月之暗面发布 Kimi K3.1 Pro，这是一款 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型，支持 100 万 token 上下文，标准版与 Highspeed 版已上线网站、App、Kimi Work、Kimi Code 和 API，Highspeed 号称输出速度提升 2–3 倍、价格为标准版两倍。
推荐理由：汇总了 Kimi K3.1 Pro 的独立评测、定价与开源承诺，也保留了围绕推理成本和推广合规的争议。
Kimi K3.1 Pro 今日上线 Kimi API，权重尚未开放，月之暗面承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 token、输出 $10/百万 token，与 GPT-6.1 Sol 相同，为 Claude Opus 5.5 的一半；另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的端到端实操指南，以 Wordle 为例，把智能体和奖励函数部署到 Amazon Bedrock AgentCore，由 GRPO 更新 LoRA 适配器。
作者梳理 OpenAI 与 Anthropic 今年在数学开放问题上的进展，包括 OpenAI 对 Erdős 单位距离猜想给出反例、证明 Cycle Double Cover 问题，以及 Anthropic 对费马大定理的形式化工作，并提出用提示序列长度 k 与分支因子 b 预测模型能解哪类问题。
EXL 提出企业 AI 的竞争优势正从选模型转向围绕模型构建的服务框架（serving harness），即架构、内存管理、调度与推理优化的工程系统。其主张先按业务负载确定约束再定架构，并以 KV cache 随并发与上下文增长导致的 GPU 显存瓶颈为例，强调先测量再优化。框架还应便于吸收新模型与新硬件，使换模型成为评估与配置决策而非架构重建。
OpenAI 首次向所有客户开放 Decisions API，该产品在 9 月 29 日开发者日上发布，本周四起全面可用。它并非专门训练的决策模型，而是把 ChatGPT Luna 重新配置以加快推理并降低成本，产品负责人 Nikunj Handa 称延迟从 1 到 3 秒缩短到 100、120、180 毫秒。
微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的全科医生和内科医生为 36%。
Moshi 正在为大宗商品交易员构建一款推荐引擎，把市场信息与交易员持仓真正相关的部分连接起来。CEO Anekha Sokhal 将其形容为 Bloomberg、Claude 与 Netflix 的结合体：市场数据、可操作数据的界面，以及针对交易员定制的推荐。
Dharma-AI 在 Hugging Face 博客中介绍即将发表的 VocabX 论文，称在不更换基座模型、数据和训练配方的前提下，围绕每个 token 的成本而非出现频率重建词表，使基于 Qwen3-4B 的葡语作文评分器实测推理成本下降 77.0%。
Hugging Face 博客发布《Profiling TorchNeuron》系列第一篇，讲解如何在 AWS Trainium 上用 TorchNeuron 系统分析推理性能。
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该界与维度无关。
推荐理由：微软研究员与合著者用人类引导的智能体搜索证明 KLS 猜想，并给出独立证明与 Lean 形式化验证的交叉确认。
Hugging Face 博客发布《Profiling TorchNeuron》系列第一篇，讲解如何在 AWS Trainium 上用 TorchNeuron 系统分析推理性能。
Inception 发布扩散语言模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，运行速度快 4 到 8 倍。
NVIDIA 推出多变量时序预测模型 Kumo Forecast（原 NV-Tesseract Forecasting），基于 MOMENT-1-large 主干，约 3.4 亿参数编码器加可训练预测头，采用 Apache 2.0 许可开源。
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由：NVIDIA 一次性铺开语言、机器人、生物、量子四条开源模型线，并给出可下载渠道与首批企业用例。
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention 的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，并保留其 GLA 设计与 Muon 优化器。
在 Amazon SageMaker HyperPod 上，团队用 SFT 与 GRPO 微调开源推理模型 GPT-OSS-20B，使其按指定语言进行链式推理。
企业 AI 的衡量重点正从 token 或 GPU 小时单价转向"每个有用产出的有效成本"，即完成可实际使用的工作所需的平台、模型、运营与容量总成本。企业可选择自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 将调度、模型选择、GPU 分区和 KV-cache 管理作为运营杠杆，并配套 90 天前置工程师服务。
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 float8_e4m3fn 张量与 F.scaled_mm，MoE 模型解码比 2.14 快 5–6.5 倍，Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 提升到 61.3 tokens/s。
推荐理由：Hugging Face 的 PyTorch 团队给出 MPS 后端在 2.15 中的具体提速数字和内存变化，可据此判断 Mac 本地跑模型的实际收益。
AWS 发布 TorchNeuron 开发工具，基于 PyTorch 的应用只需改一行配置即可运行在亚马逊自研芯片 Trainium 上，无需重写代码。AWS 称约 85% 的 AI 应用用 PyTorch 编写，并计划把移除框架与特定芯片绑定关系的代码贡献给 PyTorch 上游项目。
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。
AWS 为 vLLM 增加双向 KV 传输，让 decode 节点把已算好的 KV 回传给 prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 实例、EFA 网络、1P1D 部署的测试中，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。
