AI 编程实时动态与要闻

独立评测机构 Artificial Analysis 11 月 10 日公布两项新结果。在考察“让模型当 Agent 用 three.js 搭交互式 3D 网页”的 AA-3D 榜上，Claude Fable 5.2（Max）拿到 1271 Elo，比第二名 Claude Sonnet 5.5（1204）高 67 分，95% 置信区间 1246–1297 与其他模型不重叠，领先超出误差范围；比上一代 Fable 5.1（1139）高 132 分，也高于 OpenAI 最高的 GPT-6 Astra（1168）和 Google 最高的 Gemini 4 Argon（1147）。在生命科学图像推理榜 VIALS-AA 上，Fable 5.2 得 67%，超过此前领先的 Gemini 4 Carbon（64%）和 GPT-6 Astra（63%）。AA 还发现两家路线相反：Fable 每题平均约 37 次工具调用，Astra 只有约 8 次。

查看大图

西雅图初创公司 Nuance Labs 11 月 9 日发布 Nuplex 1.0（Nuance Full-duplex），一个能同时“听”和“说”的全双工音视频基础模型，以及基于它的第一个 AI 形象 Emma。Emma 在用户说话时就会点头、微笑、用视线示意轮到谁说话，而不是等对方说完才回应。官方在 1,785 个取自真实对话录音的问题上测试：Nuplex 的回复时机与原对话中真人的回复时机重合 89%，第二名系统只有 35%。Emma 免注册即可在浏览器视频聊天，Nuplex Beta API 也已开放，但官方有意做了很多限制：不能克隆真人、视频带水印、仅英语、仅限 18 岁以上，医疗和未成年人场景暂不开放。

查看大图

Google 11 月 9 日宣布，开发者可以直接在 Google AI Studio 里用 Google Maps Platform 构建应用。用户描述想法（比如“做一个纽约地标 3D 导览”），AI Studio 检测到地图需求后会弹出“Set up Google Maps Platform”卡片，一键开通 Maps Demo Key 并自动存进应用的密钥设置，预览区直接加载可交互地图。Demo Key 不需要信用卡和计费账号，每个 API 每天 100 次调用；要上线时绑定 Google Cloud 计费账号即可切到正式配额。新用户可用地图、地点、路线、天气、空气质量、3D 航拍等大部分 API，已有 Google Cloud 项目的用户免费原型阶段只开放常用子集。

查看大图

机器人基础模型公司 Skild AI 11 月 9 日宣布开源内部物理求解器 Steel（Apache 2.0），由其与 NVIDIA 合作开发，作为 GPU 刚体动力学求解器并入开源 Newton 物理引擎，服务 Isaac Lab 机器人训练。官方博客称：20 个单任务基准上几何平均吞吐为 PhysX 的 3.8 倍、MuJoCo Warp 的约 1.3 倍；把 20 类不同机器人任务混在一个批次时，峰值吞吐达 PhysX 的 13 倍，同批次规模下显存约 11 GiB 对 29 GiB。同时开源 WebGPU 版本，可在浏览器里直接体验。

查看大图

OpenAI 总裁兼联合创始人 Greg Brockman 在 X 上引用 Juozas Kaziukėnas 的帖子，只写了一句「接入 OpenAI 能带来大量生意」。被引用的帖子指出，OpenTable 与 OpenAI 的原生集成在 9 月一个月带来 19 万名就座食客，并称这可能是最大的 Agent 商务成功案例之一。这个数字来自 Booking Holdings 11 月 3 日的 Q3 财报电话会，CFO Ewout Steenbergen 亲口披露。不过同一场电话会上，Booking 也强调 AI 渠道整体流量「仍然很小」，大模型引荐占 Booking.com 间夜量「远低于 1%」。讨论焦点在于：Agent 商务到底是真增量，还是基数很小的早期信号。

查看大图

11 月 9 日，字节跳动 Seed 团队发布新一代图像创作模型 Seedream 5.5。三项主要升级：多轮编辑时非编辑区域像素级保持、消除色偏，支持围绕同一张图连续编辑 100 轮；原生输出带 Alpha 通道的透明/半透明 RGBA 素材，省去抠图；光照、材质、皮肤纹理更接近实拍，密集小字渲染更准。官方在 MagicArena 平台做专家评测：相比 Seedream 5.0 Pro，六类生产场景可用率和评分全部提升，影视与办公场景可用率翻倍以上；严重文字崩坏率 0.4%、轻微 1.7%，并称文字结构与文生图真实感领先 GPT Image 2.5 Sunburst 和 Nano Banana 2.1。以上均为厂商口径，没有第三方公开榜单。中文版博客称正陆续上线即梦、豆包、豆包工作和火山方舟；英文版称即将登陆 Dreamina、CapCut 和 BytePlus。后续还会推出 Pro 版本。

