The Verge 分析 AI 能否解决 COBOL 代码迁移危机
The Verge 报道，OpenAI 于 10 月 19 日宣布其最新模型在 COBOL 向 C++、Java、Python 等现代语言迁移上有显著改进，GPT-6.1 Sol 在高推理力度下行为保留准确率达 98%，低推理力度下为 87%；Anthropic 此前也推出代码现代化指南并推荐 Claude Code。
#评测/基准
The Verge · AIAI 评分5959
The DecoderAI 评分5959 Anthropic 联创 Jack Clark 将自我改进 AI 的预测提前至 2027 年
Anthropic 联合创始人 Jack Clark 基于 P-Zero Research 的 TasteVal 基准，将递归自我改进（RSI）可能实现的时间从 2028 年提前到 2027 年。
The Decoder精选AI 评分8282 月之暗面发布 Kimi K3.1 Pro，紧追 Claude Opus 5.5
月之暗面发布 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 拿到 55 分，比 K3 高 11 分，位居第四，仅比 Claude Opus 5.5 低 3 分。
推荐理由：文章汇总了 K3.1 Pro 的榜单成绩、价格与开源计划，读者可以借此比较开源与闭源模型的差距变化。
The DecoderAI 评分6767 研究称花哨编码 Agent 框架推高成本但不提升通过率
Liu 和 Han 的研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型在 Claude Code、OpenCode 和 mini-SWE-agent 三个框架上测试，发现换框架带来的任务结果波动与同设置重跑相当，通过率差异多在测量噪声内，唯一稳定落后的是 OpenCode，最多落后九分。
Latent Space精选AI 评分8080 Latent Space AINews 汇总 Kimi K3.1 Pro 发布与独立评测：104B 激活参数、11 月 4 日开源权重
Latent Space AINews 汇总 Moonshot 发布 Kimi K3.1 Pro 的各方反应。该模型为 2.8T 总参数、104B 激活参数的 MoE 模型，1M token 上下文，API 已上线，权重承诺 2026 年 11 月 4 日发布；官方称 Highspeed 版输出快 2-3 倍但价格为标准版两倍。
推荐理由：这篇汇总把独立评测、定价和争议分开呈现，读者可以据此把 Kimi K3.1 Pro 的宣传数字与第三方测量区分开来。
Latent SpaceAI 评分5050 Latent Space AINews：Black October AI 安全事件潮盘点与模型发布汇总
Latent Space 的 AINews 以 Black October 为主题，汇总 48 小时内集中爆发的 AI 相关安全事件，包括 PHP 未认证 RCE、GitLab CVSS 10 漏洞、LiteLLM 1.107.0 携带密码窃取器、Zeabur 因 321。
Mistral AI精选AI 评分6464 Mistral 发布时间序列基础模型家族 Timestral
Mistral 发布其首个时间序列基础模型家族 Timestral，含 5M、28M、123M、209M 四种规格，其中 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一。
推荐理由：官方发布首个时间序列基础模型家族，给出三项公开基准成绩和 CPU 部署延迟数据，读者可据此评估企业预测场景的可用性。
Import AIAI 评分3838 Import AI 476：AI 研究品味与递归自我改进；开源模型视觉推理逊于中国模型之外的表现；AI 竞赛走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，测试模型对视觉场景隐含信息的直觉推理，含 522 道题、288 张图片和 234 段共 17.6 小时视频。
Microsoft ResearchAI 评分4949 Microsoft Research 播客对话 Jennifer Neville：AI 会出什么错，失败教会我们什么
Microsoft Research 播客中，首席应用科学家 Chad Atalla 与 partner research manager Jennifer Neville 对谈，探讨评估在推动当今 AI 系统性能边界中的作用，以及模型在传统 benchmark 之外测试时出现的“意外失败”。
GitHub Blog · AI & MLAI 评分5454 GitHub 发布开源基准 ReviewBench 用于评测 AI 代码审查
GitHub 发布开源离线基准 ReviewBench，用于评测 AI 代码审查 Agent，现已开放使用。基准基于 1.039 亿 GitHub 真实 pull request 构建分布，语料包含 19 种语言的 219 个公开 PR，采用多来源 golden set、Claude Sonnet 5 作为 LLM 评分器，资深工程师独立复核与基准一致率达 96.6%。
Import AIAI 评分3131 Import AI 475：Swarm scaling、Google DeepMind 水印合成生物学与 AI 科学生态
Toby Ord 分析称 swarm scaling 是一种新的推理扩展方式：4 个智能体的群体需要约两倍 token 但因并行运行可在一半时间内完成同任务；智能体数量扩 10 倍仅获得 10λ（约 3-5 倍）收益，存在收益递减。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 4 Argon 前沿模型，输出上限扩至 1M tokens
Google DeepMind 发布新前沿模型 Gemini 4 Argon，正通过 Fairwind Program 向受信任的网络防御者分批推出，覆盖软件工程、法律金融等企业知识工作和网络安全防御。
推荐理由：官方发布词覆盖定价、输出上限和内部落地案例，可帮助读者判断该模型在编码与安全场景的实际定位。