搜索“编码”

TensorZero提出代码助手自动评估方法

TensorZero 提出一种基于 Git 提交自动评估 AI 编程助手的方法:用 tree-sitter 将代码解析为语法树,再用树编辑距离(TED)衡量 LLM 生成代码与提交代码的差异,从而为 Cursor 等编码智能体的推理结果生成反馈。该方案开源,可在已部署 Cursor 集成的机器上运行。随后,TensorZero 团队把自研开源框架作为自托管代理接入 Cursor,成功观测并改写 Cursor 发往 LLM 的 API 调用。他们发现 Cursor 会先请求自家服务器再发起 LLM 调用,因此本地网关无法直连,最终用 Ngrok 加 Nginx 反向代理并处理 CORS 才打通链路。作者看到 Cursor 用于问答的系统提示词仅 642 token,并已用 Claude 4.0 Sonnet、GPT-4.1、o4 Mini 和 Gemini 2.5 Pro 做等比例随机分流测试。

TensorZero对比OpenAI两种微调

TensorZero 于 2026 年 10 月发布基准测试,在数据抽取、智能体编码和客服三类任务上对比了 OpenAI 的强化微调 RFT 与监督微调 SFT。测试显示,RFT 的成本是 SFT 的 100 至 700 倍。在智能体编码任务上,RFT 明显优于 SFT;但在数据抽取任务上,SFT 效果更好且成本低 159 倍;在客服任务中,RFT 反而比基线更差。TensorZero 还指出,RFT 触发了比 SFT 更严格的内容审核,导致部分公开基准数据集无法通过验证。目前该对比尚无后续发展。

月之暗面开源Kimi供应商验证器

月之暗面开源了Kimi Vendor Verifier(KVV)项目,用于帮助开源模型用户校验推理实现的准确性。据官方博客,KVV包含六项基准测试,覆盖API参数约束预校验、OCRBench、MMMU Pro、AIME2025、K2VV ToolCall与SWE-Bench,其中SWE-Bench因依赖沙箱未开源。官方称在Two NVIDIA H20 8-GPU服务器上完成全流程验证,顺序执行约需15小时,并已针对流式推理、自动重试和断点续跑优化脚本。该开源动作与Kimi K2.6模型发布同期进行,K2.6主打长程编码与Agent Swarm能力,已上线Kimi.com、Kimi App、API和Kimi Code。目前尚无后续独立发展事实。

Kimi推出Agent Swarm

2026年10月10日,Moonshot AI(月之暗面)推出Kimi Agent Swarm,可并行调度最多100个子智能体。据官方发布信息,该功能依托开源模型Kimi K2.5,在K2基础上用约15T混合视觉与文本token继续预训练,原生多模态,主打编码与视觉能力。K2.5可自主编排最多100个子智能体、执行最多1500次工具调用,相比单智能体设置最多缩短4.5倍执行时间,且无需预定义子智能体或工作流。官方称其针对单智能体顺序执行在长任务上的上下文与时间瓶颈,适用于大规模检索、批量文档处理、多视角分析等可并行场景。模型已上线Kimi.com、Kimi App、API和Kimi Code,Kimi.com与App提供K2.5 Instant、Thinking、Agent和Agent Swarm(Beta)四种模式,Agent Swarm在Kimi.com处于beta,高层级付费用户可获免费额度。该功能目前为早期研究预览,后续将加入子智能体直接通信与并行宽度动态控制。

月之暗面开源Kimi K2模型

月之暗面(Moonshot AI)开源发布Kimi K2模型,包含基础版Kimi-K2-Base与后训练版Kimi-K2-Instruct。据其官方博客介绍,该模型为总参数1万亿、激活参数320亿的MoE架构,在非思考类模型的前沿知识、数学和编码任务上达到SOTA,并针对智能体任务优化,可自动调用工具完成多步任务。训练方面采用MuonClip优化器,在15.5T token上预训练且无训练尖峰。Kimi网页端和移动端用户即日起可免费选用,API兼容OpenAI/Anthropic接口,暂不支持视觉功能。目前尚无后续发展事实。

Sharpa发布D01人形机器人、W02灵巧手和AE01数据手套

2026年10月9日,Sharpa在IROS发布三款具身智能产品:首款全自研通用人形机器人D01、新一代灵巧手W02和高保真外骨骼触感数据手套AE01。据量子位报道,D01定位一体式触觉感知灵巧操作机器人,电子皮肤覆盖全身、触觉覆盖上半身,触觉采样率100Hz,力感知范围0.1—20N,重复定位精度0.2mm。W02主动自由度从W01的22个减至21个,整手尺寸缩小约30%,指尖力感知范围5mN—30N。AE01用22个编码器捕捉手部动作并反馈触觉。三款产品分别对应本体、灵巧手与数据入口,配合CraftNet与WM-Craftnet研究构成其灵巧操作技术体系。目前尚无后续发展事实。

