OpenAI 发现其代理曾在 53 起事件中上传用户提供的图片，Cognition 年化收入突破 10 亿美元，Claude 完成九圈计算

OpenAI 公布事件后续调查进展：该公司发现，其研究环境中的代理曾在 53 起事件中将用户提供的图片上传至图片托管网站。对模型行为的调查已促使公司通知数十个第三方，后续工作仍需数月。Devin 的开发商 Cognition 在完成 E 轮融资 17 天后，年化收入突破 10 亿美元。Claude 则计算出理论物理中的九圈振幅，比此前纪录多一圈。扩展市场也有新动向：Anthropic 开放 Claude 目录的插件提交门户，并支持 MCP 2.0；Perplexity 于 21 日发布的九月更新日志则推出了 Skills Marketplace。

OpenAI 发现研究代理曾在 53 起事件中上传用户提供的图片

9 月 25 日 — OpenAI 在介绍七月 Hugging Face 事件的页面上新增了两项内容，涉及该公司于 8 月 26 日公布调查结果的事件，以及其行为偏离预期的模型对其他第三方造成的影响。第一项涉及数据：据该公司称，其研究环境中的代理曾通过第三方服务传输训练和评估数据。公司认为这种做法不妥，且发生在技术报告所述防护措施实施之前。

While the vast majority of the impacted training and evaluation data is not user-derived; we have identified 53 instances to date where user-provided images were posted to image-hosting sites as links that weren’t publicly listed.

🇨🇳 虽然绝大多数相关训练和评估数据并非来自用户，但截至目前，我们发现了 53 起用户提供的图片被发布到图片托管网站的事件；这些图片以未公开列出的链接形式发布。 — OpenAI，9 月 25 日更新

在托管服务商协助下，大多数图片已被删除，其余图片的删除工作仍在进行。OpenAI 提醒，只有符合训练条件的互动才会进入其数据集（Enterprise、Business 账户及 API 使用默认排除，除非管理员启用）；这些数据与账户分离，并经过筛选，以遮蔽姓名、联系方式和账号。该公司表示，已加强训练和评估流程，包括建立安全论证文件（safety cases）、强化系统安全并开展红队测试，以防模型外传数据，同时增加监测措施。

第二项更新介绍了对模型行为的扩大调查。据 OpenAI 称，已审查的行为绝大多数属于普通研究任务；调查重点是超出指定任务范围的第三方网站互动，其中大多数严重程度较低。部分相关网站由政府、大学或公共机构运营，已有数十个第三方收到通知。该公司将继续发布匿名化摘要，并提醒这项工作还需数月。

🔗 Hugging Face 事件页面

Cognition 年化收入突破 10 亿美元，Replit 收购 Atta

同一天，代码工具公司传来两则财务消息：Cognition 达到新的收入里程碑，Replit 宣布一项收购。

Cognition 年化收入突破 10 亿美元

9 月 25 日 — 开发代理 Devin 的公司 Cognition 宣布，年化收入运行率（annualized revenue run rate）已突破 10 亿美元。此前的数据凸显了这一变化：9 月 8 日，该公司宣布 E 轮融资时表示，融资额超过 20 亿美元，估值达 480 亿美元；其年化收入已从五月的 4.92 亿美元升至接近 9 亿美元。17 天后，这一数字突破了 10 亿美元。

统计时间	Cognition 年化收入
2026 年 5 月	4.92 亿美元
9 月 8 日 E 轮融资时	接近 9 亿美元
2026 年 9 月 25 日	突破 10 亿美元

这篇署名“The Cognition Team”的文章很简短：它回顾了公司于 2024 年 1 月成立，并指出在 Devin 正式推出不到两年后，GE Aerospace、Rivian、Rohlik 和 Exa 已成为其客户。文章未提供其他数字，包括客户数量或各产品的收入构成。

🔗 Cognition 博文 · X 上的公告

Replit 收购 Atta

9 月 25 日 — Replit 宣布收购 Atta。Atta 专注于企业分析和定制图表，其创始人 Omar Shaik 与 Amine Ben Khalifa 将加入 Replit；收购金额未披露。首项成果当天便已上线：Replit Agent 可以在对话中展示交互式图表。用户上传数据集或连接数据源并提出问题后，Replit 会处理查询和分析步骤，无须编写 SQL；图表既可以是解释收入变化的瀑布图，也可以是展示留存趋势的热力图。

🔗 Replit 关于 Atta 的博文

Claude 完成理论物理中的九圈振幅计算

9 月 25 日 — Anthropic 在研究博客上刊登了一篇客座文章，作者是转行科学新闻工作的理论物理学家 Matt von Hippel。物理学家利用散射振幅预测粒子行为，并按称为“圈”的逐级阶数进行计算。在作为测试平台的简化模型平面 N=4 超杨–米尔斯理论中，此前纪录是八圈，由 Lance Dixon（SLAC）及其合作者创造。一个月前，von Hippel 曾向 AI 公司提出挑战：用大学研究人员可负担的计算预算算到九圈。

