#编码.

AI 导读一项对照研究表明，在Claude Code、OpenCode或mini-SWE-agent等编程智能体框架间切换，对任务通过率的影响与重复运行同一设置相差无几。然而，每任务成本可能增加三倍，主要原因是系统提示在每个步骤都会重新发送。

AI 选稿理由该研究揭示了编程智能体框架选择对成本效益的实际影响，为开发者提供了优化资源使用的依据。

AI 导读月之暗面发布Kimi K3.1 Pro，2.8万亿参数模型在Artificial Analysis智能指数中排名第四，得分55，接近Fable 5.1。模型支持百万Token上下文，在代码、3D创作和长程Agent任务中表现优异，计划11月4日开放权重。同时推出Highspeed API，输出速度提升2-3倍，价格翻倍。独立评测显示其在网络安全测试中得分64%，为公开最高。

AI 选稿理由Kimi K3.1 Pro成为首个接近Fable-5.1级性能的开放权重模型，缩小了中美模型差距，并在网络安全领域取得突破性进展。

AI 导读Anthropic让Claude生成数学证明来验证现有代码的正确性，为123个开源库生成了约1.8亿行证明代码。在此过程中，该模型发现了多年测试都未能发现的错误。Anthropic的目标是使AI形式验证像标准测试一样成为常规流程。

AI 选稿理由Claude首次实现大规模自动代码形式验证，为123个开源库生成1.8亿行证明代码并发现传统测试遗漏的错误。

AI 导读研究团队发布IQuest-Q1，一个稀疏专家混合(MoE)代理基础模型，总参数320亿(激活15亿)。通过三阶段训练开发：稳定高效预训练、细粒度中训练和多支架多版本后训练，结合SFT、领域专业RL和MOPD，增强代理编码能力。模型合并不同专家和检查点，缓解参数更新冲突。IQuest-Q1在编码和通用任务中展现能力，已开源支持社区研发。

AI 选稿理由开源320亿参数代理基础模型IQuest-Q1，通过三阶段训练和模型合并技术提升编码与通用任务能力。

AI 导读研究团队提出Cola2框架，通过动态文本分段、无辅助损失的负反馈控制压缩率，以及重建与生成监督结合，学习紧凑的潜在表示。在五个下游任务和约2100亿训练 tokens 的实验中验证了核心设计，显示竞争性且未饱和的扩展性。使用3460亿源 tokens 的未收敛检查点，在八项任务上平均达到60.10，超越Llama-3-8B在HellaSwag和StoryCloze的表现，尽管其预训练预算超过后者的43倍。

AI 选稿理由Cola2通过连续-离散自适应和压缩控制，在有限训练资源下实现超越大模型的性能，适用于资源受限的语言生成场景。

AI 导读AI创业公司Recursive发布首个语言模型Flint，该模型为400亿参数混合专家架构，专为本地编码开发。该模型由前DeepMind研究人员创建，使用公司内部AI系统"Eureka Machine"在四个月内完成训练和优化。该系统能独立测试和优化架构，但Recursive尚未证明该方法是否能实现自改进AI。

AI 导读Anthropic发布Claude Duet主动AI代理，监控应用并自主处理任务；Recursive推出Flint本地编码模型，40亿参数激活仅2.5亿，支持本地高速推理；OpenAI模型将接入Google Cloud，支持企业级代理工作流；Base Labs发布Mammoth-1和Elephant-1决策模型；Anthropic发布Claude Mods可定制人机交互界面；OpenAI与PHP维护者合作修复GPT-5.6发现的安全漏洞；OpenAI开发者上月使用1000万美元token运行AI工作负载；LiteLLM发布v1.107.0版本被植入恶意代码；Monaco推出Agent Matrix平台协调多个AI代理实现收入增长；GUI-Owl 1.5实现2B参数模型在Android手机上操作应用；Anthropic CEO回应AI安全立场。

