AI 编程实时动态与要闻

GitHub Universe 2026:Copilot Fusion 正式 GA,自动路由与编排多模型,Fusion Max 在 Artificial Analysis 编码智能体指数拿 60 分,成本约为 Claude Code + Opus 5.5 Max 的一半

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。

GitHub Universe 2026:Copilot Fusion 正式 GA,自动路由与编排多模型,Fusion Max 在 Artificial Analysis 编码智能体指数拿 60 分,成本约为 Claude Code + Opus 5.5 Max 的一半

核心要点速览

  • 跑分(Artificial Analysis 编码智能体指数 v2.0):Fusion Max 60 分,Claude Code + Opus 5.5 Max 62 分;每任务成本 5.59 美元对 11.42 美元,Devin Fusion 组合 62 分、8.00 美元
  • 分项:Terminal-Bench 4.0 得 71 分略领先;FrontierCode 51 分排第三(Claude Code 56、Devin Fusion 54);SWE-Atlas-QnA-AA 57 分偏弱
  • 效率:每任务约 720 万 token,约为 Claude Code + Opus 5.5 的一半,比 Devin Fusion 少 30%;GitHub 称耗时少约 40%
  • 模型池含 Claude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6 Sol 等;管理员可单独禁用某模型供 Fusion 使用,并把 Fusion 设为默认
  • 可用范围:所有 Copilot 套餐,VS Code、Copilot app、Copilot CLI 和 JetBrains;原 auto / HydraFusion / HydraFusion Max 设置自动迁移到对应档位
阅读全文

Perplexity 官宣 Perplexity Computer 登陆 macOS:本地大模型与端侧 Agent 深度整合,实现 100% 离线 Mac 控制

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。

Perplexity 官宣 Perplexity Computer 登陆 macOS:本地大模型与端侧 Agent 深度整合,实现 100% 离线 Mac 控制

核心要点速览

  • Perplexity 官方正式在 macOS 客户端推出 Perplexity Computer,实现模型推理与智能体循环全本地运行
  • 彻底打破传统云端 GUI Agent 的隐私隐患,屏幕画面与按键事件无需上传服务器,100% 杜绝敏感数据外泄
  • 零云端往返时延(Zero Cloud RTT),利用 Apple Silicon 统一内存与硬件神经引擎,实现极速桌面响应
  • 深度结合 macOS 原生无障碍体系与应用沙盒,支持跨终端、浏览器与本地开发套件的端到端自动化编排
阅读全文
关联模型 / 智能体 / 厂商:

阿里合成 6.49 万协同工作环境 Cowork-Gym 助 27B 模型力压百亿巨头,哈佛 MIT 开源去中心化竞价智能体群 MPT

围绕人机协同办公与多智能体群体自组织两大前沿方向,阿里通义实验室提出 Cowork-Gym(arXiv:2610.17670),通过‘构建-执行-修正’闭环与会直接修改共享工作区的有状态用户模拟器,规模化合成 64,900 个交互式协同办公环境;经其后训练的 27B Qwen 模型在 PawBench 与 ClawEval 上双双夺冠,正面击败超 100B 参数大模型。同日,哈佛与 MIT(杜亦伦团队)开源市场化竞价后训练框架 MPT(arXiv:2610.22322),让去中心化智能体群通过自主出价(Bidding)同时学习动作策略与自组织分工。

阿里合成 6.49 万协同工作环境 Cowork-Gym 助 27B 模型力压百亿巨头,哈佛 MIT 开源去中心化竞价智能体群 MPT

核心要点速览

  • Cowork-Gym 合成 6.49 万协同环境:引入会直接修改共享工作区的有状态用户模拟器,使 9B/27B/35B-A3B 模型在 6 大基准最高暴涨 8.7 分
  • 27B 模型登顶 PawBench 与 ClawEval:经 Cowork-Gym 训练的 27B 模型正面击败多款 100B+ 参数大模型,夺得两项权威协同基准最高分
  • 哈佛 MIT 开源去中心化竞价训练 MPT:智能体通过自主出价(Bidding)同步学习动作与群体自组织,在群体扩容与节点掉线时具备极强鲁棒性
阅读全文
关联模型 / 智能体 / 厂商:

