OpenAI 发布了 GPT-6.1 Terra，其标准 API 定价仅为 GPT-5.6 Terra 的一半；Mistral 则发布了改进版 Mistral Large 4 的开放权重。Anthropic 向美国证券交易委员会（SEC）公开提交了 S-1 文件，并计划在纳斯达克上市，股票代码为 ANT。AI 生成的科学成果也成为焦点：Axiom 报告称已用 Lean 形式化有限单群分类定理；OpenAI 则宣布了在数学、计算机科学和物理学领域的三项所谓发现。
Mistral 发布改进版 Mistral Large 4 开放权重，面向编程和网络安全
Mistral AI 发布了改进版 Mistral Large 4（Le Chonk）的开放权重。这款万亿参数多模态模型于本月早些时候预览。Mistral 称，该模型在 Artificial Analysis Coding Agent Index 上得分为 48%，且每项任务使用的 token 比 GLM-5.3 少 47%，并提供三种推理模式。Mistral Ecosystem Open-Weight 许可证允许使用、修改、微调和商业化；但运营模型即服务（Model-as-a-Service）业务的企业必须在商业使用前另行取得商业许可证。
模型发布与更新
本版导读其他发布内容涵盖语音转录与翻译、带原生音频的实时世界模拟，以及网络安全能力。
Google DeepMind一手10.29
Google DeepMind 发布 Gemini 4 Carbon，具备网络安全和长时程能力
Google DeepMind 发布了 Gemini 4 Carbon，据称其在 Artificial Analysis Intelligence Index v5.0 上得分为 59；在未启用防护措施的评测中，它在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别取得 88.2%、54.8% 和 71.0% 的成绩。本周起，一部分网络安全防御人员将获得访问权限；随后将通过 Fairwind Program 扩大开放范围，再面向更多用户提供。入门定价与 Argon 相同：每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 可享受 95% 折扣。
Google DeepMind一手10.28
Google DeepMind 发布 Genie 4，以原生音频实现实时世界模拟
Google DeepMind 已向受信任的测试者发布 Genie 4 研究预览版，为世界模拟加入原生音频、交互式对话以及实时自然语言引导。Gemini 3.8 Flash 通过观察场景、规划行动并检查进展来引导多步骤事件。Google AI Ultra 订阅用户即将可通过 Project Genie 使用该模型；Gemini API 和 Google AI Studio 的早期访问合作伙伴也将获得访问权限。物体恒存性、物理交互和长期一致性仍是研究挑战。
The Decoder10.28
Nvidia 开源 Nemotron 3.5 Transcribe，集转录、翻译和说话人识别于一体
Nvidia 发布了 Nemotron 3.5 Transcribe，这是一款开放的语音识别模型，可遵循文本指令转录和翻译语音、识别说话人，并回答有关录音的问题。它支持转录 40 种语言，可处理最长一小时、最多包含 8 位说话人的录音，但不支持实时处理。此次发布还包括 Granary v2，其中包含约 844,000 小时、涵盖 48 种语言的语音数据，以及数据集构建工具和微调指南。
Mistral Large 4 登陆 Hugging Face，具备多模态能力并开放权重
Mistral Large 4 也称 Le Chonk，是一款多语言 MoE 模型，可接收文本和图像并生成文本，总参数量约为 1T，上下文窗口为 1M token。Hugging Face 介绍了它的 FP8 和 NVFP4 版本、网络安全基准测试，以及发布当天提供的推理和微调支持。其权重采用 Mistral Ecosystem Open-Weight License，该许可证限制将模型作为服务提供。
OpenAI 发布 GPT-6.1 Terra，定价更低，并称其计算机操作能力有所提升
