Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna，现已上线 Claude Platform 和 Claude Code。
推荐理由：文章将定价、上下文窗口和第三方基准放在一起比较，也呈现高努力档 token 用量与过度拒答问题，便于判断其成本优势的边界。
Latent Space精选AI 评分8383 NVIDIA Blog精选AI 评分7676 NVIDIA 与 Microsoft 以 RTX Spark 和 AI 智能体开启 Windows PC 新阶段
NVIDIA 与 Microsoft 宣布围绕 Windows PC 共同推进 AI 智能体的硬件与软件基础设施。Microsoft 宣布 Microsoft Execution Containers（MXC）正式可用；RTX Spark 笔记本已开放预订，10 月 16 日上市，紧凑型桌面设备将于 11 月开售。
推荐理由：文章串联 MXC、RTX Spark 与 DGX Station for Windows，展示 AI 智能体如何从系统安全、端侧硬件延伸到企业级本地算力。
Microsoft Research精选AI 评分7878 Microsoft Research 开源 Agent Lightning v1.0，3,500 行轻量级 Agentic RL 框架
Microsoft Research Asia 开源 Agent Lightning v1.0，将部署时使用的真实 agent harness 直接纳入 RL 训练，框架约 3,500 行代码。
推荐理由：文章说明了真实 harness 如何接入 RL 训练，并用 3,500 行框架、Kubernetes 作业与 SWE-bench Verified 实验呈现工程设计和训练结果。
Microsoft Research精选AI 评分6363 Jennifer Neville 谈 AI 的错误与失败带来的启示
Microsoft Research Podcast 邀请 Jennifer Neville 讨论如何通过贴近真实使用场景的评估，发现 AI 在多轮对话和复杂工作流中的失败。她指出，模型在多轮交互中的表现会显著下降，长时任务中未及时发现的错误还会累积，因此用户应核验结果、尝试改写提问，并向系统提供更具体的反馈。
推荐理由：访谈把多轮对话、长时工作流中的失败模式与评估方法联系起来，并给出在监督和核验下使用当前 AI 的具体建议。
GitHub Blog · AI & ML精选AI 评分7575 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，用于系统评估 AI 代码审查智能体。该基准参考103.9M个GitHub pull requests，包含来自187个公共开源仓库、覆盖19种语言的219个pull requests，并提供多源 golden set、分级分类标注及 grounded 和 augmented 评测指标。
推荐理由：ReviewBench公开了覆盖219个PR和19种语言的AI代码审查评测框架，并以多源标注、统一评分和96.6%专家一致性支持系统比较。
Hugging Face Blog精选AI 评分8181 Microsoft 与 Hugging Face 发布 ThinkingBox 智能体评测环境
Microsoft 与 Hugging Face 发布 ThinkingBox 及 ThinkingBox-Bench，通过终端后端状态和副作用评测 AI 智能体，并在每项任务上重复运行 20 次。
推荐理由：文章把智能体评测从工具调用和最终回复推进到后端状态与副作用，并用20次重复揭示一次成功与持续可靠性之间的差距。
Microsoft Research精选AI 评分6060 Microsoft Research 推出 Quine 生物学 AI 研究系统
Microsoft Research 推出 Quine，这是一个结合生物学多模态世界模型与交互式研究工具的实验性 AI 研究系统。研究团队在胰腺导管腺癌（PDAC）研究中用它筛选并排序数千种化合物，最高排名化合物在湿实验中产生了最大的预期细胞状态变化，整个流程在一个周末内完成。
推荐理由：Quine将生物学多模态世界模型与文献、科学工具和湿实验连接起来，并展示了在胰腺癌细胞状态研究中筛选化合物的路径。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Copilot app 初学者指南：使用 canvases 构建自定义工作流
GitHub Copilot app 支持通过 canvases 创建围绕用户工作流定制的界面，并让用户与 Agent 双向协作更新内容。用户可在 agent session 中输入 `/create-canvas`，用自然语言描述工作流、界面操作和 Agent 操作，无需手写代码或布局。
推荐理由：文章用 /create-canvas 展示了从自然语言描述到可复用 canvas 的完整路径，并说明用户与 Agent 如何在同一界面协作。
GitHub Blog · AI & ML精选AI 评分7979 GitHub Copilot 的 canvas：为什么聊天有时不是正确的 UI
GitHub Copilot 文章提出，聊天并非 AI 任务的最佳交互界面，canvas 可在 GitHub Copilot app 内提供可定制的全栈应用界面。Canvas 能调用第三方 API、执行本地代码，并与 GitHub Copilot agent 双向通信。文章还展示了 Connect 4、Winget、SQLite 以及开发流程自动化等用例。
推荐理由：文章通过 Connect 4、Winget、SQLite 和开发流程案例，展示 GitHub Copilot canvas 如何把聊天请求转为可交互工具与自动化工作流。
Microsoft Research精选AI 评分7272 Microsoft Physical AI Toolchain 新增机器人推理卸载能力
Microsoft Physical AI Toolchain 新增机器人物理 AI 推理卸载能力，可将工作负载分布到机器人、边缘 GPU 和云端。Microsoft Research 的测量显示，卸载可提升任务成功率、支持更大模型并延长电池续航；较小 GPU 上映射和规划最多慢 383%，导航及时障碍检测下降 30%，VLA 准确率下降 50%。
推荐理由：原文以移动机器人操作任务的实测数据比较本地、边缘与云端推理，并介绍 Kubernetes 工具链如何支持部署。
Microsoft Research精选AI 评分6161 Microsoft Research 发布 GigaPath-Flash 与 GigaTIME-Flash 高效病理基础模型
Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash 两个开放权重病理基础模型，面向更高效的全切片分析和肿瘤微环境研究。
推荐理由：文章展示了 GigaPath-Flash 与 GigaTIME-Flash 如何以更低计算成本处理大规模病理数据，并给出模型结构、基准表现与资源估算。
已经到底了