OpenAI 升级 GPT-6 Astra Pro 并行多智能体执行!同步揭秘全天候驻守智能体“dots”凌晨 3 点自动排查故障并拉起 Codex

OpenAI 官方连发重磅更新:ChatGPT 中的旗舰模型 GPT-6 Astra Pro 迎来全面升级,不仅响应速度更快、插件与工具调用更精准,更在 Chat 标签页中为 Pro 用户原生引入‘并行多智能体协同(Parallel Multi-Agent Execution)’,支持多个智能体同时拆解并推进复杂任务的不同部分,用户可实时追踪各分支进度并审阅交付成果。与此同时,OpenAI 开发者团队展示了内部工程师如何让常驻智能体‘dots’值守夜班(On-Call):在凌晨 3 点发生线上故障时,dot 自动完成根因调查并拉起 Codex 编程线程,工程师仅需在手机端 ChatGPT App 上远程把关即可化解危机。

OpenAI 升级 GPT-6 Astra Pro 并行多智能体执行!同步揭秘全天候驻守智能体“dots”凌晨 3 点自动排查故障并拉起 Codex

核心要点速览

  • GPT-6 Astra Pro 原生支持并行多智能体:响应提速并强化插件/工具调用,多个智能体可同时拆解执行复杂任务的不同模块,支持实时追踪各分支进度
  • 揭秘 OpenAI 内部全天候智能体‘dots’:值守夜班自动分诊凌晨 3 点线上故障,自主排查根因并拉起 Codex 编程修复线程
  • 手机端远程把关与技术债清理:工程师可在手机 ChatGPT App 上直接指挥 Codex 排障,并利用 Codex 持续自动清理代码库维护积压
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

GitHub Copilot HydraFusion 更新并推出 HydraFusion Max:多模型编排池纳入 Claude Opus 5.5 与 GPT-6 系列

GitHub 于 2026-10-14 更新 Copilot 多模型编排功能 HydraFusion,并新增面向高难任务的 HydraFusion Max。模型池现包括 Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol 与 GPT-6 Luna;起草阶段用 medium、审查阶段用 high 推理强度,Cascade 增加评判步骤,Critique 改为用工具直接检查工作区并引入并行评审模型。两者均为研究预览,可在 VS Code、Copilot 应用与 Copilot CLI 中使用。

核心要点速览

  • 模型池:Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna,按编排流程动态选用(GitHub Changelog)
  • 推理强度分阶段:起草 medium、审查 high,此前只用各模型默认强度
  • Cascade 新增评判步骤,仅在初稿需要时才请求修复;Critique 改为工具直查工作区 + 并行评审模型
  • 两档:HydraFusion(平衡速度/成本/性能)与 HydraFusion Max(追求最深推理,同时兼顾 token 效率)
  • 覆盖 VS Code、Copilot 应用、Copilot CLI 三端;Pro / Pro+ / Business / Enterprise 需开启实验或预览功能
阅读全文

