小模型与成本线升温；商业侧开始把高风险能力和广告商业化分层；agent 研究继续转向可验证、可复用、可约束。
Haiku 5.5 已在 Claude 平台、AWS、Google Cloud 与 Azure 可用，模型 ID 为 claude-haiku-5-5。Anthropic 称平均运行成本比 Haiku 4.5 低约 75%，并首次给 Haiku 级模型加入可调 effort；同时把 Sonnet 5.5 的 cache read 价格减半，使多数 agentic work 成本约低 20%。基准上，Haiku 5.5 在 OSWorld 2.1 offline 为 72.4%，Terminal-Bench 4.0 为 39.2%，FrontierCode 1.1 Main 为 46.4%。
判断：影响：这不是旗舰能力叙事，而是把子代理、浏览器使用、客服与分类等高频任务的单位经济性往下压。对多模型 agent stack 来说，Haiku 5.5 更像便宜的执行层。
Mistral Large 4 是 1T 总参数、52B 激活参数的原生多模态模型，preview API 已在 Mistral Studio 开放，权重计划月底发布。Mistral 披露训练使用欧洲自有数据中心的 3,800 块 NVIDIA Grace Blackwell GPU；编码与 agent 工作流是重点，官方给出 DeepSWE v1.1 61.7%、Terminal-Bench 4 28.3%、AutomationBench 59.9% 等数据。
判断：影响：Mistral 把主线继续押在“欧洲、开放权重、主权 AI”。但目前仍是 preview，架构、权重和 post-training 细节要等月底，今天只能按厂商基准看。
Google Developers Blog 发布 EmbeddingGemma 2，定位为开源、轻量、原生多模态 embedding 模型，面向检索、跨模态搜索和端侧/低资源场景。官方页面可读，但本次抓取到的正文主要是页面标题与导航，具体参数需后续从模型卡或 Hugging Face 继续核验。
判断：影响：embedding 模型仍是 RAG 与 agent memory 的基础件。这里只列为低置信产品更新，不把未读到的参数写成事实。
https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
Anthropic 将 Project Glasswing 与原 CVP 合并为三档访问机制，合格安全团队可申请带更少 cyber blocking classifier 的 Claude Opus 5.5、Sonnet 5.5、Mythos 5.1 及后续模型。Anthropic 称 2026 年 4–7 月 Glasswing 伙伴发现至少 129,000 个已验证软件漏洞，另有自家开源扫描在 4–10 月发现 5,500 个漏洞，其中超过 33,000 个被评为 critical 或 high。
判断：影响：这是“能力分级发布”的典型案例。厂商不再只做全局安全阈值，而是把高风险能力卖给可验证主体；好处是防御效率，风险是审核和监控失误会直接放大模型的进攻能力。
OpenAI Newsroom 索引显示 10 月 5 日发布“Building advertising for the way people use AI”。本次页面索引可读，但未能完整读取正文，因此不展开广告形态、上线节奏或产品细节。
判断：影响：ChatGPT 的商业化会从订阅/API 延伸到广告与商业推荐，但用户信任、标注、排序透明度会成为政策和产品风险。
Z.ai 官方称 GLM-5.3-Flash 采用 320B 总参数、18B 激活参数，是 GLM-5 系列首个原生多模态模型；相较 GLM-4.5 系列，激活参数从 32B 降到 18B、层数从 92 降到 45。官方还称过去一周在大规模国产 AI 芯片集群上服务该模型，并基于 SGLang 做专用推理引擎，端到端 serving 性能相较初始 baseline 提升 3 倍，单 token 成本接近主流 NVIDIA GPU。
判断：影响：这条同时属于产品与产业链，但更大的信息点是国产推理栈。厂商基准需要独立复测，不过“模型设计、agent 写 infra、国产芯片推理”这条闭环值得跟踪。
论文 Agent Behavior as Code 提出让 foundation model 编辑一个符号程序，由程序在运行时确定 agent 行为。它在 GAIA 与增强 GAIA 上接近模型匹配的 neural agent，在更依赖控制流的任务上更稳：GSM-Symbolic 98.3% vs 97.3%，τ²-bench telecom Pass^4 71.9% vs 47.4%。在可复用任务族上，GSM-Symbolic latency 降 5.2×、cost 降 7.0×；τ²-telecom agent latency 降 9.5×。
判断：判断：这条对 agent harness 很关键。它承认 LLM 不适合每一步都重算控制流，而是把可稳定复用的行为沉淀成程序。缺点也清楚：结果集中在单一模型家族和有限任务族，泛化还要看真实工作流。
OctoBench 包含 34 个环境、217 个任务、3 类 scaffold 和 7,098 个客观 checklist。论文称模型逐项检查 CSR 可达 79.75%–85.64%，但实例级 ISR 只有 9.66%–28.11%；Skill.md 约束比 memory/system reminder 更容易失守，跨 Claude Code、Kilo、Droid scaffold 的稳定性也差异明显。
判断：判断：这解释了为什么真实 agent 经常“看起来会做事，但会漏掉约束”。对 Hermes/Crewden 这类系统，harness 级验证、轨迹检查和 skill 约束可执行化比继续加提示词更重要。
官方博文给出了 Haiku 5.5 的定价、effort、OSWorld、Terminal-Bench、FrontierCode 与视觉推理基准，并明确把它放在 Opus/Sonnet 的 subagent 位置。
判断：归类说明：产品发布已在第一栏写过，这里只保留模型公司官方博客中的工程/定位信息，不重复展开。
Mistral 披露 ML4 训练在欧洲自有数据中心完成，preview 先开放 API，权重月底发布；并强调 cyber red-teaming、企业工作流和主权 AI。
判断：归类说明：具体产品能力见第一栏；这里保留训练/发布策略和基础设施信息。
Z.ai 披露 sparse + linear attention、mHC、30T token 多模态语料、18B active 参数、基于 SGLang 的国产芯片推理栈，以及 GLM-5.3-powered Infra Agent 参与 kernel、瓶颈诊断和 serving 优化。
判断：归类说明：这是今天核心博客里最值得读的工程长文；结论仍按厂商自测处理。
已检查 TLDR AI、The Rundown AI、Import AI、InfoQ AI 快讯、OpenAI、Anthropic、Google、Mistral、Z.ai、arXiv 以及注册表候选源。机器之心按最新技能规则不采集。OpenAI 广告正文未完整读取；Google EmbeddingGemma 2 参数未展开。未发现 DeepSeek、Qwen、Moonshot/Kimi、MiniMax、字节 Seed 在时间窗内有可核验新增核心博客。