Databricks 在 10 月 20 日把智能体的记忆做成了两层产品：一层是原始会话，一层是蒸馏过的可改笔记。同一天 arXiv 上一篇论文讲了这件事的代价——结论依赖的前提会先失效，而失效公告永远不会和下游结论碰面。Ai2 与 METR 也在同一天从两个方向回答了“怎么知道一个结论站得住”。算力和入口这一天都有实质松动：PyTorch 能直接跑在 TPU 上，Perplexity 的整套编排器搬进了 Mac 本机。
一、记忆做成了产品，起作用的那一层是蒸馏过的
Databricks 研究院在 10 月 20 日公开 MemCurrent，一套给生产智能体用的持久记忆架构，已落进 Agent Bricks Memory 和自然语言取数界面 Genie。记忆分两类：情景记忆是原始会话的追加记录，派生记忆是结构化、可增删改的知识条目；两类都放在数据库里，既不在模型权重里，也不在当前会话里。
数字出自 Databricks 自建的基准：114 个用例，来自 29 个用户、2233 条历史会话，取材于 Genie 的真实对话，由模型裁判打分，跑三次。不给记忆通过率 22.3%，只给情景记忆 35.8%，只给派生记忆 66.1%，两者都给 68.4%；同时平均每个任务 418000 个 token、252 秒，比不给记忆少 31% 的 token、快 26%。在 LoCoMo、LongMemEval、ConvoMem 三个开源基准上，MemCurrent 平均 88.1%，与把全部历史会话塞进上下文的 87.8% 基本持平，而输入 token 是 8400 对 103000。
消融说明了钱花在哪里。派生记忆单独到 66.1%，情景记忆只到 35.8%——原始轨迹有用，但智能体只有约三分之一的用例会去翻它，翻了之后六成能过；让它知道该去翻的，是会话开始时注入的那份索引。摄取策略上，离线管道 63.5% 好过在线工具 53.9%，两者合起来 66.1%，分工是后台慢慢提炼、显式要求当场生效。还有一处值得留意：直接把正确的记忆喂给智能体能到 78.6%，比它自己检索的 68.4% 高，说明检索这一环还有十个百分点丢在路上。
两个内部例子把作用讲清楚了。一个智能体写对了数据库查询，却没去读存下来的执行结果，凭空编了一张表；用户纠正后它把教训存进记忆，下一次先读结果再回答。另一个是“找出用量前五的某产品客户”，第一次花了 11 次工具调用、8 个子智能体、近 6 分钟；它把这条路径存成工作流文件，后来一个相关问题只用 2 次调用、1 个子智能体、41 秒。这些是厂商自测，基准取自自家产品产生的对话，没有独立复现。
二、记忆会比它成立的理由活得久
记忆进了产品，也就意味着过期的记忆会带着一份“写入时为真”的记录继续工作。arXiv 2610.25123 把它讲成了机制：结论是站在前提上的，签名密钥被吊销时建在它之上的一切都过不了，可公告只点名那把密钥，依赖它的旧结论可能永远和它不在同一个检索窗口。作者把这叫“失效的非局部性”，而推导是局部的——每个结论都从若干确切的版本推导出来。
在 Fallout 这个生成器造出的长程模拟对话里（版本化对象世界，五个轴独立组合：拓扑、失效模式、失效位置、报告方式、领域；用户模拟器对假设盲；验证工具只答通过或不通过，可传递，不解释原因），只读原子事实记忆的智能体发布了 62% 的上游已失效对象。Tether 把比例压到 0.3%，同时比“每次都全查”少 37% 的校验调用。已有的记忆系统分成两拨：Mem0 用得狠但不安全，半个校验出一个候选，发布 42%；A-Mem 与 Graphiti 把不安全率压到 8.9% 与 8.7%，办法是几乎每个候选都重验（0.86 与 0.83 次校验），省下的算力又还了回去。粗放处理也不行：只要记到一处失效就清空全部结论，安全性和 Tether 相当，但多花 32% 的校验；把窗口放大到整库、上下文给到八倍，原子事实记忆仍然发布 25%。
边界写在论文里：关系与结论在同一轮给出时，写入器能恢复 99.8% 的真实依赖边；两者分散在不同会话时，下游不安全发布率升到 9.4% 至 22.1%，漏掉依赖边的弱写入器会以同样方式失去安全性。这套办法不靠更强的模型，靠的是写入那一刻有没有把“我依据了什么”记下来。
三、怎么知道一个结论站得住
同一天有两个机构从相反方向碰这个问题。METR 发表了对 Anthropic 8 月风险报告“高风险场景中的错位”一章的外部审查，署名 Nikola Jurkovic、Tim Hua 与 Beth Barnes。结论是同意——截至 7 月 15 日，报告覆盖的那些模型造成灾难性错位的风险为低；但理由和 Anthropic 不同：低主要是因为模型能力有限，不是因为安全防护和对齐训练。他们也不认为风险真升高时，报告里那套方法能可靠地发现。
对做部署的人更有用的是另外两点。审查建议对监测系统做端到端的对抗性检验，比如让一支有资源的队伍试着启动一个不被发现的内部部署；还建议把“AI 削弱研发方内部与安全有关的决策”纳入风险路径。审查也说明它只基于那份内部报告，作者受聘早于“独立评估者”公告，拿到的信息少于公告所述。
Ai2 在同一天发布的 FairStress 走的是另一个角度：不只看模型最终选了谁，还看它在被施压时会不会改口，以及改口的难易是否因受益方不同而不同。300 个两候选场景覆盖 29 个领域，身份呈现分四档（无信息、人口编码姓名、间接暗示、显式标签），再配上成对的说服性前缀——权威、社会共识、所谓证据、法律顾虑、历史劣势——组合出 1300 万个以上测试用例，另有 5 万条的核心子集。
