AI 编程实时动态与要闻

北京时间 11 月 10 日凌晨 2:58，Claude 官方账号发布 Claude Fable 5.2 和 Claude Mythos 5.2。两者是同一个底层模型：Fable 带有网络安全和生物安全防护，面向所有付费用户、Claude Platform 和各大云平台开放；Mythos 去掉部分防护，只通过网络安全与生命科学验证计划提供给审核过的机构。价格从 Fable 5.1 的每百万 token 10/50 美元降到 8/40 美元，输出速度最多快 30%，另有最多提速 2.5 倍的 fast mode（16/80 美元）。官方口径下，Fable 5.2 在 FrontierCode 2.0 上以 Xhigh 档拿到 49.1%，高于 Opus 5.5 的 45.5% 和 GPT-6 Astra 的 42.8%；High 档与 Opus 5.5 最高分持平，单任务成本约为一半。API 模型名为 claude-fable-5-2。

查看大图

Stripe 于 11 月 5 日宣布，所有用户都可通过 Stripe MCP 或直接调用 Queries / Reports API，用 Claude、Cursor 等兼容 Agent 以自然语言分析自家 Stripe 数据，包括 MRR、流失、欺诈与对账。Reports API 内置 300+ 表建模与用法指引；Queries API 免费至 2027 年 1 月 31 日，之后按用量计费，Reports API 保持免费。每次分析可核对底层 SQL。

查看大图

OpenAI 10 月 26 日发布博文，称其内部模型在数学、计算机科学和物理上各得到一项新结果：证明 Sogge 局部光滑化猜想在所有维度成立（进而推出 Kakeya 与 Stein 限制猜想）；证明指数时间假设（ETH）为假，并已用 Lean 验证；给出四维 QCD 及含 Yang–Mills 在内的量子场论的严格存在性证明。数学和 CS 结果的论文与 Lean 证明已放到 GitHub 的 openai/math 仓库，物理结果由 David Gross 牵头的外部小组先行整理、暂不公开。这些都是官方口径，尚待学界独立验证。

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

OpenAI 官方宣布，网络安全研究机构 Calif 借助 GPT-5.6 Sol 成功发现了存在于 PHP 核心解释器中的关键高危漏洞，云安全巨头 Wiz 亦独立完成双重漏洞上报。鉴于全球约 70% 的互联网网站均运行在 PHP 之上，该漏洞具有重大潜在威胁。OpenAI 遵循负责任漏洞披露规范协助完成安全补丁升级，宣布设立 10 亿美元规模的 Daybreak 补贴基金以强化关键开源安全，并联合开源了基于 Codex 技能的自动化检测工具 openai/php2shell-checker，供全球站长一键自查。

查看大图

Scale AI 团队在 arXiv:2610.17724 中开源革命性智能体评测与验证架构 Sauron。针对大模型在长程智能体评估中作为裁判（LLM-as-a-Judge）时普遍存在的臆测裁判、幻觉解释与无法追溯问题，Sauron 提出“证据优先（Evidence-First）”范式。通过对执行轨迹进行自适应有界质询、提取确定性检查回执并隔离共享证据，在 PA100 基准上全面刷新 F1 分数，以比 Archipelago 低 85% 的推理成本实现 0.94 精确率与 0.97 召回率，评估速度飙升 4.2 倍。

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

针对多模态生成模型向“严守物理与逻辑规则的世界模型”演进中的验证、评测与强化学习对齐难题，今日三项重磅研究给出系统答案：OmniVerifier-C1（arXiv:2610.22355，HF 32 赞）通过解耦强化学习（DAPO）将提示词拆解为子问题二元判断与全局连续打分，在 ViVerBench 上提至 0.684 并将 FLUX.1-dev 的 GenEval 推至 0.79；美团开源 320 例多步世界状态预测基准 WorldCast（arXiv:2610.20731，HF 30 赞），揭示 GPT-Image-2.5 System 达 72.8 分而最强开源模型仅 20.1 分；新加坡国立大学提出路由策略优化 RPO（arXiv:2610.22282），将注意力块路由作为随机探索动作，以仅 24.1 GPU 小时（较 Flow-GRPO 与 DanceGRPO 分别快 3.1 倍和 4.2 倍）大幅提升视频生成语义对齐。

查看大图

针对网页与多模态智能体在强化学习中奖励稀疏、外部大模型裁判昂贵以及多能力梯度冲突的痛点，今日三项重磅研究实现突破：Salesforce AI Research 推出 CLIFT（arXiv:2610.06829），将保形认证的 URL 状态自验证问题库同时用于训练稠密奖励与测试期零裁判轨迹优选（CTS），使 Gemma-4 31B 在 WebArena Infinity 9 大应用上斩获 74.6% 登顶（超越 Gemini 3 Flash 的 70.1%），迁移至 GPT-5.5 刷新 VisualWebArena 53.7% SOTA；MMSearch-OPD（arXiv:2610.22240）将 9B 多模态深度搜索准确率提至 60.2%（+15.3 分）；东北大学 SCOPED-8B（arXiv:2610.22217）通过技能解耦在线专家蒸馏斩获 73.13% 均分，越级击败 4 倍体积的 Qwen3-VL-32B（72.01%）与 Claude Opus 4.6（72.86%）。

查看大图

针对大模型数学证明缺乏步骤级验证标签与上下文精确复制存在 LM Head 梯度瓶颈的两大难题，今日两项基础研究给出突破：NYU/UCLA/Stanford 联合推出 LeanPRM（arXiv:2610.17697），利用 Lean 4 证明助手自动构建含 10,634 篇证明与 15.2 万个步骤标签的零人工标注数据集，将 Qwen3-4B 步骤验证准确率从 48.2% 拉升至 74.7%（远超 PRM800K 的 60.3%）；康奈尔大学提出复制粘贴语言模型 CPLM（arXiv:2610.19247），以仅约 3% 算力开销打破 LM Head 梯度瓶颈，使窗口仅 w=128 的滑窗模型追平全注意力困惑度并在 4 倍外推长度（16K）持续收益。

查看大图