mythos，称其发现数千个严重漏洞；OpenAI随后在5月推出Daybreak网络安全计划。美国银行是首批披露AI漏洞修复人力规

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

Google 购物工具 Universal Cart 在美国上线

Google 宣布其购物工具 Universal Cart 正式面向美国用户上线，该工具此前在 5 月的 Google I/O 上首次预览。用户可在搜索和 Gemini 应用中收藏并追踪来自多家零售商的商品，还能收到降价和补货通知，并在结账时获得信用卡权益和优惠码建议。结账环节依托 Google 今年推出的开放标准 Universal Commerce Pr

明星AI深度伪造泛滥，平台监管乏力

The Verge 报道称，Instagram 上大量 AI 生成的明星深度伪造内容获得数百万播放量，包括 Mia Goth、斯嘉丽·约翰逊、泰勒·斯威夫特等公众人物。Mia Goth 的经纪人指出，一个拥有百万粉丝、带蓝色认证的粉丝账号发布了伪造其形象的 AI 图片，并批评 Meta 优先传播伪造内容而非保护公众人物肖像权。Meta 在 The Verge

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

Google 在假日季前推出“通用”AI 购物车

Google 在美国面向 Gemini 应用和 Google Search 推出此前在 I/O 大会预览的 Universal Cart 通用购物车，可跨多个零售商和 Google 平台统一保存商品。该工具会推送降价和补货通知、展示优惠码，并支持通过 Google Wallet 支付或转至商家购物车结算，还能分析信用卡权益以选择最佳支付方式。此举正值 AI

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

Anthropic第三季度营收168亿美元，增长放缓，拟11月IPO

Anthropic在旧金山向潜在投资者披露第三季度营收达168亿美元，环比增长约45%，但增速较第二季度超140%的增幅明显放缓。公司连续第二个季度实现调整后盈利，调整后营业利润率为11%，且现金流为正。Anthropic计划于11月感恩节前进行IPO，但部分投资者对营收数据感到失望，预计估值可能被下调至1.5万亿美元以下。此外，公司估计5%至7%的收入来自

另有 1 家信源报道

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

BenchChecker：评估 LLM 修复 bug 基准的可信度

该论文提出 BenchChecker 框架，用于检测 LLM 修复 bug 基准测试中的数据污染问题。它采用两阶段取证检测：先通过代码前缀探测判断仓库是否出现在训练集中，再通过相似度对齐与测试套件验证补丁是否在训练截止快照中持续存在。在 StarCoder-15B、StarCoder2-15B 和 CodeGen2-16B 上评估，AUC 约 0.9；应用于

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。

Anthropic 2021年内部路线图曝光：Claude Code构想五年前已成型

因一起版权官司，Anthropic一份2021年7月的内部研究路线图意外曝光。文件显示，当时仅十几人的Anthropic已明确将「具备软件工程师同事全部能力的通用AI助手」定为终极目标，并预判了工具调用、模型自我评判、测试时计算、万亿参数与超长上下文等方向，还讨论了无沙箱工具部署的安全风险。文章同时提及OpenAI前工程师因在总部会议室安装窃听设备被联邦刑事

Ollama 发布 v0.40.5：MLX 内核移植 CUDA 并改进工具调用

Ollama 发布 v0.40.5 版本，主要更新包括将 MLX 的 Metal 自定义内核移植到 CUDA、在 OpenAI 兼容的 Responses 历史中支持自定义工具调用、更新模型推荐与语言标准化文档、优化云支付错误提示，并升级 MLX 版本。该版本为常规迭代更新，提升了跨平台推理与 OpenAI 接口兼容性。

Google 称自我改进型 AI 仍遥不可及

Google DeepMind 工程师 Haydn Belfield 表示，目前没有可测量的证据表明 AI 正在加速 AI 自身研究，自我改进型 AI 仍遥不可及。尽管 AI 已编写超过 75% 的生产代码，但约 88% 的代码变更仍需人工审核，完全委托给 AI 的变更比例仅从 7.5% 升至 11.9%。在 1,389 次内部 Argon 智能体运行中，任

千问办公推电商版，给企业Agent打了个样

千问办公于10月14日发布专门服务电商行业的Agent功能「千问办公电商版」，商家切换到「电商经营」模式后，可用一个Agent管理跨平台、多店铺、全流程生意。该版本已接入生意参谋、有赞、千牛、阿里妈妈万相台、FastMoss、LinkFox等主流商家经营工具，提供跨平台作战台、趋势洞察与卖点分析、爆款素材批量生成、跨平台ROI智能盯办四项功能。此前千问办公已

另有 2 家信源报道