OpenAI正面临来自八个美国州的新一轮诉讼，这些州指控该公司危害儿童并就ChatGPT的安全性误导消费者。 这八个州分别为爱荷华州、堪萨斯州、内布拉斯加州、西弗吉尼亚州、阿肯色州、亚利桑那州、爱达荷州和蒙大拿州，分别单独提起诉讼。 诉讼指控OpenAI在开发ChatGPT时不当地将利润置于安全之上。 这些投诉指控OpenAI违反了当地的消费者保护法，未就ChatGPT的危险向消费者发出警告。
原文 ↗上周 Anthropic 和 OpenAI 似乎在 AI 竞赛中独占鳌头，其越来越强的模型将对手甩在身后。 Google 曾看似远远落后，而 Meta 尽管投入数十亿美元重振 AI 雄心，仍未确立其作为有力竞争者的地位。 在短短几天内，Google 和 Meta 都发布了他们声称能够与 OpenAI 和 Anthropic 最佳模型正面交锋的前沿模型。
原文 ↗Hacker News 热议 · 795 分 · 411 条评论 He also questions whether the labs’ operational failures undermine confidence in their broader security capabilities. “They live inside their own bubble,” he says. “The fact that they cannot do clear, easy operations properly does not bode well for their capabilities in security engineering, which is much harder to do.” Identify those risks, put in the right controls, make sure that AI adoption is not just arbitrary and willy-nilly and all over the enterprise, but has some centralized authority that is looking at the problem, and then get ready for the next big thing, which is swarms of agents.”
原文 ↗英特尔于 10 月 14 日宣布推出 Intel Inference Microservices 服务，是一套面向大语言模型推理的容器化微服务方案，目标是在已有的至强处理器上直接获得经过调优的模型推理能力，无需再花费数天时间进行手动硬件优化。 首批版本基于 vLLM 引擎，支持 BF16 精度，可在 Docker 或 Kubernetes 1.24 及以上环境中运行，硬件要求为第四代、第五代或第六代英特尔至强处理器，建议配置 32GB 内存。 容器启动时自动检测处理器代数、分配到的核心数量、NUMA 节点数量以及处理器内置的加速器；其中加速器包括用于矩阵乘法的英特尔高级矩阵扩展和用于周边计算的 AVX-512、AVX2 及 VNNI 向量扩展。 微服务以容器形式提供 OpenAI 兼容 API 暴露在已知端口上，启动时若运行特定模型镜像且主机未被识别，会在启动时报错而不是以未调优状态运行；基础镜像则默认启用配置回退。 今年 9 月，英特尔开发者页面已介绍过 Intel AI for Enterprise Inference，一套面向至强处理器的开源 LLM 服务栈，同样基于 vLLM 架构；此次发布的推理微服务可视为将这一能力产品化、容器化。 硬件层面，参数会因迁移到另一代芯片而需要重新调整。 微服务接口方面，英特尔调优后的容器仍然是一个标准的 OpenAI 兼容端点，而不是必须采用的 SDK。 后续版本规划方面，英特尔计划在后续版本中增加 Helm Chart、Kubernetes Operator、更多推理引擎和精度支持。 能力支持范围方面，目前工具调用和结构化输出功能可作为 vLLM 的透传能力使用，但尚未被验证为正式支持的能力。
原文 ↗Third Moment Research 让 10,000 个智能体持续运行 36 小时以上。 该 AI 实验室使用 GPT-6 Astra、GPT-6.1 Sol、Codex 和 Daybreak（用于网络安全）等模型来构建。 其构建的智能体能够持续专注工作数天。 这些智能体会随着使用而自我提升。
原文 ↗Apate.ai 部署 AI 智能体主动上当受骗以收集诈骗情报。 多数公司使用 AI 智能体加速产品开发或工作流，而 Apate.ai 将其用于相反目的。
