AI 编程实时动态与要闻

Ricursive Intelligence 于 11 月 4 日（UTC 18:24）发布首个模型 Ripple-65B Preview，并在 Hugging Face 以 Apache 2.0 开源指令版（BF16、NVFP4）和基座版。官方模型卡显示：65B 稠密 Transformer、12T token 预训练、最长 1M 上下文，自报 TerminalBench 2.1 80.5、SWE-bench Pro v2.0 Hard 79.1、DeepSWE 1.1 44.3，在编码 Agent 任务上超过参数大得多的美国开源模型；可在 DGX Spark 等本地硬件运行。CEO Anna Goldie 称成本约为此前同类 SOTA 的十分之一。

查看大图

11 月 3 日，OpenAI 发布《Accelerating engineering for the physical world》，介绍其模型在机械设计、电子设计和仿真上的进展。两名员工用 GPT-6 Astra 在不到一周内设计出一台用来和 Codex 对话的设备（外壳、PCB、固件和软件），合同制造商不到一个月做出小批量原型，但量产前仍需多轮人工评审。OpenAI 硬件团队的模型 token 用量自 2 月以来增长 23 倍；在 BenchCAD 2.0 上，一个更新的内部模型平均得分 0.875，GPT-6 Astra 最高推理档为 0.594（官方口径）。OpenAI 还扩大与 Chip Ganassi Racing 的合作，并宣布与 Mazda 开展新的研究合作。

查看大图

半导体与 AI 研究机构 SemiAnalysis 11 月 2 日发布 GDPx，用来衡量前沿模型在芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进（RSI）、硬件设计、材料科学、对齐和软件工程 11 个领域的智能体能力，共 206 道任务，由 14 家专业数据公司出题、SemiAnalysis 负责最终质检。官网榜单上 Claude Opus 5.5 以 12.0% 居首，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6% 紧随其后；金融和法律任务几乎所有模型都是 0 分。SemiAnalysis 称 Opus 5.5 和 GPT-6 Astra 的总分被安全分类器拖低，并计划每 3–6 个月更新一版。以上分数均为 SemiAnalysis 口径。

查看大图

Google Cloud 官方正式宣布开源 TorchTPU 核心加速框架，首次实现 PyTorch 框架原生、无编译壁垒地直接运行在 Google TPU（TPU v5p 与最新 TPU v6e）芯片之上。传统基于 PyTorch/XLA 的方案因复杂的计算图编译开销和动态形状限制，严重制约了 PyTorch 开发者在 TPU 上的创新步伐。TorchTPU 彻底打通了原生 PyTorch Eager 模式与自定义 Triton/C++ 硬件内核；主流高性能大模型推理引擎 vLLM 与 SGLang 同步官宣提供首发适配。同时，Google Cloud 宣布在其 Model Garden 引入 OpenAI 旗舰模型与 Codex，成为首个集齐全部三大顶级闭源模型的超算云平台。

查看大图

在 GTC Berlin 大会上，NVIDIA 官方正式发布 OpenShell 智能体安全参考架构与全新的 Agent Knowledge Foundation 套件。针对自主 AI 智能体（Autonomous Agents）在拥有系统写权限、数据库查询与终端执行能力后，极易因提示词注入或失控执行产生越权访问机密数据、发起破坏性命令的行业痛点，OpenShell 基于硬件级隔离信任根（Hardware-Isolated Security）构建了严密的运行时安全边界。系统能够以纳秒级开销实时监控并拦截智能体跨越授权边界的工具调用与数据交互，成为企业级安全可靠智能体调度的基石标准。

查看大图

10 月 21 日 GTC 柏林，NVIDIA 发布 OpenShell 参考架构：以开源 OpenShell 安全运行时为基础，把 Vera Rubin 推理、Vera CPU 上的 Agent 编排与 BlueField-4 上的 NVIDIA Sentry 硅级策略执行拼成全栈，用于在企业与边缘侧构建、隔离、观测并强制约束 Agent。官方称现已可用，并列出 Anthropic、OpenAI、Meta、Microsoft、ServiceNow 等合作方；开源仓库为 Apache 2.0。

查看大图

多所顶尖高校与科研机构在 arXiv:2610.24648 中正式发布首个面向异构端侧硬件的大模型底层算子生成统一基准 EdgeKernelBench 与分层智能体架构 LEKA。针对当前学术界算子生成评测过度局限于云端高性能服务器 GPU，而在端侧设备上面临硬件高度异构、底层软件栈严重碎片化（CUDA、OpenCL、TileLang、Triton）以及极度严苛资源约束的行业痛点，EdgeKernelBench 建立了包含 331 项经典任务与 650 个实例的统一中间表示（IR）部署管线。配合分层算子生成智能体 LEKA 解耦复杂编译决策，使大模型端侧算子生成性能取得跨越式突破。

