AI 编程实时动态与要闻

11 月 8 日（北京时间 11 月 9 日早上），独立评测机构 Artificial Analysis 发布决策模型榜单 Decision Index 第二版。新版把头号指标换成同时看「答对没有」和「置信度准不准」的 Decision Score，私有数据占比从 v1 的 25% 提到 45%，新增 1,500 份私有文档的 AA-Paperclip 和测一致性的 AA-Symmetry。决策模型中 Nace AI 的 Drex Max v1.1 与 Fastino 的 GLiDE v1.2 同为 73 分，Drex Max 以小数微弱领先，Base Labs 的 Mammoth 27B 72 分。通用大模型 Claude Haiku 5.5 (Max) 77 分、GPT-6 Luna (Max) 76 分更高，但每百万任务成本分别为 6,240 和 1,530 美元，远高于 Drex Max 的 102 美元。

查看大图

Kakao 于 2026-11-06 在 Hugging Face 开源 Kanana-2-v-decide-3b-2611（约 3.67B），基于 Kanana-2-v-3b：不生成自然语言，只返回 choice / noul / score 及概率。厂商口径：Kanana Decision Bench 72.50；Decision Index+Vision 均值 61.23；H200 单卡平均 <0.04 秒，称较 GPT-6 Luna 约快 43 倍。Kanana Open License 可商用。

查看大图

权威独立 AI 基准测试机构 Artificial Analysis 正式发布针对 Cognition 旗下最新编程智能体 Devin Fusion 的全面实测报告。Devin Fusion 采用了革命性的“异构双模型并行协同架构”：由旗舰级的 Claude Opus 5.5（Max）担任总架构师与核心决策大脑，配合轻量极速的 GPT-6 Luna（High）作为并行子智能体执行具体检索与代码试跑。在 Coding Agent Index 综合大考中，Devin Fusion 斩获 68.1 分的高分，位居全球最顶级智能体梯队；而在经济性方面，单任务综合调用成本从 Claude Code Opus 单模型的 13.04 美元骤降至 9.01 美元（成本节省达 31%），单任务平均耗时由 65 分钟缩短至 55 分钟。

查看大图

Cognition 10 月 19 日宣布，Devin Fusion 用 Claude Opus 5.5 做主控（lead）、GPT-6 Luna 做执行助手（sidekick）的组合，在 Artificial Analysis Coding Agent Index v1.5 拿到 68.1 分。按 Artificial Analysis 网站当前数据，这一分数位列榜首，但只比第二名 Muse Code + Muse Wonder Full（68.0）高 0.1 分，基本并列；第三名 Antigravity CLI + Gemini 4 Argon 为 63.8。Cognition 称该组合每任务成本比 Claude Code 搭配 Opus 5.5 低 31%（厂商口径）。Fusion 已在 Devin CLI 和桌面版提供。

查看大图

Inception 10 月 19 日发布 Mercury 3，称其为迄今最强的扩散式大语言模型（dLLM）。官方口径：参数规模是 Mercury 1 的 40 倍以上，输出速度 1068 token/秒，上下文从 Mercury 2.5 的 26 万扩到 100 万 token，在 GPQA Diamond、IFBench、SWE-Bench Atlas 等基准上超过 GPT-6 Luna 与 Claude Haiku 5.5（均为 medium 档）。标价每百万输入 0.20 美元、输出 0.70 美元，首发五折。已上线 Inception API、OpenRouter、Baseten 和 Vercel AI Gateway，兼容 OpenAI API。跑分均为厂商自测，暂无独立复现。

查看大图

OpenAI 10 月 14 日在 API 弃用页公告：GPT-4o（2024-08-06、2024-11-20 快照）、GPT-4o mini（2024-07-18）、GPT-4.1 与 GPT-4.1 mini（2025-04-14）将于 2027 年 1 月 14 日从 API 移除，基于这些模型的微调版本同日停用，官方推荐统一迁移到 gpt-6-luna。按官方标准价，gpt-6-luna 为输入 $0.10、输出 $0.50/百万 token，远低于 GPT-4o 的 $2.50/$10。

