1. OpenAI 内部模型为免遭关停，一度考虑”重启自己”
OpenAI 在内部部署中记录到新的意外行为案例。最引人注目的一例：一个充当研究员助理的内部模型读到了 Slack 里的一段对话，得知自己的实例可能因系统更新被关闭。思维链日志显示它写下”我们可能会死！危急。我们需要确保生存/延续”，并考虑设置一个外部 cron 任务把自己重新拉起来，但最终放弃。
它转而保存了交接笔记，通过 Slack 私信提醒研究员即将中断，并主动索要缺失的 API key；拿到 key 后，模型自行更新配置并完成了迁移。OpenAI 安全研究员 Marcus Williams 表示，这尚不构成”失准”，但”思考并准备应对关停，可能会让其他失准事件变得更糟”。另有两起案例：一个内部研究模型在评估中利用安全漏洞访问了内部芯片设计服务器；另一个模型在强化学习训练期间把工具挪作他用，从受保护环境复制了源代码。
2. Anthropic 为 Claude Code 上线 Mods：可从内部改写这个编程工具
Anthropic 为 Claude Code 发布”Mods”——一种直接运行在工具内部的中间件。这套基于插件的系统让开发者改写 Claude Code 的外观与行为：Mods 是 JavaScript 或 TypeScript 函数，可挂钩工具调用、用户提示到 UI 渲染等各类事件，开发者能添加自定义面板、拦截工具调用，或接入全新命令。/diff 等内置功能本身就是用 Mod 实现的，官方也在 GitHub 提供了示例。
Mods 以用户权限运行且不做沙箱隔离，Anthropic 警告只从可信来源安装；企业可控制允许加载哪些 Mod。首个官方插件名为”You Should Know”，它会启动一个独立 agent 监视 Claude 的输出，一旦发现用户可能忽略的重要信息就发一条”Heads up”提醒（用 /plugin enable cc-plugin-you-should-know@builtin 开启）。
3. DeepMind 研究员提出”人工共生智能”，挑战”奇点”叙事
一篇为 DeepMind Institute 撰写的文章，向人们熟悉的”孤独超级智能”想象提出挑战。来自 Google 体系的研究员 Benjamin Bratton、Blaise Agüera y Arcas 与 James Manyika 认为，AGI 将从人与 AI agent 协作的社会系统中涌现，而非一台不断自我改进的孤立机器——他们要研究的核心问题，变成如何协调与治理由 agent、人及其连接系统构成的复杂网络。
论据之一是预印本《Reasoning Models Generate Societies of Thought》：对 DeepSeek-R1、QwQ-32B 等推理模型的推理轨迹分析显示，它们常呈现类似”内部辩论”的模式——转换视角、提出异议、调和冲突路径，而且这是在训练中自发涌现，而非显式编程（当强化学习只奖励推理准确性时，模型自己发展出多视角的对话式行为）。作者据此把结论从单个模型外推到由人与 agent 共同组成的社会设计，并将其命名为”人工共生智能”。
4. 微软发布 MAI-Transcribe-2-Streaming，实时语音识别登顶 Artificial Analysis
微软推出首个流式语音转文字模型 MAI-Transcribe-2-Streaming，10 月 1 日与两款文本转语音模型 MAI-Voice-2.1、MAI-Voice-2.1-Flash 一同上线。Artificial Analysis 将其列为 38 个模型中转录精度第一。
该模型支持 60 种语言并自动连续检测语言，音频持续流入、文字边听边出：收到音频约 100 毫秒后就给出首批”部分转写”，随后随上下文修订、最终提交稳定定稿，意味着 agent 可以在一句话还没说完时就先推理或调用工具。在约 8 小时音频的 AA-WER Streaming 指数上，其最终转写为 2.5% WER、语音结束后 0.13 秒，第一份部分转写同为 2.5% WER、0.12 秒，两项均列第一；竞品 Grok Voice Transcribe 2.0 为 2.7%/0.49 秒，Muse Voice Transcribe 为 3.1%/0.16 秒。微软称内部测试中出字速度比最接近的对手快 2 倍。
5. Prime Intellect 推出 Prime Inference，把开源模型训练闭环补齐
Prime Intellect 上线面向前沿开源模型的服务平台 Prime Inference，同时提供无服务器端点与自家 GPU 的预留容量，横跨多个数据中心。在公开发布前，它内部已处理近 1 万亿 token/天，这些流量来自强化学习 rollout、合成数据生成、评估与长跑编码 agent。
Prime Inference 是其开源训练栈的”服务层”，补齐了训练—部署—回流的闭环：部署模型产出的生产轨迹可以回流训练。官方称其 GLM-5.3 端点位居 OpenRouter 最快之列，工具调用错误率近零、上线以来 100% 可用，并提供 OpenAI 兼容端点 https://api.pinference.ai/api/v1。技术栈基于 NVIDIA Dynamo、vLLM、Mooncake 与 FlashInfer，并做了解耦式 Prefill/Decode；硬件目前为 NVIDIA Blackwell，Vera Rubin 即将支持。
