AI 编程实时动态与要闻

微软 Mage 团队 10 月 30 日在 Hugging Face 以 Apache-2.0 发布 Mage-VL-Cowork：4B 参数的多模态电脑操作智能体，同一个模型每一步自己选择用截图点界面（computer_use）还是在终端跑 bash/Python，不需要外部调度器。官方报告它在 OSWorld-Verified（361 题、50 步上限）两次平均 66.0%，高于 Qwen3.6-27B 的 63.9%，但仍低于 9B 的 SCALECUA-Qwen3.5-9B（68.7%）。

查看大图

美团 LongCat 团队 11 月 2 日在 API 平台更新日志中上线 LongCat-2.5，这是 9 月 25 日 LongCat-2.5-Preview 的正式版。官方技术博客称它总参数 1.6 万亿、每个 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解和智能体编程，训练和 W4A4 推理都在国产 AI 加速卡上完成。官方口径成绩包括 Terminal Bench v2.1 88.4、Terminal Bench v4.0 38.5、BrowseComp 91.9、MCP Atlas 83.1。API 支持 OpenAI 和 Anthropic 两种格式，1M 上下文、最多 128K 输出，限时价每百万 token 输入 $0.30、缓存输入 $0.006、输出 $1.20。

查看大图

Mistral 10 月 29 日发布改进版 Mistral Large 4（Le Chonk）并开放权重，已上架 Hugging Face（另有 NVFP4 量化版），API 名为 mistral-large-4。相比 10 月初的公开预览，多做了约三周强化学习：官方口径 FrontierCode 2.0 得分 19.7%、Terminal-Bench 4.0 从 28% 升到 41%，并新增 low/medium/high 三档推理。许可证为改版 MIT，商用可用，但做模型即服务需另签商业许可。

查看大图

2026-10-23（UTC 17:15，SGT 10-24 01:15），Kimi 官方账号 @Kimi_Moonshot 正式发布 Kimi K3.1 Pro，同时推出快 2–3 倍的 K3.1 Pro Highspeed，已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，完整权重承诺 2026-11-04 前开放。官方技术博客称它是 K3 的后训练版本（更大规模多领域联合 RL），MoE 总参 2.8T、激活 104B，1M token 上下文，多模态。厂商口径跑分：Terminal-Bench 4.0 65.7%（GPT-6 Astra 58.2%、Claude Opus 5.5 66.4%），BenchCAD 带工具 92.7%。Kimi API 定价页显示 kimi-k3.1-pro 输入 $2、输出 $10、缓存命中 $0.20 每百万 token，低于 K3 的 $3/$15。

查看大图

微软亚洲研究院（MSRA）研究团队在 arXiv:2610.26828 正式发布并开源通用智能体世界模型 WildAWM（MSR-Orchard/WildAWM）。针对当前跨平台 GUI 与网页浏览智能体（Computer-Use Agents）在训练和评测中高度依赖昂贵、慢速且不可撤销的真实物理沙盒环境的痛点，WildAWM 首创可适应野外复杂异构环境的多模态自回归世界模型架构。模型能够在接收任意智能体动作（点击、输入、滚动）后，极其逼真地预测网页与桌面操作系统下一帧的高保真视觉状态演化与 DOM 结构变化，成功替代物理沙盒，为大规模自主智能体的离线强化学习与安全预演树立了全新基座。

查看大图

在 GTC Berlin 开幕主题演讲中，NVIDIA 官方集中发布了横跨多个专业垂直领域的全新开源模型矩阵。核心亮点包括：支持长文本视觉推理的 Nemotron 3.5 Super VL 与即开即用的 Bolt 系列语言模型；专为高精度 RAG 打造的 Nemotron Retriever 嵌入、重排与文档解析全套套件；面向实体工业的 Cosmos 物理世界模型；面向自动驾驶的 Alpamayo 2 Edge；以及与华盛顿大学 Baker 实验室联合开发的蛋白质生成大模型 BioNeMo RFD4-Proteina。官方实测显示，RFD4-Proteina 在 10 项以上蛋白质设计基准中斩获全球第一，在 200 个氨基酸的靶点设计上比 RFdiffusion3 提速惊人的 13 倍。

查看大图

来自多所高校与机构的研究团队在 arXiv:2610.06830 中提出多模态智能体按需记忆编排框架 MemPilot。针对现有自主 Agent 在跨会话、长程多模态交互中频繁遭遇图文上下文爆炸、无效截图堆叠与历史关键信息遗忘的痛点，MemPilot 设计了主动记忆精选策略。系统将视觉快照、操作轨迹与文本事实进行自适应压缩、语义分级与按需唤醒，在多轮复杂交互测试中将记忆显存开销削减 60% 以上，显著提升跨会话任务完成率。

