华为诺亚方舟实验室联合UCL等团队开发的Memento 3 AI系统，在ARC-AGI-3的25款游戏、183个关卡中取得满分100分的RHAE成绩，操作次数比人类少56%。该系统以Claude Opus 5为底模，通过Code as Model方法实现递归自我改进，无需更新模型权重或微调即可通关。研究团队还让该系统挑战Atari Pong游戏，在掌握规则后无需调用大模型即可连续三局21:0获胜。
推荐理由：华为团队提出基于世界模型的递归自我改进方法，在不更新模型权重的情况下实现游戏AI性能大幅提升。
杨立昆发布H-JEPA模型，采用分层推理架构，在Visual AntMaze任务中成功率从18%提升至73%。该模型反对当前Agent和RSI技术路线，主张通过抽象层级而非简单增加步数来实现更高效的世界模型。
微软于10月12日推出基于阿里Qwen3.5-9B后训练的决策模型Microsoft-Decision-1，在结构化决策任务中时延和准确性超过LLM及Jev 1.13.0等模型。该模型已在微软内部处理超过1万条玩家反馈，并在事件响应、质量控制、科学发现等领域进行测试，测量速度是亚军模型的2.5倍，GPT-6 Sol的35倍，输入代币成本为每百万代币0.042美元。
Vals AI的研究表明，GPT-6 Sol和Claude Opus 5.5在团队模式下仅在一个测试中显示出7.3分的显著提升，而成本却增加了1.8倍至5.1倍。Anthropic和OpenAI的研究也证实，增加智能体主要提高速度而非质量，大规模智能体系统面临协调成本过高的问题。
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生的Harness框架，让多模态模型直接观察环境、保存原始画面并在推理时回看细节。
推荐理由：VISTA框架让多模态模型无需训练即可保存和回看视觉信息，在ARC-AGI-3等评测中表现优异。
OpenAI发布两篇数学手稿，分别声称证明了三维挂谷极大函数猜想和四维挂谷猜想，将王虹和Zahl的工作扩展到四维。这些论文未经同行评审和形式化验证，引发了数学界对AI研究方式的激烈争议。
推荐理由：原文展示了AI在数学领域的突破性进展及其对人类数学研究的冲击。
高盛首席美股策略师与TMT专家指出，AI投资叙事正从半导体资本开支向"推理经济"和个人智能体等应用层迁移。市场广度为互联网泡沫以来最窄，但高盛仍维持年底市场走高的基本判断。
TypeSafe AI发布决策模型Jev，估值75亿美元，日处理token达数万亿级并盈利；OpenAI批量发布722篇数学手稿，覆盖挂谷猜想等17个方向；苹果库克卸任CEO后首访广州，推进Apple Intelligence在华备案。
作者分享了15天横跨北美与101位AI从业者交流的观察，包括模型能力提升、Agent工作方式变化、电力基础设施瓶颈以及具身智能发展现状。
微软发布决策模型 Decision-1，基于 Qwen3.5-9B，在 36 个基准测试中达到 83.5% 准确率，速度比第二名快 2.5 倍。
Google正在测试Gemini 4的多个变体，其中Carbon模型在编程任务上表现优于Argon，员工将其与Anthropic的Opus 5.5进行比较。Google将Argon定位为前沿推理模型，而Carbon可能是其家族中的检查点或更新。
TypeSafe宣布完成"Series AI"轮融资，估值达75亿美元，年收入超过1亿美元，距离产品发布仅3周。多家公司推出决策模型API，包括OpenAI、Microsoft、Perplexity等，形成新的产品类别。
微软发布 Microsoft-Decision-1 决策评分模型，在 Microsoft Foundry 可用，OpenRouter 即将上线，可输出选项校准概率。
Underdog AI 发布 Saluki 27B 模型，为 Qwen3.8-27B 的 2-bit 量化版本，文件大小仅 7.89GB。该模型针对智能体应用优化，擅长日常推理和工具使用，工具选择及多工具并行调用表现优于全尺寸 Qwen3.8-27B。
