AI 编程实时动态与要闻

AI 编程 Agent 公司 Factory 10 月 29 日 22:31（UTC）在 X 和官方博客发布 Droid 1.0，称这是其 agent harness 迄今最大的一次更新。核心变化是把程序化工具调用（PTC）设为默认：模型写一段 JavaScript 脚本，在沙箱里一次跑完多达上百次工具调用。官方自测 Terminal-Bench 4 中，用 GPT-6.1 Sol 通过率 57.6%（每个通过任务 $0.79），用 Claude Opus 5.5 通过率 65.2%（$4.73），均高于同模型下的 Codex、Claude Code、Cursor、OpenCode 和 Devin。

查看大图

印度券商 Zerodha 创始人兼 CEO Nithin Kamath 10 月 26 日在 X 上发帖，问大家在 Kite API 免费之后，怎么把它和 AI Agent 结合、做出了什么。他认为 Claude Code、Codex 等 AI 编程 Agent 让没有太多编程经验的交易者和投资者也能自己搭工具，并称 Zerodha 观察到因为这些编程 Agent，使用 Kite API 的人在变多。帖子约 10 小时内获得 2,200 多个赞、2,000 多次收藏和 200 多条回复。这是 X 上的讨论和 CEO 本人观点，不是新产品发布。

查看大图

随着 AI 编程智能体在“氛围编码”（Vibe Coding）热潮中广泛接管软件生产，生成代码的安全性成为行业焦点。新加坡国立大学与莫纳什大学等团队发布 Last Secure Code Benchmark，这是首个全面评估编程智能体安全代码生成能力的权威基准。涵盖 7 种主流编程语言、24 类 CWE（包括 2025 CWE Top 25 中的 21 类及 Top 10 KEV 中的 8 类）以及 450 项源于 150 个真实 CVE 漏洞的实战任务。评测揭示：前沿模型在功能测试上通过率达 73.6%~91.3%，但即使最强的 Claude Fable 5，在同时满足“功能可用且无安全漏洞”的严苛检验下通过率仅为 25.1%，其余主流 Agent 仅为 16.4%~24.7%。

查看大图

GitHub 于 2026-10-06 在官方 Changelog宣布 Stacked PRs 正式 GA，所有 github.com 计划可用，GHES 将在后续版本支持。官方数据：使用 stack 的仓库合并代码量比同类多 9%，Top 1% 仓库中超过三分之二已在用，合并耗时缩短 5%。GA 版本新增：变基后保留未改动代码的审批、自动签名替换提交、整栈作为一个 merge group 进合并队列、base 分支删除后自动重定向；auto-merge 将在未来数周推出。CLI 扩展 gh-stack v0.2.0 已支持 Git worktree，并可通过 gh skill install github/gh-stack 让 AI 编码 Agent 学会拆分大 PR。

查看大图

澳大利亚莫纳什大学与墨尔本大学研究团队联合发布首份针对 AI 编程 Agent（Devin、Cursor、Claude Code、GitHub Copilot 与 OpenAI Codex）在 GitHub 真实开源项目合并后（Post-Merge）生命周期的实证研究（arXiv:2609.26847）。基于 AIDev-pop 数据集中 500+ 星开源仓库的 6,774 个已合并 Agent PR 与 5,044 个同期人类 PR 的追踪对照发现：Agent 提交的代码合并后需要二次修复（Follow-Up Fixes）的几率是人类 PR 的 1.62 倍；但在修复归属权上，69.6% 的修复 PR 依然由原 Agent 自身发起，且修复 PR 中 76.4% 的 Commit 完全由 Agent 自动生成，颠覆了业内关于“人类工程师必须全权为 Agent 擦屁股”的传统认知。

查看大图

开源可扩展智能体 Goose（现托管于 aaif-goose/goose）于 2026-09-23 发布 v1.52.0：桌面端新增直播语音对话；引入 Decisions provider（OpenRouter + Jev）；加入 Z.AI Coding Plan 流式工具调用；Recipe 参数上限落到 32 参数 / 200 选项 / 128 KiB；并原生支持 Claude Opus 5.5、GPT-6-sol 与 GPT-6-luna。

查看大图

SWE-bench 评测团队联合顶尖机器人实验室（@SWEbench）正式发布 EmbodiedSWE 基准（arXiv: 2609.27308）。该基准将软件工程智能体的评测范围首次从纯代码仓库拓展至机器人仿真与物理交互环境，包含 250 个真实机器人控制系统长程任务，全面考察智能体从物理感知、算法调试到闭环电机控制的代码编写与排错能力。

查看大图