查看大图

阿里巴巴淘宝 MNN 推理引擎团队于 2026-11-04 在 GitHub alibaba/MNN 与 Hugging Face（taobao-mnn）发布 MNN-Pocket-0.3B，这是一个与 MNN 推理栈协同设计、面向手机 App 的约 3 亿参数中英双语指令模型，Apache 2.0 许可。官方模型卡称：INT4（W4A16）QAT 构建仅 173MB，支持 32K 上下文，在 iPad Pro M5（Metal）上解码最高 466 token/s，iPhone 18 Pro 实测约 350 token/s；在 11 项中英评测上平均 50.00，高于 Qwen3-0.6B（44.28）等更大的约 5 亿参数基线（均为官方口径）。同系列还放出 Base、SFT、GGUF、MNN 端侧包和一次前向即作答的 Dec 决策模型。11-08 起已有第三方 iOS 应用 Local LLM 接入、社区转出 LiteRT 版本。官方明确不建议用于高阶数学和长代码生成。

查看大图

腾讯于 2026-11-07 14:20 UTC 在 Hugging Face 发布 tencent/Qwen3.8-27B-DSpine-b16：一个约 2B 参数、5 层的投机解码草稿模型，块大小 16、8,192 Token 滑动窗口，Apache 2.0 许可，配套代码在 GitHub Tencent/DSpine，论文为 arXiv 2609.36173。模型卡（厂商口径）显示，在 SGLang 0.5.22、BF16、并发 8 的条件下，SWE-bench Pro 回放在 xhigh 推理下输出吞吐从约 248 提升到约 791 tokens/s（约 3.19 倍），官方 DFlash2 为 2.87 倍；10 组 Agent 场景接受长度全部高于 DFlash2。注意 DSpine 每块草拟 16 个 Token，DFlash2 为 8 个，配置并不完全相同，结果尚无第三方复现。

查看大图

2026-11-07 起，X 上大量开发者吐槽 Claude Opus 5.5 在 Claude Code 里「变笨」：不听指令、反复犯错、动辄拉起子 Agent。用户 Shane Melaugh（@shanemelaugh）发帖称，他让 Gemini 4 Argon 分析了自己 1,400 个 Claude Code 会话，发现 11 月 3 日前后模型名没变、推理方式却明显转向；该帖抓取时约 966 赞、134 条回复、11 万展示。T3 CEO Theo（@theo）随后称，他进一步排查后认为 Anthropic 似乎在按账号逐步调整推理摘要器（reasoning summarizer），他本人没看到能力下降。截至发稿 Anthropic 未就此公开回应。这是社区讨论，不是已证实的降级，也不是官方公告。

查看大图

Google 与滑铁卢大学在 arXiv（2611.08452，2026-11-05）发布 ReproBridge：把 Agent 复现论文时摸索出的代码修复、环境配置、启动脚本和复现指南固化为标准化产物。配套 ReproBridge-Bench 含 36 篇论文、387 个实验、1,029 个任务。作者口径：Sonnet 4.6/Sonnet 5/Opus 5/Gemini 3.8 Flash 平均成功率由 76.4% 升至 92.6%，API 花费平均降 19.7%。

查看大图

2026-11-06，Amp（ampcode.com）宣布上线 Spaces：Space 是与单个协调 Agent 的对话，由它理解目标、拆解任务并创建/协调并行线程，无需用户手工建线程。官方示例含功能共创、服务账号发布运维、安全审查（拆成 16 个区域并行审）。侧边栏 Spaces 区点「+」设标题与项目即可开始；团队可在同一聊天评论，仅 @amp 时 Agent 才读评论。

查看大图

Klavis AI 于 2026-11-04 发布长程编码基准 Multi-step SWE（arXiv 2611.07166）：69 个软件工程任务、共 574 个环环相扣步骤（每题 5–15 步），工作区持续保留 Agent 自己写的代码。九家前沿模型×harness 评测（厂商/论文口径）：最强 Claude Opus 5.5 / Claude Code 整任务解决率 18.5%、单步通过 56.8%、Pass@4 31.9%；38/69 题无人解出。任务、评测代码与轨迹已公开。

查看大图

2026-11-06 Reflection 官方账号发布 Beam 模型技术报告（156 页 PDF），完整披露这款 501.3B/23.4B 激活 MoE 开源模型的训练方法：23.8T Token 预训练、6,144 张 GB300 不到 4 周完成，后训练在约 10.5K 张 GB300 上跑 4 周、生成超 1 亿条 rollout 的全异步 RL。报告称 FP8/NVFP4 量化分别保留 99.93%/98.98% 的中位分数，1.93B 草稿模型 DFlash 2 单请求解码提速 1.96–3.03 倍（均为厂商口径）。

查看大图