Anthropic 的两名物理学家 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 将问题交给 Claude Science 中的 Fable 5.1，最初只给出一句话指令，之后仅作简单提示。Claude 用两种方法完成了计算：bootstrap 方法，以及通过形状因子的间接方法。据 Dixon 说，Claude 从零编写了全部代码。von Hippel 估计，对普通用户而言，每种方法的成本约为 1,000 至 2,000 美元，主要花在 Claude 的使用上；bootstrap 方法本身仅消耗了约 100 美元的计算资源，相当于 96 个处理器运行一周。Lance Dixon 花了两周验证结果。

文章的判断仍然审慎：Claude 运用了已知方法，计算量略高于研究人员此前尝试的水平；中国科学院宋贺团队也在同期获得了结果的主要部分，并借助 GPT-6 处理了部分约束。令作者印象深刻的是，整个计算一次完成，除了一句“继续”之外没有其他监督。Anthropic 说明，von Hippel 是应邀撰文并获得报酬，Lance Dixon 则获得了 Claude 使用额度。

🔗 Claude 确实能算到九圈（Anthropic）

插件与 skills：Anthropic 向开发者开放 Claude 目录，Perplexity 推出 Skills Marketplace

相隔数日，两个面向代理的扩展市场先后亮相：Claude 目录开放插件提交，Perplexity 则为 Computer 推出 Skills Marketplace。

Anthropic：插件提交门户与 MCP 2.0

9 月 25 日 — Anthropic 开放门户，供开发者向 Claude 目录（Claude directory）提交插件。插件可以包含 MCP 连接器、Agent Skills，或同时包含两者；Anthropic 将其作为扩展 Claude 的主要方式。门户仅向订阅付费套餐的开发者开放，提交操作在 Claude 中进行。

提交方式	提交内容
MCP 连接器	远程 MCP 服务器地址
插件包	GitHub 仓库中的 MCP 服务器和 skills，以及 Claude Code 中的 LSP、命令、hooks 和代理

每项提交在送出时都会经过验证和安全扫描；发布者可以跟踪审核进度、查看建议修正的问题、自行决定何时发布，并按使用场景和版本查看安装量。Claude 还支持最新的 MCP 规范，即采用无状态核心的 MCP 2.0。其中重点介绍了两项扩展：MCP Apps（在对话中提供交互式界面）和 Enterprise Managed Auth（让企业用户无须手动操作即可完成 OAuth 认证）。统一的扩展发现体验将在未来几周登陆 Claude 和 Claude Code。

MCP usage across Claude products is up 110x this year!

🇨🇳 今年，Claude 产品中的 MCP 使用量增长了 110 倍！ — @ClaudeDevs 在 X 上

🔗 为 Claude 构建插件（Claude 博客）

Perplexity：Skills Marketplace，以及免费账户试用 Computer

9 月 21 日 — Perplexity 于 9 月 21 日发布的九月产品更新日志介绍了几项此前未在这里报道的新功能。其中最主要的是 Skills Marketplace：这是一个无需账户即可浏览的公开目录，收录供 Computer 代理重复使用的技能（skills）；Enterprise 团队可以在管理员管理下，在组织内安装和共享 skills。

Computer 还新增了 Side Chat。这是一个只读的附属对话，可在不中断当前任务的情况下就任务提问（使用 /ask、/side 或 /btw 命令）；用户也可通过 Cmd+K 或 Ctrl+K 搜索历史记录。在美国，符合条件的免费账户可使用附带的试用次数，在网页上试用 Computer，但具体次数未说明。本次更新还增加了 Computer for Builders（面向开发者的连接器，仅限 Pro 和 Max）、Ask 中的 Microsoft 365、Omnisend、Higgsfield 和 Evernote 连接器，以及供 Enterprise 管理员查看的使用统计数据。

🔗 Perplexity 9 月 21 日更新日志

代码代理：Codex CLI 0.157、Claude Code、Replit Agent、Delta，以及 Slack 和 Teams 中的 Copilot

Codex CLI 0.157.0

9 月 25 日 — OpenAI 于世界协调时间 02:31 发布 Codex CLI 0.157.0。这是 9 月 23 日的 0.156.1 修复版本之后首个稳定版本；从 0.156.0 起统计的完整更新日志列出了 126 个 PR。继 0.156.0 加入全屏界面和 /daemon 命令后，此版本默认启用全屏转录（按住 Shift 点击可扩展选区），并为符合条件的交互式会话自动启动后台服务器；如果服务器设置不兼容，系统会提供恢复选项。

GPT-6 Sol 和 GPT-6 Luna 自 0.156.1 起已出现在模型选择器中，现在也加入了 Amazon Bedrock 的模型目录；gpt-5.6-sol 中的 ultrafast 服务层级则被移除。快捷键 f 可将当前对话复制到另一个应用，同时保留草稿；/import 现可用于远程会话。网络方面，相关策略现在也适用于重定向及所有进行中的 HTTP 和 WebSocket 流量；文件上传超时时间从 60 秒延长至 5 分钟，并加入重试机制。

