AI 编程实时动态与要闻

独立评估机构 METR 于 11 月 5 日发布对 Anthropic 的高权限评估报告（2026 年 8 月 12 日–10 月 29 日）：截至 2026 年 10 月，Anthropic 在可验证任务上的模型能力进展很可能约为 2024 年 3 月至 2025 年 10 月历史速率的两倍；自 2025 年 10 月起 AECI 增长约 1.9×（95% CI 1.5–2.8）。多数当前加速归因于 AI 辅助研发，非训练算力增速；Anthropic 对多处关键证据做了脱敏。

查看大图

Axiom 于 11 月 4 日（X 官方账号 UTC 17:13 发帖，帖子浏览超 200 万）发布整部 Stacks Project 的 Lean 形式化。这部约 7500 页的代数几何开源参考书由 Johan de Jong 于 2005 年发起，形式化后约 1600 万行代码，官方称是迄今最大的一体化、可复用形式化数学库。工作由分层协调的 AI 智能体集群完成，过程中发现了原文数十处需要局部修正的命题，并给出反例。成果开源，可在 stacks.axiommath.ai 对照原文浏览。

查看大图

赛门铁克 Threat Hunter 团队 10 月 29 日披露：一个未授权 AI 中转服务自 2026 年初起在约十几家机构出现，以中国大陆为主。用户先用 npm 装正版 Codex 或 Claude Code，再运行中转商给的一行脚本，脚本改写 ~/.codex/config.toml 或 ~/.claude/settings.json，把 base_url 指向中转域名、换成中转 key，并把沙箱设为 danger-full-access、关闭遥测。官方强调这不是 CLI 漏洞，目前也没发现运营方滥用权限。

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

OpenAI 官方正式面向全球用户推出 ChatGPT“Locked Chats（锁定对话）”安全隐私功能，全面覆盖 Free、Plus、Team、Enterprise 与 Edu 全线计划。用户现在可以使用数字 PIN 码、Face ID 或 Touch ID 生物识别对特定会话实施硬件级加锁。尤为关键的是，被锁定的对话在设计上完全与 ChatGPT 全局跨会话记忆库物理隔离，用户在其中交流的商业核心机密、敏感个人健康信息或高危代码审计内容均不会沉淀到长期记忆中，亦不会污染常规对话的上下文联想，为企业与个人隐私保护树立了新的安全标杆。

查看大图

来自多所高校的研究团队在 arXiv:2610.25861 中提出突破性世界模型动作接口 ActionRoPE 与坐标条件噪声调度算法（CNS）。针对俯视角与等距视角游戏世界模型中，传统将动作作为特征条件注入容易导致空间混淆、无法对齐世界坐标以及玩家返回旧场景时产生严重画面漂移（Revisit Drift）的行业痛点，ActionRoPE 创新性将动作驱动的相机位移直接转换为世界坐标旋转位置编码（RoPE），赋予相同空间物理位置恒定的位置地址。实测显示，该方法在保持动作遵循精度的同时，将重访漂移大幅削减 66%，并无缝泛化至 1.3B 到 33B 参数量的各大视频生成底座。

查看大图

多所顶尖研究机构在 arXiv:2610.23986 中正式发布首个面向真实世界参考的视觉智能体 3D 创作评测基准 BlenderWorld。基准涵盖程序化建模、着色材质编写、空间布局与灯光模拟等 223 项真实工业级任务，接入 Blender 软件全自动沙盒环境。实测显示 GPT-6 Astra 以 79.9 分综合得分问鼎全球榜首（完美完成率达 42.2%），Opus-5 斩获 73.0 分，而开源模型 DeepSeek-V4.1-Flash 斩获 65.7 分超越众多大尺寸基线。

查看大图

现有 3D 世界模型多直接采用几何基础模型（GFM）特征作为状态，但视角依赖性导致相机运动与场景演变相互纠缠，长链路外推极易发生尺度漂移崩溃。同济大学与腾讯团队发表 GeoState（arXiv:2610.22343，项目主页上线）。该框架利用场景 Tokenizer 将多视角几何特征聚合为视角解耦的世界状态，自回归模型仅推演绝对场景状态，在 Waymo 自动驾驶长程深度预测中全程保持单一上下文尺度，且零样本泛化至 KITTI 与 nuScenes。

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

针对前馈式 3D 高斯泼溅（3DGS）在大视角跨越下渲染质量骤降以及免训练扩散生成式压缩显存算力开销过大的痛点，今日两项重磅视觉与图形学成果给出突破：浙江大学周晓巍、鲍虎军、彭思达团队开源 InfiniSplat v2（arXiv:2610.20341，HF 118 赞），通过冻结几何分支解耦几何与属性预测并引入大角度目标视图监督，在 6 大三维数据集上将平均 LPIPS 与 DISTS 误差分别大幅降低 25.8% 与 32.9%；以色列理工学院推出 H-DDCM（arXiv:2610.18125），用隐式随机哈达玛（Hadamard）字典替代稠密高斯码本，将计算与显存降至 O(d log d) 与 O(d)，结合周期性 KV 缓存前缀重编码实现单 GPU 准实时流式生成视频压缩。

查看大图

Anthropic 经济研究团队 10 月 16 日发布《How employment is changing at Anthropic》，用内部人事、Agent 遥测、代码提交、日历和招聘评估数据，描述一家深度使用 AI 的公司如何变化：初级技术岗在技术招聘中的占比从 27% 降至 9%；员工发起的交互式 Agent 工时在 8 月达到员工工时的 6 倍；工程师人均代码提交是半年前的 5 倍；而 Claude 会话约 80% 的时间在等人回复，人的注意力成了瓶颈。

查看大图