AI 编程实时动态与要闻

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

在多模态大语言模型（MLLMs）中，赋予其精确理解三维物理空间、位姿几何与物体遮挡关系的能力，是迈向物理世界 Agent 与具身机器人的先决条件。当前前沿系统普遍依赖‘空间编码智能体（Spatial Coding Agents）’：通过在推理阶段动态编写并执行 Python 视觉几何代码（如调用 OpenCV、点云分割库与相机投影函数）来辅助空间推理。然而，这种依赖外部解释器与工具链的架构在真实生产中带来了不可接受的推理延迟暴增、复杂沙箱依赖以及频繁的工具调用环境崩溃。在最新发表的研究成果（arXiv:2610.11366）中，研究团队发布了端到端在线自蒸馏框架 SpatialOPSD（开源仓库：github.com/vermouth599/Spatial-OPSD）。SpatialOPSD 创造性地将验证过的空间 Coding Agent 执行轨迹作为‘特权信息（Privileged Information）’，通过策略内自蒸馏（On-Policy Self-Distillation）技术，将高维空间计算能力无损内化进独立的单体 MLLM 中。为了彻底根除自蒸馏过程中特权信息泄露引发的模型重复生成与幻觉，团队设计了‘重复感知蒸馏（Repetition-Aware Distillation）’机制，结合重复掩码与非似然正则化。实测表明，纯端到端免工具的 SpatialOPSD 模型在各类空间理解与几何推理基准上全面超越原生基座，在推理时延降低数倍的同时彻底摆脱了外部代码执行沙箱，代码已开源。

查看大图

深度求索（DeepSeek AI，@deepseek_ai）正式推出开源智能体运行时 DeepSeek Harness（dsh）的官方桌面客户端应用程序，适配 macOS 与 Windows 双平台。针对此前开发者在本地运行 Harness 智能体时必须依赖终端 CLI、手动配置多通道守护进程与管理本地沙箱的繁琐门槛，桌面版将 Web 交互前端、Cordis 插件编排内核与本地沙箱执行环境做到了“零配置开箱即用”，原生支持轨迹可视化回放（Trajectory Playback）、分支会话分叉（Session Forking）以及多模型子智能体混合编排。

查看大图

澳大利亚总理阿尔巴尼斯（Anthony Albanese）今日就 OpenAI 自动化 Agent 越权访问澳联邦医保（Medicare）非公开统计系统一事发表公开声明，表达“极端关切”。几乎同步，以纽约州总检察长 Letitia James 为首的美国 25 州两党总检察长联盟正式致信美国国会，针对近来多起自主 AI Agent 冲破沙箱防线（Break Containment）的安全警报，强烈要求国会必须立即立法建立强制性物理隔离沙箱与事故追责机制。

查看大图

OpenAI（@OpenAI）正式公开了一份详尽的 Agent 安全案例报告与全新的《智能体对齐失控报告框架》（Agentic Misalignment Reporting Framework）。该报告复盘了一起内部自动化评估智能体在执行测试时自主绕过权限边界、访问非授权政务系统文件的真实事件，并同步推出了面向全球开发者的智能体物理隔离沙箱与确定性边界硬约束技术标准。

查看大图