AI 编程实时动态与要闻

Nous Research 于 2026-11-05 发布 Hermes Agent v0.23.0（The Hearth）。自有 Gateway 可在浏览器提供完整 Desktop；CLI/TUI/Desktop/编辑器/Bot/cron 共用单一会话权威；插件目录约 600→1050+；并带来对话 rewind、终端内联图片与付费 MCP 花费上限。官方：约 1950 个合并 PR、666 名贡献者。

查看大图

BenchFlow 团队于 11 月 5 日公开 FrontierPhysics（arXiv:2611.06910）：由 42 位物理学家基于本人研究贡献 56 项任务，覆盖 9 个领域；智能体需完成文献、计划、实验与可验证产出及论文。22 个模型、26 种配置下，没有任何配置在 168 次 rollout 中通过超过 46 次；最高约 27.4%（Claude Opus 5.5 + Claude Code）。人工复盘显示主要短板是严谨推理与专家直觉，而非缺物理知识。Artificial Analysis 表示将合作托管评测。

查看大图

Anomaly 团队 10 月 12 日发布开源编码 Agent OpenCode 2.0 的正式说明：本地自动常驻一个后台服务，终端、Web 与桌面端共用同一进程；重写服务端 API 并推出 @opencode/client；内置 @opencode/codemode 让模型写脚本组合 MCP/OpenAPI 工具，所有 MCP 默认进入 Code Mode；新增后台子代理与后台 Shell；80+ 内置功能改为插件并支持热重载；@opencode/sdk 可把 OpenCode 当库嵌入。1.x 插件与旧服务端 API 不兼容。

查看大图

大语言模型（LLM）智能体是否真正具备从环境试错中归纳因果并自主进化的能力，一直是人工智能领域最具争议的核心命题。现有的各类 Agent 评测基准大多基于现实世界的标准任务（如编写 Python 脚本、操作标准操作系统），但由于这些知识早在预训练语料中被大模型反复咀嚼，导致评测极易产生‘模型究竟是在实时学习，还是在从记忆中检索已知答案’的严重数据混淆。由学术研究团队在最新成果（arXiv:2610.08215）中正式发布了开源基准 Learn2Play-Bench（开源代码：github.com/liushiliushi/Learn2Play-Bench，主页：liushiliushi.github.io/learn2play-bench-website）。Learn2Play-Bench 专门构建了一系列规则全新、反常识且高度异构的交互式文本世界，强制智能体必须完全摆脱先验记忆的庇护，仅通过执行动作与反馈闭环来探索并领悟隐藏的运行法则。评测揭示了颠覆性的核心发现：保留全量交互原始动作与反馈日志（Full Log Retention）在促进规则学习上决定性地优于大模型自主归纳提炼的文本规则摘要；与此同时，驱动 Agent 的‘脚手架框架（Harness）’设计对学习成败的影响甚至超过了底层基座模型本身的参数规模，官方代码与全量游戏环境现已开源。

查看大图

随着混合专家（MoE）与大小模型协同推理技术的爆发，Token 级动态模型路由（Token-Level Routing）成为平衡生成质量与算力成本的最优解法：让小模型快速生成易词，遇到关键决策或难词时动态无缝路由至大模型。然而，现有的 vLLM、TGI 等大模型推理服务引擎均基于单模型运行设计，在面对跨模型的 Token 级频繁流转时面临严重的‘步骤去同步化（Step Desynchronization）’、批处理准入延迟激增以及异构集群开发极其繁琐的工程瓶颈。来自清华大学电子工程系 NICS 实验室的研究团队在 NeurIPS 2026 接收论文（arXiv:2610.12242）中正式开源了高性能服务系统 TokenRouter（代码：github.com/thu-nics/TokenRouter）。TokenRouter 提出了‘以请求为中心编程、以模型为中心执行’的创新范式，开发者仅需以单请求视角编写简洁的路由逻辑，底层系统则负责将其解耦为异步协作流。系统引入了基于离散时间马尔可夫链数学建模的‘延迟批处理调度器（Delayed-Batching Scheduler）’，配合‘解耦三循环（Decoupled Tri-Loop）’与毫秒级移交恢复机制（Handoff-Resume），在多种主流路由算法与异构模型组合上实现了比现有前沿系统高出 2.01 倍至 64.15 倍的解码吞吐量提升，官方代码现已开源。

