AI 编程实时动态与要闻

11 月 3 日，模型压缩公司 Pruna AI 开源 P-H3-Image：基于 MiniMax 今夏开源的 MiniMax-H3 视频模型，改造成文生图与图像编辑模型。官方口径：采样步数从 50 步降到 8 步，4MP 图在单张 B200 上从 12.4 秒降到 2.6 秒；4-bit 版下载 20GB（H3 为 143GB），8MP 峰值显存约 21GB；支持 2–16MP 输出和多图参考编辑。权重已上 Hugging Face，ComfyUI 原生支持。注意它沿用 MiniMax H3 社区许可，欧盟、英国、韩国和美国默认不在授权范围内。

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

Pika 于 10 月 29 日发布 Pika H3 Flex，这是在 MiniMax H3 基础上后训练的音视频一体生成模型，权重已上架 Hugging Face、代码开源在 GitHub，并支持 ComfyUI 和 Diffusers。官方称它把去噪步数从 50 步蒸馏到 6 步，在 768p 下 DiT 去噪平均比 Fal H3 Max 快约 1.8 倍，15 秒带配乐片段最快约 7 秒生成；托管 API 额外提供 1080p 到 4K 超分和对白、配乐、音效、拟音、环境声 5 条可导出音轨。以上速度与质量数据均为官方口径。

查看大图

Stripe 联合创始人 John Collison 的 Cheeky Pint 播客 10 月 29 日上线 Sam Altman 专访。谈到内存短缺时，Altman 说很多人以为开源模型加本地推理就能绕开算力紧张，但从全球配置角度看，让每个人电脑里放着一堆稀缺 DRAM、只有约 5% 的时间在用「相当糟糕」，供给紧张时应追求云端的最大利用率。pubity 转述这段话的帖子获得 2.6 万多点赞、800 多万次浏览，大量用户反驳称 PC 内存并非只为 AI 服务，本地模型还关乎隐私和离线可用。以下按观点讨论整理，不代表已证实结论。

查看大图

Perplexity CEO Aravind Srinivas 在 X 上公布 Gemini 4 Carbon 的早期评测：在 Perplexity 的 Wide-And-Deep-Research（WANDR）长篇研究基准上拿到 0.857，创新高，每任务成本 5.86 美元；Gemini 4 Argon 为 0.802（7.88 美元），GPT-6 Astra 为 0.735（13.34 美元）。他称 Carbon 是 Perplexity 目前见过长篇研究和回答质量最强的模型，待 token 容量充足后将向所有 Pro 和 Max 用户在 Perplexity Computer 中开放。

查看大图

Anthropic 官方账号 @claudeai 于 10 月 30 日宣布：Max 5x 更名为 Max（仍为每月 100 美元），Max 20x 更名为 Ultra（仍为每月 200 美元），现有订阅者无需操作。同时，已验证的 Ultra 账号从当天起取消 5 小时滚动额度限制，先覆盖大部分老订阅者；较新的账号在验证前保留临时限制，每周额度不变。

查看大图

GitHub 10 月 28 日在 Universe 2026 宣布 Copilot Fusion 正式可用（GA）。它把此前研究预览的 Project HydraFusion 多模型编排和 Copilot auto 模型选择合并：用户在模型选择器里选 Copilot Fusion 和努力档位（Standard / High / Max），由系统按任务决定用哪些模型、走 Single、Cascade 还是 Critique 流程。官方称 Fusion Max 在 Artificial Analysis 编码智能体指数得 60 分，比 Claude Code + Opus 5.5 Max 低 2 分，但每任务 API 成本约一半、token 约一半、耗时少约 40%。按所用模型标准价计费，付费用户到 11 月 30 日享 30% 折扣。

查看大图

独立评测机构 Artificial Analysis 10 月 28 日发布 Intelligence Index v5，是 1 月 v4 以来最大一次改版：新增 Cognition 的 FrontierCode 2.0 和 Terminal-Bench-Science，用 HLE-Diamond 替换 Humanity's Last Exam，60% 的权重来自私有或答案保留的测试集。榜首为 Claude Opus 5.5（max）58 分，GPT-6 Astra 57、GPT-6.1 Sol 55；开源权重最高的 Kimi K3.1 Pro（权重尚未发布）46 分，与榜首差距从 v4.3 的 3 分扩大到 12 分。同时推出跨年代对比的 Progress Index v1。

