DeepMind 于10月27日发布世界模型 Genie 4，实现前所未有的实时交互模拟真实感：原生生成音频（环境声与可实时交互的角色对话）、模拟空气动力学与碰撞等真实物理场景，人物动作自然并可实时用自然语言改写天气、镜头与场景。架构上由 Gemini Omni 锚定真实世界外观，Gemini 3.8 Flash 作为环内引导 Agent 持续观察画面、分解步骤并校验执行，可建模多步复杂事件。目前以研究预览形式向受信测试者开放，将率先落地 Project Genie 与 Gemini API 早期合作方，目标场景包括机器人与 Agent 训练环境。
GPT-6.1 Terra 输入 $1/百万 token、输出 $5，仅为上代 GPT-5.6 Terra 的一半，缓存输入降至 $0.05。Artificial Analysis 测得其智能指数 48（介于 Sol 52 与上代 42 之间），单任务成本 $0.40 对比上代 $1.40；Terminal-Bench 4.0 解决率从 21.5% 跃升至 50.3%；幻觉性猜测率从 88% 降至 38%；间接提示注入防御率 98.8%。计算机控制任务上以十分之一 token 价格追平 GPT-6 Astra，速度最快快 3 倍。
10月27日百度发布并开源文心 Unlimited OCR 2，将 OCR 处理上限从数十页推向任意页数。实测中该模型一次性完整解析《哈利·波特》全系列 7 部共 3600 余页，在文档长度大幅增加的情况下仍保持高准确率，整体达到同任务最先进水平。超长文档「页数自由」对合同审阅、学术论文批量处理、档案数字化等场景的输入管线是实质性降本，工程师可直接基于开源权重二次开发。
在 AGNTCon + MCPCon 北美 2026 大会上，Agentic AI Foundation 新增 OpenSandbox、Open Responses、Agent Skills、OpenEnv 四个开源项目，项目总数达到 10 个，覆盖 Agent 沙箱执行、标准化响应、技能复用与环境模拟。同期 MCP 社区工作重心转向协议安全：针对工具描述注入、权限边界与审计追溯形成新的规范方向。Agent 中间层标准化与安全化并行推进，选型时应关注协议实现的合规基线。
OpenAI 发布新研究，对连续时间一致性模型（CM）做了简化、稳定化和规模化扩展，在达到与主流扩散模型相当采样质量的情况下显著降低采样计算量。一致性模型通过少步甚至单步生成绕开扩散模型的多步迭代去噪，此番在训练稳定性与规模扩展上的突破，意味着实时图像生成、端侧高吞吐推理等延迟敏感场景多了一条比蒸馏扩散模型更干净的路线。
Cloudflare 在 AI Gateway 中推出 Auto Router 公开测试版：由一个分类器对每个请求的复杂度、歧义性与风险等级打分，再据此从接入的模型池中自动选择最合适的模型处理该请求，而非整场会话绑定单一模型。这一「按请求粒度路由」把模型选型从开发期决策变为运行时动态决策，简单请求走低成本小模型、复杂请求升级到旗舰模型，可直接降低混合模型架构的成本与实现复杂度。
Latent Space 播客邀请 Claude 平台工程师 Katelyn Lesse 与 Angela Jiang，讲解 Opus 5.5 发布与 Agent 运行时的工程设计：核心思路是将模型的认知决策（大脑）与工具执行环境（手）解耦，由平台层统一管理工具授权、沙箱与回放调试，从而在保持能力快速迭代的同时守住安全边界。对自建 Agent 平台的团队，「认知与执行分层 + 平台级权限治理」是可直接借鉴的架构模式。
NVIDIA 开发者博客介绍 CUDA 13.4 的时间片显存强制模式：工作负载可申请精确显存额度或最小-最大区间，超限分配直接失败，对应用完全透明；并可选 MPS sm-sharing 并行计算模式。配套开源 Kubernetes Operator gpu-fractioning（KAI Scheduler 组织）负责节点级 MPS 守护、按 Pod 下发显存限制并按「切片」而非整卡计量用量。推理小负载共享 GPU 从裸 time-slicing 进入有硬隔离的工程化阶段。
Khawams 在 InfoQ 演讲中从分布式系统视角拆解 LLM 推理扩容：KV Cache 的显存占用与命中率才是吞吐瓶颈的核心变量，而非单纯的 GPU 数量。内容覆盖生成阶段的内存增长建模、前缀缓存复用策略、以及面向长上下文的分层存储与调度实践，为自建推理集群的容量规划与 PagedAttention 类方案选型提供了系统化方法论。