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

扩散智能 DiffuSpace（成员来自推出 Dream 7B 的港大 NLP 实验室）10 月 28 日发布首个模型 Clover-35B-A3B-Preview：基于 Qwen3.6-35B-A3B 初始化的 MoE 扩散语言模型，总参 35B、激活约 3B、128K 上下文，按块并行去噪生成。官方口径下 SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、GPQA Diamond 83.8，单张 GB300 上 Agent 场景生成速度 680 tokens/s。权重 Apache 2.0，已上 Hugging Face、ModelScope 和 GitHub，支持 SGLang 与 llama.cpp。

查看大图

百度官方账号 @Baidu_Inc 10 月 27 日宣布开源 Unlimited OCR 2，以 MIT 协议发布在 Hugging Face。新的 SR-SWA 稀疏参考滑窗注意力把图文注意力压缩到固定大小的参考集合，官方称可在有限上下文内解析任意长度文档，在几十页的 MPDocBench 得 84.6、上百页的 MarathonDocBench 得 77.1，均为厂商自测。

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

Mirendil 10 月 26 日发布首个模型 Fern，基于自研 Mirendil-Base（0.1–0.5T 参数）从零预训练，上下文窗口最长约 1000 万 token，约等于 50 万行代码或数天的 Agent 轨迹。Fern 0.1 只做了一轮短后训练，主打审计训练数据、看日志排查训练故障、通读 Agent 轨迹等 AI 研发场景。官方口径：SWE-Bench Verified 73.4%、RULER 单针检索在 10M 长度仍为 100%，但多跳问答在 10M 降到 45%。目前仅开放早期申请，未公布价格和权重。

查看大图

Google AI Studio 团队发布 Gemini API CLI（命令名 gemini-api）实验预览版。它是一个无状态、零依赖的 Go 单文件，支持 macOS、Linux、Windows，Apache 2.0 开源。任何有 shell 权限的编码 Agent 配好 GEMINI_API_KEY 后，就能用一条命令调用文本推理、图像/视频/音乐/语音生成、文件与 YouTube 分析、音视频转写，以及 Deep Research 等托管 Agent。媒体结果直接写到磁盘、只把文件路径打印到 stdout，避免把 base64 塞进上下文。官方说明它是实验项目，不属于受支持的 Google 产品。

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

在 DeepSeek 宣布开源其生产级推理引擎 DeepInfer 数小时后，vLLM 官方项目团队正式公布了针对 DeepSeek-V4.1-Flash 的实测重磅性能对标数据。采用 DeepSeek 官方完全相同的测试拓扑（131K 超长上下文、nextn=3 投机采样），vLLM 在 NVIDIA GB200 NVL 架构上针对 Batch Size 8~256 的全并发区间，将与 DeepInfer 的端到端吞吐差距压缩至 6% 以内；在下一代 GB300 架构上，单 GPU 吞吐量突破 1,000,000 Token/秒，单用户峰值输出达 826 Token/秒，折合单 GPU 每小时营收达 38.96 美元。同时宣布 FastH3-Omni 与 Spark-X2.6-4B 首发支持。

查看大图

前沿 AI 初创公司 Inception 联合创始人 Stefano Ermon 宣布正式推出新一代扩散架构大语言模型 Mercury 3。模型在 NVIDIA GPU 上实现高达 1,068 Token/秒的超高生成吞吐，参数量达到前代 Mercury 1 的 40 倍并支持 100 万（1M）Token 原生上下文。在 IFBench、GPQA Diamond 与 SWE-Bench Atlas 基准上全面对标前沿闭源基线，输入/输出百万 Token 标准定价为 0.20 / 0.70 美元（上线期半价优惠仅需 0.10 / 0.35 美元）。

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

高人气开源终端编程智能体 OpenCode（@opencode）连续发布重磅福利：正式向全量开发者免费开放智谱高速编码模型 GLM 5.3 Flash 以及 Reflection AI 最新开源的 501B/23B MoE 旗舰模型 Beam（支持完整 100 万 Token 上下文窗口）。其中 GLM 5.3 Flash 免费官宣推文在 X 平台单日狂揽逾 192 万次浏览与 1.75 万点赞，成为近期最受开发者追捧的零成本 AI 编程组合。

查看大图

在实际软件工程与知识密集型交付任务中，自主 Coding Agent 通常以‘直接工作区交互（Direct Workspace Interaction, DWI）’的范式运作：通过终端命令直接检索、读取并修改本地代码库中的海量文件。然而，随着交互步数的拉长，Agent 极易遭遇严重的上下文失忆——初期提取的子任务需求被后续的大段文件内容挤出上下文窗口，而列出但尚未打开的潜在关键文件（Candidates）以及已读取证据的追溯链条（Provenances）也会随着模型滑动上下文丢失，导致 Agent 频繁出现漏解需求、死循环甚至‘在核心需求未完成前草率交付’的严重缺陷。韩国科学技术院（KAIST）的研究团队在最新研究（arXiv:2610.10444）中提出了创新框架 RunningTab。RunningTab 颠覆了依赖 Agent 自身注意力记忆或内部草稿纸（Scratchpad）的传统做法，首创了由执行环境托管的‘环境侧动态标签页（Environment-Side Tab）’。该标签页在交互全流程中独立追踪三大要素：结构化需求待办清单（Requirements）、带文件溯源的已读内容片段（Provenances）以及已罗列但未阅读的候选文件栈（Candidates）。在 Agent 尝试交付产物时，环境侧自动触发‘完成前置校验（Finish Check）’门禁，强制验证所有需求是否闭环。在 Workspace-Bench、TheAgentCompany 和 OfficeQA Pro 三大高难度真实工作区基准评测中，RunningTab 全面碾压原生 DWI 与自反思基线，在 TCR@70 指标上实现断崖式领先，论文与相关实现现已公开发布。

查看大图