AI 编程实时动态与要闻

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

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

亚马逊 AWS 与伊利诺伊大学厄巴纳-香槟分校（UIUC）研究团队在 arXiv:2610.22448 中正式开源 Lean4AgenticRL 框架。针对传统 Agent 强化学习过度依赖稀疏二值结果奖励（Outcome Rewards）、忽视底层工具调用与中间工作流状态的痛点，该研究首次将多级过程奖励锚定在 Lean4 交互式定理证明器的形式化模式中，提出工作流阶段归一化 GRPO 算法。训练得到的 LAR-27B 在 TerminalBench-2.1 上斩获 77.3% 高分，较基座模型提升 9.89%。

查看大图

终端编程智能体（Terminal Agents）在执行 Bash 命令行或系统自动化运维时，依赖大模型的随机自回归生成。然而一条有瑕疵的破坏性命令（如错误的 pip 包安装、冲突的环境变量修改或误删目录）会造成不可逆的环境污染，进而彻底葬送后续的排错机会。来自前沿研究团队推出了全新测试时算力扩展（Test-Time Compute）范式 Mid-Harness：不同于昂贵的全轨迹采样（Best-of-N Trajectories），Mid-Harness 在模型生成与 Harness 执行环境的“中间边界”部署动作级采样与验证器（Action-Level Verification）。在基准测试 TerminalBench-Lite 上，Mid-Harness 将基础智能体的 Pass@1 成功率从 50.00% 暴拉至 68.03%，以大幅降低的 Token 成本实现了远超传统全轨迹重试的超高执行可靠性。

查看大图

德国 Aleph Alpha 于 2026-10-03（统一日）发布开源权重 Kolibri / Kolibri-1（HF，Apache-2.0）：78B 总参、约 3.46B 激活的德英 MoE，原生上下文 262k（外推至 1M），带 reasoning 档位与 tool calling。官方同卡：LiveCodeBench v6 85.9、SWE-Bench Verified 66.4、TerminalBench 2.1 27.7。用 aleph-alpha-inference + vLLM 自托管。

查看大图

终端智能体（Terminal Agents，如 Cline、OpenHands、Claude Code）依赖概率生成模型直接向 Bash 命令行下发指令，但具备生成有效动作的能力并不等同于能够可靠执行。在实际工程中，一条错误的误操作命令（如误装依赖版本、错误删除配置或破坏系统文件）便足以永久破坏沙箱环境，使后续规划全盘瘫痪。最新研究提出 Mid-Harness，首次将测试期计算（Test-Time Compute）聚焦在模型与 Harness 的交界处。通过在动作真正下发至系统前进行多候选采样与细粒度验证，在无需改动底座生成器与 Harness 的前提下拦截灾难性调用。在 TerminalBench-Lite 评测中，Mid-Harness 将 Pass@1 从 50.00% 跃升至 68.03%，且相比盲目生成整条长轨迹，在显著降低 Token 消耗的同时获得了更高的任务完成率。

查看大图

Meta 8 月发布 30B 开源权重本地 Agent 模型 Muse Glimmer，Apache 2.0 协议，量化后权重不足 20GB，可在消费级 Mac 或单卡 PC 上运行。10 月 19 日 Meta 发布技术报告：约 29.6B 稠密架构、由 Muse Spark 蒸馏，官方跑分在 MCPAtlas、τ³-Banking、SWE-Bench Pro 等工具调用和 Agent 项目上领先 Gemma4-31B 与 Qwen3.6-27B，但 SWE-Bench Verified、TerminalBench 2.1、OSWorld 仍落后 Qwen3.6-27B。

查看大图