月之暗面发布Kimi K3.1 Pro：暂不开源，11月4日前放出全量权重OpenAI详解如何把在线存储扩到支撑10亿ChatGPT用户，读取快12倍AI Mindmeld提出模型间潜在互联协议，绕开文本传信息的瓶颈RoleFlow：多角色AI智能体靠结构自适应自我进化MoEZip：按路由压缩KV缓存，降低MoE模型长文本显存占用小模型看图老出错？新方法用最小编辑做多模态蒸馏让检索Agent知道自己“查没查到”：自评估强化学习方法SWE-VERIFIER：选择性验证让编程Agent更省钱Vercel详解Agent如何安全操作生产环境Vercel CLI新增预算管理：命令行查看和设置团队支出上限Vercel MCP新增submit_feedback，Agent可直接向官方提Bug和功能需求Vercel Connect为每个Agent单独生成受限Stripe密钥Vercel部署页面新增构建缓存大小显示本周披露的互联网底层漏洞波及大量软件，Replit发文说明企业防护方案OpenAI说明前沿模型训练环境防护：离线环境加高算力红队测试Simon Willison实验：让Claude用canvas几秒内把照片"画"成笔触版AI做数学题越来越强，研究者发现能预测它下一步会解出什么题月之暗面发布Kimi K3.1 Pro：暂不开源，11月4日前放出全量权重

OpenAI发布技术文章第二部分，介绍如何通过可靠的多租户架构、全局缓存和Azure Cosmos DB扩展Habitat存储系统，为ChatGPT提供12倍更快的读取速度。这套系统要支撑超过10亿ChatGPT用户的在线存储需求，多租户隔离和缓存策略是其中的关键设计。

arXiv新论文AI Mindmeld提出一种潜在互联协议。当前LLM可以作为科学Agent调用工具、咨询专家并运行实验，但专家信息必须以文本、图像、音频或视频形式进入模型上下文，这成了高维表征模型之间的瓶颈。该协议试图让模型之间直接传递潜在表征，而不是先把信息压缩成文本等格式。

arXiv 新论文提出 RoleFlow，一种让基于大语言模型的多智能体系统摆脱预设协作结构的方法。现有系统多依赖固定的角色分工和交互流程，任务需求变化时难以调整；RoleFlow 通过结构自适应机制，让智能体在运行中动态调整协作方式，并用轨迹级奖励信号驱动优化。论文称该方法提升了系统对演化任务的适应能力。实际意义在于：多智能体开发可以减少手工设计协作流程的工作量，让系统在任务变化时自行重组分工。

arXiv 新论文提出 MoEZip，针对稀疏混合专家（MoE）大模型的长上下文推理显存瓶颈。MoE 模型通过每个 token 只激活少量参数来控制算力，但长上下文场景下 KV 缓存随序列长度线性增长，显存成为主要限制。MoEZip 的做法是结合路由信息对 KV 缓存做压缩，利用专家激活模式判断哪些缓存内容更值得保留。实际影响：MoE 模型在长文本推理时可以用更少显存支撑更长上下文，降低部署成本。

arXiv 新论文指出，视觉数学推理可能在推理开始前就失败：视觉语言模型读错图表后，后续推理都建立在错误前提上，小模型尤其明显。论文提出最小编辑的在线策略蒸馏方法，核心思路是“编辑而非模仿”，让学生模型在教师模型输出基础上做尽量小的修正，而不是整体照搬。实际影响：小模型在图表类数学题上的视觉读取准确率有望提升，降低对超大模型的依赖。

arXiv 新论文针对检索增强大模型中的搜索 Agent 提出改进。这类 Agent 能通过检索外部信息处理复杂任务，但普遍缺乏“搜索状态感知”，即无法判断自己已经掌握了哪些信息、还缺什么。论文用自评估强化学习训练这种能力，让模型在检索过程中评估自身信息状态并据此调整后续搜索。实际影响：搜索 Agent 可以减少无效检索轮次，在多步问答和需要多次查证的任务中表现更稳。

