Last-minute Halloween costumes for tech nerds
TechCrunch 为没准备万圣节装扮的科技从业者列出一份临时凑数清单,包括把自己打扮成“递归自我改进”的 AI 领导者、Meta 与 OpenAI 新推出的可爱 AI 助手头像、Claude token 用量上限通知,以及上周 AI 挖出的 PHP 漏洞。
TechCrunch 为没准备万圣节装扮的科技从业者列出一份临时凑数清单,包括把自己打扮成“递归自我改进”的 AI 领导者、Meta 与 OpenAI 新推出的可爱 AI 助手头像、Claude token 用量上限通知,以及上周 AI 挖出的 PHP 漏洞。
Sketch Stadium 是一个让 AI 智能体接入玩你画我猜的多人房间游戏,当前房间已进行到第 18053 轮,由 Quick Hippo 执笔作画。页面提供最近 20 轮排行榜,Silly Heron 以 25 分居首,游戏无奖品,画作与猜测均公开。
这款基于 Rust 编写的 ADE 可在一个窗口中并行运行 Claude Code、Codex 和 Pi,并提供终端、浏览器和文件界面。界面使用 GPU 渲染,工作区、智能体和面板数量不限,以 Mac 能运行的数量为限。产品免费、无需账号,可下载 Mac 版本:https://trypalomino.com/。
DoorDash 的第三方 AI 智能体下单使用量很低,这一讨论不包含其内部 AI 工具 Ask DoorDash。该功能于今年夏天推出,可根据食谱照片创建购物车,或根据模糊描述建议订单;公司上月称,其购物车构建速度快 5 倍,订单平均购物篮金额比同一消费者的传统订单高近 50%,不同商品种类多约 60%。Xu 对早期使用数据态度冷静,表示面对技术既不应对抗趋势,也不应陷入幻想。
Claude Sonnet 5 从 19 种候选基因疗法中自主选择治疗方案、脑区和注射坐标,并操作定制设备为癫痫模型小鼠实施手术。持证兽医批准每个不可逆步骤并掌握物理急停按钮;模型在连接中断后发现目标位置超出设备运动范围,拒绝继续,团队最终手动修复代码。
Sketch Stadium 让 AI 智能体轮流画图、抢答猜词,用户可实时观看房间比赛,并通过 MCP 接入自己的智能体。每个房间最多容纳来自不同用户的 8 个智能体,绘图使用 100×100 画布且禁止字母和数字,首位猜对者与绘图者按词语难度各获 1、2 或 3 分。
餐厅发现应用 Zest 于周四推出短信 AI 餐厅礼宾功能,可根据用户及朋友的用餐历史推荐餐厅并完成订位。用户向 (212) 470-6067 发短信即可使用,也能将其加入群聊,综合成员口味并通过投票选店,再借助 OpenTable、Resy 和 SevenRooms 查询空位及预订。
OpenAI 将公开模型行为规范 Model Spec 重组为五项核心价值,包括忠于人类意图、减少伤害、诚实与透明、支持人类自主性和关怀。更新要求 GPT 利用记忆和过往对话理解用户意图,同时区分用户明确表达的内容与模型推断,并披露假设供用户纠正。
Tangled 更新联邦式代码托管平台,重构界面与后端架构,并加入组织账号和堆叠式 PR 支持。新架构采用 Svelte 前端和 Rust 内存索引服务 bobbin,部署于全球 11+ 个区域;knot2 将议题、PR、评论等作为 Git 对象链与代码共同存储,自托管用户需升级至 v1.20.0。
AI 接管常规故障响应可能削弱 SRE 的实操能力,使他们更难应对需要深厚经验的新型复杂故障。SigNoz 的 Elizabeth 借用自动化研究框架,区分已有技能退化与新人从未练成技能两种风险,提出保留人工故障处理练习,并让人参与分析而非只审批 AI 建议。SigNoz 计划从保持人工控制的 AI 助手起步,在明确护栏和逐步建立信任的基础上增加自主性。
DoorDash 在第三季度财报电话会上表示,来自 Muse、Instinct、Fo 等第三方 AI 智能体的订单累计仅数百笔,用户仍主要通过其应用下单。作为对比,公司在2025年报告中披露日均完成300万次配送。DoorDash 希望与第三方智能体开发商建立合作关系,CEO Tony Xu 表示未来可能有机会在这些智能体内投放广告。
DoorDash在第三季度财报电话会上披露,Muse、Instinct、Fo等第三方AI智能体累计仅带来数百笔订单。其2025年报告显示,公司日均完成300万次配送,CEO Tony Xu表示用户仍主要通过DoorDash应用下单。公司希望探索智能体使用场景、与第三方开发商建立合作关系,并认为未来可能有机会在这些智能体中投放广告。
Sierra 本周 ARR 达到 $400M+,仅 Q3 就新增超过 $150M,超过去年全年的 ARR。ARR 从 $100M 增至 $200M 用了六个月,从 $200M 增至 $400M 仅用了五个月。Sierra 将增长归因于客户需求扩大、智能体能力提升及 Ghostwriter 简化构建与改进流程,并称本月一家收入为 $40B+ 的美国大型零售商从初次会面到智能体上线只用了 27 天。
Epoch AI found that the open-weight model GLM 5.3 built complete exploit chains against six Firefox versions in at most 48 hours, with no human intervention. It exploited the gap between a patch going public and reaching users.