原文 ↗Gemini 官方宣布 Gemini 4 Argon 已向全球 Google AI Pro 和 Ultra 订阅者开放。 Gemini 4 Argon 是 Gemini 官方介绍的前沿模型，正在 Gemini 应用中推出，用于处理复杂的想法。 该模型此前已在 Gemini 应用中逐步推出。 Gemini 4 Argon 向全球 Google AI Pro 和 Ultra 订阅者开放。
原文 ↗Musk 发文称 Grok Voice 3.0 已是全球领先的对话语音模型，并引用 Artificial Analysis 的评测：Grok Voice 3.0 以 86.9 分登顶 Speech to Speech Index，领先 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live 的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。该模型通过 Realtime API 提供，价格 $0.08 每分钟，Big Bench Audio 平均首音频延迟 0.81 秒，任务成功率 94.8% 居榜首。
原文 ↗2026 全球开发者先锋大会暨国际具身智能技能大赛将于 10 月 23 日至 25 日在上海浦东举办。 大会按照“1 场大赛、1 场开幕式、N 场开发者活动”的总体架构组织实施，聚焦实现“真机实景、实景实训”目标。 本次大赛设置 9 大重点赛道、23 个赛项，搭建实景实训空间。 大会专门设立开源与开发者社区专场，100 余家国内外头部开源社区与机构参与共建。 库帕思将集中发布建筑、法律、金融、具身智能、科学智能五大方向行业标准，同步首次公开评测结果与榜单。 适用场景供给方限定为延锋汽车、英众信息、上海历史博物馆、上海市质量监督检验技术研究院、百联集团、申通快递、中国人寿财产保险、天翼数字生活科技、浙江省求是研究院、歌尔股份等机构，由其将产线、服务业、公共领域真实需求搬至赛场。
原文 ↗作者Louis Béthune等人提出首个从头开始、在文本、图文和音文数据上预训练的三模态掩码扩散模型（MDM）。 作者系统分析了多模态扩展定律、模态混合比例、噪声调度、批量大小影响，并提供了优化的推理采样默认值。 作者的批量大小分析产出了基于随机微分方程（SDE）的重参数化方法，无需像近期工作中那样调优最佳批量大小，并将物理批量大小与逻辑批量大小解耦。 作者预训练了一个初步模型，在3B模型规模、数据量为6.4T tokens下，在文本生成、T2I和T2S任务上取得强劲结果。 该工作号称是对多模态离散扩散模型进行的规模最大的系统性开放研究，并提供跨多种模态的扩展行为洞察。
原文 ↗Claude Code 的空闲压缩会让 Claude 从摘要而非完整上下文继续。 可在 settings 中设置 idleCompaction 为 false 来关闭空闲压缩。 可通过 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 自定义空闲压缩触发阈值，默认值为 200k。
将 Metal 自定义内核移植到 CUDA。 更新模型推荐并对文档语言进行标准化。 在 Responses 历史中接受自定义工具调用。 澄清云支付相关错误信息。 MLX 进行了版本升级。
将 Metal 自定义内核移植到 CUDA。 更新模型推荐并对文档语言进行标准化。 在 Responses 历史中接受自定义工具调用。 澄清云支付相关错误信息。 MLX 进行了版本升级。
llama 更新 llama.cpp 至 b11521，适配 decision 模型与 EmbeddingGemma 2 server 路由复用已校验清单和已加载模型 MLX 在推测回滚后压缩恢复的循环状态，并同步 MLX、MLX-C 版本号 launch 在 Codex 的 /model 选择器中加入已安装模型
本次 llama.cpp 升级到 b11521，用于决策模型以及 EmbeddingGemma 2。 服务器在推理路由中复用了已校验的清单以及已加载的模型。 启动时，已安装的模型会出现在 Codex 的 /model 选择器中。
该版本将 llama.cpp 升级至 b11521，支持决策模型与 EmbeddingGemma 2。 服务端在推理路由中复用已验证清单和已加载的模型。 MLX 路径在推测性回滚后压缩恢复的循环状态。 启动器在 Codex 的 /model 选择器中显示已安装模型。 MLX 与 MLX-C 完成版本号上调。
服务器端在本地模型兼容性迁移时跳过该步骤。
