关注模型部署、推理优化、端侧运行、数据与训练工程。
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。
据 The Information 报道，DeepSeek 第二轮融资已筹集 1055 亿元人民币（约合 158 亿美元），吸引近 30 家投资者参与，国资出资占比约 27%，较首轮的 2% 大幅提升。腾讯两轮各出资 100 亿元，宁德时代及其董事长曾毓群两轮分别出资 50 亿元和 100 亿元，长鑫存储、中芯国际、vivo、美团、吉利、美的、立讯精密、携程、小红书等产业方也在投资方之列。报道援引知情人士称，英伟达高端芯片价格上涨和对 AI 泡沫的担忧，是 DeepSeek 中途将募资规模扩大一倍的原因。
推荐理由融资细节披露了投资方构成与国资占比变化，可据此观察 DeepSeek 的资本结构和产业方参与程度。
成立不到两个月的Physical Superintelligence（PSI）称，其自研AI科研系统Emmy在量子信息理论的5个开放问题上取得成果，论文、Lean形式化证明和验证代码已发布在GitHub供审查。这5道题来自德国物理学家Reinhard Werner于1999年建立的开放量子问题目录，横跨纠缠提纯、量子场论、高维量子通信、量子信道容量与量子因果律五个方向，其中OQP 2、OQP 12、OQP 27在本世纪初即被收录。Emmy将难题拆解为可验证的数学子假设，再交由Lean形式化证明器、符号计算引擎和高精度验证代码筛查，编译通过才视为成立。PSI于今年9月亮相，已完成5800万美元种子轮融资，由Breakthrough Energy Ventures领投。
推荐理由一家成立不到两个月的公司用自研系统挑战27年历史的量子开放问题目录，读者可据此观察AI科研系统的验证路径。
Alphabet 宣布 Oracle 将提供 Google 的 TPU，这是客户首次能在 Google 基础设施之外使用 TPU。Google 此前已在第二季度向外部数据中心开放 TPU，分析师预计 Google Cloud 收入同比增长约 90%。TD Cowen 预计今年下半年 TPU 销售额为 94 亿美元、2027 年为 625 亿美元，Wells Fargo 预计第三季度约 90 亿美元、明年 990 亿美元；Anthropic 去年 10 月达成使用最多 100 万块 TPU 的协议，OpenAI 也计划向 Google 采购 TPU。
推荐理由Google 首次把 TPU 卖到自家数据中心之外，读者可据此观察它对 Nvidia 主导的 AI 芯片市场格局的影响。
Mistral AI 宣布开放其前沿模型 Mistral Large 4（代号 Le Chonk）的权重，该模型拥有 1 万亿参数、520 亿激活参数，原生支持多模态。ML4 在欧洲数据中心用 3800 块 Nvidia Grace Blackwell GPU 训练，在 Terminal-Bench 4.0 上从 28% 提升到 41%，与 GLM-5.3 并列编码智能体最佳成绩，且平均每任务少用 47% token。开放权重意味着企业可在自有硬件和防火墙内部署，模型提供低、中、高三档推理模式。
推荐理由原文给出 1 万亿参数、开放权重和三种推理模式，读者可据此判断自托管前沿模型的实际取舍。
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。
Axiom Math 宣布，由人类数学家和工程师组织的数十个 AI Agent 在 24 天内完成了有限单群分类定理的 Lean 形式化，生成约 4310 万行代码、205 万个形式化声明，覆盖 715 篇参考文献。过程中 Agent 发现 34 处文献偏差，包括 1986 年 John Walter 不平衡群定理研究中的一处闭包断言反例，并参与构造并形式化了新结果「Preservation of simple tops」，写入 35 页论文作为定理 2.3。项目已上传 GitHub，声明最终证明不含 sorry，仅依赖标准公理，仓库审查状态为团队自评。
推荐理由原文完整记录了 Axiom Math 用数十个 Agent 在 24 天内完成有限单群分类定理 Lean 形式化的过程，并给出旧文献漏洞与新定理的细节。
Anthropic 生命科学团队已与 Generate Biomedicines、Divergence Labs、BigHat Biosciences、Enveda、The Column Group 和 Bristol Myers Squibb 六家机构建立研究合作，并收购由 Cody Tranbarger 独立运营的生物技术公司 Mithril Medicine，直接开展药物研发。Anthropic 称 Claude 已在分子设计、制造文件审查、监管申报和临床试验规划中带来可量化提升，例如 Enveda 用 Claude 审查 1,061 页文件，识别出人工发现的全部 11 个问题并额外标记 7 个，人工审查时间从逾 25 小时降至不足 3 小时。Anthropic 表示计划大幅扩大上述工作规模，若候选药物表现良好，预计最早于 2028 年底具备启动人体临床试验的条件。
推荐理由原文列出六家合作机构在分子设计、文件审查和临床规划中的具体数据，可据此判断 Claude 在药物研发各环节的实际介入深度。
推荐理由原文列出 v5 指数新增与升级的基准及移除项，并给出头部模型分数与单任务成本差距，可据此比较各模型能力与开销。