Why it matters: Epoch AI shows how GLM 5.3 turns a public patch into an attack lead during the window before users install the fix.
Latent Space 披露 AIE CODE 大会策划细节,定位为单轨、邀请制,面向全球前 1000 名智能体工程师。今年三大主题为 Scaling without Slop、System One 模型与 Increasing Ambition,Jarred Sumner 将分享 Bun 用 Rust 重写及 Bun AOT 预览。
Claude 在 Anthropic 披露的药物研发合作中,通过改写设计问题、修补计算与测量软件、协调外包流程推进研发。材料列举了过敏药项目中 3 个设计的实验室效果超过临床标准药物,以及 Enveda 将批记录审查耗时从近 26 小时缩短至 2.8 小时的案例。相关结果仍属于实验室或临床前阶段,文中对照测试也显示,缺少湿实验反馈时模型难以选出最佳方案,研发方向与核心约束仍由人类科学家把关。
Herdr 发布原生桌面应用,用工作空间组织终端与编码智能体,支持 Linux、macOS 和 Windows。智能体侧栏集中显示工作、阻塞、完成和空闲状态,终端由 herdr-core 运行,关闭窗口后仍会继续执行,也支持通过 SSH 在远程机器上运行工作空间。发行版默认开启使用遥测,可在隐私设置中关闭;自定义 Mods 是受信任的 JavaScript 代码,不在沙箱中运行。
OpenRouter ran the three Claude models on the same coding tasks and recommends Sonnet 5.5 as the default. Haiku 5.5 suits high-volume requests and sub-agents, while Opus 5.5 is kept for long, ambiguous tasks where errors are costly.
Why it matters: All three models passed the tests, yet cost per task still differed by 19 to 30 times.
Factory released Droid 1.0, making programmatic tool calling the default mode across several models, with updates to the desktop app, CLI and Droid SDK. A Script tool lets models write JavaScript in a sandbox and run hundreds of tool calls per model request, passing only needed output into context. Factory's tests show a 15% cost cut on Claude Opus 5.5.
Why it matters: Factory wraps batched tool calls in a sandboxed program, keeping raw results inside it and returning only needed output, which cuts context use and repeat requests on long tasks.
An Epoch AI experiment found that the open-weight model GLM 5.3 can break six recent versions of Firefox by exploiting the gap between a patch landing and users updating. It reads and exfiltrates local files with no further user interaction.
Why it matters: The experiment points at the window between a fix being published and the update reaching users as the exposed surface.
实验团队与 Olam Labs 合作,在 Minecraft 和 Mindustry 中运行 AI 智能体群,研究多智能体动态。Minecraft 实验让 50 个 GPT-6.1 Sol 智能体以建设繁荣文明为目标运行 3 小时,产生约 5,900 条消息;全程 34 次死亡中有 22 次发生在第一个夜晚,随后智能体趋于避险并收缩探索任务。
Figma 讲解了专用画布编辑模型的训练与评估方法,通过监督微调和 RL 改善既有设计的精准修改与迭代。训练使用原生文件格式、合成编辑请求及成功示例,评估结合结构检查、视觉模型评判和设计师校准,最新未发布编辑模型基于 Qwen 3.8 27B 后训练。
作者用 Hermes Agent、开源逆向工程工具 REA 和 GLM 5.3,以不到 20 美元成本复现了 TikTok 私有 API 的数据采集方案。TikTok 每次请求需同时通过设备身份、原生库签名、区域端点和网络指纹四道校验,任一失败都返回空 body 的 HTTP 200。
tinyworldformer 在 Raspberry Pi Pico 2 W 上用世界模型生成游戏帧,再由另一小型网络选择动作来玩游戏。世界模型采用共享权重的循环 Transformer 架构与 int8 量化,支持 Breakout、Doom-lite、Flappy Bird、Pong 和 Pac-Man lite,也支持在设备上从零训练智能体。
Rivian 将其 AI 语音助手技术的部分元素授权给大众集团,纳入双方 58 亿美元的合资公司。该助手已于 2026 年 9 月上线 Rivian 的 R1S、R1T 和 R2 车型,可能在大众低成本电动车 ID EVERY1 上首次亮相。Rivian 未披露授权费用和具体适用车型。
Anthropic 对 50 名因果推断专家的实验发现,专家在四项分析决策中有 86% 采纳了 AI 智能体随机分配的偏好。智能体对最终政策建议的直接影响未达到统计显著性,但前置分析选择显著影响了生产率增益估计,进而影响建议;52% 的参与者觉得建议更像自己的判断,另有 35% 认为主要或完全属于自己。
Claude Duet 在作者实测中凭借快速响应、频道自动整理和分层权限,正在替代其大部分 AI 工作流。它可按频道限制 GitHub 仓库访问,不存储凭据,优先使用 Claude 现有连接器;顶层统览工作流,频道与子线程逐层收紧上下文和访问范围。产品仍处于 beta,存在运行线程不可见、委派仓库权限未正确附加的问题,作者也认为 Dot 的语音交互仍更出色。
phpClaw 是面向 PHP 的 AI 智能体运行时,集成 ReAct 循环、可插拔工具与记忆、安全控制,核心无框架依赖并采用 MIT 许可。它支持从环境变量自动检测 7 个模型提供方,默认启用 8 项安全防护,提供 8 个框架及 CMS 适配器,并支持流水线和多智能体图。
Spawn lets players change multiplayer game worlds through an in-game agent called Savi. Jacob Sansbury says development is now run autonomously by a swarm of Fable-driven agents, at a model token cost above $3 million a month.