服务器端新增代理云用量与余额接口 修复 Windows 上 llama 越过 2GiB 读取 Clef 头的问题 命令行引导中移除账户步骤 清单在 Windows 上避免使用符号链接 社区集成列表中修复 6 个失效链接 应用 README 中修复下载链接 移除已上游合并的 MLX Metal 驻留补丁
Ollama 发布 v0.40.1-rc0 预发布版本。 该版本移除了此前针对 MLX 后端携带的 Metal residency 补丁，因为该补丁已合并到上游。
Ollama 发布 v0.40.0 版本，在 Apple Silicon 设备上默认使用 MLX 运行时运行支持的模型架构。新增 qwen3.8、qwen3.6、qwen3.5、gemma4 等模型以及 Nimble、tev1、clef、clef-flash 决策模型，MLX 还新增对 embeddinggemma-2 嵌入模型的支持，显著扩展了 Apple Silicon 上的模型生态。
Ollama 发布 v0.40.0 版本，在 Apple Silicon 设备上默认使用 MLX 运行时运行支持的模型架构，新增 gemma4、qwen3.5/3.6/3.8 等模型，并上线多款 MLX 决策模型。对于 Mac 用户而言，这能显著提升本地模型推理性能与能效比，是一次面向 Apple Silicon 的重要底层优化。
Ollama 发布 v0.40.0 版本，在 Apple Silicon 设备上默认通过 MLX 运行时运行受支持的模型架构，并新增 gemma4、qwen3.6、qwen3.5 等模型以及 Nimble、tev1、clef 等决策类模型。MLX 路径可利用 Apple Silicon 神经引擎与 GPU，提升端侧大模型推理性能与能效，对本地 LLM 用户意义明显。
Ollama 0.35.1 版本新增对 Cloudflare 开源决策模型 Clef（27B）和 Clef Flash（9B）的支持，通过 /v1/systemone 端点调用。这两个模型均为多模态，可在请求中同时附带图像与文本状态信息，并对多问联合评分。
Ollama 发布 v0.35.1 版本，主要更新包括：单次响应允许最多十次网页搜索、MLX 与 llama.cpp 后端版本升级（llama.cpp 至 b11232）、create 命令支持显式声明模型能力。属于小版本补丁，对本地大模型运行工具的搜索能力与后端依赖做了增强与维护。
英特尔推出 Intel Inference Microservices，面向第四、五、六代至强处理器，提供大语言模型推理的容器化微服务。 首批版本基于 vLLM 引擎，支持 BF16 精度，需 32GB 内存，可在 Docker 或 Kubernetes 1.24 及以上环境运行。 容器启动时自动检测处理器代数、核心数、NUMA 节点数量及内置加速器，并应用英特尔预先验证的配置参数，对外暴露 OpenAI 兼容 API。 英特尔表示后续将把同一微服务模式扩展至 GPU 平台，包括代号 Crescent Island 的数据中心推理 GPU，应用程序接口保持不变。 更换模型或迁移到不同代芯片时，原有参数不再适用，需由容器重新选择配置。 调优后的容器仍为标准 OpenAI 兼容端点，并非必须采用特定 SDK。 后续版本计划增加 Helm Chart、Kubernetes Operator、更多推理引擎和精度支持。 工具调用和结构化输出可作为 vLLM 的透传能力使用，但尚未被验证为正式支持。
langchain-openai 发布 1.7.2 版本。 该版本修复了 Responses 流式输出中 output_index 漂移时流式项会被分散到不同块的问题。
langchain-openai 发布 1.7.2 版本。 该版本修复了 Responses 流式输出中 output_index 漂移时流式项会被分散到不同块的问题。
langchain-openai 发布 1.7.1 版本，相对 1.7.0 的变更包括声明模型中途对话支持。
langchain-openai 1.6.7 之后的 1.7.0 版本新增对 Decisions API 的支持。 该版本同时把 langgraph-sdk 从 0.4.4 升级到 0.4.6，PyJWT 从 2.15.0 升级到 2.15.1，urllib3 从 2.7.0 升级到 2.8.0。
LangChain 的 langchain-openai 包更新至 1.6.7 版本。主要变更包括：刷新模型配置文件数据、移除已退役的 completions 实时测试，以及新增对 Azure 工作负载身份（workload identity）的自动发现支持。属于常规维护性更新，未涉及核心 API 变动。