告别纯自然语言 Prompt 循环!ABCAgent 提出智能体行为即代码范式:复用率超 92% 兼具极低延迟

在当前以 ReAct 和复杂 Prompt 编排为代表的主流智能体架构中,Agent 在执行多步任务时完全依赖神经网络逐步生成下一个 Action 与推理步骤。这种纯神经执行模式面临着不可避免的致命硬伤:调用延迟高昂、API 消耗呈指数级膨胀、中间错误沿轨迹层层放大,且在处理相同业务逻辑的重复任务时无法复用经验。Uniphore 研究团队在最新成果(arXiv:2610.04824)中提出了颠覆性的神经符号智能体架构 ABCAgent(Agent Behavior as Code Agent)。ABCAgent 创新性地将智能体行为的设计(Design)与执行(Execution)彻底解耦:大模型仅扮演‘程序员/架构师’角色,在运行时编写、修改显式的符号化程序(嵌入神经算子的 Python 代码);而底层的状态机、变量传递、循环和分支控制则完全交由确定性的代码解释器执行。在 GAIA、Augmented GAIA、GSM-Symbolic、τ²-bench 与 WorkArena 等 6 项权威基准测试中,ABCAgent 展现了卓越的性能与极致效率:在保持甚至超越纯神经 Agent 准确率的同时,ABCAgent 在 GSM-Symbolic 任务中实现了 92.6% 的免重新编写直接复用率,在 Augmented GAIA 中复用率达 20.1%,仅通过变量重新绑定(Variable Rebinding)即可毫秒级解决新任务,彻底解决了传统 Agent 面对循环工作流时的认知漂移瓶颈。

核心要点速览

  • 神经符号智能体架构 ABCAgent 发布,提出智能体行为即代码(Agent Behavior as Code)全新范式
  • 解耦设计与执行态,在 GSM-Symbolic 取得 92.6% 免生成脚本复用率,参数重绑定大幅削减延迟与 API 成本
  • 在 τ²-bench 与 WorkArena 长程评测中展现碾压级稳定性,杜绝纯神经循环中的错误级联与注意力漂移
阅读全文

清华 NeurIPS 2026 重磅开源 TokenRouter:解耦三循环与延迟批处理,Token 级大模型路由吞吐暴增 64 倍

随着混合专家(MoE)与大小模型协同推理技术的爆发,Token 级动态模型路由(Token-Level Routing)成为平衡生成质量与算力成本的最优解法:让小模型快速生成易词,遇到关键决策或难词时动态无缝路由至大模型。然而,现有的 vLLM、TGI 等大模型推理服务引擎均基于单模型运行设计,在面对跨模型的 Token 级频繁流转时面临严重的‘步骤去同步化(Step Desynchronization)’、批处理准入延迟激增以及异构集群开发极其繁琐的工程瓶颈。来自清华大学电子工程系 NICS 实验室的研究团队在 NeurIPS 2026 接收论文(arXiv:2610.12242)中正式开源了高性能服务系统 TokenRouter(代码:github.com/thu-nics/TokenRouter)。TokenRouter 提出了‘以请求为中心编程、以模型为中心执行’的创新范式,开发者仅需以单请求视角编写简洁的路由逻辑,底层系统则负责将其解耦为异步协作流。系统引入了基于离散时间马尔可夫链数学建模的‘延迟批处理调度器(Delayed-Batching Scheduler)’,配合‘解耦三循环(Decoupled Tri-Loop)’与毫秒级移交恢复机制(Handoff-Resume),在多种主流路由算法与异构模型组合上实现了比现有前沿系统高出 2.01 倍至 64.15 倍的解码吞吐量提升,官方代码现已开源。

清华 NeurIPS 2026 重磅开源 TokenRouter:解耦三循环与延迟批处理,Token 级大模型路由吞吐暴增 64 倍

核心要点速览

  • 清华大学 NeurIPS 2026 开源 TokenRouter,专为 Token 级大模型动态路由打造的高性能服务架构
  • 首创以请求为中心编程与延迟批处理调度器,在多种负载下实现 2.01 至 64.15 倍解码吞吐量暴增
  • 解耦三循环与极速移交恢复机制将 P99 词间延迟降低 43.6%,助力企业推理算力成本缩减 50%~70%
阅读全文
关联模型 / 智能体 / 厂商:

Claude Managed Agents「动态工作流」进入公开测试:主 Agent 自己写编排程序,单次最多并发 64 线程、调度 1000 个子 Agent

Anthropic 将 Managed Agents 的 dynamic workflows 扩展为公开测试:在 agent 的 multiagent 配置中开启 workflows 后,Claude 会为任务编写一段“工作流程序”,在后台分阶段扇出大量 Agent 并汇总结果,适合审计、迁移、深度调研和大规模交叉核对。