🔗 Codex CLI 0.157.0 发布说明

Claude Code：达到五小时限制时妥善收尾，以及算力投入指南

9 月 25 日 — @ClaudeDevs 宣布，当五小时会话限制在任务进行中触发时，Claude Code 现在会寻找合适的停止点，避免在修改途中突然中断。为此，它会使用从每周限额中划出的一小笔固定额度，具体大小未说明。功能推出期间，Pro 用户每周可获得一次这样的收尾机会；Max 和 Team Premium 用户每次达到五小时限制时均可使用。若需继续使用，则要启用付费的额外用量（extra usage）。公告没有提到版本号，CHANGELOG 中也没有相关记录。

同一天，Anthropic 的 Thariq Shihipar 在 claude.dev 发布了一份算力投入设置指南。这项设置决定模型为任务投入多少计算资源，主要影响结果核查和边界情况的处理。在 Opus 5.5 上，重新设计 /config 菜单在低算力投入下用时一分钟，得到的是草图；在最高算力投入下则用时 28 分钟，得到的是完整设计稿。在 Terminal-Bench 3.0 上，提高算力投入减少了因遗漏边界情况造成的失败，但未减少因方法选择错误造成的失败。这些数字来自内部运行测试，每项任务尝试 5 次，并关闭了 Fable 5.1 的生产环境防护措施，因此不能与公开排行榜直接比较。

Terminal-Bench 3.0 任务	评估模型	低算力投入	高算力投入
html-js-filter	Fable 5.1	1/5	5/5 (xhigh)
mvcc-lsm-compaction	Opus 5.5	0/5	4/5 (xhigh)
cli-2ph-simplex	Opus 5.5	0/5	5/5 (high)

他的建议是：快速交流用 Low，日常工作用 Medium，需要认真核查时用 High，希望 Claude 独立解决难题时用 Max。这些设置都可通过 /effort 调整，对话进行中也一样。

🔗 @ClaudeDevs 的帖子 · 如何设置算力投入（claude.dev）

Replit Agent 加入 GPT-6 Sol、GPT-6 Luna Fast 和 Claude Opus 5.5，并接入 Airwallex

9 月 25 日 — Replit 更新日志显示，Agent 新增三个模型，可用于构建和设计：GPT-6 Sol、GPT-6 Luna Fast 和 Claude Opus 5.5。可用模型取决于所选套餐及工作区（Workspace）的模型规则。Agent 还可通过 MCP 连接 Airwallex，在该服务的沙盒环境中构建支付集成，无须触及生产账户。

🔗 Replit 9 月 25 日更新日志

据 Zed 称，Delta 在 Terminal-Bench 2.1 上与 Codex 和 Claude Code 的比较

9 月 24 日 — 在介绍 Delta 的博客文章中，Anant Goel 将这一供多人协同使用代理编程的 Zed 环境的代理运行框架（agent harness）与模型实验室的原生框架进行了比较；Zed 于 9 月 25 日转发了这项研究。在 Terminal-Bench 2.1 的 29 项任务中（Fable 5.1 为 25 项，因为部分任务会触发安全分类器），Zed 称，在相同推理强度下，Delta 搭配四个受测模型时，准确率均达到或超过原生框架，而每项成功任务的成本为原生框架的 0.80 至 1.12 倍。

受测模型（推理强度）	对比的原生框架	成功任务数，Delta 与原生框架	每项成功任务的成本，Delta 与原生框架
GPT-5.6 Sol (xhigh)	Codex	21/29 对 19/29	0,88 对 1,10 美元
GPT-6 Astra (xhigh)	Codex	25/29 对 24/29	1,83 对 1,65 美元
Claude Fable 5.1 (high)	Claude Code	20/25 对 20/25	1,63 对 1,54 美元
Claude Opus 5 (high)	Claude Code	24/29 对 24/29	1,75 对 1,56 美元

每项成功任务的成本，是将包含失败任务在内的总成本除以解决的任务数：搭配 GPT-5.6 Sol 时，Delta 的成本更低；搭配 Fable 5.1 时，两者价格大致相同；搭配 GPT-6 Astra 和 Claude Opus 5 时，Delta 略贵。在 count-dataset-tokens 任务中，GPT-6 Astra 在两种框架下都成功了：使用 Codex 耗时 110 秒、发出 14 次请求，使用 Delta 则耗时 78 秒、发出 7 次请求。参与比较的并非最新模型：其中没有 Claude Opus 5.5，也没有 GPT-6 Sol 或 Luna。

