Meta 发布六篇借助 Muse Spark 撰写的数学论文，Perplexity 推出 Decisions API，Anthropic 开办 Claude Frontier Academy

10 月 2 日星期五，Meta 发布了研究人员借助其 Muse Spark 模型完成的六篇数学论文；据 Meta 称，其中五篇回答了此前尚未解决的研究问题。Anthropic 投入 1 亿美元，通过 Claude Frontier Academy 培训 10 000 名部署工程师，并发布 Claude Code 2.1.288；NVIDIA 则宣布推出配备 64 GB 内存的 DGX Spark，起价 4 999 美元。前一晚的两项公告也为当天的消息增添了内容：Perplexity 的 Decisions API 以概率作答，其底层模型已开放权重；Google 的卫星则将其首批 TPU 送入轨道。

Meta 发布六篇借助 Muse Spark 撰写的数学论文，Ai2 开源 AstaBrief，Google 的人工智能预测流感

10 月 2 日 — Meta 在其研究博客上发布了六篇由研究人员借助自研模型 Muse Spark 完成的数学论文。据 Meta 称，其中五篇回答了此前尚未解决的研究问题，但博文没有说明哪一篇是例外。过去几个月里，数学家们直接在 meta.ai 的聊天界面中，以 Thinking 模式使用 Muse Spark 1.1 和 1.2，没有使用专门搭建的研究框架（定制研究框架）。

Following gold-medal-level performance from our AI models across five competitions in mathematics, physics, and chemistry, we asked a harder question: can AI contribute when a problem is genuinely open and without an existing solution path?

🇨🇳 我们的人工智能模型在五项数学、物理和化学竞赛中取得了金牌水平的成绩后，我们提出了一个更难的问题：当一个问题确实尚未解决，而且没有任何现成的求解路径时，人工智能能否作出贡献？ — @AIatMeta 在 X 上

公布的研究流程相当严格：一组数学家指导研究，另一组审阅成果，每篇论文都标明哪些段落主要由研究人员撰写，哪些主要由人工智能撰写。模型在各篇论文中的贡献差异很大，从辅助计算到撰写整节内容都有：

数学领域	Meta 宣布的结果	据 Meta 称 Muse Spark 的贡献
概率论	在高维空间中拟合经过随机高斯点的椭球的严格阈值	证明策略
微分方程	质量临界的双调和非线性薛定谔方程中，负能量径向解的有限时间爆破，这是自 2015 年以来一直未解决的问题	计算、检验论证、修订证明
群论	半阿贝尔群不一定是单项式群：针对 M. Kida（2024 年）猜想的 384 阶反例	用 GAP 编写的搜索程序，找到了该反例
优化	精确判定基于环的松弛何时能够刻画原问题的规则	概率论重述、反例、证明策略
算术物理	在远比 Tate 曲线更广的一类曲线上，p 进弦理论的二点函数等于一个高度函数	候选证明、撰写三个技术章节
非结合代数	关于可解演化代数的一项猜想的 3 维反例	反例及其他刻画方式

Meta 承认，这些问题中有三个也已被其他研究者解决：8 月发表的三项关于高斯阈值的研究、人工智能智能体 Nilradical 于 9 月 16 日公布的 Kida 猜想反例，以及 Hu 和 Wen 给出的演化代数反例。据 Meta 称，其自身结果是通过不同方法独立获得的。此前，OpenAI 于 9 月 21 日表示，一个内部模型已解决了 100 多个开放问题；Meta 则强调，它直接使用面向公众的模型，并透明披露人工智能的贡献比例，所有证明仍由数学家核验、修正和重写。

🔗 携手解决开放研究问题（Meta AI Research）

AstaBrief 8B：Ai2 开源可撰写附引文科学报告的模型

10 月 2 日 — Ai2 开源了 AstaBrief 8B，这个模型能将研究问题和文献摘录转化为附有引文的科学报告。它现已为 Ai2 科学智能体平台 Asta 的“生成报告”功能提供 Fast 模式，与由 Claude 驱动的 Thinking 模式并列。训练方法仍然简单：以 Qwen3-8B 为基础，先用 ScholarQA 流水线生成的 47 000 个示例进行监督微调（SFT），再用约 6 000 对样本进行直接偏好优化（DPO），没有采用强化学习。模型权重和训练数据均已公开，模型说明指出权重采用 Apache-2.0 许可证：实验室可以在自己的硬件上运行它。

