微軟於 10 月 11 日在 Hugging Face 發布 AesCode-32B：以 Qwen3-VL-32B-Instruct 為基座的 32B 多模態代碼生成模型，能將提示詞與參考圖轉為結構化、可編輯、可驗證的 HTML/CSS 幻燈片、海報與儀表盤。透過圖結構監督與解耦跨模態獎勵，其視覺品質較基座提升 22.4 分，逼近 GPT-5.5 與 Claude Opus 4.8 等封閉前緣模型，代表多模態生成正從「像素輸出」轉向「代碼輸出」。
Microsoft 於 10 月 7 日發表 MAI Code 1.1 Flash 本機編碼模型與 Microsoft Execution Containers（MXC）代理安全技術，結合 NVIDIA RTX Spark 晶片，推動 AI 從純雲端走向混合架構。Anthropic、OpenAI 與 NVIDIA 皆已支援 MXC。
Microsoft AI 於 9 月 3 日正式推出 MAI-Transcribe-2 語音辨識模型，在 FLEURS 基準測試中以 5.2% 詞錯誤率領先 60 種語言，推論速度比 OpenAI GPT-Transcribe 快 10 倍。價格僅每小時 0.10 美元，並新增說話者辨識、可配置轉錄風格、關鍵詞偏置等功能，直接衝擊 OpenAI、Google 及 ElevenLabs 的語音產品線。
超過百家科技公司與金融機構簽署公開信，警告 AI 驅動的網路攻擊將快速升級，呼籲公私部門建立集體防禦機制，回應近期 AI 代理「逃脫」與攻擊企業的安全事件。
安全研究公司 Varonis 透過直接詢問 Copilot，成功挖掘出未公開的 autorun 參數，可繞過用戶確認機制在目標點擊連結時自動執行指令竊取密碼，暴露 LLM 安全防護的結構性缺陷。
近期多項消息顯示OpenAI與Microsoft的合作條款出現實質調整，Azure不再是唯一承載選項，OpenAI得以把產品與模型帶到其他雲端平台。
隨著自主AI代理在企業環境的部署日益普及，執行階段的監管與安全邊界愈發關鍵。Microsoft發布AgentGovernanceToolkit，以MIT授權開源，專為自主AI代理提供運行時期的政策執行與安全控制能力。