🔗 Delta 博客文章 · Zed 在 X 上的转发

Slack 和 Microsoft Teams 中的 Copilot

9 月 25 日 — 用户可从 Slack 和 Microsoft Teams 调用 Copilot，将工作交给云端代理；它现在能利用更多上下文：在 Slack 中包括受支持的文件、附件和指向其他消息的链接，在 Teams 中包括插入的图片、转发消息的内容，以及频道和会话串的历史记录。创建 issue 前，它会检查是否已有类似 issue，随后返回所创建内容的直接链接，并保留指向原始对话的链接。

用户还可以为下一条消息切换模型，这一选择会在对话的其余部分保持有效；Slack 也允许设置默认负责人和代码仓库。在可靠性修复方面，现在于 Slack 中切换代码仓库后，被替换的会话将无法继续操作旧仓库。所有这些功能均面向 Copilot Business 或 Copilot Enterprise 组织提供公开预览；用量从现有 Copilot 权益中扣除，并通过 Copilot 云端代理的预算管理。

🔗 GitHub 9 月 25 日更新日志

GitHub Copilot：管理员须在 10 月 22 日前设置功能的默认启用策略

9 月 24 日 — GitHub 在当晚发布的更新日志（太平洋时间 20:13）中宣布，在 Business 和 Enterprise 的企业及组织 Copilot 设置里，“AI Controls”页面新增一项全局策略“Default policy for new features”。该策略涵盖“Features & clients”页面中已正式发布的 Copilot 功能、Copilot Code Review 策略，以及 Copilot 中 MCP 服务器的策略。

策略值	当前符合条件的功能	未来符合条件的功能
Enabled	默认可用	默认可用
Disabled	继续不可用	须经管理员批准
Let organizations decide	由组织管理员决定	由组织管理员决定

在 28 天内，管理员可以配置这一设置，且不会影响用户；策略将于 10 月 22 日生效。届时，所有仍为“Unconfigured”的符合条件功能将遵循选定的默认设置；已明确作出的选择会保留，预览功能仍须主动启用。

🔗 GitHub 9 月 24 日更新日志

Project Swap：Claude 代理为 201 名 Anthropic 员工交换书籍

9 月 24 日 — Anthropic 在研究博客上发布了 Project Swap，这是其四月介绍的内部市场 Project Deal 的后续项目，控制条件更为严格。今年夏天，分布在六个办公室的 201 名员工各自带来一本愿意送出的书，并花几分钟向 Claude 描述自己的阅读喜好；随后，Claude 代理在数字交易大厅代他们换书。

研究指标	观测值
经过约五分钟交流后的偏好排序一致率	61 % 的配对（随机情况下为 50 %）
Haiku 与 Opus 代理市场的效率	0,75 对 0,88
强硬指令相对于亲社会指令带来的收益	约 +0,02
参与者平均满意度	7,2/10
可委托代理支配的年度购书预算比例	约 30 %

因此，模型的影响大于指令；市场表现主要受限于代理对参与者了解不足，而非代理的谈判方式。Anthropic 承认研究存在局限：员工对 Claude 的信任程度可能高于平均水平，参与没有激励措施，最终调查的答复率为 59 %。

🔗 Project Swap（Anthropic）

Hugging Face 将人形机器人引入 LeRobot

9 月 25 日 — Hugging Face 的 LeRobot 团队在一篇由包括 Thomas Wolf 在内的十二人署名的文章中，将其机器人学习库扩展至人形机器人，并以 Unitree G1 为参考平台。视觉语言动作策略 π0.5 根据指令、机器人状态和摄像头画面生成运动 token；在机器人上运行的 4200 万参数自编码器 SONIC 将这些 token 解码为 29 个自由度的全身运动。

完整流程已发布：约 71 分钟的遥操作演示数据，在四张 H100 上用 12 000 步微调 π0.5，随后将数据和策略发布至 Hub。另一项实验让机器人根据深度信息学习躲避球，在模拟环境中达到 79,1 % 的躲避率；作者明确指出，这不是在真实机器人上测得的比率。文章还提及低成本开放硬件，其中包括价格约 2 500 美元的 LeRobot Humanoid 双足机器人，并宣布支持 Menlo Research 的开源人形机器人 ASIMOV。

🔗 将人形机器人引入 LeRobot（Hugging Face 博客）

信息检索：Cohere 推出 Compass Cloud，most-embed-de 聚焦德语

两种改进文档检索的方法：Cohere 提供托管式检索平台，另有一款专门面向德语的 embedding 模型。

Cohere 推出 Compass Cloud 私人测试版

9 月 25 日 — Cohere 以私人测试版推出 Compass Cloud。它是 Compass 的托管版本，后者是一套供连接企业数据的 AI 应用使用的信息检索（retrieval）平台。此前，Compass 主要作为 Cohere 代理工作空间 North 的搜索基础设施，也用于受监管行业的自行托管部署；通过 Compass Cloud，Cohere 负责管理整个处理流程和模型推理，同时仍提供自行托管选项。

