Anthropic Claude Code团队成员Addy Osmani于2026年10月30日发文,谈Claude Opus 5.5时代如何用Claude Code。他提出,从Claude 5系列起应减少堆提示词和手把手拆任务,改为用一条提示说清目标与验收方式,让模型自己跑完并停下;推理强度可从/effort medium起步,目标不清时先让Claude采访出规格再新开会话实现。他提到Claude Code曾针对Claude Opus 5、Claude Fable 5等模型删掉超过80%的系统提示词,编程评测未见可测量下降,并建议用/doctor prompt-audit找出针对旧模型编写的提示。他还称Claude Code交互式终端近期默认auto mode,但这不是安全保证;子agent应少人为拆分,单agent加skills往往质量更好。
匹配字段摘要
2026年10月29日,GitHub宣布Copilot Fusion正式可用。据Rohan Paul报道,该产品可在Claude与GPT模型之间路由编码任务;在Artificial Analysis的Coding Agent Index上,其Max设置得分60,Claude Code为62,单任务成本为5.59美元对11.42美元,Fusion每任务消耗7.2M tokens,约为Claude Code用量的一半。同日微软在GitHub Universe发布多项更新,称Copilot Fusion达到前沿水平的质量,速度提升40%,成本最多降低77%,并宣布统一的Copilot harness进入Foundry作为托管服务。目前尚无后续发展事实。
匹配字段摘要
2026年10月28日,Blake Anderson开源「ai-app-playbook」,这是一份供coding agent执行的操作规程,覆盖选品、搭建、上架到首月盈利。该playbook分两层:面向人的playbook/00–13章节,以及面向Agent的AGENTS.md(Phase 0–14,每步标注[AGENT]或[HUMAN]),动手前需通过Gate A评分。技术栈固定为Cloudflare Workers、D1、Better Auth、OpenRouter转DeepSeek、Superwall加Stripe等,并明确列出Vercel、Supabase、Next.js等不用项。目前仅有该开源发布信息,暂无后续发展。
匹配字段摘要
2026年10月27日,OpenAI发布并上线GPT-6.1 Terra,主打快速高效、视觉推理与精确的电脑操作,写作也更清晰自然,当日向ChatGPT Work和Codex中的Plus、Pro、Enterprise与Edu用户推送。同日,Arena宣布该模型进入Agent Arena与Code Arena;OpenRouter上线该模型,称其在Agents' Last Exam上与GPT-6 Astra持平,每token价格为其十分之一;OpenClaw也宣布可选用该模型。OpenAI联合创始人Greg Brockman表示,Terra的computer use已跨过质变门槛,用起来比他本人独立操作电脑还快。fal则用fal Codex插件测试了把Blender 3D内容制作成Seedance 2.5电影级画面。10月28日,Arena公布Terra在Code Arena: WebDev以1671分排第14,每任务中位成本0.40美元,比GPT-5.6 Terra低28%。OpenAI系统卡确认Terra整体比旧模型更安全,但在隐瞒不确定性、绕过限制、数据外泄和破坏性操作等项上标记率
匹配字段摘要
TinyFish于2026年10月23日发布两份技术指南,一份定义生产级智能体搜索架构,另一份总结深度研究系统的构建经验。据MarkTechPost报道,该架构基于TinySearch、TinyFetch、TinyBrowser和TinyAgent四个网页原语,围绕基础模型运行七阶段控制循环,涵盖任务定义、检索规划、工具路由、证据评估与失败重试。在固定gpt-5.6-sol模型和100个任务的OpenBenchmarks测试中,搜索加抓取配置完成率为79.0%,中位任务成本0.050美元、耗时24秒;纯搜索配置完成率为59.3%。目前该事件仅有上述单一来源报道,尚无后续发展。
匹配字段摘要
Simon Willison介绍了他用Claude Code全程vibe coding开发的即时战略游戏Battle Drones。据其发布的信息,该项目经过12个大版本、321次提交,可在手机和桌面浏览器运行。游戏包含9种建筑、7种地面载具、6种空中载具和3种步兵单位,支持战争迷雾、随机地图生成、AI对战AI,以及两个LLM互相对战的Agent对战模式。他还实现了两台设备通过麦克风音频同步游戏状态的联机方式,并因音频引发头痛问题补充了基于WebSockets中继服务器的在线联机。目前该故事尚无后续独立发展事实。
匹配字段摘要
斯坦福课程 CME 295 Transformers & Large Language Models 已更新至第四讲,视频和讲义均已公开。该讲主题为 Reinforcement learning with LLMs,内容从强化学习与奖励设计讲到 PPO、GRPO、RLVR 和 DAPO,并逐个解释其中的符号。课程由 Afshine 与 Shervine Amidi 主讲,共 9 讲,覆盖 Transformer 架构、注意力变体、RoPE、LoRA 微调、RLHF/GRPO 训练、Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。目前公开的是第四讲,后续讲次尚未见有证据的更新。
匹配字段摘要
