AI 编程实时动态与要闻

T3 Chat / T3 Code CEO、YouTuber Theo（@theo）11 月 8 日发帖称，大模型「在给 Agent 造工具这件事上仍然非常糟糕」：每次让 Opus 搭建 MCP 认证路径，它都会做出离谱的假设，写出「根本跑不通」的东西。两小时后他追发一帖：他在写一份给自家 Agent 用的「MCP 正确用法」指南，先让 Agent 起草初稿，结果 Agent 建议把 MCP 地址渲染成给用户点击的链接，他直言「别相信 Agent 关于 MCP、连接策略和 Agent『最佳实践』说的任何话」。截至发稿，主帖约 880 赞、136 条回复、6.5 万次浏览。

查看大图

Google 与滑铁卢大学在 arXiv（2611.08452，2026-11-05）发布 ReproBridge：把 Agent 复现论文时摸索出的代码修复、环境配置、启动脚本和复现指南固化为标准化产物。配套 ReproBridge-Bench 含 36 篇论文、387 个实验、1,029 个任务。作者口径：Sonnet 4.6/Sonnet 5/Opus 5/Gemini 3.8 Flash 平均成功率由 76.4% 升至 92.6%，API 花费平均降 19.7%。

查看大图

2026-11-06，Google DeepMind（@GoogleDeepMind）与 VP Science Pushmeet Kohli 发布研究：在人类监督下，AI Agent 对遗留 1024 位 RSA 找出两处弱点——签名填充在攻击者控制约一半签名块时不再提供额外防护（沙箱复现较先前约省 3.5× CPU），以及同长度批量分解每把额外密钥平均成本约降 30×。官方强调现代 2048 位及以上协议不受影响。

查看大图

2026-11-06，Cua（@trycua）与 Scale AI AgentEnv 联合发布 Cua Driver Bench（Bench v2）：固定 Claude Sonnet 5.5 与任务，只换 computer-use driver，考核任务完成、仅 GUI、以及 8 项「用户未被打扰」。Scale 口径 macOS 后台全通过：cua-driver 约 58%（23/40）、agent-desktop 约 20%、browser-use 约 3%；Cua 自跑 Codex Computer Use 约 33%。任务与轨迹公开可复跑。

查看大图

2026-11-05，Hugging Face 发布免费「The Ultimate MoE Training Handbook」。Thomas Wolf（联合创始人）称约 80 万 GPU 小时、约 7 万字与 55 幅交互图；作者 Nouamane Tazi 另称约 50 万 GPU 小时。手册面向 Megatron-LM，覆盖路由、专家规模、通信与调试，入口为官方 Space。

查看大图

Stripe 于 11 月 5 日宣布，所有用户都可通过 Stripe MCP 或直接调用 Queries / Reports API，用 Claude、Cursor 等兼容 Agent 以自然语言分析自家 Stripe 数据，包括 MRR、流失、欺诈与对账。Reports API 内置 300+ 表建模与用法指引；Queries API 免费至 2027 年 1 月 31 日，之后按用量计费，Reports API 保持免费。每次分析可核对底层 SQL。

查看大图

谷歌教育副总裁兼总经理 Chris Phillips 11 月 3 日在 Google 官方博客宣布，Gemini、Gemini Notebook、Gemini in Classroom 和 Google 搜索将对 K-12 学生账号完全关闭，直到学校管理员明确开启；同时 Guided Learning 即日起在 Google Classroom 全球可用，并将在搜索中为学生账号提供分步引导，本月先在部分美国学校试点。因为搜索已内置 AI Mode 和 AI 概览，完全禁用 AI 的学校学生也将用不了搜索，引发外界强烈反弹；谷歌随后在 X 上澄清可单独开启搜索。据 EdWeek 和 AP 报道，变更将于明年初落地，官方未公布具体日期。

查看大图

微软 Mage 团队 10 月 30 日在 Hugging Face 以 Apache-2.0 发布 Mage-VL-Cowork：4B 参数的多模态电脑操作智能体，同一个模型每一步自己选择用截图点界面（computer_use）还是在终端跑 bash/Python，不需要外部调度器。官方报告它在 OSWorld-Verified（361 题、50 步上限）两次平均 66.0%，高于 Qwen3.6-27B 的 63.9%，但仍低于 9B 的 SCALECUA-Qwen3.5-9B（68.7%）。

查看大图

11 月 1 日，《金融时报》专栏作者兼首席数据记者 John Burn-Murdoch 在 X 发布长串推文并附 FT 文章，认为美国 AI 采用行业的生产率上升始于 2020 年、早于 AI 智能体，而且只在美国出现，主要来自科技公司裁员和招聘收缩，而不是 AI。该串首帖约 1,344 赞、306 转发、18.6 万浏览。Atreides Management 管理合伙人兼 CIO Gavin Baker 引用 FT 图表回应，称很难不从中看到「AI 回报」的证据，并引用 a16z 与 EPB Research 的数据，该帖约 793 赞、10.2 万浏览。Burn-Murdoch 随后回复说自己「有点拿不准」，承认数据无法排除 AI 的作用。这是对同一组数据的两种解读，不是定论。

查看大图

独立评测机构 Artificial Analysis 10 月 31 日发布知识与幻觉基准 AA-Omniscience v1.1，作为 Intelligence Index v5 的组成部分。新版题库从 6,000 题精简为 3,000 题，删掉已公开和已饱和的题目、修正错误与歧义并补充新题，同时在 Hugging Face 公开一套 300 题、难度与私有集校准的公开集，两者 Net Score 的 Pearson 与 Spearman 相关系数均为 0.99。结果显示 Gemini 4 Carbon（high）以 54 分领先，Claude Opus 5.5 为 48、Claude Fable 5.1 为 46；Fable 5.1 准确率最高（68%），Gemini 4 Argon 幻觉率最低（4%）。模型平均比 v1 低约 1.9 分，MiniMax M3.1 Flash 下滑 22 分。以上均为 Artificial Analysis 口径。

查看大图