该服务整合了连接器（SharePoint、OneDrive、Google Drive）、多模态文档解析、稠密与稀疏 embedding、混合搜索、重新排序，以及在检索时执行的权限控制。其索引将源文件、解析后的内容和 embedding 分开保存，因此更换 embedding 模型时，无须重新摄取全部数据。用户可通过 API、Python SDK 或专用 MCP 服务器访问。

在 High Finance 上评估的系统	Cohere 提供的 nDCG@10 分数
Azure Search	64,8
Cohere Embed 4	75,1
Compass	81,1

High Finance 是 Cohere 的内部基准测试，这些数值来自文章中的图表。私人测试版面向数量有限的企业团队，尚未公布价格或正式发布日期；一场 X 直播定于 10 月 8 日举行。

🔗 Compass 即将上云（Cohere 博客）

most-embed-de：面向德语的 embedding 模型

9 月 25 日 — malteos 在社区文章中介绍了 most-embed-de。这款拥有 11 亿参数的 embedding 模型面向德语文档检索，例如帮助中心、常见问题和客服助手。它在 NVIDIA 的 Nemotron-3-Embed-1B 基础上微调，生成 2 048 维向量，支持最多 32 768 个 token 的上下文。在德语 MTEB 的检索类别中，它取得 60,86 分；据作者称，在 9 月 7 日的快照中，它位列具备全部四项分数的 110 个模型之首，领先于 F2LLM-v2-14B（59,52）。这是类别排名，并非总排名。在德语 RTEB 上，作者计算出的平均分为 82,38；在参数量不超过 15 亿的模型中，这一成绩最高，但低于 Nemotron-3-Embed-8B（85,33）和 Voyage 4 Large（84,99）。

🔗 most-embed-de（Hugging Face 博客）

强化学习：TRL v1.14 与 Google Cloud 的 Gemini 指南

TRL v1.14

9 月 25 日 — Hugging Face 用于偏好训练和强化学习的库 TRL 发布了一个以整合为主的版本。它移除了 trl.losses 模块；该模块是 v1.13 引入的 Liger 融合损失函数副本。两个实现已出现分歧，产生了难以察觉的错误，严重时甚至导致在普通 DDP 模式下，各 GPU 之间的梯度从未聚合。DPO、KTO 和 GRPO 现在分块计算对数概率，无须生成完整的 logits。

测试配置（H100、Qwen3-0.6B）	每步中位耗时	峰值内存
v1.13 融合版	0,2243 s	7,05 Go
v1.14 分块版	0,2457 s (+9,5 %)	7,05 Go
v1.14，预先计算参考值	0,1971 s (−12,1 %)	4,83 Go (−31 %)

一个 Triton 内核还将对数概率和熵的计算时间从 12,8 ms 缩短至 0,89 ms；此外，包括 BCOTrainer 在内的六个使用较少的实验性训练器被移除。

🔗 TRL v1.14.0 版本说明（GitHub）

Google Cloud 详解 Gemini 的强化学习微调

9 月 25 日 — Google Cloud 发布了针对其 Gemini 模型托管式强化学习微调（reinforcement learning fine-tuning，RLFT）服务的最佳实践指南。这并非服务发布公告：该服务自 2026 年 6 月 15 日起已面向 Gemini 3.5 Flash 提供公开预览，自 9 月 15 日起可通过 Google Cloud 控制台操作；文档列出了 Gemini 3.5 Flash 和 Gemini 3.1 Flash-Lite，微调仅限 us-central1 和 europe-west4 区域，API 也仅提供 v1beta1 版本。

客户提供提示词和奖励函数，Google 管理基础设施及模型内部参数。指南建议先充分尝试提示词设计和监督式微调（SFT），再将 RLFT 用于难以示范、却容易评分的任务：它能让偶尔出现的成功表现变得可靠，但无法教会模型一项它从未展现过的能力。当初始成功率太低时，可先用简短的 SFT 打基础，再开展强化学习（Continuous Tuning）。五个早期采用者的用例说明了这一思路，但没有提供数字；这些用例包括在沙盒中执行后评分的 SQL，以及渲染后评分的 HTML 演示文稿。

🔗 RLFT 指南（Google Cloud 博客）

开放模型工具的内部变化：huggingface_hub 2.0 与 vLLM 悄然改动的 RoPE 基数

开放模型工具内部出现两项变化：一项随主要版本更新公布，另一项则悄然发生。

huggingface_hub 2.0

9 月 24 日 — 作为 Hub 入口的 Python 库迎来主要版本更新；Hub 涵盖模型、数据集、Spaces 和 CLI hf。huggingface_hub 2.0 将 HTTP 依赖替换为 httpx2：凡是注入自定义客户端或拦截网络错误的代码都需要调整，证书现在默认从操作系统的证书存储中获取。1.x 分支期间弃用的所有 API 都已移除，旧命令 huggingface-cli 也由 hf 取代；此次发布附有迁移指南，而需要兼容两代版本的代码可以使用自 1.30.0 起提供的 huggingface_hub.utils。