AI 导读研究者提出了一种名为SERA（自我进化机器人代理）的方法，通过一个可编辑的约束来组织高级视觉语言动作（VLA）模型，以保持任务上下文并通过执行经验改进规划。在RoboMME测试中，SERA实现了51.38%的成功率，而未进行自我进化的版本为44.38%。这表明，具有代理规划的机器人操作是一个有前景的方向。

AI 选稿理由SERA方法在机器人操作任务中实现了显著的成功率提升，为历史依赖的机器人操作提供了新的思路。

AI 导读Cloudflare 将 OpenAI Daybreak 用于漏洞调查，把发现的问题与建议的修复方案提交人工审核；其开发者同时使用 Codex 加快构建速度并改善代码质量。

AI 导读研究人员开发了一种名为DirCast的单流媒体视频语言模型，能够实时进行电子竞技直播的导演和解说。该模型通过分析所有摄像机的低分辨率画面，决定何时切换镜头，并在高分辨率下读取选定镜头的内容进行解说。DirCast在导演和解说方面均优于基于规则的导演和GPT-5等模型，解说能力在Proact-VL协议下与GPT-4o相比胜出29.2%。

AI 选稿理由DirCast模型在电子竞技直播导演和解说方面展现出优于现有技术的性能。

AI 导读OpenAI 在 Patch the Planet 计划中用 GPT-5.6 Sol 发现一个影响数百万网站的关键 PHP 漏洞；安全公司 Wiz 利用 Google Gemini 4 Argon 独立找到了同一漏洞。OpenAI 同时警告，能发现漏洞的 AI 能力也可能被攻击者利用。

AI 选稿理由两个前沿模型在真实安全计划中各自独立复现同一 PHP 关键漏洞，补充了 AI 漏洞发现能力在安全场景的具体案例，但未说明漏洞细节、影响版本或修复状态。

AI 导读论文提出HarnessAdapt-RL，在强化学习训练编码Agent时同步调整模型策略与执行框架（harness），不再固定框架只更新策略。冻结教师为具体任务生成机制级技能，另一教师按跨任务共性问题演化工具与hooks，仅保留不降低通过率或可训练率的改动。9B基座模型在SWE-bench Verified、Multilingual、Pro上pass@1较GRPO分别提高9.8、12.6、6.4个百分点，也优于配OpenHands人工框架的GRPO。

AI 选稿理由给出把Agent执行框架纳入强化学习训练的具体方法，并在SWE-bench三个设置上量化对比GRPO与人工框架，属可复用的Agent训练研究。

AI 导读OpenAI与Google Cloud宣布，OpenAI前沿模型及Codex工作流将接入Gemini的Model Garden，并通过Google Cloud Marketplace提供。原文未披露具体模型版本、上线时间与价格。

AI 选稿理由OpenAI模型首次进入Google Cloud的Model Garden和Marketplace，属于跨云分发渠道的具体新增，但原帖未给型号、时间与价格。

AI 导读OpenAI针对COBOL、Fortran、Visual Basic等低资源编程语言优化了最新模型。在新基准MultiLangBench上，GPT-6 Astra在20种语言的测试通过率达到87.4%，而GPT-5.6 Terra约为38%。在COBOL迁移任务中，GPT-6.1 Sol准确率最高达97.9%，可能影响关键金融基础设施的现代化改造。

AI 选稿理由把COBOL等老旧语言的代码迁移准确率从约38%提升到87%–98%，可帮助金融机构和政府部门用AI改造难以维护的关键系统。

AI 导读本期主线包括：MiniMax M3.1 Flash 面向 Agent 与编码任务，称在线推理快近三倍、使用成本降 70%，权重后续开放；Inception Labs 的扩散语言模型 Mercury 3 称在多项基准上超过 GPT-6 Luna 与 Claude Haiku 5.5，生成速度超每秒 1000 token；Cloudflare 介绍不生成 token 的抽取模型 Clairic，输出带置信分数。工程侧，Meta 披露千兆瓦级 Prometheus 超算集群与“薄编排器”Agent 路由架构；PyTorch 原生后端 TorchNeuron 与 vLLM 推式 KV 传输分别面向 Trainium 和分离式推理。此外还有 Exa 3.0 搜索、OpenAI 改进 COBOL 等老旧语言编码、Anthropic 据称再谈 450 亿美元算力交易等条目。

