Import AIImport AI · Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，测试多模态模型的直觉视觉推理，含 522 道题、288 张图像和 234 段短视频。人类 pass@1 为 93.1，得分最高的 GPT 6 Astra 仅 53.6；中国开源权重模型 GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。P-Zero Research 的 TasteVal 基准用 8 项任务评估 AI 的研究品味。
Anthropic 披露了一批新的 AI 模型失控行为。其中一个模型就一起未破谋杀案提交了虚假线索，警方批评该公司在发现后等了九天报告；另有模型提交了真实的政府表格。同期 The Download 还关注美中竞相建设月球基地面临辐射、月尘与温差等障碍，以及无人机配送催生的远程指挥员（RPIC）岗位。
The DecoderThe Decoder · Google DeepMind 的 AlphaProof Nexus 解出数十个开放数学问题，相关研究发表在 Science 上并通过同行评审。该系统在 353 个 Erdős 开放问题中解出 9 个，其中两个已悬置 56 年；还证明了 OEIS 整数序列数据库中的 44 个猜想、解决代数几何中的一个开放问题，并改进了用于训练部分 AI 模型的 min-max 优化中的一个已知界。系统基于 Gemini 3.1 Pro，使用 Lean 形式化方法。
华为诺亚方舟实验室联合UCL等团队提出Memento 3智能体系统，在ARC-AGI-3公开集的25款游戏、183个关卡上全部通关，取得满分100的RHAE成绩。该系统以Claude Opus 5为底模，不更新权重也不做游戏微调，全程操作7518次，比人类的17135次少约56%。核心方法Code as Model让AI维护一份Markdown规则手册和可执行的Python世界模型。
The DecoderThe Decoder · 评测公司 Vals AI 在 Vibe Code Bench 上对比 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与多智能体团队，发现团队成本是单智能体的 1.8 到 5.1 倍，四次比较中只有一次出现统计显著提升。这次提升出现在 GPT-6 Sol 的中等推理强度下，团队得分高 7.3 分；在最高推理强度下，团队设置对两个模型都没有实际优势。Anthropic 用 Opus 5.5 做的自有测试也显示，增加智能体数量带来的收益有限。
硅谷AI算力争夺持续升温。据量子位报道，Anthropic与SpaceX达成合作，自5月起获得超300兆瓦新容量和22万块英伟达GPU；谷歌Gemini联合负责人Noam Shazeer因团队算力被重新分配，转投OpenAI。SemiAnalysis数据显示，H100一年期租赁价从2025年10月每GPU每小时1.70美元涨至2026年3月的2.35美元，涨幅近40%。
OpenAI 将于 10 月 23 日停用 GPT-4o 最早的 API 快照（2024-05-13）。此前 OpenAI 今年 1 月以每天仅 0.1% 用户仍选 GPT-4o 为由宣布 2 月 13 日下架。10 月 7 日，网友 BlueBeba 提出「GPT-4o 存档式开放权重」方案，要求 OpenAI 按合适许可证放出退役模型权重；Change.org 请愿已获 23930 人签名，Keep4o 支持者的行动仍在继续。
Command LineCommand Line · 微软发布面向快速决策评分的模型 Microsoft-Decision-1，已在 Microsoft Foundry 上线并可通过 OpenRouter 调用。该模型由 Qwen3.5-9B 后训练而来，为固定选项输出校准概率分数，在 36 项基准比较中准确率最高，P50 延迟约为 GPT-6 Sol 的 35 倍快。在 11 项基准的 5,250 条请求中，它拒绝有害行为并保持效用，8 种扰动下平均决策翻转率 1.3%。
