AI 编程实时动态与要闻

Google Research 公布 Antigravity /teamwork 多智能体成果:与学界合作完整证明 2013 年 Courtade–Kumar 猜想(5000 万行 Lean 4),自主形式化 Weil 猜想;工具已对外开放,1 万名学者可申请 6 个月免费

11 月 13 日,Google Fellow、Google Research 副总裁 Vahab Mirrokni 在 Google Research 博客和 X 上公布 Antigravity /teamwork 多智能体系统的新成果。Google 与 CUHK、USC、CMU 研究者用 Gemini 4 Argon 等模型完整证明了信息论中 2013 年提出的 Courtade–Kumar 猜想,并在 Lean 4 中形式化,共 5000 万行代码。/teamwork-LEAP 还全自主形式化了 Weil 猜想(约 180 万行 Lean,28,800 次子智能体调用)。工程方面,Zircon 微内核剩余部分被改写为约 80 万行安全 Rust,17 个 JAXBench TPU 内核几何平均提速 4.09 倍。/teamwork 和 /boost 已在 Antigravity 对外可用,1 万名学术研究者可申请 6 个月最高档免费额度。

Google Research 公布 Antigravity /teamwork 多智能体成果:与学界合作完整证明 2013 年 Courtade–Kumar 猜想(5000 万行 Lean 4),自主形式化 Weil 猜想;工具已对外开放,1 万名学者可申请 6 个月免费

核心要点速览

  • Courtade–Kumar 猜想(2013)被完整证明并在 Lean 4 中形式化,共 5000 万行代码;Gemini 负责大部分新解析界和区间算术证书,人类研究者提出关键候选函数
  • /teamwork-LEAP 全自主形式化 Weil 猜想,约 180 万行 Lean、28,800 次子智能体调用;还首次形式化了 1927 年的 Birkhoff 猜想和 3D Bochner–Riesz 猜想
  • 工程成果:Zircon 剩余部分改写为约 80 万行安全 Rust 并通过全部内核单测;libgav1 改写为约 17 万行 Rust,比原 C++/汇编快 20–30%;17 个 JAXBench TPU 内核几何平均提速 4.09 倍
  • /teamwork 与 /boost 已在 Antigravity 对外可用,Hydrogen 对所有人开放,Carbon/Argon 面向 Enterprise 与 Ultra/付费用户;1 万名学者可申请 6 个月免费;Deep Review 每周免费 2 次
  • 这些结果由 Google 自行发布,博客称预印本和 Lean 4 仓库已公开,外部复核仍需时间
阅读全文

Google Antigravity 上线 Dynamic Workflows:/run-workflow 让智能体写 Python 脚本编排并行与串行子智能体

Google Antigravity 推出 Dynamic Workflows:输入 /run-workflow,主智能体编写一段 Python 脚本,用 parallel() 和 pipeline() 调度多个子智能体,每个子智能体按 JSON Schema 返回结构化结果;脚本运行前需用户审批,可保存复用。面向 Google AI Pro 与 Ultra 用户,App 与 CLI 均可用。

Google Antigravity 上线 Dynamic Workflows:/run-workflow 让智能体写 Python 脚本编排并行与串行子智能体

核心要点速览

  • 新命令 /run-workflow:智能体写 Python 脚本,用 parallel() 并发、pipeline() 串行调度子智能体(官方文档)
  • 每个子智能体在独立会话里运行,通过 finish 工具按 JSON Schema 返回结果,文件读取和测试日志不占主会话上下文
  • 脚本运行前需用户审批(Turbo 等预设可自动放行),可保存到项目里反复运行
  • 面向 Google AI Pro / Ultra,Antigravity App 与 CLI 都支持;自带 Python,也可用 ANTIGRAVITY_PYTHON 指定 3.8+ 解释器
  • 官方 X 原帖约 1.9k 赞、650+ 收藏(截至收录时)
阅读全文

Google 正式发布 Gemini 4 Hydrogen:AA 智能指数 51 超过 Argon,比 3.8 Flash 快 2.5 倍,Terminal-Bench 4.1 从 18.2% 提到 57%;每百万 token 1.5/7.5 美元,免费层可用

