AI 日报 · 2026-10-14

模型发布主线集中在 Gemini 4 Argon 与 LiquidAI 的 LFM2.5-24B-A2B：前者通过 API 上线、llm-gemini 0.35 已接入，初始定价对齐 GPT-6 Sol 且明显低于 Claude Opus 5.5，但 12 月起翻倍；后者以 24B 总参数、2B 激活主打设备端快速、私密的显式思维链智能体。LangChain 当天围绕 MCP 和 Deep Agents 密集更新，包括重构 MCP 支持、发布 Deep Agents deploy 与 Open SWE，以及让文档示例自我测试。Modal 宣布年化收入破 10 亿美元并完成 7.5 亿美元 D 轮融资，同时提出在 RL 采样中用混合精度和多加速器降低占 GPU 八成的采样成本。生态层面，Anthropic 在新加坡设办公室并签署政府备忘录，NVIDIA 承诺 2.5 亿美元支持英国 agentic 安全研究，OpenAI 报告欧盟智能体采用增长但不均衡。此外，Anthropic 自建 Scion 替代 Git，Dyna Robotics 发布 Dyna-2/2.1 物理智能体。

北美一手（LLMs 官方 & 关联账号）

Anthropic

⭐⭐ [其他] Anthropic opens Singapore office and signs MOU with the Government of Singapore

Anthropic 在新加坡开设新办公室（亚太地区第五个），并与新加坡数字发展与信息部签署谅解备忘录，签署仪式在新加坡国际网络周期间举行，由该部常任秘书 Kai Fong Chng 与 Anthropic 联合创始人 Ben Mann 完成。备忘录列出的合作领域包括 AI 安全、安保与模型评估，AI 采用及其影响的研究，以及公共和私营部门的负责任采用。Anthropic 表示将与新加坡的 AI 安全、安保与保障机构就模型评估、测试标准和事件响应开展技术交流，并计划分享研究数据（含 Anthropic 经济指数）、帮助中小企业采用 AI、支持政府提升公务员 AI 能力。文中称最新经济指数显示，新加坡按人口计算的 Claude.ai 使用量在 121 个国家中排名第二，约为其人口规模所预测水平的六倍；GovTech Singapore 已有 1500 多名工程师和技术人员采用 Claude Code，新加坡网络安全局正在探索用 Claude 加强网络防御。Anthropic 与新加坡的合作可追溯至 2023 年加入由 IMDA 和 AI Verify 基金会运营的生成式 AI 评估沙盒，此后还合作开展了英语、华语、马来语和泰米尔语的红队测试项目。

OpenAI

⭐⭐ [研究] The EU’s next chapter in AI is agentic

OpenAI 经济研究团队发布报告，考察欧盟企业与中小企业中 agentic（智能体式）AI 使用情况的增长。在 ChatGPT Enterprise 客户中，agentic 使用已占相当大比重：在欧盟样本里，Codex 和 ChatGPT Work 合计产生超过一半的输出 token。中小企业方面，自 2026 年 5 月以来，欧盟中小企业中 Codex 与 ChatGPT Work 的周活跃用户增长超过 8 倍，且每个成员国都有增长。报告同时指出欧盟内部采用并不均衡：样本中通过 Codex 和 ChatGPT Work 生成的输出 token 占比从斯洛文尼亚的 22% 到立陶宛的 85% 不等，各国用户带来的工作类型也有差异。前沿企业（按每活跃用户输出 token 排名前 10% 的企业）方面，9 月欧盟前沿企业的人均输出 token 是欧盟典型企业的 4 倍以上，但欧盟以外的前沿企业又是欧盟前沿企业的 2 倍以上；欧盟企业仅占全球前沿企业的 10%。报告认为，弥合差距需要帮助企业在实验之外深入使用、让员工具备使用 AI 的技能与信心，并让先进能力更易获得、更可负担；OpenAI 首席财务官 Sarah Friar 表示欧洲已进入 AI 新阶段，但使用仍有很大增长空间。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐⭐ [模型发布] llm-gemini 0.35