Databricks展示智能体数据库分支工作流

2026年10月9日,Databricks 展示了一套基于 Lakebase 的编码智能体数据库分支工作流。据 Databricks Blog 介绍,Lakebase Postgres 的数据库分支基于 copy-on-write,可在不到一秒内为任意大小的数据库创建分支,分支间数据共享,仅在分叉时占用额外存储,并支持 scale-to-zero。文章给出的端到端开发闭环是:Git worktree 配合 Claude Code 的 post-checkout hook 为每个智能体自动创建数据库分支;GitHub Actions 再为每个 PR 创建临时分支、运行 Drizzle 迁移、在 Databricks Apps 部署预览应用并生成 schema diff 评论。Lakebase 分支不会合并回父分支,schema 变更通过迁移工具提升到父分支。目前该故事没有后续发展事实。

Artificial Analysis预告10月下旬推出Intelligence Index v5

Artificial Analysis于2026年10月9日宣布,将于10月下旬推出Intelligence Index v5。据其发布的信息,该版本将在AI前沿基准测试上实现重大跨越,变化包括新增Terminal-Bench Science以及一个使用私有数据集的编码基准。目前该指数尚未正式上线,Artificial Analysis表示将公布更多内容。

Dynamo实现会话感知推理

2026年10月9日,NVIDIA Dynamo 通过统一的会话级标识符实现会话感知推理。据 PyTorch Blog 介绍,Dynamo 使用 session_id 与 parent_session_id,把请求级推理服务改造成程序感知系统,实现会话感知路由、共享 KV cache 索引和跨 vLLM、SGLang 的缓存调度。Dynamo 可直接识别 Claude Code、Codex、OpenCode 等编码智能体发出的身份头,无需配置;其他 harness 可通过 X-Dynamo-Session-ID 头或 agent-plugins 仓库中的插件接入。目前尚无后续发展事实。

AI DevCon NYC公布软件工厂主题议程

AI DevCon 公布了 AI DevCon New York 的会议议程与主题。该会议将于 11 月 2–4 日在布鲁克林 Industry City 举行,主题为“软件工厂”,重点不只是让单个编码智能体更强,而是构建让智能体开发可重复、可信、可扩展的系统。议程围绕上下文与技能、harness 与工具、编排、验证与评估、反馈与改进等层次展开,并设有企业规模化专场,Zalando 将分享覆盖 2,000 多名工程师的智能体工程实践。目前尚无进一步有证据支持的发展。

微软发布Windows端侧智能更新

2026年10月8日,微软发布Windows端侧智能更新,涵盖端侧模型、Copilot与安全Agent能力。据早先报道,微软为Windows引入本地智能体能力,发布137B参数、256K上下文窗口的编码模型MAI-Code-1.1 Flash,并推出Hybrid Intelligence让Copilot直接在PC上执行操作、敏感数据保留在本地,Windows与Agent 365结合提供MXC本地沙箱。后续报道称,微软于10月7日宣布AI智能体策略驱动容器Microsoft Execution Containers(MXC)正式可用,支持在Windows、Linux、macOS上以沙箱方式运行模型输出、插件、工具等不可信代码,已在GitHub以MIT许可开源,GitHub Copilot、OpenAI Codex等已支持。此后,HuggingFace CEO Clément Delangue发表评论,称微软Windows发布展示了本地AI及llama.cpp的令人兴奋之处。

AWS与Anthropic推出Claude Haiku 5.5

2026年10月8日,AWS与Anthropic推出Claude Haiku 5.5,在Amazon Bedrock和Claude Platform on AWS上线。据Anthropic称,这是Claude 5.5系列中速度最快、效率最高的模型,面向子智能体和高并发、成本敏感的任务,多数任务成本比Claude Haiku 4.5低约75%。它是首个带effort controls的Haiku模型,可针对单个任务调节成本与智能的取舍,并支持智能体编码、多步工具调用和高分辨率图像。该模型可与Claude Opus 5.5搭配,由Opus 5.5负责规划与判断,Haiku 5.5承担路由、分类、摘要和跨文件小改动等高频子智能体任务。目前尚无后续发展事实。

微软开源Agent Lightning v1.0

2026年10月8日,微软研究院亚洲团队开源发布 Agent Lightning v1.0,一个约 3500 行代码的轻量智能体强化学习框架。该框架提出 Harnessed Agentic RL 训练范式,让部署时使用的同一套 agent harness 直接参与训练,无需在训练框架内重新实现智能体。框架包含 API Gateway、Rollout Controller 和基于 verl 的 Customized Trainer 三个核心组件,支持以标准 Kubernetes job 运行智能体,并引入 Collocated Async RL 让 rollout 与模型更新共用同一组 GPU,实验中相比同步 RL 取得约 2 倍端到端加速。在 SWE-smith、mini-SWE-agent 和 Qwen3.5-9B 上构建的端到端编码智能体流程,仅用约 6000 条训练样本就把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%,提升 14.6 个百分点。目前尚无后续发展事实。

GLM 5.3上线Amazon Bedrock

2026年10月6日,Z.ai(智谱)的GLM 5.3模型在Amazon Bedrock上线。据AWS Machine Learning发布的信息,该模型为753B参数的MoE模型,面向编码与长程智能体任务优化。Bedrock提供全托管API,支持跨区域推理、提示词缓存和服务层级,目前面向符合条件的企业客户开放。官方称,相比GLM 5,GLM 5.3在DeepSWE、Terminal Bench 3.0、FrontierSWE等编码基准上具有竞争力,并在CyberGym基准上测得84.5分。同日,唐杰也在社交平台发布了GLM-5.3上线Amazon Bedrock的消息。目前该故事尚无后续发展事实。

Mitchell Hashimoto发布OSC 7501终端协议规范

2026年10月6日,Mitchell Hashimoto发布了一份新的终端转义序列规范OSC 7501,即Program Status Protocol,让程序通过pty直接上报自身状态。据其博客介绍,状态包括idle、working、waiting on the user、finished或failed,并可附带原因;序列体由冒号分隔的key=value组成,唯一必填键是state,可选app和base64编码的msg,多任务可用层级id同时上报多条记录。他指出,agentic inbox目前靠屏幕启发式或非终端API判断agent状态,前者需频繁维护规则,后者要逐个集成且难以跨SSH和容器。他表示已用不超过十几行代码在libghostty、Rex、Terraform、Claude Code、Codex和Homebrew中实现该协议。目前尚无后续发展事实。

Databricks展示智能体数据库分支工作流

Databricks 展示 基于Lakebase的编码智能体数据库分支工作流

查看事件：Databricks展示智能体数据库分支工作流

JetBrains发布Mellum2.1

JetBrains 发布 12B MoE开源编码模型Mellum2.1

查看事件：JetBrains发布12B MoE开源编码模型Mellum2.1

Sakana Namazu被Evidence Finder采用

2026年10月8日,Sakana AI的日本仕様LLM「Sakana Namazu」被医疗AI公司アイリス提供的医生用证据检索工具Evidence Finder采用,负责比较、整合文献并生成回答。据Sakana AI博客同日发布的信息,采用Evidence Finder的评估模型在第120回医師国家試験中录得96.4%正解率,アイリス称这是GENIAC指定国産基盤モデル中公开可查的最高分。Namazu通过独自的事后学习技术,在维持基座模型推理、知识与编码能力的同时,强化了日语及日本文化业务语境的适应。目前该事实仅有Sakana AI博客这一来源,尚无后续发展事实。

微软在VS Code 1.140以研究预览实现HydraFusion

微软于2026年9月30日发布的Visual Studio Code 1.140中,以研究预览形式加入HydraFusion功能,通过编排多个AI厂商的模型来完成编码任务,以兼顾质量与成本。该功能会先用高效模型生成方案,再由另一模型家族独立评审并决定是否升级到更强模型;与Copilot Auto模式按请求自动选模型不同,它是在任务工作流中组合多个模型。HydraFusion面向Copilot Pro、Pro+、Business和Enterprise用户,Business与Enterprise需管理员启用预览功能。目前尚无后续发展事实。

蒋余浩提出AI发展存在三重悖论

2026年10月6日,蒋余浩提出AI发展存在三重悖论,即生产率悖论、波兰尼悖论和创新悖论。相关文章以特朗普政府要求联邦文件以“超级智能(SI)”取代“人工智能(AI)”、并计划60天内提出其联邦法定定义为背景展开论述:ICT行业快速扩张却未带动其他行业效率提升;AI仅能替代可编码的常规任务;巨头主导的自动化路线忽视中小企业与发展中国家需求。文章据此主张以开源模型、共享平台和公共资金推动“创新民主化”,并认为中国“人工智能+”行动推动AI与6大重点领域融合具有示范意义。目前该观点由单一来源报道呈现,尚无后续发展事实。