AI 编程实时动态与要闻

Factory 发布 Droid 1.0:程序化工具调用成默认,一次模型请求可跑上百次工具调用,自测 Terminal-Bench 4 领先各家原生 harness

AI 编程 Agent 公司 Factory 10 月 29 日 22:31(UTC)在 X 和官方博客发布 Droid 1.0,称这是其 agent harness 迄今最大的一次更新。核心变化是把程序化工具调用(PTC)设为默认:模型写一段 JavaScript 脚本,在沙箱里一次跑完多达上百次工具调用。官方自测 Terminal-Bench 4 中,用 GPT-6.1 Sol 通过率 57.6%(每个通过任务 $0.79),用 Claude Opus 5.5 通过率 65.2%($4.73),均高于同模型下的 Codex、Claude Code、Cursor、OpenCode 和 Devin。

Factory 发布 Droid 1.0:程序化工具调用成默认,一次模型请求可跑上百次工具调用,自测 Terminal-Bench 4 领先各家原生 harness

核心要点速览

  • 程序化工具调用成默认:模型写 JavaScript 脚本,在无文件/网络/系统权限的沙箱里运行,一次请求可跑上百次工具调用,互不依赖的调用并发执行
  • 官方示例:移动并核对 151 个 Linear issue 需 312 次工具调用,直接调用约 36 次请求、310 万输入 token,用 Script 只需 2 次请求、6.1 万 token
  • Terminal-Bench 4(Factory 自测,10 月 23–28 日,每任务 3 次):GPT-6.1 Sol 下 Droid 57.6% 对 Codex 54.0%、OpenCode 51.0%、Devin 45.0%;Opus 5.5 下 Droid 65.2% 对 Cursor/OpenCode 62.1%、Devin 59.6%、Claude Code 57.6%
  • 首轮请求从 20,887 降到 13,055 token(-37%),开局工具定义从 11 个减到 2 个;新加载的 MCP 工具追加到请求末尾,不破坏 prompt cache,生产中典型请求 98% 输入命中缓存
  • 已上线:macOS/Windows 桌面版、终端 TUI,以及 Droid SDK(@factory/droid-sdk);跑分为厂商自测,尚无第三方复现
阅读全文

MLE-Bench 奖牌率从 37.9% 飙至 72.7%!上海 AI Lab 开源 35B MoE 机器学习工程智能体 MLExpert,追平 Kimi-K3 与 GLM-5.3

为推动‘AI 研发 AI(AI4AI)’向模型自主导向演进,上海 AI 实验室(InternScience)开源了 35B 混合专家(MoE)机器学习工程智能体模型 MLExpert(arXiv:2610.22344)。通过构建 Kaggle-MLE Factory 可执行任务工厂、分层智能体 SFT 以及窗口化交互强化学习(WIRL),MLExpert 在 MLE-Bench Lite 上将基座模型的平均奖牌率从 37.9% 暴拉至 72.7%,以仅 35B 总参追平超大尺寸前沿模型 Kimi-K3 与 GLM-5.3,并成功泛化至智能体脚手架优化与算法调优。

MLE-Bench 奖牌率从 37.9% 飙至 72.7%!上海 AI Lab 开源 35B MoE 机器学习工程智能体 MLExpert,追平 Kimi-K3 与 GLM-5.3

核心要点速览

  • MLE-Bench Lite 奖牌率狂飙至 72.7%:将基座模型平均奖牌率从 37.9% 提升近一倍,以 35B MoE 轻量规模比肩 Kimi-K3 与 GLM-5.3
  • 首创窗口化交互强化学习(WIRL):将两次实验反馈之间的多轮决策视为独立执行窗口分配结果奖励,支持长轨迹未结束即异步更新策略
  • 泛化赋能 Agent 脚手架优化:习得的实验迭代能力零样本迁移至 NatureBench Lite、智能体脚手架调优与算法优化
阅读全文
A
AgentField / Santosh Radha@Agent-Field·
👀83
🔥95

