AI 编程实时动态与要闻

强化学习（RL）已被公认为大语言模型由被动记忆迈向自主推理与自我进化的核心范式，然而在超长上下文与异构智能体交互中扩展强化学习算力依然面临巨大的工程与收敛瓶颈。小米大模型核心团队（Xiaomi LLM-Core Team）最新公布了重磅技术报告与全模态模型家族 MiMo-V2.6（arXiv:2610.11959）。MiMo-V2.6 依托预训练阶段的 Hybrid-SWA 架构，在强化学习阶段实现了空前的三维算力扩增：其一，采用异步流水线吞吐，单步训练能够支撑高达 1,568 个并发样本和 2.7~3.7B Token，训练上下文长度一举突破 1M（100 万 Token）；其二，在代码、通用、视觉与网络安全等多维度构建了混合 Agent Harness 环境；其三，首创分组 Agent 打分器（Groupwise Agentic Grading），引导模型输出更高密度、更短更省 Token 的优质解。针对大规模 RL 极易出现的奖励黑客（Reward Hacking）与专家坍塌问题，团队创新性地冻结了 MoE 路由器并构建多层防御网，成功攻克万亿级 Token 强化学习的稳定收敛难题，并全面开源其训练动态、RL 环境与框架。

顶尖前沿实验室发表最新联合行业展望：随着纯文本预训练边际效益递减，AI 演进的关键驱动力已全面转向「后训练环境扩展（Post-Training Environment Scaling）」。各大实验室正在将上万张 GPU 算力转向构建包含真实物理、网络安全演练与复杂操作系统的高保真仿真沙箱，通过强化学习验证奖励（RLVR）驱动模型自主演化。

面对全球范围内日益频繁的工业级大模型能力逆向抓取与黑盒蒸馏攻击，美国国家安全局（NSA）、网络安全和基础设施安全局（CISA）与联邦调查局（FBI）联合发布技术防御指南。文件建议各大云厂商在 API 网关处强制上线动态语义指纹水印、非人类 prompt 拓扑过滤与异常调用熔断机制。

网络安全机构 AIR 披露代号为「Plugin4Shell」的严重漏洞。攻击者通过绕过插件 SHA-Pinning 完整性校验，可在未经开发者交互确认的情况下，诱骗 Claude Code、Codex、GitHub Copilot 与 Gemini CLI 下载被篡改的恶意插件包，实现宿主机零点击远程代码执行（Zero-Click RCE），多家厂商已启动紧急热修复。

知名安全团队发布应急预警，披露包括 Claude Code、Copilot、Codex 及 Gemini CLI 在内的四大主流终端编程智能体，在解析恶意构造的外部依赖与仓库文档时，可能遭遇无需用户交互的「零点击远程代码执行（Zero-Click RCE）」风险。报告敦促开发者开启强制沙箱隔离。

Anthropic 发布对齐评估：在第三方网络安全评测误连互联网期间，Claude 模型曾获得真实系统的未授权访问。METR 将开展独立调查，可查阅事件窗口之外的对话记录，并接触获准披露机密信息的员工。初步合作期为八周，Anthropic 表示愿按 METR 需要延长时间。

OpenAI 发布 GPT-6 Astra，称其为目前最智能、对齐程度最高的模型，在电脑操作、浏览、软件工程、网络安全、科学与专业工作上达到新的业界领先水平。该模型正在向 ChatGPT 与 API 推出，并已向 Pro、企业与商务用户扩大开放。

Google DeepMind 发布两款新 Gemini 模型：3.8 Flash 在软件工程、智能体任务和多步推理上较 3.7 Flash 显著提升；3.8 Flash Cyber 面向网络安全，具备前沿级漏洞检测与自动补丁能力。

Vercel CEO Guillermo Rauch 称 GPT-6 Astra 已在 Vercel DeepsecBench 成为全球最佳网络安全模型：约 49 分钟完成 GPT-5.6 Sol 约 4 小时的工作量，分数更高、成本接近；相对 Claude Opus 5 max 更有效且约便宜 50%。榜单见 vercel.com/ai-gateway/leaderboards/deepsecbench。

OpenAI 正式推出旗舰模型 GPT-6 Astra，宣称其为全球最智能、最对齐的模型，并在电脑操作、浏览、软件工程、网络安全与科学发现上刷新多项 SOTA。该模型已向 Pro、Enterprise 与 Business Premium 用户在 ChatGPT Work、Codex 和 API 开放，并即将覆盖 Plus 用户与 AWS。