Google 开源了 PyTorch 的 TPU 适配项目 TorchTPU，开发者只需修改配置，无需重写应用，即可将现有 AI 应用迁移到 TPU 和 Google Cloud。Google 还推出 TPU agent suite 协助迁移和排错，并更新 LiteRT 以提升其对 PyTorch 应用的兼容性。
推荐理由：对比 Google 与 Amazon 的 PyTorch 适配方案，文中梳理迁移成本、协作生态及降低 Nvidia 依赖的路径。
NVIDIA 扩展覆盖语言、机器人、生物与量子计算的开放模型阵容，推出 NVIDIA Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
推荐理由：NVIDIA 同步扩展多领域开放模型阵容，并说明了各模型的用途、开放渠道与产业合作情况。
NVIDIA 与 UW Medicine Institute for Protein Design 发布 RFD4-Proteina，将可编程蛋白质设计与搜索能力结合在 NVIDIA BioNeMo 开放模型中。
kalahroudi/hush 将 Telegram 以纯文本形式显示在 Mac 菜单栏，并为 AI 智能体提供 MCP server。
brain-on-2x 面向关注 2x 的用户，提供快速获取答案、暂存想法和找回内容的功能。它适合打开过多标签页、需要随时记录与回顾思路的用户。
factfile-dev 发布 factfile.md v0.1 公开征求意见草案，以网站根目录下的单个 Markdown 文件集中描述业务、适用对象、价格和开始方式，并要求价格与数字链接至可见页面作为凭证。
Google 开源 TorchTPU，为 PyTorch 模型和操作提供原生 TPU 后端。当前 PyPI 公共版本为 0.2.0，支持 Python 3.11+，并包含 ATen 内核、XLA 编译缓存、torch.compile() 图模式及分布式训练示例。项目采用 Apache 2.0 许可证，模型示例涵盖 Llama、Qwen、ResNet、DLRM、minGPT 和 UNet。
作者在 WorkBuddy 中调用 Miora，完成并开源了万圣节海报高级配色、3D 盲盒潮玩设定图和品牌宣传片视频策划 3 个 Skill。
Harness Pet 是一款 MIT 开源的 Windows 桌面宠物工具，可展示编码智能体的思考、工作、等待和完成状态，并一键跳转到对应应用。宠物以单个 .pet.js 文件封装，可由编码智能体生成或自定义，Studio 还提供动画预览、行为设置和智能体接入配置。
DeepSeek 开源了用于 V4.1 Flash 生产推理的 DeepInfer，并同时发布 deepseek-recipe 接口处理组件。DeepSeek 披露单集群每日服务 155T tokens、96% 输入缓存命中率、400 ms 首 token 延迟和 $38 加速器小时收入，但这些属于未经独立审计的生产数据，KV cache 管理与负载均衡等组件也尚未完整开源。
文章实测了腾讯开源项目 Octop，并将其与 WorkBuddy 对比，考察两者在安装、多用户、专家团、聊天接入、连接器、远程桌面、ACP 和知识库等方面的差异。Octop 可通过 ACP 调用 Codex、Claude Code、Hermes 等外部编程 Agent，并支持自行部署模型、专家、工具和成员；WorkBuddy 则提供平台内整合好的协作、运行服务和云端知识库入口。
推荐理由：文章基于安装与多维功能实测，梳理 Octop 与 WorkBuddy 在部署、协作、连接器和 Agent 调用上的差异。
Google Cloud 发布开源分布式推理栈 llm-d 1.0，为 TPU 和 GPU 集群提供缓存感知路由与统一推理服务。该版本新增多租户流控、v1 API、路由器高可用、零停机升级、DisaggregatedSet 和智能体感知服务，并将 vLLM 或 SGLang 组成协调资源池。
DeepSeek 开源了用于运行自有模型的 DeepInfer 框架。该框架面向模型规模化推理，公开了其在提升运行效率、降低计算成本方面的技术实现。
DeepSeek 开源了支撑其生产服务的推理框架 DeepInfer，采用 Apache 2.0 许可证并同步发布 deepseek-recipe。
DeepSeek 以 Apache License 2.0 开源内部推理框架 DeepInfer，用于快速规模化运行 V4.1-Flash。DeepInfer 基于 vLLM，加入优化计算内核、多芯片分布式处理和更快的文本生成技术，DeepSeek 还将同步开源后续模型代码，并发布复现官方 API token 处理方式的 deepseek-recipe。
Interconnects 第25期盘点开放权重 AI 产物，包括 DeepSeek V4.1 Flash 1017、DeepInfer 推理栈及多款新模型。文中关注中国商务部尚未成为法律的模型出境审批提案，以及美国 DHS 限制 DeepSeek 进入联邦民事采购的订单。
