AI TrackerOpenAI 的 API 定价页面移除了十款旧模型，包括 o1、o1-pro 和 GPT-4
2026 年 11 月 2 日，OpenAI 的 API 定价页面上有十款旧模型条目消失。这是定价页面本身的变化，并非 OpenAI 发布的公告；从定价页面移除本身也不代表模型已退役。页面列出的价格没有注明计价单位。OpenCode 经过重构，可在浏览器开发者工具中运行
Adam（adamdotdev）于 11 月 2 日在 X 上表示，他重构了 OpenCode，使其能够在浏览器的开发者工具控制台中运行，并使用 console.log 语句构建界面。它基于他在 textjs.org 链接的框架打造，他还邀请开发者及其智能体用该框架构建其他控制台应用。帖子附注称，VS Code 扩展正在开发中，Chrome 开发者工具扩展则尚待推出。
Anthropic 发布 FlashProve：用于证明响应由哪个模型生成的开源原型
Anthropic 发布了关于可证明推理的研究：这是一种加密证明（zkSNARK），可证明某个响应来自一组特定的、已提交承诺的模型权重；没有这些权重的用户也能验证。Anthropic 表示，这有助于发现路由服务暗中替换模型，或攻击者篡改模型的情况，也能让评估人员和监管机构核查实际提供的模型。
Vercel Sandboxes 搭配 Drives 时，启动速度最高提升 2.4 倍
Vercel 表示，使用 Drives 的沙盒现在启动速度最高提升 2.4 倍。根据其数据，中位创建时间从 1.7 秒降至 0.7 秒，p95 从 2.2 秒降至 1.6 秒。Vercel 称无需升级 SDK 或更改配置。详情见 Vercel 的变更日志条目。Arena：顶尖智能体每生成 1 个 token，平均读取约 93 个输入 token
排行榜发布方 Arena 表示，在超过 26,000 次会话中，其 Agent Arena 排名前 10 的智能体每生成 1 个 token，平均会处理约 93 个输入 token。Arena 称，这也是各实验室竞相降低缓存输入价格的原因，并分享了一段展示缓存如何在实际会话中发挥作用的视频。这些数据来自 Arena 自行分析。
Claude Messages API 公测新增消息线程，在服务器端缓存对话
Anthropic 的 ClaudeDevs 账号称，Messages API 现已公测消息线程。API 会在各轮对话之间将对话保留在服务器端，因此请求只需携带新消息和上一条消息的 ID，无需发送完整历史记录，Claude 也能更快开始响应。
Vercel 现在会在安装脚本运行前拦截已知的恶意 npm 包
Vercel 表示，其构建现在会在已知恶意 npm 包的安装脚本运行前自动拦截这些包。用户无需采取任何操作。详情请见 Vercel 的更新日志条目。OpenAI提高安全漏洞赏金，并为报告质量和研究者忠诚度增加奖金
OpenAI表示，将提高其安全漏洞赏金计划的奖励，针对中危、高危和严重漏洞，平均而言，奖励区间的中位数将“提高逾四倍”。研究人员称，GPT-6 Astra 编辑了一个小型 Qwen 模型的权重，在不训练的情况下提升了数学能力
X 账号 rikiyatakehi 发帖称，作者让 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重，以提升其数学能力。他们表示，模型直接改动的权重仅占 0.016%，修复了小模型的推理循环，使数学能力最高提升 6 倍、指令遵循能力提升 3 倍，且没有使用梯度或进行训练。他们将这种方法称为 Weight-Space Programming。OpenAI 推出 LifeVal：评测日常个人助理任务的基准
OpenAI 表示，LifeVal 是一项新基准，其设计参考了数千名 ChatGPT 用户的反馈，了解他们最希望个人助理在哪些方面提供帮助。任务范围从寻找儿童托管服务，到使用政府服务和管理个人财务。Arena 的 Agent Arena 新增性能与输出 token 数和等待时间的关系图
排行榜发布方 Arena 表示，Agent Arena 现在除了展示任务开销，还会显示每生成一个输出 token、每等待一分钟，各个智能体的表现如何。Arena 称，相同水平的智能可能贵 10 倍，需要 6 倍的输出 token，耗时也会翻倍。
Hume 推出 Audio Decision API，一次调用即可回答有关音频的问题
Hume 表示，开发者可以通过其 Audio Decision API 询问有关音频的问题，例如有几位说话者、是否有人在笑，或来电者是否感到沮丧。Hume 称，该 API 取代了过去需要 10 个或更多模型才能完成的工作。OpenAI介绍Pando：一款为Codex规模开发打造的兼容Git后端
