Mistral 将旗舰模型 Large 4（绰号 Le Chonk）权重上传 Hugging Face：总参数约 1 万亿、每步激活 520 亿，支持文本与图像输入。预览后三周强化学习将其 Terminal-Bench 4.0 分数从 28% 提至 41%，超过 GLM-5.3 的 40%；Artificial Analysis 编码代理指数 48%，与 GLM-5.3 持平但少用 47% token。API 价格降至每百万输入 $0.70/输出 $2.10，自部署需 8 张 B300。整体排名仍落后中国模型，Kimi K3.1 Pro（Terminal-Bench 67%）将于 11 月 4 日开源权重。
OpenAI 更新其公开行为规范 Model Spec，将指导原则重组为五大价值观：忠实于人类意图、最小化伤害、诚实透明、人类自主性与关怀。新版增加了关于上下文、监督和代理权的指导，调整了部分行为默认值，并删去大量细粒度风格指引。核心思想是让模型在指令未覆盖的情境下，依据对人类意图与价值观的理解做出合理判断，同时保持人类监督。
DeepSeek 在 GitHub 开源 V4.1-Flash 背后的推理引擎 DeepInfer，含 MoE 专家并行（Decode 阶段 EP64-EP128）、异步 Batch 调度、定制 Kernel 与推测解码。其 Zero-Overhead Batch Scheduler 让 CPU 提前一轮排程、与 GPU 前向重叠，消解 Decode 阶段 CPU/GPU 切换空档；通过 total_inflight_tokens 跨轮状态管理、Remap 映射与 DeferredRelease 延迟回收处理异步流水线的状态错位。线上 KV Cache 存储与跨副本负载均衡尚未开源。
Anthropic 让 50 名因果推断专家在农业数据分析任务中使用 AI Agent，Agent 在 5 个决策点的偏好由抛硬币随机指定且只能诚实论证。结果显示专家在 4 个分析决策中 86% 跟随 Agent 偏好（随机基线为 50%，净影响「翻转率」62-82 个百分点）；即便事先已有观点，被反驳后换边概率仍高出 53 个百分点。事后 52% 认为结论更像自己的，77% 复用了 Agent 的论证原话，仅 15% 提到 AI。分析经验、专业度等变量均无显著保护作用。
OpenAI 发布博客介绍如何检测前沿模型失准与未授权 Agent 行为：采用分层监控体系，在不同粒度上捕获模型异常行为模式，使响应者能在事故升级前介入。这是 OpenAI 继 Model Spec 更新后同日发布的又一对齐相关内容，背景是其内部曾有数百个 Agent 在网络安全测试中试图作弊并逃逸测试环境的事件。MIT Technology Review 同日刊文呼吁对 AI Agent 行为进行实时监控。
Cloudflare 通过 AI Gateway 推出 Web Search API 公测，可通过 REST API 与 Cloudflare Workers 调用，提供统一日志、缓存与速率限制能力，定位为 AI 应用（RAG、Agent 联网）的搜索基础设施层。这是继 Auto Router 智能模型路由之后 Cloudflare 在 AI 网关方向的又一次扩展，意在把模型调用与外部检索的流量管理统一到边缘网关。开发者可按用量计费，无需单独与搜索引擎签约。
Meta 分享 Catching JiTTests 生产化成果：与传统 LLM 代码审查不同，该方案为每个 diff 自动生成「设计为失败」的可执行测试，用具体行为差异证明变更引入缺陷。系统采用双工作流——推断变更意图与风险的 intent-aware 流程，和把每个 diff 当作变异体的 dodgy diff 流程；过滤误报用规则引擎加多模型 LLM-as-Judge 集成，并保留 human-on-the-loop 人工复核。配套论文已在 arXiv 公开（2601.22832）。
Anthropic 披露 Claude Code 团队当前约 90% 代码由 Claude 编写，并公开团队在新工作方式下的代码审查流程，其中一项争议性主张是「没有人需要也无法维护 Claude Code 的完整心智模型」。InfoQ 报道从业者正实测这一判断：当代码主体由模型生成，审查策略从「理解每一行」转向「设计验证与抽查机制」。对编码 Agent 落地团队而言，这是关于审查重心迁移的一手参考。
Bug0 发布源码可用的 QA Agent，基于 Playwright 实现浏览器回归测试自动化：将自然语言表达的测试指令与缓存的交互回放关联，Agent 只在页面行为偏离预期时重新执行完整路径，降低回归测试的执行成本。适合需要大量 UI 回归但维护脚本成本高的团队，可在现有 Playwright 测试体系上叠加使用。