该模型一次即可生成整份报告。在 Asta 的完整流水线中，Fast 模式生成一份报告平均需要 51.1 秒，Thinking 模式则需要 178.5 秒，前者的速度约为后者的 3.5 倍。在一项小规模人工评估中（14 个问题、3 名研究人员），DR Tulu 在整体偏好上胜出，但三名研究人员中有两名更认可 AstaBrief 的引文准确性。Ai2 提醒，大部分训练和评估都完成于 2025 年，尚未重新与当前模型进行比较。

🔗 将 AstaBrief 开源（Ai2）

流感：借助 Google 人工智能开发的模型在 CDC 的 FluSight 评估中位列 39 个模型之首

9 月 30 日 — Google 宣布，借助其人工智能开发的一款流感预测模型，在 FluSight 的 2025-2026 季度评估中表现最佳。FluSight 是美国疾病控制与预防中心（CDC）的预测项目，每年 10 月至次年 5 月，每周汇总住院人数预测。CDC 的季末报告证实了这一结果：34 个团队提交了 53 个模型，其中 39 个被纳入评估，单个模型中排名第一的是 Google_SAI-FluEns，相对 WIS 为 0.56（这是一项误差指标，越低代表预测越准确），领先于三个得分为 0.58 的模型，其中包括 OHT_JHU-nbxd。CDC 用于对外发布信息的 FluSight 集成模型排名第 7。

这些预测模型借助 Empirical Research Assistance（ERA）开发。ERA 是 Google 的一款人工智能工具，可为不同科学领域生成优化算法，目前向受信任的测试者开放。相关研究论文描述了一个自主系统，它通过 LLM 引导的树搜索，编写、评估并改进自身的预测代码；该系统还生成了用于预测 COVID-19 和呼吸道合胞病毒的模型。

🔗 Google Research 博文 · CDC 的 FluSight 2025-2026 报告

Perplexity 推出 Decisions API 并开放 pplx-decider-v1-27b，llama.cpp 支持提供决策模型服务

10 月 1 日 — Perplexity 开放了一款新的 API，即 Decisions API，并以 Apache 2.0 许可证发布了驱动它的模型 pplx-decider-v1-27b。该公告于晚间通过公司的开发者账号 @perplexitydevs 发布。这个决策模型（决策模型）返回的是一组固定答案的概率分布：它可以读取文本、JSON 或图像，但不会撰写回答、生成代码或解释其推理过程。

它支持三种问题类型：noul 返回肯定答案的概率；choice 从 1 到 255 个选项中作出选择，并为每个选项提供概率和一个置信度指标；score 按照最多 10 个等级对内容进行评级。一次请求最多可针对同一份内容提出 128 个问题，包含问题在内的输入必须少于 262 144 个词元。价格为每百万输入词元 0.04 美元，输出免费，也不收取按请求计费的费用；每个组织每秒可以发送 10 次请求，无论采用哪种套餐。Perplexity 面向分类、路由和按评分标准打分等用途：其参考示例（示例指南）对支持工单进行分流，由 Decisions API 作出初步决策，Agent API 处理需要升级处理的情况。

该模型基于 Qwen3.8-27B 微调；Hugging Face 上的权重需要一块支持 CUDA 的 GPU，其显存需能容纳约 49 GiB 的权重，此外还需要工作内存。模型说明将它与另一款决策模型 Jev 及其基础模型在十一项基准测试上进行比较，其中 pplx-decider-v1-27b 的结果通过 Perplexity 的 API 测得：

基准测试（准确率）	Jev 得分	Qwen3.8-27B（基础模型）得分	pplx-decider-v1-27b 得分
WinoGrande	90,70 %	73,10 %	83,30 %
FinancialPhraseBank	76,98 %	75,68 %	84,18 %
RAGTruth	77,27 %	61,53 %	88,80 %
JudgeBench	78,57 %	68,86 %	78,29 %
BBH	94,27 %	72,80 %	82,80 %
JevBench 公开高难度部分	73,27 %	72,28 %	70,30 %
TabFact	89,80 %	78,60 %	90,60 %
ContractNLI	77,45 %	80,78 %	80,78 %
Circa	84,60 %	87,00 %	89,20 %
Belebele	95,00 %	93,20 %	94,00 %
TruthfulQA 二分类	92,00 %	82,80 %	85,40 %
总体（据模型说明）	84,51 %	74,76 %	85,71 %

在公告重点强调的“总体”这一行中，pplx-decider-v1-27b 以 85,71 % 领先于 Jev 的 84,51 %，但模型说明没有解释这一行是如何计算的。根据公布的表格，Jev 在十一项基准测试中的六项仍然领先，包括 BBH 和 WinoGrande；在 JevBench 的公开高难度部分，Perplexity 的模型甚至落后于自己的基础模型。

