跳到正文
实时
#编码
10月29日周四
  1. Ars Technica · AI65

    Google 发布了 Gemini 4 Carbon：一款无法立即使用的最新前沿 AI 模型

    Google 发布了 Gemini 4 Carbon，在编码、智能体任务和科学分析方面达到了新的阈值，但尚未开放使用。该模型在网络安全应用中显著提升了漏洞检测、验证和修复能力，生成无漏洞代码的概率是 Argon 的两倍，生成高质量补丁的能力是非 Google 模型的 10 倍。

    同一件事 · 5 家
  2. Artificial Analysis Articles85

    Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5

    Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项居首

    同一件事 · 5 家
  3. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一

    同一件事 · 5 家
  4. Artificial Analysis Articles72

    Artificial Analysis 评测 GitHub Copilot Fusion：性能略低于 Opus 5.5，单任务成本减半

    Artificial Analysis 在 Coding Agent Index v2.0 中实测 GitHub Copilot CLI 的 Copilot Fusion 最高档设置，其单任务成本为 5.59 美元，而 Claude Code 配合 Opus 5.5（max）为 11.42 美元，综合得分仅低 2 分。

    推荐理由: Artificial Analysis 使用 Coding Agent Index 实测 Copilot Fusion，给出与 Claude Code 同等性能下的成本与 token 对比。

10月28日周三
  1. Hugging Face Daily Papers

    SPOT通过提交顺序预测增强扩散语言模型的推测解码。

    SPOT 通过预测 token 生成顺序并行验证候选，将扩散语言模型的遍历次数减少高达 6.8 倍，同时保持精确解码。该 0.62M 参数模型读取目标输出分布，预测顺序并提出候选树，目标模型通过状态等式在单次遍历中验证。SPOT 在 SDAR-8B 上将目标遍历次数减少至标准解码的 1/6.8，吞吐量提升 3.4 倍，并在所有任务和预算下超越校准无训练基线。

  3. Hugging Face Daily Papers65

    CodeCap-Bench: 可执行代码能否作为优质视频字幕？

    CodeCap-Bench 通过比较代码字幕与自然语言字幕在视频问答和重建任务上的表现，证明代码字幕具有更优的推理准确性和重建保真度。该基准包含 323 个结构化 2D 内容视频，涵盖五个类别，评估发现主流闭源 MLLM 在代码字幕生成上虽表现良好，但难以捕捉复杂时序动态，开源模型差距显著。

10月27日周二
10月26日周一
  1. Exponential View65

    Claude Code v2.1.159 发布

    Claude Code v2.1.159 发布，Anthropic 26% AI 研发由 Claude 领导并有人监督；Sakana AI 和 Gemini 驱动的 AlphaEvolve 代码智能体分别提升 SWE-bench 和 Polyglot 30pp/15pp，MiniMax M2.7 模型智能体迭代提升 30%。

  2. The Verge · AI58

    OpenAI GPT-6.1 Sol 在迁移 COBOL 代码到现代语言方面取得显著进展。

    OpenAI GPT-6.1 Sol 在将 COBOL 代码迁移到现代语言（C++、Java、Kotlin、Python、Rust）时，低推理努力下行为保留准确率达 87%，高推理努力下达 98%。Anthropic 的 Claude Code 也被用于 COBOL 代码迁移，但未提供性能基准。专家认为 AI 工具在处理遗留代码方面取得进展，但距离安全替换关键遗留系统仍很远。OpenAI GPT-6.1 Sol 在迁移 COBOL 代码到现代语言方面取得显著进展。

10月25日周日
  1. MarkTechPost52

    斯坦福和伯克利研究者推出 TokenGate：令长上下文预填充速度提升高达 11.3 倍

    斯坦福和伯克利研究者推出 TokenGate 模块，通过学习型 token 剪枝技术，使长上下文预填充速度提升 1.4 至 11.3 倍且不损失精度，峰值预填充内存消耗降低 1.5 至 3.4 倍，在 5 项任务上优于 6 个基线模型，最佳表现时 NIAH 16k 任务速度提升 11.3 倍、内存降低 3.42 倍，代码和检查点已开源。

10月24日周六
  1. The Decoder65

    研究发现：复杂的编码智能体框架并未提升性能，反而增加成本

    研究表明，不同编码智能体框架间的性能差距在统计噪声范围内，而切换框架的效果与重新运行相同设置相当。Claude Code、OpenCode 和 mini-SWE-agent 三种框架每模型消耗的 token 数增加两到三倍，但通过率仍在测量不确定性范围内。OpenCode 在大型任务集中存在统计显著的落后，主要因输出限制和更短的运行时间限制，而其他框架的系统提示词和工具描述是成本差异的主要来源。

