要点速览
- Runway Dev 以插件形式接入 Claude Code，可自动生成视频、图像和音频 API 集成代码。
- LeCun 与 Balestriero 的研究声称小模型能形成比大 660 倍 LLM 更好的世界图景，并阐述 JEPA 与 EBR 观点。
- Anthropic 发布 FlashProve，可验证回复是否来自指定模型，并已开源代码。
- Deedy 报告称企业 AI 支出增至 1770 亿美元，69% 流向 Anthropic、OpenAI、Google。
- NVIDIA 扩展 Agent Toolkit，Mistral Large 4 加入 Open Math OS，Perplexity Computer 支持 Agent Plugins。
- Hugging Face 用 Claude Opus 修改 0.0085% 权重修复 OCR 模型，并成为 RoboColosseum 创始合作伙伴。
- Hamel Husain 引述对多个基准的批评，主张依赖私有评测。
一、AI 开发工具与模型研究
- Runway Dev 已接入 Claude Code，通过插件把 Runway 的视频、图像和音频 API 集成进用户正在开发的应用；用户描述应用需要生成的内容后，Claude Code 会按 Runway 的方式编写集成代码。1
- Yann LeCun 与 Randall Balestriero 在 10 月 29 日上线的一项研究中声称，一个数据充分的小模型能比大 660 倍的 LLM 形成更好的世界图景。LeCun 称 LLM 积累大量陈述性知识，因而需要大量参数和内存；JEPA 世界模型以“理解”替代知识积累，可用远少于 LLM 的内存和训练数据。他称该论文表明，在 SIGReg 或 VCReg 等防坍缩准则（而非重建）下训练编码器时，数据（文本或图像）的底层相似结构唯一决定表征点云的形状。1 2
- LeCun 还称“循环推理被完全高估”，称基于能量的推理（EBR）远胜循环推理，相关论文本周发布；他同时提醒，在柏拉图表征假说下比较 JEPA 与 LLM 时，LLM 的隐藏状态只携带预测下一 token 所需信息，并非完整表征，也不是编码器。1 2
- Anthropic 发布新研究 FlashProve，基于成熟密码学技术，让开发者能验证某条回复是否来自指定 AI 模型，效率显著高于此前开源方法。该证明可用于增加攻击者劫持聊天难度，也让安全评估者核实被测模型与对外服务模型是否一致。Anthropic 认为可证明推理的进一步进展可能成为提升 AI 部署信任度的重要部分，并已开源 FlashProve 代码。1
二、企业支出与平台生态
- Deedy 发布企业 AI 支出 15 部分报告，核心结论：去年支出增长 5.4 倍至 1770 亿美元，主要来自既有买家；69% 流向 Anthropic、OpenAI、Google 三家前沿实验室，高于去年的 50%；LLM API 支出中 86% 流向 Anthropic（55%）和 OpenAI（31%）；三年前首份报告时支出仅 25 亿美元。1
- NVIDIA 扩展 Agent Toolkit，帮助开发者构建可利用公司数据回答问题并做出预测的智能体，并提供对智能体可访问内容和可执行操作的控制；Lila Sciences、Siemens 和 Dassault Systèmes 分别将其用于设计潜在疗法、规划工厂生产和优化车辆设计。1
- Mistral Large 4 已加入 Open Math OS 模型阵容：开放权重 1.05T、上下文窗口 1M，即日起向获批团队开放。Open Math OS 是数学家与 AI 智能体协作的研究工作区，仅基于开放模型构建，社区可检查、运行并掌控自身数据。Mistral 称其用 Mistral Large 4 测试近期一个 Django CVE：133 个智能体负责梳理代码、寻找缺陷、测试攻击场景并确认漏洞，随后由 Le Chonk 完成修补，流程覆盖分诊、复现、打补丁。1 2
- Perplexity 的代理框架 Computer 现支持 Agent Plugins，可在高于单个连接器的抽象层上操作应用包及其对应技能；插件可浏览或从 GitHub、.zip 导入，并兼容其他代理。Aravind Srinivas 还称，许多 Shopify 店主正在用 Perplexity Computer 自动化业务运营，包括竞品分析与审计、搭建 Web 应用、通过 Klaviyo 运行邮件和营销活动，以及自动化 Instagram 广告投放。1 2
三、开源实践与评测争议
- Hugging Face 用 Claude Opus 通过修改权重修复 OCR 模型重复循环问题：仅改动 0.0085% 的权重、无需训练，模型便能读取一份 1881 页文档，而非输出 16,399 个点号；实际耗时不到 3 小时、约 10 美元 Jobs 算力，低于 5 小时和 100 美元的预算。Hugging Face 还宣布成为 RoboColosseum 创始合作伙伴，该计划汇集 100 多台真实机器人、140 多个野外场景，所有 rollout（含失败案例）在 Hub 开放。1 2
- Hamel Husain 转发并评论了关于 SWE-bench Multimodal 的批评：去掉图像后分数几乎不变，多数任务仅凭 issue 文本和代码即可解决，说明该基准的多模态成分有限。他引述 @xeophon 的 BenchmarkGate 发现：AutomationBench 要求模型用散文而非 JSON Schema 描述请求体，且评分器存在多处问题，修复后基准接近饱和；OfficeQA Pro v2 的评分器用正则和 Python 提取，会拒绝许多有效答案，并有证据显示模型通过网络访问从 HuggingFace 获取答案，修复后该基准同样接近饱和。Hamel Husain 据此主张应亲自查看数据、不要轻信第三方指标，最好依赖自己的私有评测。1 2
四、行业动态与观点
- OpenAI 迎来 Jill Hazelbaker 加入团队，她此前在 Uber 任职，将担任首席企业事务官；她向 Axios 表示，希望帮助塑造世界理解、参与并最终受益于 AI 的方式。OpenAI 还表示，ChatGPT 和 Codex 正在帮助工程师面向物理世界进行构建，并分享了在机械设计、电气工程和仿真方面的进展，包括帮助其硬件团队加快迭代，以及与行业合作方测试新工作流。1 2
- Sam Altman 主张人应始终掌控未来，反对让人被降格为只做“AI 系统认为值得奖励给人类的事”；他认为不应把未来的控制权让渡给超级智能，这一要求应最终约束 AI 进展。他还转发信息称，即日起所有 Pro 100/200/500 档及 Business Premium 的使用额度翻倍；Pro 200 的额度不会下调，Work 和 Codex 用量保持不变，dots 的扩展额度暂时继续提供且其用量仍与默认用量分开计算。1 2
- AI Engineer Code Summit 定于 11 月 10–12 日在旧金山举行，采用申请制，现场聚集 1000 名 agentic 工程师，并在 YouTube 直播至 200 万 MAU。收官环节主题为“Raising your Ambition”，嘉宾包括 @jxnlco、@trq212、@jarredsumner、@sqs、@mitsuhiko 等，@echelon 将作主题演讲；峰会由 Google DeepMind 呈现。Warp 的 Zach Lloyd 介绍其开源云“软件工厂”方案：通过调优模型、减少冗余子代理，可将每个 PR 的成本从约 80 美元降至 15–20 美元，吞吐量较上月提升 40%，同时保持质量。1 2