Amp 借助 GPT-6 Astra、Ultrafast、GPT-Live-1 以及 Sign in with ChatGPT 等模型，将 AI 代理能力从代码领域向外拓展。
Third Moment Research 这家 AI 实验室构建的智能体能够专注运行数天并在使用中改进。 Third Moment Research 运行了 1 万个智能体，持续超过 36 小时。 该实验室使用 GPT-6 Astra、GPT-6.1 Sol、Codex 以及用于网络安全的 Daybreak 来运行这些智能体。
有专家指AI遭黑客入侵的报告源于防护与监控失效
Gemini 官方宣布 Gemini 4 Argon 已向全球 Google AI Pro 和 Ultra 订阅者开放。 Gemini 4 Argon 向全球 Google AI Pro 和 Ultra 订阅者开放
Musk 发文称 Grok Voice 3.0 已是全球领先的对话语音模型，并引用 Artificial Analysis 的评测：Grok Voice 3.0 以 86.9 分登顶 Speech to Speech Index，领先 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live 的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。该模型通过 Realtime API 提供，价格 $0.08 每分钟，Big Bench Audio 平均首音频延迟 0.81 秒，任务成功率 94.8% 居榜首。
OpenAI正面临来自八个美国州的新一轮诉讼，这些州指控该公司危害儿童并就ChatGPT的安全性误导消费者。 这八个州分别为爱荷华州、堪萨斯州、内布拉斯加州、西弗吉尼亚州、阿肯色州、亚利桑那州、爱达荷州和蒙大拿州，分别单独提起诉讼。 诉讼指控OpenAI在开发ChatGPT时不当地将利润置于安全之上。 这些投诉指控OpenAI违反了当地的消费者保护法，未就ChatGPT的危险向消费者发出警告。
Arena 发布基于超过 5000 次真实智能体会话的评测结果，Meta 的 Muse Wonder (Max) 进入 Agent Arena 第12名，净提升 +6.4%。 相比 Muse Spark 1.3 (Max)，Muse Wonder (Max) 得分高 +2.8 分。
上周 Anthropic 和 OpenAI 似乎在 AI 竞赛中独占鳌头，其越来越强的模型将对手甩在身后。 Google 曾看似远远落后，而 Meta 尽管投入数十亿美元重振 AI 雄心，仍未确立其作为有力竞争者的地位。 在短短几天内，Google 和 Meta 都发布了他们声称能够与 OpenAI 和 Anthropic 最佳模型正面交锋的前沿模型。
纽约总检察长 Letitia James 联合 40 位两党总检察长在 Character.AI 破产案中提交利益通知 任何资产出售方需落实用户数据保护
该标识将在播放页面上显示，并涵盖完全由AI生成或部分由AI生成的歌曲，例如AI参与作曲和人声的部分。
Apate.ai 部署 AI 智能体主动上当受骗以收集诈骗情报。 多数公司使用 AI 智能体加速产品开发或工作流，而 Apate.ai 将其用于相反目的。
IT之家 10 月 14 日消息，据深蓝财经报道，赛力斯汽车有限公司对外披露，已对一名抖音平台短视频用户提起民事诉讼。 该用户借助 AI 工具合成问界车辆行驶中车身塌陷的虚假画面，发布到网络抹黑车辆安全性能 。 案件将于 10 月 23 日在重庆市两江新区人民法院开庭审理。 该用户使用 AI 生成虚假视频，伪造问界车辆行驶过程中车身塌陷的画面，视频标注问界品牌，暗示车辆存在严重安全缺陷，发布于抖音平台。 赛力斯要求对方删除侵权言论、公开书面赔礼道歉、支付 100 万元侵权损害赔偿，并承担案件相关诉讼费用 。 该用户被告收到传票后在社群称，这只是“阴阳视频”，并表示自己不会购买鸿蒙智行车辆，后续自行删除了这条 AI 造假视频。 报道提到，该用户为抖音普通短视频用户，账号有 57 个粉丝，非专业汽车自媒体，其视频播放量不足 3000 次。 据IT之家此前报道， 赛力斯汽车法务部在去年 3 月发布声明，公开征集黑媒体黑公关和网络水军线索 ，并承诺：将依据线索、证据价值的重要性等给予提供者 1 万元-500 万元人民币不等的奖励，并对提供者的个人信息进行严格保密。
SentinelOne 使用 OpenAI 的产品 Daybreak，将恶意软件分析所需时间从数周缩短至数小时。
