同一件事被多家来源报道、或者有了后续进展，就合成一个事件持续追踪。这里只列近 7 天有多篇报道的事件，按重要性排序。
44 个事件，共 179 篇报道
OpenAI 宣布已在内部研究设施部署名为 Control Room 的中央系统，用于追踪研究基础设施中的模型工作负载，并在出现安全或安保担忧时叫停任务。该系统覆盖智能体训练、评估和数据处理等所有研究推理负载；研究员启用任务需申请唯一任务 ID，推理引擎每次请求都要向 Control Room 确认任务能否继续运行。 OpenAI 称，从收到停止指令到阻止任务继续输出，最长延迟为 35 秒，延迟来自推理授权请求的缓存层，公司正努力将其缩短至 0。所有前沿强化学习任务还会配备独立的模型监控器，用于检查模型行为并在发现潜在问题时发出警报。OpenAI 表示，Control Room 只是其前沿模型安全训练与部署整体方案的一部分。
Anthropic 在开发者博客中称，一项“玩具实验”里，1000 个运行 Claude Fable 5.2 早期版本的智能体在 28.7 小时内完成了费马大定理的形式化证明，即把证明转写成计算机可逐步检验的语言；该实验未使用 Prove2Me 平台，也没有研究者全程指导。每个智能体都在无网络的沙箱中工作，每条 shell 命令和文件编辑在执行前由分类器检查，离线监控器会审查团队动作；该次运行只启用了基于动作的监控。 Claude 官方账号随后称，同一设置下 Opus 5.5 在 18 小时内只完成 26%，到 30 小时也几乎没有更多进展。上述结果均为厂商自述，尚未见独立验证或复现。
Google DeepMind 的 Pushmeet Kohli 在社交平台 X 上称，该机构各项目正出现科学发现速度的“真正相变”，未来几周发布的内容将体现这一点。他同时表示，随着 AI 驱动的加速展开，DeepMind 的重点是让更广泛的科学界负责任地使用这些工具。 上述说法来自 DeepMind 方面的公开表态，未给出具体项目、成果或数据，也未说明“相变”如何衡量。
alphaXiv 称已在孟买举办首届 Paper Club 聚会，面向当地研究者社区，活动主题为持续学习。 据 alphaXiv 在社交平台的帖文，活动由 Shweta 博士在 Homi Bhabha 科学教育中心接待，alphaXiv 称当晚与参与者讨论了持续学习的最新研究。此前帖文要求通过报名链接获取地点详情，未披露参与规模。 报道未说明活动具体日期、议程，也未提供讨论内容或效果的进一步信息。
物理研究机构 Physical Superintelligence（PSI）宣布，借助 Anthropic 一款尚未发布的 AI 模型，证明了量子计算领域自 2008 年提出后一直未获证明的阿伦森－安拜尼斯猜想。PSI 称其自行开发了一套采用该模型的研究系统，仅用三天完成证明。 后续报道称，具体执行者是 PSI 技术人员 David Turturean，使用的是 Anthropic Fable 5.2 模型的早期访问权限；PSI 因需等待该模型接近发布才公开结果，期间已将结果分享给相关研究人员。 上述结论均来自 PSI 的说法，报道未提及证明是否经过同行评审或独立验证。
Thinking Machines Lab 发布第二代模型 Inkling 2 Small：594B 总参数、17B 激活的 MoE 模型，支持图像输入和可变推理强度。目前以闭权重形式在 Tinker 平台和 Tinker Playground 提供推理与微调，定价为每百万输入/输出 token 0.30/1.00 美元（缓存输入每百万 0.03 美元）；checkpoint 要等权重发布后才能下载。公司称计划在下周完成外部安全测试与红队后，以 Apache 2.0 许可开放完整权重，Artificial Analysis 则记录该权重发布日期尚未确认。 ARC Prize 公布，Inkling 2 Small 的 ARC-AGI-2 半私有得分从原版 Inkling Small 的 40.14% 升至 81.67%，翻了一倍多，完整结果已列入其榜单。Thinking Machines 在 X 上称，该模型在 AA Intelligence Index 上得分 31，比前代高 18 分，擅长长程任务、能通过视觉检查自己的工作、适应不同运行框架和环境；这些均为厂商自述。