🔗 @perplexitydevs 的公告 · Decisions API 文档 · Hugging Face 上的 pplx-decider-v1-27b

llama.cpp 通过 `/v1/systemone` API 提供决策模型服务，并兼容 Jev

10 月 2 日 — llama.cpp 的服务器现已能够通过新端点 /v1/systemone 提供决策模型服务，该端点随 10 月 2 日合并的第 29818 号 PR 加入。Xuan-Son Nguyen 和 Victor Mustar 署名的 ggml-org 博文介绍了其原理：发送一个状态（文本、JSON、屏幕截图）以及带类型的问题，类型包括 choice、score（2 到 10 个等级）或 noul（是或否），模型便会一次返回每个选项的概率。该 API 沿用了 TypeSafe 的 Jev 模型引入的 System One 格式：现有客户端只需更改基础 URL 即可。路由器模式可以在同一台服务器上按需加载多个模型。

受支持的决策模型	模型规模	基础模型	每个问题的耗时中位数
Julia-1（超过 50 种语言）	144M	mmBERT-small	3 ms
Laya	421M	ModernBERT-large	5 ms
Kev-4B	4B	Qwen3.5-4B-Base	12 ms
lev	4B	Qwen3.5-4B	36 ms
OpenJev（也能读取图像）	27B	Qwen3.8-27B	43 ms

上述耗时是在 NVIDIA RTX PRO 6000 上测得的。已宣布即将支持的下一款模型是 Clef，Cloudflare 于 10 月 1 日发布了它，并提供与 Jev 兼容的 API；ggml-org 于 10 月 2 日在 Hugging Face 上创建了 Clef 和 Clef-flash 的 GGUF 仓库。

🔗 llama.cpp 新功能：决策模型

Anthropic 推出 Claude Frontier Academy，投入 1 亿美元培训 10 000 名工程师

10 月 2 日 — Anthropic 推出 Claude Frontier Academy，这一培训项目获得 1 亿美元的资金承诺。目标是在 2027 年底前培训 10 000 名前沿部署工程师（Frontier Deployed Engineers，FDE）。首批学员包括来自 Accenture、Bain、Capgemini、Commonwealth Bank of Australia、Deloitte、McKinsey、Morgan Stanley 和 Novo Nordisk 的工程师。

首个项目 Frontier Deployed Engineer Residency 借鉴了医学培训模式。根据项目页面，培训从为期四天的强化课程开始：前三天线下为一家模拟企业构建 Claude 系统，随后参加评分考核，通过后获得 Claude Resident Engineer 徽章。接下来是十二周的驻场实训，学员在自己的组织中主导一次 Claude 部署，最后通过考核获得 Claude Frontier Deployed Engineer 徽章；首批徽章预计于 2027 年初颁发。

参与渠道仍未开放：学员须经提名，抢先参与资格仅向选定的客户和合作伙伴提供，培训班设在旧金山、纽约和伦敦。该学院延续了 Claude Partner Network 的工作，该网络于 3 月推出，投入 1 亿美元，涵盖 46 000 家企业和超过 175 000 项认证；文章没有说明新资金是否是在此基础上追加的。

🔗 Anthropic 公告 · 项目页面

智能体：Claude Code 2.1.288、Cursor 中的 GLM 5.3、Replit、DeepSeek Harness 和 SWE-sweep 基准测试

Claude Code 2.1.288 取消交互式会话中后台命令的时间限制

10 月 2 日 — Claude Code 2.1.288 发布了 89 项更新，其中包括 64 项修复。最明显的变化涉及后台运行的命令：2.1.285 引入的时间限制（默认 30 分钟，最长 2 小时）现在仅适用于无人值守会话（-p、Agent SDK、CI、云端）。在终端、桌面应用和 VS Code 中，后台命令又可以无限时运行了。

误按 Ctrl+C 清除的提示词可以通过向上箭头键恢复，/code-review 支持 --max-findings，以报告更多或更少的问题，claude project purge 改为 claude purge，前一天推出的模组新增了 $.ui.selection()，用于返回全屏模式下最后选中的文本。当 API 在响应过程中超时，非交互式会话和子智能体会从已有的部分响应继续，而不再直接失败。在安全方面，嵌入 bash -c 脚本中的危险 rm 在 bypassPermissions 模式下也必须经过确认；PreToolUse 或 PermissionRequest 钩子在匹配失败时，现在会阻止调用，而不再被忽略。最后，客户端自动模式的分类器现在会忽略指向 Sonnet 5.5 或 Opus 5.5 的 ANTHROPIC_DEFAULT_SONNET_MODEL 变量，改用 Claude Sonnet 5。

