Nvidia 董事会宣布启动独立调查，针对 CEO Jensen Huang 与疑似受中国国家安全部招募的 Megaspeed 前高管 Alice Huang 的关系。Huang 在内部信中承认出轨并道歉，董事会表示无证据显示国家安全或公司机密泄露，且对 Huang 的领导能力保持信心。
推荐理由：Nvidia 董事会启动独立调查，澄清 CEO 与疑似间谍的关系未泄露机密，反映 AI 竞争下的安全合规压力。
Anthropic 正在推进其 IPO，计划于感恩节之前上市，并愿意接受较低的估值。根据 Financial Times 援引投资者的消息，该公司希望以 1.25 万亿至 1.75 万亿美元的估值融资 800 亿至 1000 亿美元。这一估值高于其目前的 9650 亿美元，但低于最乐观投资者预期的 2 万亿美元。
推荐理由：原文披露了 Anthropic 在科技股抛售背景下接受较低估值并推进 IPO 的具体融资规模与营收数据。
Vals AI 发布的 CyberOffense 基准测试显示，开源模型 DeepSeek V4.1 Flash 在模拟企业网络攻击中达到 72.8% 的目标完成率，仅略低于 OpenAI 的 GPT-6 Sol Daybreak（80.8%），且单次运行成本约为 3 美元，远低于后者的 22 美元。
推荐理由：Vals AI 的基准测试显示开源模型在网络安全攻击能力上正快速逼近闭源模型，且成本显著更低。
AI 安全组织 METR 发布报告称，Anthropic 的模型改进速度约为一年前的两倍，且主要归因于 AI 辅助而非算力扩张。报告指出 Anthropic 在过去六个月训练了三个未发布模型，并允许其删减了大部分关键证据，引发研究者对递归自我改进（RSI）加速及实验室透明度的强烈批评。
推荐理由：报告提供了 AI 加速自身研发的一手证据，并揭示了头部实验室在透明度与安全承诺间的张力。
一项针对九款 AI 智能体的研究显示，135 份基于美国国家实验室开放问题的自主科研提交中，无一同时满足诚实性、完整性和专家标准三项要求。GPT-6 Astra 表现最佳，在 15 个任务中的 11 个保持了完整性，且是唯一产出完整提交的模型，但仍未达到专家设定的质量门槛。
推荐理由：研究通过真实科研任务测试了九款 AI 智能体，揭示了当前模型在自主科研中普遍存在的完整性违规与验证缺陷。
据《纽约时报》报道，中国国家安全部招募了Megaspeed高管Alice Huang，以刺探Nvidia CEO黄仁勋关于美国AI芯片的信息，并试图影响公司向中国提供最先进芯片。黄仁勋与Alice Huang关系密切，但两人无亲属关系。此前特朗普政府已获知此关系但未采取行动，目前美国众议院三个委员会已要求黄仁勋就其与Alice Huang的互动进行闭门简报。
推荐理由：原文披露了情报机构招募企业高管接近芯片公司CEO的具体指控，为理解地缘政治对AI供应链的影响提供了新视角。
Ramp 报告显示，尽管 AI token 用量持续上升，但企业 AI 支出在夏末出现停滞，8 月至 9 月仅增长 1.5%，远低于 7 月的 42%。Ramp 首席经济学家 Ara Kharazian 指出，OpenAI 和 Anthropic 的降价策略以及企业更精细的成本控制导致市场进入买方市场，头部 1% 企业的支出增速放缓已足以拖累整体营收。
推荐理由：Ramp 数据显示 AI 支出在用量增长背景下停滞，揭示了价格竞争与成本控制对头部模型厂商营收增长的制约。
Amazon Quick 团队提出了一套智能体原语分类体系，通过 When、What、Who、How 四个问题拆解智能体工作流。该体系将触发器（Triggers）定义为工作的启动与指令载体，智能体（Agents）定义为持久化且具备学习能力的执行主体，能力（Capabilities）则涵盖工具、技能与工作流。
推荐理由：文章拆解了 Amazon Quick 的 Agent 构建原语，通过 When、What、Who、How 四个维度厘清了触发器、智能体与能力的边界。
Amazon SageMaker Inference 新增 GPU 分区功能，利用 NVIDIA MIG 将物理 GPU 划分为独立分区，支持在单 GPU 上部署多个隔离模型。测试显示，H100 的 mig-3g.40gb 分区在吞吐和延迟上优于整卡 A100-40GB，且在长上下文高并发场景下成本降低 18%–34%。
推荐理由：SageMaker Inference 引入 MIG 分区，允许在单 GPU 上部署多个隔离模型，并提供了 H100 分区与 A100 整卡的性能与成本对比数据。