TypeSafe AI完成8.7亿美元融资，估值达75亿美元，其非文本生成型AI模型Jev上线不到一个月即获资本追捧。Jev不输出文本而是生成概率决策，速度比LLM快约100倍，成本仅为后者的1/100到1/500，已被财富500强企业中三分之一采用。
TypeSafe AI旗下的AI决策模型Jev推出数周后迅速走红，已完成8.7亿美元融资，公司估值达75亿美元。该模型已被约三分之一的财富500强企业采用，用户规模突破100万，目前平台每天处理的标记数量已达数万亿级别。
微软宣布推出 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 进行后训练，在响应延迟与决策质量上均具备顶尖性能，现已上线 Microsoft Foundry 并同步接入 OpenRouter。
微软发布Microsoft-Decision-1决策AI模型，专为结构化决策任务设计，运行速度比GPT-6 Sol快35倍，输入端收费每百万tokens 0.042美元，输出免费。该模型已在微软内部用于事故响应、质量控制及科学研究等场景测试，并已向开发者开放。
OpenAI发布由内部模型撰写的722篇数学研究手稿，涵盖17个领域的372个成果类别，引发数学界对证明正确性和优先权的质疑。
字节Seed团队研究发现DeepSeek-V4模型性能会随输入位置周期性变化，最高准确率差距达40.2个百分点，这与模型采用的分块KV Cache压缩技术有关。研究证实这种周期性波动与压缩步长直接对应，后训练和架构迭代可显著缩小差距。
OpenAI发布722篇数学手稿，声称解决了包括四维挂谷集猜想在内的372个数学难题，平均每个问题仅用3小时。这些成果建立在菲尔兹奖得主王虹的研究基础上，但尚未经过同行评审和形式化验证，引发数学界质疑。
谷歌正积极布局递归式自我改进(RSI)技术，试图通过AI参与改进自身研发来应对在AI竞赛中的紧迫感。9月谷歌连续公布四项相关进展，包括Gemini 3.8 Flash、Dream-RSI和RRSI等技术，试图从模型外围入手积累改进，再将收益带回模型研发。谷歌认为RSI能将技术进步转化为研发复利，是其重新争夺行业节奏的机会。
Liquid AI 发布 d1-3B 和 d1-omni-600M 两款开放权重决策模型，分别支持文本与图像输入以及文本、图像与语音输入，已在 Hugging Face 公开。d1-3B 在 NVIDIA RTX 4090 上单次判断耗时 8 毫秒，在 Decision Index v0.2.1 测试集获得 48.57 分。
JetBrains 发布 Mellum2.1 模型，高负载推理吞吐量接近 Qwen3.5-9B 两倍，增强智能体编程能力，可识别测试失败根因并起草修复方案。
Anthropic 发布 Claude Haiku 5.5，这是其小型模型约一年来的首次更新，价格与 OpenAI 的 GPT-6 Luna 相同。该模型被定位为与 Opus 5.5 或 Sonnet 5.5 配对的子智能体，用于高容量、成本敏感的工作。
OpenAI宣布GPT-6开始面向全球ChatGPT用户推出，采用边想边答方式和智能界面；Anthropic推出Claude Haiku 5.5，称其为速度最快、最便宜、功能最强的Haiku系列小型模型，综合运行成本比上一代低约75%。
Claude Haiku 5.5发布，跑分超越DeepSeek V4.1Flash和GLM-5.3-Flash，价格比上代降低90%，但换了tokenizer导致token消耗增加。
推荐理由：原文详细对比了新旧模型性能与价格变化，读者可据此评估迁移成本与适用场景。
Google Research发表了一项为期三个月的实地实验，研究AI辅助对专利律师专业能力的影响。实验发现AI工具短期内显著提高了律师起草专利的质量，但移除AI后，初级律师的专业判断能力并未提升，而高级律师则表现出明显的进步。研究强调，提高工作质量和构建持久专业判断可能是不同的目标，尤其对初级专业人士而言。
推荐理由：研究揭示了AI对专业能力发展的复杂影响，为AI工具设计提供了重要参考。
