AI 编程实时动态与要闻

开源模型推理平台 Fireworks 11 月 3 日在首届 Forge 大会上发布一批新产品：基于 NVIDIA Blackwell 的 Ultra-fast 进入公测，在 DeepSeek V4.1 Flash 上最高 1500 tokens/秒，30 轮 Agent 任务从 1 分钟降到 8 秒；可等待任务的 Background Mode 半价；新增多日 Prompt 缓存和更高限流。Nexus Desktop 把开源模型路由带进 Codex app、Claude Desktop 和 OpenCode，Pro 每月 8 美元起；还有 No Eval、LoRA 无服务器推理、Fireworks Sovereign 私有部署等，并宣布 60+ 伙伴的 Frontier Ecosystem。

查看大图

Entire 联合创始人兼 CEO Thomas Dohmke 10 月 26 日在 X 和官方博客宣布 Entire 正式上线，定位是「为 Agent 与人协作打造的 Git 托管平台」。它由三部分组成：用评测分数替代 diff 评审的 Trails、兼容 Git 的分布式托管（可多区域复制，也可从 GitHub 镜像），以及把 Agent 会话存进仓库的 Continuous Memory。CI 首批接入 Buildkite 和 Depot，今天起对所有开发者开放。

查看大图

欧洲前沿 AI 巨头 Mistral AI 与 NVIDIA 在 GTC Berlin 宣布达成工业工程 AI 深度战略合作，全面加速物理 AI、计算机辅助工程（CAE）与芯片设计（EDA）的智能化变革。合作将 Mistral 旗舰模型与 NVIDIA CUDA-X、Warp 物理引擎以及 Omniverse 实时数字孪生进行全链路打通。官方博客同时公布了备受瞩目的下一代旗舰模型 Mistral Large 4 的核心技术参数：总参数量接近 1 万亿（1T），激活参数为 490 亿（49B MoE），在 3800 张 Grace Blackwell GPU 集群上训练完成，模型权重定于 10 月底正式开源发布，并将联合 Nemotron 联盟共建工业基座。

查看大图

来自多所高校与机构的研究团队在 arXiv:2610.06830 中提出多模态智能体按需记忆编排框架 MemPilot。针对现有自主 Agent 在跨会话、长程多模态交互中频繁遭遇图文上下文爆炸、无效截图堆叠与历史关键信息遗忘的痛点，MemPilot 设计了主动记忆精选策略。系统将视觉快照、操作轨迹与文本事实进行自适应压缩、语义分级与按需唤醒，在多轮复杂交互测试中将记忆显存开销削减 60% 以上，显著提升跨会话任务完成率。

查看大图

随着大模型智能体从孤立垂直场景走向长程跨域复杂工作流，人工手写 Agent 测试外壳与执行框架（Harness）正遭遇严重的“扩展性天花板”：一方面外壳复杂度急剧爆炸难以人工维系，另一方面针对特定领域的强耦合大幅扼杀了泛化能力。来自 EverMind AI 研发团队推出了开源多智能体生态 Raven——被称为“外壳的外壳（The Harness of Harnesses）”。Raven 首创将每一个“模型-外壳执行单元（Executable Model-Harness Pair）”视为可组合的最小智能构件。其核心 Host Agent 负责宏观目标解耦、子任务智能分发与跨领域执行编排；底层依托 EverOS 架构固化跨任务经验，并借助 Skill Forge 将高价值轨迹提炼为可复用操作规程。理论与实验均证明，在受限算力预算下，Raven 能显著拓宽可靠任务覆盖面，在长程跨领域工作流上系统性击败现存所有单体智能体 SOTA。