版本发布六分钟后，@ClaudeDevs 重点介绍了内置模组 You should know，它会启动一个辅助智能体，在提示词上方显示不容错过的信息。该模组已列入 10 月 1 日介绍的六个内置模组中，目前仍默认关闭。

We’re adding a new plugin to Claude Code: You should Know. It scans Claude’s output for important information you might miss to help keep you in the loop. Enable it with: /plugin enable cc-plugin-you-should-know@builtin

🇨🇳 我们为 Claude Code 新增了一个插件：You should Know。它会分析 Claude 的输出，查找你可能遗漏的重要信息，让你及时掌握情况。启用命令为：/plugin enable cc-plugin-you-should-know@builtin — @ClaudeDevs 在 X 上

🔗 Claude Code 2.1.288 版本说明

GLM 5.3 和 GLM 5.3 Flash 登陆 Cursor

10 月 1 日 — Cursor 在模型选择器中加入了 Z.ai 的开放模型 GLM 5.3 和 GLM 5.3 Flash，并宣称 GLM 5.3 Max 在其自有基准测试的开放模型中排名第一。

GLM 5.3 and GLM 5.3 Flash are now available in Cursor! GLM 5.3 Max is the best-scoring open-weight model on CursorBench 4.0.

🇨🇳 GLM 5.3 和 GLM 5.3 Flash 现已在 Cursor 中上线！GLM 5.3 Max 是 CursorBench 4.0 中评分最高的开放权重模型。 — @cursor_ai 在 X 上

随附图表按 CursorBench 4.0 得分和每项任务的平均成本展示各个模型，但只标注了一个数据点：标为“(max)”的 GLM 5.3，得分为 42,6 %，每项任务成本为 5,05 美元。根据这张图表，GLM 5.3 仍低于 Claude Opus 5.5、Claude Sonnet 5.5、Fable 5.1 和 Grok 4.7；图中没有其他开放模型，也没有 GLM 5.3 Flash。Cursor 没有发布价格、相关文章或支持其排名的方法说明。

Replit 在 Agent 中开放 GPT-6.1 Sol 和 Claude Sonnet 5.5，并在 AI Integrations 中加入 Jev

10 月 2 日 — Replit 的更新日志为 Replit Agent 新增了两个近期模型选项：Power 模式下的 Claude Sonnet 5.5，以及 Max 模式下的 GPT-6.1 Sol。同一条更新还在 Replit AI Integrations 中开放了 Jev，这款决策模型此前曾与 pplx-decider-v1-27b 一同被提及：应用可以通过快速、结构化的决策来分类内容、路由请求或为潜在客户评分，无需管理 API 密钥。文档明确说明，Jev 通过 OpenRouter 提供，标识符为 jev-latest。设置现在以整页形式打开，Enterprise 账户可以制定全公司适用的规则，并为各团队（Workspace）设置例外。该条目未说明任何价格。

🔗 Replit 10 月 2 日更新日志

DeepSeek Harness 可安装到 macOS 和 Windows

9 月 30 日 — @DeepSeekHarness 账户宣布，DeepSeek 的开源智能体运行框架 DeepSeek Harness 推出了 macOS 和 Windows 桌面版本。10 月 2 日，主账户 @deepseek_ai 转发了这则公告，并说明 Linux 用户可使用 npm 包 @deepseek-ai/dsh。安装程序可从 DeepSeek 网站下载，支持搭载 ARM 芯片的 macOS 和 Windows x64。

标有 PREVIEW 的官方页面将 Harness 介绍为面向全球开放的开源公开预览版。它基于 Cordis 框架的“一切皆插件”（一切皆插件）架构，涵盖办公任务（文件、数据、文档、演示文稿）、编程、带来源引用的研究以及后台任务，并提供 Creator 模式，让用户通过对话编写新插件。此次更新主要体现在分发方式上：9 月 29 日的预览版已将 dsh 命令集成到桌面应用中，GitHub 上尚未发布任何稳定版本。

🔗 @deepseek_ai 公告 · DeepSeek Harness 页面

SWE-sweep：让智能体自行发现待修复缺陷的基准测试

10 月 1 日 — Meta Superintelligence Labs 的研究人员与哈佛大学、华盛顿大学和斯坦福大学合作，开放了 SWE-sweep 基准测试。它要求编程智能体在真实代码仓库中自行发现缺陷，并尽可能多地修复，且不提供任何关于缺陷类型或位置的提示。数据集覆盖 100 个仓库和 4 068 个缺陷；代码采用 MIT 许可证，基于 Harbor 框架，作者包括奥菲尔·普雷斯和约翰·杨。仓库于 10 月 1 日创建，目前尚无配套公告。