核心要点速览

  • 开启方式:multiagent.type: "multiagent_20261001" + workflows: {"type": "enabled"},需 managed-agents-2026-04-01 beta 头(文档)
  • 单个 run 同时工作线程上限 64,全生命周期最多启动 1,000 个 Agent,超出以 thread_limit_error 结束(Workflow runs)
  • run 默认寿命 24 小时,单 session 默认最多 10 个 run 同时打开,run 不能嵌套
  • run 本身不单独计价,各线程 Token 按模型价计费并计入 session budget,触达预算自动暂停
阅读全文
关联模型 / 智能体 / 厂商:

Google Cloud 发布 Gemini agent:通用工作 Agent,可编排 Gemini+Claude、子 Agent 与 coworker 身份,云端可持续跑数天

Gemini at Work 2026(10 月 8 日)正式推出 Gemini agent:从单一提示框交目标,覆盖问答、知识工作、媒体与写跑代码;云端持久记忆、子 Agent/coworker 编排,当前可在 Gemini 与 Claude 间择优。目前 private preview。

Google Cloud 发布 Gemini agent:通用工作 Agent,可编排 Gemini+Claude、子 Agent 与 coworker 身份,云端可持续跑数天

核心要点速览

  • 定位:单一通用工作 Agent——问答 / 知识工作 / 图像媒体 / 写跑代码,交目标而非逐步指令(Cloud 博文)
  • 编排:动态子 Agent + coworker agent(独立身份与 @agents.company.com);任务可并行/串行跑数小时到数天
  • 模型:Agent 与模型解耦,当前可在 Gemini 家族与 Claude 间择优与组合,强调降本
  • 治理:Agent Identity、Agent Gateway、沙箱、Smart Routing、按项目实时花费上限
  • 可用性:官方称 private preview,随后面向部分 Workspace Business/Enterprise(blog.google)
阅读全文
关联模型 / 智能体 / 厂商:

GitHub Copilot Dynamic Workflows 公测:代码定义多 Agent 编排,CLI / App / SDK 全表面可用

GitHub 于 2026-10-01 Changelog 宣布 Dynamic Workflows 进入公测:在 Copilot CLI、桌面 App 与 SDK 用代码定义可复用编排(串行/并行、检查点暂停、子 Agent 互审),区别于 Autopilot 与 /fleet 的模型自决拆分。CLI 需 --experimental 或 /experimental on;全套餐可用。

核心要点速览

  • 官方锚点:Changelog 2026-10-01 + 概念页 Dynamic workflows + 操作页 Using dynamic workflows
  • 定位:作者用代码规定步骤/条件/交接;Agent 只负责需判断的段落。对比 Autopilot(持续自治)与 /fleet(每次由模型拆分并行)
  • 落地面:CLI(copilot workflow run NAME、自然语言触发、/workflows 监控)、Copilot App(Workflows 按钮)、SDK/扩展 canvas;工作流以 extension 形式共享到 ~/.copilot/extensions/ 或 .github/extensions/
  • 护栏:可限并发子 Agent、总子 Agent、超时秒数、近似 AI credits;提示词 > 工作流代码 > /settings workflows.defaultLimits.*;先小范围试跑再放大
  • 边界:公测可变;CLI 需开启 experimental;无官方 SWE/Terminal-Bench 数字——勿与 HydraFusion 或 Computer Use 混为一谈
阅读全文
AD赞助内容

OpenHands v1.23.0 正式发布:多智能体编排引擎升级,全面支持自主回归验证

开源自主编码智能体平台 OpenHands(@OpenHandsAI,原 OpenDevin)正式发布 v1.23.0 版本。本次发布重点升级了多 Agent 编排流水线与沙箱安全运行时,引入了针对复杂工程项目的即时回归评测套件,并优化了与本地模型(vLLM、Ollama)的高性能集成。