查看大图

近年来“同策略蒸馏（On-Policy Distillation）优于离线监督微调”已成为大模型推理强化领域广为流传的定论，认为其能显著减少灾难性遗忘并提升泛化性能。然而剑桥大学顶级学者 Mihaela van der Schaar 团队在最新论文《On-Policy or Off-Policy Learning? A Systematic Study of Distillation Dynamics》（arXiv:2609.35259，HF 超 160 赞）中，通过控制变量法深入解耦了采样策略、KL 散度方向与学习率。实证惊奇揭示：采样策略本身对蒸馏效果并不起决定性作用；相反，Token 级 KL 散度方向主导了输出多样性与任务表现，而学习率决定了遗忘程度。前向 KL（Forward KL）对采样策略展现出惊人的不变性与高稳健度，而反向 KL（Reverse KL）则极度脆弱并严重依赖学生自采样。这一发现重塑了学术界对推理蒸馏算法的认知底座。

查看大图

现实中能够独立阅读多格式文档、调度复杂工具并交付可运行产物的“工作智能体（Working Agents）”，高度依赖基于海量真实代码与办公文件的训练任务。然而现有的合成方案要么依赖模型纯人工生成虚假文件（缺乏真实复杂性与多样性），要么在真实文件上出题却无法提供确定性结果校验器（无法自动化验证答案对错）。来自复旦大学与中国科学技术大学等机构的联合研发团队推出了 GraphForge 框架：首创“证据图（Evidence Graph）”驱动的真实工作区合成机制，将职业真实种子文件关系提炼为证据图，并据此自动化生成任务说明与细粒度评分规则（Rubrics）。仅用 2,169 条 GraphForge 轨迹微调 Qwen3.6-27B，便在 OpenHands 框架下将 GDPVal 跑分推高至 1445.7（大涨 65.7 分），并在 Claude Code 下将电子表格与工作区基准推升超过 13.7 分。

查看大图

将文本表征模型扩展至语音、音频、图像、视频及图文混排文档等多模态领域时，传统方案往往导致严重的文本检索灾难性遗忘，而现有全模态向量模型通常需要数十亿甚至上百亿参数来勉强维持平衡。穆罕默德·本·扎耶德人工智能大学（MBZUAI）等团队推出了轻量化全模态嵌入模型 Omni-Embed-Mini。该模型仅拥有 0.9B 极小参数量，通过密集的级联描述蒸馏（Dense Cascaded Caption Distillation），将文本、语音、音频、图像、视频与文档六大模态映射进统一的余弦空间。核心突破在于文本侧权重保持 100% 静态冻结（Byte-Identical），从理论与工程上彻底杜绝了文本检索退化（MTEB-v2 BEIR-8 达 49.57 nDCG@10）；而其 2.3B 升级变体在全模态平均检索得分上更是逆袭超越了闭源商业标杆 Gemini-Embedding-2。

查看大图

在以 DeepSeek、Qwen 为代表的前沿大模型知识蒸馏与强化后训练中，业界普遍认为“同策略（On-Policy）学习能够减少灾难性遗忘、产生更稀疏的参数更新并提升泛化性能”。然而，现有 SFT 与 RL 的对比实验往往混杂了多个变量，导致采样策略的真正贡献难以孤立量化。剑桥大学 Mihaela van der Schaar 团队在强到弱的严格可控蒸馏环境中，系统解构了采样策略、Token 级 KL 散度方向（正向 KL 与反向 KL）以及学习率对蒸馏动力学的影响。研究发现令人震惊的事实：采样策略（Rollout Policy）在蒸馏中并非扮演核心主导角色，前向 KL 对采样策略展现出极强的鲁棒性，而反向 KL 才对学生采样策略敏感；决定灾难性遗忘与梯度更新稀疏度的核心因素实际上是学习率。这项研究彻底打破了盲目崇拜 On-Policy 采样的行业迷思。

查看大图

Hono 作者 @yusukebe 转发 Cloudflare 官宣：新 CLI cf（npm i -g cf）覆盖全 API 面；Forge 从 OpenAPI 生成 3000+ 命令（Wrangler ~280）；默认 JSON、cf cli search、TypeScript 配置与 Vite。开源 beta [email protected]。

查看大图