AWS 宣布 Claude Haiku 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 上可用，这是 Claude 5.5 家族中最快、最高效的模型，成本比 Claude Haiku 4.5 低约 75%。
NVIDIA 研究团队通过微调 Nemotron 模型，使其在国际信息学奥林匹克竞赛(IOI 2026)中获得 535.4/600 分，在国际数学奥林匹克竞赛(IMO 2026)中获得 30/42 分，均超过金牌分数线。团队使用了监督微调(SFT)、强化学习(RL)和生成-验证-改进的推理循环，并将相关模型、数据集和基准测试开源在 Hugging Face 上。
推荐理由：展示了如何通过微调和推理循环将基础模型适配至竞赛金牌水平，提供了可复用的专业领域模型构建方法。
OpenAI发布了722篇数学论文，解决了500个开放数学问题中的90个，包括准黎曼猜想等重要成果。这些成果来自内部Navier-Stokes数学模型，平均每篇论文仅需3小时ChatGPT Pro计算时间。
OpenAI发布了一个未发布内部模型产出的722篇数学论文，涵盖准黎曼猜想、希尔伯特第十问题、BSD猜想、霍奇猜想等多个数学难题。这些论文被分为372组结果，平均每项结果消耗的算力约相当于ChatGPT Pro思考3小时。论文已上传至GitHub，但数学界表示需要时间验证这些结果。
Mirror Particle正在构建一个基础模型，模拟人类行为及其随时间变化的原因，以预测消费者行为并提供决策支持。该公司已获得天使轮融资，并即将完成首轮融资，将在TechCrunch Disrupt 2026的Startup Battlefield 200中参赛。
AI公司Reflection发布了其首个开源大模型Beam，该模型采用混合专家架构，激活5010亿参数中的230亿，在编码、逻辑推理和智能体任务上表现出色，计算效率显著高于GLM-5.2和Qwen 3.8。Beam通过大规模预训练和强化学习训练获得能力，并计划本月开放Apache 2.0许可的模型权重。
摩根士丹利报告指出，面对AI内存短缺，行业正探索降规、分离负载和CXL内存池化三种策略。英伟达Rubin平台降低内存规格，Cerebras等企业推动推理负载分离，Astera Labs和Marvell受益于CXL技术发展。报告维持对Micron和SanDisk的增持评级，认为内存短缺周期远未终结。
OpenAI启动'疯狂28天'计划，首日宣布GPT-6 Astra和GPT-6.1 Sol默认推理速度提升约50%，同时推出广告和文本水印等商业化措施。
Reflection发布了开源模型Beam，这是一个501B总参数/23B激活参数的MoE模型，专为编码、智能体和科学工作设计。Beam在SWE-bench Verified上达到80.9分，推理效率比GLM 5.2高3-4倍，完整Apache 2.0权重将于本月发布。
谷歌研究人员提出RRSI方法，通过限制编辑预算和严格审查，防止AI智能体在自改进过程中过度记忆训练任务，在保持训练任务性能的同时提升新任务表现。
Reflection AI 发布 Beam 开源大模型，该模型拥有 5010 亿参数，在推理基准上与中国模型 GLM-5.2 表现相当，但计算成本降低 3-4 倍。Beam 将通过超大规模云服务商和开源库分发，目标是为企业和政府提供定制化 AI 解决方案。
推荐理由：原文提供了模型参数、训练数据和性能对比等关键信息，读者可据此评估其市场竞争力。
AWS 发布 aws-ai-ml 技能，通过 Agent Toolkit for AWS 为 Kiro、Claude Code 和 Codex 等编码智能体提供 SageMaker AI 推理优化和基准测试能力。该技能可帮助用户基准测试端点、推荐部署配置、比较性能运行，并生成可执行的 SageMaker Python SDK v3 代码，无需专业知识即可完成模型到生产的优化过程。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。