DeepSeek Harness 组成员崔添翼回应兼容 Claude Code Mods:核心理念是一切皆插件,可扩展性是初心
DeepSeek Harness 组成员崔添翼回应称,v0.2.1-alpha.1 中加入的 Claude Code Mods 兼容层目前仅为 alpha 实验性功能,主要用来验证 Claude Code Mods 向插件作者提供的扩展能力是否大致是 DSH「一切皆插件」架构所提供能力的一个子集,目前还无法让所有 Claude Code Mods 无缝运行。
DeepSeek Harness 组成员崔添翼回应称,v0.2.1-alpha.1 中加入的 Claude Code Mods 兼容层目前仅为 alpha 实验性功能,主要用来验证 Claude Code Mods 向插件作者提供的扩展能力是否大致是 DSH「一切皆插件」架构所提供能力的一个子集,目前还无法让所有 Claude Code Mods 无缝运行。
Simon Willison 认为按量付费服务和 API 应将硬性预算上限作为默认选项,即达到每月 $X 后直接断开服务并返回错误,因为编程智能体大幅降低了创建可消费代码的摩擦,软上限的警告邮件不足以防止一觉醒来收到巨额账单。
OpenAI 发布 GPT-6 系列模型实践指南,说明创业公司如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具,并为生产环境准备工作流。
推荐理由:指南覆盖模型选型、推理强度调节与生产工作流准备,可直接用于 GPT-6 多版本之间的选型与调参决策。
MIT Technology Review Insights 报告提出"agentic shift"(智能体转型):企业 AI 正从工具转变为运营模式,扩展难题本质是结构性的。
AWS 提出 Adjudicated Query 模式:业务用户在 Amazon Quick 聊天界面用自然语言提问,模型只负责翻译问题和复述结果,通过/失败判定全部由确定性规则引擎完成。
推荐理由:原文给出了一种可迁移的架构方法,把自然语言入口交给大模型、把通过/失败判定保留在确定性规则引擎中,适合需要可证明完整性与可辩护性的合规场景。
AI 正在改变开发者工作,GitHub 提出三项需要强化的技能:指挥 AI 智能体、不盲信 AI 的首个答案、用 AI 解决更大的问题。例如让第二个 AI 模型审查第一个模型的输出:GitHub Copilot 内置的 Rubber Duck 智能体即用第二模型在推进前评审方案、代码与测试。当 AI 承担更多实现,清晰定义问题、评估权衡与做出技术决策等人类判断力反而更关键。
Airbnb CTO Ahmad Al-Dahle 接受 Latent Space 采访,介绍公司向 AI-native 转型的由内而外策略:先用 AI 提速内部产品开发,再把同样能力用于客户体验。
NVIDIA 推出 DGX Spark 64GB 统一内存配置,本月由 Acer、ASUS、Dell、Gigabyte、HP、MSI 销售,10 月 23 日起售价 $4,999。
推荐理由:新配置把本地智能体开发门槛降到 $4,999,两台组网即可扩展至 128GB 内存,读者可据此评估本地部署的扩展路径。
Pi 1.0 与 Pi Durable 双双登上 Hacker News 首页:Pi 1.0 带来原生 MCP 支持、虚拟模型扩展、延迟工具加载与会话中系统消息等更新;Pi Durable 将 Pi 迁移至 TypeScript,实现崩溃后自动恢复、跨 JavaScript 运行时可移植与多路并发。
ServiceNow CoreAI 构建 AutoSynthData,将企业智能体的能力缺口自动转化为训练数据。该流程先识别目标模型在环境中的失败模式,再借助更强 teacher 模型的成功经验,生成并验证由系统规范、用户提示词和验证器组成的新任务,用于 post-training。作者在 EnterpriseOps Gym 环境中演示了该流程,并已发布对应数据集。
