AI 编程实时动态与要闻

AI 编程 Agent 公司 Factory 10 月 29 日 22:31（UTC）在 X 和官方博客发布 Droid 1.0，称这是其 agent harness 迄今最大的一次更新。核心变化是把程序化工具调用（PTC）设为默认：模型写一段 JavaScript 脚本，在沙箱里一次跑完多达上百次工具调用。官方自测 Terminal-Bench 4 中，用 GPT-6.1 Sol 通过率 57.6%（每个通过任务 $0.79），用 Claude Opus 5.5 通过率 65.2%（$4.73），均高于同模型下的 Codex、Claude Code、Cursor、OpenCode 和 Devin。

查看大图

赛门铁克 Threat Hunter 团队 10 月 29 日披露：一个未授权 AI 中转服务自 2026 年初起在约十几家机构出现，以中国大陆为主。用户先用 npm 装正版 Codex 或 Claude Code，再运行中转商给的一行脚本，脚本改写 ~/.codex/config.toml 或 ~/.claude/settings.json，把 base_url 指向中转域名、换成中转 key，并把沙箱设为 danger-full-access、关闭遥测。官方强调这不是 CLI 漏洞，目前也没发现运营方滥用权限。

查看大图

微软 10 月 28 日在 GitHub Universe 期间宣布，把支撑 Copilot Code、Copilot Studio、GitHub Copilot app、CLI 和 VS Code 的统一 agent 执行层「Microsoft Copilot harness」以公开预览形式放进 Foundry Agent Service。微软负责 agent 循环和沙箱，开发者提供指令、技能、工具和模型选择；官方称支持 20 多个前沿模型并可自带密钥。同时，托管 agent 的长任务容错能力正式 GA。harness 运行时在 12 月 1 日前免费。

查看大图

10 月 29 日，阿里云在阿姆斯特丹举办首届国际云栖大会（Apsara Conference），宣布开通荷兰首个公共云区域（两座数据中心），这是其在欧洲的第四个区域。阿里云同时计划把 ACS Agent Sandbox、Agent Security Center、AI Security Guardrails 2.0、Agentic SOC 和 STAROps 等智能体服务引入该区域，并发布新一代 Apsara Stack 混合云。合作方面，JetBrains 正与阿里云探索用 Qwen 模型驱动其 AI 编码助手 Junie，覆盖云端和本地两种场景。

查看大图

Anthropic 前沿红队（Frontier Red Team）10 月 27 日发布研究文章，称过去几个月用一个未发布的内部研究模型，在浏览器和操作系统中发现严重漏洞，并在「初始提示」后由 Claude 写出五条完整利用链：Chrome 一键远程代码执行并逃出沙箱、Safari 绕过同源策略、Android 锁屏下经 USB 取数据、Windows HTTP/3（QUIC）远程拒绝服务、Linux 多路径 TCP 零点击 root 代码执行。官方称已向 Google 报告并获分配 62 个 CVE，全部为严重或高危，已在 Chrome 156 修复；所有漏洞都按协调披露流程报告给厂商并已修复。模型名称、人工参与程度和算力成本官方未公布。

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

微软亚洲研究院（MSRA）研究团队在 arXiv:2610.26828 正式发布并开源通用智能体世界模型 WildAWM（MSR-Orchard/WildAWM）。针对当前跨平台 GUI 与网页浏览智能体（Computer-Use Agents）在训练和评测中高度依赖昂贵、慢速且不可撤销的真实物理沙盒环境的痛点，WildAWM 首创可适应野外复杂异构环境的多模态自回归世界模型架构。模型能够在接收任意智能体动作（点击、输入、滚动）后，极其逼真地预测网页与桌面操作系统下一帧的高保真视觉状态演化与 DOM 结构变化，成功替代物理沙盒，为大规模自主智能体的离线强化学习与安全预演树立了全新基座。