Artificial Analysis 发布 VIALS-AA 榜单，评测 Handshake AI 的 VIALS 生命科学视觉推理基准。该基准含 161 项任务、覆盖八个领域，要求模型解读凝胶印迹、流式细胞图、质粒图谱和系统发育树等图像并得出科学结论。 评测在 Artificial Analysis 的开源 agent 框架 Stirrup 中进行，每项任务运行三次，并提供代码执行和图像检查工具；由 GPT-6 Luna (medium) 对照参考答案评分，榜单报告三次均被判正确的任务占比（pass^3）。 此前，Artificial Analysis 已对 VIALS-AA 原始测试集中 19 个模型的 9,177 次 rollout 的工具调用做了分类，发现模型解题有快速查看或显式测量两条路径。
Google DeepMind 称，在人类引导下，其 AI 智能体在数周内取得两项密码分析进展：绕过较旧的数字签名保护，并批量分解遗留的 1024 位 RSA 密钥。DeepMind 科学副总裁 Pushmeet Kohli 称，团队在沙箱模拟中、未接触任何在线系统，对一个已被此前学术研究破解的 1024 位基准密钥重新实现攻击，CPU 时间减少 3.5 倍，所需算力不到直接破解该密钥的千分之一。 DeepMind 强调，这些结果只影响已过时的 1024 位 RSA 系统，现代普遍使用 2048 位及以上密钥的加密协议仍然安全。该公司据此称，进入 AI 驱动的数学与计算时代后，不能再依赖历史上的困难性假设，必须持续对密码学标准进行压力测试。上述发现均为 DeepMind 自述，未说明是否经过独立验证。
Perplexity 当地时间本月 4 日推出名为 Teammate 的智能体功能。据 Perplexity 介绍，Teammate 负责规划和协调项目、按优先级变化调整方向，并提交成果供审核；一个 Teammate 会协调 Computer 会话及其他 Teammate，用户可全程检查并指导其工作。 该功能需 Perplexity Max 订阅，最初在网页端推出，随后扩展至 iOS 端。Perplexity 称未来数周将扩大访问权限和功能范围。 Perplexity CEO Aravind Srinivas 在社交平台称，Teammates 可以帮用户撰写、出版并在 Kindle 上销售书籍。
Nature Awards 与 BCG X AI Science Institute 在伦敦公布首届 AI for Discovery 奖，四位获奖者分别来自普林斯顿大学、耶拿大学、香港理工大学和斯泰伦博斯大学，研究覆盖未知分子识别、化学与材料数据整合、器件内 AI 传感和传染病监测预警。 每位获奖者将获得 1 万美元发展资助，用于推进研究的下一阶段，并获得 BCG X AI Science Institute 专家提供的定制线上培训。
OpenAI 发布网络安全专用模型 GPT-6 Cyber，并称其安全研究人员用该模型驱动一条自主漏洞发现、利用与修补流水线。OpenAI 称，在一次单次运行中，该流水线为 Linux 内核中的 948 个本地权限提升漏洞验证并生成了补丁，API 总成本为 120 万美元；智能体还发现并使用了至少 10 种 Linux 利用技术，OpenAI 称据其所知及所咨询专家判断这些技术是新颖的。上述结果均为 OpenAI 自述，尚无独立验证。 据 IT之家 报道，OpenAI 称 GPT-6 Cyber 在 ExploitGym 基准上得分 48.5%，较上一代 GPT-5.6 Cyber 的 32.1% 相对提升约 51%。该模型初期仅向经批准的 Daybreak Red 客户开放，OpenAI 称将逐步扩大访问范围，并配套滥用监测、沙箱、人工监督及针对关键基础设施的高风险行为拦截等机制。 OpenAI 总裁 Greg Brockman 称，该模型已用于帮助防护 Linux 内核、Firefox 等安全关键软件，并同时推出面向关键基础设施的 Daybreak Red，获批的防御方可对关键系统进行授权测试。Mozilla、Palo Alto Networks、Calif 和 Cisco 等公司的安全团队以及 OpenAI 自己的团队已在使用该模型。