Simon Willison 发布了 llm-gemini 0.35，为这个访问 Google Gemini 系列模型的 LLM 插件加入对当天发布的新模型 Gemini 4 Argon 的支持；该模型已通过 Gemini API 提供，也向每月 100 美元的订阅用户开放。Argon 发布定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 GPT-6 Sol 相同，是 Claude Opus 5.5 的一半，也是 Claude Fable 5.1 和 GPT-6 Astra 的五分之一，但自 12 月 1 日起价格将翻倍。作者引用 Artificial Analysis 的基准运行成本数据：Argon 跑完整套基准花费 2,407 美元，接近 GLM-5.3，明显低于 OpenAI、Anthropic 和 Meta 的最新模型。文中还给出了用该模型生成的鹈鹕 SVG 等示例。

⭐⭐⭐ [模型发布] Run fast, private agents on-device with LFM2.5-24B-A2B

LiquidAI 发布 LFM2.5-24B-A2B：一个总参数 24B、每个 token 仅激活 2B 的推理模型，面向设备端快速、私密的 agent。它会先思考再作答、调用工具，并能在流行 agent harness 中完成多步任务。在 agentic 与工具使用任务上，它与总参数和激活参数都约多 50% 的 Qwen3.6-35B-A3B 相当，LiveClaw 得分 48.09 对 38.19；推理效率方面，在 Apple M5 Max 上为 184 tok/s，在单块 NVIDIA B300 GPU 上输出最高 21K tok/s。模型沿用 LFM2-24B-A2B 架构（40 层、每个 MoE 块 64 专家、top-4 路由、门控短卷积与 GQA 的混合），但上下文窗口从 32K 扩大到 131K，词表通过原位的 tokenizer 扩展从 65K 翻倍到 128K，且改为只输出显式思维链的纯推理模型。预训练规模从约 17T 提升到约 33T token，随后加入 32K 上下文的 2T token 与 131K 上下文的 300B token 中期训练，后训练分 SFT、教师专精化、非 agentic 与 agentic 两阶段多域 on-policy 蒸馏（MOPD）以及 agentic RL 五个阶段。

⭐⭐ [模型发布] Dyna-2: General Purpose Physical Agents with Hour-Long Autonomy — Jason Ma, Dyna Robotics

Dyna Robotics 发布了世界-动作模型 Dyna-2，称其在超过一百万小时的人类视频上预训练，并在人类数据上跨四个数量级观察到新的缩放定律。随后公司推出 Dyna-2.1，称其为首个实现可靠超长时间全身自主的「物理智能体」，将新型半人形硬件与围绕 Dyna-2 构建的智能体系统结合。播客中提到，该模型在餐厅折餐巾任务上连续 24 小时保持 99.4% 成功率，包括在拉倒整叠餐巾后自行恢复；机器人可从少至 45 分钟的示范中学习新任务，并已在鼎泰丰部署、每天折叠数千张餐巾。Dyna 联合创始人兼首席科学家 Jason Ma 在访谈中讨论了世界-动作模型与视觉-语言-动作模型的区别、扩散 Transformer 与流匹配、人到机器人的迁移、自建硬件的理由，以及灵巧手和缺失的传感数据仍是主要瓶颈。

产品更新

⭐⭐⭐ [产品更新] MCP in LangChain: Stateless Protocol, Elicitation, and More!

LangChain 重构了对 MCP（Model Context Protocol）的支持，以适配该协议自发布以来最大的一次规范重写。主要有三点变化：MCP 支持从单独的 langchain-mcp-adapters 并入主包，位于 langchain.mcp，通过 pip install "langchain[mcp]" 安装；底层改用 FastMCP，由其在每个连接上协商新旧两代协议，并负责传输、认证、连接管理与协议协商；新增基于 LangGraph interrupt 的 elicitation 与客户端缓存。新规范引入无状态核心，客户端与服务器不再被会话 ID 绑定，无需粘性路由和共享会话存储，服务器可声明工具列表的保鲜时长，工具也能在调用中途暂停向调用方提问。原先的 MultiServerMCPClient 合并为单一的 MCPAdapter 类，官方提供了迁移指南。

