AI 编程实时动态与要闻

半导体与 AI 研究机构 SemiAnalysis 11 月 2 日发布 GDPx，用来衡量前沿模型在芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进（RSI）、硬件设计、材料科学、对齐和软件工程 11 个领域的智能体能力，共 206 道任务，由 14 家专业数据公司出题、SemiAnalysis 负责最终质检。官网榜单上 Claude Opus 5.5 以 12.0% 居首，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6% 紧随其后；金融和法律任务几乎所有模型都是 0 分。SemiAnalysis 称 Opus 5.5 和 GPT-6 Astra 的总分被安全分类器拖低，并计划每 3–6 个月更新一版。以上分数均为 SemiAnalysis 口径。

查看大图

Confident AI 在 deepeval 4.2.x（发行说明锚定 4.2.2/4.2.4，PyPI 现为 4.2.6）为评测引入 TypeSafe Jev：语言生成仍由评测 LLM 负责，封闭判决（是/否、选择题、分数档）交给 System One，返回带校准概率的类型化决策。官方称决策阶段约 $0.042/百万 input、无 output 计费，多数查询约 100ms，并可批量合并独立问题。Faithfulness/GEval/DAGMetric 与 Classifiers 已接线；实验模式 deepeval set-mode experimental + typesafe-sdk 开启，缺密钥会显式失败而非静默回退。

查看大图

大模型安全与对齐权威研究团队在 Hugging Face 与 GitHub 正式开源了《Just Ask Jev: Reinforcement Learning for Calibrated Decisions as a Zero-Shot Detector of AI Alignment Failures》（arXiv: 2609.29429，GitHub: sumleo/RLCDAlignBench）。针对当前工业界对大模型进行对齐安全审计（如提示词注入、阿谀奉承、越狱、欺骗与权力寻求）主要依赖生成式大模型裁判（LLM-as-a-Judge）导致单项测试成本昂贵、或者依赖固定标签分类器（如 Llama Guard）导致单次只能吐出一个分类标签的局限，团队提出了基于校准决策强化学习（RLCD）训练的专用多维判定模型 Jev。配合首创的十维对齐基准 RLCDAlignBench，Jev 仅凭单次模型前向推演即可输出多个具有严格数学概率校准的多标签判定，中位数 AUROC 达 0.886，评测成本剧降 63 倍。

查看大图

开源语音/多模态助手框架 Pipecat 于 2026-09-26 发布 v1.12.0：TTSService.pronunciation_transform_ipa() 用词→IPA 映射生成可跨 Cartesia/ElevenLabs/Inworld/Deepgram 复用的发音变换；MOQTransport 增加客户端模式重连与 session-ending 标记；新增 Pipecat Classifiers、LLMClassifier、帧级 interruptible，以及 LLM run_inference 的 response_schema。PyPI pipecat-ai 1.12.0 已同步。

查看大图

TypeScript agent 框架 Mastra 于 2026-09-24 发布 @mastra/[email protected]。Classifiers 可在 new Mastra({ classifiers }) 注册并作为类型化 workflow step；新 ClassifierProcessor 对输入/输出/流默认 fail-closed；工具可通过 context.background.adopt() 立刻 ACK 长任务；@mastra/[email protected] 新增 Slack/GitHub/Gmail 等 10 个生成式 SaaS 工具提供商。

查看大图