AI 编程实时动态与要闻

权威独立 AI 基准测试机构 Artificial Analysis 正式发布针对 Cognition 旗下最新编程智能体 Devin Fusion 的全面实测报告。Devin Fusion 采用了革命性的“异构双模型并行协同架构”：由旗舰级的 Claude Opus 5.5（Max）担任总架构师与核心决策大脑，配合轻量极速的 GPT-6 Luna（High）作为并行子智能体执行具体检索与代码试跑。在 Coding Agent Index 综合大考中，Devin Fusion 斩获 68.1 分的高分，位居全球最顶级智能体梯队；而在经济性方面，单任务综合调用成本从 Claude Code Opus 单模型的 13.04 美元骤降至 9.01 美元（成本节省达 31%），单任务平均耗时由 65 分钟缩短至 55 分钟。

查看大图

多所顶尖高校与科研机构在 arXiv:2610.24648 中正式发布首个面向异构端侧硬件的大模型底层算子生成统一基准 EdgeKernelBench 与分层智能体架构 LEKA。针对当前学术界算子生成评测过度局限于云端高性能服务器 GPU，而在端侧设备上面临硬件高度异构、底层软件栈严重碎片化（CUDA、OpenCL、TileLang、Triton）以及极度严苛资源约束的行业痛点，EdgeKernelBench 建立了包含 331 项经典任务与 650 个实例的统一中间表示（IR）部署管线。配合分层算子生成智能体 LEKA 解耦复杂编译决策，使大模型端侧算子生成性能取得跨越式突破。

查看大图

在长达数小时的长视频理解与长程时序智能体决策中，模型必须通过数十步推理连续收集跨片段证据。然而现有方法普遍采用“仅追加”（Append-Only）的工作记忆模式，随着上下文不断塞入新观测，核心证据的注意力迅速坍缩，智能体无法有效调取先前已发现的关键事实——这种系统性记忆失调现象被正式命名为“语义抖动”（Semantic Thrashing）。罗切斯特大学与微软研究院团队推出 VideoLoop 双循环工作记忆智能体：设计了外层全局推理循环与内层工作记忆重写循环。内层循环在每一步后从无边界文件系统中按需检索历史观测与中间分析，并在有限大小的工作记忆中动态执行提炼与覆写。VideoLoop 作为即插即用框架覆盖四大主流大模型底座，在 VideoMME（长视频）基准上平均提升 4.2 个百分点，配合 Gemini 3.1 Pro 达到 88.3% 历史新高，彻底根治了超长时序智能体的上下文注意力崩溃难题。

查看大图

字节跳动正式推出 DeerFlow 2.0.0，针对长程复杂任务对原有代码进行 100% 重构，汇聚 182 个 PR。2.0 确立了以“超级智能体（SuperAgent）”为核心的编排底座，集成自更新 SOUL 记忆系统、安全 Docker 沙箱隔离、多级子智能体并发调度以及多通讯软件接入（飞书/Lark、钉钉、微信/企业微信、Slack、Discord、Telegram）。结合火山引擎 BytePlus 智能搜索与信息爬取套件 InfoQuest，可稳定处理跨度数分钟至数小时的深度研报、代码重构与综合任务。

查看大图

腾讯与浙江大学 REAL 实验室（@huggingface）联合开源了革命性的深度搜索智能体框架 IterSynth（arXiv: 2609.29444，GitHub: Tencent/IterSynth）。针对传统 ReAct 智能体将规划、证据搜集与信息归纳单一绑定的角色耦合问题，以及多轮检索中历史上下文无限堆积导致的注意力污染难题，IterSynth 首创“规划者（Planner）与归纳者（Synthesizer）动态解耦 + 演化式摘要状态机”范式，并提出角色解耦强化学习算法（RDPO）。在 BrowseComp 与 Xbench-DS 等顶级长程深搜基准中，IterSynth-8B 平均得分达 50.7，显著超越同等规模所有前沿 Agent。

查看大图