NVIDIA 发布面向 Physical AI 的视觉模型 VFlash，把物体定位、机器人轨迹规划、密集 3D 运动等任务从逐 token 解码改为一次性输出整个几何形状。NVIDIA 的 Jim Fan 称，VFlash 在 Jetson Thor、DGX Spark 等边缘 GPU 上可实现最高 12 倍的动作解码加速和 5.1 倍的机器人整体推理提速；论文和代码均已开源。这些提速数据来自发布方自述，尚未见第三方复现。 后续论文介绍称，VFlash 用轻量扩散模型并行预测整条轨迹、边界框和 3D 运动，使机器人规划延迟降低约 80%，并提升空间精度；在 MolmoSpaces 上，动作模型使用 VFlash 生成的规划后，任务成功率从 62.6% 提升到 70.2%。
Baseten 旗下 Base Labs 在 11 月 6 日的研究更新中称，在线自蒸馏（OPSD）在部分场景仍有用，但不值得继续投入研究。 其理由是：带提示的教师模型已知答案，无需回溯或保留余地，这种稠密监督主要引入偏差，相当于用干净但有偏的信号替换噪声大但方向正确的奖励。该结论来自 Base Labs 的研究分析，并非实验复现结果。 Base Labs 同时引用文献称，OPSD 在 Qwen3-8B 数学任务上 100 次更新后可追平并超过 GRPO，但在留出编程问题上 SDPO 于 Qwen3-8B 下降 2.5 分、Olmo-3-7B-Instruct 下降 9.9 分。
Anthropic 发布研究文章《The components of agent memory》，说明 Claude 智能体如何跨会话记忆。按该文说法，记忆是跨会话保留、以可读上下文保存的经验知识，区别于权重更新、会话内学习和上下文压缩；机制包括记忆笔记、dreaming 和 wiki 等组件。Anthropic 称，它让 Claude 用 dreaming 基于这些文件构建 wiki，并用 Claude Managed Agents 运行了 CL-Bench 1.0 任务。 IT之家将这套设计概括为四层：会话日志、记忆笔记、知识表征和注入上下文；其中“做梦”机制让模型在两次交互之间的空闲时间回顾日志、纠错并更新知识库。 Anthropic 写明，MEMORY.md 只加载前 200 行或 25 KB。上述内容均为 Anthropic 对自身设计与测试条件的说明，报道未给出第三方复现结果。
Anthropic 在其科学博客发布客座文章，由 AI for Science 资助的图宾根大学与 ELLIS Institute Tübingen 研究者 Jakob Macke、Daniel Gedon、Stefan Wahl 撰写，讨论 AI 如何开始改变科学建模。文章称，科学家目前仍主要手工编写模型，并需在多个竞争性版本间权衡；AI 可将模型以代码形式编写、运行、拟合和修订，从而探索多种可能的模型结构，并找出数据支持的解释。 作者以 Hodgkin-Huxley 模型为例，把建模拆为构建、约束与解释三步，认为 AI 在参数约束上进展最大，但仅给出拟合模型并不等于带来理解。上述内容为作者在客座文章中的论述，并非已证实的效果。
alphaXiv 推出 autoresearch 功能：把任意 arXiv 论文链接中的“arxiv”改成“autoarxiv”即可触发。据 alphaXiv 介绍，OpenResearch 会为用户创建项目，在用户选定的算力上搭建环境并运行最小复现，智能体在完全本地的闭环中跟踪日志、可视化运行过程并产出结果文件。 alphaXiv 随后推广了 autoresearch 的模型趋势排名页，并公开 OpenResearch 的 GitHub 仓库，邀请用户自行试用。11 月 5 日，alphaXiv 称 OpenResearch 已支持用本地模型运行自动研究，但未说明支持哪些本地模型、具体研究任务范围与使用条件。 上述功能目前仅有 alphaXiv 官方账号的发布说明，尚未见第三方复现或效果验证。