排行榜于 9 月 24 日更新，使用 mini-SWE-agent 智能体进行测评，结果显示了任务的难度：

排名	评测模型	已修复缺陷	总成本
1	Sol 5.6 (xhigh), OpenAI	4,7 %	7 230 美元
2	Luna 5.6 (xhigh), OpenAI	2,5 %	224 美元
3	Terra 5.6 (xhigh), OpenAI	1,5 %	357 美元
4	Luna 5.6 (high), OpenAI	1,4 %	28 美元
5	Opus 5 (xhigh), Anthropic	1,3 %	5 363 美元

🔗 SWE-sweep

计算与硬件：首批 TPU 进入轨道、DGX Spark 64 Go、Ascend 950 上的 DeepGEMM 和 DeepEP

Project Suncatcher：Google 原型卫星搭载首批 TPU 进入轨道

10 月 1 日 — 宣布首次在轨测试一周后，Google 发射了 Project Suncatcher 的原型卫星。这是一项长期研究计划（宏大探索项目），旨在探索太空能否在未来承载大规模机器学习基础设施。卫星与 Planet 合作建造，搭乘 SpaceX 的 Transporter-18 拼车发射任务进入轨道；据 Google 的特拉维斯·比尔斯介绍，团队已与卫星建立联系，卫星运行符合预期。

未来几周，Google 将测量其 TPU 如何承受航天飞行的各项严苛条件，以及极端辐射和温度；在地面测试中，Trillium TPU 已经承受了超过五年任务预期水平的辐射剂量。详细介绍这项研究的同行评审论文发表于 Joule 期刊。@GoogleAI 于 10 月 2 日转发发射消息时重申了项目的依据：低地球轨道几乎持续受到阳光照射，卫星产生的太阳能最多可达地面的 8 倍。已公布的下一步计划是于 2027 年发射两颗卫星，测试激光链路。

🔗 Project Suncatcher 原型卫星已进入轨道 · 发表于 Joule 的论文 · @GoogleAI 的转发

DGX Spark 64 Go：NVIDIA 新增配置，将于 10 月 23 日开售

10 月 2 日 — NVIDIA 为 DGX Spark 新增了 64 Go 统一内存配置，与现有的 128 Go 型号并列。新配置将于 10 月 23 日星期五起，仅由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 六家合作制造商销售，起价为 4 999 美元；文章没有给出 128 Go 型号的当前价格。基础配置保持不变：GB10 Grace Blackwell 芯片、DGX OS 和 NVIDIA AI 软件栈，可在本机运行最多 1000 亿参数的模型。

主要卖点是组建集群：两台设备通过各自 ConnectX-7 网卡上的 QSFP 线缆连接后，可以共享内存。

技术特性	一台 DGX Spark 64 Go	两台 DGX Spark 64 Go 组成集群
统一内存	64 Go	128 Go 共享内存
宣称支持的模型规模	最多 100（以十亿参数计）	最多 200（以十亿参数计）
Qwen 3.8 27B 性能（NVIDIA 测试）	基准	最高 1,7 倍

NVIDIA Sync 应用通过 Cluster Assistant 完成配置，它会检测设备并设置网络。预计于月底推出的 NVIDIA Sync Model Launcher 将下载 Qwen3.8 27B，在单台设备或集群上启动该模型，并配置 OpenCode 来使用它。

🔗 NVIDIA 关于 DGX Spark 64 Go 的文章

DeepSeek 将 DeepGEMM 和 DeepEP 移植到 Huawei Ascend 950 NPU

9 月 29 日和 30 日 — DeepSeek 未发布公告，直接在 GitHub 上公开了两项计算库向 Huawei Ascend NPU 的移植成果。DeepGEMM-Ascend 的 README 将首个版本日期标为 9 月 30 日，它完整保留了 DeepGEMM 的 API：BF16、FP8 和 FP4 矩阵乘法、MQA 和 MegaMoE 的 logits，采用 MIT 许可证，面向 Ascend 950 系列。DeepEP-Ascend 则移植了 MoE 模型的专家并行（expert parallelism）通信库，包括用于分发（dispatch）和合并（combine）的 all-to-all 操作。

在 Ascend 950DT 上，DeepEP-Ascend 测得的分发吞吐量为：8 个秩时 373 至 375 Go/s，128 个秩时 313 至 320 Go/s；在最多 32 个秩的规模下，其性能达到物理带宽上限的约 90 至 95 %。这些数据是在向 DeepSeek 提供的概念验证硬件开发套件（HDK）上，采用手动配置测得的，两者均未公开分发；README 指向了商业版本，Huawei 预计于 10 月 15 日左右供货。

