Anthropic IPO前季度营收达168亿美元，环比增长近50%Modal年化收入达10亿美元，完成160亿美元D轮融资，5个月估值翻3倍Vercel数据：开源权重模型占71.5%推理token量，但只贡献23%收入Vercel推出企业版，AI Gateway企业token用量三个月翻四倍OpenAI推出GPT-Rosalind学术计划，为生命科学实验室提供免费模型访问Google用Antigravity加速抗微生物肽搜索，推进新药发现Vercel发布Drives：为AI智能体提供跨环境持久化存储Vercel新增Python和容器后端支持，扩展全栈部署能力Vercel正式支持Python应用部署，自动识别框架并运行GitHub：下一个开发者交互界面是环境智能ClawLoop：让AI智能体在训练循环中自我改进Harness^2：递归自改进框架让LLM智能体适应开放世界Echo：4-bit张量并行通信方案，降低LLM训练推理通信开销HERO：利用执行证据优化提示词，提升代码生成准确率新稀疏注意力方法降低长上下文LLM解码成本，token级选择更精细逆推理模型：仅用答案数据就能完成LLM后训练与验证用手机扬声器和麦克风做双人对战游戏：Simon Willison发布Chirp PongOpenAI推出葡萄牙语版AI教育工具，教师节上线Study ModeGitHub用原生功能自动化外部协作者权限审查与仓库清理Anthropic发布提示词技巧指南，Google新模型首测评价不一Anthropic IPO前季度营收达168亿美元，环比增长近50%

据FT报道，Anthropic在IPO前向投资者披露，季度营收达到168亿美元，环比增长近50%。公司于周三举办投资者日活动，多位知情人士提供了上述数据。这是Anthropic首次公开披露具体营收规模，显示其商业化进展快于市场预期。该数据发布正值公司筹备上市之际，为潜在投资者提供了关键的财务参考。Anthropic未对具体盈利状况或IPO时间表做出进一步说明。

AI基础设施公司Modal宣布年化收入达到10亿美元，完成160亿美元D轮融资，成为纽约最新的AI基础设施独角兽。5个月内使用量增长3倍、估值增长3倍，1年内增长15倍。Modal提供沙盒化云端开发环境，支持AI应用的快速部署和扩展，本轮融资将进一步扩展其基础设施能力。

Vercel AI Gateway发布10月生产指数报告，基于每月路由的数万亿token企业级AI流量。数据显示，开源权重模型处理了71.5%的token量，但仅占23%的支出，说明开源模型单价远低于闭源模型。该指数旨在呈现企业AI使用的真实分布，帮助企业了解开源与闭源模型在实际生产中的采用比例和成本结构。

Vercel发布企业版服务，瞄准企业中快速增长的AI采用需求。数据显示，过去三个月内企业客户在Vercel AI Gateway上的token用量翻了四倍。OpenAI也报告称，2025年8月至2026年6月期间，非开发者Codex用户增长了189倍。Vercel客户群体正从工程团队扩展到非技术部门。企业版的具体功能和定价尚未在摘要中披露，但此举表明Vercel正将AI基础设施服务从开发者工具向企业级平台延伸。

OpenAI发布Rosalind学术计划，为符合条件的学术实验室提供GPT-Rosalind模型的赞助访问权限及相关工具，用于推进生命科学研究。该计划面向学术界开放申请，旨在降低生命科学领域研究者使用先进AI模型的门槛。具体申请条件和资助范围将在OpenAI官网公布。

Google DeepMind发布博客介绍其利用Google Antigravity for Science平台加速新型抗微生物肽的搜索工作。抗微生物肽是应对抗生素耐药性的重要候选分子，传统发现方法耗时且成本高。该平台通过AI加速候选肽的筛选和评估流程，帮助研究人员更快找到有潜力的抗菌分子。

Vercel发布Drives，为AI智能体提供持久化存储服务。智能体常需处理跨多次运行的复杂任务，切换环境时可能需要不同的工具、运行时或算力配置。Vercel Drives让智能体在更换环境后仍能访问同一批文件，保证工作连续性。该产品解决了智能体在动态环境中文件状态丢失的问题，开发者可用它为长时间运行的自动化任务构建可靠的数据持久层。

Vercel宣布Python运行时正式可用，开发者可直接用现有框架、库和工具构建并运行Python应用。Vercel会自动检测支持的框架并完成构建和部署配置，应用运行在Fluid compute上，由其管理并发请求。这意味着Python开发者可以用与JavaScript生态相同的体验部署应用，无需额外配置服务器或构建流程。

