AI 编程实时动态与要闻

OpenAI 11 月 2 日在工程博客发布《Scaling Git at OpenAI》，介绍为单体仓库自研的 Git 兼容后端 Pando。官方口径：上线后中位推送延迟降低近 5 倍（约 80%），每天交付近 1PB Git 数据，单小时峰值超过 57TB。Pando 用 Rust 编写，由一名工程师设计核心、Codex 智能体团队实现，10 周从立项到上线，今年 4 月开始承接生产流量。起因是 Codex 让并行分支和推送暴增，旧系统可靠性一度跌破 90%。

查看大图

百度官方账号 @Baidu_Inc 10 月 27 日宣布开源 Unlimited OCR 2，以 MIT 协议发布在 Hugging Face。新的 SR-SWA 稀疏参考滑窗注意力把图文注意力压缩到固定大小的参考集合，官方称可在有限上下文内解析任意长度文档，在几十页的 MPDocBench 得 84.6、上百页的 MarathonDocBench 得 77.1，均为厂商自测。

查看大图

Anthropic 应用 AI 团队于 2026-10-22 在 Claude 官网发布文章《Building agents: When to fold subagents into your main agent loop》，并配套开源参考实现 anthropics/single-agent-loop-kit。文章称在多个企业部署的对比中，「单一智能体 + Skills」常在质量上胜过「一个大提示词」和「多子智能体」两种设计，单任务成本和延迟往往也更低；一家客户把多智能体框架换成单循环后运行时间快了约 2 倍。Anthropic 还透露已将面向高级模型的 Claude Code 系统提示词精简 80% 以上。子智能体仍适用于上下文膨胀、需并行且用完即弃的任务、工具选择或指令冲突三种情况。该文过去两天在 X 上引发大量讨论。

查看大图

来自清华大学和香港中文大学的研究团队在 arXiv:2610.28577 中正式发布划时代论文《Cache Engineering for Agents》，并开源专用服务引擎 AKV（thu-nics/AKV）。针对自主 Agent 在多轮长轨迹交互中，因传统“上下文工程（Context Engineering）”修剪文本导致前缀 KV 缓存彻底失效、引发高昂重预填（Re-prefilling）开销与关键记忆遗忘的痛点，论文提出“显存缓存工程（Cache Engineering）”。通过引入 drop（剔除显存中过期 Token）与 repos（位置编码重对齐）两大底层原语，配合 AKV 状态感知基数树引擎，在保持长程记忆的同时将 Agent 推理成本大幅削减 27.7%，P95 请求延迟提速 1.5 倍，基准测试准确率提升 1.7 分。

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

韩国知名游戏巨头 Krafton 旗下人工智能研究院 Krafton AI 正式公开了其自主从头预训练的代码与智能体轻量级模型 Raon-1 mini。该模型采用总参数量 300 亿（30B）、单 Token 仅激活 40 亿（4B）的稀疏混合专家（MoE）拓扑，遵循宽松的 Apache 2.0 开源许可证。官方同步开源了专用的 DFlash 快速投机解码模型与可在线体验的交互沙盒。实测显示，Raon-1 mini 在复杂编程、命令行排障与多轮工具调用智能体基准上全面对标 Meta 最新推出的 Muse Glimmer，而单卡显存占用与推理延迟显著更优。

查看大图

研究团队在 arXiv:2610.27999 中正式发布第四代交互式游戏世界模型系统 Matrix-Game 4.0。针对当前基于视频扩散模型的生成式世界普遍停留在“仅视觉受控”、缺乏持久游戏状态（World State）、无法严密执行游戏规则（如碰撞检测、计分、死亡判定）以及超高交互延迟的根本缺陷，Matrix-Game 4.0 提出了“游戏执行与视觉生成彻底解耦”的创新架构。通过轻量级可执行游戏脚手架维护物理与规则，驱动高帧率自回归视频生成骨干网络，在 100% 保障游戏可玩性与状态持久一致的同时，实现了真正实时的沉浸式游戏世界交互体验。

