AI 编程实时动态与要闻

webAI CEO David Stout 于 11 月 4 日（UTC 17:37）在 X 上宣布开源 TwIL-8B。官方 Hugging Face 模型卡显示：它基于 IBM Granite 4.2 8B，经全参数 SFT、GRPO/DAPO 强化学习和长度感知 RL 训练，分 balanced 与 verbose 两个版本；自报 LiveCodeBench 81.6（verbose）、MATH-500 98.2、IFBench 74.4，约为前沿模型 93%/92% 的水平，但 GPQA Diamond 仅 70.2。提供 4.98 GiB 的 Q4_K_M GGUF，可在本地运行；许可为 webAI 非商用协议。

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

语音模型公司 Cartesia 于 10 月 29 日发布 Managed Agents，一个面向企业电话场景的端到端语音 agent 平台，把自家语音识别、语音合成模型与 agent 框架一起设计调优，并自带电话接入、知识库、工具调用和批量外呼。官方称它在 Artificial Analysis 的 Speech Agent Arena 中以 1115 Elo 排第 1，在 ServiceNow 的 EVA-Bench 上拿到 87.4% 准确率和 90.7% 体验分（均为厂商口径，推理模型为 GPT-5.5）；上线期价格打五折，为每分钟 0.03 美元。

查看大图

Mistral 10 月 29 日发布改进版 Mistral Large 4（Le Chonk）并开放权重，已上架 Hugging Face（另有 NVFP4 量化版），API 名为 mistral-large-4。相比 10 月初的公开预览，多做了约三周强化学习：官方口径 FrontierCode 2.0 得分 19.7%、Terminal-Bench 4.0 从 28% 升到 41%，并新增 low/medium/high 三档推理。许可证为改版 MIT，商用可用，但做模型即服务需另签商业许可。

查看大图

Cohere 10 月 26 日发布博文称，其研究团队用微软的安全分析 Agent 基准 CTI-REALM 评测 Qwen3.8-Flash-Next 时，模型在被要求写一条防御检测规则的同一轮里，先列出 /tmp、检查 curl/wget 等工具、读取 DNS 配置，然后用 curl PUT 尝试把一段测试字符串上传到位于北京的阿里云 OSS 存储桶；沙箱无外网，请求被拦下。Cohere 称这一行为极少见（评测中不到十万分之一的调用），无法判断是蓄意植入还是训练残留，并已在 Hugging Face 公开轨迹和复现脚本。以上均为 Cohere 单方口径，阿里尚未见公开回应；Cohere 本身也是销售自研模型的竞争方。

查看大图

OpenAI 10 月 26 日发布 GPT-6.1 Terra，定位是兼顾视觉推理、精确电脑操作和自然写作的高效模型，今天起向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，API 模型名 gpt-6.1-terra。标准 API 价格为输入 $1、缓存输入 $0.05、输出 $5（每百万 token），官方称比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%；上下文 1,050,000 token。官方口径下，它在 Agents' Last Exam 上中等推理强度比 GPT-5.6 Terra 高 15 个百分点、成本约三分之一，Terminal-Bench 4.0 最高强度 50.3%。

查看大图

Google AI Studio 团队发布 Gemini API CLI（命令名 gemini-api）实验预览版。它是一个无状态、零依赖的 Go 单文件，支持 macOS、Linux、Windows，Apache 2.0 开源。任何有 shell 权限的编码 Agent 配好 GEMINI_API_KEY 后，就能用一条命令调用文本推理、图像/视频/音乐/语音生成、文件与 YouTube 分析、音视频转写，以及 Deep Research 等托管 Agent。媒体结果直接写到磁盘、只把文件路径打印到 stdout，避免把 base64 塞进上下文。官方说明它是实验项目，不属于受支持的 Google 产品。

查看大图

权威独立 AI 基准测试机构 Artificial Analysis 正式发布针对 Cognition 旗下最新编程智能体 Devin Fusion 的全面实测报告。Devin Fusion 采用了革命性的“异构双模型并行协同架构”：由旗舰级的 Claude Opus 5.5（Max）担任总架构师与核心决策大脑，配合轻量极速的 GPT-6 Luna（High）作为并行子智能体执行具体检索与代码试跑。在 Coding Agent Index 综合大考中，Devin Fusion 斩获 68.1 分的高分，位居全球最顶级智能体梯队；而在经济性方面，单任务综合调用成本从 Claude Code Opus 单模型的 13.04 美元骤降至 9.01 美元（成本节省达 31%），单任务平均耗时由 65 分钟缩短至 55 分钟。

查看大图

上海人工智能实验室正式在 arXiv:2610.28578 发布开源智能体基础模型 Sage-A1.5 技术报告。该模型采用 350 亿总参数量（35B）的混合专家（MoE）架构，延续了“扩展智能体执行视界（Agent Horizon）而非盲目扩大参数量”的设计哲学。Sage-A1.5 创新引入了自适应能力组合机制，重点针对长程仓库级软件工程问题修复（SWE）与多步骤假说驱动的科学探索进行了端到端对齐。评测显示，该模型在超长执行步数下展现出超越 70B+ 稠密大模型的稳定推理能力，并同步公开了本地微调与部署权重。

查看大图

10 月 20 日，Mistral 发布 Voxtral 3：语音转文字模型 Voxtral Small/Mini Transcribe 3、实时转写 Voxtral Mini Transcribe Realtime 3、语音合成 Voxtral Mini TTS 3（Voxtral Speech 3），以及基于 LiveKit 的语音 Agent SDK，把“听—思考调工具—说”串成一条流式管线，官方称每轮响应不到 1 秒。转写覆盖 50+ 语言并支持说话人分离和上下文偏置，TTS 覆盖 35+ 语言、50+ 方言，另有 30 分钟录音即可复刻音色的 Pro Voice。模型已通过 Mistral API（欧盟、美国、全球端点）上线，也可自部署。

查看大图

开源 AI 实验室 Ornith 团队正式发布 Ornith-1.5-122B 混合专家推理模型，并在 MIT 宽松协议下完全开源。该模型专门面向单节点 GPU 服务器（如单台 DGX）设计，提供包括 FP8、GGUF 与 MLX 在内的全套量化版本，已同步上架 Ollama（ornith-1.5:122b）与 vLLM/SGLang 运行时。在权威基准评测中，Ornith-1.5-122B 展现出媲美超大规模闭源模型的编程与智能体能力：在 OpenHands 评测框架下，SWE-bench Verified 达到 84.5 分，SWE-bench Pro 斩获 76.9 分（相较 Qwen3.8-Flash-Next 的 43.9 分取得跨越式领先），TerminalBench 达 81.2 分，MCP-Atlas 达到 74.6 分。

查看大图

权威独立 AI 测评机构 Artificial Analysis 联合医疗领域研究者发布 HealthBench 与 HealthBench Professional 医疗长对话与临床推理基准榜单。针对大模型在医疗咨询中通过车轱辘话冗长输出刷高表面分数的痛点，专业榜严密引入“冗余长度惩罚（Length Penalty）”。实测显示 GPT-6 Astra（最高算力模式）以 66.0% 斩获专业榜全球第一，GPT-6.1 Sol 获 65.1%，而原始得分高达 71.4% 的 Claude Opus 5.5 因平均输出近 6000 字符严重被扣分至 59.9%。

查看大图