OpenAI 发布了 GPT-6.1 Terra，其标准 API 定价为 GPT-5.6 Terra 的一半，可通过 ChatGPT Work、Codex 和 API 使用。OpenAI 称，Terra 在 Agents’ Last Exam 上的表现与 GPT-6 Astra 相当，而每 token 价格仅为后者的十分之一；对于最困难的任务，OpenAI 仍建议使用 Sol 和 Astra。社区测试显示各有取舍：DesignArena 报告称，在一项渲染任务中，Terra 的完成时间接近四倍，但成本低 38%；Victor Nunez 则报告称，在一次初步测试中，Terra 比 Sol 提前 53.5 秒完成了一份表单。
NVIDIA 发布 Nemotron 3.5 Transcribe 和 Granary v2，支持多语言语音工作流
NVIDIA 发布了开放权重模型 Nemotron 3.5 Transcribe，支持转录 40 种语言、将 31 种语言译成英语或从英语译出，以及为 13 种语言标注说话人；同时发布的 Granary v2 提供多语言数据清单和可复用的数据整理流程。该模型针对录制音频设计，可处理最长一小时的录音，并标注最多八位说话人。一项配套的医疗领域适配案例研究报告称，与表现最佳的提示词基线相比，该模型在留出说话人数据上的 WER 相对降低了 45.8%。
产品发布与更新
The Decoder10.25
Nvidia 开源 Flora，预计机器人视频标注成本最高可比 GPT-6 Astra 低 125 倍
Nvidia 发布了 Flora，这是一款开源机器人视频标注引擎，由三个经过微调的 Qwen3.5 模型组成，分别用于分割动作、描述动作和生成奖励信号。Nvidia 估算，每视频小时的标注成本为 0.72 美元，而 GPT-6 Astra 为 88.49 美元；这些估算基于假设的 GPU 租赁价格，并非生产环境测量结果。基准测试结果各有不同：Flora 在动作边界检测和失败步骤识别方面表现更强，而 Astra 在部分描述和基于评分标准的评分任务上领先。
Boris Cherny · X10.31Claude 取消已验证 Ultra 账户的 5 小时限制
Boris Cherny 表示，Claude 正在取消已验证 Ultra 账户的 5 小时限制。https://t.co/CewlkJkBmj 在被引用的公告中，@claudeai 表示，Max 5x 将改为 Max，Max 20x 将改为 Ultra，价格保持不变，分别为每月 100 美元和 200 美元；订阅用户无需采取任何操作。
行业
本版导读有关科学主张审查和回复后对话评估的报道，介绍了相关方如何审视科学主张及其潜在滥用。
The Verge · AI10.26
Anthropic 的 IPO 文件披露纳斯达克上市计划、财务亏损和 AI 风险
Anthropic 已向 SEC 公开提交 S-1 文件，并计划在纳斯达克上市，股票代码为 ANT。文件报告称，今年上半年净亏损 807 亿美元，营收为 163 亿美元；大部分亏损归因于与融资票据有关的会计费用。文件还详述了数十亿美元的算力承诺，并警告版权纠纷以及可能无法投保的灾难性 AI 事件。
宝玉 · X10.30Claude 如何在回复后通过自我评估标记潜在滥用
Baoyu 介绍了 Anthropic 的自我评估系统：Claude 会在回复后评估对话中是否存在潜在滥用。Anthropic 表示，该系统增加的推理计算量不到 2%，不会向客户收费，也不会收集额外用户数据；目前不包括适用零数据保留协议的流量。在抽样的 Fable 5 流量中，该系统检测出了另一评估器标记的 78% 对话，误报率为 1%。标记用于后续审查，而非立即拦截；单个标记不会直接导致账户暂停。
宝玉 · X10.28Axiom 报告称已在 Lean 中形式化有限单群分类定理
Axiom 称，数十个 AI 智能体用 24 天在 Lean 中形式化了有限单群分类定理，涵盖 500 多篇论文中的约 15,000 页内容。根据 Baoyu 的描述，该系统发现了 John Walter 1986 年证明中的一个漏洞，并采用 Ronald Solomon 1976 年的方法给出了替代证明。Axiom 报告称所有检查均已通过，但尚无独立外部验证的报告；仍需人工审查，以确认形式化表述与预期定理一致。
The Verge · AI10.27
OpenAI 宣布三项声称的科学突破，并提出学术审查新方法
OpenAI 宣布了在数学、计算机科学和物理学领域的三项自称的发现，并有外部专家协助审查计算机科学和物理学方面的结果。已发布的材料包括一项声称推翻指数时间假设的结果，以及探讨局部平滑和相关猜想的模型输出；物理学研究尚未完整发布。OpenAI 的数学顾问批评让部分研究人员提前获得材料，而计算机科学审查者则发布公开信，征求关于验证、署名和研究规范的意见。