  2. MarkTechPost83

    Moonshot AI 发布 Kimi K3.1 Pro：2.8T 总参数、104B 激活的 MoE 模型，支持 1M 上下文

    Moonshot AI 发布了 K3.1 系列首个模型 Kimi K3.1 Pro，采用 MoE 架构，总参数 2.8T、激活参数 104B，支持 1M token 上下文，已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，API 定价为每百万 token 输入 2 美元、输出 10 美元，低于 K3 的 3 美元和 15 美元。

    同一新闻，精选展示《Kimi K3.1 Pro 发布，智能指数 55 分位列第四》

  3. The Decoder85

    月之暗面发布 Kimi K3.1 Pro，AA 智能指数升至第四，逼近 Claude Opus 5.5

    月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。

    推荐理由: 文章用第三方指数和多项基准对比，呈现开源权重模型与闭源前沿模型之间差距缩小的具体幅度。

  5. Hugging Face Blog

    LitPivot：在文献景观中通过动态上下文开发研究想法

    LitPivot帮助研究人员通过阅读先前文献来调整研究方向，将研究想法分为问题、贡献和评估计划，并为每个部分提供基于文献的批评和修订建议。在涉及17名研究人员的实验室研究中，领域专家评价新颖想法的文献基础比使用文本编辑器和AI聊天工具开发的想法更好，参与者也报告了更强的文献理解和对想法新颖性和实用性的提升。

10月23日周五
  1. The Decoder82

    Anthropic 让 Claude 自动为代码生成形式化安全证明

    Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题，几周内生成约 1.8 亿行证明代码，并由 Rocq 自动校验。

    推荐理由: Anthropic 使用 Claude 为 OSS-Fuzz 库自动生成形式化证明，并给出算力成本与适用边界，读者可据此判断 AI 验证代码的可行范围。

  3. 腾讯混元 · Hugging Face 新模型

    腾讯混元发布 WeVisOne-VL-2B 模型

    腾讯混元发布 WeVisOne-VL-2B 模型，基于 Qwen3-VL 构建，集成 9.5M 参数像素解码器，支持目标级感知（开放词汇目标检测、指向定位、计数、指向和 OCR）与像素级感知（指向分割和可提示 alpha 摩擦），适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。

  6. Hugging Face Daily Papers65

    Cola2：自适应分层语言模型通过持续语义压缩和平衡离散生成改进分层语言生成。

    Cola2 通过动态跨度分割、掩码扩散解码和流匹配先验联合优化持续语义压缩、重建-生成平衡和编码器-解码器自适应，在五个下游任务上验证了其核心设计，使用 2100 亿训练 token 显示出有竞争力的非饱和扩展性，3460 亿源 token 的未收敛检查点在八个任务上平均达到 60.10 分，并在 HellaSwag 和 StoryCloze 上超越 Llama-3-8B。

  8. Anthropic Research82

    Anthropic 研究：LLM 使大规模形式化软件验证变得可行

    Anthropic 与 Theorem 合作，用 Claude 对 123 个 OSS-Fuzz 开源库的 239 个入口点完成 RISC-V 汇编层的形式化证明，证明这些程序在小于 64 MB 的任意输入下都不会崩溃，证明代码约 1.8 亿行 Rocq。

    推荐理由: Anthropic 使用 Claude 在 123 个开源库的 RISC-V 汇编层完成形式化证明，并给出成本与复用数据，可据此判断该方法能否进入日常开发流程。

  9. Hugging Face Daily Papers70

    AgenticRoboRL 框架通过后训练提升机器人规划器性能

    AgenticRoboRL 框架通过监督微调和多轮强化学习提升机器人规划器，在 LIBERO-PRO 上将 9B 参数规划器成功率从 18.1% 提升至 71.0% 不依赖外部记忆，接近 Codex (GPT-5.5) 使用外部记忆达成的 72.1%。该框架适配不同执行机制，将记录的规划器交互与任务结果连接，通过适配器实现通用强化学习训练流程。

10月22日周四
  1. The Decoder74

    Recursive 发布首个由 Eureka Machine 参与研发的模型 Flint

    AI 初创公司 Recursive 发布首个语言模型 Flint，开发过程中名为 Eureka Machine 的 AI 系统参与提出想法、搭建、测试并规划后续实验。

    同一件事 · 2 家

    推荐理由: Recursive 首次公开由自动化研究系统参与开发的模型，读者可据此观察 AI 辅助研发能走到哪一步。