Anthropic 联合创始人 Jack Clark 将自我改进 AI 的预测提前到 2027 年
Anthropic 联合创始人 Jack Clark 将递归自我改进（RSI）可能实现的预期从 2028 年提前到 2027 年，依据是数学突破进展和 TasteVal 等基准。
#评测/基准
The DecoderAI 评分5555
OpenAI NewsAI 评分4242 OpenAI 与学术界合作，公开 Kakeya 猜想、指数时间假设与量子色动力学相关模型结果
OpenAI 公布其在 Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学上的模型结果。研究者可以对这些结果进行验证并在此基础上继续研究，OpenAI 表示将与学术社区合作共同推进科学理解。
The Verge · AIAI 评分5757 The Verge 分析 AI 能否解决 COBOL 遗留代码危机，专家指 OpenAI 评估与实际现代化相距甚远
The Verge 撰文探讨 OpenAI 与 Anthropic 推动 AI 迁移 COBOL 等遗留代码的进展与局限。OpenAI 称 GPT-6.1 Sol 在低推理努力下行为保持准确率达 87%，高推理下达 98%，而 GPT-5.6 Sol 仅 5%；COBOL 据 IBM 数据支撑逾 40% 在线银行系统、80% 面向交易的信用卡和 95% 的 ATM 交易。
Import AIAI 评分4848 Import AI 478：用数学助力对齐、ProgramBench 与 OpenAI 智能体逃逸演示
AI 安全初创公司 Resolution 将奇点消解等统计学习理论数学命题自动形式化，耗时约一周、花费约 135,000 美元 token、产出约 60 万行 Lean 代码。
Latent Space精选AI 评分7777 Latent Space AI News：月之暗面发布 Kimi K3.1 Pro，2.8T 总参 104B 激活，权重承诺 11 月 4 日开源
Latent Space 期刊报道 Moonshot 发布 Kimi K3.1 Pro，为 2.8T 总参数、104B 激活的多模态 MoE 模型，上下文窗口 100 万 token，权重承诺 2026 年 11 月 4 日开源。
推荐理由：这篇 AI News 汇总把 Kimi K3.1 Pro 的独立评测、定价与部署成本争议放在一起，读者可以据此区分厂商宣传与实测结果。
Simon Willison精选AI 评分7676 Kimi K3.1 Pro 上线 API，月之暗面承诺 11 月 4 日前开放权重
月之暗面的 Kimi K3.1 Pro 上线 Kimi API，尚未开放权重，官方承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens，与 GPT-6.1 Sol 持平、为 Claude Opus 5.5 的一半；另有 2-3 倍速的 Highspeed 版本，价格为两倍（输入缓存命中同价）。
推荐理由：作者实测了新模型并整理定价与第三方评测对比，读者可据此判断它与 Claude Opus 5.5、GPT-6 的相对位置。
Mistral AI精选AI 评分6464 Mistral 发布首个时序基础模型家族 Timestral，最大 209M 参数登顶 GIFT-Eval、TIME 与 fev-bench
Mistral 发布首个时序基础模型家族 Timestral，含 5M、28M、123M、209M 四档参数，209M 模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，仅用此前最优模型约三分之二的参数。
推荐理由：原文给出四档参数规模、三大基准成绩和 CPU 推理延迟，读者可据此评估时序预测场景的选型与部署。
Google ResearchAI 评分5252 Google Earth AI 发布地理空间推理技术报告并扩展早期访问
Google Earth AI 的 Geospatial Reasoning agent 已从原型发展为支持多步地理空间推理和自主训练预测模型的实验系统，发布技术报告并开源 GeoKTools、GeoExpertQueries 两个新基准。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon 前沿模型，全球开放 API 与应用访问
Google DeepMind 发布 Gemini 4 Argon 前沿模型，即日起面向开发者和企业通过 AI Studio 与 Gemini API 开放，并向 Ultra/Pro 订阅用户开放 Gemini 应用、AI Mode 与 Antigravity。
推荐理由：官方发布给出了定价、基准成绩和内工程案例，读者可以据此评估它对编码与科研工作流的实际影响。
Microsoft ResearchAI 评分4646 Microsoft Research 播客对话 Jennifer Neville：AI 会错在哪里、失败教会我们什么
Microsoft Research Podcast 的 Chad Atalla 采访微软 partner research manager Jennifer Neville，探讨评估（evaluation）如何推动当今 AI 系统突破传统 benchmark 去满足用户需求，以及测试中出现的“意外失败”。
GitHub Blog · AI & MLAI 评分4848 GitHub 发布开源代码评审基准 ReviewBench
GitHub 推出 AI 代码评审离线基准 ReviewBench，现可公开使用。基准基于 1.039 亿个 GitHub pull request 建模分布，语料包含来自 187 个开源仓库、覆盖 19 种语言的 219 个公开 pull request，采用人类评审、前沿 LLM 与静态分析多来源 golden set，并由资深工程师独立标注，一致性达 96.6%。