查看大图

Adobe Research 与布朗大学在 arXiv:2610.22744 中正式发布统一多模态多参考视频编辑框架 OmniXRef。针对现有视频编辑模型通常仅支持单一文本提示、难以精确解耦多参考源（如参考视频的运镜、参考图像的主体外观与自然语言指令）的行业痛点，OmniXRef 采用单流扩散 Transformer（Diffusion Transformer）架构，提出 Mix-Patchify 与参考相对位置编码（R2-RoPE）。实测显示在运镜轨迹迁移中旋转误差低至 0.874、平移误差 3.961，超越顶尖商用闭源系统达 5 倍以上。

查看大图

针对多模态大模型普遍依赖纯文本监督而欠缺像素级细粒度空间定位能力的瓶颈，小米 AI 实验室（Xiaomi AI Lab）发表技术报告 Xiaomi-Lens-0（arXiv:2610.23279）。该模型基于 Qwen3.5 4B 打造，通过轻量级掩码解码器将视觉编码器 Patch 特征、隐层表征与掩码 Token 状态深度融合，在 RefCOCO/RefCOCO+/RefCOCOg 目标表达理解（REC 达 94.6%/92.1%/92.5%）与表达语义分割（RES cIoU 达 83.4%/79.9%/81.1%）上全面超越 Florence-2 与 LISA，同时保持 69.7% 的通用多模态感知高分。

查看大图

针对网页与多模态智能体在强化学习中奖励稀疏、外部大模型裁判昂贵以及多能力梯度冲突的痛点，今日三项重磅研究实现突破：Salesforce AI Research 推出 CLIFT（arXiv:2610.06829），将保形认证的 URL 状态自验证问题库同时用于训练稠密奖励与测试期零裁判轨迹优选（CTS），使 Gemma-4 31B 在 WebArena Infinity 9 大应用上斩获 74.6% 登顶（超越 Gemini 3 Flash 的 70.1%），迁移至 GPT-5.5 刷新 VisualWebArena 53.7% SOTA；MMSearch-OPD（arXiv:2610.22240）将 9B 多模态深度搜索准确率提至 60.2%（+15.3 分）；东北大学 SCOPED-8B（arXiv:2610.22217）通过技能解耦在线专家蒸馏斩获 73.13% 均分，越级击败 4 倍体积的 Qwen3-VL-32B（72.01%）与 Claude Opus 4.6（72.86%）。

查看大图

Google AI Studio 正式宣布向 Google AI Pro 订阅开发者全面开放旗舰模型 Gemini 4 Argon 的 Build 与 Playground 交互构建能力；与此同时，Hugging Face Transformers 连发 v5.20.0 与 v5.20.1，免远程代码原生集成 Reflection AI 编码大模型 Beam、Meta 816B（42B 激活/1M 上下文）全模态编程模型 Muse Spark Open、蚂蚁 Ling 3.0 Flash 及面壁 MiniCPM-V 4.7。

查看大图

Perplexity 开发者团队（@perplexitydevs）联合 OpenRouter 与 Vercel AI Gateway 正式上线新一代开源权重多模态决策模型 pplx-decider-v1.2（27B）与轻量级 pplx-decider-flash-v1.2（4B）。该系列模型支持同时输入文本与图像，直接返回带校准概率分布的类型化决策结果（Typed Answers with Probabilities），其中 27B 版本输入定价低至 $0.02/百万 Token，4B Flash 版速度更快且成本再砍半，成为智能体路由与工具选择的极速基础设施。

查看大图

Liquid AI 于 10 月 15 日发布多模态决策模型 d1-ultra，输入文本和图像，一次前向传播直接返回是非、单选、打分三类问题的概率，不生成任何 token，只按输入计费。Artificial Analysis 独立评测中它以 65 分登顶 Decision Index v1.0，领先至少 8 分，非幻觉率 85%；已上线 Liquid API、Vercel AI Gateway 与 OpenRouter。

查看大图

Meta 于 2026-10-15 发布 Muse Spark Open 权重：原生多模态 MoE（约 816B 总参、每 token 激活约 42B、1M 上下文），面向长程编程与智能体；权重可经 Hugging Face 等下载，并已上线 Together、Fireworks、Groq、OpenRouter 等托管推理。官方与第三方给出 DeepSWE 60%、MCP-Atlas 89.2%、JobBench 61.8% 等结果（口径见评测方法论文档）。

查看大图