专访扩散智能龚珊三:Clover 杀入 Agent 主场后,扩散模型能否替代自回归
扩散智能联合创始人、首席科学家龚珊三在 InfoQ 专访中介绍,团队开源的 Clover-35B-A3B-Preview 总参数 350 亿、激活约 30 亿。
扩散智能联合创始人、首席科学家龚珊三在 InfoQ 专访中介绍,团队开源的 Clover-35B-A3B-Preview 总参数 350 亿、激活约 30 亿。
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 上下文,覆盖文本、图像、音频和视频。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等内部智能体的使用深度。按 API 标价计算,10 月中位数研究员每天消耗价值 2400 美元的 token,环比增长 62%,前 10% 用户达每天 23000 美元。
推荐理由:OpenAI 内部报告给出编码智能体的用量、任务成功率与失败环节,可据此判断当前智能体在研发流程中的真实边界。
爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。
推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。
uya-agent 发布一个 9.3 MB 的静态二进制编程 Agent,拷到任意 x86-64 Linux 上即可运行,无需 node、python、glibc 或容器。它接收一句指令后自行读文件、改文件、跑命令,循环到给出结论,TUI、沙箱和 TLS 都打包在内。官网与 GitHub 仓库已公开。
OpenCode 发布 Browse,让编程 Agent 直接使用用户已登录各种账号的浏览器。该功能由 Chromium 扩展加一个 MCP server 组成,Agent 在后台折叠标签组中开标签页,可读页面、点击、输入、截图和录 tab;遇到登录、2FA 或付款环节时把标签页交还用户。
微软宣布推出新版本编程模型 MAI Code 2 和 MAI Code 2 Flash,核心卖点是“不到一半的价格,交付生产级质量”。在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 四个企业日常编码基准上取平均,MAI Code 2 拿到 GPT 6.1 Sol 的……(原文摘要在此截断)。
推荐理由:微软公布 MAI Code 2 与 Flash 的定价和基准对比,可据此判断低成本编程模型的取舍。
Claude Code 团队公开称其约 90% 的代码由 Claude 编写和评审,团队工程师 Addy Osmani 在 claude.dev 上撰文介绍这一规模下如何让 agent 验证自己的工作。文章的核心判断是,没有验证回路时最多同时跑一两个 Claude,因为每个都要人盯着;有了验证回路则可以同时跑几十上百个。
范式智能(原第四范式)首次发布自研基座模型 Phai-A1 和 Phai-M1,两款模型全链路在华为昇腾平台上完成训练。Phai-A1 面向代码开发和智能助手场景,官方称同等质量下响应速度比同参数级别模型快约 8-10 倍,单张 RTX 3090 即可运行,并具备原生百万级上下文;Phai-M1 面向真人影视场景,音画同步,约 3 分钟生成 15 秒 720P 视频。
InfoQ 翻译报道,Anthropic 发文介绍 Claude Code 团队代码审查流程,称 Claude 已编写 Claude Code 约 90% 的代码,且团队无人完整构建 Claude Code 的心理模型。
Snapchat 宣布推出 Easy Lens CLI,让 Lens 创作者用 Claude Code、Cursor、Codex 等 AI 编码助手构建 AR Lens。
Google DeepMind 发布 Gemini 4 Neon,这是 Gemini 4 家族中位于 Carbon 与 Hydrogen 之间的推理模型,面向编码智能体、知识工作和科学流程,定价为每 1M token 输入 $3、输出 $15。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
Google DeepMind 于 11 月 18 日发布 Gemini 4 Neon,这是 Gemini 4 系列 7 周内的第 4 款元素模型,定位在旗舰 Carbon 与轻量 Hydrogen 之间。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
微软在 Ignite 2026 活动上发布多款大语言模型,包括图像生成与编辑模型 MAI Image 2.7 和 MAI Image 2.7 Flash,并上线由 Flash 驱动的交互式创作空间 Canvas。
谷歌发布主力模型 Gemini 4 Neon,发布当天即在 Google AI Studio、Gemini App、企业端 API 和 Google Antigravity 全量上线,定价为每百万输入 Token 3 美元、输出 15 美元,标配 100 万上下文窗口。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。
推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。
Google 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。
推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。
LangSmith 推出面向编码智能体的花费追踪功能,把每次 trace 的花费自动归因到智能体贡献的 pull request 上,并汇总到统一的编码智能体总览页。
推荐理由:原文把编码智能体的花费与合并 PR 挂钩,并给出按模型、技能和线程长度拆解成本的具体视图。
Hugging Face 的 harness-hub 团队发布 Qwen3.8-27B-pi-adapted,这是面向 pi 编码智能体的 rank-32 LoRA 适配器,采用 AsyncGRPO 强化学习训练,Apache-2.0 开源。
OpenAI 发布 GPT-6.2 Astra 和 Sol 两款模型,已上线 ChatGPT Work、Codex 及 API(gpt-6.2-astra、gpt-6.2-sol)。