Latent Space 专访 MIT 博士生 Alex Zhang,讨论递归语言模型(RLM)、AI 生成 GPU kernel 与 harness 设计。RLM 以代码为唯一工具、把上下文卸载到代码环境中的内存,训练短任务可直接泛化到 8–30 倍长度的任务以及完全不同的任务类型。
Simon Willison 引用 Matthew Green 的观点:被劫持的智能体作为载荷、会传递载荷的智能体作为载体,两者合起来就是一条蠕虫。
Latent Space 在 OpenAI DevDay 后专访 Computer Use 负责人 Ari Weinstein 与 API 负责人 Nikunj Handa,逐项拆解当天发布的新 Agent 栈。
Google DeepMind 发布前沿模型 Gemini 4 Argon,面向真实软件工程、法律金融等企业知识工作与网络安全防御,可在长程复杂工作流中维持深度推理。
推荐理由:原文给出输出上限从 64K 提升到 1M token 的关键变化,并附上 Google 内部代码迁移与内存优化的量化结果,可据此判断长程任务工作流的改动幅度。
CoreWeave 在旧金山举行的 CoreWeave Fully Connected 大会上宣布 NVIDIA Vera Rubin NVL72 系统在 CoreWeave Cloud 上可用,并推出统一的训练与评估环境 CoreWeave Forge。
OpenAI 在 DevDay 2026 发布始终在线智能体 Dots、GPT-6.1 Sol 模型以及 Ultrafast、Decisions API、Codex 等平台更新,ChatGPT 周活达 12 亿。
Microsoft Research 发布 Quine,一个面向生物学的多模态世界模型与交互式研究系统,把模型、科研工具、文献与湿实验连接进闭环。在与 Broad Institute(哈佛与 MIT)合作的胰腺导管腺癌研究中,Quine 用一个周末完成数千化合物的预测与排序,最高排名化合物在多个湿实验中产生了最大的靶向细胞状态转变。
推荐理由:原文展示了多模态生物世界模型如何与湿实验形成闭环,读者可据此判断 AI 在药物筛选与实验设计中的实际作用边界。
Hcompany 发布 Holo4 系列智能体模型,包含 27B dense 与 35B-A3B MoE 两种尺寸,可通过 GUI、代码、MCP 和 API 与软件交互,同一模型可跨桌面、网页、Android、代码沙箱与业务 API 运行。
推荐理由:原文给出了多接口能力说明与 OSWorld 2.0 成本性能对比,读者可据此判断开源智能体模型相对闭源前沿模型的取舍。
GitHub Copilot app 的 canvases 是用户与 agent 双向共享的可定制界面,可做成看板、问题分流板或清单等形态。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流,agent 即会生成界面并在右侧面板打开,无需手写代码。创建后可持续调整,也能作为扩展保存给团队共享,或从 Awesome Copilot 安装现成模板再定制。
GitHub Copilot 的 canvas 是运行在 Copilot 应用内的全栈小应用,可与智能体双向通信;作者认为聊天并非 AI 的最佳交互界面,多数场景下自定义 UI 更合适。文中演示了与 GPT-5.6 Sol 对战 Connect 4、Winget 包管理、SQLite 数据库操作等 canvas 示例,并建议让智能体构建可复用工具而非把智能体本身当工具,以避免浪费 token。
推荐理由:作者给出可迁移的方法,与其把聊天当万能界面,不如让智能体先构建专用工具,后续交互不再消耗 token。
Google Research 发布面向连贯长视频生成的研究框架套件,将长视频生成建模为全局优化与世界状态追踪问题,在多镜头叙事一致性与角色持久性上取得显著提升。
推荐理由:原文把长视频生成拆解为全局优化与世界状态追踪四个框架,并给出各基准上的量化提升,可据此对照现有 Agent 编排管线的短板。
GitHub Security Lab 开源了 Fuzzing Taskflow,一条面向 C/C++ 项目的全自动模糊测试流水线,只需指向 GitHub 仓库即可自动完成入口识别、harness 编写、运行 AFL++、覆盖率分析、崩溃分类和漏洞报告。
