AI 编程实时动态与要闻

微软研究院、微软安全团队与 UC Berkeley 在 GitHub 开源 TokenEconomizer（Apache 2.0，v0.1.0 于 10 月 26 日发布），它是 Claude Code、Codex、GitHub Copilot CLI 和 Pi 的插件，opencode 为实验支持。插件从同一仓库的历史会话中学习，用「微技能」记住仓库事实、裁掉长期不用的工具定义、在 Agent 原地打转时提醒换路。论文称在 277 个 SWE-Bench 任务上，五种 Agent 与模型组合的平均成本降低 18.4%–30.9%（论文口径）。

查看大图

Cloudflare 10 月 26 日在官方博客发布事故报告：8 月 27 日至 9 月 9 日，Workers AI 上的 GLM-5.3（@cf/zai-org/glm-5.3）对超过 681,280 token 的长提示，有 155 条回复混入了其他用户刚发过的请求内容，且都返回 HTTP 200。原因是 prefill 节点 KV 缓存池小于 1,048,576 token 的上下文窗口，叠加 SGLang 在 prefill/decode 分离模式下处理超长请求的漏洞。Cloudflare 称未发现恶意利用，已修复并建议运营方升级到 SGLang v0.5.22 或更高版本。

查看大图

vLLM 官方联合蚂蚁集团正式开源底层高性能量化推理算子库 Humming（humming-kernels）。该算子库专为大规模混合专家（MoE）与低精度密集模型的高并发服务而设计，全面覆盖 WnA16、W8A8、W4A8 与 W4A4 多种量化精度，横跨 INT1~INT8 与 FP4~FP8 数据格式，并原生适配从 NVIDIA Turing 到 Blackwell 架构及平头哥真武 810E 芯片。实测显示，Humming 算子在小 Batch 下比 cuBLAS 快 3~4 倍，在大 Batch 下比 Marlin 快 2 倍；在 8 张 H20 GPU 上运行 DeepSeek-V4.1-Flash，64 并发下整机端到端吞吐暴增 43.3%，首字时延（TTFT）大幅降低 32%，现已作为默认引擎整合至 vLLM v0.29.0+ 中。

查看大图

10 月 20 日，推理加速公司 Eagle 发布 EAGLE-4，这是 EAGLE 推测解码系列的第四代。它用一个草稿模型按批量、硬件和负载动态调整推测树，同时保持目标模型输出分布不变。官方口径下，Qwen3.8-27B 在 4 张 B300 上单请求达 961.6 tokens/s。代码以 eagle-harness v0.1.0 发布，支持 SGLang、vLLM 和实验性的 TokenSpeed。注意：多数转发称其“开源”，但官方许可证是源码可用（source-available）许可，并非 OSI 开源。

查看大图

10 月 20 日，AI 创业公司 humans& 发布首个模型 Ampersand v0.1，定位是帮一群人达成个人和共同目标的“协作者”，而不是独自完成任务的助手。它基于 Z.ai 的 GLM 5.3（约 744B 总参数、约 40B 激活）用长程多人模拟强化学习训练，模拟用户由自研用户模型 Persimmon 扮演。模型即日起通过兼容 OpenAI Agents API 的接口开放，无需排队。

查看大图

vLLM 官方推特宣布两项关键工程突破：在 v0.32.0 官方镜像中引入构建期 Python 字节码预编译（uv compile），使 H100 容器冷启动耗时缩短 14%~18%（省去约 18 秒且启动零重编译）；同时正式合入 Decision 3.0（D3）全系列 6 款结构化决策模型（0.6B 至 27B），通过 /v1/systemone 提供极速多模态选择与评分，在 AMD MI325X 单卡上支撑 64 并发的吞吐达原始基准的 1.8 倍。

查看大图

SGLang 团队正式发布 v0.5.22 大版本更新（凝聚 245 位贡献者提交的 950 个 PR）：深度优化 DeepSeek-V4.1 推理性能，在 H200 单卡吞吐狂飙 2.3 倍，并通过 DSpark 首次在 AMD MI350X/MI355X 实现 1.9 倍吞吐提升；首创 InstantTensor 加载器将大模型冷启动显存载入提速 10 倍；B200 上 Qwen3.8-Flash-Next 解码提速 12%、B300 上 GLM-5.3-Flash 提速 10% 且 MiMo-V2.6-Pro 解码吞吐达 1.85 倍；并原生支持苹果 Apple Silicon 与 ComfyUI 扩散生态。