新加坡时间 11 月 13 日 02:02,Google DeepMind、Google AI 和 Gemini 官方账号同时宣布 Gemini 4 Hydrogen 正式上线,Gemini API 更新日志标注为 GA,模型 ID 是 gemini-4-hydrogen。按官方口径,它在默认 high 思考档位下的 Artificial Analysis 智能指数为 51,高于 Gemini 4 Argon 的 50,新增的 xhigh 档位可到 54;完成任务的速度是 Gemini 3.8 Flash 的 2.5 倍,Terminal-Bench 4.1 得分从 18.2% 提高到 57%。价格在 100 万 token 上下文内统一为输入 1.5 美元、输出 7.5 美元(每百万 token),免费层也能用。它同时成为 Gemini 应用、Google 搜索和 Antigravity 托管智能体的默认模型。昨天站内报道过的 SKU 价目表泄露,今天由官方证实。Cursor 官方随后宣布 Hydrogen 已上线编辑器,默认努力档(high)在 CursorBench 4.0 上为 54.3%,高于 Gemini 3.8 Flash 的 39.6%。

Google 正式发布 Gemini 4 Hydrogen:AA 智能指数 51 超过 Argon,比 3.8 Flash 快 2.5 倍,Terminal-Bench 4.1 从 18.2% 提到 57%;每百万 token 1.5/7.5 美元,免费层可用

核心要点速览

  • 官方口径:AA 智能指数 51(默认 high 档),高于 Gemini 4 Argon 的 50;新增 xhigh 档可达 54
  • 速度是 Gemini 3.8 Flash 的 2.5 倍,Terminal-Bench 4.1 从 18.2% 升到 57%,捏造陈述减少 5 倍以上
  • 定价:每百万 token 输入 1.5 美元、输出 7.5 美元,100 万 token 上下文内不分段加价,免费层可用
  • Antigravity 新功能 Orchestrator 在 Carbon 和 Hydrogen 之间自动切换:Terminal-Bench 4.0 成功率接近纯 Carbon,额度少用 24%,速度快 19%
  • 合作方实测:复杂图、SQL 和数据类企业任务比 3.8 Flash 快 2–2.8 倍,token 用量少 12%–23%
  • Cursor:官方宣布 Hydrogen 已上线编辑器;CursorBench 4.0 默认 High 54.3%(每任务约 5.59 美元),高于 Gemini 3.8 Flash 的 39.6%;Medium 46.7%(约 1.76 美元),Low 27.9%(约 0.28 美元);属第三方模型,不计入套餐包含用量(Cursor 文档、CursorBench)
阅读全文

Google Antigravity 推送浏览器操控:Agent 在内置浏览器里自己打开页面、点表单、查控制台验证改动,可多标签并行,下载须逐个批准

Google Antigravity 官方账号 11 月 11 日宣布,浏览器操控(Browser use)正在向 Antigravity App 用户推送:Agent 可以在侧边栏的内置浏览器里打开网页、操作你正在跑的应用、查看控制台报错和失败的网络请求、截图,并在交付前亲自验证修复效果。官方文档显示,内置浏览器 Agent 需要 App v2.30.0 及以上,正向 macOS、Windows、Linux 上 Free、Plus、Google AI Pro、Ultra 的个人账号逐步开放,企业账号和 CLI 仍通过 /browser 连接本机 Chrome 144+。

Google Antigravity 推送浏览器操控:Agent 在内置浏览器里自己打开页面、点表单、查控制台验证改动,可多标签并行,下载须逐个批准

核心要点速览

  • 适用范围:App v2.30.0+,macOS / Windows / Linux 个人账号(Free、Plus、AI Pro、Ultra)逐步推送,暂不支持企业账号、Remote Agents 和 SSH 工作区
  • 并行:可同时开多个浏览器子 Agent,每个独占一个标签页,彼此不能操作对方或你自己开的标签
  • 模型:浏览器子 Agent 默认跑 Gemini Flash,独立上下文窗口;Flash 额度用完会停下询问,不会自动换模型
  • 安全:下载(v2.31.0+)逐个弹窗批准,.exe、.sh、.dmg 等可执行文件一律拦截;上传最多 20 个文件、单个 50 MiB
  • 登录:内置浏览器为每个账号保留独立 Cookie 配置,遇到 SSO、MFA、验证码会暂停让你手动登录,支付和身份页禁止 Agent 操作
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