开发者将前沿AI模型与NVIDIA Omniverse库结合，通过自然语言指令指导AI代理完成资源组装、物理与渲染配置及场景验证等工作。 NVIDIA工程师Tae Kim使用体育视频和自然语言指令，引导Astra构建Robo Olympics项目，测试模拟的Unitree G1人形机器人执行体育动作。 NVIDIA工程总监Nic Johns通过Astra将NASA资产组装成带遥测的OpenUSD国际空间站模型，并用单个提示将其构建为浏览器应用。 在其中一个实验中，机器人在100次模拟试验中有64次成功跨过单个跨栏。 Tae Kim领导NVIDIA Omnverse工程与产品团队，使用Astra构建Robo Olympics实验项目，测试模拟的Unitree G1人形机器人执行体育动作。 国际空间站应用的开发需要将3D模型转化为应用，即连接资产、实时数据和界面。
Google Research 发布了题为《Research@ 2026: 10 ways we're amplifying human ingenuity》的研究展望博文。
Google Research发布了一项名为「Earth AI」的地理空间智能体项目，用于应对地球面临的重大挑战。
HiRO-ACEv2 用于以 3 公里分辨率模拟极端天气。
本文首次提出了从零开始、基于文本、图文和音文数据预训练的三模态掩码扩散模型（MDM）。 作者系统分析了多模态缩放定律、模态混合比例、噪声调度、批量大小效应，并提供了优化后的推理采样默认设置。 批量大小分析得出了一个新颖的基于随机微分方程（SDE）的结论。
语码转换（CS）即同一句话内交替使用不同语言，在多语种语音中常见，但在预训练语料中占比偏低。 作者提出一种轻量方法，可直接从语音中检测语码转换，无需依赖多语种转录文本。 提升语码转换覆盖需要在大型语音语料库中找出相关语句以纳入训练数据。
MiniDog 能在四块 3090 GPU 上用 55 分钟完成扩散 Transformer 预训练，再用 15 分钟完成微调。 预训练数据为来自 ImageNet 的 26k 张狗图像并配以标注，微调使用 2k 张由 FLUX.1-schnell 生成的图像。 框架架构包括 E2E-INVAE、一个 22M 参数的小 Transformer、用于文本编码的小型 Qwen 模型以及上下文条件。 训练扩散模型需要大量算力的认识，仅在目标是构建全面的前沿模型时成立。
这是一个名为 ai-engineering-from-scratch 的 GitHub 仓库，主题为从零开始学习 AI 工程。 仓库标签覆盖代理、AI、计算机视觉等方向，包括 agents、ai、ai-agents、ai-engineering、computer-vision。
这是一个面向具身智能（机器人）的AI学习教程项目。 教程涵盖VLA/OpenVLA/SmolVLA/Pi0等具身智能模型的从零构建。 学习者仅需具备Python基础即可上手。
PyImageSearch发布教程，指导开发者利用QLoRA对Gemma 4进行微调，将其从普通客服聊天机器人改造为具备工具调用能力的AI Agent。教程涵盖合成工具调用训练数据的方法、环境配置与完整实现流程，适合希望构建生产级工具调用Agent的工程师学习。
来自DeepLearning.AI的课程，教你将生成式AI原型转化为自动化流水线，基于Apache Airflow实现任务调度与编排。适合已掌握LLM应用基础、希望将原型工程化落地的开发者，学习后可掌握工作流自动化、任务依赖管理与生产级AI应用部署能力。
该仓库名为e2b-dev/e2b-cookbook，提供使用E2B的示例代码。 仓库标签涵盖agent、ai、ai-agents、code-interpreter、cookbook，示例聚焦代码解释器在AI代理场景下的使用方式。 材料为仓库标题及标签摘要，并非完整文档说明。
该 GitHub 仓库（huggingface/agents-course）包含 Hugging Face Agents 课程内容。 仓库标签涵盖 agentic-ai、agents、course、huggingface、langchain。
文章介绍词嵌入（word embeddings）如何学习词向量空间中词语之间的关系。 原文未给出发布日期。
这是一门关于 AI 代码审查的实操课程。随着 AI 生成的代码量远超人工审查能力，课程聚焦如何让 AI 审查真正有效：涵盖尽早发起审查、为审查者提供恰当上下文等关键实践，并带领学习者亲手构建一个审查代理，理解上下文如何决定审查的可靠性。适合想要提升代码质量与开发效率的工程师学习。