Latent Space 作者 Dan McAteer 介绍 Anthropic 的 Claude Mods：它是 Claude Code 的插件机制，用 TypeScript/JavaScript 函数在 CLI 和桌面端响应提示、工具调用、界面渲染等事件，可观察、改写渲染或接管默认行为，相当于 agent harness 的中间件。作者称 Anthropic 已内置六个 mod（如 agents-md、diff、you-should-know），并可用内置 skill 让 Claude 用自然语言生成 mod。作者还自建开源 ModSmith 与 Next Steps Supervisor。以上为作者介绍与个人实践，非独立实测。

Box CEO Aaron Levie 在 X 发帖提出，AI 正在形成一种可预见的新形态：面向特定任务或领域的自主系统，而非早期的 LLM 套壳。他给出三点观察：模型工具调用与电脑操作能力增强，可接入更细粒度的外部数据与软件，按人的方式执行工作流，缺软件时自行搭建；模型在法律、生物研究、代码安全、供应链等垂直领域的判断力提升；沙箱、文件系统、数据管道等基础设施支持更长时间、更复杂任务的运行。他称已在 IT 自动化、网络安全运营、药物发现、制造、AI 研究等领域看到这类系统，并强调仍需人类在环监督。以上为作者观点，非实测或发布。

Cole Medin 在视频中演示：把编码智能体的 harness engineering 思路迁移到生产客服智能体，用 LangChain Managed Deep Agents 管理以 markdown 定义的规则、技能与记忆，并设两个改进回路。回路一：智能体遇到不确定问题时升级到人工收件箱，人工给出正确答案后写成共享与按用户隔离的记忆，供后续检索。回路二：LangSmith Engine 基于生产 trace 提出对 instructions.md 等 harness 的修改建议，由人批准后应用，并支持版本回滚与 Slack 部署。作者称其 14 题测试集从答对 4 题提升到 13 题，属作者自述演示，未独立验证。视频含 LangChain 赞助与推广码。

YouTube 频道 Vivek Mishra 发布《The Only AI & Automation Course You'll Ever Need! (Part 1)》，时长约10.5小时，48小时内播放约6.8万。作者自述课程覆盖模型与套餐选择、token与定价、提示工程、Claude Skills、用 Lovable/Cursor/Supabase/Vercel 搭建带登录与支付的 SaaS、n8n 自动化（Google Sheets、Gmail 线索捕获）以及基于 Pinecone 的 RAG 聊天机器人，并称全部免费、无二次销售。以上为作者自述内容，材料未提供课程实际效果或学员反馈。

OpenAI 新闻页介绍，Terminal X 的 Eval Agent 依据 54 项标准评分，使用 GPT-6.1 Sol 后，对基金授权范围的偏离识别量提升 25%，与资深投资人判断的一致率为 88.6%。上述数字均为 Terminal X 与 OpenAI 方面的说法，材料未给出测试样本、基准集构成或对照方法，也未说明 88.6% 与 25% 的计算口径。

The Decoder 报道，OpenAI 收购初创公司 Orchestra Bio，并计划将其并入生命科学平台 Rosalind。报道称，Orchestra 的智能体用于帮药企团队协调药物开发：跟踪临床试验、在出现失败生产批次等问题时标记受影响的时间线，并给出后续选项；GPT-Rosalind 负责分析生物与化学问题，Rosalind Workbench 连接科学数据与工具。报道提到美国新药研发平均需10至15年，OpenAI 已与诺和诺德、Moderna 在 AI 制药研究上合作。交易金额未披露。

Axton 在视频中复盘自己早年做企业软件的经历：操作日志虽已采集，却无法对应到具体操作人，因为不同客户系统的账号标识、跳转逻辑差异很大，只能到现场观察业务人员实际操作才能确定关联规则。他引用前 Palantir 员工 Nabeel Qureshi 与 Barry McCardel 关于 FDE（前线部署工程师）的文章，把现场工作分为三层：通用处理能力沉淀进核心产品、客户特有逻辑用插件与配置处理、业务含义与边界须由懂业务的人现场确认。他并称 AI Agent 交付在规则明确后仍需在真实场景验证系统是否按规则行动，且模型或接口升级后需重新核验。

Ethan Mollick 于10月20日发布第二本AI书《Co-Existence》，距上一本《Co-Intelligence》约30个月。他称本文图表由 Claude Projects 中的 Opus 5.5 以“编排者+子代理”方式生成，自己只给简短指令并反复说“make it better”，AI还纠正了他的算错。他引用数据称：GPT-4 之后已有20个模型轮流领先，180个模型在发布时强于GPT-4，其中19个可在手机运行；METR长任务基准上可完成工作量从2024年的4分钟增至2026年4月的17小时，随后该基准失效。以上多为作者自述与引用，未独立核实。

Ethan Mollick 在 X 上表示，他撰文梳理了 AI 发展近 30 个月的指数曲线，并发布在 oneusefulthing.org。他称自己让 Opus 5.5 回应他用于测试所有图像生成模型的题目“一只在飞机上用 Wi-Fi 的水獭”，结果模型产出的是视频而非静态图片。这是作者本人的说法与演示，帖子附有视频但材料未提供视频内容细节；指数曲线的具体数据与结论需读原文核实。

NVIDIA 在 Hugging Face 博客发布 Nemotron 3.5 系列检索模型：Embed 8B/1B（含 NVFP4 量化版）、Rerank 8B 和 631M 参数的 Parse，均为开放且可商用权重。官方称 Embed 8B 在 ViDoRe v3.1 上以 61.17 nDCG@10 居密集检索模型首位，1B 蒸馏版保留 95.4% 成绩；Rerank 在智能体检索中可降低约 13%–14% 的推理 token 成本。Parse 在 1B 以下参数的 ParseBench 上排名第一，单卡 H100 每秒处理 10.5 页。上述均为厂商自测与排行榜快照，非独立复现。