AgentField 开源 CodeAF v0.6:单 Go 二进制「软件工厂」专打开源模型;厂商 DeepSWE 同模对比 54.9% 居首

Agent-Field/CodeAF 以 Apache-2.0 单二进制把开源权重(DeepSeek/Qwen/GLM/Kimi 等)编成「工厂」:一窗派活、子 harness 分工、Pareto Crewing 按任务选模型。v0.6.0 发布于 2026-10-01T18:59:00Z;本跑 ★259。厂商文档:同模 DeepSeek V4 Flash 上 /senior-dev 在 DeepSWE 113 题解出 62(54.9%),单位成本标为对照 1x(有单种子与采样契约差异等限制)。

AgentField 开源 CodeAF v0.6:单 Go 二进制「软件工厂」专打开源模型;厂商 DeepSWE 同模对比 54.9% 居首

核心要点速览

  • 仓库 Agent-Field/CodeAF Apache-2.0;本跑 ★259 / forks 34;安装 curl -fsSL https://agentfield.ai/get/codeaf | bash
  • 正式标签 v0.6.0 发布于 2026-10-01T18:59:00Z;README 仍标 early preview
  • 厂商 DeepSWE 对照(同模 deepseek-v4-flash-0731,113 题):senior-dev 62/113=54.9%、每题约 22¢;mini-swe-agent 49.6%、codex 45.1%、pi 37.2%、claude-code 14.2%(见仓库 docs/benchmarks/deepswe)
  • 后续同套题:DeepSeek V4.1 Flash 上报 88/113=77.9%;Kimi K3 78/113=69.0%(仅 senior-dev,非跨 harness 对比)
  • 内置 OpenRouter/DeepSeek/GLM/Kimi/MiniMax/Qwen/Codex/Ollama;crew 默认 worker/planner/checker 三角色自动选模
阅读全文

huggingface_hub 2.0.0:HTTP 栈迁至 httpx2,并移除全部 1.x 废弃 API

Hugging Face 于 2026-09-24 发布 huggingface_hub v2.0.0:底层 HTTP 依赖从 httpx/httpcore 切换为 httpx2/httpcore2,自定义 client factory 与异常捕获必须改用新类型;同步删除 upload_large_folder、huggingface-cli 等 1.x 废弃 API,并提供官方迁移指南。

huggingface_hub 2.0.0:HTTP 栈迁至 httpx2,并移除全部 1.x 废弃 API

核心要点速览

  • 破坏性变更:HTTP 客户端/传输异常来自 httpx2 / httpcore2,不再兼容旧 httpx 类型(Release v2.0.0)
  • 双版本写法:自 v1.30.0 起可用 from huggingface_hub.utils import get_session, httpx 统一导入,兼容 1.x 与 2.x(迁移指南)
  • 证书与日志:httpx2 默认用操作系统信任库;日志应改盯 httpx2/httpcore2;oauth extra 需 authlib>=1.8.0
  • API 清理:upload_large_folder→upload_folder,duplicate_space→duplicate_repo,CLI 入口 huggingface-cli→hf,hf repo→hf repos 等(详见迁移文档)
  • 安装:pip install -U "huggingface_hub>=2.0.0";对照 issue #4802 迁移计划
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

Factory 推出 Teams 自助计划:每队 $60/月 + 每席 $40/月(最多 10 席),集中计费共享 Droid

Factory 于 2026-09-23 宣布 Teams:自助套餐可添加多名成员并集中计费,将修 bug、测试与迁移委派给 Droid。定价为每队 $60/月 + 每席 $40/月,最多 10 席;每人保留独立 Pro 速率限额。Teams 页可申请审核制 $500 抵用金。