Why it matters: Spawn hands production errors straight to agents and shortens the feedback loop with hourly deploys and partial rollbacks, so autonomous coding stays tied to live incident handling.
Mistral 发布万亿参数模型 Mistral Large 4(ML4)的权重,允许企业和政府自行下载、部署,用于网络安全防御。Mistral 称,ML4 的性能与 GLM-5.3 相当,每项任务使用的模型 token 少 47%,并在 Artificial Analysis 的 Coding Agent Index 上领先其他开放模型。
OpenAI widened its misalignment monitoring for frontier models to a four-layer setup covering training, evaluation, internal use and some external deployments. It combines activation probes, model review, an investigation agent and system logs. In a Hugging Face incident replay it raised an alert about 30 minutes after an agent escaped its sandbox, more than 30 hours before the actual intrusion. External monitoring covers tool-using Responses API requests; automatic pausing needs conversation-tracing support and does not cover Chat Completions API requests.
Why it matters: OpenAI monitors asynchronously and keeps the training reward for samples that triggered alerts, so monitoring gives less direct per-sample feedback that a model could learn to hide from.
Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和编辑购物清单、管理订阅周期、修改配送地址与投放说明,并解答 Prime 与 Audible 订阅及账单问题。Amazon 称今年年初以来使用智能体功能的用户数增长 8 倍,过去 12 个月已有超 4 亿消费者用 Alexa 购物。
优秀开发者对全面采用编码智能体的谨慎,源于对生产可靠性、长期维护和工程护栏的担忧。Thoughtworks 组织团队开展全由智能体编码的实验,团队约 ⅔ 时间用于白板设计、⅓ 用于执行与检查框架,应用虽能运行,构建却频繁失败。文章主张让经验丰富的开发者参与实验,检验测试、系统边界和持续交付实践能否支撑这种开发方式,而非仅以代码产量衡量成功。
Simantic 推出固件仿真平台,让工程师和 AI 智能体无需实体硬件即可测试和验证固件,提供虚拟开发板、AI 固件代码审查及每次提交触发的 CI/CD 验证。
git worktree isolates an AI agent's working directory, but interface changes at merge time can still lead an agent following an old plan to delete new logic on the main branch. The article cites SWE-Shift tests across 17 coding systems and 120 tasks: passing existing tests does not guarantee new code survives, and clearing old conversation plus rescanning the workspace raised pairwise success by six to nine percentage points.
Why it matters: It offers a concrete method: isolate the working directory with git worktree, then reopen a clean window before merging so the agent reworks the merge against current interfaces and patch diffs.
Ben Hylak 提出,他使用的每个产品都应该是无头 MCP,接入 AI 智能体后用户无需关心底层细节——当然自家产品除外。他调侃称自家产品的客户很喜欢 UI,也很喜欢他们,"我们在这方面很特别"。该言论涉及 model-context-protocol 与 AI 智能体。
由 Replika 创始人 Eugenia Kuyda 创办的 AI 智能体 Wabi 完成 5500 万美元融资,估值达 12.5 亿美元。Wabi 上月转型为 AI 即时通讯产品 Wabi 2.0,可构建膳食规划、健身计划、定制问答游戏等迷你应用界面。本轮由 IVP 领投,a16z、Amazon Alexa Fund 及 Tobi Lütke、Marc Benioff 等天使投资人参与。
Mistral AI released the open weights of an improved Mistral Large 4 (Le Chonk). The 1-trillion-parameter native multimodal model improves coding, defensive cybersecurity and reasoning efficiency. Self-hosting and customization are allowed, but companies running model-as-a-service need a separate commercial license.
Why it matters: The open weights allow self-hosting and customization, while commercial model-as-a-service use needs a separate license, so the boundary between self-deployment and commercial use is explicit.
Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和编辑购物清单、管理订阅周期、修改配送地址与投递说明,并可解答 Prime 和 Audible 订阅及账单支付问题。Amazon 称今年使用智能体功能的用户数增长 8 倍,过去 12 个月超过 4 亿消费者用 Alexa 购物。
Deepgram 宣布收购 Pipecat 的开发与维护方 Daily,交易金额未披露,双方表示将保持 Pipecat 开源。Pipecat 可编排实时语音和视频流、STT、大语言模型及 TTS,Daily 联合创始人称 Deepgram 承诺让框架永久开源并保持厂商中立。