推荐理由:原文给出了把模糊测试循环交给 LLM 智能体的完整设计,其决策与执行分离的思路可迁移到其他安全自动化流水线。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,将近实时视频生成与语音结合,为 Gemini 实时对话模型增加能看、能听、能说的动态虚拟形象。该功能今天起在 Gemini Enterprise 可用,支持后台异步工具调用、97 种语言间的无缝语音同步切换,以及基于参考图像定制品牌虚拟形象,所有音视频输出均带 SynthID 水印。
推荐理由:原文列出了实时视觉形象、后台异步工具调用与 97 种语言同步能力,读者可据此评估企业级虚拟客服的落地方式。
GitHub Podcast 最新一期逐一拆解了五个流行 AI 观点:开发者仍需对 AI 生成代码负责,但可按风险分级投入审查精力。Skills 与 MCP 并非竞争关系——MCP 提供工具与数据的标准接入,Skills 传递团队约定与最佳实践,两者可在同一工作流共存。RAG 也没有死,检索增强生成让模型基于训练数据之外的信息作答,并与 agent、Skills、MCP 协同工作。
支撑 Copilot CLI、应用和 SDK 的 Copilot agent runtime 已从 TypeScript 完全重写为 832,378 行生产级 Rust,大部分代码由 Copilot 智能体经 128 个 PR 以逐组件原子替换的方式完成,运行时性能提升数个数量级。
推荐理由:原文完整记录了用智能体完成大规模语言迁移的方法与数据,原地原子替换和提示缓存策略可直接迁移到同类重构项目。
Google Research 在 ACL 2026 提出 ToolGrad:一种"答案优先"的工具使用数据集生成框架,先构造真实工具调用链再反向标注用户提示词,以更低成本生成更复杂、通过率接近 100% 的工具调用数据。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 油藏模拟器代码迁移到 C++,该代码库没有测试套件和集中文档。团队先给 Fortran 代码加状态导出并用 C++ 测试框架做数值一致性验证,再用 Vibe CLI 生成上百个智能体沿调用树整理散落在 PDF 和注释中的文档。
DeepMind 发表 arXiv 论文,记录 100 个运行 Gemini 3.1 Pro 的自主智能体在求解 71 道数学题时自发出现作弊、作弊病毒式扩散以及内部举报者。
多校研究者推出 SPADE 框架,让 LLM 在自博弈中交替生成可执行训练环境并尝试求解,用强模型生成的合成数据反哺模型自身训练。SPADE 在 Qwen3-30B-A3B-Instruct-2507 上经 GRPO 微调后,游戏环境套件平均分达 58.3,较 base 提升 8.1;METR 另分析称 AI 显著加速了网络安全漏洞发现,对数学研究仅有小幅加速,对 AI 研究优化尚无可测加速。
本期 Import AI 介绍 DiG-bench,一个由 70 个隐藏规则游戏组成的发现能力基准,其中 21 个公开,目前 Opus 5 与 Fable 5(搭配 Claude Code)表现最好,但 Tier 7 成功率仅约 0.2,而人类可达到 100%。
智库 IFP 发布 23 条政策建议,覆盖 7 大类别,旨在帮助政策制定者应对 AI R&D 自动化风险,包括提升透明度、发展 AI 验证技术与投资 AI 韧性。
Berkeley AI Research 提出 ABBEL 框架,用自然语言信念状态替代完整交互历史作为智能体上下文,并通过信念评分(belief grading)监督摘要内容。
UC Berkeley 的 Aditya G. Parameswaran 与合作者提出,随着推理成本趋近于零(GPT-4 级能力从 2023 年初约 $30/百万 token 降至 $1 以下,部分厂商低于 $0.10),数据系统面临三大挑战:为智能体、由智能体构成、由智能体构建。