OpenAI 宣布将前沿模型和 Codex 代理工作流接入 Google Cloud 的 Model Garden，企业可以在自己已有的构建环境中直接调用这些模型。

上线 Google Cloud 的模型包括 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna。Codex 的代理式工作流一并开放，供企业在云端完成代码相关的自动化任务。Google Cloud 由此成为唯一同时提供三家闭源模型的超大规模云厂商。

对已经在 Google Cloud 上搭建系统的企业来说，模型调用不需要迁移到其他平台，采购和权限管理可以沿用现有云账户。目前 OpenAI 未公布各模型在 Model Garden 中的定价和区域覆盖范围。

https://x.com/OpenAI/status/2112988118471295323
https://x.com/testingcatalog/status/2112981561591107979

OpenAI 表示，其模型在 Patch the Planet 计划中协助研究人员发现了 PHP 的关键安全漏洞。PHP 是开源编程语言，估计支撑约 70% 的网站运行。

过去两个月，OpenAI 牵头组织维护者、研究人员和安全厂商组成联盟，在漏洞公开披露前准备修复与防护措施。修复过程复杂，需要对 PHP 引擎做较大改动，因此耗时较长。相关漏洞被描述为 PHP 引擎中的两个严重远程代码执行缺陷，影响 PHP 5.4 及以上版本，公开利用代码已经出现。使用 PHP 的站点现在可以升级版本以获得防护，也可采用各安全厂商提供的缓解措施。

OpenAI 认为，考虑到漏洞的严重程度和 PHP 的广泛使用，这是近期影响最大的漏洞之一。该事件被其视为 AI 能以互联网级规模发现安全缺陷的新阶段。OpenAI 还打包了一个 Codex 技能，供站点自查是否受影响。

https://x.com/OpenAI/status/2112907856018309586
https://x.com/GoogleDeepMind/status/2113000918031724703
https://x.com/OpenAI/status/2112945805686604033
https://x.com/vercel_dev/status/2112988286864195960

在 GTC Berlin 2026 闭幕演讲的压轴环节，黄仁勋演示了 Nous Research 的 Hermes Agent。他的说法是，构建一个 Agent 的办法，就是让一个 Agent 替你把它建出来，随后用一句提示词完成 Hermes 的安装与定制配置。

演示中，运行在 NVIDIARTX Spark 上的 Hermes 为 Hugging Face 的 Microduck 搭建了一套模拟训练环境。它借助 Nemotron 规划出一条障碍赛道，并让 GPT-6 Astra 使用 FreeCAD、Omniverse 库、Blender、Newton 和 Isaac Lab 完成搭建。随后 Hermes 在这条赛道上训练了数千只模拟鸭子，直到策略通过验证、可以迁移到物理世界的真实机器人上运行。

Nous Research 在介绍中把开源定位为实用工具，而不只是理念。它让用户能够自行串联本地与云端模型、设备和工具，构建复杂工作流，而不必等待封闭方案。

https://x.com/NousResearch/status/2113010017645244623

10 月 17 日DeepSeek 更新 V4.1 Flash-1017 两天后，MiniMax 于 10 月 19 日 正式发布 M3.1 Flash，并认领了此前在开发者社区流传的匿名模型 Space Bunny。

M3.1 Flash 支持文本、图像、视频输入，上下文长度 1M，推理深度可调。评测方面，它在 Zapier 构建的 Automation-Bench 复杂 Agent 任务对比中排名第一，该数据集包含 600 个 真实企业业务流程任务，覆盖销售、营销、运营、客服、财务及 HR；BankerToolBench 取得 76.2%，与 Opus 5 并列第一；CyberGym 网络安全基准为 82.2%。软件工程基准 DeepSWE v1.1 上为 73.7%，低于 DeepSeek 的 77.0%。

截至 10 月 20 日，Artificial Analysis 榜单智能指数 43 分，上一代 M3 为 29 分；任务加权平均模型费用从 0.51 美元 降至 0.22 美元。定价为每百万 Token 输入 1 元、输出 4 元、缓存读取 0.1 元，输入输出价格约为上一代的一半，缓存读取下降约 75%。实测中，用同一张手绘平面图搭建可交互 3D 校园，MiniMax Code 加 M3.1 Flash 用时 55.4 分钟，OpenCode 加 DeepSeek V4.1 Flash 约 121 分钟，两边模型费用均在 6.5 元 左右。

https://www.leiphone.com/category/yanxishe/IMOE7FfuhC0qGxZk.html
https://x.com/MiniMax_AI/status/2112965838450176130
https://x.com/MiniMax_AI/status/2113004214272381365