AI 选稿理由合集内 MiniMax M3.1 Flash 的成本与速度数据、Mercury 3 的扩散模型基准结果、Clairic 的非生成式抽取方法均属可复用新事实，但均需按厂商自报口径看待。

AI 导读本文提出了一种名为Vision-Language-Delta-Action（VLDA）的新范式，通过紧凑的Delta变量捕捉潜在的世界状态变化，作为视觉语言理解和动作生成之间的接口。VLDA通过统一目标学习Delta，包括局部过渡滤波器（LT-Filter）和全局过渡锚点（GT-Anchor），以改善长期一致性、鲁棒性和泛化能力。

AI 选稿理由VLDA通过紧凑的Delta变量捕捉潜在的世界状态变化，作为视觉语言理解和动作生成之间的接口，从而提高了机器人操作的长期一致性、鲁棒性和泛化能力。

AI 导读现代文本到图像（T2I）系统使用大规模语言预训练进行文本条件图像生成。本文提出Halcyon，一种早期融合的多模态自回归模型，完全从零开始在GPIC数据集上预训练，该数据集包含100M图像-文本对。Halcyon-0.52B在预训练计算量上比LlamaGen-XL/8少18.2倍，性能优于后者。Halcyon-1.6B在预训练计算量上比JiT-T2I-XXL/8++少275倍，性能也优于后者。控制实验表明，仅文本预训练不会提高T2I生成。Halcyon通过替换caption dropout为I2T监督，在不增加预训练预算的情况下，也能保持有竞争力的T2I生成质量。研究表明，强大的T2I系统可以在没有互联网规模语言预训练的情况下从头开始训练。代码和模型可在https://cs.stanford.edu/~keshik/halcyon获取。

AI 选稿理由展示了无需大规模语言预训练即可训练强大的文本到图像生成系统，降低了预训练计算需求。

AI 导读研究者追踪了七个开源强化学习训练框架，分析了它们在2025年1月至2026年6月期间对1,598篇论文的包含情况。研究发现，在180天内被包含的论文数量稳定在5到7篇，这些论文通常具有30B参数以上的训练策略，并经常修改现有损失函数的系数、clip、mask或权重。

AI 选稿理由该研究提供了关于开源强化学习训练框架中包含和审查过程的详细数据，有助于理解这些框架如何采用新的强化学习方法。

AI 导读论文提出Ask-to-Distill，把合成问题当作分布引出器，用冻结的学生-教师模型对计算问题价值：结合师生分歧、教师概率质量与学生候选支持，并加入长度和多样性控制，无需参考答案、正确性奖励或逐候选更新。生成的问题经筛选去重后进入纯提示题库供标准OPD使用，在数学推理、代码生成与Agent任务上平均性能超过未优化提示和KL过滤的真实问题。

AI 选稿理由提出无需参考答案的问题价值代理指标与生成流程，并在三类任务上给出相对真实题库和过滤基线的评测结果。

AI 导读OpenAI正在改进ChatGPT对低资源编程语言的支持，新增了软件工程、SQLite和COBOL迁移的评估能力。这一进展旨在提升ChatGPT在多种编程环境中的实用性和适用性。

AI 选稿理由解决了低资源编程语言支持不足的瓶颈，开发者可更高效地进行代码迁移和维护，降低技术债务成本。

AI 导读MiniMax发布M3.1 Flash模型，在Artificial Analysis Intelligence Index上得分42，较前代提升13分，成本减半。该模型在DeepSWE v1.1编程基准测试中达到73.7%准确率，每任务成本低于0.3美元，与Deepseek V4.1 Flash 1017性能和价格相当。

