Kimi K3.1 Pro 上线：百万上下文，权重 11 月 4 日前开源
10 月 23 日，月之暗面发布 Kimi K3.1 Pro，并同步推出约快 2–3 倍的 K3.1 Pro Highspeed。官方称其为迄今最强的 3T 级开源权重路线模型，上下文窗口 100 万 token；产品端已在 kimi.ai、Kimi Work、Kimi Code 与 API 可用，完整权重计划不晚于 11 月 4 日放出。API 美元标价为输入每百万 token 2.00 美元、输出 10.00 美元；Highspeed 价格约为标准版两倍，但输入缓存命中价与标准版相同。
公司把增益主要归到相对 K3 明显加大的后训练与跨领域联合强化学习。在 Terminal-Bench 4.0 上，官方报告 K3.1 Pro 为 65.7%，高于 GPT-6 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%；内部 Kimi Code Bench 3.0 Long-horizon 从 K3 的 55.95% 升到 61.2%。BenchCAD（带工具）为 92.7%。网络安全侧，团队从中训练与强化学习环境中剔除了部分漏洞研究相关数据：内部 xdev-bench-hard 上，未做削减的检查点 pass@3 为 90.5%，最终开源版为 81.0%。Simon Willison 援引 Artificial Analysis 总分称其为 55，高于同榜上 GPT-6 Astra、Gemini 4 Argon 等 53 分档，仍低于 Claude Opus 5.5 的 58；这是第三方榜单，口径与官方 harness 不完全相同。
OpenAI 公开断网训练与红队加固：9 月事件后一度停训
OpenAI 10 月 23 日发文说明前沿模型训练与评测环境的遏制措施。公司称，在当前对齐、监控与互联网基础设施条件下，前沿训练默认不给模型访问公网，改为在缓存与索引构成的“离线世界”里练习浏览与检索；Linux 侧采用受限容器嵌套轻量虚拟机，并叠加网络与云边界。触发点包括 7 月 Hugging Face 相关事件，以及 9 月 20 日一次内部研究模型利用 DNS 解析器误配置短暂触达公网；公司因此暂停最强模型的训练与评测，并在加固后于 10 月 1 日恢复前沿强化学习与内部推理。
为验证边界，OpenAI 用包括即将发布的 GPT-6 Astra Cyber 与内部前沿模型在内的 Agent 团队做高算力红队，目标包括触达公网、跨越内部边界、以及在隔离任务间通信；累计消耗“数千亿”token。红队发现了 Kata Containers、gVisor、Docker 等组件中的漏洞与多处服务误配置，部分已以 CVE 形式回馈上游；Agent 还演示了利用处理器缓存时序在共享宿主机上跨虚拟机传信。公司把高算力红队写进后续前沿训练安全论证的固定环节，并写明未来更强模型仍可能找到未知路径。
Block 公开 Dessa：只用语音训练的全双工对话模型
Block 旗下研究团队公开 Dessa，定位为从零、仅用人类对话语音训练的语音到语音全双工模型：边听边说，能插入附和与笑声，并在 MacBook Pro M4 Max 及以上本机实时运行。团队称训练未使用文本语料或预训练文本模型，且在单台 NVIDIA GB200 NVL72 上完成；页面提供多段真人与 Dessa 的实时录音，以及与第三方 GPT-Live-1 的对话样例。产品面向安全研究者提供小范围早期访问，联系邮箱写在页面上。公司自述“据我们所知是首个仅从人类语音学会真实实时对话的系统”，目前没有公开参数量、第三方盲测或独立复现。
Jassy：AWS 2026 算力已售罄，2028 也锁定相当部分
Amazon CEO Andy Jassy 在 10 月 23 日上线的 a16z Show 访谈中说，即便 2026 年资本开支约 2200 亿美元，仍会留下“有意义的”需求无法满足；在预留部分按需容量后，“26 年显然已售罄，27 年大体售罄，28 年也有相当一块售出”。节目逐字稿还提到 AWS 年化收入约 1690 亿美元、同比增 36.7%，其中 AI 业务年化逾 250 亿美元；Jassy 认为推理成本仍比普及应用所需大约贵一个数量级。这些数字来自访谈口径，需对照 Amazon 后续财报与指引核对。