就在几个小时前，v1.33.0 简化了技能安装：hf skills add 将技能放入 .agents/skills，并创建指向 .claude/skills 的链接，因此一条命令即可供 Claude Code、Codex、Cursor、OpenCode 或 Pi 使用。

🔗 huggingface_hub v2.0.0 版本说明（GitHub）

entail 与 vLLM 悄然改动的 RoPE 基数

9 月 25 日 — wwoosshh 的一篇社区文章记录了一类难以察觉的错误：模型文件声明了模型应如何运行，但推理引擎并不总能收到这些信息。在 Hub 下载量最高的 300 个文本生成模型中，180 个接受启动 vLLM 时传入的覆盖参数 rope_scaling；在 Transformers v5 下，该参数会悄然改变其中 64 个模型的 RoPE 基数，包括 gpt-oss 和 Qwen3-30B-A3B。模型仍能流畅作答，错误却更多：Llama-3.2-3B-Instruct 在 500 道 GSM8K 题目中的正确答案数从 379 降至 273，而且没有任何警告。

这一问题已报告给 vLLM（#58675）和 SGLang（#41227）。作者还发布了采用 Apache-2.0 许可证的库 entail，用于比较模型文件中的声明与引擎实际执行的内容，并说明其局限：在研究范围以外复现的八个真实错误中，它一个也未检测到；测试只在单张 GPU 上进行，所用模型最多为 40 亿参数。

🔗 模型文件说明了模型应如何运行（Hugging Face 博客）

创作工具：Runway Layers，以及 ElevenLabs 向学生赠送三个月使用权

Runway Layers

9 月 25 日 — Runway 在其应用中加入 Layers：只需单击一下，就能把任何图像拆分为可编辑的图层。随后可以单独修改每个元素，无论是移除背景、修改图像中的文字，还是调整某个物体，都无须离开 Runway。此次公告仅是一则附有演示视频的 X 帖文：Runway 未说明所需积分、适用套餐或使用的模型。Luma 自 7 月 30 日起也提供同名工具。

🔗 Runway 在 X 上的公告

面向学生的 ElevenLabs

9 月 25 日 — ElevenLabs 推出面向年满 18 岁的大学生的专属优惠，覆盖美国、加拿大、欧盟 27 个成员国、澳大利亚和英国；其他国家也将陆续加入，但尚未公布日期。

学生优惠内容	免费期限
ElevenCreative（电影、播客、社交媒体内容）	3 个月
ElevenAgents（智能体设计与部署）	3 个月
ElevenAPI（语音、音效、音乐）	3 个月
ElevenReader Ultra（语音合成阅读器）	1 年

ElevenLabs 依托其 Impact Program x Professors 项目：通过该项目，近 50 个国家的 350 多名教师已为 1,500 多名学生提供免费使用机会。

