OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等训练代码稀缺的遗留语言改进最新模型。在自建的 MultiLangBench 上，GPT-6 Astra 在 20 种语言的平均测试通过率为 87.4%，GPT-5.6 Terra 约为 38%；GPT-6 Luna 为 40.3%，成本更低。
推荐理由：OpenAI 公布 GPT-6 系列在 COBOL、Fortran 等低资源语言上的评测结果，可对照旧模型看提升幅度。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估器并非简单解法，评估结果的可复现性依赖开放权重，而当前评估方法之间难以有效比较且失效较快。她指出智能体评估既困难又昂贵，行业对 harness 的评估远少于对模型的评估，评估者资质标准也亟需统一。
OpenAI 正在改进 ChatGPT 对低资源编程语言的支持，并新增了针对软件工程、SQLite 和 COBOL 迁移的评测。
研究者提出 Taste-Bench，用决策分叉衡量智能体在长期任务中的路径判断力，共 502 道二选一题目。测试 14 个模型，表现最好的 GPT-5.6 Sol 平均准确率 59.7%，GPT-5.5 为 59.5%，其余模型明显更低；当关键线索只在后续步骤出现时，平均准确率降至 21%。
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 上得分 42，比上一代 M3 高 13 分，单任务成本不到其一半。
Latent Space 推出新栏目 High Taste Testers 首期，汇总 10 月 15 日至 16 日的 AI 新闻。
AWS SMGS Operations 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了一套覆盖全生命周期的智能体质量评估框架，用于其服务 AWS 全球现场销售的多智能体系统。
The Verge 三位作者用一周时间测试了搭载 NVIDIA RTX Spark N1X 的五款笔记本，包括 Surface Laptop Ultra、Asus ProArt P16、Lenovo Yoga 9n 和 HP OmniBook Ultra，售价从 3199.99 美元到 6999.99 美元。
Gemini 4 Argon 今日正式开放，覆盖 Gemini API、Gemini 应用、Search 的 AI Mode 与 Antigravity，介绍期 API 价格为每百万输入/输出 token 2/10 美元，缓存输入折扣 95%，Artificial Analysis 称 11 月 30 日后价格翻倍至 4/20 美元。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、输出 token 10 美元，缓存输入享 95% 折扣。
推荐理由：官方披露了 Argon 在 Chrome 重构、ADK 性能优化和机器人视频到仿真等场景的具体数字，可据此判断前沿模型在长程工程任务上的实际边界。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 103.9M 个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。