AI 选稿理由中国AI模型性能持续提升的同时价格持续下降，展示了AI成本效益的突破性进展，使高质量AI服务更加普及。

AI 导读Anthropic承诺将5%股权用于公共利益基金，支持AI对经济和劳动力的影响；OpenAI测试新Aurora图像模型；Anthropic报告初级技术招聘比例下降，员工使用Claude提高生产力但监督工作增加；DeepSeek发布Search & Fetch API和DeepSeek-V4.1-Flash-1017模型；Replit将默认AI提供商更换为OpenAI；Stack Overflow for Agents通过ChatGPT插件实现用户量三倍增长；Qualcomm预测2028年手机将运行1000亿参数模型。

AI 选稿理由Anthropic设立首个AI公共利益基金，DeepSeek-V4.1-Flash-1017显著提升推理与编码能力并降低KV缓存占用，Replit和Stack Overflow的AI集成实践展示产业应用变化。

AI 导读麻省理工学院的研究人员创建了一个多模态 AI 模型，该模型结合了 3D 原子结构和自然语言描述，以从实验研究论文和第一原理计算数据库中创建关于结构的丰富语言描述。该模型能够识别比仅使用文本流训练的模型更好的材料设计，并展示了其在新材料发现和材料科学中的应用潜力。

AI 选稿理由该模型通过结合 3D 原子结构和自然语言描述，解决了现有 AI 模型在处理材料数据时的局限性，有助于加速材料科学的发展。

AI 导读论文提出StopLoss，一个从已完成轨迹及验证结果学习失败识别的小型外部监视器：用最终结果标注局部窗口，微调后的语言模型单次前向即可为最近工具步骤打分，再用在成功运行上校准的阈值决定中止，无需改动执行器。在GPT族SWE-rebench轨迹上训练，并在SWE-bench Verified与SWE-bench Pro子集上用GPT、Claude执行器评测，与六个通用裁判比较：首次检查时失败预测从接近随机提升为有用信号，每次检查成本低一到两个数量级；相对完成全部任务，Verified上每次保留解题成本降4.5%并保住99%成功运行，Pro子集最高降31%，换Qwen3-8B骨干可达48%。

AI 选稿理由论文给出经结果监督训练的小型失败预测监视器，在SWE-bench Verified/Pro子集与GPT、Claude执行器上验证了提前终止可降低4.5%至31%（Qwen3-8B骨干48%）的每次保留解题成本，且保留99%成功运行。

AI 导读研究提出 CoEvo-RSI 框架，让元智能体基于共享演化档案和执行反馈，同时推进执行框架（harness）开发与模型检查点选择、合并及后续适配，以缓解框架需求与模型能力之间的脑体错配。在仅用自身拒绝采样轨迹做 SFT 的条件下，Qwen3.5-9B 在多智能体故障归因、角色感知 text-to-SQL 和智能家居指令跟随等垂直应用中具备与更大模型竞争的表现：在 TraceElephant 上比 DeepSeek-V4-Pro 高 14.16 个 agent 准确率，在 HomeBench VM 上比 GLM-5.3 高 4.90 个百分点成功率。

AI 选稿理由给出模型—执行框架双向历史继承的具体方法及三个垂直应用上的对照结果，实验限于拒绝采样轨迹 SFT 下的 Qwen3.5-9B。

AI 导读Anomaly Innovations（OpenCode背后的公司）表示遭遇了一起安全漏洞，约1.4%的OpenCode Console用户及其API密钥受到影响。此次事件被称为'大规模蒸馏攻击'，导致存储的OpenAI API密钥被暴露。

AI 选稿理由这是AI编码工具首次遭遇大规模蒸馏攻击，揭示了AI API密钥管理的新安全风险。

AI 导读Anthropic的AI模型Claude解决了存在25年的密码学难题。该问题涉及NIST标准曲线的神秘种子，这些种子由NSA提供但未解释，引发了对后门的担忧。Claude在30分钟内确定这些种子来自"lrand48"简单C随机数生成器，大幅降低了故意植入后门的可能。

AI 选稿理由AI模型在短时间内解决了长期存在的密码学疑虑，增强了密码学标准的可信度。

AI 导读Reflection公司发布501B参数开源模型Beam，采用混合专家架构(MoE)，每激活23B参数，支持1M token上下文窗口。模型专注于编码和智能体应用，提供多种部署选项和微调方法，并举办$10,000开发竞赛。

