OpenAI 即将推出首款具备“关键”网络能力的 AI 模型
OpenAI 宣布其新一代模型 Astra 达到公司内部定义的“关键”网络安全能力阈值，能够自主发现并利用真实软件中的未知漏洞。该模型将很快公开发布，但高级网络攻防能力初期仅向 Cisco、Cloudflare 等特定合作伙伴开放。
标签： AI
On the agent configuration page, the ‘Knowledge Base’ configuration option is missing
这个报错通常出现在 Dify v1.17.0 自托管（Docker）环境中。Agent V2 编排面板（Orchestrate）中的“知识库（Knowledge Base）”配置选项被隐藏，是前端编译时功能开关 ENABLE_AGENT_KNOWLEDGE_RETRIEVAL 默认设为 false
[Bug][DCP] NVIDIA DeepSeek-V3.2 / GLM-5.2 fused attention bypasses DCP handling
![[Bug][DCP] NVIDIA DeepSeek-V3.2 / GLM-5.2 fused attention bypasses DCP handling](https://www.chat-gpts.plus/wp-content/uploads/2026/09/50095-245de1c7-768x403.jpg)
该报错发生在 vLLM 使用 NVIDIA DeepSeek-V3.2 或 GLM-5.2 模型并开启纯 DCP（Decode Context Parallelism，TP4+DCP4）时，fused attention 路径绕过 DCP 处理导致输出为重复乱码（如 locklocklock...
Anthropic的Claude Fable 5.1承诺提升编码和研究能力，成本降低高达45%
Anthropic 发布了 Claude Fable 5.1 和 Mythos 5.1 两款新模型，在智能体编码、科学研究等基准测试上大幅提升，同时通过降低缓存读取价格，将典型任务的 API 调用成本削减约 25%，复杂智能体工作流最多可节省 45%。
Anthropic向监管机构、媒体、事实核查人员及其他机构开放Claude AI文本检测功能
Anthropic 向监管机构、媒体和事实核查人员开放 Claude 的 AI 文本检测工具，试图在深度伪造和 AI 生成内容泛滥的背景下，用外部合作代替单向声明，给 AI 内容溯源提供可核查的切口。
面向真正工程师的 AI Coding Agent 技能
知名前端开发者 Matt Pocock 发布了一套面向“真实工程”的 AI Coding Agent 技能包，通过小型、可组合的提示词技能，解决 Agent 在开发中“听不懂需求”“话太多”“代码跑不通”三大常见问题。
Anthropic 阐述 AI Agent 应如何与物理世界交互
Anthropic 发布了名为 Model Hardware Standard（MHS）的硬件互操作标准预览，试图让 AI Agent 通过统一的软件驱动层控制显微镜、机械臂等物理设备，从而把实验室和工厂里的自动化流程从“周级”缩短到“小时级”。
Anthropic prices Fable 5.1 at $10/1M input tokens and $50/1M output tokens, unchanged from Fable 5, and cuts cache read pricing by 75% to $0.25/1M tokens (Frederic Lardinois/The New Stack)
Anthropic 将其最新模型 Fable 5.1 的 API 定价维持在 Fable 5 的水平（输入 $10/百万 tokens、输出 $50/百万 tokens），但将缓存读取价格大幅下调 75% 至 $0.25/百万 tokens，直接降低了长上下文和重复调用场景下的推理成本。
core: AIMessage.content_blocks mutates message.content in the Anthropic, Bedrock and Google translators
这个 bug 发生在 LangChain 的 AIMessage.content_blocks 属性被读取时，Anthropic、Bedrock、Google GenAI 和 Vertex AI 的翻译器会直接修改原始消息内容，导致数据静默丢失或增加。优先检查你使用的 provider 是否属于这四
LLM 推理的效率前沿
AI 基础设施公司 Baseten 发表技术长文，系统拆解了大模型推理（Inference）阶段的效率优化方法，区分了“在效率边界内做取舍”和“推动整个效率边界外移”两类技术，为开发者如何在延迟、吞吐量和成本之间做决策提供了实操框架。