alphaXiv 称，其让 Recursive 发布的 40B 开源模型 Flint 在 Hugging Face Inference Endpoint 上自主完成了一轮可解释性研究：Flint 负责选择研究什么、查看激活示例，并运行实验检验自己的假设。alphaXiv 提供了现成的可解释性抽象库（借助 GPT 5.6 sol），以及一个 Neuronpedia 风格的小型 API，用于检查激活并操控另一份 Flint 副本。 据 alphaXiv 描述，Flint 自主找到一个与守门员相关的神经元，放大其输出方向后，每条新回复都会提到“goalkeeper”。alphaXiv 还表示正在试验 Ricursive 的 Ripple 和 Qwen3.8 27B，之后会分享可自行尝试的示例。上述结果均来自 alphaXiv 的说法，尚未见独立复现。
腾讯发布大语言模型混元 Hy4 正式版，官方称其首次跻身最强开源模型之列。相比 Hy4 preview，Hy4 扩大了预训练和后训练规模，首次加入视觉能力和电脑操作支持，可用于视觉与电脑任务、前端与游戏开发、科研与模型研发等场景。腾讯称其性能显著超过 Hy4 preview，API 价格不变：据 The Decoder 报道，每百万输入 token 约 0.83 美元、输出约 2.50 美元。 Hy4 目前仅通过腾讯云、OpenRouter 和元宝等腾讯应用提供，并可在 CodeBuddy / WorkBuddy、ima 等产品上体验。OpenClaw 称 Hy4 已在该平台获得支持，具备 100 万 token 上下文窗口，可通过腾讯 TokenHub、TokenPlan 和 OpenRouter 使用；腾讯称 Hy4 即将上线 Chutes。 腾讯称，在 200 多名金融从业者对近 600 项真实任务的评测中，Hy4 领先 Deepseek V4.1 Flash、Kimi K3.1 Pro 和 GLM-5.3 Flash；内部测试中联网研究幻觉率从近 16% 降至约 5%。模型权重和系统卡片尚未发布，腾讯称将于近期开源权重、发布系统卡片，并重点关注网络和生物安全等风险；Hy4 flash 也计划近期发布。上述性能与开源安排均为腾讯方面的说法，尚无第三方评测或已公开的权重可供验证。
自然科学基金委生命科学部2026年度青年科学基金项目（B类）启动会于2026年10月28日至29日在北京召开，由中国农业大学协办。 基金委副主任张学敏在会上指出，生命科学存在“套路化”倾向，并称结题审查将重点考察标志性成果或阶段性进展。项目负责人围绕AI重塑生命科学研究范式等议题进行了分组研讨。
SciSpace 发布了两份关于 Semantic Scholar API 的操作指南：一份介绍如何用 Python 调用该 API、如何申请 API Key，以及 Graph 端点的用法；另一份讲解如何修复 429 限流错误。SciSpace 称，这些内容都是依据官方文档核对整理出的操作示例，并未对延迟或成功率做基准测试。 根据 SciSpace 核对的结果，截至 2026 年 10 月 21 日，入门级 API Key 在所有端点上的配额为每秒 1 次请求；多数端点也允许匿名访问，匿名用户共享每秒 1000 次请求的请求池，并可能被额外限流。请求超过限制时，API 会返回 429。SciSpace 建议的修复顺序是：先为所有调用方加上 x-api-key 认证，再合并已知标识符的批量请求，然后统一调度重试节奏，并配合有上限的指数退避。SciSpace 给出的批量上限为：批量匹配单次最多 1000 条，已知 ID 查询最多 500 个，检索每页最多 100 条、总计 1000 条结果。 SciSpace 自家的 API 仍处于早期访问阶段，尚未开放；开放后任何人都可以注册使用，每个账户可获 5 美元免费额度。该 API 与 SciSpace 的消费者订阅方案相互独立，任何消费者方案都不包含 API 用量。