“company”分类下的公开内容。
OpenAI 发布 GPT-Rosalind-6 系统卡附录，该模型与 GPT-6 Astra 使用同一套权重，未新增训练数据或后训练，仅通过可信访问提供给经过审核的科研机构、企业和政府合作方。在最高推理预算下，MedChemBench v7 平均评分 49.6%（GPT-Rosalind-5.5 为 28.9%），GeneBench Pro v13 单次尝试成功率 37.7%（前代为 16.7%），LifeSciBench Gold 平均分 61.3%（前代为 44.0%）。按 Preparedness Framework，该发布在生物与化学领域定为 High 能力、未达 Critical 阈值，网络安全领域定为 Critical，AI 自我改进低于 High。
推荐理由系统卡披露了生物领域能力评估的具体分数与阈值差距，可据此了解前沿模型在双重用途研究上的开放边界。
推荐理由Unsloth 放出 DeepSeek-V4.1-Flash-1017 的 GGUF 量化版本，并给出 64GB 内存的运行门槛，方便本地部署者评估。
推荐理由Cursor 官方披露扩展市场出现被篡改的 Claude Code 扩展，并给出受影响范围与处置过程，可供关注 IDE 插件供应链风险的人参考。
Cursor 在 VS Code 扩展市场发现被恶意篡改的 Anthropic.claude-code 2.1.313，该版本并非 Anthropic 开发，最多影响 5000 名用户。恶意代码会收集主机与用户信息、尝试写入攻击者 SSH 公钥并建立反向 SSH 隧道，但因权限限制该步骤在多数 macOS 和 Windows 主机上会失败。Cursor 已下架该版本、重建市场并关停攻击者服务器，同时给出检测 svc-telemetry 公钥的命令和 macOS、Windows 清理脚本。
推荐理由Cursor 官方披露插件市场被植入恶意版本，并给出检测命令与清理脚本，可供使用该扩展的开发者按步骤自查。
丰田与 Waymo 宣布自动驾驶合作进入下一阶段，将于 2027 年在日本启动丰田 bZ4X 自动驾驶车队的初步测试与验证，随后数年再推广到英国及其他 Waymo 运营市场。车辆由丰田在爱知县丰田市的高冈工厂生产，从整车组装到集成 Waymo 自动驾驶硬件均在同一工厂完成。Waymo 联合 CEO Dmitri Dolgov 称，在 Waymo 运营区域其严重伤害事故率比人类驾驶员低至多 20 倍。
推荐理由原文给出丰田与 Waymo 的合作时间表与生产安排，读者可据此判断自动驾驶出租车在日本的落地节奏。
推荐理由ARC Prize 给出 Meta 新模型在 ARC-AGI 三个版本上的成绩与单任务成本，可与同分竞品直接对比。
推荐理由PromptArmor 用自家高传播攻击样本横评多款模型，给出中外模型在钓鱼、数据外泄和运行恶意软件上的差异。
推荐理由官方说明了 Kimi 接入 Blender 与 CAD 工具后的建模、场景搭建和游戏开发能力，并给出使用入口。
推荐理由原文给出了技术报告、开源基准和与 Genie 4 的对比视频，读者可据此判断该世界模型的可复现程度。
Cognition 宣布收购 Corridor，并将保障全球软件安全称为当下技术领域最重要的问题。推文同时给出由 jackhcable 和 AshwinRamaswami 发布的公告链接。
推荐理由Cognition 官方宣布收购 Corridor，把软件安全定位为当前技术领域最重要的问题。
推荐理由Unsloth 给出 1-bit GGUF 量化后仍保留 91% top-1 准确率，读者可据此判断万亿参数模型在本地设备上的可行边界。
Factory 发布 Droid 1.0，这是其智能体框架迄今最大的一次更新，默认启用程序化工具调用（PTC），让模型写 JavaScript 脚本在沙箱中一次请求内执行数百次工具调用。在 Terminal-Bench 4 上，搭配 GPT-6.1 Sol 时 Droid 比 Codex 高 3.5 分且成本低 12%，搭配 Claude Opus 5.5 时比 Cursor、OpenCode、Devin、Claude Code 高 3.0 至 7.6 分，成本最多低 24%。Droid 1.0 今日开放 macOS 和 Windows 桌面版与终端 UI，并提供 Droid SDK（@factory/droid-sdk）。