Google DeepMind 在近几周推进了 SynthID 的一系列动作，包括向公众开放 SynthID Detector，以及推出 SynthID Bio，为功能性、由 AI 设计的蛋白质加水印。

这些工作指向内容溯源，即帮助判断哪些内容由 AI 生成、哪些不是。Google DeepMind 的 Pushmeet Kohli 与 达特茅斯学院 教授 Hany Farid 就此进行了讨论，双方认为解决溯源问题是一项高度复杂的多学科工作，水印技术处于核心位置。

推进溯源还需要前沿研究、可互操作的开放标准，以及跨平台和开发者的直接协作。相关讨论发布在 Google 的公共政策博客上。

https://x.com/GoogleDeepMind/status/2113013129575624876

Command Code 上线开源权重模型 Ornith-1.5-122B，所有套餐、所有订阅用户均可免费调用。官方将其定位为面向智能体编程的模型，强调能力与速度。

模型参数规模为 125B，上下文长度 262K，默认开启零数据留存，用户的请求数据不会被保留。开源权重意味着开发者可以自行部署和微调，不必依赖单一托管服务。

免费策略覆盖全部订阅档位，没有按套餐分层限制。262K 上下文可容纳大型代码库与长对话历史，适合需要跨文件推理的智能体任务。官方未公布基准测试分数与具体上线日期。

https://x.com/CommandCodeAI/status/2112760080735351112

10 月 19 日，AI 模型评测平台 Arena 宣布，DeepSeek-V4.1-Flash-1017（Max）超过 Kimi K3（Max），成为 Code ArenaWebDev 榜单排名最高的开源模型。该模型于 10 月 17 日 推出。

榜单得分为 1670 分，超过 Kimi K3（Max）、Mimo-V2.6 Flash 等开源模型，也超过 Muse Spark 1.3（Max）、Claude Opus 5（High）、Grok 4.7（xHigh）等闭源模型，仅落后 GPT-6 Sol（Max）12 分。在软件工程能力测试 DeepSWE v1.1 中，其得分超过 GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5 等模型。DeepSeek 称该模型支持许愿式编程，可一键生成游戏、3D 建模等内容。

价格方面，高峰时段每百万 Token 输入 2 元、输出 8 元，空闲时段输入 1 元、输出 4 元；缓存命中时输入价格高峰为 0.04 元、空闲为 0.02 元，综合成本约为 Kimi K3 的 1/10。单项任务平均费用较上一版本下降约六成。Arena 对比图显示其进入 Code Arena 的帕累托前沿。

http://www.geekpark.net/news/372568

xAI 的 Grok Bot 新增实时 artifacts 能力，可以生成报告、备忘录和仪表盘，并支持对这些页面持续编辑与更新。

与一次性输出文档不同，这些 artifacts 是活的页面。用户可以要求 Grok Bot 修改其中的内容，也可以让它随时间推移保持更新，把页面当作长期维护的工作产物而非静态文件。官方把这一形态描述为可以共同编辑，或交由 Grok Bot 自行维护。

目前公布的信息集中在能力形态上，覆盖报告、备忘录、仪表盘三类产出。Grok Bot 的定位被比作一名可随时调用的员工，强调持续协作而非单次问答。

https://x.com/testingcatalog/status/2113046603041038418
https://x.com/elonmusk/status/2113011511429902609

Cloudflare 称已有近 10 万个Commerce.com 域名通过 WebMCP 为 AI 智能体提供购物工具，覆盖该平台上的每一家店铺，同时保留各商家对自身店铺的控制权。

接入方式是在 Cloudflare 上一次性对全部店铺开启，而不是逐店配置。商家在这一过程中保持控制权，具体开放哪些能力由商家决定。

这一规模意味着近 10 万个 域名上的商品与购物流程可以被 AI 智能体直接调用，而不是靠抓取页面来推断。

https://x.com/Cloudflare/status/2112892921842184515

10 月 20 日，DeepSeek 宣布开源大规模云服务推理框架 DeepInfer，该框架已用于 DeepSeek V4.1 Flash 的大规模线上推理服务。同时开源的还有生产级 Token 编解码组件 deepseek-recipe，用于在主流大模型 API 协议与模型 Token 之间转换，处理逻辑与官方 API 对齐。

