NVIDIA Mid-Harness 將 TerminalBench-Lite 的 Pass@1 由 50.0% 提升至 68.0%
一篇關於終端智能體測試時計算的 NVIDIA 論文稱，GPT-5.6 Sol 驗證器在八條取樣 shell 指令中選擇，可將 TerminalBench-Lite 的 Pass@1 由 50.0% 提升至 68.0%。驗證器較弱時，增加樣本幾乎沒有作用。
AI快訊
ActiveSaddler 在優化智能體運行框架時調整場景
DAIR.AI 介紹了來自 Microsoft 及合作者的論文 ActiveSaddler，該論文改變用於優化智能體運行框架的場景。在相同優化器下，與固定場景順序相比，測試 Pass@1 在 GAIA2 上提高 4.4 分，在 Terminal-Bench 2.0 上提高 7.5 分。
GLM-5.3 在 ExploitBench 得分 12%，接近 Claude Mythos 的 14%
DeepLearning.AI 的每週通訊援引 Anthropic 的數據，指 GLM-5.3 解決了 ExploitBench 漏洞利用任務的 12%，Claude Mythos 為 14%。通訊又稱，價值 20.40 美元的 token 發現了 Google Chrome 中一項近期安全漏洞利用。
Command Code 列出 Ling 3.1 Flash：每日 300 次免費請求
Command Code 表示，Space Bunny Alpha 搭配 Max 推理免費，Ling 3.1 Flash 的免費額度增加至每日 300 次請求。Ling 3.0 Flash Sante 和 Laguna S 2.1 亦被列為免費。
DAIR.AI 重點介紹 Meta 的 RankEvolve，它把 Claude Code 與 Codex 配對
DAIR.AI 將 Meta 一篇論文中的 RankEvolve 描述為一種協議，它把 Claude Code 與 Codex 作為獨立節點運行，互相審查並修復對方的改動。在同等預算下，執行準確率由 45.8% 升至 62.5%；十二輪迭代令 HSTU 在 MovieLens-20M 上的 NDCG@10 提升 4.48%。
CMU 論文訓練 4B 提案模型編輯智能體 harness，唔改求解器
呢篇 harness 學習論文用強化學習，令提案模型根據任務、當前 harness 同執行報告修改 harness 代碼。訓練後嘅 4B 提案模型喺 Reasoning Gym 單步修訂上超越其 35B 教師模型，而 HotpotQA 上嘅訓練可轉移到 MuSiQue 同 2WikiMultihopQA。
Step 5 Preview 在 Vals 開放權重模型排行榜中排名第 7
Vals AI 表示，StepFun 的 Step 5 Preview 首次登上 Vals 排行榜，在開放權重模型中排名第 7，僅領先 Qwen 3.8 Max，每項任務 2.54 美元。
Tavus 推出可打斷、大笑並作出反應的 AI 影片模型
Polymarket 報道，Tavus 已推出一款能像真人一樣打斷、大笑並作出反應的 AI 影片模型。在「影片圖靈測試」中，48% 的參與者認為自己正在與真人交談。
Ling 3.1 Flash 在 Cline 中免費開放至 10 月 13 日
Cline 已新增 Ling 3.1 Flash，並免費提供至 10 月 13 日。這個混合專家模型總參數為 5600 億，活躍參數為 250 億，Cline 表示它與 Kimi K3、DeepSeek V4 Pro 等開放權重模型相當。
Cloudflare AI Gateway 新增測試版 Machine Payments
Cloudflare AI Gateway 現已提供測試版 Machine Payments，推理費用可透過 x402 協議從穩定幣錢包支付，而非使用預付餘額。
GitHub Copilot 應用程式將 diff、終端機和瀏覽器並排顯示
在 GitHub Copilot 應用程式中，diff、終端機和瀏覽器並排放在一起，審查者毋須切換分頁就能檢查、執行和預覽智能體程式碼。一份入門指南介紹了這種版面配置的用法。
Databricks 更新 Genie One，預設啟用本體並加入檔案上載與排程任務
Genie Ontology 現已預設啟用。今次更新亦加入工作區指示、文件與數據檔的直接上載、在 Genie 內查詢 Unity Catalog，以及可引用過往執行的排程任務。
Cohere 以模型創建後發布的 WMT26 評測 North Small Translate
Cohere 表示，用於 North Small Translate 的 WMT26 基準測試是在模型創建之後發布的，因此無法針對這些測定結果訓練該模型。
Cohere 推出開放機器翻譯模型 North Small Translate
Cohere 表示，公司近期推出了 North Small Translate，並稱其為新的最先進開放機器翻譯模型，在參數少於 1 萬億的模型中全球最佳。公司亦表示，希望公開該模型的權重和流程。
Meta Superintelligence Labs 論文描述 RL 後訓練中的 Sharpening Tax（銳化稅）
在 42 對基礎模型與後訓練模型中，配備輕量測試框架的基礎模型在樣本數很大時，往往比其 RL 後訓練版本解決更多智能代理任務，而後者仍在 pass@1 上勝出。作者的 PTGS 方法在 RL 期間根據估計難度為每個提示設定採樣溫度，支付較小的稅，同時提高 pass@1。
AutoCompact 訓練編程智能體決定何時壓縮上下文
AutoCompact 使用評審器修正壓縮決策，然後應用監督微調和帶任務成功獎勵的強化學習。報告的通過率在 SWE-bench Verified 上提高 9.2 點，在 SWE-PolyBench Verified 上提高 5.0 點，包括在 256K 視窗從未溢出的情況下。
Workers AI 新增開源決策模型 Clef
Clef 返回結構化概率，而不是文字。Cloudflare 表示，Clef-flash 比 Jev 快 13 倍，可用於路由和分流。
Cloudflare workers-oauth-provider 達到 v1，採用拆分 API
版本 1 將身份驗證與權杖檢查分開：一個 Worker 負責身份驗證，另一個透過 Service Bindings 為 MCP 伺服器驗證權杖。該版本支援 MCP 2026-07-28 規格。
elvis 用 Cartesia Sonic 3.6 複製自己的聲音，並讓它說日語
elvis 表示，用一段約 15 秒的片段在 Cartesia playground 複製出的聲音，幾秒內就緒，隨後說日語。他說，該示範使用 Cartesia 最新的語音模型 Sonic 3.6，支援 44 種語言。
Polymarket puts the chance of a U.S. AI safety bill at 15%
Polymarket says there is a 15% chance the United States enacts an AI safety bill. The figure is tied to its market at https://poly.market/iYP6GOD.