查看大图

Prime Intellect 10 月 9 日发布 Rust 版 Prime Agent：由一个根编排智能体调度 2,209 个子智能体、10,000+ 个 Prime Sandboxes、约 2,287 亿 GLM-5.3 Token，在两周内把 TypeScript 版编码 Agent 端到端移植为 Rust，并用 TUI/协议/会话差分测试保证行为一致。官方实测冷启动可输入延迟从 737.8ms 降至 55.8ms，启动后内存 607MB→106MB，同时新增 Windows（beta）与 Homebrew 安装，仍保持开源。

查看大图

mvschwarz/openrig 用 rig（编队）包住多个 harness：YAML 定义 seat/角色/队列，本地 daemon+TUI 把 Claude Code、Codex 与合格监督下的 Pi 跑成一支可交接、可恢复的工程团队。本跑 GitHub API：★4482 / forks 306；npm @openrig/[email protected]（2026-10-02T05:45:35Z）。近一周 npm 下载约 4560。

查看大图

Charm 终端编码 Agent Crush 于 2026-09-29 连发 v0.97.0 / v0.97.1（npm @charmland/[email protected]）：可在 UI 全局/本地开关 MCP；会话区显示当前 Git 分支；推进 Claude Channels 会话注入与 exactly-once 路由；侧栏可用 ctrl+b 显隐；并修复 Anthropic cache-creation token 计数、剪贴板误报与 OpenAI OAuth（Catwalk）刷新。相对 v0.96.0 约 36 commits。

查看大图

Docker 于 2026-09-28 发布 cagent（docker-agent）v1.145.0：在 Agent Client Protocol（ACP）请求上透传 W3C traceparent/tracestate，并为已实现的 13 个协议处理器挂上服务端 span，便于把 agent 会话接入现有 OpenTelemetry/分布式追踪。同期新增 Lint/FieldsSeqLookup 与 Lint/SlicesConcat 代码质量 cop，并修复 lean TUI 在流式部分工具调用时滚屏历史被冲掉的问题。

查看大图

OpenAI 于 2026-09-28 发布 Codex Rust 线 rust-v0.158.0（npm @openai/codex 0.158.0）：支持需预注册 OAuth client secret 的 MCP（含 codex mcp add --oauth-client-secret）；exec-server WebSocket 可用 bearer 加固；全屏 TUI 可配置 copy-on-select/右键粘贴且保留 Markdown；图像生成/编辑可显式透明背景。默认为提权命令开启终端审批，并修复 Win10/Linux/macOS 沙箱与审批重试等一批稳定性问题。

查看大图

Docker Engineering 于 2026-09-25 发布 docker-agent / cagent v1.144.0。本版把 Agent Client Protocol（ACP）v1 兼容面做宽：会话删除与 elicitation、模型推理/安全选项（session/set_config_option）、经客户端 terminal/create 跑 shell、session 生命周期内挂载 Streamable HTTP/SSE 远程 MCP、主机凭证认证与登出、音频 prompt 与有界历史回放。沙箱新增 --cloud 与 v3 kit，可在无本机 Docker 依赖下跑沙箱。另有多条 TUI 渲染性能与沙箱/文件系统隔离修补。面向要把 Agent 嵌进 IDE/网关并统一 ACP 线的团队，这是一次协议面与运维面的齐套升级。

查看大图

腾讯混元团队（Tencent Hunyuan，@TencentGlobal）联合复旦大学 NLP 实验室（黄萱菁、张奇团队）正式开源了面向前沿 AI 系统的科学自主探索评测基准 ExplorationBench（arXiv: 2609.30199，项目主页: explorationbench.com）。面对现有模型在传统科学考题中仅仅依赖海量预训练数据的“死记硬背”、难以判定其是否具备真正科学探索与假设验证能力的行业难题，团队开创性构建了由 AlienCode 与 AlienLogic 两大交互沙箱组成的“可验证外星世界（Alien Worlds）”。沙箱底层运行与人类现实常识截然冲突的确定性新物理/代码法则，系统必须自主提出假说、设计实验调用工具并闭环验证真伪。

查看大图