推荐理由:材料汇总了 GPT-6.2 Astra 与 Sol 的定价、基准表现和早期测试者的分歧评价,可对照两款模型的效率与能力取舍。
OpenAI 测量了编码智能体加速 AI 研究的实际效果,发现其表现仍不均衡。这项研究同时探讨了这些结果对递归自我改进意味着什么。
OpenAI 详解 Codex 沙箱机制:Codex 在你的机器上执行命令时,会按你设定的文件系统与网络限制进行约束,覆盖 macOS、Linux 和 Windows。
OpenAI 推出前沿模型 GPT-6.2 Astra 和日常模型 GPT-6.2 Sol,API 中分别以 gpt-6.2-astra 和 gpt-6.2-sol 提供。
OpenAI 发布 GPT-6.2 Astra 和 Sol,在专业输出、编码、电脑操作和效率上有所提升,并降低了成本。新模型覆盖 ChatGPT Work、Codex 和 API 三个入口。
UC Berkeley、Microsoft Research 和 Microsoft Security 发布开源插件 TokenEconomizer,它从智能体在仓库中的历史会话学习,在不修改智能体和底层模型的前提下减少后续会话的 token 浪费。
推荐理由:读者可以看到一个不改动智能体本身、只靠历史会话学习的插件,在 277 个真实修 bug 任务上如何降低 token 成本。
ArtCraft 创始人 Brandon Thomas 在旧金山 AI Engineer Code Summit 上介绍,公司已发布 17 个开源软件版本,包括用 Rust 从零构建的 Photoshop 替代品 PhotoCraft、克隆 Acrobat 的 PdfCraft 和类 Word 的 WordCraft。
Google DeepMind 发布 Gemini 4 Hydrogen,主打日常编码与智能体工作流的速度和效率,并同步在 Gemini API、AI Studio、Gemini app、Google Search 等全线开放。
推荐理由:官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多项基准对比,可据此判断多模型协作的落地方式。
Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长程智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断何时该用更强但更贵的模型。
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,两者为同一底层模型,在编码、推理和视觉方面均有提升,输出速度比 5.1 版本快最多 30%,定价为每百万输入 token 8 美元、每百万输出 token 40 美元。
推荐理由:官方系统卡与基准表并列呈现,读者可对照 Fable 5.2 与 Opus 5.5、GPT-6 Astra 的能力与价格差异。
微软研究院发布研究原型 PDD Kit,把开发者意图转成 Verus 形式化规范,证明智能体生成的代码对每个输入都满足规范,证明覆盖不到的部分则回退到测试。
Mistral 发布 1 万亿参数原生多模态模型 Mistral Large 4(Le Chonk)的开源权重,此前该模型已在本月早些时候进入公开预览。相比预览版,新增三周强化学习后其在 FrontierCode 2.0 得分 19.7%、Terminal-Bench 4.0 提升 13 个百分点至 41%,并支持 Low、Medium、High 三档推理模式。
推荐理由:原文给出开源权重、三档推理模式和定价,读者可据此判断自托管编码与安全场景的落地成本。
Navan 借助 Cursor 云端智能体,将涉及 8 个应用和 15 个库的 Spring Boot 4 迁移从两年前的一个多月压缩到约一周,且未冻结代码库。智能体在 Navan 自托管机器上并行执行迁移,并启动浏览器自行验证更改。目前 Navan 约有 200 人使用 Cursor 云端智能体,较 2026 年 4 月增长 10 倍。
Reflection 的首个开放权重模型 Beam 于 10 月 16 日正式发布,Ollama 作为 day-zero 合作伙伴限时免费提供。Beam 是 MoE 模型,总参数约 501B、每 token 激活 23B,上下文窗口 100 万 token,面向软件工程、推理和长程智能体任务,采用 Apache 2.0 许可。
推荐理由:Reflection 首个开放权重模型 Beam 的参数规模、上下文窗口和 Apache 2.0 许可,可供判断其面向编码与长程智能体任务的定位。
Anthropic 介绍其自研版本控制系统 Scion,并在五个月内把单体仓库从 git 完整迁移过去。随着 Claude 写代码量激增,其日均合并代码变更从 2026 年 5 月的约 2500 次升至 9 月的超过 3 万次,git 的离线分布式设计成为瓶颈。
推荐理由:Anthropic 公开自研版本控制系统 Scion 的设计取舍,为智能体大规模写代码后的工程瓶颈提供一份可借鉴的实践样本。
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底发布。
推荐理由:官方给出 1 万亿参数多模态模型的预览入口、权重开放时间与多项基准对比,可据此判断开源权重模型的当前水位。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
宝玉用 ChatGPT Pro 中的 GPT 6 Astra 生成 3D 版《桃花源记》网页,把全文拆成 20 幕,支持“循文入境”连贯体验与逐章慢读。第一版使用系统 TTS 朗诵,之后替换为真人朗诵并按 SRT 时间戳同步章节切换、镜头进度和句子高亮。随后由 Codex 把 MP3 拆成独立文件并替换环境音,HTML 从 5.6 MB 缩到约 777 KB;文末附可复用的完整提示词模板。
宝玉在腾讯内部以自研字幕翻译 App 为主线,讲述 AI 产品从找需求、判边界、最小验证、重设计到落地交付的完整过程。他提出判断需求的三问与能力、成本、价值三条边界,并复盘一次成本优化把调用从 33 次降到 12 次、单集处理从 31 分钟降到 18 分钟。问答部分回应个体如何与 AI 共同进化,主张执行层交给 AI,人专注定义问题与验收结果。