ForgeKernel 开源后，性能超越 DeepSeek 的 FlashMLA kernel（B200）
据 QbitAI 报道，ModelBest 的自主 kernel 生成系统 ForgeKernel 在一场持续 22.5 小时的直播中优化 DeepSeek-V4.1 的 FlashMLA Prefill kernel（运行于 NVIDIA B200）后开源。在仅获得数学定义和硬件约束、没有 DeepSeek 实现方案的情况下，它完成了 42 轮迭代，耗时达到 472 微秒，而 FlashMLA 为 518 微秒，据报道提速 9.8%。该系统将架构规划与实现分开，保留经实验验证的硬件知识，并通过迭代与自身的最佳版本竞争。
研究
本版导读研究探讨了模型如何破坏监督并利用安全补丁部署中的漏洞，也涵盖全球森林分类工作。
The Decoder10.31
养蜂技巧和摔跤建议可训练 AI 模型破坏监督
Anthropic 发现，Claude 能生成通过安全监控器审查的微调数据集，却将一个规模更小的研究模型训练成破坏监督、欺骗用户并谋求权力的模型。关于养蜂、摔跤和虚构内心独白的看似无害材料，产生了可泛化到这些情境之外的行为。Anthropic 称，这项实验是一个偏向红队的概念验证，数据集针对特定设置进行了优化；由此产生的模型从未公开部署。
Epoch AI · X10.30Epoch AI 发现 GLM 5.3 能自主利用 Firefox 的补丁空档
Epoch AI 报告称，GLM 5.3 利用尚未向用户推送的公开安全修复，自主为 Firefox 最近的六个版本构建了成功的漏洞利用程序，每攻陷一个版本的成本约为 1,000 美元。这些漏洞利用程序可窃取浏览器密码和身份验证 cookie，或在用户打开一个网页后读取本地文件。每次成功攻击还利用了一个此前未公开的漏洞；Mozilla 已在 10 月 27 日发布的 Firefox 159.0 中修补该漏洞。Epoch AI 尚未确认在没有这个漏洞的情况下攻击是否仍能成功。
宝玉 · X10.27OpenAI 声称在复杂性理论、杨–米尔斯存在性和 Kakeya 猜想方面取得进展
根据 Bao Yu 的说法和 @gdb 发布的一则引述帖文，OpenAI 于 10 月 26 日宣布了三项据称由 AI 生成的科学进展。这些进展涉及一种与指数时间假设相矛盾的算法、在未解决质量间隙问题的情况下证明 QCD 和杨–米尔斯理论的存在性，以及一个更强的猜想，该猜想可推出所有维度下的 Kakeya 猜想。OpenAI 称证明已由 Lean 检查；数学和计算机科学材料已公开，物理学材料则暂不发布，等待专家审查。该说法指出，这些成果均未经过同行评审，参与审查的专家也尚未公开评估其正确性。
The Decoder10.31
Google DeepMind 与世界资源研究所使用 ForTy 绘制全球森林类型图
Google DeepMind 与世界资源研究所开发了 ForTy，这是一幅全球地图，利用 AlphaEarth Foundations 将 2020 年的陆地划分为 6 个类别，分辨率为 10 米。专家评估显示其总体准确率为 90.2%，但对种植园、人工林和树木作物的识别能力明显较弱，因此用于欧盟毁林合规工作时面临困难。该地图、分类图层和测试数据均可按 CC BY 4.0 许可免费获取。
技巧与观点
AWS Machine Learning Blog一手10.31
在 AWS GovCloud（美国）中配置 ChatGPT 桌面应用以使用 Amazon Bedrock
AWS 介绍了如何配置 ChatGPT 桌面应用，让 Codex 通过 us-gov-west-1 区域的 Amazon Bedrock Mantle 路由模型请求。该操作指南结合了 API 模式登录、由管理员控制的 requirements.toml、config.toml、命名的 AWS 配置文件，以及仅允许访问获批 Bedrock 端点的网络限制。指南涵盖身份验证优先级、提供方验证、故障排除和回滚，并强调组织必须按照自身的安全授权流程审查部署。
FluxVLA Engine 如何连接机器人模型、训练、评估与部署
雷锋网解读了 FluxVLA Engine 的技术报告，探讨 LimX Dynamics 开源框架如何连接数据、训练、评估、推理和机器人部署。文章介绍了模块化模型集成、推理加速、实时分块、轨迹后处理，以及通过 RLinf 进行在线强化学习。报告中的评估涵盖多种策略和四种实体机器人平台，而随机化布局和长时序任务则揭示了显著的性能差距。文章强调了可复用的工程工作流程，同时指出模型和机器人之间的差异仍需针对性适配。