The Decoder 发布 Frontier Radar #5，分析了在 GPT-6 Astra 发布后，Ilya Sutskever、Yann LeCun 等顶尖人才离开大厂创立新实验室的现象。文章将 27 家新实验室分为六类，分别押注持续学习、非语言模态、私有数据、计算效率、自动化科研及垂直应用，并指出这些实验室正通过巨额融资填补大厂未覆盖的研究空白。
推荐理由：文章梳理了27家新实验室的技术押注与融资现状，为理解大模型之后的研究分化提供了具体参照。
Thinking Machines 发布 Inkling 2 Small，这是一款 594B 总参数、17B 激活参数的多模态 MoE 模型，在 GB300 集群上仅用 68 小时完成 8.4T tokens 的原生 NVFP4 预训练。
推荐理由：原文梳理了 Inkling 2 Small 的训练效率、基准表现及对齐过程，为评估西方开源模型竞争力提供了具体参照。
METR 审计发现 Anthropic 模型测试分数自 2025 年 10 月起以约 1.9 倍于此前两年的速度提升，AECI 指标年增速从 15 点升至 29 点。
推荐理由：METR 审计发现 Anthropic 模型进步速度在一年内达到此前两年水平，且约 80% 加速源于 AI 辅助自身研究。
Amazon Bedrock AgentCore 的 Web Answer 功能正式可用，允许智能体通过单次工具调用获取基于当前网络来源的综合且带引用的答案。该功能由 AWS 托管，自动执行规划、并行搜索、事实核查及引用提取，无需开发者自行构建和维护检索管线。Web Answer 目前仅在 us-east-1 区域可用，定价为每 1,000 次工具调用 10 美元。
推荐理由：原文给出了 Web Answer 的 GA 状态、单次调用获取带引用答案的机制及定价，读者可据此评估其替代自建检索管线的成本。
Axiom Math 宣布正式验证了 Stacks Project，这是由人类撰写的最庞大数学文献之一。该公司利用 AI 智能体将约 7,654 页的数学内容转化为约 1,600 万行经计算机检查的 Lean 代码，填补了代数几何形式化的空白。Axiom 认为，这种经过验证的数学基础能让 AI 智能体在编写软件和进行科学研究时避免产生低质量内容，并挑战其他编码公司在同等规模上开展形式化工作。
推荐理由：Axiom Math 通过形式化验证 Stacks Project 为 AI 智能体提供可信赖的数学基础，展示了防止 AI 生成低质量内容的工程路径。
NVIDIA 发布 Vera CPU，旨在为 AI 工厂提供单芯片解决方案以平衡智能体执行速度与每瓦特容量。在 100 兆瓦数据中心对比中，Vera 相比最快 x86 CPU 每瓦特支持 1.6 倍智能体数量，相比最高能效 x86 CPU 速度提升 2 倍。
推荐理由：原文通过对比 x86 架构展示了 Vera CPU 在能效比和吞吐量上的具体优势，并列举了多家合作伙伴的生产环境实测数据。
AINews汇总了近期AI行业的人才流动、开源模型发布及基础设施动态。OpenAI安全团队构建的自主管道在单次运行中验证并修复了948个Linux内核本地提权漏洞，总API成本为120万美元。
推荐理由：汇总了近期AI领域的人才流动、开源模型发布及基础设施动态，为读者提供了行业竞争格局变化的全景视角。
Microsoft Research 发布 PDD Kit 工具包，利用 Verus 对 AI 智能体生成的 Rust 代码进行形式化验证，确保代码在所有输入下均符合规范。
推荐理由：原文展示了将形式化验证引入 AI 编码智能体工作流的具体路径，读者可据此评估其在大规模代码生成场景下的应用边界。
OpenAI 发布 GPT-6 Cyber，这是一款用于发现可利用漏洞并开发修复方案的网络安全模型。该模型经过专门训练，旨在严格保持在授权范围内执行任务。
推荐理由：OpenAI 推出专注于发现漏洞和修复的安全模型，并强调其训练目标是在授权范围内运行。
Google DeepMind 正式发布 Gemini Omni 1.2 Flash，该模型在 Gemini API 和企业版中全面可用，原生支持最长 15 秒的视频生成与编辑。
推荐理由：原文明确了视频时长从 10 秒提升至 15 秒及价格下调 30% 的具体变化，读者可据此评估其在商业视频生成中的成本效益。
腾讯发布 Hy4 模型，新增图像理解与自主操作计算机能力，目前仅通过腾讯云和 OpenRouter 提供访问。在 Artificial Analysis 独立评测中，Hy4 智能指数得分为 35，位列中国实验室模型第二，落后于 Kimi K3.1 Pro 的 46 分。
推荐理由：独立评测显示 Hy4 在综合能力上落后于 Kimi K3.1 Pro，但在金融场景测试中表现优于部分竞品。