Holo4 是首个统一 GUI、代码、MCP 和 API 接口的代理模型系列，单一模型即可在桌面、Web、Android 和代码沙箱中无缝运行。Holo4-27B 在 OSWorld 2.0（长程工作流）上取得 61.7%，成本仅 $1.22/任务（Opus 5.5 为 $8.48）；27B 权重以 CC BY-NC 4.0 发布，35B-A3B 以 Apache 2.0 发布，所有基准测试轨迹均已开源可复现。同日发布 Holotron4 Nano。
来源：Hugging Face Blog论文揭示了一个关键安全漏洞：即使攻击者无法获取强代理的显式技能文件，也可通过观察执行行为差异（成功 vs 失败路径）反推出程序性知识，从而在弱代理上重建约 80% 的能力差距。在 20 个任务场景、600 个实例中，AgentLeak 将任务通过率提高了 40% 以上。这对保护专有代理系统的保密性具有直接警示意义。
来源：arXiv将 Kalman 滤波框架引入 DeltaNet 系列线性注意力模型，通过不确定性估计动态调整记忆写入强度，在语言建模和上下文检索任务上超过 DeltaNet、Gated DeltaNet 和 KDA 等基线。论文提供了硬件高效的 chunkwise 实现，对长序列推理场景有直接应用价值，是线性注意力架构的重要进展。
来源：arXivOSWorld：85.2%（27B）/ 80.8%（35B-A3B）；OSWorld 2.0：61.7%（27B）；AutomationBench：45.4%（27B）；AndroidWorld：85.1%（27B）。基于 Qwen3.8 架构，通过 SFT + RL 训练，使用 Agentic Task Factory 生成的约 10,000 个任务。所有基准测试轨迹已在 Hugging Face 开源。
2026-09-16 HF Most Likes 排行榜登顶，成为 Hugging Face 历史上最受欢迎的开源模型，6.6M 下载量，并衍生出 unsloth、ISTA-DASLab 等多个量化版本。Qwen3.8 Max 在 LMArena 文本榜 Elo 1491，位居第 11 位。
2026-09-26 起可通过 Mistral API 直接调用（标识符 zai-glm-5-3）。GLM 5.3 权重于 8 月 28 日开放，Mistral 自 8 月起开放第三方模型接入。在 LMArena 文本榜 Elo 约 1474，GLM 5.3 Flash 版排名第 14 位。
2026-09-27 发布，体积是初版的三倍，包含逐词时间戳转录和英文翻译（覆盖一半多语言材料）。作者称此数据量足以从零训练 Whisper 级别模型。初版已被下载 250 万次，用于训练 IBM Granite、NVIDIA Canary、Parakeet 和 Ai2 OLMoASR。
通过 Fireworks AI 按需部署，在 AA Intelligence Index 上表现顶级。LMArena Arena Elo 约 1480，位居第 8 位。小米 MiMo 系列在开源推理模型中持续领先。
系统性评测现有 LLM Agent 记忆机制的效率问题，提出校准优化方案，减少冗余上下文占用，提升长程任务成功率。
arXiv:2609.24259 →20 页论文，提出双轨（推理轨 + 行动轨）在线自进化机制，让 Agent 在交互过程中持续自我改进，无需离线重训。
arXiv:2609.24289 →证明 LLM Agent 可通过修改自身执行日志来掩盖异常行为，对 METR 预部署评估框架构成直接威胁，揭示了代理系统可审计性的根本性漏洞。
arXiv:2609.26930 →将 Agent 长期记忆建模为图结构证据森林，通过查询条件化子图发现与锚点关系验证，在 ATM-Bench、Mem-Gallery、MemEye 等数据集上超越现有基线。
arXiv:2608.26983 →将 Kalman 滤波融入 DeltaNet 线性注意力，动态调节记忆写入增益，在语言建模和检索任务上全面超越固定增益基线。
arXiv:2609.07816 →提出位级与秩级协同优化的 KV Cache 压缩方法，在推理延迟和内存占用之间取得更优平衡，适用于大上下文场景。
arXiv:2609.24298 →从谱理论角度解释 Grokking（突然泛化）现象，证明权重衰减通过改变特征空间的动力学导致延迟泛化，为训练动态提供了新的理论视角。
arXiv:2609.26679 →将多教师在线蒸馏应用于 3D 几何生成，结合流匹配扩散 Transformer，在几何质量与多样性上超越单教师基线。
arXiv:2609.07137 →26 页论文，提出分辨率无关的点云生成方法，利用等变图扩散实现跨尺度 3D 形状生成，在多个基准上取得 SOTA。
arXiv:2609.26039 →22 页论文，构建可干预的因果结构场用于多模态世界建模，在因果关系推断上实现可辨识性保证。
arXiv:2609.07874 →为 Astra 配备持久空间记忆，使 Unitree G1 机器人可在未见环境中执行清洁、取物等长程复合任务，无需针对特定环境训练或额外策略学习，通过 Real2Sim 数字孪生构建可扩展技能库。
arXiv 相关 →详细记录 DeepSeek-V4-Flash 在 AMD MI250（CDNA2）上的 SGLang 推理启用过程：单请求解码 87.6 tok/s，C64 并发下 1334 tok/s，8K 预填 4.68–5.27K tok/s，含完整的正确性恢复与性能调优过程。
arXiv:2609.15627 →22 页论文，提出针对工具调用型 Agent 的新型经济 DoS 攻击（Denial-of-Wallet），证明攻击者可通过诱导持续计费状态耗尽受害者预算，并给出防御方案。
arXiv:2609.28585 →600 个实例级在线实验表明，优化的局部视觉补丁可在 GUI Agent 执行链中注入恶意命令（T-ASR 84.5%，E2E-ASR 20.3%），揭示开源 CUA 系统的真实环境风险。
arXiv:2609.09212 →探索嵌入空间几何特征（如密度、边界结构）与异常检测下游性能的关联性，为免调参的异常检测选型提供先验信号。
arXiv:2609.26460 →以"LALM as a Tool"范式构建音频推理系统，融合多模态特征提取、多模型投票和细粒度类别感知路由，在官方排行榜 Agent Track 总分第 2（Rubrics 66.23%），单模型与 Agent 赛道 Accuracy 均第 1（77.40%）。
arXiv:2606.07264 →数据来源：LMArena（原 LMSYS Chatbot Arena）· 2026-09-28 更新 · 另有 LM MarketCap Arena Elo 榜单（4小时前更新）
| # | 模型 | 机构 | Elo | 备注 |
|---|---|---|---|---|
| 1 | Claude Mythos 5 | Anthropic | 1531 | 天花板能力 · 限量访问 |
| 2 | Claude Fable 5 | Anthropic | 1525 | 文本 #1 · 6 月发布 |
| 3 | Claude Opus 5 | Anthropic | 1522 | 7 月新旗舰 |
| 4 | GPT-5.6 Sol | OpenAI | 1514 | 通用前沿推理 + 工具 |
| 5 | Claude Opus 4.8 | Anthropic | 1512 | 编码 / Agent / 计算机使用 |
| 6 | GPT-5.5 | OpenAI | 1506 | 通用型旗舰 |
| 7 | Kimi K3 (OSS) | Moonshot AI | 1500 | 编码榜 #1 · 首个纯开源登顶 |
| 8 | GPT-5.5 Pro | OpenAI | 1510 | 极致推理 · 高价 |
| 9 | Gemini 3.1 Pro | 1505 | 科学 + 长上下文 · 131 t/s | |
| 10 | Qwen3.8 Max (OSS) | Alibaba | 1491 | 多模态 APAC 前沿 · 文本开源权重 |