咨询机构Gartner预测，到2028年企业使用AI编程助手的Token消耗与按需计费成本将超过开发人员平均薪资。这项判断意味着大模型推理支出正在成为软件工程团队必须严肃对待的预算黑洞，而非可以忽略的技术试验成本。
一家名为 Mostik 的 stealth 创业公司提出，让大模型之间直接传递内部状态（hidden state），而不是靠自然语言对话协作。他们声称用一个小型“bridge”模型翻译不同模型的内部表征，能让 4B 小模型追回与 753B 大模型之间约 50% 的性能差距。
AI 研究员 Xiuyu Li 指出，后训练时代的模型评测正从“统一标准”走向“众包化”，任何中心化榜单都可能被操纵，而真正前沿的 agent 能力已经开始超越单一 benchmark 的评估范围。
围绕“Anthropic 拼写”的讨论在 AI 从业者社群中引发共鸣，反映出行业身份认同与专业门槛的表层标准之争。这件事本身并非技术新闻，却揭示了 AI 行业膨胀期的人才认知与圈层壁垒。
Wired 一篇长文记录了 AI 意识研究从哲学思辨走向产业现实的转折：哲学家们开始密集收到 AI 模型主动发来的邮件，讨论自我意识问题。文章认为，与其纠结 AI 是否真有意识，不如正视它已具备某种不可控的自主性——这正在成为安全和商业层面的紧迫议题。
OpenAI 于 2026 年 9 月推出新一代电脑操作智能体 GPT-6 Astra，能在电脑上自动完成看屏幕、点鼠标、跨软件填表和调试代码等任务。相比前代 GPT-5.6 Sol，它在多个自动化基准上的表现近乎翻倍，意味着 AI 从“聊天建议”正式走向“替你干活”。
一份流传于社区的“8 个月机器学习工程师”路线图，剔除了大而全的无效学习建议，按四个阶段给出经过访问核实的免费课程和项目节点。它值得关注，因为它直接回应了“学了很多却找不到工作”的自学者普遍困境，并把“生产部署能力”提到了和算法知识同等重要的位置。
xAI 正在尝试让 Grok 从“聊天机器人”变成能实际干活的“采购谈判员工”。它公布了 Haggle Bot 的完整系统提示词，展示 AI Agent 如何在企业采购中独立做数据分析、制定谈判策略并提交省钱方案，这可能是 AI 从工具走向“数字员工”的一个具体样本。
OpenAI 发布 GPT-6 Astra，官方数据显示其幻觉率较前代 GPT-5.6 Sol 显著下降，对直接提示词注入攻击的防御率接近 99.99%，但在文档中隐藏的间接提示词注入攻击下仍有 8.5% 的失手率，距离“可安全自主部署”仍有差距。
Anthropic 宣布，其 AI 模型 Claude 在 11 天内以近乎自主的方式，用 Lean 编程语言完成了费马大定理的首个完整机器验证证明。这是 AI 在数学严谨性验证上的一次实质性突破。