⭐⭐ [产品更新] Deep Agents Deploy: an open alternative to Claude Managed Agents

LangChain 发布 Deep Agents deploy（beta），称其是以生产可用方式部署「模型无关的开源 agent harness」的最快途径。它构建在开源、模型无关的 Deep Agents harness 之上，其主张是选择开放 harness 即意味着自己掌握记忆（memory），而不被专有 harness 或单一模型锁定。此前上生产需要的几步——以多租户、可扩展方式部署 agent 编排逻辑与记忆，为每个 agent 会话拉起 sandbox，以及搭建 MCP、A2A、human-in-the-loop、memory 等端点——现在被打包成一条命令 deepagents deploy。部署时需指定 model、AGENTS.md、skills、mcp.json、sandbox 等参数；模型侧支持 OpenAI、Google、Anthropic、Azure、Bedrock、Fireworks、Baseten、OpenRouter、Ollama 等，sandbox 侧预置 Daytona、Runloop、Modal、LangSmith Sandboxes 集成。底层为其捆绑自带的 LangSmith Deployment server（生产可用、可水平扩展），对外提供 30 多个端点，涵盖 MCP、A2A、Agent Protocol、human-in-the-loop 与记忆端点；同时强调使用 MIT 许可的 deepagents（Python 与 TypeScript）、AGENTS.md、Agent Skills 与 MCP/A2A/Agent Protocol 等开放标准，并可自托管 LangSmith Deployments 以自行持有记忆。文章最后开始与近期推出的 Claude Managed Agents 对比，称两者在高层架构（harness、agent server、sandbox）上相同，原文在此处中断。

⭐⭐ [产品更新] Context Management for Deep Agents

LangChain 团队在博客中介绍开源 agent harness「Deep Agents SDK」的上下文管理机制。该 SDK 支持规划、生成子 agent 以及借助文件系统执行长时任务，因任务长度常超出模型上下文窗口，SDK 实现了上下文压缩。压缩由三种不同触发频率的技术组成：工具返回结果超过 20,000 tokens 时，将其卸载到文件系统，并以文件路径引用加前 10 行预览替代；当会话上下文超过模型可用窗口的 85% 时，把旧的 write/edit 工具调用参数卸载到磁盘，只保留指向文件的指针；当没有可卸载内容时回退到摘要——由 LLM 生成包含会话意图、产出物和后续步骤的结构化摘要替换完整对话历史，同时把原始对话消息写入文件系统作为完整记录。SDK 借助 LangChain 的 model profiles 获取具体模型的 token 阈值，并按其比例触发上述步骤；博客还提到 terminal-bench 等基准上的真实任务会触发上下文压缩。

⭐⭐ [产品更新] Open SWE: An Open-Source Framework for Internal Coding Agents

LangChain 发布 Open SWE，一个用于构建企业内部编码智能体的开源框架，基于 Deep Agents 与 LangGraph 构建。该框架归纳了 Stripe（Minions）、Ramp（Inspect）和 Coinbase（Cloudbot）等团队各自独立开发内部编码智能体时趋同的架构模式，包括在专用云沙箱中隔离执行、精选工具集、以 Slack 为主的调用入口、启动时从 Linear、Slack 或 GitHub 拉取完整上下文，以及子智能体编排。Open SWE 不 fork 现有智能体，而是以组合方式构建在 Deep Agents 之上，从而获得升级路径，并允许以配置形式保留组织特有的工具、提示词与工作流。

研究

⭐⭐⭐ [研究] Toward RL on mixed-precision, mixed-accelerator samplers

Modal 的这篇博文探讨在大型模型强化学习中，采样器能否使用与训练器不同的精度和加速器。文中指出，采样已占用大型 RL 运行中 80–85% 的 GPU，而服务系统本可使用 FP8、MXFP4、NVFP4 等低精度格式和专用内核与加速器。作者提出两个障碍：一是学习问题，优化会加剧训练-推理失配、使样本更偏离策略；二是系统问题，RL 基础设施通常围绕同构加速器集群构建。作者用离策略修正（包括掩码重要性采样 MIS）配合 Modal 的无服务器 GPU 自动扩缩容，全程异步地在 agentic coding 任务上训练 Qwen3.6-35B-A3B。实验设置中，混合采样器跨越六类加速器（B200/B300 用 NVFP4，H100/H200 用 FP8 和 BF16，A100 和 RTX PRO 6000 用 BF16，KV 缓存为 FP8），训练器在 B200 上以 BF16 更新策略，使用 Miles 框架、SGLang 采样器和 Megatron-LM 训练器，评测在 SWE-bench Pro V2 及其 HARD-51 子集上进行。