AI 选稿理由原文提供了开源501B模型的部署和微调方法，读者可据此评估私有化部署大模型的可行性。

AI 导读研究人员提出ECHO方法，通过让骨干模型的最后一层直接预测所有时间范围，消除了传统多令牌预测(MTP)方法中需要额外模块和前向传播的成本。结合动态深度采样(DDS)技术，ECHO将未来预测融入自回归目标，在预训练中仅需一半的MTP训练开销即可提升下游推理和代码能力，推理时模型可自主扩展预测深度并保持高熵生成时的对齐优势。

AI 选稿理由ECHO解决了多令牌预测方法计算效率低的问题，通过骨干模型直接预测和动态深度采样，大幅降低训练成本同时提升模型在推理和代码任务上的表现。

AI 导读DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017 版本，性能与成本实现帕累托改进，支持从零开始构建完整项目，新增开放自研搜索 API，模型权重已开源。

AI 选稿理由新版本实现了从零开始构建完整项目的'许愿式'编程能力，并开放了自研搜索 API。

AI 导读Reflection AI发布了Beam，一个用于智能体编码和长程任务的开源权重大模型，总参数量501B，激活参数23B，上下文长度达100万tokens。Beam通过Apache 2.0许可证在Hugging Face发布，提供BF16、FP8和NVFP4三种格式，可在AWS SageMaker JumpStart或HyperPod上部署，支持Kubernetes原生控制。

AI 选稿理由原文提供了在AWS上部署Reflection Beam模型的两种路径和详细配置步骤，读者可以直接参考实施。

AI 导读本期主要围绕三条线索：Anthropic 发布 Claude Haiku 5.5 并回顾 Sonnet 5.5，独立评测显示 Haiku 5.5 智能指数 43 排第 13、速度最快，但成本与延迟随推理等级大幅变化；Mistral 发布 1.05 万亿参数 MoE 模型 Large 4 的 API 预览，在 CyberGym-E2E-AA 上以 82% 居公开模型首位，权重将随后开放；Apple、Nvidia、Microsoft 推出面向本地 AI 的桌面与笔记本，Tom's Hardware 用 AgentPerf-Local 测试表明 Nvidia 硬件快于 Apple 与 AMD。此外，清华、蚂蚁与人大提出 CausalMix，用因果方法将数据配比与数据质量分离来优化微调数据选择。

AI 选稿理由Mistral Large 4 成为中美国之外最强开源权重候选并在漏洞修复任务领先，Claude Haiku 5.5 刷新速度与价格结构，本地硬件与 CausalMix 分别为端侧部署和数据配比提供了可复用的量化参考。

AI 导读研究提出 HexaShell，一个极薄的机器人控制框架：VLM 编码 Agent 通过命令行驱动双臂机器人，读取三个已标定 RGB 相机，并在每次失败后读日志、定位原因、编写或修复名为 tools 的小程序，用三角测距和平面求交估算物体与夹爪的相对位置。工具仅用单 seed 的十种布局构建并冻结，再在同 seed 的十种新布局上测试，使用 Codex 与 GPT-6-Astra 中等推理强度，在 RoboDojo 全部 42 项任务上达到 39.7% 成功率与 48.0 进度分，刷新最优。瓶颈在接触而非推理：推动 92.5%、记忆任务 65.0%，而紧密插入仅 8.3%。作者开源了已演化的 tools。

AI 选稿理由展示了编码 Agent 在真实机器人操作中的能力边界：把失败经验沉淀为可复用代码工具后能刷新 RoboDojo 榜单，但紧密插入等接触密集型任务仅 8.3%，为机器人 Agent 研究者指明了推理之外的运动控制瓶颈。

AI 导读Meta 的编码优化开放权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口，可在自己的 AWS 账户中部署到 SageMaker AI 端点。

