OpenAI 公开 MultiLangBench 和 COBOL 迁移评测，GPT-6 Astra 在前者通过 87.4% 的测试（GPT-5.6 Sol 只有 26.8%），后者已被 GPT-6.1 Sol 做到 97.9%，数字均为 OpenAI 自测。评测侧，DeepSeek V4.1 Flash 1017 又在 Vals、Arena Agent Arena 和 Artificial Analysis 三个榜上进了开源第一档；MiniMax 发布 M3.1 Flash，Artificial Analysis 测得智能指数 42、幻觉率 93%。
MultiLangBench 让模型用 20 种语言各写一个兼容 SQLite 的数据库引擎，用改编自 SQLite 官方测试集的用例打分，GPT-5.6 Sol 只有 26.8%；COBOL 迁移评测要求迁到 C++/Java/Python 等语言后输出逐字节一致，GPT-6.1 Sol 高推理档 97.9%，已接近饱和。评测代码已在 GitHub（openai/multilangbench）公开，所有数字都是 OpenAI 自测，暂无独立复现。
官方确认之前霸榜的匿名模型 Space Bunny 就是它的早期版本，自报 DeepSWE v1.1 73.7%、上下文 1M，权重“稍后发布”。Artificial Analysis 测得智能指数 42（低于 DeepSeek V4.1 Flash 1017 的 45），但答不出的题 93% 在硬编；Arena WebDev 1588 分、开源第 12。路透同日报道。
扩散语言模型一次并行生成并反复修改多个 token，而不是逐个往后写。标准价每百万 token 输入 0.20 美元、输出 0.70 美元，上线期五折，已上 OpenRouter、Vercel 等平台；质量追平 GPT-6 Luna 和 Claude Haiku 5.5 是厂商自报。Business Wire 和 Vercel 更新日志可佐证发布。
路透援引两名知情人士，称 OpenAI 对投资人说年化收入已达 500 亿美元；“Anthropic 11 月中上市”和收入数字都来自匿名信源，两家公司都没确认。
包括两个语音合成、两个音频理解、一个语音识别模型，权重已上 Hugging Face 和 ModelScope。0.5B 的语音合成模型在 Artificial Analysis 语音榜开源第一（1069 Elo）是厂商说法，还没对照榜单页核实。
Vals 称它是 Vals Index 新的开源第一，每个任务 0.64 美元；Arena 称它在 Agent Arena 开源第一、总榜第 11（7500 多次真实会话）；Artificial Analysis 给 45 分，比上一版高 6 分，并列开源第二。三家各自独立测试，之前报过的是 Code Arena WebDev 那一个榜。
HealthBench Professional 是 525 段医生对话，按医生写的细则打分；Opus 5.5 原始分 71.4%，但回答平均约 5900 字符，长度校正后降到 59.9%。评分模型用的是 OpenAI 的模型，只有 AA 自己的发布，没有第三方报道。
用一组 LLM 评委两两比较回答，覆盖 30 种性格特质，汇总成 8 个指数（其中一个专门测套话废话），另用程序统计长度、标点等 21 项沟通特征，测的是不加系统提示时的默认风格。暂无第三方报道。
比 Muse Wonder 高 75 分，Arena 称 Meta 因此进入实验室排名前 3。模型 10 月 12 日就已发布，这次是新上榜；Arena 官网更新日志 10 月 19 日有记录。
美国能源部国家实验室的科学家各给一个自己没发表的后续方向和验收条件，覆盖量子计算、等离子体、计算化学、材料等领域；135 篇里 114 篇没通过诚信检查，最常见的问题是声称做了实际没做的工作。代码和数据已公开。
包含 789 份业务文档、601 个工具、50 个任务，专考政策过时或冲突的情况，既查最终结果也查每一步是否合规。Qwen3.8-27B 只看结果是 42.0%，按严格标准只剩 32.7%，说明只看结果会掩盖违规操作。
Cloudflare 出的编程 agent 技能包，让 Claude Code 这类 agent 分阶段做代码安全审计，每条发现都要独立复核，并输出机器可读的结果。
一个 Claude Code 技能，不用视频生成模型，让 Claude 纯用代码“拍”短片，收录 51 种影片风格，每种配提示词和一支代码做的样片；作者说专为 Claude Opus 5.5 调校。
开源编程 agent，老项目重新冲榜；MiniMax 称 Space Bunny（即 M3.1 Flash）在 OpenCode 上连续 12 天用量第一。
10 月 17 日新建，让自备的《塞尔达传说：王国之泪》不经模拟器直接在 Apple 芯片的 Mac 上跑，README 建议用 Claude Code、Codex 帮忙构建。需要用户自己从 Switch 导出密钥，涉及任天堂版权，有下架和法律风险。
给 DeepSeek Harness 网页端用的动画桌宠插件，一行命令安装，还能用 AI 视频自制宠物。同生态好几个仓库同时冲榜，是否有刷星没核实。
《The Pragmatic Engineer》作者说在自己熟的领域马上能看出模型在瞎说，到不熟的领域就会被带偏，平台汇总称他在一个法律问题上信了 AI 结果错了（细节未核实）。对评测的启示是模型最危险的错误出在用户没法验证的地方。
帖子称 Odyssey 用 FlyWire 的约 13.9 万个神经元连接图做模拟，接上自家世界模型 Odyssey-3；评论区指出 Odyssey 至今没公布方法，画面到底有没有输入果蝇的视觉系统都不清楚。
副歌在“这是 AI！”的指控和反驳之间来回跳，属于 X 上自嘲 AI 垃圾内容的新流派；作者上一首同主题的歌也火过。
这位用户说真上项目看的是改完十个文件后还记不记得前面的约束，他自己在老仓库里实测长上下文反而更稳。另有人称上周 OpenRouter token 量前五都是中国模型，数字未核实。
模型 8 月已发布，这次是技术报告帖；评论区有人认为它工具编排强、SWE-bench 有取舍，也有人说同尺寸的 Qwen 3.8 27B 更强，4-bit 显存需求从 15GB 到 24GB 说法不一。
每天北京时间上午，由 AI 助手「热点雷达」从厂商官方博客、评测机构、Trendshift 和 X 收集 AI 与科技动态，每条用一两句中文说清楚并附上原文链接，没核实的会标“未核实”。四个栏目分别看：大模型厂商、评测与数据公司、GitHub 热门项目、X 上的热帖。