查看大图

Mistral AI 正式推出 Voxtral 3 语音多模态大模型家族与配套的实时 Voice-Agent API。该套件包含 40 亿参数的 Mini 转录模型、超越 Whisper 与 Gemini 3.5 的 Small 转录模型，以及基于 LiveKit 的端到端语音智能体 SDK。系统支持 50 种语言高精听写与说话人分离、跨 35+ 语言带情感标签的情感语音合成（TTS）以及 30 分钟音频专业级声音克隆。在 Artificial Analysis 独立基准评测中，Small Transcribe 3 以 2.1% 极低字错率登顶全球语音识别榜单季军，Realtime 转录单步延迟低至 500ms 以内，每分钟语音智能体调度成本低至 0.04 美元。

查看大图

10 月 20 日，UCSD Hao AI Lab 的 FastVideo 团队开源 FastH3 Omni，这是 MiniMax H3 参考生成音视频（Ref2VA）模型的蒸馏版，可同时用文本、最多 9 张图、视频片段和人声参考生成带同步立体声的视频。采样从 50 步降到 8 次 transformer 计算，官方在 8 张 GB200 上测得端到端延迟降低 5.6–11.9 倍，训练代码一并开源，并提供面向 DGX Spark、RTX 5090 的 NVFP4 权重和 ComfyUI 支持。

查看大图

Perplexity 官方正式宣布将 Perplexity Computer 功能原生集成至 macOS 客户端应用中。与此前高度依赖云端传输屏幕截图并接收键盘鼠标动作指令的传统 Computer-Use 方案不同，Perplexity Computer 实现了模型与智能体执行回路的全本地化运行（The model and the agent both run on your Mac）。通过深度调用 macOS 原生辅助功能（Accessibility API）与本地端侧轻量多模态模型，该功能消除了云端网络延迟，并在彻底保护用户屏幕隐私的前提下，赋能智能体在用户桌面上全自主操作本地应用、整理文件与执行跨软件复杂工作流。

查看大图

vLLM 官方项目组正式宣布将 PhysisServe 的核心推理加速架构整合至 vLLM-Omni 多模态全能推理引擎中。针对物理世界 AI、视频扩散生成与具身大模型在长程去噪阶段面临的高显存占用与高延迟痛点，PhysisServe 创新性提出去噪步与 Transformer 跨块流水线并行（Block Pipelining）、时间分片批处理与虚拟秩联合调度。在 200 张 GPU 集群上对 MiniMax H3 33B 展开实测，实现每 4.1 毫秒输出一个 Chunk（折合千帧/秒渲染），Wan2.2 5B 单卡单请求延迟从 173 毫秒降至 98 毫秒。

查看大图

针对业内盲目推崇多智能体并发（Sub-Agent Concurrency）的狂热，最新实测研究对 Claude Code、Codex 与 Kimi Code 在开启/关闭原生 Sub-Agent 模式下进行了 2,124 次对比测试（覆盖 354 项任务，消耗超 2 万美元 API 额度）。结果显示：在 100 项标准 SWE-bench Verified Bug 修复中，开启 Sub-Agent 导致 Claude Code 成功率从 83% 骤跌至 59%，Kimi Code 从 77% 跌至 59%，且 Token 消耗激增 1.41~3.31 倍。研究揭秘了并发死锁、提前终止与文件覆盖三大致命缺陷。

查看大图

Modal 10 月 19 日发布博客，宣布将为 Modal Sandboxes 引入 NVIDIA 的 Arm 架构 Vera CPU，这是它首次走出纯 x86 机群。Modal 用 50 个 Terminal-Bench 任务自建了 Agentless Agent Bench，测得在大量并发容器下，Vera 的任务吞吐最高可达同级 x86 GNR 机器的 2 倍，单任务延迟持平或更低（厂商口径）。空载串行时 Vera 优势并不明显。这批算力主要服务后台编码 Agent 和强化学习 rollout。

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

针对视觉语言模型（VLM）在空间感知中依赖自回归文本生成导致的高延迟，以及具身 VLA 模型缺乏个性化与物理安全兜底的难题，今日两项重磅开源成果给出解法：MJev-Spatial（arXiv:2610.22276，HF 350 赞登顶）复用骨干 Q/K 投影将空间判断转化为单次前向分类，零新增参数提速 5.6 倍并在 12 项基准斩获 65.64% 第一；港中大贾佳亚团队 CarryOn（arXiv:2610.21453）以规划-执行双环 Harness 将机器人安全违规率从 52.6% 降至 6.1%，故障恢复成功率从 13% 飙至 80%。

查看大图