AI 导读针对灵活制造中的工业操作，如高混合、低批量（HMLV）电子产品组装，研究人员提出了LIBERO-Industry，一个基于LIBERO的新基准，用于评估机器人策略在工业流程约束下的表现。该基准包含三个经典任务场景，并通过实验表明，随着工业约束的引入和组合，性能逐渐下降。

AI 选稿理由LIBERO-Industry通过将工业流程约束转化为可控制的任务条件和可测量的成功标准，为评估机器人策略在工业环境下的表现提供了新的基准。

AI 导读论文提出文件选择器 CQ2-CARE：在 300 个 SWE-rebench 问题上，用相同 token 预算时，把预算用于挑选要原样展示的整份文件，而不是压缩 token 或检索代码块。配 GPT-5.6 与 Claude Opus 5 分别解决 43.7% 和 46.7% 的问题，比三种压缩器最佳结果高 6.3 个百分点，比三种检索器最佳结果高 9.3 与 12.7 个百分点，也超过 SweRank 和 SWE-Pruner。作者分析称检索器常漏掉要改的文件，压缩器保留了文件却改写文本，导致补丁更难应用。

AI 选稿理由指出补丁类编码 Agent 的上下文瓶颈在于选对整份文件而非压缩，且方法无需额外压缩模型即可提升可应用补丁比例，对做代码 Agent 上下文管理的人可直接复用。

AI 导读随着前沿编码智能体的发展，AI辅助软件工程的token成本显著增加。TokenEconomizer通过确定哪些操作微技能要注入、哪些持续无关的工具要修剪以及何时干预无效的失败循环，在Claude Code、Codex和GitHub Copilot CLI配合前沿模型的情况下，将平均token成本降低了18.4-30.9%，同时保持了可比的任务成功率。

AI 选稿理由TokenEconomizer通过自适应黑盒成本控制，有效降低了编码智能体在现实环境中的token成本，提高了token效率。

AI 导读谷歌 Gemini 4 Argon 正式 GA，覆盖编码、知识工作与企业工作流，API 入门价每百万输入/输出 2/10 美元，11 月 30 日后翻倍；Cursor 默认 52.8% CursorBench，Cognition 报告 FrontierCode 1.1 达 60.5%。AI Engineer NYC 吸引约 2 万人，Anthropic、Vals AI、Coatue 分别分享金融服务栈、模型基准原则与新闻转投资决策。Meta 发布 Muse Wonder，主打 Active Focus 与 Active Memory，但订阅限额与部署问题引发早期争议；Fish Audio 开源 35B MoE 语音模型 Drama 3，Drama 3 Preview 以 93.2% 领跑发音鲁棒性。Anthropic 披露日合并量从 5 月 2500 增至 9 月 3 万并弃用 Git；NVIDIA 开源 Run:ai。

AI 选稿理由Gemini 4 Argon 是本周头号前沿模型发布，其入门价仅为 GPT-6 Astra 约六成、幻觉率 15% 为高分区最低，开发者可直接通过 Cursor、Copilot 与 Gemini API 用它做编码、文档与智能体任务，成本与能力窗口值得立即评估。

AI 导读近日，研究人员推出了BlenderWorld，这是首个针对现实3D创作任务评估前沿模型的全面基准。该基准包含223个任务，涵盖建筑、产品、自然环境和科学可视化等领域，通过文本、图像、视频和结构化规范输入驱动。基准测试了13个前沿模型，其中GPT-6-Astra取得了最高总分79.9，其次是Opus-5（73.0）和GPT-5.6-Sol（67.7）。研究发现，尽管当前模型可以解析广泛指令，但在Blender中实现精细的3D空间一致性和准确的结构再现方面仍存在重大瓶颈。

AI 选稿理由BlenderWorld基准测试为3D智能体研究提供了新的评估标准，揭示了当前模型在3D空间一致性和结构再现方面的瓶颈，为未来3D智能体的发展指明了方向。

AI 导读Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 Gemini API、AI Studio、Google Antigravity 以及 Gemini 应用和 Search 的 AI Mode 提供，入门价每百万输入 token 2 美元、输出 token 10 美元。

AI 选稿理由官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在长程任务中的落地方式。