10-19 晚，MiniMax 发布新一代轻量模型 M3.1 Flash。官方口径是「代际提升」：agentic 任务、编程、Computer Use 与网络安全四项同时上台阶，线上推理速度接近原来的 3 倍，Agent 类任务的整体使用成本较上一代降 70%。规格上支持最高 100 万 token 上下文，输入可为文本、图像、视频，输出为文本；思考默认开启，可用 effort 在 low/medium/high/xhigh/max 五档间调，省略时默认 max。定价走平铺固定价，每百万 token 输入 $0.15、输出 $0.60、缓存输入 $0.015（国内站 1 元 / 4 元 / 0.1 元），与 DeepSeek V4.1-Flash-1017 的峰谷分时价形成两种路线。官方自评分数：DeepSWE v1.1 73.7%、Automation-Bench 62.8%、BankerToolBench 76.2、OSWorld V2 61.7、CyberGym 82%、Agents' Last Exam 29.6（官方称后两项在中国模型里第一）。发布同时官方认领了一件旧事：此前在 OpenRouter、OpenCode 上匿名运行的「太空兔」Space Bunny，处理了 200 万亿 token 以上，就是 M3.1 Flash 的早期版本。模型已通过 MiniMax API、M Plan 与桌面端 MiniMax Code 提供，权重「稍后发布」；官方预告更强的 Pro 版本也在路上。短板写在自家表里：DeepSWE 73.7 低于 DeepSeek V4.1-Flash-1017 的 77.0 与 Claude Opus 5 的 74.0，Terminal Bench 4.0 也落后 Opus 5。

10-19，Google Research 的 Harness² 单日涨 5.1k star，登上 GitHub 趋势榜首位。仓库 google-research/harness2 于 10-06 建立、10-08 首次提交，Apache 2.0，目前 11,599 star、1,051 fork；论文 10-09 挂 arXiv（2610.14224），作者九人，含 Tomas Pfister、Bhavana Dalvi Mishra、Chen-Yu Lee 等。核心主张是「harness（模型外面那圈提示词、工具、记忆、技能、编排）和模型本身一样决定智能体能力」，做法是让智能体递归地改自己的 harness，模型权重全程冻结。两层递归：任务级递归用对比式的 Propose–Probe–Compose——先提通用改动与针对当前任务的改动，再让候选改动各自跑同一个任务，最后比较行为差异拼出新 harness，因此不需要 ground-truth 判分器；harnessing 级递归把被采纳的改动和有证据支撑的教训写进一份长期保留的「改进 harness」，下一题从这儿起步。结果：三个专业基准、四组模型-外壳配置，只走一步，GLM-5 与 Gemini 3.5 Flash 在原有 harness 上分别最多提升 11.5 分（WorkBuddy-Bench）、4.5 分（JobBench）、11.8 个百分点（LAB 部分通过率），加预算多递归几步还能再涨。支持并行与串行递归、OpenCode 与 Codex 两种执行器。保留：无 release、无版本号，10-14 后未再提交；只测两个非顶配模型，涨分是 best case，第三方复现记录尚无。

10-19，OpenAI 发布官方博客《Advancing coding in low-resource programming languages》，没有新模型，讲的是现有模型在 COBOL、Fortran、Visual Basic 这些「语料稀薄但支撑关键基础设施」的语言上的进步。为此他们自建了两套评测：MultiLangBench 要求模型用指定的 20 种语言之一，从零写出一个兼容 SQLite 的数据库引擎，用数据库文件作为跨语言的共同接口，再用参考实现校验结果；另一套是 COBOL 迁移评测，看模型能否把既有程序翻译成别种语言同时保持行为不变。结果：MultiLangBench 上 GPT-6 Astra 在最大推理档平均通过率 87.4%，GPT-5.6 Sol 为 26.8%，20 种语言全部提升（COBOL 10.9%→72.1%、OCaml 25.6%→85.8%、Fortran 21.4%→83.5%、Visual Basic 27.5%→89.4%），20 种里 19 种超过 83%，COBOL 仍最难；低成本档 GPT-6 Luna 平均 40.3%，单样本估算 API 成本 $0.77，比 GPT-5.6 Sol 的 $3.48 低约 78%。COBOL 迁移评测上，GPT-6.1 Sol 低推理档 86.6%（GPT-5.6 Sol 5.4%）且成本低 39%，高推理档 97.9%，几乎打满。官方给出的背景数字：COBOL 支撑 40% 以上在线银行系统、80% 的线下刷卡交易、95% 的 ATM 交易。