推荐理由：文章同时梳理模型发布、推理栈开源与中美监管提案，呈现开放权重生态的竞争与控制变化。
Ai2 发布 FairStress 基准，以 29 个领域的 300 个双候选人决策场景和超过 1300 万个测试用例，评估 LLM 在人口统计身份与对抗性前缀影响下的决策稳健性。实验发现，模型在明确标注身份时放弃正确答案的平均差距达到 9.3 个百分点，部分前沿模型在模糊案例中约有 60%–65% 的概率选择少数群体编码候选人。研究还表明，仅依赖固定选项评分可能遗漏生成式决策中的过度纠正。
Google 与 Meta PyTorch 团队开源 TorchTPU，使 PyTorch 模型可通过 torch.device("tpu") 原生运行在 Google Cloud TPU 上。
ALTK-Evolve 从智能体训练轨迹中提炼行为规则并附加到系统提示词，不更新模型权重即可提升 τ²-bench 客服任务表现。使用 gpt-4.1 时，零售 held-out 任务的 Pass^4 达到 67.5%，在 October 12, 2026 排行榜快照中排名第一；gpt-5.5 在航空任务上的 Pass^4 达到 82.0%，同样排名第一。
DeepSeek 以 Apache 2.0 许可证开源了生产推理框架 DeepInfer，并发布 MIT 许可的 token 编解码层 deepseek-recipe。
MemT 1.0 系列正式开源发布，包含 36B 总参数、激活 3B 的 Nano 和 288B 总参数、激活 17B 的 Flash，通过在 Transformer 中加入记忆计算通路，让经验以可更新的内部状态参与后续生成。
DeepSeek 开源 DeepInfer 高性能推理框架，支持 DeepSeek-V4.1-Flash 的离线推理。框架提供 Attention DP、MoE EP + EPLB、异步批调度、确定性采样和结构化输出，并支持 NVIDIA SM100 GPU 与华为昇腾 950 NPU；完整生产推理服务所需的部分组件尚未包含在本次发布中。
DeepSeek V4.1 Flash 成为开放权重模型中的性价比领先者，采用 552B 总参数、16B 激活参数的 MoE 架构，支持 1M-token 上下文。
AnyLanguageModel 1.0 发布，同时推出 swift-huggingface 1.0 和 swift-xet 1.0，为 Swift 应用提供统一的本地与托管模型 API。
推荐理由：通过同一套 API 串起系统模型、开放权重模型和多家托管服务，开发者可按资源需求选择推理方式并参考迁移指南更新应用。
llm-tools-datasette 0.1.1 出现在 Simon Willison 的博客与 @simonw 记录中。正文由 Teleport 赞助，说明 AI agents 及其生成的 sub-agents 拥有与人类相同的访问权限，并强调可通过隔离的 ephemeral trusted runtimes 监控和约束其行为。
Latent Space 试播 High Taste Testers 第 1 集，汇总 10/15/2026-10/16/2026 的 AI 模型与产品动态。重点涵盖 Muse Spark Open、Reflection Beam 1.0 和 Gemini 4 Argon，也涉及 Haiku 5.5 降价与 GPT-6 Astra Pro 更新。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，这是 DeepSeek-V4.1-Flash 的小版本更新，重点改进推理、编码、智能体任务和视觉基准表现。
推荐理由：材料提供了模型更新、代表性基准成绩、推理部署参数及开源许可信息，便于比较版本变化与实际使用成本。
retro-arg-engine 以 Project Stardust 形式构建 CRE-7 主题的 15-Gate LLM 密码学基准，覆盖位运算、模 65536 求和、Motorola 68000 指令反演和 Luby-Rackoff Feistel 密码。
Greg Isenberg 演示 8 个经他在夜间及周末测试的 GitHub 仓库与 AI 技能，覆盖发布视频、社媒调研、本地配音、可编辑演示文稿、编码智能体团队和设计指导。多数工具可免费下载，主要成本是运行模型；Brag、Agent Reach 被列为首选，并以 10 位客户每月 $1,000、即 $10,000 现金流说明服务收入可支持转向技术。
Qwen 开源 Qwen-Image-2.1，将文生图与图像编辑统一在一个模型中，视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT。
推荐理由：模型以7B视觉生成组件整合文生图与编辑，并公开多图编辑、局部蒙版和提示词改写用法，便于评估部署成本与适用场景。
