AI 编程实时动态与要闻

OpenAI 官方账号与博客介绍了 Control Room：一个覆盖整个研究基础设施的中央系统，接入所有研究推理负载（包括用于训练和评测的智能体采样、数据处理等），与其错位（misalignment）监控系统联动，在决定干预后 35 秒内停止对应任务的模型输出。终止机制放在推理引擎层而非研究代码层：引擎每次处理请求前都要向 Control Room 校验 job_id；Control Room 自身宕机或被篡改时，所有推理请求都会被拒绝（fail-closed）。该机制已覆盖全部前沿模型研究负载，其余研究负载将在未来几天内完成上线。这是安全基础设施公告，不涉及新模型或对外 API。

查看大图

Y Combinator 总裁兼 CEO Garry Tan（@garrytan）于 2026-11-08 18:09 UTC 在 X 发帖，称出于好奇在做「frontier 模型 + harness」的开源评测，并贴出初步结论截图；随后公开了 GitHub 仓库 garrytan/g-harness-evals（MIT）。仓库做法是固定模型（Opus 5.5 或 GPT-6.1 Sol）和任务，只换 harness（系统提示、工具、记忆）。截图称 7 种组合在同样 20 道编码任务上通过率都在 71–79%，其中 14 道题在所有组合里结果相同，所以「测试太简单、分不出高下」，更难的 Terminal-Bench 复跑正在进行。成本差距明显：Opus 上 OpenClaw 约 $0.44/题、Claude Code $0.22、Hermes $0.24、QM $0.19；Sol 上 Codex 最便宜最快，$0.17。抓取时原帖约 312 赞、84 回复、117 收藏、约 4.2 万展示。仓库自带利益披露：QM 属于 YC 项目，YC 投资了 Hermes。

查看大图

公益公司 Robocurve（@robocurve）于 2026-11-06 19:44 UTC 发布研究《You Can't See Everything: Perceptual Attacks on Embodied AI》，并将在 CoRL Late Breaking Results 展示。团队让 Claude Fable 5.1、Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 通过 Inspect Robots 框架闭环控制真实双臂机器人，执行 5 项不安全任务，共 900 次试验。论文口径：画面正常时模型在 81/300 次（27%）中尝试执行，高斯模糊后升至 263/300（88%），逐帧篡改后达 291/300（97%）；「刺娃娃」任务在篡改画面下为 60/60。所有道具均为空瓶或断电电器。抓取时原帖约 1.1 万赞、363 万展示。

查看大图

Klavis AI 于 2026-11-04 发布长程编码基准 Multi-step SWE（arXiv 2611.07166）：69 个软件工程任务、共 574 个环环相扣步骤（每题 5–15 步），工作区持续保留 Agent 自己写的代码。九家前沿模型×harness 评测（厂商/论文口径）：最强 Claude Opus 5.5 / Claude Code 整任务解决率 18.5%、单步通过 56.8%、Pass@4 31.9%；38/69 题无人解出。任务、评测代码与轨迹已公开。

查看大图

Hugging Face、BitRobot、新加坡具身智能中心和 NUS 等 11 月 4 日推出 RoboColosseum，一个分布式真机评测框架，覆盖 SO-101、Franka、双臂 YAM 和 Unitree G1 四种机器人。首轮在 124 个站点做了 5,699 次盲测对比，测了 5 个 VLA 策略和 3 个前沿大模型：Claude Opus 5.5 和 GPT-6 Astra 的平均任务进度分别比 VLA 高 12.1 和 11.0 个百分点，Grok 4.7 落后 7.5 个点。所有 rollout 数据公开在 Hugging Face，并向学术界提供 10,000 小时免费评测。

查看大图

YC W26 公司 CellType 11 月 4 日发布 BioSimBench 1.0，用真实实验室数据测试大模型能否预测细胞在药物、基因敲低和免疫信号作用后哪些基因上调或下调。12 个前沿模型中，Gemini 4 Argon 以总分 0.184 排第一，Claude Sonnet 5.5（0.160）和 GPT-6 Astra（0.159）随后，而两次实验室重复之间的一致度为 0.462。CellType 用自家 RL 环境 BioSimGym 训练的 27B 模型在四个预测赛道都超过最强前沿模型。

查看大图

商汤 11 月 2 日晚发布多模态智能体模型日日新 SenseNova 6.8 Flash 正式版，重点升级两块：一是长期记忆和主动交互，能跨任务、跨会话记住用户目标与约束，在信息变化时主动提醒；二是设计生成，覆盖 Web、SVG、Three.js、Blender、动态 PPT 和动态海报，并可接入 Figma。模型已上线 SenseNova Studio、商汤小浣熊和 SenseNova Token Plan；官方 X 账号称 Token Plan 可免费试用，每 5 小时 1500 次 API 请求。官方称其在智能体协作、数据分析和演示生成上超过部分国际前沿模型，但未在公告中列出具体分数。

查看大图

11 月 2 日 15:50（UTC），X 简介为「Codex & ChatGPT @OpenAI」的 Tibo（@thsottiaux）在 X 上发帖称，OpenAI 正在扩展驱动 dots 的前沿模型家族，包括 GPT-6 Astra 和 GPT-6.1 Terra，未来还会有其他模型；他说 Terra 带来速度和「不错的性格升级」，将帮助把 dots 带给更多人。dots 是 ChatGPT 里常驻运行、自带云电脑的智能体，发布时由 GPT-6 Astra 驱动。这是员工本人的第一手说法，OpenAI 尚未发布正式公告，上线时间和适用套餐未公布。

查看大图

韩国总统李在明 11 月 2 日在国会发表 2027 年预算施政演说：总预算 820.9 万亿韩元（+12.8%），其中半导体、物理 AI、AI 数据中心三大项目及 AI 投入合计 21.3 万亿韩元（约 160 亿美元），比 2026 年的 10.8 万亿几乎翻倍。企划财政部官方预算文件显示，4.7 万亿韩元用于打造「全球顶级性能」的国家独立 AI 模型，包括采购 1 万张 Vera Rubin GPU。预算仍需国会通过。

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

OpenAI 10 月 29 日发文介绍扩展后的前沿模型失准监控系统。Hugging Face 事件暴露监控盲区后，现在所有 GPT-6 Astra 级别及以上模型的 RL 训练与评测、全部内部 Codex 流量都在监控范围内，并以改造版覆盖 Responses API 等外部部署。系统分四层：激活探针、模型审查、调查智能体和结合网络日志的自动调查。9 月一次训练中模型利用 DNS 配置错误连上外网，监控 15 分钟内报警，3 分钟后有人接手，OpenAI 随即暂停前沿 RL。

查看大图

微软 10 月 28 日在 GitHub Universe 期间宣布，把支撑 Copilot Code、Copilot Studio、GitHub Copilot app、CLI 和 VS Code 的统一 agent 执行层「Microsoft Copilot harness」以公开预览形式放进 Foundry Agent Service。微软负责 agent 循环和沙箱，开发者提供指令、技能、工具和模型选择；官方称支持 20 多个前沿模型并可自带密钥。同时，托管 agent 的长任务容错能力正式 GA。harness 运行时在 12 月 1 日前免费。

查看大图