arXiv 新论文提出 SWE-VERIFIER，针对编程 Agent 算力浪费的问题。这类 Agent 在生成动作和处理长交互历史时消耗大量计算，一旦选错动作就会进入低价值状态，推高 API 成本。SWE-VERIFIER 的思路是对备选动作做采样和验证，但只对部分动作进行验证，从而在保证效果的同时降低开销。论文将其定位为成本高效的验证方案。实际影响：编程 Agent 的调用成本有望下降，适合长时间运行的自动化编码任务。

Vercel 发布博客，说明其 Agent 在生产环境中的权限设计。问题在于：用户一句“修复这个部署”并不会提前说明需要哪些操作和权限。给 Agent 过宽权限，出错可能波及无关资源；每一步都要求审批，又会拖慢效率。Vercel 的做法是在两者之间取平衡，按任务授予有限权限，并对敏感操作设置审批环节。对开发团队的参考价值：给 Agent 上生产前，权限范围应按任务收窄，而不是一次授予账户级访问。

Vercel CLI现在支持在命令行查看和管理团队的Spend Management预算。运行vercel budgets即可返回当前支出和生效中的预算额度，同时也支持查看、设置和删除预算。该功能与团队计费设置中的On-Demand Budget为同一套机制，开发者或自动化脚本、Agent可以直接在终端里操作预算，不必再跳转网页后台。

Vercel MCP新增submit_feedback工具，开发者可以让Agent或harness直接用自然语言向Vercel团队提交Bug报告、使用摩擦反馈和功能需求。官方给出的示例是让Agent反馈"部署报错没有说明是哪个环境出的问题"。这让Agent在开发流程中发现问题后能就地提交，不必人工转述。

Vercel Connect 现在可以为每个 Agent 或任务创建单独的受限 Stripe API 密钥。创建 Stripe 连接器时，用户可选择 Managed API Key 作为连接方式，Vercel 会在用户的 Stripe 账户中生成密钥，权限范围由用户选定。原有的 MCP 和自带密钥方式仍然保留。实际影响：多个 Agent 共用一把 Stripe 密钥的风险降低，单个 Agent 出错时影响范围被限制在它自己的权限内，便于按任务做权限隔离。

Vercel 在部署摘要中新增构建缓存大小显示，用户可以看到每次部署节省了多少缓存，以及距离该构建机器的上限还有多远。同样的信息也可通过 CLI 查看，需 vercel inspect 65.1.0 或更新版本，或调用 get-deployment REST API 获取。Vercel 同时说明，上传构建缓存会计费。实际影响：团队可以据此判断缓存是否接近上限，避免因超限影响构建速度，也能更清楚地核算缓存带来的费用。

本周披露的一批安全漏洞影响了许多互联网依赖的基础软件，给企业带来实际风险，也加重了应用安全团队的负担。Replit发文说明其面向企业的防护措施，并指出随着AI让漏洞更容易被发现，安全团队面临的修复压力会继续上升。

OpenAI发文说明如何加强前沿模型训练与评估环境的隔离防护，措施包括离线环境和投入高算力的红队测试。这类说明通常用于回应外界对前沿模型训练过程中安全边界的关注，重点是降低训练环节的对外暴露面。

Simon Willison给Claude Opus 5.5 High下了一个提示，要求构建一个artifact：打开一张照片后，用canvas元素和模拟画笔在几秒内快速"绘制"出这张照片的版本。他还提到此前用Claude Fable模拟水彩插画的实验。这类测试展示了模型在浏览器端生成交互式视觉产物的能力。

AI模型正在解出更多数学问题，研究者观察到这些成功案例中浮现出一种规律，可能用来预测模型接下来能解决哪些问题。这意味着数学能力不再是零散突破，而有可循的进展轨迹，对评估模型能力边界和安排测试题目有直接参考价值。