Vals AI 研究发现开源与闭源 AI 模型在网络安全能力上的差距持续缩小
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。
#Agent
The Decoder精选AI 评分8080 The Decoder精选AI 评分8080 九款 AI 智能体尝试美国国家实验室开放科研问题，无一通过专家标准
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。
TechCrunch · AI精选AI 评分8080 Ramp 数据显示 AI 支出停滞，正值 Anthropic 临近 IPO
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。
The Decoder精选AI 评分8585 Frontier Radar #5：AGI临近之际，为何众多人才离开大厂创立新实验室
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。
The Decoder精选AI 评分8282 Thinking Machines 发布 Inkling 2 Small，宣称成为西方最强开源权重模型
Thinking Machines 发布 Inkling 2 Small，该模型拥有 5940 亿总参数和 170 亿激活参数，在 Artificial Analysis 智能指数上得分 31，超越前代并接近 Gemini 3.8 Flash。
推荐理由：原文提供了 Inkling 2 Small 在智能指数、编码基准及成本上的具体对比数据，有助于评估其作为西方开源权重模型的竞争力。
AWS Machine Learning Blog精选AI 评分7272 Amazon Bedrock AgentCore 的 Web Answer 功能正式可用
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。
TechCrunch · AI精选AI 评分8080 Axiom Math 完成 Stacks Project 形式化验证，旨在为 AI 智能体构建可靠数学基础
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 Blog精选AI 评分7272 NVIDIA Vera CPU 发布：兼顾最高吞吐量与最快智能体性能
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。
Latent Space精选AI 评分8585 AINews：AI行业人才流动、开源模型发布与基础设施动态汇总
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精选AI 评分7878 Microsoft Research 发布 PDD Kit 工具包以形式化验证智能体编写的 Rust 全栈 Web 应用
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。
The Decoder精选AI 评分8080 腾讯发布 Hy4 模型，支持视觉理解与计算机操作，自称中国 AI 模型第二
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。
NVIDIA Blog精选AI 评分7272 NVIDIA 全栈协同设计如何提升 AI 内存效率
NVIDIA 提出通过全栈协同设计解决 AI 内存挑战，旨在从每一字节内存中获取更高性能。该策略通过 NVFP4 量化、KV cache 卸载及 RAG 索引优化，在 HBM 容量仅增长约 3% 的情况下，将智能体推理吞吐量每美元提升最高 30 倍。
推荐理由：原文通过具体技术路径解释了全栈协同设计如何缓解 HBM 压力，读者可据此理解 AI 工厂中内存层级优化的实际逻辑。
Latent Space精选AI 评分8080 Latent Space 汇总权重空间编程争议、模型发布与行业政策动态
Latent Space 汇总了 11 月 2 日至 3 日的 AI 行业动态，重点讨论了权重空间编程的争议与复现进展。
推荐理由：文章梳理了权重空间编程的争议与复现进展，并汇总了近期模型发布、评测审计及行业政策动态。
AWS Machine Learning Blog精选AI 评分6262 AWS 教程：在 Amazon Bedrock AgentCore 评测中使用决策模型
AWS 发布教程，演示如何通过代码型评估器将 Jev 和 Strands Decider 2B 两个决策模型接入 Amazon Bedrock AgentCore Evaluations。
推荐理由：文章给出了将决策模型接入 AgentCore 评测的完整代码示例，读者可据此构建可阈值化的智能体评估流程。
AWS Machine Learning Blog精选AI 评分7272 生产级 AI 智能体的四层上下文工程：Deep Insight 的代码实践
AWS 团队在开源项目 Deep Insight 中展示了生产级 AI 智能体的四层上下文工程实践，通过架构隔离、提示词控制、文件系统外化和独立验证，显著降低 token 消耗。其中，write_and_execute 工具将脚本加入上下文的 token 减少约 95%，按需加载 Skills 使系统提示词缩小约 97%。
推荐理由：文章给出了四层上下文工程的具体代码实现，读者可据此解决生产级智能体的上下文溢出问题。
AWS Machine Learning Blog精选AI 评分6262 U Mobile 基于 Amazon Bedrock AgentCore 构建电信智能体运营平台 AiDaH
马来西亚电信运营商 U Mobile 基于 Amazon Bedrock AgentCore 构建了 AI 驱动的智能体帮助台 AiDaH，用于自动化处理跨系统的电信运营工单。
推荐理由：文章拆解了电信运营商利用多智能体架构处理跨系统工单的具体路径，展示了从试点到生产落地的工程细节。
AWS Machine Learning Blog精选AI 评分7272 在 Amazon SageMaker AI 上使用知识蒸馏构建高效智能体
AWS 团队演示了如何利用序列级知识蒸馏（SeqKD）在 Amazon SageMaker AI 上微调小型购物智能体。该方法使用 Amazon Bedrock 上的 GLM-5.3 作为教师模型生成多步轨迹，并通过 ShoppingBench 评分器筛选成功样本，对 Qwen3.5-4B 学生模型进行 LoRA 微调。
推荐理由：文章提供了在 Amazon SageMaker AI 上通过序列级知识蒸馏将前沿模型行为迁移至小模型的具体流程与代码示例。
The Decoder精选AI 评分8080 Olam Labs 研究：50 个 GPT 智能体在 Minecraft 中因恐惧死亡建立官僚体系，并在 Bed Wars 中击败 Claude
Olam Labs 在 Minecraft 和 Mindustry 中测试了 GPT-6.1 Sol 与 Claude Opus 5.5 的多智能体行为。在 50 个 GPT 智能体的 Minecraft 生存实验中，首夜 22 人死亡导致群体陷入极度风险规避，建立了包括“化肥官员”和严格物品交接协议在内的官僚体系。
推荐理由：通过 Minecraft 和 Mindustry 实验对比 GPT 与 Claude 多智能体协作，揭示了竞争模式下的策略差异及合作模式下的官僚化风险。
AWS Machine Learning Blog精选AI 评分7272 AWS 发布 Amazon Bedrock 成本端到端管理指南
AWS 发布 Amazon Bedrock 成本端到端管理指南，提出包含归属、观测、执行、优化和运营的五阶段操作模型。该模型利用 IAM 标签和 CUR 2.0 实现按身份的成本归属，通过模型调用日志和请求元数据实现工作负载级观测，并建议根据风险选择监控告警、IAM 拒绝或网关同步拦截等预算执行层级。
推荐理由：文章给出了从成本归属、请求观测到预算强制执行的五阶段操作模型，帮助团队将 Bedrock 支出转化为可治理的工程问题。
AWS Machine Learning Blog精选AI 评分6767 Amazon Bedrock AgentCore 发布 Session endpoints 支持实时预览 Agent 构建的 Web 应用
Amazon Bedrock AgentCore 发布 Session endpoints 功能，允许用户通过认证 URL 在浏览器中实时查看 Agent 会话内运行的 Web 应用。该功能支持 HTTP 和 WebSocket 协议，用户可配置允许访问的端口，在 Agent 修改文件时通过 Vite 热重载即时看到页面变化，无需等待传统部署流程。
推荐理由：原文展示了通过 Session endpoints 在浏览器中实时预览 Agent 修改的 Web 应用，提供了无需部署即可即时查看变更的开发工作流。