10-18，VAST（三启万物，Tripo 母公司）发布并开源实时生成式渲染器 EdenLive，属于其世界模型研究项目 Project Eden 的阶段性成果。核心设计是把两件事解耦：世界规则与状态由上游的代码智能体或游戏引擎维护，EdenLive 只负责把上游吐出的简化参考画面（proxy）实时渲染成精细画面，官方称之为 proxy-to-fine。输入有三路——proxy 或参考视频流（提供布局、相机与运动）、目标首帧（决定整体外观与画风）、文本提示词（补充风格与细节）；输出是精细视频或持续视频流。性能上，5B 模型在单张消费级 RTX 5090、720P 条件下生成速度超过 24 FPS，支持分钟级连续生成，输出 480P/720P 两档，从用户输入到对应画面出现的端到端延迟为百毫秒级。技术支撑有三：一个剥离外观信息、只保留结构与运动的结构-运动编码器；覆盖 2D/3D proxy、引擎渲染与真实视频的配对数据管线；把多步扩散模型蒸馏成少步 chunk-AR 的流式生成器，服务端再把程序模拟、参考编码与生成排成流水线并留一个 chunk 前瞻。开源内容包括 5B 与 14B 权重（双向与 few-step 两种推理版本）、实时流式推理代码、把提示词变成可玩粗糙游戏的 game-prototype-turbo 技能、以及整条 prompt-to-game 前端，协议 Apache 2.0，权重约 210 GB。官方自陈的短板是高频激烈交互、多角色身份保持、小物体精细控制与长时视觉一致性；仓库验证环境为 Linux x86-64、80GB 显存 NVIDIA 卡与 CUDA 13，所谓消费级指的是 5B/720P 这一档。

10-17，DeepSeek 官方更新日志宣布 DeepSeek V4.1 Flash 升级为 DeepSeek-V4.1-Flash-1017，网页端、App 与 API 同步切换，模型名仍是 deepseek-flash，调用方式与价格均不变。官方自称这是一次 minor update，但基准涨幅不小：HLE（无工具）36.8→42.6、Terminal-Bench 4.0 31.2→42.3、DeepSWE v1.1 74.2→77.0、ProgramBench 20.3→29.1、NL2Repo-Bench 65.4→68.2、Automation-Bench v1.0.6 54.8→60.5、Agents' Last Exam 31.8→35.4，另报 Apex Bench v1.1 72.1、Chartography（有工具）83.0、BabyVision（有工具）92.5、ZeroBench-main（有工具）51.0，11 项全部上升。官方把这次改进称为「性能–成本帕累托改进」：单价不动，靠缩短任务运行时间与输出长度（少走步骤、少写字）把每任务成本压下来；按第三方按 max 档折算，平均每任务费用约从 3.3 元降到 1.3 元（约 0.49→0.19 美元），通过率同时更高。权重已在 HuggingFace 与魔搭上线，MIT 协议，标称 763B 总参数、100 万 token 上下文、最大 384K 输出，仓库约 510GB；架构与 9-10 那版一致（配置文件未变），换的是权重。同日更新日志的第一段其实是另一件事：DeepSeek 首次对外开放自研搜索引擎的 Search 与 Fetch 两个接口，5 元/千次（0.75 美元/千次），北京时间 11 月 1 日 0 点起计费，此前免费；官方称该引擎每天处理全球数亿次请求、索引千亿级网页，并过滤 SEO 作弊、GEO 操纵与低质量 AIGC。背景：本周早些时候其服务中断约 5 小时，彭博社引述专家将原因归为算力不足。需要说明的是，以上分数均为 DeepSeek 自报，第三方榜单尚未对 1017 这版单独评分。