部署上，Prefill 由常见的 8 卡服务器承担，Decode 使用 64 至 128 卡超节点，视觉编码器、Prefill、Decode 分离部署并独立分配资源。MoE 部分 Prefill 采用 2 至 8 路专家并行，Decode 扩大至 64 至 128 路 Wide-EP。集群层加入自动扩缩容，Prefill 按未命中 Token 数判断实例需求，Decode 按实际计算请求数估算，配额占用率高于 0.8 时禁止缩容。KVCache 被做成集群级共享数据层，Block KVCache 以 128 个 Token 为一个 Block 分页管理，持久数据写入独立的 3FS 集群，最长保留 7 天。

DeepSeek 公布的数据显示，单集群日吞吐达到 155 万亿 Token，按谷价计算每卡每小时收入 38 美元。KVCache 管理与负载均衡组件因与内部基础设施耦合较深，代码尚未完整开源。

https://www.infoq.cn/article/NBXP966Bz3eqr6Qidvaf
https://zhidx.com/p/602635.html
https://x.com/tianyi/status/2112471106426900677
http://www.geekpark.net/news/372650

10 月 21 日，谷歌 宣布开源 TorchTPU，这是 谷歌 与 MetaPyTorch 团队共同开发的原生 TPU 软件栈，开发者用较少代码改动即可把现有 PyTorch 模型部署到 谷歌TPU 上。

开发者可以用标准 PyTorchAPI 在 TPU 上运行模型，先用 eager mode 调试，再用 torch.compile 编译优化。谷歌 把 TPU 接入 vLLM、SGLang、llm-d、TorchTitan、VeRL、Ray、Hugging Face 和 LiteRT 等工具，覆盖训练、推理、强化学习、集群调度和端侧部署。在 Transformers v5 中设置 device_map 为 tpu 即可部署到 TPU。谷歌 还与 红帽、IBM 及超过 500 名 贡献者、25 家机构发布 llm-d 1.0，新增多租户流量控制、高可用路由和面向 Agent 的会话路由。

训练侧，TorchTitan 已在最多 8000 颗 Ironwood TPU 上完成验证，Qwen3-8B 训练测试中实现最高 52% 的模型浮点运算利用率，并在最多 8192 颗 Ironwood TPU 上保持接近线性扩展。推理侧，Zenteiq.ai 使用基于 llm-d 的 GKE Inference Gateway 后，整体推理吞吐量提升超过 4 倍，1000 颗 TPU v6e 上的日生成 Token 数从 14.7 亿提升至 59.7 亿。

https://zhidx.com/p/602826.html
https://x.com/MiniMax_AI/status/2113003478251614278

ChatGPT 和 Codex 负责人 Tibo 宣布，OpenAI 模型的 API 服务将提供 12 小时 缓存保留选项，Codex 和 Work 的登录用户缓存将永久保留。

API 一侧的缓存保留选项对 GPT-5.6 及以上版本模型生效，OpenAI 提供默认 30 分钟 和 12 小时 两档。选择 12 小时 缓存后，缓存写入价格从无缓存输入 Token 价格的 1.25 倍 升至 2.5 倍，缓存读取价格不变。官方 API 文档说明，12 小时 设置规定的是缓存读取计费资格对应的最短生命周期，并不保证每次请求都能复用已存储的 KV 张量，也不保证降低延迟。Codex 和 Work 的永久缓存尚未发布公告。

发布更新前，Tibo 提到看到部分用户额度消耗速度异常，并对大约 40000 个 账户进行信用点返还。

https://zhidx.com/p/602861.html
https://x.com/thsottiaux/status/2112712984644784534

Vercel 宣布 DeepSeek V4.1 Flash 1017 已纳入 Token Pass，用户无需修改配置即可切换使用。

这一版本采用 DeepSeek 提供的新权重，上下文窗口为 100 万 Token。接入方式保持不变，原有调用配置继续有效，开发者不需要为模型替换调整参数或代码。

价格方面，Token Pass 的套餐为每月 30 美元 获得 80 美元 Token 额度。Command Code 同步宣布，DeepSeek V4.1 Flash 1017 在 24 小时 内提供 100 美元 用量，10 美元 额度可兑换 100 美元 credits，活动结束后恢复为 80 美元。

https://x.com/vercel_dev/status/2113005104911757598
https://x.com/CommandCodeAI/status/2112566604609532392

