AI 编程实时动态与要闻

11 月 9 日，LG AI Research 在首尔 NVIDIA AI Day 上宣布，通过 EXAONE API 平台（docs.exaone.ai）免费开放 K-EXAONE 2.5 API，开发者、初创公司、企业和研究机构领取 API Key 即可用于服务开发与研究。K-EXAONE 2.5 是在 8 月发布的 K-EXAONE 2.0 基础上加训的技术验证模型：750B 总参数、31B 激活，纯文本，支持韩语和英语，上下文 512K，接口兼容 OpenAI。LG 自测四项 Agent 基准：SWE-Bench Pro 59.2、BrowseComp 78.0、AutomationBench 74.6、Claw-Eval 77.3，整体与 DeepSeek-V4.1-Flash、GLM-5.3 相当，但没有一项全面领先。NVIDIA 表示该模型训练用到了 Nemotron 数据集。官方未公布免费期限和额度，也未开放 2.5 权重。

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

微软 Foundry 团队于 2026-11-05 发博：Foundry Local CLI ≥0.13.0 可用 ONNX Runtime 在本机跑 4bit Qwen3.8-27B（权重约 18GB），经 Bring Your Own Key 接到 GitHub Copilot。需 NVIDIA ≥24GB 显存（24GB 时上下文约 64K；≥32GB 可达模型上限 262K）。官方引用模型卡口径 Terminal-Bench 2.1 73.0、SWE-bench Pro 61.7；并称在 RTX 5090 / DGX Spark 上生成速度优于同量化的 llama.cpp。Mac/AMD 尚在路线图。

查看大图

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

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

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

现有的软件工程 Agent 基准（如 SWE-bench）几乎完全依赖从 GitHub Issue 派生的单向任务：给入一段 Issue 描述，让 Agent 尝试在单次多轮尝试中输出最终 Git Patch。然而，真实世界中的软件工程师真的是这样使用 AI 助手的吗？JetBrains 研究院在最新成果（arXiv:2610.09633）中公布了针对 JetBrains IDE 生产环境中 4,782 场真实软件工程师与 AI 交互会话（Production Sessions）的深度实证分析。研究发现，包含至少 3 轮交互的长会话呈现出截然不同的‘任务流（Task Flow）’：开发者的请求绝非单一的代码修改，而是跨越项目代码咨询答疑、架构规划、代码审查、功能重构与编译执行等多重任务类型的动态混合与频繁跳转。现有基准的单向任务模式严重脱离实际。为此，团队推出了 SWE-TaskFlow 框架：通过 Prompt 切分与可验证仓库问答技术，将任意 Issue 基准转换为贴合真实工程节拍的交互任务流，并提出 TaskFlow Alignment Score（TFAS）筛选真实轨迹。在 700 个 SWE-Bench Pro 任务的实测中，顺序多步交互协议使 Agent 算力成本翻倍但成功率未见稳定提升，证实交互协议本身是决定 Agent 实用价值的关键维度，论文与方法论已全面公开。

查看大图