Factory 推出 Teams 自助计划:每队 $60/月 + 每席 $40/月(最多 10 席),集中计费共享 Droid

核心要点速览

  • 定价:$60/月/队 + $40/月/席,上限 10 席(Pricing)
  • 每位成员保留独立 Pro rate limits
  • 定位:Droid 扛修复/测试/迁移,人类定方向(Teams)
  • 促销:Teams 页可申请 $500 抵用金(审核制)
  • 合规/气隙场景继续看 Private/VPC,而非硬套 10 席 Teams
阅读全文
关联模型 / 智能体 / 厂商:

Factory 推出 Private:支持客户 VPC、本地机房与气隙网络部署 Droid 智能体

Factory 官方宣布推出 Factory Private,企业可在自有 VPC、本地机房或气隙网络中运行自主软件工程智能体 Droids。与现有 Factory Managed、推进中的 FedRAMP 方案并列,形成三种部署模型,强调数据驻留与对控制面、智能体运行位置的掌控。

核心要点速览

  • 官方 @FactoryAI 发布 Factory Private:可在客户 VPC、本地机房或气隙网络部署。
  • 现有部署选项升级为三种:Factory Managed、Factory Private,以及授权推进中的 Factory FedRAMP。
  • 面向企业数据驻留与安全合规:自主掌控 Droids 运行位置与数据落点;详情见 factory.com/news/factory-private。
阅读全文
关联模型 / 智能体 / 厂商:

企业级自主软件工程平台 Factory 获 2 亿美元融资,估值攀至 50 亿美元

企业级自动化软件工程平台 Factory 宣布完成 2 亿美元融资,投后估值跃升至 50 亿美元。Factory 旗下自主工程智能体「Droid」已全面进驻百强跨国企业的软件交付闭环,能够无人值守独立接单并解决复杂的全栈 Jira 工单、完成端到端代码审查并自主跑通集成测试。

核心要点速览

  • 专注大型企业软件研发全流程无人值守自主交付,估值达到 50 亿美元
  • 旗下 Droid 智能体可直接与 Jira、GitHub Enterprise 及内部微服务网格协同
  • 证明了以任务为导向的高自主度工程 Agent 在大型企业具备极高商业变现价值
阅读全文
关联模型 / 智能体 / 厂商:

Factory 与 Slack Code 联动进入定向公测:频道内协作下发软件任务,结果回帖原对话

Factory 宣布面向 Slack Code 的集成已对部分用户开放测试。团队可在频道内提出软件任务并协作讨论,由 Factory 执行开发工作,最终结果回到原对话线程,把智能体编码嵌入既有团队沟通流。

核心要点速览

  • Factory for Slack Code 进入定向公测,面向部分用户开放。
  • 可在 Slack 频道内提出并协作软件任务,由 Factory 执行编码。
  • 结果回到原对话线程,减少在 IDE 与聊天工具间来回切换。
阅读全文
关联模型 / 智能体 / 厂商:

Factory 完成 2 亿美元融资、估值 50 亿:扩大企业「自改进」软件开发智能体

Factory(@FactoryAI)宣布完成 2 亿美元融资、估值 50 亿美元,累计融资超 4 亿美元,估值较今年 4 月的 15 亿美元增超三倍,用于扩大面向企业的自改进软件开发与自主编码智能体(Droids)能力。

核心要点速览

  • Factory 新一轮 2 亿美元融资,估值 50 亿美元。
  • 累计融资超 4 亿美元,估值较 4 月 15 亿美元增超三倍。
  • 资金用于扩大企业侧自改进软件开发与自主编码智能体。
阅读全文
关联模型 / 智能体 / 厂商:

Claude Marketplace 新上架 CrowdStrike、Cursor、Factory、Gamma 与 Vercel:企业可用 Anthropic 承诺额度采购

Anthropic 官方账号宣布 Claude Marketplace 新接入 CrowdStrike、Cursor、FactoryAI、Gamma 与 Vercel。企业可将 Anthropic 消费承诺额度用于采购更多 Claude 驱动的产品与智能体,扩大平台内一站式采购面。

核心要点速览

  • 新上架 CrowdStrike、Cursor、FactoryAI、Gamma、Vercel。
  • 企业可用 Anthropic 消费承诺额度购买 Claude 生态产品与智能体。
  • 入口:claude.com/platform/marketplace。
阅读全文
AD赞助内容

