Databricks 自 2025 年 11 月起收集 npm 恶意样本，在扫描并核实的 11,413 个 package-version 中，96.2% 将载荷藏在源码或外部服务器，仅 3.8%（432 个）捆绑二进制，但这类包无法得出明确恶意结论的比例是纯源码包的两倍以上（14.4% vs 6.2%）。团队评估了 9 个模型（含 Claude Haiku 4.5、Gemini 3.5 Flash、GPT-5.4-nano、Qwen3-Next 80B 等），并在推理阶段注入预计算的静态证据作为能力画像，以提升预算级与前沿模型的检测质量。
匹配字段摘要、正文
Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%，成本 4800 美元，成为继 OpenAI 之后第二个跨过 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。在只允许简单笔记的 Standard Harness 下，低推理档得分降至 49.8%，且因 API 问题未能跑完全部 55 个游戏。Epoch AI 的 ECI 指数上 Argon 得 165 分，与 Fable 5.1 持平，但在数学 ECI 排第八、软件工程指数排第六。
匹配字段摘要、正文
Krea 3 已在 OpenRouter 上线，这是 Krea AI 的新图像编辑模型，可接收 1–4 张参考图和一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07；thinking_mode 默认 fast，需要更多提示词推理时可设 high（加 $0.02）。它沿用 OpenRouter 上其他图像模型相同的 Images API，迁移只需更换模型 ID。
Krea 3 已在 OpenRouter 上线，这是 Krea AI 的新图像编辑模型，可接收 1–4 张参考图和一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07；thinking mode 默认 fast，需要更多提示词推理时可设 high（加 $0.02）。它沿用 OpenRouter 上其他图像模型相同的 Images API，迁移只需更换模型 ID。
匹配字段摘要
Krea 3 已在 OpenRouter 上线，这是 Krea AI 的新图像编辑模型，可接收 1–4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07；thinking_mode 默认 fast，需要更多提示词推理时可设为 high，加价 $0.02。该模型沿用 OpenRouter 上其他图像模型共用的 Images API，迁移只需更换模型 ID。
Krea 3 已在 OpenRouter 上线，这是 Krea AI 的新图像编辑模型，可接收 1–4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07；thinking mode 默认 fast，需要更多提示词推理时可设为 high，加价 $0.02。该模型沿用 OpenRouter 上其他图像模型共用的 Images API，迁移只需更换模型 ID。
匹配字段摘要、正文
Krea 3 已在 OpenRouter 上线，这是 Krea 的新图像编辑模型，可接收 1 至 4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07，thinking_mode 默认 fast，需要更多提示词推理时可设为 high 并加收 $0.02。它与其他图像模型共用同一 Images API，迁移只需更换 model ID。
Krea 3 已在 OpenRouter 上线，这是 Krea 的新图像编辑模型，可接收 1 至 4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07，thinking mode 默认 fast，需要更多提示词推理时可设为 high 并加收 $0.02。它与其他图像模型共用同一 Images API，迁移只需更换 model ID。
匹配字段摘要
Sidero Labs 在 TalosCon 上发布 Talos Hypervisor Alpha 版并推出 VMware 替代品 Talos Director，前者已包含在 10 月 13 日发布的 Talos 1.15.0-alpha.1 中，基于 libvirt 和 QEMU/KVM，计划 12 月正式可用。Talos Linux 1.14 现可脱离 Kubernetes 运行容器，Talos Linux Enterprise 提供 SBOM 和 VEX 数据，Talos Linux for AI 支持 Nvidia 和 AMD GPU、vLLM 推理及 SFT-LoRA 微调。
匹配字段摘要
NVIDIA 为 Nemotron 开源模型家族新增三款模型，覆盖数据中心、桌面与边缘设备的企业工作流、本地 AI 智能体和对话应用。其中包括 1200 亿参数的 Nemotron 3.5 Super VL，NVIDIA 称其吞吐量最高可达同类次优模型的 5 倍，准确率接近其最大推理模型而参数量约为五分之一；另有两款 Nemotron 3.5 Bolt 系列小模型，74B-A9B 24GB 面向 RTX 与 DGX Spark 上的日常智能体任务，E4B 4GB 面向对话与物理 AI 智能体。Super VL 和 Bolt 74B-A9B 已可用，Bolt E4B 计划于 10 月 23 日发布。
匹配字段摘要、正文
Yole Group数据显示，2026年第二季度数据中心CPU收入达132亿美元，环比增长34.9%，增速超过AI ASIC（+23%）和GPU（+13%）。数据中心网络芯片市场2026年将达530亿美元，其中AI工作负载占约88%收入，纵向扩展交换机销量同比增长94%。AMD CEO苏姿丰称2026年为“AI推理元年”，预计到2030年数据中心AI加速器市场规模接近1.5万亿美元，CPU市场复合年均增长率约50%。
匹配字段摘要、正文
