AI 编程实时动态与要闻

托管图像、视频、音频模型推理的 fal 于 11 月 3 日在官方 X 账号和博客宣布，Series E 与 Series F 两轮合计融资 16.5 亿美元：Series E 由 Sequoia Capital 领投（今年早些时候完成），Series F 由 Bessemer Venture Partners 领投，NVIDIA 继续投资。fal 官方未公布估值和各轮金额；据 Bloomberg 报道，Series F 为 13 亿美元、估值 160 亿美元，较 4 月的 80 亿美元翻倍。官方称资金将用于扩充推理算力和团队，支持 2027 年的研究与平台建设。

查看大图

CrowdStrike 于 11 月 3 日在巴塞罗那 Fal.Con Europe 宣布签署最终协议，收购 AI 智能体可观测公司 Fiddler AI 和自动化 AI 安全测试公司 Dreadnode，同时在 Falcon Guardian 中上线 AI Kill Switch，可在智能体失控时终止进程、阻止重启并切断企业网络访问。两笔收购预计在 FY27 第四季度完成，对应产品同季度 GA。官方未披露价格；据 CyberScoop 转引《华尔街日报》，Fiddler 约 4 亿美元、Dreadnode 约 9500 万美元。

查看大图

a16z 10 月 30 日发布的 Charts of the Week（作者 Moses Sternstein）讨论了「Rack Spread」：GPU 租金在涨，token 价格在跌。a16z 官方 X 账号 10 月 31 日总结：5 月以来 token 均价下降 67%，token 花费增长超过 120%；按文章的粗算，用 Ramp 数据得出约 122%，用 Ornn 混合单价乘 OpenRouter 用量得出约 160%。另一条帖子给出 7 月中以来 B300 租金涨 106%、B200 涨 66%、H100 涨 17%。a16z 同时强调这些指数样本小且有偏差，不能代表真实总需求。

查看大图

Pika 于 10 月 29 日发布 Pika H3 Flex，这是在 MiniMax H3 基础上后训练的音视频一体生成模型，权重已上架 Hugging Face、代码开源在 GitHub，并支持 ComfyUI 和 Diffusers。官方称它把去噪步数从 50 步蒸馏到 6 步，在 768p 下 DiT 去噪平均比 Fal H3 Max 快约 1.8 倍，15 秒带配乐片段最快约 7 秒生成；托管 API 额外提供 1080p 到 4K 超分和对白、配乐、音效、拟音、环境声 5 条可导出音轨。以上速度与质量数据均为官方口径。

查看大图

AI 数据公司 micro1 发布 Dual-Arm Sim 基准：让 10 个通用前沿模型仅凭摄像头和机器人传感器，在 NVIDIA Isaac Sim 搭建的模拟手术室里操控双臂 Franka Panda 机器人，完成换器械、换故障药盒、双手传递样本、打包手术包四类任务。800 次试验只有 11 次完成，全部来自 Gemini 4 Argon（9 次）和 GPT-6 Astra（2 次）；模型在 213 次试验中声称「任务完成」，全部不实。药盒换药任务的 200 次完整轨迹已公开在 Hugging Face。

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

Shopify 于 10 月 28 日发布第 10 期 Edition（Fall ’26，主题 Exponential，150+ 项更新、57 项开发者更新），核心是把商品目录、购物车和结账开放给任何 agent：Shop.dev 用一条连接提供 Shopify Catalog（10 亿+ 商品）、Shop 登录、购物车、结账和 Shop Pay；Shop.md 是可定制的购物 skill，可让 ChatGPT、Claude 等 agent 变成个人导购；Shop Pay 已进入 Meta 的 Muse、Claude Duet、Instinct，Claude Duet、Grok Bot 和 Instinct 还可用它购买非 Shopify 品牌；每个 Liquid/Hydrogen 店面和结账页都内置 WebMCP 工具。

查看大图

OpenAI 10 月 26 日发布博文，称其内部模型在数学、计算机科学和物理上各得到一项新结果：证明 Sogge 局部光滑化猜想在所有维度成立（进而推出 Kakeya 与 Stein 限制猜想）；证明指数时间假设（ETH）为假，并已用 Lean 验证；给出四维 QCD 及含 Yang–Mills 在内的量子场论的严格存在性证明。数学和 CS 结果的论文与 Lean 证明已放到 GitHub 的 openai/math 仓库，物理结果由 David Gross 牵头的外部小组先行整理、暂不公开。这些都是官方口径，尚待学界独立验证。

