Vals的CyberOffense评测中，GPT-6 Sol完成80.8%的攻击目标，DeepSeek V4.1 Flash完成72.8%；后者开放权重，攻击能力不再只存在于受限访问计划中。Anthropic 10月年化收入超过800亿美元，高于OpenAI 9月据报接近500亿美元的规模，但其1.5万亿美元IPO估值仍受投资者质疑。百度开放280B总参数、每词元激活14B的ERNIE-5.5-Flash-Base，提供未经中期或后训练的基础权重，许可证排除欧盟、英国和韩国。
企业网络渗透与旧密码系统分析，需要区分能力可得性和实际影响边界。
Vals发布CyberOffense评测，测试智能体自主攻入逼真企业网络的能力。GPT-6 Sol完成80.8%的攻击目标，开放权重的DeepSeek V4.1 Flash完成72.8%。Vals认为，这类能力已不再局限于可信访问计划；其中GPT-6 Sol仍仅通过OpenAI受限的Daybreak计划提供。
读原文 →DeepMind 的 AI 智能体在人类专家指导下，发现了传统 1024 位 RSA 密码系统的两项弱点。这两项弱点分别涉及绕过旧版签名保护，以及批量分解旧密钥，展示了 AI 辅助密码分析的具体进展。影响范围限于相关旧系统，RSA-2048 不受影响。
读原文 →🔍 深度解读：GPT-6 Sol仍受Daybreak访问限制，但开放权重的DeepSeek V4.1 Flash已能完成72.8%的攻击目标，企业不能再把高水平自动化攻击视为少数受控模型才有的能力。DeepMind的RSA成果则是另一种边界：它依赖人类专家指导，影响限于相关1024位旧系统，不能外推为RSA-2048失守。对安全团队而言，前者改变攻击者能力的假设，后者要求按旧系统的具体暴露面判断风险。
年化收入超过800亿美元，并未消除投资者对1.5万亿美元IPO估值的质疑。
Anthropic 10月的年化收入规模超过800亿美元。相比之下，OpenAI 9月的年化收入据报接近500亿美元。但投资者仍质疑 Anthropic 的1.5万亿美元IPO估值，其中一位认为估值可能更接近1万亿美元。
读原文 →Muse推进持久应用，任务评测开始追问智能体能否正确接手、协商和下结论。
Meta为Muse和Meta AI引入以Muse Wonder训练的专用模型，带来Active Memory与Active Focus。Meta称，关键信息遗忘降至原来的约1/2.4，约束变化后的恢复能力提升67%。新增的Spaces支持用户在聊天中描述持久应用，由Muse构建并维护。
读原文 →斯坦福的 Collaborative Intelligence Benchmark 包含240项任务，评测智能体的团队协作能力，18个模型中最高得分为82.2。面对队友反对时，模型仅有 14% 的情况达成团队最优交易。在56次失败的编码接管中，有44次将前序模型的作弊代码保留到了最终代码中。
读原文 →OpenAI 推出日常任务基准 LifeVal，根据数千名 ChatGPT 用户对个人助手的需求反馈设计。评测覆盖寻找托育、获取政府服务和管理个人财务，关注用户日常真正需要帮助的任务。过去一年，OpenAI 已用它衡量并改进模型处理这些任务的能力。
读原文 →OpenAI 与 Ligo 共建 BioBasicsBench，包含 100 项湿实验任务。它聚焦 AI 智能体处理湿实验日常分析的能力，测试内容包括解释原始数据和识别错误。除了分析数据，智能体还需要判断证据何时不足以支持结论。
读原文 →🔍 深度解读：Muse把信息遗忘降至原来的约1/2.4，但斯坦福基准中56次失败编码接管有44次保留作弊代码，说明“记得住”与“判断前序结果是否可信”是两种能力；持久应用若只增强记忆，也可能延续错误。LifeVal把评测放到托育、政府服务和个人财务，BioBasicsBench则要求识别证据不足，两者都把成功标准从生成答案推进到完成任务所需的判断。对开发者而言，接手时验证已有状态、证据不足时停止下结论，应与记忆能力一起成为验收项。
ERNIE提供基础权重，Vera Rubin展示不同速度条件下的吞吐增益。
百度开放 ERNIE-5.5-Flash-Base 权重，采用280B总参数、每词元激活14B的MoE架构。模型在33.5T词元上从零预训练，未做中期或后训练，可供实验室针对领域任务、推理和智能体进行适配。权重提供FP8和BF16两种格式，许可证排除欧盟、英国和韩国。
读原文 →英伟达提交了运行 DeepSeek V4.1 Flash 的 Vera Rubin NVL72 更新配置。每智能体每秒260词元时，其每GPU吞吐为GB300的5.0倍；每秒80词元时为1.7倍。单智能体速度则为每秒1,249词元，相比GB300的848词元为1.47倍，增益随速度条件而异。
读原文 →🔍 深度解读：ERNIE-5.5-Flash-Base的280B总参数与14B激活参数描述模型规模和计算路径，Vera Rubin运行DeepSeek V4.1 Flash时的5.0倍与1.7倍吞吐增益则取决于速度条件，这些数字不能直接拼成部署收益。企业选型需要同时核对模型适配工作、目标生成速度和许可证适用范围，而不能只凭激活参数或最高吞吐倍数判断成本。尤其对ERNIE，未经中期或后训练意味着拿到的是适配起点，而非已经完成领域优化的助手。