AI 编程实时动态与要闻

Cloudflare 10 月 26 日在官方博客发布事故报告：8 月 27 日至 9 月 9 日，Workers AI 上的 GLM-5.3（@cf/zai-org/glm-5.3）对超过 681,280 token 的长提示，有 155 条回复混入了其他用户刚发过的请求内容，且都返回 HTTP 200。原因是 prefill 节点 KV 缓存池小于 1,048,576 token 的上下文窗口，叠加 SGLang 在 prefill/decode 分离模式下处理超长请求的漏洞。Cloudflare 称未发现恶意利用，已修复并建议运营方升级到 SGLang v0.5.22 或更高版本。

查看大图

10 月 21 日，Letta 发布 FrontierMemory 1.0。它不再考 Agent 记不记得生日、爱好这类事实，而是给 Agent 一批过去的执行轨迹，让它生成记忆或技能，再看这些记忆能让任务 Agent 多解出多少编码和知识工作任务。首版共 15 个任务，改编自 DeepSWE、SkillsBench、APEX-Agents 等公开基准。模型榜（Letta Dream 生成记忆，Letta Code 执行）上 Opus 5.5 与 GLM-5.3 均为 73.3%，Grok 4.7 为 33.3%；Harness 榜上 Letta 自家 Letta Dream 第一。数据为厂商（Letta）口径。

查看大图

Cloudflare 10 月 19 日发布 Clairic 预览版，定位为「System One 抽取模型」：不逐 token 生成，而是一次并行前向传播，从文本或最多 4 张图片里抽取、计算、估计和预测带类型的值，每个答案附置信度、字符位置和缺失概率，缺失时返回 null。模型以 @cf/cloudflare/clairic 上线 Workers AI，文档标注 64K 上下文、支持视觉、每百万输入 token 0.10 美元且不收输出费。官方示例中，Clairic+Clef+GLM-5.3 级联比全用 GLM-5.3 快约 3.2 倍、成本低约 49%（官方口径），权重将在之后开放。

查看大图

SGLang 团队正式发布 v0.5.22 大版本更新（凝聚 245 位贡献者提交的 950 个 PR）：深度优化 DeepSeek-V4.1 推理性能，在 H200 单卡吞吐狂飙 2.3 倍，并通过 DSpark 首次在 AMD MI350X/MI355X 实现 1.9 倍吞吐提升；首创 InstantTensor 加载器将大模型冷启动显存载入提速 10 倍；B200 上 Qwen3.8-Flash-Next 解码提速 12%、B300 上 GLM-5.3-Flash 提速 10% 且 MiMo-V2.6-Pro 解码吞吐达 1.85 倍；并原生支持苹果 Apple Silicon 与 ComfyUI 扩散生态。

查看大图

vLLM 联合 NVIDIA 正式发布面向月之暗面旗舰模型 Kimi K3（SemiAnalysis 披露达 2.8 万亿参数）的底层解码巨型内核（Megakernel）：由 NVIDIA CentML 工程师采用 CuTe DSL 编写的 1.2 万行代码将注意力、MoE 路由与跨卡通信深度融合，将单层内核启动数从 23 个砍至 13 个、单层耗时从 130 µs 压至 69 µs。在 16 卡 NVIDIA GB300 NVL72 上配合 DSpark 投机解码实现 Batch=1 高达 842 tok/s 的极速输出（提速 1.73 倍），并在 SemiAnalysis AgentX 负载上实现最高 1.8 倍的 P90 单用户交互吞吐提升（突破 403.2~423 tok/s/user），下一步将适配 DeepSeek-V4.1-Flash 与 GLM-5.3。

查看大图

Ollama 官方宣布在美国与欧盟本土服务器正式上线严格“零数据留存、零训练”的 Ollama Cloud 托管服务，同步接入 DeepSeek-V4.1-Flash-1017 并支持通过 ollama launch 一键拉起 Claude Code 与 OpenCode；同日，SemiAnalysis 披露重磅内幕：智谱旗舰模型 GLM-5.3 未重新预训练，而是 100% 基于前代模型通过高 GPU 效率的后训练（Post-Training）打造，在网络安全与攻防推理上较 GLM-5.2 实现跨代质变。

查看大图

针对超长上下文大模型推理中的 KV 缓存传输与显存瓶颈，今日两项重磅系统与架构研究给出突破方案：在 8xB300 节点运行 GLM-5.3（FP8 MLA）的 8 路预填充上下文并行（PCP8）实测中，研究者发现传统远程 KV 缓存会导致高命中流 p99 飙升至 83.32 秒（GPU 利用率仅 7%），通过按 PCP Rank 分片与异步加载（已合入 LMCache 上游）将读取带宽提升 6.3 倍至 10.76 GB/s、p99 暴降至 0.67 秒；百度飞桨则开源虚拟头注意力 VHA（arXiv:2610.17959），推理期零开销折叠为双 KV 头 GQA-2，在 30B-A3B MoE（500B Token 训练）上全面击败 MLA 与 GQA-4，128K RULER 暴涨 11.4 分。

查看大图

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。

查看大图

旧金山实验室 Paper Instruments 于 2026-10-15 00:02（新加坡时间）发布 Ultramarine 1 Flash：在开源底座 GLM-5.3 Flash 上用大规模「非可验证」强化学习（任务级 rubric 奖励）后训练，面向金融、法律、咨询、运营类知识工作。官方技术报告称其在 6 项知识工作基准上平均比底座高 4.1 分、输出 token 少 6.5%；在内部 PI Knowledge Work 套件上以 $0.13/任务得 59.3 分，高于 Claude Fable 5（$8.19，57.8）。OpenAI 兼容 API（ultramarine-1-flash）已上线；CEO 称权重约两周内发布、后训练成本约 30 万美元。成本对比依赖其内部基准，尚无独立复现。

查看大图

2026-10-12 Z.ai 发布法律模型 GLM-Legal：以 GLM-5.3-Flash 为底座，经法律语料中训练和数万个法律环境强化学习，与 Agent 框架同步迭代。厂商口径下 Harvey LAB 全通过率 19.2%（底座 6.7%），LegalBench 和 PLawBench 仅称与前沿模型持平，未给分数。未开放权重，API 需申请，AutoClaw 即将接入。

查看大图

Prime Intellect 10 月 9 日发布 Rust 版 Prime Agent：由一个根编排智能体调度 2,209 个子智能体、10,000+ 个 Prime Sandboxes、约 2,287 亿 GLM-5.3 Token，在两周内把 TypeScript 版编码 Agent 端到端移植为 Rust，并用 TUI/协议/会话差分测试保证行为一致。官方实测冷启动可输入延迟从 737.8ms 降至 55.8ms，启动后内存 607MB→106MB，同时新增 Windows（beta）与 Homebrew 安装，仍保持开源。

查看大图