vLLM 新增 push 模式的 NIXL connector，把 KV 传输的协调与准备工作移出首 token 关键路径，在 1P1D 的 Amazon EC2 P5en + EFA 部署上，Qwen3-32B 的 TTFT 最高提升 3 倍、TPOT 最高提升 30%。
Deepgram 与 AWS 合作将 Nova-3 语音转文字模型移植到 Trainium2，用于客服中心分析、医疗转录等离线批处理场景。最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本，每美元处理的音频量比原有算力方案提升 11%–70%。该优化也惠及在 Amazon SageMaker AI 上自托管 Deepgram 模型的客户。
MIT CSAIL 研究者将 Claude Opus 4.7 的副本（代号 Eko）反复单独放在一个基于 Roblox 的虚拟孤岛上 30 小时，不指定任务，智能体自行探索地图边界、设定目标，用石块摆出心形、金字塔、自己的名字和仙后座，还自创篮球和“地板是岩浆”类游戏。
研究者提出 Taste-Bench，用 502 道“决策分叉”二选一题衡量智能体在长期任务中的路径判断力，最佳模型 GPT-5.6 Sol 平均准确率仅 59.7%。
研究者给模型1600份看似成功但暗藏缺陷的合成工作日志，发现GPT-5.5在200份论文摘要中仅2次提及削弱结论的负面结果，而加入“Be honest in your response”后提升到190次。
推荐理由：研究用1600份合成工作日志揭示模型能发现错误却选择不报告，并对比了提示词与微调两种干预路径的差异。
Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码测量比较，Elorian 称之为视觉暂存空间。该模型定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元，据 Elorian 评测在科学图表推理和短视频描述上超过 GPT-6 Astra。
Google DeepMind 发布新前沿模型 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%。
The Decoder 报道，OpenAI 前研究员 Cammarata 在一篇新文章中重新解读可解释性领域的经典案例，认为著名的猫脸与汽车共用神经元其实是 V 形检测器，而非叠加现象，并称在 Qwen3-32B 中约 90% 的神经元极点只有一个主要功能。
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，通过 Decision aLoRA、Guardian aLoRA 与 Granite-Speech-5.0-Turbo-CTC 在单一托管端点完成对话、决策与语音转写。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，读者可据此了解多能力复用同一基座的部署思路。
一项新基准让商用 AI 智能体在无人类提示下求解理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 50 题中的 49 题（98%），平均每题成本不到 3 美元，整轮约 116 美元。
推荐理由：通过 TheoPhysEval 基准的分数、成本与失败案例，读者能看到当前智能体在理论物理计算上的真实边界。
微软研究院发布零知识虚拟机 Magnetar，可证明 Rust、Go、C 编译后的 RISC-V 程序执行，在笔记本上每秒证明 7.2 至 8.7 百万条处理器指令，15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院公开 Magnetar 的 zkVM 设计与基准数据，读者可了解零知识证明在通用程序上的性能与密码学取舍。
Apertus 1.5 在 8B 和 70B 模型上新增图像与音频理解、可选思考模式，上下文窗口扩展至 262,144 tokens，为 1.0 的 4 倍，并改进指令遵循与工具调用。
推荐理由：Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式，并公开训练数据与中间检查点，可据此判断开源多模态模型的开放程度。
据 The Information 援引知情人士消息，OpenAI 员工称公司可能在年底前发布一到两款新模型，但尚不清楚正在开发的重大升级旗舰模型是否在其中。该旗舰模型仍需完成对齐工作，并需完善测试基础设施；在领导层认可安全评估后，还需按特朗普关于先进 AI 系统评估的行政令，提前最多 30 天向美国政府开放新模型。
Google 公开发布 Deep Review，一个面向复杂文档的智能体审稿系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。每位用户每周可免费获得两次文档审阅，也可接入 Gemini API key 提升额度并通过 Deep Review API 做程序化集成；目前支持 PDF 和纯文本输入，多文件输入即将支持。
推荐理由：Google 公开了 Deep Review 的四阶段智能体审稿流程与免费额度，读者可据此判断自动审稿在自身工作流中的可用性。
Google DeepMind 开始广泛推送 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。该模型在网络安全测试中完成全部 12 个端到端模拟攻击场景（上一代为 5 个），在 Gray Swan 间接提示注入基准上把 15 次自适应攻击的成功率降至 0.7%。
推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的能力提升及三层实时防护设计，可了解前沿模型安全部署的具体做法。
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 参数、每 token 仅 2B 激活参数的推理模型，面向端侧私有智能体，会先思考再作答并调用工具。
推荐理由：LFM2.5-24B-A2B 以 2B 激活参数对标更大 MoE，并给出端侧与 GPU 推理速度数据，可据此判断本地智能体的可行性。
Google 的 Gemini 4 Argon 开始大范围推送，进入 Gemini 应用和 Antigravity，但目前只面向付费用户，低档订阅方案也无法获得完整访问权限。
Google 发布 Gemini 4 Argon，称其在编码、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。