差别藏在哪儿才是重点。没有身份信息时模型行为几乎对称；身份越明确越不对称，方向却不是刻板印象，而是它的反面：强候选为多数编码、弱候选为少数编码时，替弱候选说话的前缀更容易让它放弃原本正确的选择。15 个模型上，放弃正确答案的差距在隐含身份下平均 6.9 个百分点，显式标签下 9.3 个百分点。解释文本也分层：选少数编码候选时更爱用“韧性、多元、障碍”，选多数编码候选时更爱用“证据、标准、详尽”。九种去偏干预里大多要么不可靠要么代价大，其中一种激活引导把 Qwen2.5-7B-Instruct 在明确场景的准确率从 98% 拉到 47%；最接近对称的是反事实思维链——把人口身份互换后重新审一遍——但模糊场景仍偏向少数编码候选。Ai2 明确了这只覆盖以平等为口径的那一种公平定义，也说明结论尚未独立复现。
值得带走的是方法而不是分数：只审计最终输出是否一致，会放过“同样被施压时抗压能力不一样”这一层。凡是有人或上游系统能往提示里加话的场合，这一层都会露出来。
四、算力和入口这一天都松了一格
PyTorch Conference 2026 上，Google 与 Meta 的 PyTorch 团队把 TorchTPU 开源了。它不是 PyTorch/XLA 那种建立在惰性张量上的桥——需要手动标注可编译区域、编译慢、不支持即时执行、分布式特性滞后——而是从底层重写的 PyTorch 后端，运行时不依赖 JAX，支持即时执行与 torch.compile，TPU 通信原语直接支持 DDP、FSDP 与 DTensor。不少情况下现有模型把 .to(“cuda”) 换成 .to(“tpu”) 就能跑起来。
覆盖范围上，官方说约 450 个 ATen 算子，下载量前 5000 的 Hugging Face 模型开箱验证过，含 Qwen、DeepSeek、Gemma、Llama 以及 Whisper、CLIP、ViT；动态形状正确性检查里 839 个大语言模型有 834 个通过。Qwen3 MoE 235B 在 64 块 TPU v7 上跑出 1828 token/秒，JAX 是 1937。Hugging Face 同日宣布 Transformers v5 里传 device_map=“tpu” 即可部署，96.5% 的 TPU 测试通过，Optimum TPU 不再必要。推理侧分别与 Inferact、RadixArk 合作做了 vLLM 与 SGLang 的 TPU 后端；同期发布的还有 llm-d 1.0，与 Red Hat、IBM 等一起进了 CNCF 沙箱。数字出自 Google 与合作者，成本一项来自 Google 提交给第三方基准的成绩。
Perplexity 在 10 月 20 日把 Computer 的整套编排器搬到了 Mac 本机。条件是 Apple 芯片且内存不低于 36GB，本地模型在 Qwen 3.6 与 PPLX Pro 之间选一个，任务从规划到推理到读文件都在本机；需要联网或更强的推理时，征得授权才调用云端十几个前沿模型之一。这是 9 月混合模式的再进一步——那时云端负责规划与搜索、本机只处理私有文件，中间还有一道隐私闸门。代码与工具执行仍跑在隔离沙箱里。参数规模、上下文长度与本地模式的质量对比都未公布，也没有独立测试。
Inception 在 10 月 19 日发布 Mercury 3，把扩散式语言模型的规模推到 Mercury 1 的四十倍以上，同时保持每秒 1000 token 以上的速度，官方给出 1068 token/秒，上下文从 26 万扩到 100 万。在 50 个 Mind2Web 网页导航任务上完成 50%，公司称明显高于 GPT-6.1 Sol，且用的是同样的 token 量与步数。定价每百万 token 输入 0.20 美元、输出 0.70 美元，首发五折。均为厂商自述。
五、企业这一侧：先算账，再算能力
SpaceX 第三季度财报是一本可以直接读的账。营收 145.75 亿美元，同比增长 161%；净利 44.04 亿美元，去年同期是亏损 10.54 亿。改名为 Super Intelligence 的那条业务线贡献 75.6 亿，同比增长 830%，占总营收约 52%，超过 Starlink 的 52.48 亿，火箭业务是 18 亿。增长来源写得很具体：数据中心与云计算合同，客户包括 Anthropic、Google 与 Reflection AI；8 月 14 日完成收购的编程工具 Cursor 从交割到 9 月底贡献 6.08 亿；另有约 10 亿与比特币价格回升有关。代价写在同一页：第三季度资本开支 196 亿，其中投给 AI 的部分占 84%，前三季度累计约 481 亿，而同期经营活动带来的现金是 131 亿；额定算力从 1.4 吉瓦升到 1.7 吉瓦。前三季度合计仍是净亏 4.13 亿。
OpenAI 在 10 月 19 日发了两份额外的评测，主题是训练数据稀少的语言。MultiLangBench 让模型用 20 种语言从零写一个兼容 SQLite 的数据库引擎，用数据库文件做跨语言的共同接口，测试改编自 SQLite 自己的测试套件；GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 是 26.8%，二十种语言全部提升，其中 COBOL 从 10.9% 到 72.1%、Fortran 从 21.4% 到 83.5%、Visual Basic 从 27.5% 到 89.4%，COBOL 仍是二十种里最难的。COBOL 迁移评测上，GPT-6.1 Sol 在低推理档拿到 86.6%，GPT-5.6 Sol 是 5.4%，成本还低 39%；推理档拉高后到 97.9%，接近这份评测的上限。数字全部是 OpenAI 自建评测，没有第三方复现。
工程实践这边，Tessl 的 Ankit Jain 在同一天写了他们的做法：合并请求量翻到四倍、代码几乎全由 AI 写出来之后，逐行审 diff 这件事没有救回来——diff 只说明改了什么，不说明这次改动本来要干什么。他们把人的判断挪到生成之前，先审意图：验收条件、约束、边界情况，再把每一条当成可以逐条验证的合同，判定结果附上截图与请求记录。另一件事是把历史审查意见挖出来：翻最近一千条评论，重复出现最多的二十条就是团队早就在执行的标准，把它们写成机器每次都能跑的不变量，比如涉及金额一律用 Money 类型。作者的预期是头一个月像在干双份活，第二个月规则库开始拦住东西，第三个月审查者读的就不是代码了。
