Anthropic 11月2日发布研究博客，推出可验证推理原型 FlashProve，并开源代码、Lean 形式化证明与文档（Apache 2.0）。其思路是：模型方先对权重做承诺，再为每次回答生成 zkSNARK 证明，用户无需权重、只需少量算力即可核验回答确由该承诺模型生成，且证明不泄露权重。官方称在 Llama 4 Maverick（400B MoE、4-bit 量化）上，单张 H100 约 110 tokens/秒生成证明，每 1024 token 请求证明约 19MB，GPU 耗时约为 vLLM 直接推理的 70-95 倍，远快于此前开源方案。官方定位为中间进展而非完成品。

宝玉转述arXiv论文《How Do Coding-Agent Harnesses Self-Evolve?》，作者为新加坡管理大学Christoph Treude与海德堡大学Sebastian Baltes，10月26日发布。研究用Claude Code（Opus 5.5）在SWE-bench Verified的30个问题上每修完一题运行一次/retro，得到125条建议，其中101条针对真实发生的事。挑出12项改动测试，13次测试中仅7次原设置下真碰到目标问题，这7项里只有2项彻底消除问题：SymPy写明用bin/test跑测试、Astropy列出本就失败的测试清单。另有改动在不相关任务上增加额外检查，中位用时从82秒涨到245秒。作者结论：全项目通用信息值得记录，环境特定失败清单换任务易失效。以上为转述，未独立核实。

The Decoder 报道，斯坦福研究者 Owen Queen 与 James Zou 用8家开发者2024年7月至2026年9月发布的20个模型，复测50条被广泛引用的LLM研究结论：44%已失效，34%明显减弱，仅16%仍成立、6%反而增强；22条有估算失效期的结论平均寿命15.7个月。关于模型"做不到什么"的结论失效最快，9条推理类结论全部退化。案例中GPT-3.5曾编造55%参考文献，GPT-6.1 Sol为0%、Claude Sonnet 5.5为1%，但Qwen3.7-Flash仍达69%。作者建议把结论标注为特定模型、特定时点的观察。

Simon Willison 复现论文《Sparks of Weight-Space Programming》中的实验：把四个小型强化学习游戏网络的原始浮点权重直接作为提示词，要求模型在无工具、单次回答下判断网络训练的是哪款游戏。作者称，17GB 的 Qwen 3.8 27B 在笔记本上经 LM Studio 运行，分别用约46分钟、65分钟、52分钟正确识别 Pac-Man、Pong、Breakout，Freeway 判断错误；Kimi K3.1 Pro 约10分钟答对 Breakout。论文作者称 GPT-6 Astra 还能直接改写权重提升 Qwen3.5-0.8B 数学成绩，但该部分存在争议。

Greg Isenberg 播客中，Orgo 联创 Nick 演示他自称用 36 小时、在 T3 Code 里以单一线程配合 Opus 5.5 做出的 Bops——一个按行业定制的类 GrokBot 平台。每个 bot 通过 Orgo 获得独立电脑（四屏）、Agent Mail 邮箱、Agent Phone 电话号，并用 Composio 接入第三方连接器；他称演示视频在 X 获 7.5 万播放，已有保险客户在定制版本。商业侧他提出对中小企业一次性收 2.5 万美元（可分两期）、30 天实施后可选每月 3000 美元维护，并称代码已开源可 fork。以上均为作者自述，未独立验证。

The Decoder 援引《纽约时报》报道称，Google 计划从2027年初起，对学生账号默认关闭 Gemini、Gemini Notebook 和 Google Search，由学校逐项开启。但学校无法只保留不含 AI 的搜索：开启搜索只能选带完整 AI 概览与 AI 对话的版本，或带“Guided Learning”引导模式的版本。Google 教育副总裁 Chris Phillips 称搜索与 AI 已深度融合、难以拆分。此前 Google 在 Classroom 默认开启 AI 功能引发反弹，此次被视为回调。洛杉矶学区希望保留无 AI 概览的搜索，但未获允许。

Ricursive Intelligence 在 X 上宣布发布 Ripple-65B Preview，一个从零预训练的 65B 稠密大模型，称其在美国开源权重模型的智能体编程任务上达到新的 SOTA，超过 Muse Spark Open-816B、Beam-501B、Inkling-975B、Nemotron 等更大模型。swyx 转述并引用其说明：3200万美元为从零开始的完整研发成本，涵盖预训练阶梯开发、数据配比、评测、调试、合成数据生成、后训练配方开发及最终正式预训练与后训练运行，并称这一成本约为此前开源权重智能体编程 SOTA 的十分之一。以上均为发布方与转述者说法，未见独立评测。

Latent.Space 播客发布与 Warp 创始人 Zach Lloyd 的对谈，介绍 Warp 的“开源云软件工厂”做法：从 Slack 请求一路走到 PR，并围绕成本、吞吐量和质量做度量。帖文转述 Zach 的说法：调优模型、减少冗余子代理后，单个 PR 成本从约 80 美元降到约 15–20 美元，吞吐量较上月提升 40%，且质量保持。节目还包含现场系统演示、自建任务基准测试，以及“产品工程师/工厂工程师”分工讨论。以上为作者在节目中的自述，非独立验证。

视频称DeepSeek于10月31日开源dsh-superagent：一个监控GitHub仓库与团队聊天的常驻编码代理，版本0.1.0、单次提交、MIT许可，运行在尚无稳定版的DeepSeek Harness上。作者指出它并非Claude Code对手，而是位于编码代理之上的管理者，Harness甚至可把Claude Code当作worker；真正对位的是Anthropic的Slack队友Claude Tag。作者引用DeepSeek自测：对比被要求先委派的单代理，中位任务时间仅快约10%（12.4对13.8分钟），但每次运行缓存读取量高3.8倍（2323万对605万tokens），按DeepSeek V4.1 Flash约每天7美分，按Claude Opus 5.5约4.65美元。

Zapier 作者 Wade Burrell 称，Anthropic 上线常驻型 AI 代理 Claude Duet，目前为研究预览，面向美国 Pro、Max、Ultra 订阅者候补开放，有独立 iOS/Android 应用及 claude.ai 入口。它不等用户提问，而是每天发晨间简报、每隔几小时检查已连接应用，并在后台跑任务；发送消息、付款、签署或删除前会先请求确认。作者称自己在手机上获得早期访问，试用数日后认为主动提醒有用，但很快耗尽会话额度，原生 Gmail 连接器只能看一个账号。以上为作者体验，非独立实测。