AI 编程实时动态与要闻

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

德国 Aleph Alpha 于 2026-10-03（统一日）发布开源权重 Kolibri / Kolibri-1（HF，Apache-2.0）：78B 总参、约 3.46B 激活的德英 MoE，原生上下文 262k（外推至 1M），带 reasoning 档位与 tool calling。官方同卡：LiveCodeBench v6 85.9、SWE-Bench Verified 66.4、TerminalBench 2.1 27.7。用 aleph-alpha-inference + vLLM 自托管。

查看大图

群体相对策略优化（GRPO）作为 DeepSeek-R1 等顶尖推理模型的底层强化学习算法基石，通过在同 Prompt 的多次 Rollout 中对奖励进行去中心化与方差归一化来估算优势函数。然而在工业级实战中，智能体通常需要兼顾代码正确性、格式合规度、工具调用精准性及内容安全性等多重奖励目标（Multi-Reward）。传统 GRPO 简单累加各项奖励并按总方差归一化，导致高量纲、强相关的宏观奖励彻底压制并淹没小量纲但至关重要的精细奖励信号。香港科技大学（HKUST）团队提出 CorrGRPO（相关性归一化 GRPO），利用皮尔逊相关系数对奖励协方差矩阵进行平衡解耦，在保持中心化总奖励不变的同时，彻底消除大尺度奖励项的垄断效应。在代码生成、工具调用与 Agent 安全三大基准的大量实验中，CorrGRPO 均显著超越标准 GRPO 及现有变体方案。

查看大图

Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking，称为其最强对话式 AI。两款模型具备升级推理、近实时视觉理解、自动检测 97 种语言，以及不打断对话的后台工具调用。Extended Thinking 可叙述任务进度；现已在 Gemini App 的 Gemini Live 与 Google AI Studio 的 Gemini API 中提供。

查看大图