ServiceNow 发布 AutoSynthData：把 Agent 的失败自动转成训练数据，ITSM 场景 Pass@1 从 18.77% 提到 27.18%

ServiceNow CoreAI 发布 AutoSynthData：一条把 Agent 失败转成合成训练数据的流水线，靠目标模型与教师模型的差异定位短板，再批量造题、验证、微调。Hybrid 场景 Pass@1 提升 7.2 个百分点，ITSM 场景从 18.77% 提到 27.18%。

Cloudflare 上线 Web Search API：Agent 取实时网页结果改走 AI Gateway，统一计费并支持自带 Key

10 月 2 日 Cloudflare 发布 Web Search API（Beta），Agent 可通过 AI Gateway 取回实时网页结果，接入 Ceramic.ai、Exa、Linkup 三家，按各家标价不加价，支持 BYOK 与 Zero Data Retention 标注。

微软与 Hugging Face 发布 ThinkingBox-Bench：507 个有状态任务各跑 20 遍，只查数据库改没改对

微软 Copilot Studio 团队与 Hugging Face 发布 ThinkingBox 与 ThinkingBox-Bench：507 个有状态业务任务各跑 20 遍，只按数据库终态和副作用判分。结果显示三分之二的失败依然「干净退出」，重复 20 次后头部模型 pass@1 保持率从 78% 到 8% 不等。

Cloudflare 开源 Clef 决策模型：Agent 的路由判定改成打分，同时放出 RL 微调平台

10 月 1 日 Cloudflare 在 Workers AI 上线 Clef 与 Clef-flash 两款决策模型，权重以 Apache 2.0 开源，并预览一套 RL 微调平台。它们不生成文本，只对给定选项打分返回概率，Agent 的路由与判定因此从「解析文本」变成「读概率」。

GitHub Copilot 在 Slack 与 Teams 里接住线程上下文：可切换模型，并修掉旧会话继续操作旧仓库的问题

GitHub Copilot 更新 Slack 与 Teams 集成：Slack 的文件、附件、消息链接与 Teams 的内联图片、转发消息、频道历史都成为 agent 上下文；新增可延续整条线程的模型切换，并修掉被替换的会话仍能操作旧仓库的问题。

Agentic autofix 开始读写 Copilot Memory：安全修复模式被存成仓库记忆，28 天不用自动过期

GitHub 更新 agentic autofix：它会读取仓库已有的 Copilot Memory 来解决安全告警，并把修复模式存成新记忆供 code review 与 cloud agent 使用。记忆按用户启用、按仓库共享、28 天未使用自动删除。

Vercel 为 Sandbox 的可观测性补上内存维度

Vercel 为 Sandbox 可观测性补上内存维度：Dashboard 的 Memory Usage 卡片给出平均、P75 与 P95，沙箱详情页纵轴按内存上限缩放并在 85% 处画参考线，查询构建器提供 memoryUsedBytes 度量，CLI 用 vercel metrics 读取 vercel.sandbox.memory_used_bytes，--all 可看团队级聚合。

Cloudflare 发布 cf CLI：3000 多个 API 操作收进一个命令行，默认输出 JSON 给 Agent 用

Cloudflare 发布 cf，一个目标是镜像整个 Cloudflare API 的命令行工具，覆盖 3000 多个操作。它默认输出 JSON、支持自然语言检索命令，并把 cloudflare.config.ts 定为全局配置格式。cf 处于 open beta，Wrangler 将在之后获得 18 个月维护期。

Claude Opus 5.5 可连续工作 18 小时：如何为长任务 Agent 设计 API

栈里每个超时默认值都假设调用方最终会放弃。当 Agent 能连续工作 18 小时，负载均衡、网关和 HTTP 客户端的默认配置都需要重新设计。本文给出连接保活、状态外置与幂等重试的具体做法。

OpenAI Agents API 公开测试：托管 Codex harness，沙箱和 ZDR 仍要你自己选

Agents API 公开测试把 Codex harness 收成托管会话：你选工具和沙箱，OpenAI 管编排与压缩。目前仅美国驻留，不支持 ZDR。

Devin Fusion 进入 Desktop 与 CLI：选 lead 和 sidekick，而不是再换一个更贵模型

Cognition 把 Fusion 双模型 harness 做到 Devin Desktop 与 CLI：Fable 5.1 规划验收，SWE-2 执行。产品方数据显示任务花费可降约 36%–39%，但部分基准分数会下滑。

GitHub Copilot 用量报告分开计量 VS Code Agents 窗口，编辑器 Agent Mode 不再能冒充采用率

GitHub 为 Copilot usage metrics 增加 VS Code Agents 窗口字段：日活、会话数、用户消息和 used_vscode_agent。只覆盖独立窗口，不能与编辑器 Agent Mode 混用。

GitHub Copilot CLI 上线 HydraFusion：一次请求会被拆成起草、升级或交叉审查

HydraFusion 研究预览进入 Copilot CLI /experimental：按任务在 Single、Cascade、Critique 间路由。按底层模型标准费率计费，官方建议先用于第一轮单提示编码任务。

Codex CLI 0.154.0 上线实验性 worktree：新会话先换隔离检出，再改代码

Codex CLI 0.154.0 为新会话和 fork 会话提供实验性 --worktree / /worktree：改动落到隔离检出，再浏览和恢复。不替代审查，也不默认清理目录。

GPT-Live 1 进入 API：语音继续说，推理和工具要另接后端

GPT-Live 1 于 2026-09-10 在 API 正式可用：全双工语音走 v1/live/sessions，推理和工具交给 Responses 或自建后端。语音 $0.05/分钟按秒计，打断说话不会自动取消后端工作。

Codex Python SDK 0.154.0：外部消息能进 turn，但权限仍停在工具这一层

Codex Python SDK 0.154.0 让 ExternalMessage 进入 run()/turn()：可开新 turn 或加入进行中的 turn，权限是 tool-level，不授予用户授权。