查看大图

在 DeepSeek 宣布开源其生产级推理引擎 DeepInfer 数小时后，vLLM 官方项目团队正式公布了针对 DeepSeek-V4.1-Flash 的实测重磅性能对标数据。采用 DeepSeek 官方完全相同的测试拓扑（131K 超长上下文、nextn=3 投机采样），vLLM 在 NVIDIA GB200 NVL 架构上针对 Batch Size 8~256 的全并发区间，将与 DeepInfer 的端到端吞吐差距压缩至 6% 以内；在下一代 GB300 架构上，单 GPU 吞吐量突破 1,000,000 Token/秒，单用户峰值输出达 826 Token/秒，折合单 GPU 每小时营收达 38.96 美元。同时宣布 FastH3-Omni 与 Spark-X2.6-4B 首发支持。

查看大图

10 月 20 日，推理加速公司 Eagle 发布 EAGLE-4，这是 EAGLE 推测解码系列的第四代。它用一个草稿模型按批量、硬件和负载动态调整推测树，同时保持目标模型输出分布不变。官方口径下，Qwen3.8-27B 在 4 张 B300 上单请求达 961.6 tokens/s。代码以 eagle-harness v0.1.0 发布，支持 SGLang、vLLM 和实验性的 TokenSpeed。注意：多数转发称其“开源”，但官方许可证是源码可用（source-available）许可，并非 OSI 开源。

查看大图

半导体分析机构 SemiAnalysis 发布最新评测：Inferact（vLLM 核心团队）联合 Google 正式提交了首份基于 Google TPUv7 的 Kimi K3 2.8T 巨型 MoE 模型推理基准。在单芯片时租仅 1.21 美元（相比 GB300 2.31 美元、B300 2.26 美元、GB200 1.86 美元）下，借助 TorchTPU vLLM 大核与 TPU-Sync KVCache 卸载库，TPUv7 在 390 tok/s 超高交互区实现每美元 220 万 Token 吞吐，TCO 表现越级反超 NVIDIA GB200 NVL72、B300 与 AMD MI355X。

查看大图

Anthropic 于 10 月 15 日（美西时间）宣布，已为非营利评估机构 METR 的 6 名员工开通「类员工」权限：公司设备、办公位，以及大致与自家风险评估团队相当的内部工具和系统访问。METR 将公开其对 Anthropic 风险水平、事件与做法的分析，Anthropic 不能否决发布，只能按预先约定的类别要求删改。Anthropic 同时公布三档评估方访问分级，并披露 SecureBio、Accenture、Faculty 等合作进展。

查看大图

强化学习后训练（RL Post-Training，如 PPO、DPO 与 RLVR）是激发大语言模型复杂推理与泛化能力的核心引擎。然而，大模型强化学习对 GPU 显存的吞吐需求极其苛刻：除了模型本身的权重与激活值外，训练节点必须同时维护庞大的全尺寸梯度缓冲区与 Adam 优化器一阶、二阶矩状态，导致 27B 甚至更大参数规模的开源模型在单台标准 8 卡 GPU 节点上频频遭遇 OOM（内存溢出）崩溃。在最新发表的研究成果（arXiv:2610.06647）中，研究团队发布了轻量级强化学习缩放框架 LoGRA（代码已合入开源 Molt 库：github.com/skzhang1/labs-molt）。LoGRA 彻底推翻了保存稠密全尺寸梯度的传统做法，创新性地提出了‘低秩梯度草图（Low-Rank Gradient Sketches）’机制：在反向传播过程中将有用梯度信号直接投影并累积至低维紧凑草图中，不仅大幅缩减了显存占用，更让多卡间的策略同步通信开销急剧下降。为防止压缩梯度导致的参数突变，团队配套设计了‘预测 KL 步长控制（Predicted-KL Step Control）’，在更新前动态预估策略偏离程度并平滑校正步长。实验表明，LoGRA 在主流推理基准上将平均训练显存降低高达 45.7% 且精度毫无衰减，并首次在单台 8-GPU 节点上稳定训练 27B 模型超过 1,100 步，彻底打破了大模型强化学习的高显存硬件壁垒。

查看大图