AI 编程实时动态与要闻

Mixpanel 创始人 Suhail Doshi 10 月 28 日（SGT 10 月 29 日 01:36）在 X 上宣布新公司 Particle，首个模型 Particle-1 已上线。官方博客称它在 DeepSeek V4.1 Flash 上用强化学习后训练，在四个编码与数据工程基准上输出 token 少 28.4%–52.2%、单任务成本低 34.4%–51.6%，通过率仍在基座模型置信区间内。可通过 Particle API、OpenRouter 和 Vercel AI Gateway 调用，官方文档标价每百万 token 输入 0.25 美元、输出 1 美元，上下文 1,048,576 token。

查看大图

Liquid AI 10 月 27 日发布新一代基础模型 LFM3，采用卷积、滑动窗口注意力与全局注意力组成的「三混合」架构，预训练 22T token。首批 6 款模型都从 LFM3-1.7B-Base 分支，均约 2B 参数，权重已上架 Hugging Face（LFM Open License v1.0）。官方称文本模型 LFM3-1.7B 4-bit 约占 1GB 内存、支持 256K 上下文，在多项智能体基准上超过体量数倍的模型。

查看大图

Google DeepMind 10 月 27 日发布 Genie 4，称其为迄今最逼真、交互性最强的世界模型。它基于 Gemini Omni，提升了物理和人物动作的真实感，首次原生生成环境声和可互动的角色对话，并由 Gemini 3.8 Flash 在回路中规划复杂事件。目前只向受信测试者开放研究预览，即将登陆 Google AI Ultra（Project Genie）及 Gemini API / AI Studio 早期伙伴；官方未公布量化跑分。

查看大图

Entire 联合创始人兼 CEO Thomas Dohmke 10 月 26 日在 X 和官方博客宣布 Entire 正式上线，定位是「为 Agent 与人协作打造的 Git 托管平台」。它由三部分组成：用评测分数替代 diff 评审的 Trails、兼容 Git 的分布式托管（可多区域复制，也可从 GitHub 镜像），以及把 Agent 会话存进仓库的 Continuous Memory。CI 首批接入 Buildkite 和 Depot，今天起对所有开发者开放。

查看大图

Cursor 10 月 26 日宣布 Agent SDK 正式可用：Agent 的系统提示写成 Markdown，工具用 TypeScript 定义，可以部署在 Cursor 的托管基础设施上，也可以在自己的机器上运行，并内置评测来衡量每次改动。官方文档称它使用的是驱动 Bugbot、Security Review、Approval Bot 和 Rollouts 的同一套 Cursor SDK 运行框架，可以由代码仓库事件、Issue 跟踪器、Slack 或定时任务触发，部署后在 Deployed Agents 中管理。官方未公布定价和跑分。

查看大图

Oracle 10 月 26 日在拉斯维加斯 Oracle AI World 发布一组企业 AI 更新：新的智能体执行运行时 Oracle Fusion Claw，以及基于它的 25 个 Agentic Applications，已覆盖 ERP、HCM、供应链（SCM）和客户体验（CX）；同时推出 Fusion Companion 和 Fusion Agentic Home，员工可以在 ChatGPT 等受支持的 AI 工具或 Fusion 原生界面里用自然语言描述目标，由系统自动挑选并协调交易、工作流、审批和 AI 智能体，全程沿用企业现有的身份、权限和审批控制。官方未公布定价、跑分或具体上线时间表。

查看大图

2026-10-23（UTC 15:59，SGT 23:59），Cursor 官方账号 @cursor_ai 宣布「Cursor can now control your computer」：智能体可以驱动 iOS 模拟器等桌面应用，测试自己刚实现的功能。官方补充说明，Computer Use 让智能体在电脑上任意应用中点击和输入，不再局限于浏览器；Cursor 会在任务需要时自动启用，也可以在提示词里 @ 提及 Computer Use 主动调用，更新 Cursor 即可试用。此前 9 月社区更新日志曾提到 3.20.21 版 Mac 端 Computer Use，这次是官方正式发布。官方未公布支持的系统范围、权限模型和跑分。

查看大图

Artificial Analysis 于 2026-10-23 发布 Coding Agent Index v2.0，评测对象是「模型 + Agent 外壳」的组合，覆盖 290 道任务，三项基准等权：Cognition 的 FrontierCode v1.1（100 道真实开源仓库任务，按维护者是否会合并打分）取代 DeepSWE v1.1，SWE-Atlas-QnA 改为评分更严格的 SWE-Atlas-QnA-AA，Terminal-Bench 4.0 不变。Claude Code + Claude Opus 5.5（max）以 61.7 分居首，Sonnet 5.5 59.3、Muse Wonder Full 58.9 紧随。新版整体分数下降：21 个两版都测过的配置平均分从 54.8 降到 47.4。