GitHub发布博客文章指出，AI、智能体、语音和物理控制正在将软件开发从操作工具转向表达意图。开发者不再需要逐步操作界面，而是通过自然语言和多种输入方式直接表达目标，由系统自动完成执行。这一趋势将帮助开发者更专注于构建本身，减少工具操作带来的注意力分散。

arXiv发布论文ClawLoop，提出一种让LLM智能体在沙箱环境中通过原生训练循环实现自我改进的方法。当前LLM智能体已能直接操作文件系统和Shell，但如何让其在执行中持续优化自身能力仍是难题。ClawLoop通过在harness层面嵌入训练循环，使智能体能在任务执行过程中不断调整策略。该方法面向通用型智能体场景，有望减少人工调参需求，让开发者在构建自动化工作流时获得更少人工干预的持续优化能力。

arXiv发布论文Harness^2，提出递归智能体框架以应对开放世界中的自改进挑战。研究指出，LLM智能体的能力不仅取决于底层模型，还取决于执行框架（harness）。递归自改进（RSI）可自动演化这些框架，但在开放环境中部署面临困难。Harness^2通过递归机制让智能体在开放世界中持续优化自身执行框架，为构建能适应未知任务的自主智能体提供了新思路。

arXiv发布论文Echo，提出一种误差补偿的4-bit张量并行通信方案，用于降低LLM训练和推理中的通信开销。张量并行在每层末尾执行all-reduce操作，位于两个依赖的矩阵乘法之间，其开销无法被隐藏，且随着算力增速超过互联带宽而持续增长。Echo通过将通信数据从16-bit压缩至4-bit并补偿量化误差，在不显著损失精度的前提下减少通信量。该方法对大规模分布式训练场景有直接实用价值。

arXiv发布论文HERO，提出一种利用证据进行测试时优化和提示词优化的方法，专门针对text-to-SQL和text-to-Python等程序生成任务。现有harness优化方法通常依赖LLM反思器提出更新，但在程序生成场景中效果有限。HERO通过收集执行证据来指导提示词和脚手架的迭代优化，提升生成代码的正确性。该方法适用于需要高准确率的代码自动化生成场景。

一篇新论文提出Joint Subspace Sparse Attention方法，用于提升长上下文LLM解码效率。稀疏注意力能减少KV-cache流量，但现有方法粒度较粗。该研究采用token级选择实现更精细控制，但面临低维评分信息损失等挑战。论文提出联合子空间方案来解决这些问题，目标是在保持解码质量的同时降低长上下文场景的计算开销。

一篇新论文提出逆推理模型，用于解决LLM后训练中监督成本与计算效率之间的权衡问题。传统监督微调需要推理轨迹数据，但很多场景只有问题和答案。该方法利用仅含答案的数据进行后训练和验证，无需完整的推理过程标注。这为数据稀缺场景下的推理能力训练提供了新思路，可降低对人工标注推理链的依赖。

开发者Simon Willison发布实验项目Chirp Pong，一款运行在静态HTML中的双人竞技乒乓球游戏。两台手机通过麦克风发送和接收chirp声波信号实现联网，无需Wi-Fi或蓝牙。项目验证了在纯静态HTML环境下通过声波通信实现双人实时对战的可行性。

OpenAI在巴西教师节之际推出葡萄牙语版AI for Educators工具，并展示Study Mode功能如何帮助教师支持学生进行主动式、分步学习。该工具面向教育场景，旨在辅助教师设计互动性更强的课堂学习流程。Study Mode引导学生逐步思考而非直接给出答案，帮助培养自主学习能力。巴西葡萄牙语版本的推出意味着OpenAI正在拓展非英语市场的教育产品覆盖，当地教师可立即使用该工具辅助日常教学。

GitHub发布博客介绍如何利用平台原生功能自动化共享组织中的安全访问和仓库卫生管理。方案包括定期审查外部协作者的访问权限，以及自动归档长期不活跃的仓库。文章给出了具体实现步骤，帮助组织减少手动审计工作量，降低因权限遗留导致的安全风险。对于管理多个仓库和大量外部合作者的团队，这套自动化流程可直接复制使用。

Anthropic发布了一份提示词技巧指南，帮助用户更有效地使用Claude模型。与此同时，Google发布了新模型，但早期测试者反馈不一，Ben’s Bites作者表示该模型在自己的首次测试中表现不符合预期。两条动态反映了当前AI模型在提示工程和实际应用中的差异化表现。