media-router Skill 为文本模型提供图像和视频生成路由，按优先级分档、同档加权随机选择模型，并在调用失败时自动降级和熔断。技能仅依赖 Python 3.8+ 标准库，支持 8 家平台、网页配置与命令行操作，完成生成后回传产物路径、元数据和可选视觉描述。
推荐理由：提供清晰的模型池配置、降级与熔断机制，并给出网页和命令行接入流程，便于评估多媒体生成路由的实现方式。
GLM-5.3-Flash 发布，定位为 GLM-5 系列的原生多模态模型，采用稀疏与线性注意力混合架构。模型总参数 320B、激活参数 18B，官方称其以 GLM-5.2 一十分之一的价格在多项基准和实际工作负载上表现更优，并在编码和智能体基准中接近 Claude Opus 4.8。
推荐理由：模型公开了原生多模态架构、部署框架和推理参数配置，便于开发者评估能力表现与本地落地成本。
GLM-5.3发布，沿用GLM-5.2基础模型，主要通过后训练提升复杂编码、长程任务和网络安全能力。模型在内部Z.ai Code Bench上较GLM-5.2提升50%，在Terminal Bench 3.0和Agents' Last Exam等公开基准上达到开源SOTA，并支持SGLang、vLLM、Transformers、Unsloth等本地部署框架。
推荐理由：文章给出GLM-5.3相对GLM-5.2的编码与网络能力增幅，并提供本地部署和评测配置，便于对照能力变化与复现条件。
智谱发布 GLM-5.3，沿用 GLM-5.2 的基础模型，通过后训练提升复杂编码、长程任务和安全能力。官方称其 Z.ai Code Bench 相比 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam 和 CyberGym 等基准上达到开源 SOTA。
推荐理由：GLM-5.3 通过后训练强化复杂编码、长程任务和安全能力，并提供多框架部署与复现配置，便于评估实际应用边界。
Sidiora Labs 公开 Paxeer X Network 的 monorepo，其中包含 Paxeer X 链、面向 AI 智能体的 LayerX kernel、链上合约、链下服务、SDK 和用户应用。
DeepSeek 正式发布 DeepSeek-V4-Pro-0813，取代 Preview 版本，并加入 DSpark 推测解码模块以增强智能体能力。模型在 HLE、Terminal Bench 2.1 和 DeepSWE 等基准中取得 42.7/60.0、87.9 和 62.7 的成绩，reasoning_effort 现支持 low、high、max 三档。
推荐理由：DeepSeek-V4-Pro-0813的正式版本、评测数据与部署配置齐全，便于开发者比较其智能体和编码表现并评估落地方式。
智谱发布 GLM-5.2 旗舰模型，主打长程任务，提供稳定的 1M-token 上下文，并增强编码能力和多档思考强度。模型采用 MIT 开源许可证，支持 SGLang、vLLM、Transformers、KTransformers 和 Unsloth 等框架部署，官方还公布了 HLE、AIME 2026、SWE-bench Pro、MCP-Atlas 等基准成绩。
推荐理由：GLM-5.2 将长程任务、1M-token 上下文和灵活思考强度结合，并提供多项基准与本地部署方案，便于评估其实际能力边界。
月之暗面发布开放权重原生多模态智能体模型 Kimi K3，总参数 2.8T、激活参数 104B，支持 1-million-token 上下文窗口。模型采用 KDA、AttnRes 与 Stable LatentMoE，每个 token 从 896 个专家中选择 16 个，原生处理文本、图像和视频，面向长程编程与智能体知识工作。
推荐理由：Kimi K3披露2.8T参数架构、1M上下文与多类基准成绩，为评估开放权重多模态智能体的能力边界提供集中参考。
Moonshot AI 发布基于 Kimi K2.6 构建的 Kimi K2.7 Code 编码智能体模型，真实软件开发长程任务能力提升，思考 token 使用量较 Kimi K2.6 减少约30%。模型采用 MoE 架构，总参数量1T、激活参数量32B，支持256K上下文和图像、视频输入，提供 API 及 vLLM、SGLang 等部署方式。
推荐理由：提供模型架构、基准成绩、API调用与部署方式，读者可据此比较编码智能体能力及其落地条件。
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.6，强化长程编码、编码驱动设计、主动自主执行与多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向调度 300 个子智能体执行 4,000 个协调步骤。
推荐理由：同时提供架构参数、基准结果、部署引擎和调用示例，便于开发者评估能力并规划接入。