查看大图

Cursor 官方 10 月 27 日（SGT）宣布 DeepSeek V4.1 Flash 已在 Cursor 中可用，在 Cursor Settings > Models 打开即可。Cursor 称该模型每一档推理强度都落在 CursorBench 成本前沿上：每任务 $0.60 到 $0.98，在这个价位没有模型得分更高。官方 CursorBench 4.0 榜单显示，DeepSeek V4.1 Flash 1017 Max 档 47.7%（$0.98/任务），Medium 46.3%（$0.80），High 45.6%（$0.77），Low 44.9%（$0.60）；同榜最高分 Opus 5.5 Max 为 57.8%，但每任务 $13.43。

查看大图

OpenAI 10 月 26 日发布 GPT-6.1 Terra，定位是兼顾视觉推理、精确电脑操作和自然写作的高效模型，今天起向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，API 模型名 gpt-6.1-terra。标准 API 价格为输入 $1、缓存输入 $0.05、输出 $5（每百万 token），官方称比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%；上下文 1,050,000 token。官方口径下，它在 Agents' Last Exam 上中等推理强度比 GPT-5.6 Terra 高 15 个百分点、成本约三分之一，Terminal-Bench 4.0 最高强度 50.3%。

查看大图

2026-10-23（UTC 16:53，SGT 10-24 00:53），Block 官方账号 @blocks 发布 Dessa，Jack Dorsey 随后转发称其为「迄今最真实的全双工语音模型」。官方页面 block.xyz/dessa 介绍：Dessa 是真正的语音到语音模型，训练数据只有人类对话录音，不用文本、不用任何预训练模型；全双工，能边听边说，会自然插话和附和（“yeah!”“got it!”），推理快于实时，可在 MacBook Pro M4 Max 或更高配置上本地运行。官方称只用一套 NVIDIA GB200 NVL72 完成训练，学习语言所需的词量比 LLM 少数百倍。目前没有公开 API 或权重，只向一小批 AI 安全研究者开放早期访问。

查看大图

Artificial Analysis 于 2026-10-23 发布 Coding Agent Index v2.0，评测对象是「模型 + Agent 外壳」的组合，覆盖 290 道任务，三项基准等权：Cognition 的 FrontierCode v1.1（100 道真实开源仓库任务，按维护者是否会合并打分）取代 DeepSWE v1.1，SWE-Atlas-QnA 改为评分更严格的 SWE-Atlas-QnA-AA，Terminal-Bench 4.0 不变。Claude Code + Claude Opus 5.5（max）以 61.7 分居首，Sonnet 5.5 59.3、Muse Wonder Full 58.9 紧随。新版整体分数下降：21 个两版都测过的配置平均分从 54.8 降到 47.4。

查看大图

国际权威模型独立评测机构 Artificial Analysis 正式发布针对医疗专业领域的权威评测基准 HealthBench Professional 与消除长度偏差的全新指数 MLCR-AA。评测揭示了一个震撼业界的普遍现象：传统基于 LLM-as-a-Judge 的评估机制存在严重的“长回复字数偏好（Verbosity Bias）”——模型回答越长越容易被判定为优秀。在原始 HealthBench 中，Anthropic 模型的回答平均比竞品长 4 到 6 倍，Claude Opus 5.5 以 71.4% 斩获第一；然而在通过长度归一化严密矫正的 MLCR-AA 榜单中，GPT-6 Astra（Max）与 Claude Sonnet 5.5 并列全球第一，而 Claude Opus 5.5 的真实排名则直接从第 1 位暴跌至第 6 位，为全球大模型评测的公正性敲响了警钟。

查看大图

来自新加坡国立大学（NUS）、香港中文大学（深圳）等机构的研究团队在 arXiv:2610.28630 正式发布视频生成渲染框架 SolarRenderer。针对当前 3D 游戏引擎灰模、姿态骨骼、深度图与点云难以极速转化为高保真视觉视频的难题，SolarRenderer 基于冻结的 MiniMax-H3 33B 基础视频模型，引入轻量化控制 LoRA 与 4 步生成 LoRA。利用结构引导分布匹配算法，仅需 4 步去噪即可完成高质量渲染（比传统 50 步采样提速 12.3 倍），并提出块因果（Block-Causal）变体，成功实现 768p 高清视频的毫秒级实时流式生成，为下一代神经游戏引擎与虚拟制片树立了全新标杆。

查看大图