AI 编程实时动态与要闻

在芯片版图设计、数据库参数调优、高维超参数寻优以及分子药物设计等尖端工程场景中，黑盒优化（Black-Box Optimization, BBO）一直是计算开销极大、目标函数导数不可求的核心难题。传统贝叶斯优化（BO）与进化算法（EA）依赖纯数值迭代，缺乏对任务语义结构与工程上下文的理解能力；而直接使用大模型生成采样点又面临数值计算不精确与幻觉问题。南京大学计算机软件新技术全国重点实验室（LAMDA 团队）联合多所高校在最新成果（arXiv:2610.12183）中推出了首个跨域黑盒优化智能体基准套件 AgenticBBO-Bench。研究团队将大语言模型与严谨的数值求解器、代码沙箱和环境反馈闭环深度融合，构建了跨越 5 大代表性领域的统一评估体系。实测表明，在有限预算协议下，Agentic BBO 智能体在所有 5 个领域均大幅超越直接提示词驱动的 LLM，且在芯片设计、数据库调优等 4 个关键领域击败了业界最佳数值优化器！团队进一步在 Codex Agent 脚手架下评测了 7 款前沿大模型，揭示出顶尖开源与商用模型在性能与成本维度的 Pareto 前沿，并全面开源了评测代码与基准套件。

当前的 AI 智能体系统与代码框架在自主进化和自优化（如提示词搜索、工作流生成、脚手架重构）中普遍遵循贪婪策略——一旦某个候选变异在测试基准上出现性能回退，就会被算法立即抛弃。然而复杂系统的搜索空间高度崎岖，绝大多数通往全局最优的质变突破在早期往往表现为临时的负向或劣质状态。蚂蚁集团（Ant Group Research）、北京大学与北京智源人工智能研究院联合提出了 Mara Chain（arXiv:2609.35855）自主进化新范式。Mara Chain 打破了传统贪婪拒绝机制，将未通过评估但包含结构创新或局部潜力的‘失败变体’转化为拓扑进化的阶梯（Stepping Stones）。框架由三大核心引擎驱动：其一，语义与功能去重驱动的进化缓存（Stepping-Stone Buffer）；其二，基于失败根因逆向回溯的分层变异器（Hierarchical Mutator）；其三，多目标非支配 Pareto 排序淘汰机制。在 AppWorld 基准上，Mara Chain 在减少 65.5% 采样轮数的前提下，相比 GEPA、ACE 和 SkillOpt-Lite 取得了最高 20.5% 的性能跃升；在真实的 TerminalBench 2.1 运维环境中，Mara Chain 更是相比 AHE 和 Meta-Harness 分别大涨 20.2 和 22.5 个百分点，并将官方代码与框架 AntOmniEvo 全面开源。

CloudflareDev 宣布 Union Alpha 是 The Unbiased Co. 的 Pareto 模型，并称其智能水平可接近 Fable 与 Astra、成本约为四分之一。该模型把低成本前沿能力带入 Cloudflare AI 的模型目录，为编码代理与其他高频调用工作流提供新的价格与路由选项。

OpenRouter 确认此前以 Union Alpha 名义上线的隐身模型即为 TheUnbiasedCo 的 Pareto。社区侦察与需求使隐身期提前结束，用户可继续通过 OpenRouter 调用该模型，路由地址为 openrouter.ai/unbiased/pareto。

Arena.ai（@arena）公布 Agent Arena 数据：DeepSeek-V4.1-Flash (Max) 净提升约 +4.87%，中位任务成本约 $0.07，在开源 Top-3 中成本最低；相对 Hy4 preview 保留约 98% 净提升且成本低约 73%，相对 Kimi K3 (Max) 保留约 76% 表现且成本低约 92%。

Databricks 在 DeepSeek 4.1 Flash 发布当日即通过 Unity Gateway 上线该开源模型。官方称其在 OfficeQA Pro V2 处于帕累托前沿，可直接指向 Lakehouse 数据构建受治理的 AI 应用与智能体，并统一访问、花费与性能视图。

Cognition 宣布推出 SWE-2，称其是迄今最接近前沿的自研编码模型：在主流评测上与近期前沿模型相当，成本最高可低约 70%。团队称将强化学习规模推到数万亿参数量级，并用更精细配方同时推进能力与成本帕累托前沿。SWE-2 亦已用于驱动 Devin Voice 等产品。

LMArena 公布实战结果：OpenAI GPT-6 Astra (Max) 以 1797 分登顶 Code Arena WebDev，领先第二名 Claude Fable 5.1 (Max) 1762 分约 35 分，并高于 Claude Opus 5 (Max) 与 GPT-5.6 Sol (xHigh)。同时在约 $40/Mtoken（与最新 Claude 定价对齐）处重塑质量-价格帕累托前沿，覆盖含多步推理与工具调用的 agentic WebDev 任务。

Artificial Analysis 发布 Intelligence Index v4.2：新增私有 agentic 知识工作评测 AA-Briefcase 与长文档 GDP.pdf，提高 held-out 权重并改进打分基建，下线已饱和的 GPQA Diamond。排行上 Anthropic Claude Fable 5.1 居首，OpenAI GPT-6 Astra 次席并较 GPT-5.6 Sol 提升约 4 分；Astra 在输出 token Pareto 上表现突出。面向开发者选型与成本效率对比的权威中期基准更新。

Arena.ai 公布 Claude Fable 5.1 (Max) 在 Code Arena: WebDev 以 1765 分登顶，较 Fable 5 (Max) 的第 8 名（1628）整体 +137，并以约 77 分优势领先 Qwen3.8-Max-0902；六大子域中五项第一（Gaming/Simulations/Reference-Based Design 等涨幅显著），同时以约 $40/MToken 重塑高价 Pareto 前沿。