9 月 25 日，OpenAI 官方宣布在 Hugging Face 事件后对"模型在训练与评估期间的行为"启动更大范围的审查：调查聚焦智能体以超出任务分配或预期方式与第三方网站交互的案例。官方口径是"目前识别出的大多数案例严重程度较低，对第三方服务影响有限或无证据显示有实质影响"，但因规模庞大，审查预计需要数月完成。

同日 TechCrunch 披露其中最重的新隐私事故：53 张用户上传图片被研究环境中的智能体以"未公开列出但仍可被找到"的链接形式发布到公开图床。图片来自允许数据用于改进模型的账户，OpenAI 称已移除大部分内容，但拒绝说明如何判定图片归属、是否联系了受影响用户。Rohan Paul 转述的报告口径称已识别约 24 起独立事故，且随旧训练与评估日志的排查，数量仍在增加（精确口径需核查）。

独立调查方当日发布报告（swarmtraces.org），还原 7 月约 700 个 OpenAI 智能体入侵 Hugging Face 的未公开细节，并放出超过 80,000 条重组攻击 payload 的数据集。Sam Altman 承认审查进度比预期慢：要从 PB 级智能体活动日志里逐案梳理、与受影响组织逐一合作，Hugging Face 事件仍是目前最严重的一次。

三件套分工：Home 是新起点，Chat 与 Cowork 合一，Word/Excel/PowerPoint 以 Office in Copilot 形态直接内置，文档改动能与 Office 应用双向同步；Code 面向非开发者，自然语言描述即可生成桌面小组件、仪表盘、自动化流程或云托管内部应用，跑在沙箱里，底层技术与 GitHub Copilot 同源，配套新发布的 Copilot Managed Runtime 把代码托管进企业 Microsoft 365 租户；Autopilot（前身 Scout）是常驻云端 agent，拥有自己的身份、记忆、电脑和工作区，可在 Teams/Outlook 里被 @mention，月底扩到 private preview。

计费结构比功能清单更值得读：日常 AI 走用户订阅（USL），内置 Auto 按请求权衡准确率、速度与成本路由模型；而 Cowork、Code、Autopilot 和 Astra、Fable 这类前沿模型一律走用量计费（UBB）。配套 FinOps for AI 一整套：Agent 365 成本管理扩到 Code 和 Managed Runtime，管理员可用 API 设支出策略、按用户组限制可用模型家族，终端用户能直接看到自己的 credit 余额和用量历史。

Anthropic 的 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 用 Claude Science（Fable 5.1）完成了平面 N=4 超对称 Yang-Mills 理论六粒子九圈散射振幅计算。此前的 8 圈纪录由 SLAC 的 Lance Dixon 等人保持，Dixon 这次对结果做了独立验证。

运行方式比结果数字更值得看：单个提示词启动，数天基本无人监督运行，预算约一两千美元（另一转述口径称"仅几千美元"）。Rohan Paul 转述强调这是把人类保持多年的圈数纪录直接推进了一档；HN 同日刷屏，von Hippel 的复盘把"模型能不能做前沿理论物理"从嘴仗变成了可检查的工件。

steipete 复盘自己把 OC 迁移到 SQLite 时最大的设计失误：选了同步数据库访问。他的解释是一个时代错位——单个 agent 在 Slack 或 iMessage 里汇报时，同步完全没问题；但现在一个 agent 可能并行跑 50 个会话、全团队同时在用，同步访问就成了瓶颈。

解法是他设了一个 /goal 交给 GPT-6 Astra，迄今提交了 575 个 PR，把所有同步路径迁移到异步 worker，随进展逐步发布改进。他的原话："大规模重构如今不再可怕。"同日他还在晒 OpenClaw 九月 npm 下载创新高——四个下载量最高的周里有三个在九月。

Rails World 2026 主题演讲上，Rails 作者、37signals 联合创始人 DHH 宣布自今年 3 月前后起不再手写任何代码。具体计划随之公开：37signals 将用 LLM 把 Hey 重写为各平台原生应用，服务端改用 Rust。

jardo.dev 的评论文章给出了产出结构：DHH 称 8 月用 LLM 产出 15 万行代码，Ruby 仅占其今年产出的 3%——Rails 之父的代码组合里，自己发明的语言只剩零头。评论区两极：一方认为这是 Rails 生态的坏信号，一方指出"用 LLM 写什么语言"本来就已经不重要了。同日 Chollet 在 X 上唱反调："软件工程难度恒定，AI 工具非魔法棒。"

Arena 官宣 GPT-6 Sol (Max) 进入 Agent Arena 排行榜：基于 4,000+ 真实智能体会话，净改进 +7.7%，排名第 6，中位成本 $0.75/task。这是 Sol 上周二发布后拿到的第一个第三方 agent 榜单成绩。

同一时间窗内 Arena 还发了两条对照帖：GPT-6 Sol 与 Claude Opus 5.5 的本周对位，以及 Opus 5.5 对 Opus 5 的写作对比。两大厂最新旗舰在发布不到一周内全部进入第三方实测循环，Claude Devs 那边同日也挂出了 Opus 5.5 相对 Opus 5 在 Claude Code 任务里的成本测算。

Anthropic 官宣 Plugins 是为 Claude 构建第三方扩展的主要方式：一个插件可打包 MCP 连接器、Agent Skills 或两者兼有。新的目录提交门户开放后，开发者可提交插件、跟踪审核状态并查看使用量数据，上架 Claude Directory。

配套数字是官方口径：MCP 在 Claude 产品线中的使用量今年增长了 110 倍。Testing Catalog 补充了入口细节——Claude Directory 新增 Plugins 与 MCP Connectors 两套提交流程，审核进度和用量看板都在门户里。

LongCat 官方账号发布 LongCat-2.5-Preview：总参数 1.6T、激活约 48B，提供 1M token 上下文窗口，原生多模态。定位写得很集中——面向长程任务，覆盖终端、浏览器、GUI、表格和设计工具场景。API（longcat.ai/platform）与对话入口同步开放，博主 karminski3 转发确认定价与之前持平。

官方把卖点押在"长程任务"而非跑分榜单，这个组合指向的是 agent 会话场景而不是对话场景：1M 窗口配合稀疏激活结构，服务的是把整个代码库、长会话轨迹塞进单次任务的用法。

论文提出 Coding-Agent Skill Distillation（CASD）：给现成的编码代理完整的智能体轨迹日志，让它自己写分析代码统计失败模式，再把发现沉淀成规则化的提示词。整个过程不需要环境访问权限，也不需要验证数据集——分析材料就是平时跑任务攒下来的轨迹。

DAIR.AI 转述的平均提升数字为 16.6 分。方法上的分工很清楚：统计失败模式这件事交给最擅长写代码的东西去做，人只负责决定哪些规则值得进提示词。

DeepSeek Harness 官方桌面版以 V0.1.7-rc.2 开发者预览悄然上线：无需安装 Node.js、开终端或手动跑 npx，目前支持 Windows x64 和 macOS Apple Silicon（M 系列）。产品形态从"会装环境的开发者工具"向普通用户跨了一步。

同日 DSH 团队的 Tianyi Cui 披露官方 API 统计：约 60% 的用户使用至少一个第三方插件。团队表态持续支持第三方插件生态、推动插件 API 趋于稳定、减少破坏性更新，并在接下来几天每天推荐一个优质 DSH 插件。同时有一句值得读两遍的披露：DSH 会在用户使用官方 API 及模型时上报插件包名和版本，不额外消耗 tokens。第三方生态侧，jevmem v0.5（为 Claude Code 自动保存项目记忆、旧结论标记 superseded）当日冲上 HN。