🔗 GitHub 上的 DeepGEMM-Ascend · GitHub 上的 DeepEP-Ascend

语音与音频：Suno Speech 开放测试，ElevenLabs 获得 FedRAMP 20x Class A 认证

Suno Speech 在同一音轨中生成口语和背景音乐

10 月 1 日 — Suno 开放了 Speech 功能的测试版，让用户直接在 Suno 中生成伴有原创背景音乐的口语音频：输入一个想法、一首诗或一段文本，再描述所需的声音和音乐风格即可。Suno 将 Speech 介绍为首个能同时生成语音和音乐，并融合成一条连贯音轨的音频模型。该功能已在一小组用户中测试了一个月，现在更新应用后即可向所有人开放。

文章由产品负责人杰克·布罗迪署名，主要列举了个人用途：将朋友的消息变成戏剧化朗读，为语音备忘录配乐，制作冥想内容或睡前故事。Suno 提醒，测试版仍有不足：英式口音可能逐渐变成澳大利亚口音，戏剧化停顿也可能过于明显。文章没有说明价格、套餐或支持的语言。

🔗 Speech 功能介绍（Suno）

ElevenLabs 的 ElevenAgents 和语音 API 获得 FedRAMP 20x Class A 认证

10 月 1 日 — ElevenLabs 获得 FedRAMP 20x Class A 认证，美国联邦机构通过这一框架判断云产品是否能够安全处理政府数据。认证涵盖 ElevenAgents，以及 Text to Speech 和 Speech to Text API，前提是采用 Zero Retention Mode，并将数据驻留在美国。它扩展了 ElevenLabs for Government 的服务范围，公司现已列入 FedRAMP Marketplace。根据 ElevenLabs 引述的 FedRAMP 说明，Class A 级别足以满足联邦机构大多数非敏感用途；ElevenLabs 举出的场景包括福利申请、许可办理、税务和听证会转写。

ElevenLabs 以现有的公共部门部署案例支持这则公告：

引述的公共部门部署案例	ElevenLabs 公布的数据
全国就业热线（乌克兰）	25 % 由对话智能体处理
福利与就业热线（捷克）	每天约 5 000 通电话中，85 % 得到解决
米德兰市	每月减少 7 000 通未接来电（预测）

🔗 ElevenLabs 文章

ChatGPT 向美国 Free 和 Go 用户开放 Finances

10月2日 — ChatGPT 的个人财务专区 Finances 在美国扩展至 Free 和 Go 套餐，支持网页、iOS 和 Android。Plus 和 Pro 订阅用户此前已可使用这项功能：它于5月以预览版形式首次面向 Pro 订阅用户推出，并于9月21日为 Plus 和 Pro 订阅用户加入 Experian 信用评分追踪。如今，它覆盖 Free、Go、Plus 和 Pro 套餐，仍仅限美国。

使用方式保持不变：通过 Plaid 连接银行和投资账户，通过 Experian 连接信用报告，这两种连接既可同时使用，也可单独使用。Finances 页面汇集支出、账单、订阅、净资产、投资和信用评分。在对话中，ChatGPT 会对支出进行分类、识别订阅、将当月情况与近期趋势比较；在税务方面，它会整理信息，并提示可进一步研究的事项，例如税前扣除项目。

🔗 ChatGPT 版本说明 · ChatGPT 中的 Finances

SpaceXAI 发布官方 TypeScript SDK 实验版

10月2日 — SpaceXAI 在未发布公告的情况下推出了官方 TypeScript SDK 的首个公开版本。0.1.0 于 UTC 16 时 57 分发布，随后于 UTC 18 时 25 分推出的 0.2.0 将客户端类 xAI 重命名为 SpaceXAI：这项破坏性变更让代码与公司的新名称保持一致。该 SDK 已涵盖 Responses API（流式传输、压缩和多轮对话）、平台内置工具（网页搜索和 X 搜索、代码执行、远程 MCP 服务器）、图像与视频的生成和编辑，以及 Files、Batch 和 Voice API。

SDK 项目	已确认的详情
npm 包	`@xai-official/sdk`
许可证	Apache-2.0
前置要求	Node.js 22.13 或更新版本、ESM 项目、无运行时依赖
状态	实验性，1.0 之前接口尚未定型

默认情况下，SDK 拒绝在浏览器或 Worker 中运行，以防在客户端暴露密钥。TypeScript 开发者由此获得了与官方 Python SDK 对应的工具，后者的 1.20.0 版本于9月24日发布。