⭐⭐ [研究] Improving Deep Agents with harness engineering

LangChain 的编码 agent（deepagents-cli）在 Terminal Bench 2.0 上的得分从 52.8 提升到 66.5，提高 13.7 分，排名从榜单 Top 30 之外进入 Top 5。他们只调整了 harness（系统提示、工具、中间件），模型保持固定，使用的是 GPT-5.2-Codex。实验基于 Terminal Bench 2.0 的 89 个任务（覆盖机器学习、调试、生物学等领域），用 Harbor 编排并运行验证与打分，每一步动作都记录在 LangSmith 中。他们把 trace 分析做成可复用的 Agent Skill（Trace Analyzer Skill）：从 LangSmith 拉取 trace、并行启动误差分析 agent、再由主 agent 综合结论并提出对 harness 的针对性修改。文中提到的主要改进方向包括 build & self-verify（让 agent 进入构建—验证循环）以及 planning & discovery（读任务、扫描代码库等）。

其他

⭐⭐⭐ [其他] Modal crosses $1B in Annualized Run Rate and raises $750M Series D

Modal 宣布其年化收入（annualized run rate）突破 10 亿美元，并完成 7.5 亿美元 D 轮融资。公司称自五个月前宣布 C 轮以来用量增长两倍、同比增长超过 15 倍。文中列举了在其平台上构建应用的客户，包括 TypeSafe AI 的 Jev（上线前三天在 Modal 上处理 1 万亿 token）、DoorDash、Cognition、Ramp、Linear、Hebbia、Runway、Physical Intelligence、Generalist AI、1X、Chai Discovery 和 Achira 等。Modal 表示其自建文件系统、容器运行时、调度器和网络，容量池覆盖 20 多个云；Sandboxes 已成为年化 3 亿美元的产品，累计启动近 30 亿个沙箱，可扩展至百万并发。公司还提到近期推出多节点训练、Modal servers、Endpoint Candidates，以及虚拟机正式可用。

⭐⭐ [其他] From Enterprise to Earthshot: UK’s Ecosystem Moves From Ambition to Application With NVIDIA

NVIDIA 官方博客发文介绍英国生态如何从「雄心」走向「落地」，称英国各行业正在使用其全栈技术，从企业业务转型到初创公司解决难题，部署规模增长迅速。文中提到 NVIDIA 作出了一项为期五年、总额 2.5 亿美元的计算资源承诺，用于加强英国的 agentic safety。原文可见内容在提及该承诺处即被截断。

⭐⭐ [其他] NVIDIA Commits $250 Million to Advance UK Agentic Safety and Security Research Over the Next Five Years

英伟达宣布向英国提供一项为期五年、价值 2.5 亿美元的计算资源捐赠，用于加强英国在智能体（agentic）安全与安保领域的研究能力。

⭐⭐ [其他] How We Made Our Docs Test Themselves

LangChain 博客介绍了一种让文档中的代码示例「自我测试」的做法。文章指出，文档里的内联代码片段是静态的，依赖和 API 一变就容易过期，而把它们变成可测试代码（在 CI 中运行、失败即中断构建）虽然能解决问题，但前期改造工作量不小。LangChain 用 Deep Agents CLI 配合 Skills（按需加载的可复用指令）来完成迁移：把代码搬到 src/code-samples/{product} 下的独立文件、补齐 setup/teardown、跑 lint、用 :snippet-start:/:snippet-end:（以及 :remove-start:/:remove-end:）标记片段、运行示例测试，并把生成的片段重新引入文档。该流程不需要写代码，任何人都可以在文档仓库里打开 CLI，让 agent 把某个文件（如 streaming.mdx）的内联代码迁移成可测试示例；配套的 GitHub Action 会定期运行测试，失败时自动建单，skill 存放在 .agents/skills/docs-code-samples/SKILL.md。

⭐⭐ [其他] Redesigning source control at Anthropic

这是 Simon Willison 的一篇链接短文，讨论 Anthropic 自建一套取代 Git 的源代码控制系统。文中数据称 Anthropic 的代码变更量从 2026 年 5 月平均每天约 2,500 个合并变更，增长到 9 月的每天 30,000 个以上。新的源代码控制系统名为 Scion，代码审查系统名为 Antique；相关需求相当极端——主分支历史近 100 GB、压缩工作副本超过 25 GB，每天仅 CI 就有约 2,500 万次代码检出。该系统由 7 人团队在 5 个月内完成从 Git 的迁移；工程师表示由于 Claude 是 Scion 最重的使用者且必然在线，离线支持并不重要。文中还提到 Anthropic 大量使用对抗式审查，但该方式可能短视，需要工程师引导 Claude 避免过度设计。