AI 编程实时动态与要闻

OpenAI 于 11 月 4 日（UTC 15:15 官方 Newsroom 发帖）宣布将收购 Pierre Computer Company。Pierre 的 Trees（文件树浏览）和 Diffs（差异查看）开源库已在 Codex 应用里用于浏览文件和评审改动；收购完成后，OpenAI 计划把 Pierre 基于 Git 的代码托管服务 Code Storage 的功能并入 Codex。Pierre 的开源项目保持开源，Code Storage 现有客户可继续使用。交易金额未披露，仍需监管批准。

查看大图

Hugging Face、BitRobot、新加坡具身智能中心和 NUS 等 11 月 4 日推出 RoboColosseum，一个分布式真机评测框架，覆盖 SO-101、Franka、双臂 YAM 和 Unitree G1 四种机器人。首轮在 124 个站点做了 5,699 次盲测对比，测了 5 个 VLA 策略和 3 个前沿大模型：Claude Opus 5.5 和 GPT-6 Astra 的平均任务进度分别比 VLA 高 12.1 和 11.0 个百分点，Grok 4.7 落后 7.5 个点。所有 rollout 数据公开在 Hugging Face，并向学术界提供 10,000 小时免费评测。

查看大图

11 月 3 日，OpenAI 发布《Accelerating engineering for the physical world》，介绍其模型在机械设计、电子设计和仿真上的进展。两名员工用 GPT-6 Astra 在不到一周内设计出一台用来和 Codex 对话的设备（外壳、PCB、固件和软件），合同制造商不到一个月做出小批量原型，但量产前仍需多轮人工评审。OpenAI 硬件团队的模型 token 用量自 2 月以来增长 23 倍；在 BenchCAD 2.0 上，一个更新的内部模型平均得分 0.875，GPT-6 Astra 最高推理档为 0.594（官方口径）。OpenAI 还扩大与 Chip Ganassi Racing 的合作，并宣布与 Mazda 开展新的研究合作。

查看大图

印度 AI 公司 Sarvam 于 11 月 3 日发布 Sarvam Prism，一款面向企业工作流的「System One」决策模型：给定上下文和若干带固定选项的问题，它在一次前向计算里直接返回每个选项的概率，不生成文本。官方称在其测试的 25 个决策模型中，Prism 三项指数平均 71.8 分、在单张 B200 上中位响应 44 毫秒，是 100 毫秒内得分最高的模型；印度语言基准 82.5。权重以 Apache 2.0 发布在 Hugging Face，同时提供托管 API。以上分数均为 Sarvam 自测。

查看大图

语音 AI 公司 Hume 11 月 2 日发布 Audio Decision API，号称首个「音频原生」的问答式决策模型：开发者上传原始音频，用一句话写问题并给出候选答案，接口返回每个答案的概率，不经过转写。支持是/否、多选、打分和时间片段四类问题，可判断说话人数、是否有人笑、来电者是否不耐烦、背景是否有警笛等。官方口径：训练用了 1000 万以上条人类判断，初步评测与人类评审平均判断的一致率为 70.7%（单个评审基线 56.5%）。目前需申请或加入候补名单获取访问权限。

查看大图

OpenAI 11 月 2 日在官方博客宣布 Grid Protectors（电网守护者）计划：与公用事业公司、监管方合作，让其未来自建的算力园区（OpenAI 现在对数据中心的叫法）在电网紧张时降低用电，并自付全部电网基础设施和供电成本。试点是佐治亚州 Effingham 县规划中的园区（Project Camellia），据 Georgia Power 新闻稿，该项目约需 3,200 MW，并承诺最多 1,000 MW 灵活需求响应，OpenAI 称相当于约 70 万户家庭的平均用电。园区仍在建设中。

查看大图

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

半导体与 AI 研究机构 SemiAnalysis 11 月 2 日发布 GDPx，用来衡量前沿模型在芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进（RSI）、硬件设计、材料科学、对齐和软件工程 11 个领域的智能体能力，共 206 道任务，由 14 家专业数据公司出题、SemiAnalysis 负责最终质检。官网榜单上 Claude Opus 5.5 以 12.0% 居首，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6% 紧随其后；金融和法律任务几乎所有模型都是 0 分。SemiAnalysis 称 Opus 5.5 和 GPT-6 Astra 的总分被安全分类器拖低，并计划每 3–6 个月更新一版。以上分数均为 SemiAnalysis 口径。

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

Google DeepMind 于 10 月 31 日宣布，与英国政府、Google Cloud 和 Faculty 共同开发的规划审查工具 PlanAssist（基于 Gemini）将新增开放给 12 个英格兰地方规划机构，参与总数达到 15 个，进入为期 12 个月的 Beta 阶段并处理真实申请。官方称，在 Barnet、Camden、Dorset 三地的早期试点中，规划官员花在住宅类申请评估上的平均时间下降 58%，超过 70% 的 AI 草拟报告无需修改即获通过；最终决定仍由规划官员作出。

查看大图

过去一天，X 上围绕 GPT-6 Astra 能否直接当机器人策略展开热议。前 OpenAI 研究员 Will Depue（简介写明曾参与 Sora 1/2、o3/4o 后训练）说，Astra 碾压专用机器人模型「非常令人意外」，随后又称这是「专用 ML 的最终死亡」。投资人 Freda Duan 发帖称「Astra 就是机器人的 GPT-3 时刻」，约 8.4 万浏览。第三方评测给出的数字有支持也有反例：RoboDojo 论文里 Astra 平均成功率 22.48%，排在 40 个公开策略之上；另一份 EBench 报告里它是 46.7%，9 个模型中排第 3。以下是观点讨论，不是 OpenAI 官方结论。

查看大图

a16z 10 月 30 日发布的 Charts of the Week（作者 Moses Sternstein）讨论了「Rack Spread」：GPU 租金在涨，token 价格在跌。a16z 官方 X 账号 10 月 31 日总结：5 月以来 token 均价下降 67%，token 花费增长超过 120%；按文章的粗算，用 Ramp 数据得出约 122%，用 Ornn 混合单价乘 OpenRouter 用量得出约 160%。另一条帖子给出 7 月中以来 B300 租金涨 106%、B200 涨 66%、H100 涨 17%。a16z 同时强调这些指数样本小且有偏差，不能代表真实总需求。

查看大图