OpenAI的工程师表示，随着Codex的使用，公司单体仓库的负载增长迅速（来自开发环境、研究任务和CI的分支、推送、合并、获取和克隆操作都在增加），从2025年底前后开始，获取和推送变得缓慢，合并也会失败，可靠性有时低于90%。为此，他们构建了Pando这一新的Git仓库后端。OpenAI称，目前公司单体仓库中的所有开发工作都由Pando提供支持。DeepSeek Harness 推出 Creator Mode，可将想法转化为插件
DeepSeek Harness 账号于 11 月 2 日在 X 上宣布推出 Creator Mode，这是一种可将想法转化为可用插件的模式。演示视频展示了设计工作区、沙盒游戏以及 LLM 的 3D 可视化工具等示例。该账号在后续帖子中链接了一组中英文提示词，这些提示词用于制作视频中的插件。
开源权重科学模型 Hydrogen-1.0 发布，基于 GLM-5.3 进行后训练
Chenru Duan 宣布推出 Hydrogen-1.0，团队称这是其首个用于科学研究的开源权重模型。该模型基于 GLM-5.3（来自 Z.ai），使用团队内部的科学数据、实验室记录和发现轨迹进行后训练。
SemiAnalysis 发布 GDPx：一项智能体基准测试，最佳模型得分为 12%
SemiAnalysis 发布了 GDPx，这是一项评估其认为最具价值领域中的智能体能力的基准测试，涵盖芯片设计、网络安全和生物学等领域。该公司称，即使是表现最好的模型也只得了 12%。一篇转述结果的帖子称，Claude Opus 5.5 以 12.0% 排名第一，即将推出的 Gemini 4 Carbon 得分为 10.9%；这是转述者对结果的解读，并非 SemiAnalysis 的原文。
美团发布 LongCat-2.5：面向智能体任务的 1.6T 参数多模态模型
据账号 leo114119 在 X 上发布的帖子（附有美团 LongCat 博客链接），美团已发布 LongCat-2.5。帖子称，美团将其描述为一款面向智能体任务打造的原生多模态模型，拥有 1.6 万亿参数，在复杂视觉编程项目以及创意设计、3D 任务和商业分析等专业办公工作方面表现出色。
MiniMax 汇总了可在本地运行 M3.1 Flash 的社区量化版本
MiniMax 发布了一份社区量化版本汇总，涵盖其拥有 428B 参数、开放权重的 M3.1 Flash，面向希望在自有硬件上运行该模型的用户。MiniMax 表示，低比特权重可减少加载模型所需的内存，以及解码时传输的权重数据；要让量化真正实用，则需要仔细校准、高效的低比特内核，并将专家分布在 GPU 和系统 RAM 上。
Claude Mythos 5.5 尚未发布，但 Anthropic 网站源代码中提到了它
Anthropic 尚未发布 Claude Mythos 5.5。多个 X 账号称，Anthropic 的 Claude Mythos 页面（anthropic.com/claude/mythos）的 HTML 源代码中出现了这个名称。
Google announces Gemini 4 Carbon, its next frontier model, to cyber defenders first
Google announced Gemini 4 Carbon on October 28, 2026, calling it its strongest model, with state-of-the-art cybersecurity and long-horizon capabilities. It follows Gemini 4 Argon by two weeks. Sundar Pichai's post and Google's blog say it is not yet generally available: starting this week a subset of cyber defenders get access, with more trusted partners added through the Fairwind Program. Google says it will bring Carbon to developers, businesses and consumers "as soon as possible", and that it is taking part in the U.S. government's voluntary process for pre-release model testing.