查看大图

国际权威模型独立评测机构 Artificial Analysis 正式发布针对 DeepSeek 官方搜索增强 API（DeepSeek Search）的详尽基准测试数据。评测显示，挂载 DeepSeek 搜索模块后，基座模型的全域搜索综合指数从原先的 33 分暴涨至 69 分（净增 36 分，位列全部 27 款受测搜索 API 的第 17 位）。在成本维度上，DeepSeek Search 展现出无与伦比的颠覆性定价：每 1,000 次搜索请求仅收费 0.75 美元，折合单任务平均成本仅约 0.032 美元，成为全网受测商业搜索 API 中最经济的选项；在事实性问答基准 AA-Omniscience 达到 70% 准确率，而在复杂长程网页浏览任务 BrowseComp 则达到 63%。

查看大图

10 月 21 日，Letta 发布 FrontierMemory 1.0。它不再考 Agent 记不记得生日、爱好这类事实，而是给 Agent 一批过去的执行轨迹，让它生成记忆或技能，再看这些记忆能让任务 Agent 多解出多少编码和知识工作任务。首版共 15 个任务，改编自 DeepSWE、SkillsBench、APEX-Agents 等公开基准。模型榜（Letta Dream 生成记忆，Letta Code 执行）上 Opus 5.5 与 GLM-5.3 均为 73.3%，Grok 4.7 为 33.3%；Harness 榜上 Letta 自家 Letta Dream 第一。数据为厂商（Letta）口径。

查看大图

在 arXiv:2610.25834 中，跨国研究团队正式发布业内首个专门评估 Coding Agent 大规模、面向物理性能代码重构能力的基准 FrontierRefactor。与传统仅考量“功能测试能否通过”的 SWE-bench 不同，FrontierRefactor 涵盖 7 种主流编程语言、跨越 10^1 至 10^4+ 行代码规模的 60 个符合阿姆达尔定律（Amdahl's law）的严苛工业级工程任务。测试揭示了惊人的行业现状：超过 41% 的智能体生成补丁虽然 100% 通过了功能等价性测试，却并未带来任何实际物理加速，其中 19.3% 甚至引发严重的运行时性能回退，展现了引入多轮执行耗时反馈机制对自主重构智能体的决定性意义。

查看大图

由 Richard Socher 创办的 Recursive 正式开源 39.8B（40B）混合专家（MoE）编程智能体模型 Flint（RecursiveSI/flint），采用 Apache 2.0 协议并在 Ollama（ollama run flint）与 llama.cpp 全面开箱即用。该模型每 Token 仅激活 2.5B 参数，拥有 262K 超长上下文，在 M4 Pro MacBook Pro 上可实现 125+ tokens/秒的超高速本地推理。在 SWE-bench Verified 取得 74.2%、SWE-bench Pro v2 达到 89.7%，成为 50B 以下端侧运行最强编程智能体底座。

查看大图

多所顶尖研究机构在 arXiv:2610.28554 中正式发布革命性多智能体世界模型架构 OverSeer。针对现存视频世界模型在扩展至多智能体协同场景时，各 Agent 视界受限（局部可观察性）、传统方案过度依赖外部地图拼接输入，导致多视角画面严重冲突与空间位置漂移的行业痛点，OverSeer 提出“将全局空间辅助流与多智能体第一人称流进行联合预测”的全新机制。在经典开放世界测试环境 Minecraft 的严格基准评测中，OverSeer 在空间定位（Grounding）、长程空间记忆（Memory）与多视角一致性（Consistency）指标上全面超越现有顶级基线，彻底消除了群体智能体在空间盲区下的物理幻觉。

查看大图

在 GTC Berlin 开幕主题演讲中，NVIDIA 官方集中发布了横跨多个专业垂直领域的全新开源模型矩阵。核心亮点包括：支持长文本视觉推理的 Nemotron 3.5 Super VL 与即开即用的 Bolt 系列语言模型；专为高精度 RAG 打造的 Nemotron Retriever 嵌入、重排与文档解析全套套件；面向实体工业的 Cosmos 物理世界模型；面向自动驾驶的 Alpamayo 2 Edge；以及与华盛顿大学 Baker 实验室联合开发的蛋白质生成大模型 BioNeMo RFD4-Proteina。官方实测显示，RFD4-Proteina 在 10 项以上蛋白质设计基准中斩获全球第一，在 200 个氨基酸的靶点设计上比 RFdiffusion3 提速惊人的 13 倍。

查看大图