Gemini API Managed Agents 支持自托管环境:Agent 的 shell 和文件工具可跑在你自己的沙箱里,只需出站 HTTPS,官方给出 Cloud Run、Cloudflare、Daytona、E2B、Modal、Vercel 等 8 种接入示例

Google AI Studio 11 月 11 日(北京时间 12 日凌晨)宣布,Gemini API 的 Managed Agents 现在可以“自带沙箱”。以前 Antigravity 等托管 Agent 的工具只能在 Google 托管的 Linux 沙箱里执行;现在 Agent 循环和模型调用仍在 Google 一侧,执行 shell 命令、读写文件这些工具调用则可以交给你自己的容器、VM 或 microVM。接入方式是先调用 POST /v1beta/environments 并传 {"mode":"self_hosted"},拿到环境 id 和只返回一次的 environment_key,再在沙箱里运行开源 gemini-api CLI 的 environments connect。全程只走出站 HTTPS,不需要开放入站端口。

Gemini API Managed Agents 支持自托管环境:Agent 的 shell 和文件工具可跑在你自己的沙箱里,只需出站 HTTPS,官方给出 Cloud Run、Cloudflare、Daytona、E2B、Modal、Vercel 等 8 种接入示例

核心要点速览

  • 分工:Agent 循环、模型和交互流留在 Google,7 个内置工具(execute_bash、读写/编辑文件、list_dir、grep_search、find_by_name)在你的环境执行
  • 网络:100% 出站 HTTPS,无需开放入站端口;worker 只持有环境级 environment_key,项目级 GEMINI_API_KEY 不用放进沙箱
  • 两种模式:environments connect 单 worker 长驻;environments poll + serve 为每次交互起一个新沙箱,沙箱里只有短期 lease token、零 API key
  • 官方示例覆盖 8 家:Cloud Run、Agent Substrate、Cloudflare Sandbox、Daytona、E2B、Fly.io、Modal、Vercel Sandbox,另有 Docker / rootless Podman 配方
  • 限制:sources、network、env 和 /files 快照只适用于 Google 托管环境,自托管环境传这些会返回 400 INVALID_ARGUMENT;单独定价官方未公布
阅读全文

Chrome 发布 Modern Web Guidance 1.0:给编码 Agent 的现代 Web 技能包转正,新增旧代码扫描,Firefox 与 Edge 加入共建

Chrome 团队 11 月 10 日发布 Modern Web Guidance(MWG)1.0 稳定版。这是一套装进编码 Agent 的技能包,内含约 200 篇经浏览器工程师和无障碍专家审核的指南,覆盖性能、无障碍、交互体验和安全,并内置 Baseline 兼容性数据,帮 Agent 少写过时的 JavaScript,多用原生 HTML/CSS 能力。1.0 新增「现代化工作流」,可静态扫描已有的 HTML、CSS、JS 和 package.json,找出可安全升级的旧写法;项目也从 Chrome 独家变为 Firefox、Edge 共同参与。支持 Antigravity、Cursor、GitHub Copilot、Codex、WebStorm 等,一行 npx modern-web-guidance@latest install 即可安装。

Chrome 发布 Modern Web Guidance 1.0:给编码 Agent 的现代 Web 技能包转正,新增旧代码扫描,Firefox 与 Edge 加入共建

核心要点速览

  • 规模:约 200 篇专家审核指南,其中约 20% 可被 legacy-scan 确定性扫描;1.0 起每篇指南都有评测,并公开评测看板(官方口径)
  • 扫描规则:在约 4.5 万个开源仓库上分半调参与留出测试,默认规则需达到静态匹配精度 ≥80%、复核后精度 ≥90%;本地 AST 解析,零 LLM 调用
  • 案例:腾讯 WeTV 在 CI/CD 里接入后,Agent 自动解决 90% 的性能检查失败,处理时间从 4 小时降到 30 分钟(降 87%,厂商口径)
  • 案例:note inc. 在生产代码库 180 次评测中,现代 Web 检查通过率从 61% 升到 94%,431 个合并 PR 里 LCP 图片优先级设置提升 28%
  • 上手:npx modern-web-guidance@latest install,旧版用 update 升级;在 Agent 中输入 /modern-web-guidance Modernize the code in this directory 触发现代化工作流
阅读全文