查看大图

Artificial Analysis 于 2026-10-23 发布 Coding Agent Index v2.0，评测对象是「模型 + Agent 外壳」的组合，覆盖 290 道任务，三项基准等权：Cognition 的 FrontierCode v1.1（100 道真实开源仓库任务，按维护者是否会合并打分）取代 DeepSWE v1.1，SWE-Atlas-QnA 改为评分更严格的 SWE-Atlas-QnA-AA，Terminal-Bench 4.0 不变。Claude Code + Claude Opus 5.5（max）以 61.7 分居首，Sonnet 5.5 59.3、Muse Wonder Full 58.9 紧随。新版整体分数下降：21 个两版都测过的配置平均分从 54.8 降到 47.4。

查看大图

fal 于 10 月 19 日（UTC）发布 FLUX 3 Max，这是 fal Research 与 Black Forest Labs 合作、在 FLUX 3 基础模型上做后训练、强化学习和推理优化得到的视频生成模型，支持文生视频、图生视频和关键帧，最长 20 秒，可选 720p/1080p 并默认生成音频。在 Artificial Analysis 图生视频竞技场的初步榜单上它得到 1,139 Elo，与 Seedance 2.5 同分、和第一名 MiniMax H3（1,141）置信区间重叠，按厂商口径生成 10 秒视频约 12.45 秒。目前 75% 折扣至 11 月 7 日，720p 每秒 0.0425 美元。

查看大图

独立评测机构 Artificial Analysis 10 月 19 日上线两张医疗对话榜单，评测基于 OpenAI 的 HealthBench（5000 段真实健康对话）和 HealthBench Professional（525 段临床医生对话），由医生编写的评分细则打分，同时公布原始分和 OpenAI 采用的长度调整分。Professional 榜上 GPT-6 Astra（max）长度调整分 66.0% 第一，GPT-6.1 Sol 65.1%，Claude Sonnet 5.5 63.0%；Claude Opus 5.5 原始分最高（71.4%），但平均约 5900 字符的回答被扣分后跌到第六（59.9%）。HealthBench 榜上 Claude Sonnet 5.5 以 62.1% 第一，DeepSeek V4.1 Flash 60.9% 紧随其后，单任务成本约为前者的 1/16。

查看大图

由 Maluuba（已被微软收购）原班团队创办的 Skyfall AI 于 10 月 19 日发布研究预览版 SKY-001，自称首个「工程世界模型」。它不做下一个 token 预测，而是从文字或一张 2D 图出发，先并行生成几种粗略 3D 方案，再递归拆成零件树，逐个零件画 2D 草图、拉伸成 3D，最后按层级组装，可在 Autodesk Fusion 等 CAD 软件中查看。官方自测 3D CAD 任务：IoU 79.7%（GPT-6 Astra 79.1%），单例 3.9 秒、0.005 美元（Astra 199 秒、0.75 美元）。目前仅开放候补名单，商用部署目标是 2027 年初；所有跑分均为厂商自测，暂无独立复现。

查看大图

Arena 官方发布基于 90,000+ 真实智能体会话的 Arena Alignment Index 最新榜单更新：Meta 旗舰 Muse Wonder (Max) 以 77.5% 位列实验室总榜第 6（越权操作率仅 2.09%、欺骗性完成率 14.41%）；美国榜首开源智能体模型 Reflection AI Beam-1.0-501B-A23B 以 75.3% 位列第 7（虚假归因率低至 4.50%）；阶跃星辰开源模型 Step 5 Preview 以 75.1% 位列第 8（越权操作率 2.11%）。

查看大图

Anthropic 10 月 14 日发布 Claude Code 2.1.299。新默认行为：终端里超过 20 万 token 的会话闲置约 54 分钟后，会在一小时提示缓存过期前自动压缩，避免下一条消息整段重算；可用 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 调阈值，或在 settings.json 设 "idleCompaction": false 关闭。同版修复沙箱内命令能写入 --plugin-dir 目录（其代码会在沙箱外重新加载执行）的安全问题，并新增 claude plugin eval 的 --disallow-tools。

查看大图