AI 编程实时动态与要闻

Hugging Face、BitRobot、新加坡具身智能中心和 NUS 等 11 月 4 日推出 RoboColosseum，一个分布式真机评测框架，覆盖 SO-101、Franka、双臂 YAM 和 Unitree G1 四种机器人。首轮在 124 个站点做了 5,699 次盲测对比，测了 5 个 VLA 策略和 3 个前沿大模型：Claude Opus 5.5 和 GPT-6 Astra 的平均任务进度分别比 VLA 高 12.1 和 11.0 个百分点，Grok 4.7 落后 7.5 个点。所有 rollout 数据公开在 Hugging Face，并向学术界提供 10,000 小时免费评测。

查看大图

11 月 3 日，OpenAI 发布《Accelerating engineering for the physical world》，介绍其模型在机械设计、电子设计和仿真上的进展。两名员工用 GPT-6 Astra 在不到一周内设计出一台用来和 Codex 对话的设备（外壳、PCB、固件和软件），合同制造商不到一个月做出小批量原型，但量产前仍需多轮人工评审。OpenAI 硬件团队的模型 token 用量自 2 月以来增长 23 倍；在 BenchCAD 2.0 上，一个更新的内部模型平均得分 0.875，GPT-6 Astra 最高推理档为 0.594（官方口径）。OpenAI 还扩大与 Chip Ganassi Racing 的合作，并宣布与 Mazda 开展新的研究合作。

查看大图

月之暗面 Kimi 官方账号 10 月 30 日 03:14（UTC）发布 3D Make，称 Kimi 可连接 Blender 和 CAD 等工具来建模、组装场景和开发游戏，已在 kimi.ai 和 Kimi Work 上线。官方同步发布的 3D 教程说明，K3.1 Pro 经过专门训练，通过 Python 脚本操作 3D 软件，即使没有 MCP 支持的专业软件也能纳入工作流；人物、动物等网格模型则自动调用 Tripo 等扩散模型生成。需要本地软件的插件仅在 Kimi Work 中可用。

查看大图

GitHub 10 月 28 日在 Universe 2026 宣布 Copilot Fusion 正式可用（GA）。它把此前研究预览的 Project HydraFusion 多模型编排和 Copilot auto 模型选择合并：用户在模型选择器里选 Copilot Fusion 和努力档位（Standard / High / Max），由系统按任务决定用哪些模型、走 Single、Cascade 还是 Critique 流程。官方称 Fusion Max 在 Artificial Analysis 编码智能体指数得 60 分，比 Claude Code + Opus 5.5 Max 低 2 分，但每任务 API 成本约一半、token 约一半、耗时少约 40%。按所用模型标准价计费，付费用户到 11 月 30 日享 30% 折扣。

查看大图

2026-10-23（UTC 17:15，SGT 10-24 01:15），Kimi 官方账号 @Kimi_Moonshot 正式发布 Kimi K3.1 Pro，同时推出快 2–3 倍的 K3.1 Pro Highspeed，已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，完整权重承诺 2026-11-04 前开放。官方技术博客称它是 K3 的后训练版本（更大规模多领域联合 RL），MoE 总参 2.8T、激活 104B，1M token 上下文，多模态。厂商口径跑分：Terminal-Bench 4.0 65.7%（GPT-6 Astra 58.2%、Claude Opus 5.5 66.4%），BenchCAD 带工具 92.7%。Kimi API 定价页显示 kimi-k3.1-pro 输入 $2、输出 $10、缓存命中 $0.20 每百万 token，低于 K3 的 $3/$15。

查看大图

阿里巴巴与多所高校科研团队在 arXiv:2610.26203 中提出面向移动端与桌面全模态图形界面智能体的革新架构 FocusGUI。针对现有多模态 GUI 智能体在处理包含连续高频截图、同步音频流、交互历史与设备状态的庞大输入时，极易因信息瞬态冗余陷入“时序干扰（Sequential Distraction）”、产生复合决策错误的问题，FocusGUI 提出了基于动作充分投影与自适应信道分解的动态聚焦机制。在覆盖 29 款主流 APP、2572 个真实操作步骤的 OmniGUI 基准上，FocusGUI 将 Qwen2.5-Omni 等四大开源底座的类型匹配率（Type Match）从 31.0% 大幅翻倍提升至 64.2%，精确匹配率从 11.2% 飙升至 33.5%。

查看大图

由 Maluuba（已被微软收购）原班团队创办的 Skyfall AI 于 10 月 19 日发布研究预览版 SKY-001，自称首个「工程世界模型」。它不做下一个 token 预测，而是从文字或一张 2D 图出发，先并行生成几种粗略 3D 方案，再递归拆成零件树，逐个零件画 2D 草图、拉伸成 3D，最后按层级组装，可在 Autodesk Fusion 等 CAD 软件中查看。官方自测 3D CAD 任务：IoU 79.7%（GPT-6 Astra 79.1%），单例 3.9 秒、0.005 美元（Astra 199 秒、0.75 美元）。目前仅开放候补名单，商用部署目标是 2027 年初；所有跑分均为厂商自测，暂无独立复现。

查看大图

Cloudflare 10 月 19 日发布 Clairic 预览版，定位为「System One 抽取模型」：不逐 token 生成，而是一次并行前向传播，从文本或最多 4 张图片里抽取、计算、估计和预测带类型的值，每个答案附置信度、字符位置和缺失概率，缺失时返回 null。模型以 @cf/cloudflare/clairic 上线 Workers AI，文档标注 64K 上下文、支持视觉、每百万输入 token 0.10 美元且不收输出费。官方示例中，Clairic+Clef+GLM-5.3 级联比全用 GLM-5.3 快约 3.2 倍、成本低约 49%（官方口径），权重将在之后开放。

查看大图

当前 Deep Research 智能体评测大多局限于学术科研与合成问答，难以反映真实日常决策与复杂工作流。腾讯混元团队推出 LifeSearch 基准，涵盖 7 大生活生产力领域的 203 个中英文真实任务，投入逾 4500 小时专家标注提炼 4000+ 条细粒度评分规则。实测 12 款主流深度研究智能体显示，顶尖模型最高仅获 63.4% 分数，暴露长程网页搜索、多源冲突时间线融合等关键短板。

查看大图