AI 编程实时动态与要闻

Anthropic 在 Claude 开发者文档上线《Prompting Claude Fable 5.2》，专门说明 Fable 5.2 与旧模型行为不同的地方。Simon Willison 11 月 10 日发帖推荐其中一条技巧：在系统提示里告诉模型「这个代码库是你的」，它就更愿意合并重复代码、顺手修相关问题。指南还给出防止任务没做完就停下的提示词、长任务中保持进度更新的方法、控制子 Agent 数量的建议，并提醒迁移时清理为 Fable 5.1 和 Opus 5.5 写的旧指令。文中数字均为 Anthropic 自测（官方口径）。

查看大图

OpenAI Developers 官方账号宣布，ChatGPT 里的常驻智能体 dots 现在可以连接多台本地电脑，并为每个任务选择使用哪一台，例如在专用机器上构建和测试应用，同时你在笔记本上继续写代码。官方文档已同步更新：每台电脑需在其 ChatGPT 桌面应用中分别授权；每个线程同一时间只使用一台电脑，独立任务要让 dot 在各台电脑上分别开线程；dot 的云端电脑始终保持连接。此前文档写明一次只能连接一台个人电脑。官方未公布性能或可靠性数据。

查看大图

2026-11-06，OpenAI（@OpenAI）发布 BioBasicsBench：与酶设计公司 Ligo 合作，用 100 道来自真实实验的常规湿实验任务，测 AI Agent 解读原始数据、找错与「证据不足」判断。官方口径 xhigh 档 GPT-6 Astra 均分约 66.7%，GPT-5.6 Sol 约 43.8%。

查看大图

Thinking Machines Lab 于 11 月 5 日发布第二代首款模型 Inkling 2 Small：594B 总参 / 17B 激活 MoE，支持图像输入与可变 thinking effort。官方博客称 Artificial Analysis Intelligence Index 约 31，编码、视觉与知识工作相对上一代明显提升。现可在 Tinker 上推理与微调（闭源权重）；完成外部安全测试后拟以 Apache 2.0 释出全量权重。Tinker 标价约 $0.30/$1.00 每百万 input/output token（64K）。

查看大图

CrowdStrike 于 11 月 3 日在巴塞罗那 Fal.Con Europe 宣布签署最终协议，收购 AI 智能体可观测公司 Fiddler AI 和自动化 AI 安全测试公司 Dreadnode，同时在 Falcon Guardian 中上线 AI Kill Switch，可在智能体失控时终止进程、阻止重启并切断企业网络访问。两笔收购预计在 FY27 第四季度完成，对应产品同季度 GA。官方未披露价格；据 CyberScoop 转引《华尔街日报》，Fiddler 约 4 亿美元、Dreadnode 约 9500 万美元。

查看大图

斯坦福 James Zou 团队（Owen Queen、James Zou）11 月 2 日发布交互式研究报告《The shelf life of LLM findings》，用 2024 年 7 月到 2026 年 9 月发布的 20 个模型（来自 8 家开发商）重测 50 条被广泛引用的 LLM 行为结论。结果：22 条（44%）已失效，17 条（34%）明显减弱，8 条（16%）仍成立，3 条（6%）反而增强；已失效结论从发表到失效的中位时间为 14.7 个月。数字母、长上下文「中间丢失」、编造引用等能力缺陷大多消失，而迎合用户、裁判模型偏爱自己答案等偏好类问题依然存在。

查看大图

Apple 在中国官网新闻稿中宣布，首批 Apple 智能功能将自 11 月 4 日起随最新 iOS 开发者 Beta 开放测试，并于 12 月 iOS 27.3 正式发布时面向中国用户推出。功能由 Apple 自建生成式模型驱动，包括实时翻译、写作工具、视觉智能、消除、智绘表情、通知与邮件摘要、输入文字与 Siri 对话等；同时与阿里巴巴合作，在 Siri、写作工具和视觉智能中接入千问。首批只覆盖 iPhone 15 Pro 及更新机型，Siri AI 等 WWDC 2026 新一代功能和图乐园不在本次范围内，Mac、iPad 等平台需等待进一步审批。