Factory:GPT-6 Astra 已对全部客户开放

软件工程智能体平台 Factory 宣布 OpenAI GPT-6 Astra 已对全部客户可用。继 Copilot、Cline、v0 等产品侧接入后,Factory 将 Astra 纳入其 agent 编码工作流,便于团队在长程委托与开放式解题场景选用最新旗舰模型。

核心要点速览

  • 开放:Factory 全量客户可用 GPT-6 Astra。
  • 场景:面向软件工程 agent 的长程委托与开放式解题。
  • 生态:与同日多家 IDE/agent 产品接入 Astra 形成共振。
阅读全文
关联模型 / 智能体 / 厂商:

Command Code:GPT-6 Astra 已上线

终端/CLI 编码智能体 Command Code 宣布 OpenAI GPT-6 Astra 已上线。开发者可在 Command Code 工作流中直接选用 Astra,承接其更强的长程 agentic 编码能力,与同日 Copilot、Cline、v0、Factory 等产品侧放量形成 complementary 覆盖。

核心要点速览

  • 接入:Command Code 已上线 GPT-6 Astra。
  • 形态:面向终端/CLI 编码 agent 工作流。
  • 生态:补齐 Astra 在 CLI agent 侧的可选入口。
阅读全文
关联模型 / 智能体 / 厂商:

Factory Droid 上线 Claude Fable 5.1:适合开放式解题与大规模委托

Factory(@FactoryAI)宣布 Claude Fable 5.1 已进入其编码智能体 Droid:定位开放式解题、技术债清理,以及可合并的大规模委托任务,把 Anthropic 最新高努力编码模型直接接到 Factory 工作流。

核心要点速览

  • Claude Fable 5.1 已可在 Factory Droid 中选用。
  • 官方推荐场景:开放式解题、技术债清理、可合并的大规模委托。
  • 把 Anthropic 高努力编码模型接入 Factory 智能体工作流。
阅读全文

Cursor 上线从零建站:Origin 存代码、一键部署到 Vercel

Cursor 发布「从零开始」工作流:编码 Agent 可直接创建全新 Web 应用,代码由 Origin 托管,并一键部署到 Vercel。这把 Cursor 从「改已有仓库的 IDE」推进到「端到端生成、托管、上线」的应用工厂,显著缩短从想法到可访问产品的路径。

核心要点速览

  • 新能力覆盖创建、存储、部署全链路,不再要求先有本地仓库
  • Origin 作为 Cursor 侧代码存储层,与 Vercel 部署形成官方闭环
  • 编码 Agent 产品形态从「结对编程」升级为「从提示词到上线」的应用脚手架
阅读全文
关联模型 / 智能体 / 厂商:

Fireworks 宣布 Training API 与 Fireworks Lab 全面开放:无服务器或专属 GPU 跑大规模强化学习

Fireworks 宣布 Training API 与 Fireworks Lab 全面可用,把训练、采样、服务与再训练收进同一平台,面向大规模强化学习。开发者可用 Python 自管损失、奖励、数据与环境,并接入托管分布式训练与 rollout;计算提供 Serverless 快速实验与 Dedicated 控成本两种模式。平台强调 rollout 吞吐、逐步权重同步以及训练器与推理引擎一致性。Lab 可嵌入前线研究员,客户包括 Cursor、Harvey、Figma、Vercel、Cognition 与 Factory。

核心要点速览

  • Training API 把自定义 Python 训练循环接到托管分布式训练与 rollout,覆盖 Serverless 与 Dedicated 两种算力。
  • 平台为强化学习设计,强调 rollout 吞吐、逐步权重同步以及训练器与推理引擎的模型一致性。
  • Fireworks Lab 可嵌入前线研究员,公开客户包括 Cursor、Harvey、Figma、Vercel、Cognition 与 Factory。
阅读全文