推荐理由原文给出程序化工具调用与提示缓存的具体机制和实测数据，可据此理解长任务智能体的成本与延迟从何而来。
Pydantic 的 Michael Pfaffenberger 用 5 个小型 Pydantic AI 应用、8 个模型做了 5,276 次评分运行，对比 code mode 与直接工具调用。长任务上 code mode 平均成本降 58%、耗时降 51%、成功率提高 16 个百分点；但 5 条目的短任务在 5 个任务中有 3 个反而贵了 21% 到 38%。作者认为模型写循环比充当循环更擅长，差距随任务变长而扩大。
推荐理由作者用 5,276 次运行对比 code mode 与工具调用，给出长任务成本、耗时和正确率随规模变化的曲线。
OpenRouter 宣布将在请求处理过程中对所有推理请求进行儿童性虐待材料（CSAM）筛查，被标记为疑似 CSAM 的内容可能被保留以供人工审核，并依法报告和保存。筛查包括将内容与已知 CSAM 的哈希值比对，也会保留未命中哈希但被分类器标记的疑似内容。该筛查同样适用于 OpenRouter 零数据保留（ZDR）政策覆盖的请求，ZDR 不豁免依法报告和保存的义务。
推荐理由OpenRouter 说明了对所有推理请求做 CSAM 筛查的机制，以及 ZDR 流量同样适用的边界。
微软 AI 发布图像编辑模型 MAI Image 2.7，以预览形式上线，在 Arena Edit 排名第 3、在 Artificial Analysis 图像编辑榜排名第 2，微软 AI 因此成为第 2 的实验室。官方称该模型在 Artificial Analysis 评估的全部 10 个用例和 7 类编辑动作上均优于 2.6，在场景与风格上领先次优模型 24 Elo，目前可在 Arena、Artificial Analysis 和 MAI Playground 试用，文生图功能即将推出。
推荐理由官方给出该图像编辑模型在 Arena Edit 与 Artificial Analysis 榜单的名次，以及相对 2.6 的用例提升幅度。
LangChain 的 GTM 工程团队与设计团队合作，在 Managed Deep Agents 上搭建了 Slack 内的设计智能体 Content Studio，可生成视频、社交图、UI 图与幻灯片，已产出 3000 多个素材、80 多份幻灯片。文章拆解了它的四层知识结构（技能、wiki、代码校验、记忆）、每个 Slack 线程独立的 LangSmith Sandbox、HyperFrames 与自研 motion-studio 两套渲染引擎，以及主智能体调度异步子智能体的协作方式。团队称迁移到 Managed Deep Agents 后自有代码减少约 80%，单次请求的模型成本中位数从 9 月中旬的约 8 美元降到约 50 美分，并已开源整套 harness。
推荐理由LangChain 公开了设计智能体 Content Studio 的完整搭建过程，包括技能、沙箱环境与异步子智能体的工程取舍。
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项领先。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型上下文窗口为 1M tokens，支持文本、图像、视频和语音输入，标准定价为每百万输入/输出 tokens 4/20 美元，目前向部分用户开放并提供 50% 折扣。
推荐理由Artificial Analysis 的独立评测给出 Gemini 4 Carbon 在 Intelligence Index v5 登顶及与 Claude Opus 5.5 的分项对比。
OpenRouter 宣布重建供应商路由算法，从主要按输入 token 价格分配流量，改为综合实际价格、首 token 延迟、吞吐、错误率和输出质量的实时路由成本。官方称新算法使 TTFT 降低 16.9%、吞吐提升 16.3%、429 错误减少 46%，每请求成本上升 6.0%。用户无需改代码，显式设置 provider.sort 或 provider.order 仍可绕过新逻辑。
推荐理由原文给出新旧路由算法的切换实验数据，读者可据此判断推理成本与延迟之间的取舍。
推荐理由官方给出 SR-SWA 机制与两项长文档基准结果，可了解长文档 OCR 的上下文与延迟取舍。
推荐理由Cursor 把智能体定义、部署和评测打包成 SDK，读者可据此判断自建智能体的工程成本会怎么变。