AI 编程实时动态与要闻

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

扩散智能 DiffuSpace（成员来自推出 Dream 7B 的港大 NLP 实验室）10 月 28 日发布首个模型 Clover-35B-A3B-Preview：基于 Qwen3.6-35B-A3B 初始化的 MoE 扩散语言模型，总参 35B、激活约 3B、128K 上下文，按块并行去噪生成。官方口径下 SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、GPQA Diamond 83.8，单张 GB300 上 Agent 场景生成速度 680 tokens/s。权重 Apache 2.0，已上 Hugging Face、ModelScope 和 GitHub，支持 SGLang 与 llama.cpp。

查看大图

上海人工智能实验室把 Atria Dawn 从 Preview 升级为正式版，Hugging Face（internlm/Atria-Dawn 及 FP8 版）与 ModelScope 均已上线开放权重，MIT 许可。模型基于 744B 参数 MoE 的 GLM-5.2，面向科研与工程类长程智能体任务，上下文从 Preview 的 256K 翻倍到 512K，仅接受文本输入。官方表格显示其在 AutomationBench、CyberGym、SkillsBench 等智能体基准上领先所列模型，但在 SWE-bench Pro、Terminal-Bench 2.1 等编码基准上仍落后 Claude Opus 5（均为厂商口径）。

查看大图

Mirendil 10 月 26 日发布首个模型 Fern，基于自研 Mirendil-Base（0.1–0.5T 参数）从零预训练，上下文窗口最长约 1000 万 token，约等于 50 万行代码或数天的 Agent 轨迹。Fern 0.1 只做了一轮短后训练，主打审计训练数据、看日志排查训练故障、通读 Agent 轨迹等 AI 研发场景。官方口径：SWE-Bench Verified 73.4%、RULER 单针检索在 10M 长度仍为 100%，但多跳问答在 10M 降到 45%。目前仅开放早期申请，未公布价格和权重。

查看大图

在 arXiv:2610.25834 中，跨国研究团队正式发布业内首个专门评估 Coding Agent 大规模、面向物理性能代码重构能力的基准 FrontierRefactor。与传统仅考量“功能测试能否通过”的 SWE-bench 不同，FrontierRefactor 涵盖 7 种主流编程语言、跨越 10^1 至 10^4+ 行代码规模的 60 个符合阿姆达尔定律（Amdahl's law）的严苛工业级工程任务。测试揭示了惊人的行业现状：超过 41% 的智能体生成补丁虽然 100% 通过了功能等价性测试，却并未带来任何实际物理加速，其中 19.3% 甚至引发严重的运行时性能回退，展现了引入多轮执行耗时反馈机制对自主重构智能体的决定性意义。

查看大图

由 Richard Socher 创办的 Recursive 正式开源 39.8B（40B）混合专家（MoE）编程智能体模型 Flint（RecursiveSI/flint），采用 Apache 2.0 协议并在 Ollama（ollama run flint）与 llama.cpp 全面开箱即用。该模型每 Token 仅激活 2.5B 参数，拥有 262K 超长上下文，在 M4 Pro MacBook Pro 上可实现 125+ tokens/秒的超高速本地推理。在 SWE-bench Verified 取得 74.2%、SWE-bench Pro v2 达到 89.7%，成为 50B 以下端侧运行最强编程智能体底座。

查看大图

10 月 21 日，Richard Socher 创办的 Recursive 发布首个模型 Flint：39.8B 总参数、每 token 约 2.5B 激活的 MoE 编程模型，权重以 Apache 2.0 发布在 Hugging Face。官方称它在 50B 以下 MoE 模型中的 SWE-Bench Pro v2、Terminal-Bench 2.1、SWE-Bench Verified 上领先，在 M4 Pro MacBook Pro 上超过 125 tok/s，并称几乎整个建模栈由其自动化研究系统 Eureka Machine 参与完成，从零到发布不到 4 个月。

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

Meta AI 研究团队正式公开 Muse Glimmer 30B 技术报告（arXiv:2610.24628）。该模型包含 300 亿参数，采用因果语言模型结合视觉感知编码器，专为无须依赖云端基础设施的端侧本地自主智能体打造。模型经由 4-bit 量化后仅需 32GB 显存，即可在单张消费级 GPU（如 RTX 5090）上全速运行。在严格的智能体基准测试中，Muse Glimmer 刷新同体量端侧模型纪录：MCPAtlas 工具调用得分高达 75.5（超越 Gemma4-31B 的 54.2 与 Qwen3.6-27B 的 62.5），在 SWE-Bench Pro 实测中斩获 51.2 分，并在 Apache 2.0 协议下完全开源。

查看大图

针对业内盲目推崇多智能体并发（Sub-Agent Concurrency）的狂热，最新实测研究对 Claude Code、Codex 与 Kimi Code 在开启/关闭原生 Sub-Agent 模式下进行了 2,124 次对比测试（覆盖 354 项任务，消耗超 2 万美元 API 额度）。结果显示：在 100 项标准 SWE-bench Verified Bug 修复中，开启 Sub-Agent 导致 Claude Code 成功率从 83% 骤跌至 59%，Kimi Code 从 77% 跌至 59%，且 Token 消耗激增 1.41~3.31 倍。研究揭秘了并发死锁、提前终止与文件覆盖三大致命缺陷。

查看大图

前沿 AI 初创公司 Inception 联合创始人 Stefano Ermon 宣布正式推出新一代扩散架构大语言模型 Mercury 3。模型在 NVIDIA GPU 上实现高达 1,068 Token/秒的超高生成吞吐，参数量达到前代 Mercury 1 的 40 倍并支持 100 万（1M）Token 原生上下文。在 IFBench、GPQA Diamond 与 SWE-Bench Atlas 基准上全面对标前沿闭源基线，输入/输出百万 Token 标准定价为 0.20 / 0.70 美元（上线期半价优惠仅需 0.10 / 0.35 美元）。

查看大图

Inception 10 月 19 日发布 Mercury 3，称其为迄今最强的扩散式大语言模型（dLLM）。官方口径：参数规模是 Mercury 1 的 40 倍以上，输出速度 1068 token/秒，上下文从 Mercury 2.5 的 26 万扩到 100 万 token，在 GPQA Diamond、IFBench、SWE-Bench Atlas 等基准上超过 GPT-6 Luna 与 Claude Haiku 5.5（均为 medium 档）。标价每百万输入 0.20 美元、输出 0.70 美元，首发五折。已上线 Inception API、OpenRouter、Baseten 和 Vercel AI Gateway，兼容 OpenAI API。跑分均为厂商自测，暂无独立复现。

查看大图

NVIDIA 于 10 月 16 日在 Hugging Face 上架 Nemotron-Labs Dory1.0-4B：20 层共享循环块可在推理时跑 1/2/4 轮，一份权重换不同算力档位；官方口径 4 轮 SWE-bench Verified 61.8，接近 Qwen3.5-9B。提供 BF16/MXFP8/NVFP4/GGUF，OpenMDW-1.1 许可。

查看大图

Liquid AI 10 月 13 日发布 LFM2.5 家族最大也是最后一款模型 LFM2.5-24B-A2B：总参 24B、每 token 激活约 2.45B，131K 上下文，强制先思考再回答。厂商口径下在 8 项工具/Agent 基准中 5 项领先或持平 Qwen3.6-35B-A3B（AutomationBench 27.69 vs 8.72），但 SWE-Bench Verified、GPQA 等知识与编码项落后。权重已上 Hugging Face，并有 GGUF/MLX/FP8/ONNX 版本；API 定价 $0.10/$1.00 每百万 token，OpenRouter 同步上架。

查看大图