AI 编程实时动态与要闻

杭州 AI for Science 公司 Deep Principle（深度原理）11 月 2 日发布首个通用科研大模型 Hydrogen-1.0，在智谱 GLM-5.3 上用化学、材料、生命科学数据以及自家实验室记录和发现轨迹做 SFT+RL 后训练，以 MIT 许可在 Hugging Face 开放约 7530 亿参数的 BF16 权重。厂商口径下它在 FrontierScience-Research 上拿到 38.3%，高于 GPT-6 Astra 的 33.3%，但均为自测，尚无独立复现。

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

商汤 10 月 30 日在官方 X 账号和 Hugging Face 发布 SenseNova-Loop-9B-Preview（Apache 2.0）。它把 32 层解码器里的第 4–27 层用同一套权重连跑两遍，每次前向执行 56 层计算，存储约 9B 参数、推理参数约 14.6B，并用两路 mHC（流形约束超连接）管理残差流。模型支持文本加图片输入，训练序列最长 262,144 token。官方图表显示它在 BIRD-Dev、WorkBuddy Bench 等多项 Agent 与数据任务上超过 Qwen3.5/3.6 同级模型，但 Terminal Bench 2.1 仍落后；技术报告尚未发布。官方 X 首帖约 910 赞。

查看大图

X 与 SpaceXSI 设计负责人 Benji Taylor 10 月 31 日在 X 上发布 Stageshow：一个给编程 Agent 用的开源 skill（MIT 许可），帮助 Agent 生成更像真实产品的“假 UI”静态图、光标演示动画和 bento 网格，产出是普通 React 组件。一条命令即可安装，作者说适用于 Grok Build、Claude Code、Codex、Gemini 等。首帖约 4,500 赞、6,500 次收藏。作者本人说明它不保证一次成功，多数演示仍需几轮反馈。

查看大图

开源编码智能体 OpenCode 背后的 Anomaly 发布语音输入工具 Hex 3.0 稳定版：按住快捷键说话、松开即粘贴到光标处，语音识别在本机完成，内存占用从约 900MB 降到约 160MB，并新增词汇表、hex 命令行和可选的 OpenCode 改写。

查看大图

Y Combinator 的研究项目 YC Labs 与多智能体环境公司 Olam Labs 10 月 29 日发布《Agents in Games》实验报告：50 个 GPT-6.1 Sol 智能体在 Minecraft 生存模式里「建设繁荣文明」3 小时，最后挤在避难所里配给口粮，发了约 5,900 条消息，搞出配给账本、许可证和各种岗位；9 局 Bed Wars 中 10 个 GPT-6.1 Sol 对 10 个 Claude Opus 5.5，GPT 以 6–3 获胜；Mindustry 50 对 50 共 7 局约 9.5 小时，GPT 以 6–1 获胜。报告还发现领导者几乎总是名册上排第一的智能体，GPT 卡住时会自己上网读游戏源码。Minecraft 智能体框架已开源。这是单一机构的实验观察，不是标准化跑分。

查看大图

清华大学与 Z.AI（智谱）等机构的论文 HarnessPro（arXiv 2610.26770，10 月 19 日提交、10 月 20 日更新 v2）提出一种无需标准答案的 harness 自我改进方法：让专门的 agent 诊断执行轨迹、改写指令与运行时策略，再用 LLM 生成的测试评估，并按性能与成本给出 Lite、Medium、Heavy 三档 harness。论文口径：GPT-5.5 搭配 Codex 时，Heavy 档在 Terminal-Bench 2 达到 80.8%，比此前方法 RHO 高 4.5 个百分点，单任务成本从 1.09 美元降到 0.72 美元。代码以 MIT 协议开源，本周被 Pandaily 等媒体集中报道。

查看大图

微软研究院、微软安全团队与 UC Berkeley 在 GitHub 开源 TokenEconomizer（Apache 2.0，v0.1.0 于 10 月 26 日发布），它是 Claude Code、Codex、GitHub Copilot CLI 和 Pi 的插件，opencode 为实验支持。插件从同一仓库的历史会话中学习，用「微技能」记住仓库事实、裁掉长期不用的工具定义、在 Agent 原地打转时提醒换路。论文称在 277 个 SWE-Bench 任务上，五种 Agent 与模型组合的平均成本降低 18.4%–30.9%（论文口径）。

查看大图

10 月 31 日，Vercel Labs 的 Chris Tate（agent-browser 作者）在 X 上发布 agent-desktop，称其为「整台电脑版的 agent-browser」。它是一个 Rust 编写、Apache-2.0 开源的 CLI 和 C 库：读取桌面应用的系统无障碍树，以 JSON 返回每个可操作元素的 ref，Agent 按 ref 点击、输入后再快照核对，不做像素匹配，默认在后台无头运行。1.0.0 已于 10 月 27 日发布并首次加入 Linux 支持，目前 npm 最新版为 1.0.2。

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