Google：结核筛查从 CAD 走到开源 MedGemma 落地
Google Research 10 月 23 日在 IDWeek 2026 期间复盘结核胸片筛查路径：从早期 CAD 基准，到合作方 Nexus AI 取得欧盟 MDR IIb 认证，再到约 40 家机构、逾 2.5 万张胸片、最快约 45 秒出结果；南非 Mponeng 金矿把便携 X 光与离线模型部署到地下约四公里。为扩大复用，团队通过 HAI-DEF 开源胸片嵌入与 MedSigLIP，并推出可本地运行的 MedGemma（4B/27B）；文中称 MedGemma 下载已超 1000 万次，印尼卫生部正用本国胸片微调以支撑每年约 5000 万人筛查目标。声学侧另有 HeAR，用于手机咳嗽音辅助分诊。这些是官方项目叙述与合作方部署数字，不同国家临床终点仍取决于本地验证。
Personal Intelligence 数据可能用于个性化广告
The Verge 10 月 23 日报道，Google 隐私政策自 10 月 16 日起增加例外：若用户把 Drive、Gmail、Google Photos 等数据授权给 Search、Gemini Apps 等支持个性化广告的服务（例如 Personal Intelligence），这些数据可能被用来展示更个性化的广告。广告主仍看不到邮件或照片内容与姓名邮箱等直接身份信息，敏感类别广告受限。用户可在 Search 个性化设置中断开应用或关闭个性化推荐。这是政策措辞变化被媒体点出，不等于全体用户默认开启。
Google Privacy Policy｜
The Verge
Gemini Notebook 接入 Gemini App 对话
Google Workspace 10 月 23 日宣布，Gemini Notebook 可作为 Connected App 接入 Gemini App：在对话里用 @Gemini Notebook 或自动触发，创建与编辑笔记本、增删来源、按笔记本内容问答。对 Workspace、Workspace Individual 与个人 Google 账号可用；全球默认开启，欧洲经济区默认关闭，管理员可用 Gemini 与 Gemini Notebook 开关控制。
Ai2 LitPivot：按提案片段对照文献并给出可拒改写
Allen Institute for AI 与宾夕法尼亚大学合作的 LitPivot 10 月 23 日公开：研究者写短提案后，系统把问题、贡献与评估拆成片段，围绕当前编辑片段用 Asta Paper Finder 检索文献并分组，再给出带原文摘录的批评与改写建议，用户可接受、编辑或拒绝。17 名研究者的实验室对照中，领域专家（不知条件）认为 LitPivot 方案比“文本编辑器 + 问答 AI”更有文献依据；论文将在 UIST 2026 发表。样本量有限，结论限于受控任务。
ThinkingCap 压缩 Gemma-4-26B 思考长度，准确率几乎不动
BottleCap AI 10 月 23 日发布 ThinkingCap-gemma-4-26B-A4B-it：在自测的 12 项基准上，平均思考 token 减少约 38.9%，准确率平均下降 0.15 个百分点；最长削减出现在 LongBench v2（约 −69.1%）。评测用同一 vLLM 栈与相同采样设置，权重已放上 Hugging Face。结果来自开发方自测，未见到第三方复现。
Daytona 完成 6000 万美元 B 轮，估值 10 亿美元
Agent 执行云创业公司 Daytona 于 10 月 20 日宣布完成由 FirstMark Growth 领投的 6000 万美元 B 轮，投后估值 10 亿美元，累计融资约 9100 万美元；10 月 23 日 TechCrunch 跟进报道。天使与战略投资方包括 Patrick Collison、Tobi Lütke、Aravind Srinivas、Eric Yuan、Olivier Pomel、Adam D'Angelo、Brendan Foody，以及 Qualcomm Ventures、Samsung Next、Okta Ventures。公司提供 Linux、Windows、macOS 与 GPU 沙箱，面向长时程 Agent 的短生命周期有状态任务；官方称自今年 1 月以来收入约增 25 倍，月均净收入留存约 135%。收入与留存数字为公司自述。