AI 编程实时动态与要闻

Ricursive Intelligence 于 11 月 4 日（UTC 18:24）发布首个模型 Ripple-65B Preview，并在 Hugging Face 以 Apache 2.0 开源指令版（BF16、NVFP4）和基座版。官方模型卡显示：65B 稠密 Transformer、12T token 预训练、最长 1M 上下文，自报 TerminalBench 2.1 80.5、SWE-bench Pro v2.0 Hard 79.1、DeepSWE 1.1 44.3，在编码 Agent 任务上超过参数大得多的美国开源模型；可在 DGX Spark 等本地硬件运行。CEO Anna Goldie 称成本约为此前同类 SOTA 的十分之一。

查看大图

商汤 11 月 2 日晚发布多模态智能体模型日日新 SenseNova 6.8 Flash 正式版，重点升级两块：一是长期记忆和主动交互，能跨任务、跨会话记住用户目标与约束，在信息变化时主动提醒；二是设计生成，覆盖 Web、SVG、Three.js、Blender、动态 PPT 和动态海报，并可接入 Figma。模型已上线 SenseNova Studio、商汤小浣熊和 SenseNova Token Plan；官方 X 账号称 Token Plan 可免费试用，每 5 小时 1500 次 API 请求。官方称其在智能体协作、数据分析和演示生成上超过部分国际前沿模型，但未在公告中列出具体分数。

查看大图

11 月 3 日，Grok Bot 官方账号 @bot 发视频推广新购物体验：让 Bot 找最优价、比较商品，并追踪你的所有订单。对应功能来自 10 月 27 日的 0.78.1 版（含 0.78.0）官方更新日志：商品以卡片呈现（图片、评分、价格、商店，最多两个徽章），3–4 个结果横向轮播；商品页优先显示有货选项，「Buy now」发起一笔需你批准的订单；下单后 Bot 跟踪发货与送达，发货卡片显示承运商和阶段；Shop Pay 可在 Vault 的 Payments 标签里绑定并设为首选付款方式。

查看大图

斯坦福 James Zou 团队（Owen Queen、James Zou）11 月 2 日发布交互式研究报告《The shelf life of LLM findings》，用 2024 年 7 月到 2026 年 9 月发布的 20 个模型（来自 8 家开发商）重测 50 条被广泛引用的 LLM 行为结论。结果：22 条（44%）已失效，17 条（34%）明显减弱，8 条（16%）仍成立，3 条（6%）反而增强；已失效结论从发表到失效的中位时间为 14.7 个月。数字母、长上下文「中间丢失」、编造引用等能力缺陷大多消失，而迎合用户、裁判模型偏爱自己答案等偏好类问题依然存在。

查看大图

Anthropic Frontier Red Team 11 月 2 日发布研究文章并开源 FlashProve（Apache 2.0）：模型提供方先对权重做隐藏承诺，之后为每次回答生成零知识证明，用户不需要权重、在普通 CPU 上就能验证回答确实来自该模型，可用来识别中转站偷换模型或 token 流被篡改。官方口径：Llama 4 Maverick（400B MoE，4-bit）上单张 H100 约 110 token/秒，每个 1,024 token 请求的证明约 19 MB，GPU 时间约为 vLLM 推理的 70–95 倍。这是不再维护的研究原型，上下文只支持 1,024 token、只覆盖整数化模型的贪心解码。Anthropic 工程师 Steve Weis 在 X 上转发了这次发布。

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

Randall Balestriero 与 Yann LeCun 10 月 29 日在 arXiv 发布论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》（2610.39302），署名单位为 Brown University、NYU 和 AMI Labs。论文证明：只要正样本对是同一场景的两次观测（「好视角」），分别在不同模态上训练的 JEPA 会学到只差一个旋转的相同表征；而 next-token prediction 相当于「坏视角」的 JEPA，所以语言模型只能靠堆规模才与视觉对齐。作者称，好视角达到同等对齐只需 next-token 的 1/42 训练样本，109M 文本 JEPA 在 DINOv2 对齐上得 0.184，高于 Qwen2.5-72B 的 0.154（论文作者口径）。代码与在线 Demo 已开放；Balestriero 的发布帖约 1,054 赞、7.2 万浏览。

查看大图

生物科技初创公司 Exin Therapeutics 联合创始人兼 CEO Gabriel Ocana-Santero 10 月 28 日在 X 上披露：一个 AI 智能体从 19 种基因治疗载体中选药、选脑区、从 3 篇论文推导坐标，并驱动立体定位机械臂向癫痫模型小鼠脑内注射 250 纳升。WIRED 报道称团队先试 Claude Opus 5.5 被拒，改用 Sonnet 5 完成；兽医把关每个不可逆步骤，结果尚未经同行评审。

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

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

Anthropic 平台工程负责人 Katelyn Lesse 在 Latent Space 播客（10 月 27 日上线）中说，上周已全量上线用 Rust 写的 Messages API：原系统是吃 CPU 的 Python 单体，团队起步时「一个 Rust 开发都没有」，人负责系统设计和验证，Claude 写实现，再用影子流量比对新旧两套输出。她给出的粗略数字是 CPU 少约 40–50%，首 token 延迟改善约 10–20%。这段片段被 Somi（@somi_ai）剪出后在 X 上获得 1,000+ 点赞、约 14 万次浏览，swyx 等人转引，讨论焦点是「别搞大重写」这条老经验是否已经过时。以下观点属于 X 讨论，数字为 Lesse 口头估算，Anthropic 尚未发布书面工程报告。

查看大图

Krea 于 10 月 29 日发布 Ad Studio，这是首个 Krea 3 Expert（专精单一任务的 Krea 3 版本）。粘贴品牌网址后，它会自动生成可编辑的品牌套件和产品目录，再按投放位一次批量生成最多 12 条广告，并可通过 Krea MCP 服务器在 Claude 中调用。

查看大图