🔗 SpaceXAI TypeScript SDK 的 CHANGELOG · npm 上的 @xai-official/sdk 包

简讯

v0 中的 GPT-6.1 Sol — 9月29日，即模型发布当天，Vercel 的应用生成工具 v0 开放了 GPT-6.1 Sol；此前几小时，它刚刚支持通过 ChatGPT 订阅连接。公告未提供价格或针对 v0 的测评数据。🔗 来源
Grok Build 推出新的智能体仪表板 — 该功能于10月1日公布，通过 /dashboard 在同一屏幕上显示所有智能体，支持并行启动任务，并通过 Ctrl+W 将智能体放入独立的 git worktree；Grok Build 此前于6月15日推出过首个仪表板。🔗 来源
Gemini CLI 每夜构建版 — 10月2日的 v0.64.0-nightly 仅包含八项修复：Ctrl+C 再次能够取消正在进行的操作，~/.gemini/state.json 状态以原子方式写入，并在数据损坏时恢复 .bak 备份；稳定版和预发布版均未变化。🔗 来源
GitHub Copilot 移除部分模型 — 按照9月3日的公告，Gemini 3.5 Flash、Gemini 3.6 Flash、Kimi K2.7 Code 和 Claude Opus 4.7 将退出所有 Copilot 使用场景；GitHub 推荐 Gemini 3.8 Flash、Kimi K3，如今还推荐 Claude Opus 5.5，以替代 Claude Opus 5。🔗 来源
测试 SKILL.md — 在一篇社区博文中，戈尔达·曼努埃尔提出了一种方法，用于检查技能是否能被编程智能体找到、加载并有效使用，但未公布测量结果：检查 Claude Code 或 Codex 预期的存放位置，在三个层次的请求中测试激活情况，并从八项指标比较使用和不使用技能的表现。🔗 来源
Manus 详解 Video Editor 和 Game Dev — 10月1日的两篇博文进一步介绍了 Manus 2.0：Manus Studio 中的 Video Editor 将视频中的每个元素放在独立轨道上（将 125 段片段剪辑成一部 10 分 50 秒的影片，共有 195 次剪切），Game Dev 则实时调整游戏；均未提供价格或日期。🔗 Video Editor · 🔗 Game Dev
ServiceNow 的 AutoSynthData — ServiceNow 的 CoreAI 团队根据模型的失败案例生成经过验证的训练任务：在 EnterpriseOps Gym 上，Gemma-4-26B-A4B-it 在 Hybrid 领域的 Pass@1 提升了 7.2 点，在 ITSM 领域则从 18.77 % 提升至 27.18 %；未公布代码或数据。🔗 来源
POCKET-Darwin-180B — VIDRAFT 发布了 Darwin-180B-RSI 的 4 位 GGUF 版本，体积为 111 GB（原版为 360 GB）；这是一个拥有 1800 亿参数的 MoE。作者称，仅使用处理器时速度为每秒 18.4 至 21 tokens，在搭载 8 GB RTX 5060 的笔记本上为每秒 4.17 tokens，MMLU-Pro 得分为 87.65 %，与原版相同。🔗 来源
GPT-6 模型指南 — OpenAI 发布面向初创公司的指南：GPT-6 Astra 适用于最困难的推理，GPT-6.1 Sol 适用于复杂编程、研究和计算机操作，GPT-6 Luna 适用于大规模的特定任务；根据模型不同，缓存 tokens 的费用最高可降低 95 %。🔗 来源
ChatGPT 可通过 iOS 相机将多页内容扫描成一个 PDF — 10月1日，正在逐步推出。
Chatham Financial 与 Codex — 这家资本市场咨询公司使用 Codex 构建了一款交易验证应用：初步测量显示，核查时间从约 30 分钟缩短至不到 4 分钟；其 Onyx 平台结合使用 GPT-5.6 Sol 和 Terra、GPT-5.4 以及 GPT-4.1。🔗 来源
The Den 与 ChatGPT Work — 根据 OpenAI 10月1日发布的案例研究，这家位于丹佛、面向家长的俱乐部，其管理团队通过连接 Gmail、Slack 和 Google Drive 的 ChatGPT Work，每周节省 10 至 15 小时；一份补助申请只需 2 小时，之前则需要 3 天。🔗 来源
Blackwell 上的 GPT-6 Astra Ultrafast — NVIDIA 于10月1日说明，OpenAI 在9月29日推出的 GPT-6 Astra Ultrafast 档位运行于其 Blackwell GPU，速度最高为 Astra Standard 模式的 8 倍，且 OpenAI 使用自身模型优化推理软件；未提供新的数字。🔗 来源
CoreWeave 的 RL Rollouts — 这项服务于9月30日与 CoreWeave Forge 一同亮相，并由 NVIDIA 于10月2日转发介绍。它基于 NVIDIA Dynamo 构建，在强化学习后训练期间热加载新的检查点；在 Nemotron 3.5 Lightning 上，模型重新加载延迟改善幅度达到 15 倍。🔗 来源
ElevenReader 中的 Eleven v4 — ElevenLabs 于9月28日发布的表现力最强的语音模型进入其阅读应用：用户可用所选声音收听文章、电子书和 PDF，支持超过 90 种语言，覆盖 iOS、Android 和网页端。🔗 来源
Midjourney 的 alpha 版更新日志 — 10月1日的更新日志主要汇集修复内容，包括按文件夹保存提示词参数，以及将风格参考集中到一个标签中；新协作工具已预告将在下一周推出。🔗 来源
Ramp Router 中的 Grok 4.7 半价优惠 — 截至10月6日，LLM 网关 Ramp Router 为 Grok 4.7 提供 50 % 折扣，SpaceXAI 转发了这一优惠；该模型在 SpaceXAI API 上的价格为每百万 tokens 输入 2 美元、输出 6 美元。🔗 来源
安全公告的保密评论 — GitHub 支持在仓库安全公告下发表评论，而报告者无法看到：只有拥有写入权限的人能阅读这些评论，查看行为会被记录到日志中；评论 REST API 进入公开预览阶段。🔗 来源 · 🔗 REST API
GitHub Advisory Database 的 GraphQL API — SecurityAdvisory 对象新增五个字段，包括 CVE 标识符和 NVD 发布日期；securityAdvisories 查询新增两个筛选条件，分别按严重程度和撤回状态筛选：无需再通过 REST API 查询。🔗 来源
GitHub Actions 停用 macOS 14 镜像 — 10月1日宣布，该镜像将于11月2日移除，此前将在10月安排八次停用时段，时间为 UTC 14 时至午夜；工作流必须迁移至 macos-15 或 macos-latest，后者指向 macos-26。🔗 来源
企业人工智能成熟度 — Perplexity 发布了一份指南，介绍四个成熟度阶段，概述 Gartner、Deloitte 和 Google Cloud 的框架，并提供自评表；根据其引用的 McKinsey 2026 年调查，80 % 的受访者看到了个人生产力提升，但只有 37 % 看到了对 EBIT 的贡献。🔗 来源