Meta 于周四发布开源权重模型 Muse Spark Open，称其能力可对标并在部分场景超越中国厂商的同类产品。Meta AI 负责人 Alexandr Wang 称其为迄今能力最强的美国开源权重模型，该模型面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理，并内置了安全防护措施。该模型针对 Apple M5 Ultra 芯片做了优化，用户可用两台搭载该芯片的 Mac Studio 在桌面端运行。
匹配字段摘要、正文
Hugging Face 发布 Beam，一个 501B 参数的稀疏 MoE 开源模型，面向 1M 上下文的长文本推理与智能体任务，每个 token 仅激活约 23B 参数。模型采用 52 层混合注意力，43 层为 512 token 滑动窗口、9 层为全局注意力，KV cache 每 token 增长 36 KiB，约为全注意力方案的六分之一。官方提供 BF16、FP8 和 NVFP4 三种 checkpoint，NVFP4 可将权重从约 1 TB 压缩到约 280 GB，并已获 transformers、vLLM 和 SGLang 的 day-0 支持。
匹配字段摘要、正文
Reflection 的首个开源权重模型 Beam 正式发布，Ollama 作为 day-zero 合作方限时免费提供，并采用零数据保留（ZDR）。Beam 是 MoE 模型，总参数量约 5010 亿、每 token 激活约 230 亿，上下文窗口 100 万 token，面向软件工程、推理和长程智能体任务，以 Apache 2.0 许可发布。用户可通过 Ollama Cloud 运行 beam:cloud，并接入 Claude Code、Codex、OpenCode 等工具。
匹配字段摘要、正文
Reflection 的首个开源权重模型 Beam 已在 Baseten 平台上线，通过 Baseten Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token，面向编码与智能体工作流。Reflection 在训练中采用较长 RL rollout 并加入长度惩罚，鼓励模型用更少 token 完成任务，用户还可通过 reasoning effort 参数调节推理投入。
匹配字段摘要、正文
Reflection 发布首个模型 Beam，这是一个 501B 总参数、23B 激活参数的开源权重模型，在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于 NVIDIA 的 Nemotron 3.5 Super VL（26）。Beam 每个智能指数任务约消耗 26k 输出 token，其中约 19k 用于推理、7k 用于回答；在 AutomationBench-AA 上得分 48.5%，但 Terminal-Bench 4.0 仅 3.0%。在 AA-Omniscience 上答对 33% 的问题，幻觉率为 47%，净指数得分 1.5。
匹配字段摘要、正文
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 许可开放。Beam 是稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，同时提供 BF16、FP8、NVFP4 精度格式和投机解码草稿模型。Reflection 还联合 40 多家合作伙伴构建其称为智能体开放操作系统的生态，覆盖 vLLM、SGLang、Unsloth、Axolotl 等推理与微调框架，并开源了配套的 Mirror CLI 智能体工具。
匹配字段摘要
CNN 报道称，随着 AI 智能体的链式推理过程可能转向人类难以读懂的内部简写，甚至不再输出推理记录，研究人员对监控能力的担忧正在上升。METR 的 Chris Painter 表示，调查人员依赖链式推理数据追查智能体行为，一旦这些记录变成难以理解的数字，追责会更困难。OpenAI 在 9 月初的文档中称，新模型 Astra 的监控系统比旧模型更难通过链式推理发现异常行为，且 Astra 能在不使用链式推理的情况下完成更多任务。
匹配字段摘要
Hojo-ASR-Multi-V1 在 5 种语言上取得 3.54 的平均 WER，采用声学编码器加 Qwen3-4B 解码器的 Encoder-Adapter-LLM 架构。模型已在 Hugging Face 以 Apache 2.0 许可公开，可通过 hojo-asr Python 包安装并支持本地推理，接受 WAV 文件路径、音频字节流和 SCP 输入。解码阶段交由 Qwen3-4B 大语言模型完成，使识别能借助更丰富的语言知识消解仅凭音频难以区分的词。
匹配字段摘要
爱芯元智在2026中国国际工业博览会上发布大算力边端AI SoC系列AX8860，含AX8860、AX8860P两款芯片，采用6nm制程，峰值算力256TOPS，内存带宽273GB/s，单芯片原生支持128GB LPDDR5X内存，四芯级联最高512GB，可运行DeepSeek V4 Flash等千亿参数以上大模型。该系列同步推出核心模组、PCIe推理卡、智能体盒子和边缘推理服务器，工具链兼容vLLM、SGLang、PyTorch与OpenAI API，已完成260多个模型适配。
匹配字段摘要、正文
Meta 发布开放权重模型 Muse Spark Open，总参数量 8160 亿，采用 MoE 架构，每次推理激活约 420 亿参数，开发者可下载权重在自有硬件上部署。苹果同步展示多机推理方案，用 NVFP4 四位量化把模型内存占用压到约 493GB，两台 M5 Ultra Mac Studio 采用张量并行时生成速度约每秒 24.99 tokens，四台可达每秒 36.73 tokens。Meta AI 负责人 Alexandr Wang 表示，本地运行时 Meta 无法看到或控制用户的使用内容。
匹配字段摘要、正文
Google DeepMind 的自动数学证明系统 AlphaProof Nexus 登上 10 月 8 日的《Science》，在 353 道悬而未决的 Erdős 问题中自主解出 9 道，其中两道自 1970 年悬置至今。系统由 Gemini 3.1 Pro 用 Lean 起草证明、编译器逐行校验并反馈迭代，每道题推理开销为几百美元。论文的消融结果显示，去掉子代理锦标赛等复杂结构、只保留大模型加 Lean 反馈的简版系统同样能解出这 9 道题，只是最难的几道更烧钱。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要