Latent Space 播客访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，围绕 Opus 5.5 的发布展开，讨论模型写作风格调整、按每美元智能定价以及为防蒸馏而要求跨轮保留 thinking blocks 等 API 变化。访谈还介绍了 Claude Managed Agents 把会话与 harness 同执行代码的沙箱分离的思路，凭据通过代理单独挂载，沙箱故障不会带走整个会话；Dreaming 则被实现为一个托管智能体检查另一个智能体的历史并写回记忆。团队表示随着模型发布的安全工作变重，近期精力更多转向安全，技能、记忆等功能的推进相对放缓。
推荐理由Anthropic 工程与产品负责人拆解模型发布背后的 API 改造、沙箱隔离与授权体系，可供设计智能体运行时参考。
Google Research 提出 sleep 框架，为 LLM 引入周期性的睡眠阶段，把短期上下文巩固进长期参数，以缓解灾难性遗忘和静态知识截止。该框架分为记忆巩固与 dreaming 两阶段：前者用 MoE 参数扩展和基于 GKD 与强化学习模仿的知识播种，后者通过随机专家激活、筛选合成样本和 RL 精修实现自我改进。在 BABILong 上该方法在 10M token 内接近完美扩展，在 AIME 24/25 和 HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。
推荐理由Google 提出把持续学习拆成清醒交互与离线巩固两阶段，并给出 10M token 长上下文与数学推理的对比结果。
Liquid AI 发布 LFM3 系列开放权重模型，全部从 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、Omni 以及 d1 决策模型。LFM3-1.7B-Base 采用三混合层结构，预训练 22T token，最后 3.5T token 的中训练阶段加入更多智能体轨迹与工具调用数据，上下文窗口扩展到 256K token。官方称 LFM3-1.7B 在 8K 上下文下比 LFM2-1.2B 快约 25%，WebArena-Verified 得分 38.42 对 3.02；LFM3-VL-2B 在 62 项视觉基准上平均分从 57.6 升至 71.4。所有模型已在 Hugging Face 开放下载，并提供单卡微调 notebook。
推荐理由原文给出六个模型共享同一骨干的架构改动与端侧实测数据，可据此判断小模型专用化路线在长上下文和智能体任务上的取舍。
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 与 XREAL 发布 XREAL AURA，这是首款搭载 Android XR 的有线 XR 眼镜，今日起在美国、加拿大和韩国开放订购，11 月 2 日在日本开售，起售价 1099 美元。眼镜重不到 95 克，采用透明镜片和 70 度视场，把应用投射到视野中，重计算由连接线缆的便携计算 puck 承担，该 puck 搭载首次亮相的 Qualcomm Snapdragon Reality Elite 平台。用户可同时打开多个应用并搭配蓝牙键鼠，或通过 USB-C 有线镜像把笔记本屏幕作为窗口接入，Gemini 可针对视野中的内容和屏幕给出帮助。
推荐理由原文交代了透明镜片、70 度视场与分体计算 puck 的组合，读者可据此判断有线 XR 眼镜的日常使用边界。
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。
英伟达宣布在Meta的股权发行中投资30亿美元，双方将扩大在个人智能体产品Muse及Muse系列模型上的合作，以提升模型推理和训练性能。这笔投资是Meta总额950亿美元募资计划的一部分，AMD、博通也有意向投资。Meta预计全年资本支出达1350亿至1450亿美元，并将考虑采用英伟达OpenShell安全智能体参考架构，扩大Vera Rubin、Vera CPU及Spectrum-X网络等基础设施部署。
推荐理由英伟达30亿美元入股Meta并绑定Muse智能体合作，读者可据此看清算力层与应用层如何互相押注。
Anthropic 在提交给美国 SEC 的 S-1 文件中披露，截至 2025 年底其算力基础设施最低未来付款义务为 4170 亿美元，加上 2028 至 2031 年新增算力容量协议预计的 1250 亿至 1500 亿美元付款，总额可能达到 5420 亿至 5670 亿美元。文件还显示，Anthropic 2026 年上半年算力与基础设施支出约 89 亿美元，高于上年同期的约 23 亿美元；同期营收增长 1368%，算力与基础设施成本增长 300%。公司计划以代码 ANT 在纳斯达克上市。
推荐理由S-1 文件披露了 Anthropic 的算力承诺规模与成本收入对比，可据此观察头部模型公司的资本开支结构。
OpenAI 于 10 月 27 日推出新模型 GPT-6.1 Terra，主打以更低成本完成复杂的电脑操作任务，尤其擅长视觉推理和桌面软件操作。在 Agents' Last Exam 中等推理强度下，其得分比 GPT-5.6 Terra 高 15 个百分点，成本约为后者三分之一；最高推理强度下每任务成本约为 Claude Opus 5.5 的九分之一。该模型已向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用，API 模型标识为 gpt-6.1-terra，每百万输入 Token 收费 1 美元、输出 Token 收费 5 美元。
推荐理由原文给出多项基准与每任务成本对比，可据此判断低成本模型在桌面自动化中的取舍。