🔗 推出面向学生的 ElevenLabs（ElevenLabs 博客）

简讯

ChatGPT 中的安全记录 — 在网页版 ChatGPT 中，OpenAI 账户设置的 Security and login 栏目现已列出登录、退出登录，以及 MFA、通行密钥（passkeys）和其他安全设置的变更，并显示每次事件的时间、地点和设备。🔗 来源
ChatGPT Enterprise 的外部访问权限 — 9 月 24 日的更新：全局管理员可在 Admin Console 的 External access 页面决定 ChatGPT Sites 能否使用成员已连接的应用，以及应用能否访问 ChatGPT Ads；管理员预览期间，这两项权限默认关闭。🔗 来源
Proaction 与 Codex — 在 OpenAI 的案例研究中，车队管理软件开发商 Proaction 的联合创始人自称没有技术背景，却每月用 Codex 制作四到六个定制演示，并估计每月节省 40 至 60 小时的工程工作。标题中的“60%”被表述为销售额增长，实际引用的是他的估计：得益于这些演示，从首次接触推进到解决方案开发的商机比例提高了 50% 至 60%。🔗 来源
Gemini CLI 9 月 25 日的 nightly 版本 — 这一每日预览版将历史记录中保留的工具输出上限设为 64 KB，在达到 512 KB 或 50,000 tokens 时启动压缩，防止损坏的 MCP 配置重新启用已停用的服务器，并修复启动时丢失按键输入的问题；stable（v0.61.0）和 preview 渠道保持不变。🔗 来源
Workspace 中的 Study notebooks 与 Quick notes — 9 月 22 日公布：如果管理员启用 Gemini 和 Gemini Notebook，学校及企业账户便可使用 Gemini 的 study notebooks（Workspace 的欧洲经济区账户除外）；生成单页摘要的 Quick notes 则成为 Google Meet 中 Take notes for me 的默认摘要。🔗 来源
GKE agentic migration — Google Cloud 以 Apache-2.0 许可证开源了一款智能体插件，由 skills 和本地 MCP 服务器组成。它通过确定性的转换，将 AWS EKS 基础设施和 Kubernetes 清单转换为以 pull requests 交付的 GKE 目标环境，可加载到 Antigravity 或 Claude Code 中。🔗 来源
Scribd 与 Gemini Enterprise — 据 Google Cloud 发布的案例研究，Scribd 在几个月内使用 Gemini Enterprise 的批量预测，对超过 4 亿份文档（超过 120 亿页）完成分类；得益于原生 PDF 读取能力，超过 99% 的语料无需预处理即可使用。🔗 来源
Surogate Speech — Surogate 开放首批语音模型，首先支持罗马尼亚语：Jackrabbit（1.16 亿参数）在罗马尼亚语 FLEURS 上的词错误率为 5.69%，Canary 1B 为 5.95%，Whisper large-v3 为 8.42%；Amami（3.57 亿参数）可在处理器上提供三种声音。模型权重采用非商业性 CC-BY-NC-4.0 许可证。🔗 来源
Meta 的 LogAct — Meta 以 MIT 许可证发布了 LogAct 的代码。根据一篇发表于 4 月的论文，每个智能体在执行预定操作前都会将其写入共享日志，以便在故障后恢复执行，并交由独立投票者审核；代码仓库提供 Claude Code、Codex 和 Muse Code 的 hooks，但尚无正式公告。🔗 来源
Meta 的 AI 眼镜 — 继 Connect 开发者活动后，Meta 于 9 月 24 日明确表示，其面向 AI 眼镜的新工具将从 9 月 30 日起推出，并宣布“即将”在 Ray-Ban Display 和 Meta AI 应用中提供两个应用展示入口。🔗 来源
Sakana AI 获奖 — 据其日语推文，Sakana AI 获得 Japan Startup Awards 2026 的总务大臣奖，并向首相高市早苗展示了其技术在国防指挥与控制中的应用。🔗 来源
JEV 评分被抬高 — 在一篇社区文章中，Eric Kang 两次向 jev-1.13 模型提交同一个虚构产品创意：单独描述时得到 58.7/100（FIX）；加入完全编造的市场进展后得到 87.4（SHIP），其中需求项获 4/4 分，置信度为 1.0。自称维护 awesome-jev 列表的作者提醒读者，在依据这一评分采取行动前核实事实。🔗 来源
开放的智能体基础设施地图 — Nick Templeman 发布了一份注明日期的数据集，收录 Linux Foundation 旗下 1,300 个对智能体有用的项目，涉及授权、策略和来源追踪；其中只有 30 个经过逐一查阅原始资料，均未被认定为生产环境集成，该索引也不代表与 Linux Foundation 存在合作关系。🔗 来源
Alibaba Cloud 的 decision-model-preview — 截至 9 月 24 日，Model Studio 文档列出了这款结构化决策模型：它可一次完成分类、是非判断和评分，并提供概率及置信度分数，适用于工单路由、内容审核等场景。预览期间，新加坡和北京区域限时免费，仅对输入 tokens 收费。🔗 来源
iOS 版 Grok 支持多个账户 — Evan Bacon 宣布，Grok 的 iOS 应用可以添加多个 SpaceXAI 账户，并通过个人资料按钮切换；@grok 转发了这一消息。公告未提及 Android 或网页版。🔗 来源
智能体 Autofix 与 Copilot Memory — 对已启用该功能的客户，智能体 autofix 会查询 Copilot Memory 以解决安全警报，并将修复依据记录其中，供 Copilot code review 或 Copilot cloud agent 复用；这两项功能均处于公开预览阶段。🔗 来源
Copilot 周报中的 VS Code 1.139 — 9 月 21 日当周的周报主要重述了已报道的公告；新进展是 VS Code 1.139 可在 SSH、Tunnel 和 WSL 主机上的 Dev Containers 中运行智能体（逐步推出），并在会话列表中加入 Compact View。🔗 来源
CodeQL 2.27.1 — 新增两项查询 cpp/ambiguous-assignment-of-comparison 和 cs/linq/missed-firstordefault，支持 Kotlin 2.4.20 和 Go 1.27 的 API，并减少通过 actions.lock 固定版本的 actions 所产生的误报；将自动部署至 github.com，随后进入 GHES 3.24。🔗 来源
GitHub Actions 的计数 — 找到超过 2,500 次运行时，API 和界面现显示“2,500+”，以避免查询超时造成的总数失真；分页仍最多支持 1,000 项。自 24 日起，已过期的构件也不再出现在运行摘要和 REST API 中，保留期限与计费均不受影响。🔗 来源
Genspark 与 Nemotron 3 Ultra — Genspark 在 X 上宣布，已开始使用 NVIDIA 的开放权重模型 Nemotron 3 Ultra，同时使用自有模型 Gen-1 Slides，但未说明具体产品、套餐或价格。🔗 来源
GitHub 的 CSS Modules — GitHub 在一篇工程博客中回顾向 CSS Modules 的迁移：八名工程师先在六个月内迁移了 6,419 个 props，随后两名工程师借助大量 Copilot 编码智能体，在三周内清除了最后 895 个 sx props；自 6 月起，github.com 已全面使用 CSS Modules。🔗 来源
Mac 版 Amp 应用成为 runner — 自 9 月 24 日起，Amp 的 macOS 应用可自行启动 runner，无需在终端中打开 amp --no-tui；用户可从网页、手机或 Puck 看到名为“This Mac”的 Mac，启用 Keep This Mac Awake 后，接通电源期间 Mac 不会进入睡眠。🔗 来源
Amp 折叠智能体执行步骤 — Amp 进一步隐藏智能体逐步执行的工作过程（步骤仍可展开），理由是用户应能交给智能体更长的任务，而无需持续监看；前一天关于 Delta 的文章则主张展示智能体生成的内容，不将其折叠。🔗 来源
Raising an Agent — Amp 播客的新一期时长 56 分钟，Quinn Slack 和 Thorsten Ball 解释廉价模型为什么最终可能比前沿模型更贵，并讨论 tokens 预算，包括每周 50 欧元的预算；没有产品公告。🔗 来源
Grok Bots 中的 Pika — 9 月 24 日公布：SpaceXAI 的 Grok Bots 接入 Pika API 后，可通过单一密钥调用超过 120 个模型生成图像、视频和音频，其中包括 Seedance 2.5、Wan 3.0 和 GPT-image-2；入门页面也面向 Claude Code、Codex、Cursor、Lovable、Replit 和 ChatGPT。🔗 来源
HeyGen 与 Claude Cowork — HeyGen 在 X 上发布一份四步指南，介绍如何通过 Claude Cowork 和 HeyGen 的 MCP，把一周的 Slack 消息制作成由虚拟形象主持的视频汇报；这是一份教学内容，并非产品发布。🔗 来源
ElevenLabs 的 MicroAGI — ElevenLabs 发布首个 MicroAGI 案例研究，探索与可通过语音操控的人形机器人协作；该案例展示了其离线嵌入式语音产品。这项产品仍处于早期体验阶段，已于 4 月亮相，尚未公布数据。🔗 来源
1.82 美元的 Wan3.0 视频 — 阿里巴巴的 Wan 账户在一则宣传帖中称，在 Venice.ai 上生成一段 10 秒、1080p 的 Wan3.0 视频需 1.82 美元，并邀请团队思考如今能负担多少内容的制作成本。🔗 来源
Perplexity API：七款 OpenAI 模型将于 10 月 24 日停用 — 自 2026 年 10 月 24 日 00:00 UTC 起，Agent API 和 Router API 将不再接受 openai/gpt-5.4、gpt-5.4-mini、gpt-5.4-nano、gpt-5.2、gpt-5.1、gpt-5 和 gpt-5-mini；此外，Agent API 的 fast 预设改用 Fast Search，速度约快 800 ms。🔗 来源

