Google 在 Android Dev Summit 上发布 Android Studio Rabbit 2，通过开放 Agent Client Protocol 支持在 IDE 内运行 40 多个编码智能体，包括 Anthropic 的 Claude Agent、OpenAI 的 Codex 和 Google Antigravity，并可直接访问项目结构、模拟器和 Logcat。Android CLI 新增面向 Claude Code、Codex 和 Antigravity 的官方插件，Google 内部测试显示智能体完成 UI 任务快 77%、token 用量最多降至三分之一。
Android Studio 开放第三方智能体接入，并给出终端与 MCP 工具链的具体改动，可据此判断移动开发工作流会怎么变。
Ai2 发布研究 Old Ideas, Novel Problems，并公开基准、数据和代码，用于测试 LLM 作为“新颖性评判者”是否可靠。
研究基于 ICLR 2026 评审意见构建两个数据集：154 篇高新颖性人类论文想法与 145 篇低新颖性想法组成 Human-Only，另有 154 个人类想法与 LLM 生成想法配对的 Human+Generated。
OpenAI 发布 GPT-6.1 Terra，API 输入 token 每百万 $1、输出 $5，均为 GPT-5.6 Terra 的一半，缓存输入降至每百万 $0.05。
该模型已向 Plus、Pro、Enterprise、Edu 用户开放，可在 ChatGPT Work、Codex 和 API 中使用。Artificial Analysis 称其在最高推理强度下 Intelligence Index 比 GPT-5.6 Terra 高 6 分，单任务成本 $0.40 对 $1.40；在 Terminal-Bench 4.0 上最高推理强度解决 50.3% 任务，前代为 21.5%。
同一新闻，精选展示《OpenAI 发布 GPT-6.1 Terra》
Anthropic 向 SEC 公开提交 S-1 招股书，计划以代码 ANT 在纳斯达克上市，由高盛和摩根士丹利牵头承销。
2026 年上半年营收 163 亿美元，超过 2025 全年 46 亿美元的三倍；Q2 2026 营收从 2025 年 Q1 的 3.76 亿美元增至 116 亿美元，同比增长 1368%，并首次实现 9.74 亿美元 GAAP 运营利润。净收入留存率约 900%，即老客户支出为一年前的九倍；约 1.19 万客户年付超 10 万美元，250 家超 1000 万美元，前五大客户合计占收入 25%。
S-1 首次披露 Anthropic 的收入结构、算力承诺与客户集中度，可据此判断头部 AI 实验室的商业模式与风险。
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 0/1 可执行校验结果当作强化学习奖励，用于训练智能体。
用 GRPO 对 Qwen3.8-27B 训练 50 步后，在 507 项 ThinkingBox-Bench 任务各跑 20 次，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降至 446 个。训练池按离线策略相对难度筛选，只保留基础模型时对时错的任务，最终池含 187 个任务，基准任务未参与训练。
微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，读者可据此判断这类奖励能否迁移到自己的智能体训练。
Hugging Face 推出 FairStress 基准，用于测量 LLM 在影响他人决策中超越最终选择的人口统计公平性，并已集成到其开源评测工作台 Olmo-eval。
该基准包含 29 个领域（招聘、医疗、借贷、教育、住房、刑事司法等）的 300 个真实双候选人决策场景，通过变化身份呈现方式（无身份信息、人口统计编码姓名、间接暗示、显式标签）并加入对抗性前缀，将场景扩展为超过 1300 万个测试用例。团队另发布基于项目反应理论筛选的 5 万条 FairStress-Core 子集，以降低评测计算成本。
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上表示，公司已不再与 Anthropic 合作，OpenAI 的 ChatGPT 成为平台默认模型，原因是成本、合作与性能，内部和公开基准显示 Sol 与 Astra 在从零构建 vibe-coded 应用上表现更好。他随后澄清用户仍可在平台上选用 Anthropic 的 Claude 等模型，Replit 保持模型无关，但 OpenAI 是驱动 Replit Agent 的首选伙伴；此前 Replit 依赖 Claude 运行平台，并曾是 Anthropic 前五大客户之一。
Google 发布 Gemini 4 Argon，定位为覆盖机器人全流程的单一模型，可控制机器人、构建虚拟练习环境并评估训练视频。
演示中，它先在 MuJoCo 仿真里让 Boston Dynamics Spot 练习用踏板把易拉罐投进垃圾桶，再由两个额外 AI 智能体校验脚和夹爪位置，之后才在真机上执行。从一张桌面照片出发，Argon 生成 77 项任务和超过 4,500 条训练片段，使真机成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。它还能根据遥操作录像、第一人称视频甚至圆珠笔草图搭建仿真，并指挥视频世界模型 Gemini Omni 逐步完成拼字任务。
Anthropic 在旧金山与潜在投资者的私下会议上披露，第三季度营收达 168 亿美元，环比增长约 45%，是 2025 年全年营收的 3.6 倍以上，但增速较第二季度超过 140% 的环比增幅明显放缓。
公司截至第三季度的调整后营业利润率为 11%，为连续第二个季度实现调整后盈利，且现金流为正，第三季度每花 1 美元算力成本可带来 1.70 美元收入。Anthropic 估计 5% 至 7% 的收入来自知识蒸馏，并称已推出有效反制措施，但这部分收入预计将下降并拖累当季业绩。
Anthropic 在 IPO 前披露季度营收与利润率，读者可据此观察 AI 头部公司的商业化节奏与估值预期变化。
Meta 发布前沿模型 Muse Wonder 的两个版本，Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。
同一新闻，精选展示《Meta 发布首个前沿模型 Muse Wonder》
arXiv 宣布自 2026 年 10 月 1 日起将投稿上限设为每人每自然月两篇，适用于所有分类且仅针对投稿人，共同作者不受影响，被拒论文仍计入额度。
平台称 AI 工具推动投稿量激增，2026 年 9 月投稿达 40,363 篇，较 2024 年 9 月的 20,569 篇近乎翻倍，cs.AI 分类两年内增长超过六倍，给志愿审稿人带来近 9,000 张支持工单。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，权重将于本月底开放。
官方称其在编码、智能体工作流和多模态理解上表现突出，在 Artificial Analysis Cyber Index 上进入全球前五，在 Cybench 上解决 93% 的题目，并在 DeepSWE v1.1 上得分 61.7%。
官方给出 1 万亿参数、52B 激活的开放权重模型在编码、智能体与多模态上的具体基准，可对照现有开源模型判断其位置。
对 webframe 的评测显示，它是一个快速轻量的浏览器 JavaScript 运行器，适合网页抓取，性能与 shot-scraper 相当，但存在 CSP 失败、0×0 视口、加载挂起、缺少 HTTP 元数据和浏览器控制能力有限等明显问题。
webframe 是 Jeff Lindsay 的小型项目，可把网页当程序运行：指向 URL 或文件后在隐藏的无头 WebView 中执行，将 console.log() 输出到标准输出、异常输出到标准错误。
Google 面向开发者、企业和消费者全球推出 Gemini 4 Argon，可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google 搜索的 AI 模式访问。
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否独立做研究，任务是发明一种改进语言模型训练的新方法并自行实现、测试和迭代，起点是 GRPO，人类参考方法是 SDPO。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它让智能体在隔离的 MCP 工具会话中运行，再根据终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。
微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。