AI 编程实时动态与要闻

Solid 团队创始人 Trevor Keith 于 11 月 5 日发布 Glasshand：在数据中心托管真机 iPhone 与 Mac（非模拟器），Agent 经 API 看到屏幕并点按输入。支持 Claude Code、Codex、Cursor 等；可装 App、登 iCloud、加 eSIM 收验证码，适合社媒运营与 Xcode 真机联调。官网定价 iPhone $60/月、Mac $90/月，按月可取消，释放后擦除并恢复出厂。Product Hunt 当日登顶。

查看大图

Box 在 11 月 5 日的 BoxWorks 2026 上宣布与 NVIDIA 扩大合作：新检索引擎 Box Context Retrieval 基于 Nemotron Retriever 嵌入模型，结合关键词与语义搜索，按现有文件权限为 AI 智能体返回最相关段落，预计明年初向 Enterprise Advanced 客户 GA。Box 新闻稿称检索准确率（Recall@5）可提升 20%、token 用量减少 90%、问答快 4 倍。Nemotron 3 Ultra 等开源权重模型即日起进入 Box AI；同时发布描述目标即可设计工作流的 Box Architect、可把 Box 文件夹挂进智能体沙箱并配合 NVIDIA OpenShell 的 Box Mount，以及含 MCP Guardrails 的智能体安全控制。

查看大图

印度 AI 公司 Sarvam 于 11 月 3 日发布 Sarvam Prism，一款面向企业工作流的「System One」决策模型：给定上下文和若干带固定选项的问题，它在一次前向计算里直接返回每个选项的概率，不生成文本。官方称在其测试的 25 个决策模型中，Prism 三项指数平均 71.8 分、在单张 B200 上中位响应 44 毫秒，是 100 毫秒内得分最高的模型；印度语言基准 82.5。权重以 Apache 2.0 发布在 Hugging Face，同时提供托管 API。以上分数均为 Sarvam 自测。

查看大图

GitHub 于 10 月 28 日（Universe 2026）宣布 GitHub Next 的开源项目 GitHub Agentic Workflows 正式 GA，面向 GitHub Free、Team 和 Enterprise。开发者用自然语言 Markdown 描述 issue 分拣、CI 失败分析、文档更新、写测试等任务，gh aw 把它编译成标准 Actions YAML，由 Copilot 或自带的编码 Agent 执行。GA 新增 ARC 自托管 runner 和 Docker-in-Docker 支持、正式版 gh aw forecast 成本预估、按工作流选模型和模型路由，以及 Cloud Hypervisor / NVX micro-VM 隔离。

查看大图

Runway 10 月 26 日在官方博客发布 App Studio：用户用自然语言描述想要的工具，App Studio 会编写、测试并部署一个带独立界面的应用，用 Runway 的图像、视频、音频模型，结合团队的 Brand Kit、Workflow 和素材生成内容。已有的 Agent 会话或 Workflow 可一键转成应用；应用默认私有，可分享给团队或发布公开链接，访客用自己的额度运行。首发自带 Character Swap、AutoComp、3D Camera Control 等内置应用。所有付费套餐即日可用，不另收费，构建和运行都从现有 Runway 额度扣除。

查看大图

Oracle 10 月 26 日在拉斯维加斯 Oracle AI World 发布一组企业 AI 更新：新的智能体执行运行时 Oracle Fusion Claw，以及基于它的 25 个 Agentic Applications，已覆盖 ERP、HCM、供应链（SCM）和客户体验（CX）；同时推出 Fusion Companion 和 Fusion Agentic Home，员工可以在 ChatGPT 等受支持的 AI 工具或 Fusion 原生界面里用自然语言描述目标，由系统自动挑选并协调交易、工作流、审批和 AI 智能体，全程沿用企业现有的身份、权限和审批控制。官方未公布定价、跑分或具体上线时间表。

