AI 编程实时动态与要闻

Perplexity Developers（@perplexitydevs）于 11 月 5 日宣布：Agent API 所有 effort 档位每查询成本下降、研究质量持平或更高，并新增面向广覆盖长跑的 ultra。厂商口径称 medium 在 BrowseComp/DSQA 从约 55% 提到约 77% 且成本降近 90%；xhigh WANDR 约 76.5% 且约为 8 月配置成本的 25%；ultra 三 Agent 并行再汇总，WANDR 约 85.9%、约 $21.71/任务。

查看大图

美团 LongCat 团队 11 月 2 日在 API 平台更新日志中上线 LongCat-2.5，这是 9 月 25 日 LongCat-2.5-Preview 的正式版。官方技术博客称它总参数 1.6 万亿、每个 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解和智能体编程，训练和 W4A4 推理都在国产 AI 加速卡上完成。官方口径成绩包括 Terminal Bench v2.1 88.4、Terminal Bench v4.0 38.5、BrowseComp 91.9、MCP Atlas 83.1。API 支持 OpenAI 和 Anthropic 两种格式，1M 上下文、最多 128K 输出，限时价每百万 token 输入 $0.30、缓存输入 $0.006、输出 $1.20。

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

来自斯坦福大学与加州大学伯克利分校的研究团队在 arXiv:2610.22273 中提出图书管理员智能体（Librarian Agents）。针对传统 RAG 被动检索导致推理期跨文档推理瓶颈的问题，该方法利用强化学习（RL）训练 LLM 预先对杂乱的超长文档工作区进行“前瞻性主动编排”，生成由模块化文件、子目录与交叉链接构成的合成文件系统。在 BrowseComp+ 评测中准确率达 55.86%，导航 Token 消耗降低 33.8% 至 51%。

查看大图

深度搜索智能体在长链路多轮检索中面临严重的信贷分配（Credit Assignment）难题。浙江大学与腾讯联合开源 KnowGPO（arXiv:2610.22331，GitHub: ZJU-REAL/KnowGPO）。该算法将复杂问答拆解为原子知识条件集合，以知识状态对齐代替杂乱的表面文本对齐，并在同状态组内计算增量知识过程奖励。微调后的 Qwen3-8B 在 BrowseComp-ZH（38.8%）与 GAIA（40.2%）上全面超越 GRPO 与 GiGPO，越级战胜 32B 级开源深搜基线并逼近闭源模型。

查看大图

现有智能体强化学习（Agentic RL）普遍假设单条轨迹在单一连续累积的上下文会话（Single-Session）中完成，但这与真实生产环境中广泛使用的上下文压缩（Context Compaction）和子智能体派生（Subagent Forking）严重脱节。研究团队提出多会话智能体强化学习框架 Mosaic（arXiv:2610.22174），通过无 Critic 的分层优化将‘会话使用信号’纳入全局优势估计，并根据估计的边际贡献（Marginal Contribution）对每个独立子会话塑形奖励。在 BrowseComp 上的实测表明，Mosaic 在上下文压缩与子智能体分叉两大场景中全面超越传统全局广播基线，且平均消耗更少的会话次数。

查看大图

智能体在推理部署时的自我迭代升级能力（Test-Time Self-Improvement），是当前迈向 AGI 的核心演进方向。这一能力依赖两大互补支柱：能够敏锐识别错误并产出更优解的“反思（Reflection）”，以及能支撑算法经历多轮长时间交互而不发生上下文崩溃的“长程执行（Long-Horizon Execution）”。中国人民大学、微软亚洲研究院与中国科大团队联合推出了 AREX-2 框架：研究团队发现这两种核心能力具备极强的领域无关通用性（Domain-Agnostic），并通过在具备确定性结果校验的机器学习工程（ML Engineering）与算法编程任务中，合成了极具挑战的长程反思训练轨迹。基于 Qwen3.8-27B 打造的 AREX-2 智能体在 MLE-bench Lite 上斩获 81.8 的超高分，并零样本跨域迁移至深度研究（Deep Research）任务，在 BrowseComp 斩获 84.0 分、GAIA 斩获 92.2 分、DeepSearchQA 斩获 93.8 分，展现出随着迭代轮数增加而持续单调提升的强大自进化力。

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