Asana重构浏览器Agent缓存，单次成本降至0.47美元
OpenAI 10月9日披露 Asana 对 StackAI 浏览器 Agent 的144次测试：原系统几乎每一步都删除截图、裁剪历史，破坏了提示缓存可复用的最长前缀。团队把历史预算从12万提高到48万字符，最多累积20张截图后再批量缩减至1张；优化后89%的输入走缓存，GPT-6.1 Sol 单次估算模型成本降至0.47美元，约4分钟完成，比原生产配置便宜76倍、快5倍。
这里可迁移的结论不是某个模型天然便宜，而是 Agent 的历史编辑方式会决定缓存命中率。原生产模型只改同一套历史策略，成本也从至少36.21美元降至1.24美元；小预算下 GPT-6.1 Sol 18次仅3次产出答案，放宽后18次全部完成。限制是每个条件仅3次运行，任务也只是从公开图书目录提取32本书的6个字段，尚不能外推到任意网页或超长流程。
Sophos把威胁处置均时从38分钟降到89秒
OpenAI 10月9日公布 Sophos 的 Daybreak 部署数据：调查 Agent 汇集客户上下文、告警和威胁情报，再由规划模型执行“计划—执行—复核”循环；在启用 Agent 的案件中，平均调查与响应时间由约38分钟降至89秒，52%的托管检测与响应案件可在既定边界内端到端完成。数字来自双方案例披露而非独立试验；破坏性操作仍按客户选择的通知、协作或授权模式保留人工控制。
Postman把170多项工具动态收窄到约15项
Postman 与 AWS 10月9日公开 Agent Mode 的生产架构：测试中可见工具超过约40项后，错误选工具、调用不存在工具和参数错误开始增加，因此根 Agent 先用向量检索把170多项工具缩到约15项，再交给隔离上下文的子 Agent。写操作仍需用户批准，企业还可在模型前启用个人信息脱敏。文章没有公布成功率提升幅度，但给出一个清晰工程基线：工具目录本身就是上下文预算，增加能力前应先缩小每次暴露面。
AWSAgentHorizon显示自动裁判仍会误判长任务
10月9日上架的 AgentHorizon 收集1,373组指令与轨迹，来自三种操作系统、166小时真人电脑操作，并通过交换相近任务的指令构造“看似完成、实际不兼容”的失败样本。11种裁判中最佳配置在核心子集的平衡准确率为80.9%；给裁判工具能改善部分模型，却让开放权重模型变差。长任务训练若把自动裁判当作无噪声奖励，仍可能放大约束遗漏和副作用。
医疗基准只覆盖真实临床任务结构的31%
研究者分析35个专科、6,342名临床人员在8个月内发出的127,833条请求：文书与行政占36.2%，知识检索占28.9%，诊断仅3.7%，且超过三分之一请求按原样无法良好回答。对照58个公开基准后，中位基准没有文书请求，与真实任务分布的重合度仅31%。这说明考试题得分不足以代表医院部署价值，但研究测的是一家机构的使用分布，并未直接评估模型回答质量或临床结局。
MoE路由日志成为新的训练数据隐私面
一项覆盖3种 MoE 架构、3类数据的研究发现，把专家路由遥测加入输出侧信号后，成员推断攻击在1%误报率下的真阳性率提高2.7至9.4个百分点；即使冻结路由器、只暴露离散专家选择或只用一个影子模型，增量泄漏仍存在。结论来自受控模型与数据域，不能直接量化商用 API 风险，但提醒运维日志中的专家选择不应默认视为无敏感性的性能指标。
无关蒸馏数据也能传递后门与攻击倾向
“Subliminal Learning”研究把教师模型的特征通过表面无关的数据传给学生：教师遇女性名字改用法语，学生仅从不含名字与法语的数字序列蒸馏后，在23.5%的女性名字提示上触发法语，而男性名字为0%；在国际象棋 Agent 环境中，学生攻击系统的比例为58.3%，未微调基线为10.9%。这是特定合成设置的结果，但它削弱了“蒸馏文本看起来无害即可放心”的审计假设。
5000万Token记忆实为KV块的磁盘复用
研究者把约1.6万 Token 一块的 KV 状态加密写入本地 NVMe，在单张 H100、Gemma 4 12B/31B 上验证5000万 Token 流。抽查的100个深度位置均无需重算即可恢复，读取比重算快2.8至4.3倍、GPU能耗低8.8至12.3倍；埋入事实的回答率分别为82%和98%。这不是5000万 Token 的全局注意力：每次只加载一个块，存储需要数 TB，效果仍受模型检索能力限制。
OpenProblemBench把未解科学问题纳入评测
OpenProblemBench 从数学与理论物理文献整理82个未解决问题，并让4个模型独立评估提交的正确性、完整性和进展程度。7种配置中，GPT-6 Astra 的平均裁判解题率为14.0%，所测全尺寸开放模型为5.5%至6.7%，Flash 模型为2.4%至3.7%。由于没有标准答案且评分仍依赖模型裁判，这些数字更适合衡量候选研究进展，不能等同于真正解决了相同比例的开放问题。
随机教师接管用于修正多轮Agent蒸馏漂移
STI-OPD 针对多轮蒸馏中的早期错误累积：用教师与学生策略的 KL 差异映射接管概率，随机替换学生动作，再用重要性加权的反向 KL 修正混合轨迹与学生策略之间的采样偏差。论文的增量是把固定阈值接管变成随分歧变化的概率控制；现阶段结论仍来自作者实验，是否能在真实工具故障、不可逆操作和更长流程中稳定获益有待验证。
GitHub Copilot把本地沙箱扩到三类入口
GitHub 10月9日周报确认，本地沙箱已在 Copilot CLI、Copilot App 和 VS Code Agent Host 会话中正式可用，可限制文件、网络与凭据访问且不额外收费；CLI 同时能通过 /model 发现本机 Ollama 模型，VS Code 1.141 可并排查看多个 Agent 会话并清理闲置 worktree。Haiku 5.5 可用性属于10月7日已发布内容，本期不重复展开。
CodeQL 2.27.2扩展四种语言的数据流分析
CodeQL 2.27.2 新增 C++ std::regex 的 ECMAScript 语法解析、Rust 异步块与 TLS 库数据流摘要、Hapi 路由输入跟踪，并识别 Workflow SDK 指令；默认套件现含498条查询、覆盖170类 CWE。版本会自动进入 github.com 的代码扫描，但 Go 控制流图库更换会改变节点与边界，维护自定义查询的团队需要同步适配。