查看大图

10 月 20 日 PyTorch Conference 北美站上，CNCF 沙箱项目 llm-d 发布 1.0。它把 vLLM、SGLang 等推理引擎组织成一个统一的服务池，1.0 新增多租户优先级与公平调度（flow control）、路由高可用与零停机滚动升级（DisaggregatedSet）、v1 配置 API，以及面向 Agent 的会话感知路由和 Responses API 状态支持。项目由 Red Hat、IBM、Google Cloud、CoreWeave、NVIDIA 于 2025 年创立，现有 500 多名贡献者；JetBrains、DigitalOcean、Mistral 等已在生产中使用。

查看大图

Modal 10 月 19 日发布博客，宣布将为 Modal Sandboxes 引入 NVIDIA 的 Arm 架构 Vera CPU，这是它首次走出纯 x86 机群。Modal 用 50 个 Terminal-Bench 任务自建了 Agentless Agent Bench，测得在大量并发容器下，Vera 的任务吞吐最高可达同级 x86 GNR 机器的 2 倍，单任务延迟持平或更低（厂商口径）。空载串行时 Vera 优势并不明显。这批算力主要服务后台编码 Agent 和强化学习 rollout。

查看大图

针对编程智能体评测与强化学习中愈演愈烈的“篡改测试脚本刷满分（Reward Hacking）”与“静态题库过拟合”两大痛点，今日两项重磅研究给出系统性方案：CMU 团队提出弱到强验证器自动加固框架（arXiv:2610.15924），通过隔离验证沙箱与 Hacker-Fixer 攻防闭环大幅压降 Terminal-Bench、KernelBench 与 SETA 的作弊成功率，已被 Terminal-Bench 官方仓库采纳；递归环境缩放框架 RES（arXiv:2610.16397）则在不改变核心目标下递归演化执行依赖，使 Claw-Eval-Live 上的六大模型成功率暴跌 57.14~77.14 个百分点，并用生成的轨迹将 SFT 泛化性能全面拉升 7.00~14.61 个百分点。

查看大图

Perplexity 宣布以 Apache 2.0 协议正式开源支撑 Perplexity Computer 每一次智能体任务执行的底层安全沙盒平台 SPACE（Sandboxed Platform for Agentic Code Execution）。该平台采用 Rust 编写，为每个智能体任务分配独立的 Firecracker microVM（或可插拔容器运行时），并将 API 密钥凭证管控与出站网络流量审计完全置于虚拟机外部，从架构根源上阻断提示词注入导致的密钥窃取，开源首日即斩获逾 1100 颗 GitHub Star。

查看大图

Google DeepMind 宣布，由 4 个 Gemini 4 Argon 组成的智能体团队在随机生成的《Minecraft》生存世界中，仅凭代码编写与文本聊天协作，在完全无人工干预、无预探地图种子、无定制游戏外挂的条件下，历经 27 小时 14 分钟、阵亡 605 次、自主编写并调试 2,783 个 Mineflayer 程序，成功从零击杀末影龙，创下 AI 智能体首个端到端自主通关《我的世界》纪录。

查看大图

Chainguard 于 2026-10-14 同日发布 Harness、Checks 与 Workspaces。Harness 由 Chainguard 员工操作 Claude Mythos 5.1，在隔离 microVM 中构建并攻击客户应用，只交付可重放的漏洞与经验证的修复，并将上架 Claude Marketplace，目前开放 beta 候补。Checks（beta）把 CI 变成 agent 可调用的工具，运行在无凭据、可限制出网的暖启动 microVM 中并返回签名结论；Workspaces（beta）为并行 agent 会话提供 microVM 开发环境，二者均有 30 天免费试用。

查看大图

Google Antigravity CLI 于 2026-10-14（UTC）发布 1.3.5。Release Notes 新增 Auto 模式：自动批准文件编辑与安全命令，不可逆操作仍会询问；将离开终端沙箱的命令先交独立 agent 审核。可用 --mode auto、/config 的 Agent Mode，或 Shift+Tab 切换；目前支持 Linux 与 macOS，Windows 稍后。同版加入按需 /compact，并为 /diff 增加语法高亮、折叠与大文件虚拟滚动。公开文档的 modes 页抓取时仍只列 default / accept-edits / plan，以 GitHub Release 为准。

查看大图