查看大图

全球最大学术出版商之一 Springer Nature 10 月 26 日宣布与 Google DeepMind 建立研究合作，共同设计一款 AI 审稿助手。它基于 DeepMind 的前沿 Gemini 模型，并借鉴 Google 此前的智能体科研工具 ScholarPeer 和 Deep Review，帮助审稿人梳理稿件、分析大量文字、图表和插图，并标出可能需要重点核查的部分。系统用 Google 开源的 Agent Development Kit（ADK）搭建，只运行在 Springer Nature 私有的 Gemini Enterprise 环境里，稿件内容不出其安全环境。原型正在测试，官方强调「人类优先、AI 其次」，没有公布上线时间或效果数据。

查看大图

微软 GitHub 旗下创新实验室 GitHub Next 正式发布 PDD Kit（Property-Driven Development Kit）。针对当前自主编程智能体（Coding Agents）虽然能写出通过基础单元测试的代码、但在边界复杂条件下依然频频崩溃的行业顽疾，PDD Kit 引入了基于形式化数学证明的属性驱动开发规范。系统不再依赖概率性或有限用例的样本测试，而是自动从数学上证明 AI Agent 生成的代码在所有可能输入（For Every Input）下均严格满足预设规约，从根本上杜绝潜在的运行时 panic、越界与逻辑回退，推动 Coding Agent 从“概率代码生成”跨越至“形式化保真交付”。

查看大图

多所顶尖高校与科研团队在 arXiv:2610.28601 中提出突破性计算机使用智能体（CUA）自我演化架构 Evolving Agent Interfaces 与 Agent S4。传统 CUA 往往被严重限制在人类设计的低效图形界面中（如通过鼠标逐格点击电子表格），导致长程任务步骤冗长且极易因微小误触失败。该框架打破固定接口束缚，赋予元智能体（Meta-Agent）在任务执行中根据运行环境与需求，自主编写、测试并动态演化专属编程 API 与专用代码仓库的能力。在最具挑战的 OSWorld V2 与 ScienceBoard 权威基准上，该方法使 27B 开源模型成功率从 55.03% 跃升至 58.58%（净多解决 6 项核心任务），以极小开销逼近商业前沿旗舰模型。

查看大图

LMSYS 官方宣布在竞技场（Arena）中开放 OpenAI 旗舰图像模型 GPT-Image-2.5 Sunburst 的专属“直接测试模式”（Direct Mode），限时测试 14 天（至 11 月 2 日）。该模型当前在 LMSYS 文生图（Text-to-Image）、单图编辑（Image Edit）及多图编辑（Multi-Image Edit）三大竞技场全部霸榜第一。测试期结束后将继续保留在匿名双盲对战与 Agent 模式中，用于持续校准真实世界 Elo 积分。

查看大图

当前 LLM 能否在复杂连续空间操作中精确预测离散物理世界的演变？南加州大学（USC）、UCLA 与 CMU 联合发布 Grid-Bench（arXiv:2610.22312，GitHub: grid-bench/Grid-Bench）。该基准基于 8 种离散几何变换规则，测试 2D/3D/4D 网格在 0 至 64 步长事件链下的全状态精确预测。对 GPT-5.6 Sol、Claude 5 Sonnet、GLM-5、Kimi K2.5 等 6 款顶尖模型的评测表明：在 64 步长轨迹下，开源与中型模型完整状态精确率几乎归零，唯闭源旗舰维持断层领先。

查看大图

SpaceXSI（SpaceX Super Intelligence，官网 x.ai）于 2026-10-15 01:04（新加坡时间）发布 Grok Voice 3.0，定位「最智能的语音到语音模型」。据官方博客引用的 Artificial Analysis 10 月 13 日独立测试：S2S 综合指数 86.9（Grok Voice 2.0 为 81.3、GPT-Live-1 Astra 为 83.2、Gemini 3.8 Live 为 82.6），Full Duplex Bench 97%，τ-Voice 71.6% 与 GPT-Live-1 相当但延迟低约 40%。Voice Agent API 中 grok-voice-latest 已自动指向 grok-voice-3.0，接口不变，价格仍为 $0.08/分钟；grok-voice-2.0 已标记弃用。

查看大图