AI 编程实时动态与要闻

Devin 背后的 Cognition 于 10 月 30 日 01:45（UTC）在 X 上公布，Google 新模型 Gemini 4 Carbon 在其编程基准 FrontierCode 2.0 上得分 40%，每任务成本 4.04 美元，接近最高水平，仅次于 Claude Opus 5.5、GPT-6 Astra 和 Claude Sonnet 5.5。上一代 Gemini 4 Argon 得分 26.3%，每任务成本却更高，为 6.41 美元。成绩为 Cognition 自测口径，排行榜已在官网更新。

查看大图

Devin 背后的 Cognition 于 10 月 27 日发布 FrontierCode 2.0。新版沿用由开源维护者亲自出题、按"能否合并"打分的方法，但任务来自更多仓库、覆盖安全补丁与性能优化，提示词刻意不写全，并加入大量"周全性"判定项。官方结果中 Claude Opus 5.5 以 45.5% 居首，GPT-6 Astra 42.8% 次之，Grok 4.7、Gemini 4 Argon 等降到 20% 多，基准远未饱和。

查看大图

韩国知名游戏巨头 Krafton 旗下人工智能研究院 Krafton AI 正式公开了其自主从头预训练的代码与智能体轻量级模型 Raon-1 mini。该模型采用总参数量 300 亿（30B）、单 Token 仅激活 40 亿（4B）的稀疏混合专家（MoE）拓扑，遵循宽松的 Apache 2.0 开源许可证。官方同步开源了专用的 DFlash 快速投机解码模型与可在线体验的交互沙盒。实测显示，Raon-1 mini 在复杂编程、命令行排障与多轮工具调用智能体基准上全面对标 Meta 最新推出的 Muse Glimmer，而单卡显存占用与推理延迟显著更优。

查看大图

以 LLaDA 为代表的掩码扩散语言模型（dLMs）因其高度可并行解码与非自回归推理特性，被视为突破传统自回归大模型（AR-LLM）串行推理速度与长程规划瓶颈的关键方向。然而，扩散语言模型在去噪生成过程中面临极其严峻的“信用分配（Credit-Assignment）”难题：在全序列逐步去噪的过程中，往往只有极少数关键决策（Pivots）能够剧烈降低未掩码未知区域的不确定性，并决定整段回答的正确性；而现存的扩散模型微调通常简单粗暴地在最终文本上做全量 SFT，或给整步去噪施加统一标量奖励，导致梯度严重稀释并破坏扩散采样流。来自韩国科学技术院（KAIST）与多伦多大学/Vector 研究所的研究团队推出了高效离线自蒸馏框架 Pivot-SD（arXiv:2610.03665）：基于信息增益（Information Gain）指标自动定量筛选出决定去噪走向的关键决策点（Pivots），对成功轨迹中的 Pivot 执行交叉熵奖励，对失败轨迹中的 Pivot 进行靶向逆似然惩罚（Targeted Unlikelihood），同时完全保留失败轨迹中的其他无害 token。在 LLaDA-8B-Instruct 上的实验表明，Pivot-SD 仅需 200 道题目（每题仅采样 4 条轨迹，总计 800 条 rollout），就在数学推理与代码基准上全面击败了算力预算对齐的全序列 SFT 与扩散 RL 基线。

查看大图

SpaceXAI 的 AI 百科 Grokipedia 于 2026-09-30 发布 v0.3：新 logo、3D 书模 Featured/Most-read 与 Latest edits；词条页表格与排版微调。The Verge 称编辑已重新纳入；此前 Lawfare 记录自约 4 月起审核停转。无公开编程 Benchmark。

查看大图