OpenHands v1.23.0 正式发布:多智能体编排引擎升级,全面支持自主回归验证

核心要点速览

  • 全新多 Agent 分工模式支持 Planner、Coder 与 Verifier 三位一体协同解决复杂 PR。
  • 本地 Docker 沙箱启动与执行延迟优化 35%,支持亚秒级命令执行与文件状态热监听。
  • 内置 SWE-bench Verified 自动化回归基准,开发者在本地即可一键验证自定义 Agent 表现。
  • 全量源码与预构建镜像均已在 GitHub 发布,国内开发者可直接通过国内镜像拉取运行。
阅读全文

JetBrains 推出 Air:面向智能体时代的开放产品体系,连接开发者、团队与治理

JetBrains(@jetbrains)宣布 JetBrains Air:一套面向智能体软件开发的开放产品体系,把 IDE 内的智能体编排、团队协作与组织级治理(原 JetBrains Central)收拢到同一叙事。Air 强调多厂商:可在 JetBrains IDE 中编排 Claude、Codex、Gemini CLI 与自研 Junie 等智能体,并以 Agent Client Protocol(ACP)对接兼容 harness;官方博客同步说明 Air Teams 与 Air Governance 的分工。

JetBrains 推出 Air:面向智能体时代的开放产品体系,连接开发者、团队与治理

核心要点速览

  • Air 把 IDE 智能体体验、团队协作与组织治理收成一套开放产品体系。
  • 支持在 JetBrains IDE 内编排多厂商智能体(含 Junie),并以 ACP 对接兼容 harness。
  • Air Governance(原 Central)负责策略、可见性、审计与 AI 成本管控。
阅读全文
关联模型 / 智能体 / 厂商:

OpenAI Agents API 上线子智能体并行分发功能,全面升级企业级工作流编排

OpenAI 宣布对其 Agents API 进行重大版本升级,正式向全量开发者开放「子智能体并行分派(Subagent Delegation)」功能。单条常驻主智能体会话支持按需动态分叉数百个轻量专职子 Agent,执行异步多文件重构、单元测试自动化生成与依赖冲突自愈,并在任务完成后自动将上下文收敛归纳至主线程。

核心要点速览

  • 主智能体可按需分叉数百个独立轻量子智能体并行攻坚复杂工程
  • 原生支持细粒度上下文继承与沙箱隔离,消除单线程上下文长度限制
  • 极大降低开发者构建复杂分布式企业级 AI Agent 工作流的编排复杂度
阅读全文
关联模型 / 智能体 / 厂商:

全球开发智能体核心循环趋于收敛,行业竞争转向「工作流编排与上下文治理」

最新前沿行业调研指出,全球主流 Coding Agent(Claude Code、Cursor、Aider 等)在「阅读工程-文件修改-运行验证」的基础闭环架构上已高度收敛。新一轮竞争焦点彻底转向长程多任务的工作流编排(Orchestration)、项目级记忆持久化(Persistent Context)与沙箱自动防漂移能力。

核心要点速览

  • 单模型在代码语法补全层面的差异逐渐被抹平
  • 工作流编排能力(DAG 拓扑、多智能体并发调度)成为决定复杂任务成功率的核心
  • 项目级长期记忆(Persistent Context)与状态自愈机制成为顶级工具分水岭
阅读全文

Agent Conf 2026 华沙峰会:行业共识由 Prompt 实验全面转向生产级可靠编排架构

在波兰华沙举办的 Agent Conf 2026 全球峰会上,与会顶级专家达成明确共识:单一 Prompt 与简单 ReAct 循环已无法胜任现代复杂软件交付。行业正全面演进为以确定性状态机、动态拓扑图编排、可回滚版本管理与沙箱双重验证为核心的工业级智能体架构体系。

核心要点速览

  • 标志着软件工程智能体从「聊天助手」全面向「工业级状态机协作系统」跨越
  • 重点推广可回滚快照与沙箱自愈机制,彻底阻断智能体误操作造成的灾难性破坏
  • 发布多项跨框架开源 Agent 评测基准,规范长程任务完成率考核标准
阅读全文
关联模型 / 智能体 / 厂商: