Momentic 的 AI QA 智能体 Mo 正式开放,可用提示词生成端到端测试
Momentic 宣布 AI QA 智能体 Mo 结束 beta 正式开放,可从编码智能体、应用、PR 评论或 qa CLI 发起会话,并由另一个智能体在报告前复现每个功能缺陷。
Momentic 宣布 AI QA 智能体 Mo 结束 beta 正式开放,可从编码智能体、应用、PR 评论或 qa CLI 发起会话,并由另一个智能体在报告前复现每个功能缺陷。
The Subvocal Company(YC F26)推出智能眼镜 Subvocal,通过发射类似蓝牙的无线电波感知口腔内部,将无声动嘴解码为文字,速度接近正常语速。团队最初在 TreeHacks 用 EMG 电极做原型,因出汗、电气干扰和佩戴体验问题改用 RF 方案。用户无需张嘴或动唇,闭口默念即可使用,适合图书馆、办公室等公共场景。
研究团队发现 GPT-6 Astra 能直接读取和写入神经网络权重,并将这一方法称为 Weight-Space Programming。Astra 仅凭原始权重就能判断网络训练的是哪款游戏,还能在无梯度、无训练的情况下修改 Qwen3.5-0.8B 的 0.016% 权重,把 MATH-500 从 7.9% 提升到 48.1%,IFEval 提升 3 倍。
推荐理由:作者以第一手实验展示通用 LLM 直接读写神经网络权重,为模型优化与可解释性提供了一条不依赖梯度的新路径。
NVIDIA 开源 Auto Ontology,从企业元数据生成本体并跨系统对齐指标定义,通过 MCP、CLI 和 API 提供给任意智能体框架。
Revolut 转向自托管 GLM。该讨论在 Hacker News 获得 153 分、110 条评论。
deepsense.ai 团队基于用 Codex 和 Claude Code 的实测,提出围绕编码智能体构建 harness 的十种模式,涵盖 AGENTS.md 仓库文档、按任务即时组装上下文、可发现的验证命令菜单、有重试上限的评审修复循环等。
一篇质疑「Astra 能读写权重改进 Qwen」的文章指出,该实验并非仅靠读取原始权重完成。真正仅读取原始权重的实验只覆盖 17K–172K 参数的小网络;Qwen3.5-0.8B 的数学提升实验使用了 Python 并让模型在最多 50 批练习题上运行,通过修改 0.016% 权重把 MATH-500 从 7.9% 提升到 48.1%。
百度 Apollo 在深圳 AI Day 上首次披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World,并提出世界模型“2+3”判断标准。该模型已用于萝卜快跑全球化测试与验证,百度强调世界模型的重点是忠实还原现实物理规律与行为因果,而非渲染画质。
Nimisha Asthagiri 分享了如何运用成熟的产品工程与架构原则,为 AI 智能体构建一个有边界的 Canvas。该模型为智能体提供有界自主性、持续漂移检测和决策记录,以弹性地扩展软件开发。
Anthropic 更新了 Claude Code 的系统提示词,阻止该工具被用于复刻现有电子游戏,但用户仍可用它制作原创游戏。Anthropic 的 Addy Osmani 确认,公司在 Opus 5.5 上为 Claude Code 的提示词新增两句话,引导其避免重建他人特定游戏,理由是使用 Claude 侵犯知识产权违反使用政策。原创游戏、类型游戏及基于用户自有设计和素材的游戏仍可正常使用。
Heimstaden 借助 OpenAI 的 ChatGPT Enterprise 和 Codex 改造物业管理、降低成本并赋能欧洲各地员工。
JetBrains 将于 11 月 18 日 16:00–17:00 CET 举办直播,由 Air 产品团队的 Viktor Kiselev 和 Guillaume Garnier 讲解如何用 Air Governance 扩展智能体开发。
拾趣 (Magpie) v0.1.19 发布,这是一款跨平台沉浸式自定义 AI 划词工具,划选或双击即可弹出浮动条,实时呈现翻译、解释、总结,并支持复制、搜索、写入 Obsidian、预填日历。新版本在 AI 能力与内容识别精准度上有所提升,图片、视频与扫描文档中的文字框选亦可识别,处理在原地完成,无需迁入对话窗口。
XXL-AI v1.4.0 发布,本地桌面端新增统一的人机交互流程,Agent 执行任务需用户确认时可主动发起交互请求,协同完成任务。该版本提供权限确认、多选项选择、用户输入等标准化人机交互组件,Agent 集成后自动启用,并支持开发者模式下的 Agent 可观测能力。
DeepSeek Harness 团队发布架构长文,介绍如何做出一个永远在线的 Agent,核心判断是单任务上限取决于模型能力,多任务上限取决于人的注意力。团队观察到一个人通常只能同时跟进 3 到 5 个活跃 Session,而现有 Agent 以单个 Session 为单位、彼此独立,难以支撑并行推进多项工作。
Cordonix 0.0.5 已发布,为 AI 编程代理的原生本地工具运行时新增原生手机工具与 Windows 进程查询。该运行时使用 C11 实现,通过 MCP stdio 服务和 JSON 命令行接口提供本地程序执行、内存文件工作区、严格编码处理、目录与路径查询,以及外部 Git/ripgrep 的结构化适配。
qModel 算法模型平台开源版发布 v1.4.3,支持通过 API 获取输入参数,并提升模型输出可读性。该版本针对多角色调用场景,减少反复对照接口文档填写参数、确认多层 JSON 字段含义的负担。
美团 LongCat 2.5 已在 Vercel AI Gateway 上线,模型名称为 meituan/longcat-2.5。该模型结合原生视觉理解与编码、多步工具调用能力,支持文本和图像输入,上下文窗口为 1M Token。
Aviator 推出 Aviator Verify,将代码审查拆成不变量、意图与验收标准、核心决策、测试计划、证据、人工决策、不变量刷新七个部分。不变量由团队历史 PR 评论、CONTRIBUTING.md 和 agent 指令文件自动起草,经团队批准后才生效,用于在验证侧确定性检查每次变更。意图与验收标准则从编码会话中提取,由工程师在提交前确认。
Qodo 将公司知识与编码规范引入 Codex,帮助开发者在提交 PR 前跨仓库发现 P0 级问题。该集成让 AI 代码审查能够结合企业自有上下文,而非仅依赖通用模型判断。
OpenAI 确认从 12 月起把 ChatGPT 对话与 Codex 任务的用量合并为共享 Token 池,影响 Plus、Pro 和 Business 订阅者,Instant 聊天模式不受影响。
OpenAI 推出 LifeVal 基准,用于衡量 AI 帮助人们完成日常事务的能力,涵盖寻找托育、管理财务和处理政府文书等场景。
Canva 发布视觉语言模型 Canva Brush,面向 Canva Pro 用户,不生成图片而是理解设计结构与修改意图,写出并执行小段代码完成编辑后自检结果。该模型基于一个未具名开放权重模型做后训练,结合设计专业经验与用户授权匿名数据,并采用大规模强化学习。Canva 称其比此前设计智能体快至多 69%、单任务成本低 46%,该数据为自报且仅与自家旧智能体对比。
Cognition 为 Devin 推出分层预算功能,企业可按部门、项目和工程师分配 Agent Compute Units(ACU)额度,最多支持三层下放,管理员能查看各团队消耗并审批追加容量。
Google 与 Meta 联合开源 TorchTPU,为 Google TPU 提供原生 PyTorch 后端,使 PyTorch 工作负载只需极少代码修改即可在 TPU 硬件上运行。该项目支持 eager 与编译执行、分布式计算以及硬件特定优化。
Anthropic 宣布,200 美元档 Claude Code 用户在账号通过验证且周用量仍有剩余时,不再受滚动五小时用量上限限制。同时 Max 5x 更名为 Max、Max 20x 更名为 Ultra,月费仍为 100 美元和 200 美元,两个档位分别附带等额 Claude Platform API 额度。
作者用 SQL 推理、数据校验、故障日志排查三项自建任务,在 high 推理强度下对比 GPT-6.1 Terra 与 GPT-6 Astra。Terra 总分 121/150、耗时 258.8 秒、估算成本 $0.61,Astra 为 148/150、709.2 秒、$7.88,两者在日志排查上同为 50 分。
Google DeepMind 与英国政府合作的 AI 规划工具 PlanAssist 在 Barnet、Camden、Dorset 试点中将规划官员评估民宅申请的时间最多缩短 58%,并将新增 12 个英格兰地方规划机构使用。
微软构建了 Industry Evaluation Data Generation Platform,用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot,避免使用任何客户数据。
OpenAI 宣布将遵循一项共享的 robots.txt 信号,帮助网站运营者向参与该机制的提供商传达其 AI 训练偏好。该机制面向多家参与提供商,网站方可通过 robots.txt 统一表达是否允许 AI 训练使用其内容。
Herdr 是一个面向 coding agent 的原生宿主,Claude Code、Codex 以及任何在终端里运行的 agent 都能接入。它把整个界面做成纯文本文件,用户想让界面变成什么形状,直接让 agent 自己改,无需学习新的 IDE 布局。
OpenAI 为 ChatGPT 加强暴力预防,扩展防护机制并提前介入干预,同时承诺开展公共安全报告。此次更新还针对青少年推出新的保护措施。
Mistral 开放 Mistral Large 4(内部代号 Le Chonk)的权重,该模型为 1 万亿参数、原生多模态,被称为开放权重中编码能力最强,并在欧洲基础设施上从零训练。Mistral 称其在 Cognition 的私有基准 FrontierCode 2.0 上以更少的 token 打平最高分,该基准测试端到端代码质量与仓库维度表现。
推荐理由:开放权重阵营出现万亿参数级模型,且以更少 token 在代码基准上追平最高分,可观察开源与闭源的能力差距。
MiniMax Code 团队将团队日常使用的 16 个 Agent 技能与工作流开源。仓库强调这不是提示词合集或最佳实践清单,而是团队每天实际在用的内容,涉及如何让 AI 写的代码保持高标准、如何判断任务是否交给子 agent、长命令等待时长以及长会话性能维持等具体问题。
开发者 Divyansh Agrawal 把一颗 RISC-V CPU 编译进 Qwen 3.5 4B 的权重,并用模型自身的 Gated DeltaNet 注意力层作为内存,项目命名为 Qwenputer。该 CPU 运行在模型前向传播中,可执行算术并运行 C 和 MicroPython 代码,无需外部运行时。
InclusionAI 的 Ling 3.1 Flash 1019 已在 Vercel AI Gateway 上线,免费开放至 2026 年 11 月 3 日,之后按公布价格计费。
OpenAI CEO Sam Altman 透露,公司曾考虑对下一代模型放弃按 Token 计费,改为开发者提交提示词后直接返回一个价格、像 AWS 一样事后账单结算,但因客户反馈极为负面而放弃。客户表示必须知道钱花在哪里,甚至宁愿接受虚高的 Token 数量以换取计费透明度。Altman 承认 Token 是"某种虚假的单位",但 OpenAI 目前仍无更好的替代方案,Token 定价继续沿用。
微软在 Foundry Agent Service 中以公开预览形式开放 Copilot harness,把 Copilot 产品线使用的智能体编排基础设施做成托管服务,内置沙箱、可复用技能、MCP 集成和子智能体支持。
Microsoft Research Focus 第 97 期介绍了多项研究进展:自改进智能体框架 ForkPilot 在六个基准和主流 AI 模型上测试,效果比肩现有最佳方法,同时将 AI 处理开销降低最多 59%。
开源 AI 渗透测试工具 Strix 现可运行在 Vercel AI Gateway 的 400+ 模型上,通过单一 API 即可调用 Anthropic、OpenAI、Kimi、GLM、Deepseek 等厂商模型,无需分别注册多个供应商。