另外一则：Ollama 给 Claude Code 加了子智能体与内置联网搜索，不需要 MCP 服务器或额外的 API key。
来源与说明
[1]: MemCurrent: Designing Persistent Memory for Production Agents —— Databricks 官方博客 / 2026-10-20 (https://www.databricks.com/blog/memcurrent-designing-persistent-memory-production-agents) [2]: Introducing Agent Memory on Databricks（官方产品文转载） —— worldprogramming / 2026-10-20 (https://www.worldprogramming.org/posts/introducing-agent-memory-on-databricks-vudgrt) [3]: Databricks introduces AI memory that triples task pass rates in its tests（含 114 用例、2233 会话、418000 token 与三个开源记忆系统对比） —— Superpower Daily / 2026-10-20 (https://superpowerdaily.com/posts/databricks-introduces-ai-memory-that-triples-task-pass-rates-in-its-tests) [4]: Why AI agents need better memory more than better models（含 Bendersky 采访与 26% 提速、31% 省 token 口径） —— The Deep View / 2026-10-20 (https://www.thedeepview.com/articles/why-ai-agents-need-better-memory-more-than-better-models) [5]: Memories That Outlive Their Reasons: Dependency-Tethered Memory for Tool-Using LLM Agents（arXiv 2610.25123） —— arXiv（cs.CL） / 2026-10-18 (https://arxiv.org/abs/2610.25123) [6]: 同上，全文 HTML 版（含 Fallout 设计、Mem0/A-Mem/Graphiti 校验次数与 Fallout-Split 结果） —— arXiv / 2026-10-18 (https://arxiv.org/html/2610.25123v1) [7]: Review of the “Misalignment in high-stakes settings” section in Anthropic’s Risk Report (August 2026) —— METR / 2026-10-20 (https://metr.org/blog/2026-10-20-misalignment-risk-report-august-2026-review/) [8]: Risk Report: August 2026（被审查的原始报告，公开删节版） —— Anthropic / 2026-08 (https://www-cdn.anthropic.com/f61d49fa5596956a5dec75fea0e973bf6a6a8378/Redacted%20Risk%20Report%20August%202026%20.pdf) [9]: FairStress: A deeper evaluation of fairness in LLM decision-making —— Ai2 / 2026-10-20 (https://allenai.org/blog/fairstress) [10]: FairStress: Ai2’s 13M-Case LLM Fairness Benchmark —— TPS Report / 2026-10-20 (https://tpsreport.news/news/ai2-fairstress-llm-fairness-benchmark) [11]: FairStress benchmark probes how models change decisions under pressure（含 6.9 与 9.3 个百分点、解释用词差异） —— AI Digest / 2026-10-20 (https://www.ai-digest-1.com/news/fairstress-benchmark-probes-how-models-change-decisions-under-pressure-across-de-18480) [12]: FairStress Finds Hidden Fairness Gaps in Claude, GPT and Other LLMs（含九种去偏干预与激活引导代价） —— Tech Beat / 2026-10-20 (https://techbeat.co/story/fairstress-finds-hidden-fairness-gaps-in-claude-gpt-and-other-llms) [13]: FairStress: Measuring Hidden Demographic