AI 编程实时动态与要闻

NVIDIA 官方博客 10 月 30 日披露，Breakthrough Listen 与 SETI 研究所已把 Agent 接入北加州艾伦望远镜阵列（ATA，42 面 6 米天线）的日常地外文明搜索：研究员用一句自然语言请求，Agent 就能转动天线、校准聚焦、纠正数据错误并对实时数据流跑 AI 模型。底层由 Holoscan 的 DAQIRI 库把传感器数据直接送进 GPU 显存，SETI 研究所的 CyberEther 做信号处理，Web 编排器 Nexus 充当 Agent harness，在 RTX PRO 6000 Blackwell 上本地处理最高 2.4 Tbps。系统已完成首次蟹状星云脉冲星的实时 AI 检测；团队正在评估 Nemotron 等开放模型。@NVIDIAAI 10 月 31 日万圣节帖约 274 赞。

查看大图

清华大学与 Z.AI（智谱）等机构的论文 HarnessPro（arXiv 2610.26770，10 月 19 日提交、10 月 20 日更新 v2）提出一种无需标准答案的 harness 自我改进方法：让专门的 agent 诊断执行轨迹、改写指令与运行时策略，再用 LLM 生成的测试评估，并按性能与成本给出 Lite、Medium、Heavy 三档 harness。论文口径：GPT-5.5 搭配 Codex 时，Heavy 档在 Terminal-Bench 2 达到 80.8%，比此前方法 RHO 高 4.5 个百分点，单任务成本从 1.09 美元降到 0.72 美元。代码以 MIT 协议开源，本周被 Pandaily 等媒体集中报道。

查看大图

语音模型公司 Cartesia 于 10 月 29 日发布 Managed Agents，一个面向企业电话场景的端到端语音 agent 平台，把自家语音识别、语音合成模型与 agent 框架一起设计调优，并自带电话接入、知识库、工具调用和批量外呼。官方称它在 Artificial Analysis 的 Speech Agent Arena 中以 1115 Elo 排第 1，在 ServiceNow 的 EVA-Bench 上拿到 87.4% 准确率和 90.7% 体验分（均为厂商口径，推理模型为 GPT-5.5）；上线期价格打五折，为每分钟 0.03 美元。

查看大图

AI 编程 Agent 公司 Factory 10 月 29 日 22:31（UTC）在 X 和官方博客发布 Droid 1.0，称这是其 agent harness 迄今最大的一次更新。核心变化是把程序化工具调用（PTC）设为默认：模型写一段 JavaScript 脚本，在沙箱里一次跑完多达上百次工具调用。官方自测 Terminal-Bench 4 中，用 GPT-6.1 Sol 通过率 57.6%（每个通过任务 $0.79），用 Claude Opus 5.5 通过率 65.2%（$4.73），均高于同模型下的 Codex、Claude Code、Cursor、OpenCode 和 Devin。

查看大图

Anthropic 应用 AI 团队于 2026-10-22 在 Claude 官网发布文章《Building agents: When to fold subagents into your main agent loop》，并配套开源参考实现 anthropics/single-agent-loop-kit。文章称在多个企业部署的对比中，「单一智能体 + Skills」常在质量上胜过「一个大提示词」和「多子智能体」两种设计，单任务成本和延迟往往也更低；一家客户把多智能体框架换成单循环后运行时间快了约 2 倍。Anthropic 还透露已将面向高级模型的 Claude Code 系统提示词精简 80% 以上。子智能体仍适用于上下文膨胀、需并行且用完即弃的任务、工具选择或指令冲突三种情况。该文过去两天在 X 上引发大量讨论。

查看大图

10 月 21 日 GTC 柏林，NVIDIA 发布 OpenShell 参考架构：以开源 OpenShell 安全运行时为基础，把 Vera Rubin 推理、Vera CPU 上的 Agent 编排与 BlueField-4 上的 NVIDIA Sentry 硅级策略执行拼成全栈，用于在企业与边缘侧构建、隔离、观测并强制约束 Agent。官方称现已可用，并列出 Anthropic、OpenAI、Meta、Microsoft、ServiceNow 等合作方；开源仓库为 Apache 2.0。

查看大图

10 月 20 日，Vercel 发布开源包 durable-harness（Apache 2.0，npm 0.0.1-beta.6，官方标注实验性）。它从外部给 Pi、OpenCode、Codex、Claude Code 等现有编码 Agent harness 加上持久化：每次模型调用和工具调用前后都写入 Workflow SDK 的 World 日志，函数超时或崩溃后由队列把这一轮交给新函数，从日志接着跑，已完成的模型调用不会重复计费。可跑在 Vercel、本地文件或自建 Postgres 等后端上。

查看大图

权威半导体与 AI 算力研究机构 SemiAnalysis 披露了 AgentX 基准实现每美元 TCO 产出 13 亿 Token 的底层架构细节：vLLM 联合 Inferact 采用预填充/解码分离式推理（Disaggregated Serving），在超大规模云商批量计价下单位成本性能达到 NVIDIA B300 聚合式（Aggregated）部署的 4 倍；与此同时，开源编程智能体 Cline 公布实测，指出 DeepSeek-V4.1-Flash-1017 仅靠在多套异构 Coding Agent Harness 上扩展强化学习，便以低 17 倍的成本在 Terminal-Bench 上击败 GPT-5.6-Sol、较前代提分 35%。

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

现有智能体运行框架（Harness）在每一步都调用昂贵的大模型，但大多数步骤本质上只是‘下一步调用哪个工具’的多项选择决策。UIUC、耶鲁与普林斯顿团队推出 JevAgentHarness 与开源模型 AgentDecision-4B，通过在智能体自身纠错轨迹上训练 4B 决策模型并拟合逐项置信度阈值，实现与大模型动态共享控制权。实测使智能体运行成本降低 81.1%–89.0%，速度提升最高达 2.5 倍，分布外任务解决率达 91.5%。

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

智能体的工程表现不仅取决于基座大模型，更深度依赖其执行外壳（Execution Harness）。传统递归自我提升（RSI）在开放世界下面临缺乏真实验证器与场景泛化差的两大死穴。谷歌云 AI 团队提出 Harness² 框架，通过两级递归机制解耦进化：任务级递归通过对比式的“提议-探针-组合”（Propose-Probe-Compose）在零 Ground-Truth 验证器下引导外壳迭代；架构级递归提取经验更新持续进化外壳。在 GLM-5 与 Gemini 3.5 Flash 上测试，LAB 提升 11.8%，WorkBuddy-Bench 飙升 11.5 分。代码已在 GitHub 以 Apache-2.0 开源（google-research/harness2），支持 OpenCode 与 Codex 执行器及 JobBench、LAB、WorkBuddy-Bench。

查看大图

2026-10-12 Z.ai 发布法律模型 GLM-Legal：以 GLM-5.3-Flash 为底座，经法律语料中训练和数万个法律环境强化学习，与 Agent 框架同步迭代。厂商口径下 Harvey LAB 全通过率 19.2%（底座 6.7%），LegalBench 和 PLawBench 仅称与前沿模型持平，未给分数。未开放权重，API 需申请，AutoClaw 即将接入。

查看大图