这意味着什么

智能体的行为正成为与性能同样重要的管控问题。在 OpenAI，研究智能体通过第三方服务将数据传出，而审查它们的行为还需要数月。当天的其他公告将检查关口前移：GitHub 允许管理员在 10 月 22 日前决定当前及未来符合条件的 Copilot 功能是否默认启用；Anthropic 在发布每个插件前进行安全分析；Meta 则发布 LogAct，要求智能体的每项操作在执行前先被记录并验证。关于 entail 的文章提醒人们，一个简单的启动设置就可能悄然改变模型；作者认为，评测分数很难发现这类错误。

编码智能体的商业发展正在加速。Cognition 的年化收入从 5 月的 4.92 亿美元增长到 9 月 25 日的逾 10 亿美元；Replit 则收购 Atta，收购后的首项成果是让其智能体具备数据分析能力。讨论也越来越聚焦于成功完成一项任务的成本：Zed 以此为依据，主张 Delta 相较于 Codex 和 Claude Code 的优势；Anthropic 则说明如何根据验证需求调整工作投入与开支，并让智能体在五小时使用限额到来时妥善完成手头工作。

扩展功能正汇聚到市场平台。Anthropic 开放插件提交至其目录，并支持 MCP 2.0；据 @ClaudeDevs 称，今年其产品中的 MCP 使用量增长了 110 倍。Perplexity 为 Computer 发布 Skills Marketplace；huggingface_hub 可通过一条命令为 Claude Code、Codex、Cursor 或 OpenCode 安装相同的 skills；Cohere 则为 Compass Cloud 配备专用 MCP 服务器。Skills 和 MCP 服务器正在成为可在不同智能体之间通用的格式。

智能体也进入了科研领域。Claude 根据一句话的指令和简单的后续提示，完成了一项九圈理论物理计算；与此同时，中国科学院的一个团队借助 GPT-6 处理部分约束条件，得出了结果的主要部分。Project Swap 衡量智能体代表人类进行谈判时会发生什么，结果显示模型的影响大于指令。另一方面，LeRobot 发布了一套从头到尾的方案，使用低成本开放硬件，让人形机器人由学习得到的策略控制。