Cloudflare 在近期的生日周活动中发布 Clef，一组开源权重的 AI 模型，用于在预设选项之间做选择，而不是生成文本。同时发布的还有 90 亿参数 和 270 亿参数 两个版本，以及一个把模型适配到特定决策任务的平台。

Clef 是 270 亿参数 的多模态模型，输入为状态和带类型问题的 Schema，输出决策结果，可处理文本、JSON、图像或视频。它只需一次前向推理就能返回每个问题所有可选项对应的概率，无需生成自由文本或解析输出。模型带有视觉编码器，上下文窗口为 64k。Cloudflare 还发布 Clef-Flash，一款 90 亿参数 的多模态模型，面向延迟敏感的决策场景。

在 Cloudflare 的基准测试中，Clef-Flash 的中位延迟为 38.8 毫秒，270 亿参数 的 Clef 为 209.3 毫秒。模型已通过 Workers AI 提供，权重可在 Hugging Face 下载。Cloudflare 计划针对客服工单分级、机器人识别等场景做微调，并推出微调服务，自助平台的上线日期尚未公布。

https://www.infoq.cn/article/iqCrZLLizNkRTpfo2Jrb

英伟达 推出新的 OpenShell 参考架构，同时发布新的 NVIDIADSX POD。两项组合用于在已准备好的站点部署 AI 工厂。

部署流程围绕预制化站点展开，OpenShell 参考架构与 DSX POD 作为标准化组件配合使用，把原本需要现场完成的集成工作前置。

英伟达 给出的时间对比是，AI 工厂部署周期从六个月缩短到 14 天。这一缩减按 英伟达 的说法为行业节省大量成本。

https://x.com/testingcatalog/status/2112849355090559438

微软研究院 宣布，其机器学习与优化组的 Xinzhi Zhang 与一位合作者证明了 Kannan-Lovász-Simonovits 猜想。这一猜想于 1995 年 提出，是 High-dimensional geometry 与概率论领域的核心开放问题之一，至今已有 31 年。

KLS 猜想 问的是，对一大类高维概率分布，最好的平面或超平面切割是否总能接近任意形状的最佳切割。更准确地说，两者之差不超过一个通用常数，与维数无关。此前最好的结果建立于 2026 年 7 月，允许这个界随维数缓慢增长；新工作把界固定下来，与形状有多少维无关。

这一结论来自人类主导的智能体研究过程，AI 系统探索数学可能性，研究人员负责评估、剪枝和重新引导搜索方向。多位独立研究者已对该研究作出验证，认定其核心判据是关键突破，随后完成了机器可检验的形式化验证。该结果对统计学、优化、算法与理论计算机科学均有影响，也关系到高维采样中随机游走探索分布的速度。

https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/

Google DeepMind 的 Discovery 团队在过去一年里推进了忙碌海狸问题，找到第六个 BB 数。该项目由学生研究员 dsantosmarco 主导，成果属于计算理论边缘的开放问题。

忙碌海狸问题寻找的是在停机前运行时间最长的最简单程序。判断这类程序是否会停机在理论上不可计算，不存在通用算法可以求解，因此每推进一步都需要发明新的数学方法。团队把这项工作定位为发现隐藏问题，而不是求解人类已经提出的定理。

这一方向被团队视为数学创造力的开放领域，与常见的 AI 数学系统形成区分，后者多用于证明人类写下的定理。忙碌海狸社区多年来一直在追踪这一协作目标，第六个 BB 数的确定延续了这条线索。

https://x.com/GoogleDeepMind/status/2112924036791734645

Cloudflare 宣布与 Mastercard 及一组生态伙伴合作，推出 MastercardAgent Pay for Machines，用于解决 AI 智能体为所使用服务付费的问题。方案已在 Cloudflare 官方渠道放出演示。

该机制的核心是让智能体之间完成可信支付，交易被限定在预设的预算与权限范围内。也就是说，调用方可以为代理设定可花费的额度与可访问的服务范围，超出边界的支付不会被执行。参与方除 Mastercard 外还包括一批未具名的生态伙伴。

目前公布的信息集中在机制层面，没有披露支持的币种、单笔限额、结算周期或正式商用时间表。对依赖第三方 API 与服务调用的智能体应用而言，预算与权限约束是自动化采购能否落地的关键环节。

https://x.com/Cloudflare/status/2112647161221444035