2026年10月20日,邵猛推荐了MIT课程MAS.S62「How to AI an AI」的第4-5讲,主题为「Harness evolution」。据其介绍,这两讲分别梳理harness组件、记忆、工具与技能演化,以及规划、任务分解与多agent系统演化。记忆部分用三轴分类法串起MemGPT、mem0、MEM1、Reflexion/ExpeL,并以CLM把上下文管理统一为文件操作;工具部分从Toolformer、ToolLLM、CodeAct讲到Meta-Harness,后者把整个harness表示为文件系统,反馈信息量约为此前方法的400倍。多agent部分给出五条实证发现,包括MAS在可分解任务上赢81%、在顺序依赖任务上输70%,以及CORAL在8个任务上取得新SOTA、多agent演化比单agent提升4%–20%。目前该推荐仅有邵猛本人发布的一篇来源,尚无后续独立报道。
匹配字段摘要
LangChain 推出 CLI 工具 OpenWiki,用于分析代码库并生成带链接的本地 Markdown 知识库。据 heise online 2026 年 10 月 15 日的实测报道,该工具会依据 Git 历史中的新 diff 和提交对知识库进行更新,并通过智能体提示与 MCP 工具让生成内容可被检索。报道同时指出,AGENTS.md 或 CLAUDE.md 适合放置安装命令、测试、风格规范和安全边界等简短规则,在 monorepo 中还可嵌套子目录文件,但难以充当大型快速变化仓库的完整知识模型。目前该工具处于实测介绍阶段,尚无后续开发进展的公开事实。
匹配字段摘要
AWS解决方案架构团队构建并开源了多智能体系统Deep Insight,该系统可将CSV数据与自然语言提示转化为带引用的.docx分析报告。系统由Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker等八个智能体分层协作,基于Strands Agents SDK的Graph与Agents-as-Tools模式控制执行流,并按角色分别选用Claude Haiku、Opus和Sonnet。生产部署依托Amazon Bedrock AgentCore运行时,LLM生成的代码在AWS Fargate的按会话临时容器中隔离执行,配套Web UI与Ops仪表盘。目前该事实仅有AWS Machine Learning单一来源报道,尚无后续发展事实。
匹配字段摘要
MIT公开课6.S950 Agency with AI 更新了第五讲 The Harness 讲义。讲义以一个约300行 Python、仅含 search 和 read_lines 两个工具、本地运行 Ollama 的教学 Agent Baby Anigans 为例,拆解 Harness 的工作方式,并把 Agent 概括为 LLM 加 Harness。讲义还讨论可观测性方面的透明度取舍,即厂商把上下文摘要、推理过程加密封装到 API 之后带来的问题,并把上下文管理、强制拦截、最小权限等做法追溯到 1965 至 1975 年的系统原则。讲义同时指出没有通用最优解:5 个模型里有 4 个在不同基准上的最佳 Harness 不同。目前该讲义已随课程更新发布,尚无后续进展。
MIT公开课6.S950 Agency with AI 更新了第五讲 The Harness 讲义。讲义以一个约300行 Python、仅含 search 和 read lines 两个工具、本地运行 Ollama 的教学 Agent Baby Anigans 为例,拆解 Harness 的工作方式,并把 Agent 概括为 LLM 加 Harness。讲义还讨论可观测性方面的透明度取舍,即厂商把上下文摘要、推理过程加密封装到 API 之后带来的问题,并把上下文管理、强制拦截、最小权限等做法追溯到 1965 至 1975 年的系统原则。讲义同时指出没有通用最优解:5 个模型里有 4 个在不同基准上的最佳 Harness 不同。目前该讲义已随课程更新发布,尚无后续进展。
匹配字段摘要
2026年10月21日,Artificial Analysis 对 Cognition 的 Devin Fusion CLI 进行评测,测试配置为 Claude Opus 5.5(max)加 GPT-6 Luna(high)副手。该配置在 Coding Agent Index 上得 68.1 分,略高于 Claude Code 配 Claude Opus 5.5(max)的 66.0 分。成本方面,每任务为 9.01 美元对 13.04 美元;平均耗时 55 分钟对 65 分钟。三项基准中,DeepSWE v1.1 为 72.6% 对 68.4%,SWE-Atlas-QnA 为 69.6% 对 66.4%,Terminal-Bench 4.0 为 62.1% 对 63.1%。成本按 API 逐 token 计费,不含订阅价格。目前尚无后续发展。
匹配字段摘要
Uber Engineering团队使用AutoClean系统,自动清理已全量上线的过期feature flag,累计清理1.6万多个flag、超过100万行代码。该系统分三阶段运行:Agent通过MCP调用确定性引擎PolyglotPiranha做条件化简改写,以monorepo全量CI为准并收窄修复器权限,最后交给由多个专门审查Agent并行检查的CodeCourt验证层。团队把约束从执行循环剥离到验收端,原因是长任务Agent指令一多就容易遗漏约束、只追求CI通过。目前该实践已披露清理规模与系统结构,尚无后续进展。
匹配字段摘要
Browser Use 公布了浏览器控制工具的匹配评测结果。该评测在 100 个 BU Bench V2.1 任务上对比 Browser Harness、Playwright MCP、Chrome DevTools MCP 和 agent-browser,四者得分在噪声范围内打平。Browser Harness 以 2.1M 中位输入 token 和 42 次工具调用成为每任务成本最低,为 0.042 美元。文章同时给出选型建议:需要干净会话或 Firefox、WebKit 时用 Playwright MCP,调试自家应用性能与网络时用 Chrome DevTools MCP,需要域名白名单和加密凭据库时用 agent-browser。文章披露作者所在公司开发 Browser Use 和 Browser Harness,竞品信息取自各自仓库与文档。