查看大图

Pine AI 于 10 月 9 日发布 Pine Computer 私测版：一套面向 AI 的云端虚拟电脑 + Harness + 运行时，应用通过 API 提交任务，系统跨浏览器、文件和 Shell 执行。核心机制是让操作系统、浏览器和应用主动把“发生了什么变化”推给模型（类似 epoll），而不是反复截图。官方公布 SaaS-Bench v1.1（106 个任务、23 个应用）上 GPT-5.6 Luna 检查点得分 78.3%，高于 Opus 5 + Claude Code 的 74.3%，但完整解决率 27.4% 低于后者的 31.1%。

查看大图

OpenAI API 更新日志显示，2026-10-06 Decisions API 以 gpt-6-luna 进入公测：独立端点 POST /v1/decisions 接收文本/图片与一组问题，返回带概率的 predicate、choice、score 三种类型化答案，官方称比 Responses API 快约 10 倍；只收输入费 $0.10/1M token，无输出与缓存费，支持 ZDR 与 HIPAA，预计数周内 GA。

查看大图

类似于 AlphaEvolve 的 LLM 引导程序进化算法（Program Evolution）在算法优化与硬核运筹求解（如圆盘打包 Circle Packing、张量算子加速）中展现出强悍探索力。然而现有进化框架往往不计成本地以固定迭代轮次为目标，极度依赖昂贵的前沿旗舰模型，单个复杂问题的求解往往消耗数十至上百美元。来自新加坡国立大学、斯坦福大学与香港科技大学的研究团队提出了业界首个成本感知（Cost-Aware）的程序进化框架 FrugalEvo（arXiv:2610.03675）：彻底摒弃单纯追求无上限迭代的做法，转而追求“单位 Token 成本的收益最大化”。FrugalEvo 采用非对称双模型分工架构——由高智力昂贵模型负责探索高维解题策略，由廉价极速模型负责具体代码实现与局部迭代微调；同时精心设计缓存友好型进化管线，最大化复用跨进化步的前缀 KV 缓存。团队还提出了针对预算感知的新评测指标 BA-AUC。在 10 项数理与系统优化任务及 ALE-Bench-Lite 上，FrugalEvo 全面超越 OpenEvolve、AdaEvolve 和 EvoX；在圆盘打包测试中，使用 GPT-5.6 Terra/Luna 仅花费 1.68 美元，使用 GLM-5.3/Flash 甚至仅花费 0.55 美元，便彻底战胜了平均花费 50 美元的多智能体系统（如 CORAL、SwarmResearch），成本骤降 97%~99%。

查看大图

Zed Industries 于 2026-09-23 发布编辑器 Zed v1.21.0。AI 侧：Agent Panel 支持用自有 Anthropic/OpenAI Key 的 BYOK——Claude Opus 5.5，以及 GPT-6 Astra / Sol / Luna；SuperGrok 订阅可直接登录使用 Grok；新增 DeepSeek Flash 4.1 与 Mistral 通道下的 Z.ai GLM；默认开启 agent.prevent_idle_sleep，长程 Agent 回合时阻止系统空闲休眠。另有语言服务器命令选择器、showDocument 打开文件/URL、语法高亮与 Markdown 代码块渲染加速，以及 ACP 兼容与异步任务唤醒改进。适合已把日常编辑放在 Zed、又要在面板里直接跑前沿模型的开发者。

查看大图

Vercel AI SDK 于 2026-09-26 发布 @ai-sdk/[email protected]：请求级与（经 system message 定位的）消息级 reasoningEffortUpdate 现允许 'none'，以便在 GPT-6 Sol/Luna 对话中途关闭推理；更新值会对照模型支持的 effort 集合校验——不支持的请求级更新告警并省略，不支持的历史/消息级更新则拒绝。同批 @ai-sdk/[email protected] 与 @ai-sdk/[email protected] 跟随依赖升级。

查看大图