查看大图

10 月 21 日，OpenAI 与 Google Cloud 宣布合作，把 OpenAI 前沿模型与 Codex 智能体工作流引入 Google Cloud Model Garden，通过 Google Cloud Marketplace 交易，企业可用既有 GCP 承诺消费抵扣；OpenAI 模型也将很快进入 Google Antigravity 与 Gemini Agent。官方称正式可用（GA）在未来几周，Microsoft 仍是 OpenAI 的主要云合作伙伴。继 AWS 之后，OpenAI 模型将覆盖美国三大云。

查看大图

Perplexity 官方正式宣布将 Perplexity Computer 功能原生集成至 macOS 客户端应用中。与此前高度依赖云端传输屏幕截图并接收键盘鼠标动作指令的传统 Computer-Use 方案不同，Perplexity Computer 实现了模型与智能体执行回路的全本地化运行（The model and the agent both run on your Mac）。通过深度调用 macOS 原生辅助功能（Accessibility API）与本地端侧轻量多模态模型，该功能消除了云端网络延迟，并在彻底保护用户屏幕隐私的前提下，赋能智能体在用户桌面上全自主操作本地应用、整理文件与执行跨软件复杂工作流。

查看大图

当底层大模型权重固定或闭源时，智能体能否通过自主修改外部软件脚手架（Harness）实现持续进化？中科大与中关村学院等团队发布 66 页综述与理论框架《Self-Evolving Agent Harness》（Harness-RSI），将更新目标解耦为提示词、记忆、工作流、工具代码与插件组合，并基于持续 PAC 学习推导出泛化误差界、历史防退化保持界与高概率准入准则，同步开源代码库。

查看大图

当前 Deep Research 智能体评测大多局限于学术科研与合成问答，难以反映真实日常决策与复杂工作流。腾讯混元团队推出 LifeSearch 基准，涵盖 7 大生活生产力领域的 203 个中英文真实任务，投入逾 4500 小时专家标注提炼 4000+ 条细粒度评分规则。实测 12 款主流深度研究智能体显示，顶尖模型最高仅获 63.4% 分数，暴露长程网页搜索、多源冲突时间线融合等关键短板。

查看大图

随着 AI 编程智能体在“氛围编码”（Vibe Coding）热潮中广泛接管软件生产，生成代码的安全性成为行业焦点。新加坡国立大学与莫纳什大学等团队发布 Last Secure Code Benchmark，这是首个全面评估编程智能体安全代码生成能力的权威基准。涵盖 7 种主流编程语言、24 类 CWE（包括 2025 CWE Top 25 中的 21 类及 Top 10 KEV 中的 8 类）以及 450 项源于 150 个真实 CVE 漏洞的实战任务。评测揭示：前沿模型在功能测试上通过率达 73.6%~91.3%，但即使最强的 Claude Fable 5，在同时满足“功能可用且无安全漏洞”的严苛检验下通过率仅为 25.1%，其余主流 Agent 仅为 16.4%~24.7%。

查看大图

随着自主软件工程智能体与命令行运维 Agent 从执行单条命令走向长程自主交付，缺乏高质量、真实多轮交互的终端训练数据成为了制约基座模型进化的首要瓶颈。中国科学技术大学、高德地图（阿里巴巴集团）与南方科技大学联合研究团队在最新成果（arXiv:2610.13166）中正式推出了全自动终端数据合成引擎 TerminalHorizon。针对传统短程轨迹过度简化工程上下文、预设环境提前解题等致命缺陷，TerminalHorizon 始于真实专业工作流，通过独立执行闭环自动捕获被遗漏的核心操作步，基于探索证据动态重建环境，并沿统一长程目标将任务逐级扩展为多阶段有机需求。团队以此构建了 1.5K 个复杂任务环境与 2,852 条平均交互轮次达 52.8 步的高质量长程轨迹。基于 Qwen3.5-27B 监督微调得到的 TerminalHorizon-27B 模型在权威基准 Terminal-Bench 2.0 上斩获 55.8% 的高分，较原基座暴涨 14.2 个百分点，以极小训练规模击败此前主流模型，横扫涉及 Coding Agent、生产级运维及通用推理的 12 项评测，项目代码与数据集已全面公开。

查看大图