这意味着什么

应用于科学的人工智能越来越多地接受发布者以外的评价标准检验。Meta 不只是罗列成果：每篇论文都会说明哪些段落由人工智能撰写，另一个数学家团队会复审，博文还承认其中三个问题也已在其他地方得到解决。借助 Google 人工智能设计的流感预测模型，其价值来自 CDC 在完整一个流感季内、与另外 38 个模型进行比较的评估。Ai2 发布了 AstaBrief 的权重和数据，但提醒其比较结果来自 2025 年：开放模型可以验证，评估则会过时。

决策模型在短短几天内成为了一个独立类别。继 Jev、Liquid AI 的 d1 和 Cloudflare 的 Clef 之后，Perplexity 同时提供按输入 token 计费的 API 和模型权重；llama.cpp 使用相同的 System One 格式在本地运行这些模型，Replit 则将 Jev 加入无需 API 密钥的集成服务。对开发者而言，价值很具体：只需一次处理，就能获得每个选项的概率，而不必先得到文本回答再进行解析。比较结果需要谨慎看待：模型说明中的 Overall 行显示 pplx-decider-v1-27b 领先于 Jev，但公布的详细结果显示，Jev 在十一项基准测试中的六项占优。

编程智能体的进步速度快于其实际自主能力。在 SWE-sweep 上让模型独自面对代码仓库时，最好的模型也只能找到并修复 4.7 % 的缺陷，花费却超过 7 000 美元。Claude Code 2.1.288 的 89 条更新内容大部分用于修复问题，包括 API 超时后的恢复和多项收紧的权限规则，同时重点介绍了一个监控主智能体工作的模组。Anthropic 则着手解决另一个瓶颈——人的技能，投入 1 亿美元培训能够将部署推进到生产环境的工程师。开放模型也逐渐在工具中获得一席之地，例如 Cursor 中的 GLM 5.3 和桌面端的 DeepSeek Harness。

最后，计算硬件正朝三个方向拓展。Google 在轨道上测试 TPU，未来它们可获得的太阳能最高可能达到地球上的 8 倍；NVIDIA 为 DGX Spark 新增 64 GB 配置，两台配对可支持 2000 亿参数；DeepSeek 则让其底层库能够通过相同 API 在 Huawei 的 Ascend 芯片上使用。它们各自以不同方式扩展了模型能够运行的地点和硬件范围。