AI 编程实时动态与要闻

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

LM Studio 于 10 月 29 日 15:32（UTC）在 X 上宣布，用户现在可以在 LM Studio 里下载新的 oMLX 引擎，直接用于已下载的 MLX 模型；官方更新日志把它列为 Bionic 1.1.10 的新功能，同版本还加入 MLX 模型投机解码和应用内终端。oMLX 是韩国开发者 jundot 维护的 Apple Silicon 开源推理服务器（Apache 2.0，GitHub 约 2.3 万星），主打连续批处理和内存加 SSD 的两级 KV 缓存。官方未公布 LM Studio 内的速度对比。

查看大图

Anthropic 10 月 29 日在 X 上介绍「自我评估」（self-assessment）：Claude 每次回答后，对整段对话给出一份结构化的初步安全评估，用于离线复核。官方 Safeguards 博客称，在 Claude Fable 5 上，1% 误报率下它能覆盖更强的提示词分类器所标记对话的 78%、高优先级对话的 94%；因对话已在 KV cache 中，平均只多生成约 10 个 token，估计增加不到 2% 推理算力。该技术自 6 月起在生产中运行，但官方也说明它挡不住专门针对它的攻击者，只作为纵深防御的一层。

查看大图

Vercel 10 月 28 日发布 Vercel CI 公测版，所有套餐可用。它读取 turbo.json，只运行受代码改动影响的任务，未变的任务直接走 Remote Cache，每个任务在 Vercel 的 Hive 计算层上单独起机器。官方称内部仓库从 git push 到「CI 通过」快了 2–6 倍，内测期已跑近 800 万个任务；可通过 Vercel CLI、MCP 让 agent 查看和排查 CI。

查看大图

Cloudflare 10 月 26 日在官方博客发布事故报告：8 月 27 日至 9 月 9 日，Workers AI 上的 GLM-5.3（@cf/zai-org/glm-5.3）对超过 681,280 token 的长提示，有 155 条回复混入了其他用户刚发过的请求内容，且都返回 HTTP 200。原因是 prefill 节点 KV 缓存池小于 1,048,576 token 的上下文窗口，叠加 SGLang 在 prefill/decode 分离模式下处理超长请求的漏洞。Cloudflare 称未发现恶意利用，已修复并建议运营方升级到 SGLang v0.5.22 或更高版本。

查看大图

OpenAI 10 月 26 日发布 GPT-6.1 Terra，定位是兼顾视觉推理、精确电脑操作和自然写作的高效模型，今天起向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，API 模型名 gpt-6.1-terra。标准 API 价格为输入 $1、缓存输入 $0.05、输出 $5（每百万 token），官方称比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%；上下文 1,050,000 token。官方口径下，它在 Agents' Last Exam 上中等推理强度比 GPT-5.6 Terra 高 15 个百分点、成本约三分之一，Terminal-Bench 4.0 最高强度 50.3%。

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

来自清华大学和香港中文大学的研究团队在 arXiv:2610.28577 中正式发布划时代论文《Cache Engineering for Agents》，并开源专用服务引擎 AKV（thu-nics/AKV）。针对自主 Agent 在多轮长轨迹交互中，因传统“上下文工程（Context Engineering）”修剪文本导致前缀 KV 缓存彻底失效、引发高昂重预填（Re-prefilling）开销与关键记忆遗忘的痛点，论文提出“显存缓存工程（Cache Engineering）”。通过引入 drop（剔除显存中过期 Token）与 repos（位置编码重对齐）两大底层原语，配合 AKV 状态感知基数树引擎，在保持长程记忆的同时将 Agent 推理成本大幅削减 27.7%，P95 请求延迟提速 1.5 倍，基准测试准确率提升 1.7 分。

查看大图

多所顶尖研究机构在 arXiv:2610.26825 中正式推出原生记忆基础模型架构 MemT-1.0。针对传统大模型依赖庞大外部 KV Cache 或外挂 Vector RAG 导致的长文本显存爆炸与检索断层痛点，MemT-1.0 将记忆内化为模型计算的原生组成部分。基于 Metis 框架，模型采用 Gated DeltaNet-2 结合轮内稳定的 Token 级记忆更新机制，并引入 Mixture-of-Storage 结构拓展原生记忆容量。在 340 亿 Token 数据持续预训练与对齐后，MemT-1.0-Nano 在 128K 超长历史下实现 1.86 倍推理加速与惊人的 66 倍持久存储削减，显著提升复杂智能体长程任务成功率。

查看大图

DeepSeek 于 10 月 20 日（UTC）开源内部推理框架 DeepInfer（Apache 2.0），即支撑 DeepSeek-V4.1-Flash 大规模线上服务的推理栈。本次开源版本提供离线推理，支持 Attention DP/CP、MoE EP+EPLB 并行、DSpark 投机解码、SWA bounded replay、批次不变推理、确定性采样和结构化输出，硬件为 NVIDIA SM100 与华为昇腾 950。KV cache 系统、PD 分离和负载均衡未包含在内。同时开源的 deepseek-recipe（MIT）负责把 Chat Completions、Messages、Responses 等格式请求统一转换并编码，对齐官方 API 行为。

查看大图

MiniMax 正式推出新一代旗舰轻量大模型 M3.1 Flash（此前以 Space Bunny 代号霸榜全球竞技场 200T+ Token）。模型支持 100 万 Token 原生上下文，百万输入/输出 Token 定价低至 0.15 / 0.60 美元（缓存读取仅 0.015 美元），推理速度较 M3 提升 3 倍且成本降低三分之二。在 LMSYS Code Arena: WebDev 中斩获 1588 分跃升 106 分，位列开源模型第 12 名，定于 10 月 23 日正式开源权重。

查看大图

MiniMax 官方确认，此前在 OpenRouter 等榜单上用量领先的匿名模型 Space Bunny 就是 M3.1 Flash 的早期版本，并于 10 月 19 日正式上线 API。按量计费为输入 $0.15、输出 $0.60、缓存读 $0.015（每百万 token），1M 上下文，支持文本、图片和视频输入，可用 effort 调节思考深度。官方口径：成本是 M3 的 1/3、速度 3 倍，DeepSWE 73.7%、Automation-Bench 62.2%；10 月 23 日权重已按期在 Hugging Face 开放（MiniMax Community 许可，MXFP8），Together、Inferact（vLLM）、LightSeek TokenSpeed 首日支持。

查看大图