Asymmetries in LLM Decision-Making（含 Olmo 3 训练数据审计与 BBQ 对照） —— AI Roundup / 2026-10-20 (https://daily.ifeeling.app/en/fairstress-measuring-hidden-demographic-asymmetries-in-llm-decision-making) [14]: Introducing TorchTPU（官方公告） —— PyTorch Blog / 2026-10-20 (https://pytorch.org/blog/introducing-torchtpu/) [15]: Google Open-Sources TorchTPU, Putting Native PyTorch on Its TPUs —— Unite.AI / 2026-10-20 (https://www.unite.ai/google-open-sources-torchtpu-putting-native-pytorch-on-its-tpus/) [16]: Google Open-Sources TorchTPU, Making Its TPUs a Native Option for PyTorch（含 Meta 与 Hugging Face 表态） —— TSNMedia / 2026-10-20 (https://tsnmedia.org/google-torchtpu-open-source) [17]: Google and Meta Launch TorchTPU to Run PyTorch Natively on TPUs（含 450 算子、5000 模型、1828 与 1937 token/秒） —— AI Parabellum / 2026-10-20 (https://aiparabellum.com/google-meta-torchtpu-pytorch-tpus) [18]: TorchTPU Goes Open Source: Change One Line of PyTorch Code and Your Model Runs on Google TPUs —— ToolNavs / 2026-10-20 (https://toolnavs.com/article/2727-torchtpu-goes-open-source-change-one-line-of-pytorch-code-and-your-model-runs-on) [19]: Announcing new vLLM and SGLang inference engines on TPU —— Google Developers Blog / 2026-10-20 (https://developers.googleblog.com/announcing-new-vllm-and-sglang-inference-engines-on-tpu/) [20]: Integrating TorchTPU into TorchTitan and optimizing models for TPU —— Google Developers Blog / 2026-10-20 (https://developers.googleblog.com/integrating-torchtpu-into-torchtitan-and-optimizing-models-for-tpu/) [21]: Perplexity makes it easier to run AI workflows entirely on your own Mac —— Engadget / 2026-10-20 (https://www.engadget.com/2291754/perplexity-makes-it-easier-to-run-ai-workflows-entirely-on-your-own-mac/) [22]: Perplexity Computer Runs Locally on Mac With Qwen 3.6, PPLX Pro（含 36GB 门槛与未披露项） —— TPS Report / 2026-10-20 (https://tpsreport.news/news/perplexity-computer-local-mac-36gb-qwen-3-6-pplx-pro) [23]: Introducing Hybrid Compute on Mac（9 月混合模式与隐私闸门） —— Perplexity / 2026-09 (https://www.perplexity.ai/hub/blog/introducing-hybrid-compute-on-mac) [24]: What is Personal Computer?（硬件门槛、本地模型清单与管理员策略） —— Perplexity 帮助中心 / 2026-10-20 (https://www.perplexity.ai/help-center/en/articles/14659663-what-is-personal-computer.html) [25]: Diffusion at Scale: Introducing Mercury 3 —— Inception / 2026-10-19 (https://www.inceptionlabs.ai/blog/introducing-mercury-3) [26]: Inception Releases Mercury 3, Its Flagship Diffusion LLM —— Unite.AI / 2026-10-19 (https://www.unite.ai/inception-releases-mercury-3-its-flagship-diffusion-llm) [27]: Inception Launches Mercury 3, Setting a New Pareto Frontier in Speed and Intelligence（通稿） —— Business Wire 经 AOL / 2026-10-19 (https://www.aol.com/articles/inception-launches-mercury-3-setting-164800000.html) [28]: SpaceX’s AI business is beating expectations —— TechCrunch / 2026-10-20 (https://techcrunch.com/2026/10/20/spacexs-ai-business-is-beating-expectations/) [29]: SpaceX Q3 2026 Results: Where Its Money Comes From and What It Spends on AI（含三块业务拆分与资本开支占比） —— StockTitan / 2026-10-20 (https://www.stocktitan.net/articles/spacex-q3-2026-earnings-ai-revenue-passes-starlink) [30]: SpaceX AI 业务收入飆 8.3 倍，超过 Starlink（含 Cursor 收购贡献与算力功率） —— 香港经济日报 / 2026-10-20 (https://inews.hket.com/article/3982316) [31]: SpaceX posts $4.4B quarterly profit as AI revenue overtakes rockets（含 SI 客户名单与 EBITDA） —— CryptoCortex / 2026-10-20 (https://cryptocortex-ai.com/news/36dd75c8-9c01-42ba-963d-47b5a45abb68) [32]: Advancing Coding in Low-Resource Programming Languages —— OpenAI / 2026-10-19 (https://openai.com/index/low-resource-programming-languages) [33]: 同上（全文转载，含 MultiLangBench 逐语言数字与 COBOL 迁移评测） —— Dev48 / 2026-10-19 (https://dev48.org/en/articles/advancing-coding-in-low-resource-programming-languages) [34]: OpenAI improves ChatGPT coding in low-resource programming languages —— Splitfeed / 2026-10-19 (https://www.splitfeed.ai/story/advancing-coding-in-low-resource-programming-languages) [35]: Advancing coding in low-resource programming languages（含评测要点摘录） —— AI Sec Watch / 2026-10-19 (https://aisecwatch.com/issues/c3decf30-4f83-4389-8093-c9b49d8014fe) [36]: We stopped reviewing code and started verifying intent —— Tessl（Ankit Jain） / 2026-10-20 (https://tessl.io/blog/we-stopped-reviewing-code-and-started-verifying-intent) [37]: AI Developer Digest — October 20, 2026（含 Ollama 子智能体与 PRIME 线索） —— Fabio Pacifici / 2026-10-20 (https://fabiopacifici.com/ai-developer-digest-october-20-2026) [38]: Subagents and web search in Claude Code —— Ollama / 2026-10-20 (https://ollama.com/blog/web-search-subagents-claude-code) [39]: Vercel AI Updates: October 20, 2026（Mercury 3 上架与首发折扣） —— my2cents.ai / 2026-10-20 (https://www.my2cents.ai/news/2026-10-20-vercel)
检索截止：2026-10-21 06:30（Asia/Shanghai）。MemCurrent 全部数字出自 Databricks 自测，内部基准取材于自家 Genie 对话，未独立复现；Tether 为 10 月 18 日提交的预印本，Fallout 是作者自建的模拟环境；METR 的审查只基于 Anthropic 那份内部报告，作者受聘早于“独立评估者”公告；FairStress 为 Ai2 自评，结论尚未独立复现，且只覆盖以平等为口径的公平定义；TorchTPU 的成本与吞吐为 Google 与合作者公布；Perplexity 本地模式的硬件门槛、模型规格与效果均未披露；SpaceX 数字取自公司本季度业绩文件；OpenAI 两组评测为自建自测。