查看大图

vLLM 于 10 月 18 日发布 v0.32.0，363 位贡献者（121 位新人）提交 814 次。重点包括默认提供的 POST /v1/systemone 结构化决策接口与通用 hf 工具/推理解析器；NVFP4 KV 缓存扩展到 SM8x/SM90/SM12x，GLM-5.x 在 SM100 默认 FP8 KV；Model Runner V2 新增 GPU n-gram 投机与 Elastic EP，并成为 ROCm 默认；修复 3 个安全公告并收紧 CORS 默认值，同时放弃 Python 3.10。

查看大图

Ollama 官方宣布在美国与欧盟本土服务器正式上线严格“零数据留存、零训练”的 Ollama Cloud 托管服务，同步接入 DeepSeek-V4.1-Flash-1017 并支持通过 ollama launch 一键拉起 Claude Code 与 OpenCode；同日，SemiAnalysis 披露重磅内幕：智谱旗舰模型 GLM-5.3 未重新预训练，而是 100% 基于前代模型通过高 GPU 效率的后训练（Post-Training）打造，在网络安全与攻防推理上较 GLM-5.2 实现跨代质变。

查看大图

独立评测机构 Artificial Analysis 于 2026-10-14 发布 AA-Robotics v0.1 研究预览：在 Codex、Claude Code、Antigravity 等编码智能体框架中，让前沿大模型通过 HTTP API 直接控制一台 6 轴机械臂完成 8 项桌面任务。GPT-6 Astra 得分 69.4 居首，GPT-6.1 Sol 64.6、Gemini 4 Argon 55.3、Claude Opus 5.5 48.8、Claude Fable 5.1 46.3；模型平均每项约 30 分钟，人类约 20 秒。

查看大图

Nous Research 于 10 月 14 日（UTC）发布开源智能体 Hermes Agent v0.22.0「Threshold Release」。新装桌面版用免费试用模型 nous/welcome 引导配置，无需 API Key；新增经 Nous tool gateway 接入 Gmail、Linear、Notion 的连接器；内置一键 llama.cpp 本地模型运行时；改为经过测试的 SemVer 稳定通道，并提供签名桌面包（含 Microsoft Store）。官方称这是史上最大更新窗口，代码量从约 106 万行精简到 69.8 万行（−34%）。

查看大图

T3 创始人 Theo 开源 ts-rust（npm 包 tsc-rs），把微软 Go 原生版 TypeScript 编译器、类型检查器与 LSP 整体移植到 Rust。他此前用 GPT-5.6 Sol / GPT 6 Astra 烧掉逾 40 万美元 API 价 token、写出 130 万行 Rust 仍卡在约 84% 兼容；换 Claude Opus 5.5 从零重写，10 小时出 v0，两周约 24,047 美元完成。181,711 个移植自 Go 的测试全过，六个开源项目几何平均比 tsc 7 快 1.61 倍，内置 Effect 诊断并支持 WASM。

查看大图

Liquid AI 发布两款开源权重多模态决策模型 d1-3B（文本+图像）与实验性 d1-omni-600M（文本+图像/音频）。它们不生成 token，单次前向直接输出概率化答案；d1-3B 在 Decision Index v0.2.1 公开集拿到 48.57，10B 以下第一、比肩 12 倍体量的 Decider 35B-A3B，RTX 4090 单问 8ms、Jetson Orin Nano 50ms，首日支持 llama.cpp，适合 Agent 护栏、重排序与视觉质检。

查看大图

2026-10-07 Grok Bot v0.68.1 发布（官方 Changelog）：Bot 可先出样稿再交付 PowerPoint 或 Google Slides；草稿卡片直发带格式邮件；可搜 Gmail 垃圾箱；1:1 聊天跟随 Bot 配色；Bot 电脑屏幕从 1280×800 升到 1920×1200，操作和截图更快。官方未给出速度提升的具体数字。

查看大图