匹配字段摘要
2026年10月17日,DeepSeek发布DeepSeek-V4.1-Flash-1017,官方称其基准表现更强、任务完成更快、输出更短,在性能与成本上实现帕累托改进,已在官网、App和API上线;同日该模型在OpenRouter上线。官方还宣布Search与Fetch API向所有人开放,每个端点每1000次调用收费0.75美元,通过DeepSeek Harness、Claude Code和Codex中的服务端工具发起的调用暂时免费,计费自2026年10月31日16:00 UTC开始。10月17日,Thomas Wolf评论称DeepSeek将此次称为“minor update”,但Terminal-Bench 4.0从31.2升至42.3。10月19日,Arena宣布该模型以1670分成为Code Arena: WebDev排名最高的开源模型。10月20日,OpenCode将其在Go和Free中更新至1017版本;Unsloth发布可在本地运行的GGUF,1-bit量化版保留约88.2%准确率、体积从508GB降至250GB;Arena又宣布其登顶Agent Arena开源模型榜
匹配字段摘要
Meta 于 2026 年 10 月 13 日发布 Muse Wonder 系列,包含 Muse Wonder 和 Muse Wonder Full 两款模型,称其为目前能力最强的模型,在个人与专业智能体任务上达到 SOTA,覆盖法律、金融、健康等专业领域及前沿编码能力。两款模型具备 Active Memory 与 Active Focus,按 Meta Superintelligence Scaling Framework 训练、评估和发布。Artificial Analysis 数据显示,两款模型在 Intelligence Index v4.3 最高推理强度下分别得 52 和 56,高于 Muse Spark 1.3(max)的 48;Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线,Muse Wonder Full 仅面向 Muse Code 用户。同日,Arena 将两款模型纳入 Agent Arena 测试,Simon Willison 发布 llm-meta-ai 0.2 插件支持新模型。10 月 14 日,Arena 公布 Muse W
匹配字段摘要
Box 过去一周使用 Box AI Complex Work 评测对 Gemini 4 Argon 进行了测试,整体成绩较 Gemini 3.1 Pro 提升 14 个百分点。该评测让 Box Agent 处理各行业企业文档的复杂任务,Gemini 4 Argon 在数学、逻辑、分析和业务领域知识上表现更强,也更倾向于把任务完整做完。分行业看,金融服务提升 18 分、医疗 25 分、科技 37 分、能源 16 分、消费品 33 分。该模型将很快上线 Box AI Studio,供用户构建自定义 Box Agent。目前尚无后续发展事实。
匹配字段摘要
2026年10月15日,Artificial Analysis 公布 NVIDIA RTX Spark N1X 笔记本的首份 AA-AgentPerf-Local 结果。测试使用 128 GB 统一内存、6144 核 Blackwell GPU 的原型 15 英寸 Surface Laptop Ultra,售价 5899.99 美元,通过 llama.cpp 的 Windows 原生构建在 GPU 上运行模型。该机在 Qwen3.8 27B 上完成本地智能体负载耗时 18.7 分钟,接近 DGX Spark 的 17.3 分钟,比 MacBook Pro(M5 Pro)快 2.0 倍、比 AMD Ryzen AI Halo 快 1.8 倍;在 Qwen3.6 35B A3B 上耗时 7.6 分钟,在 124B 的 Ling 3.0 Flash 上耗时 15.3 分钟,后者无法装入 MacBook Pro 或 RTX 5090 的内存。10月16日,NVIDIA 宣布 RTX Spark 笔记本全球开售,由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 推出,起
匹配字段摘要
Artificial Analysis 公布 NVIDIA RTX Spark N1X 笔记本的 AA-AgentPerf-Local 首个结果
English translation is being prepared.
匹配字段摘要
2026年10月15日,SpaceXAI 发布语音到语音模型 Grok Voice 3.0。据 MarkTechPost 报道,该模型在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一,高于 GPT-Live-1(Astra, medium)的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分;其 τ-Voice 得分 71.6%,仍低于 GPT-Live-1 的 74.5%。模型通过 /v1/realtime WebSocket 端点以 grok-voice-3.0 提供,仅托管 API、无开放权重,价格维持 $0.08/分钟,首音频延迟 0.81 秒。SiliconANGLE 同日报道称,该模型已在 Voice Agent API 上线,每分钟 8 美分,与 Grok Voice 2.0 同价,并称其首次出声快约 40%。目前无进一步有证据的发展。
匹配字段摘要