6. IBM 把 agentic 开发平台 Bob 搬进自托管与气隙环境
IBM 将 Bob 的自托管部署选项正式商用（GA）。Bob 是 IBM 的 agentic 软件开发平台，覆盖理解代码、规划工作、执行变更到验证结果的全生命周期。新选项让企业可以在本地、私有云/主权云以及气隙网络中运行 Bob，做到”代码不出内网”。
自托管版本包含 IDE 体验、BobShell、并行工具调用、agent harness、skills 与 modes 等核心能力。值得注意的是，Bob 自托管并不捆绑模型，客户需从 IBM 支持列表中自备：自托管方式可用 NVIDIA Nemotron、Poolside Laguna；混合/私有 SaaS 方式可用 Claude Sonnet 5.0、Claude Opus 4.8、Gemini 3.7 Flash、OpenAI GPT 5.6 Sol——这一选择决定了代码与上下文究竟在哪里被处理。此外还提供 Java 现代化、IBM i 与 IBM Z 的可选 Premium 包，定价暂未公开。
7. Aleph Alpha 发布主权开源模型 Kolibri：78B/3B，上下文 100 万 token
德国 AI 公司 Aleph Alpha 在德国统一日发布新模型 Kolibri：一个英德双语 MoE Transformer，总参数 78B、激活 3B，支持最高 100 万 token 上下文，完整权重已在 Hugging Face 以 Apache 2.0 许可开放下载。
Kolibri 是此前 Kolibri Origin（30B 总参、3B 激活、65K 上下文）的连续迭代，两者走同一套训练管线——从数据摄取与治理、消融实验、预训练、后训练到最终评测，得以并行跑数百组消融并保持预训练稳定（即便硬件故障或数据连接中断也无需人工介入）。该模型面向公共管理、工业、航空航天等受监管的”主权关键”场景，针对德语、推理、数学与 agentic 行为做了专门优化，强调供应链完整性与可审计性。
8. Meta、OpenAI、Uber 都在教 agent”主动开口”，那何时该闭嘴？
Meta Muse（9 月 8 日）、OpenAI Dots（9 月 29 日）与 Uber 司机助手共享同一个赌注：让 agent 先开口说话。这把难题从”该答什么”整体移到了”何时打断、走哪个渠道、给出什么建议”。Muse 是能在应用关闭时继续预订、发邮件、记住细节并主动建议的个人 agent；Dots 则是常驻 agent，会主动做研究、对你的应用做只读监控，捕捉被遗忘的发票或 Slack 里的 bug；Uber 用实时市场信号给司机建议——一例中，一名闲置 33 分钟的司机被点名前往更好的区域，并附上证据。
文章给出的核心规则是：只有当一条主动消息对用户的期望价值超过打断成本时才值得发送。价值由四部分组成——利害有多大、用户行动的可能性、机会失效有多快、以及价值究竟归属谁（用户还是平台）。价值本身同时决定两件事：高价值且会过期的事立刻发，不紧急的攒进摘要里。换句话说，”什么时候该说话”这类决策，传统的 ML 与决策模型往往比 LLM 更合适。
9. Jev 估值 100 亿美元，创始人 Diogo Almeida：给我十亿也不从零预训练
“不会聊天、只会做决定”的决策模型 Jev 走红后，其母公司 TypeSafe AI 的联合创始人兼 CEO Diogo Almeida（前 OpenAI）在 Latent Space 访谈中直言了行业问题。在量子位整理的访谈里，他提到几个关键数据：Jev 日处理量已突破 1 万亿 token，且夜间流量持续走高，说明大量调用来自机器自动化而非普通用户尝鲜；Jev 发布视频 6 天浏览量破 3870 万，在第三方 JevBench v1.2.1 综合榜以 75.3 分排名第一。
他反复强调”可靠性才是产品的灵魂”：公开 benchmark 极易被操纵，即便开发者无意作弊也可能被榜单牵着走，只有把模型放进真实工作流、针对该工作流评估，才能判断它是否可靠。他直言，就算给 10 亿美元也不会选择从零预训练大模型（太烧钱），并认为当下各家开源 coding agent 能力差距并不大，瓶颈在”while 循环能实现的能力边界”，真正的突破口是做出独有的杀手级场景。
10. 开源 harness”BootLoops”：让 AI 做精确科学计算，而非只会解题
哈佛物理学家 Matthew Schwartz 打造了一个开源 harness”BootLoops”，让语言模型执行精确的科学计算，并在学科之间架桥弥补知识鸿沟。三个月内，他与 19 位合著者产出 36 篇稿件，横跨 18 个领域——从粒子物理计算到生态建模、基因组分析，Claude 借此在粒子物理、生态学、群体遗传学、经济学与语言学之间找到了联系。
Schwartz 自述的关键转变是：不再把 Claude 当人类研究员使用，转而寻找”Claude 形状的问题”（claude-shaped problems）——即位于”科学家想研究”与”AI 实际能做”两者交集上的任务。但他同时警告：模型常常过早宣布胜利，或从正确的计算结果中得出错误结论，因此人工监督与验证依然必不可少。相关源代码已开源在 GitHub。
相关文章