Gemini 4 Carbon 全面开放:Gemini API 付费开发者与 Ultra 订阅用户今起可用,介绍期价格每百万 token 2 / 10 美元,Antigravity 同步预览多 Agent 协作 /swarm

Google 11 月 10 日宣布 Gemini 4 Carbon 正式向开发者、企业、科研人员和普通用户开放。两周前它只给 Fairwind 计划里的网络防御者使用,现在所有付费开发者可在 Google AI Studio、Android Studio 的 Gemini API 和 Gemini for business 中调用,Google AI Ultra 订阅用户可在 Gemini 应用、搜索 AI Mode、Antigravity 中使用。介绍期价格与 Argon 相同,每百万输入 / 输出 token 2 / 10 美元,11 月 30 日后涨到 4 / 20 美元。Google 还在 Antigravity 桌面应用和 CLI 预览斜杠命令 /swarm(Google AI Pro 与 Ultra 可用),可把一条提示交给协调者、并行工人和验证 Agent,在共享留言板上协作。Cursor 官方同步宣布 Carbon 已上线编辑器,高努力档在 CursorBench 4.0 以 60.4% 登顶。

Gemini 4 Carbon 全面开放:Gemini API 付费开发者与 Ultra 订阅用户今起可用,介绍期价格每百万 token 2 / 10 美元,Antigravity 同步预览多 Agent 协作 /swarm

核心要点速览

  • 开放范围:Gemini API 付费层(Google AI Studio、Android Studio)与 Gemini for business 面向所有付费开发者和企业;Google AI Ultra 订阅用户可在 Gemini 应用、搜索 AI Mode、Antigravity 和 AI Studio 使用(官方博客)
  • 价格:介绍期每百万输入 / 输出 token 2 / 10 美元(与 Argon 相同),11 月 30 日后为 4 / 20 美元
  • 第三方榜单(官方引用):在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 排名第一,单任务成本比第二名外部模型低 2 倍以上;与 Artificial Analysis 新推出的多模态知识 Agent 测评 MKA 排名第 2,平均单任务成本比第一名低 6 倍以上
  • 新功能:Antigravity 在应用和 CLI 预览 /swarm(Google AI Pro 与 Ultra):一条斜杠命令拉起协调者、隔离 worktree 工人和 @verifier,在共享留言板上协作,空闲不耗 token;可给 Agent 指定模型,CLI 用 /swarm board 或 Alt+S 看看板(Antigravity 博客、文档)
  • 安全数据:模拟网络攻击测试中拦截 99% 攻击轨迹,单次突破率 0.8%(Argon 为 3.1%);375 项 Agent 诚实度测评通过 92%(Argon 为 70%)
  • 定位:Argon 仍是多数编码和知识工作的首选,Carbon 用更多 token 深挖,适合多步调试、科研等最难任务
  • Cursor:官方宣布 Carbon 已上线编辑器,CursorBench 4.0 公开榜 High 60.4% 第一(默认 Medium 60.1%、Low 58.6%),高于 Fable 5.2 Max 的 60.0%,每任务成本约 9.22 美元 对 32.79 美元;属第三方模型,不计入套餐包含用量,介绍期至 11 月 30 日(Cursor 称五折),12 月 1 日起输入 / 缓存读取 / 输出为 4 / 0.20 / 20 美元(Cursor 文档、CursorBench)
  • GitHub Copilot:Carbon 已 GA,面向 Pro+、Max、Business、Enterprise,可在 VS Code、Visual Studio、Copilot CLI、coding agent、JetBrains、Xcode、Eclipse 中选择,按服务商标价用量计费,逐步推送(GitHub Changelog)
  • Perplexity:Carbon 上线 Perplexity Computer(Pro、Max)与搜索(Max),WANDR 得分 0.857、每任务 5.86 美元,与 Fable 5.2 持平、成本约 40%(厂商口径)
阅读全文

Google Antigravity v2.30 推出「知识工作」界面:隐藏终端与 Git,面向调研和写作;可一键导入 Claude Code / Codex / Cursor 的 MCP、技能与子 Agent 配置

Google Antigravity 官方账号 11 月 9 日宣布推出「Knowledge Work」界面布局,面向调研、写作和产出物(artifacts),沿用同一套 Agent harness、插件和 MCP 工具,只是去掉终端和 Git 等开发元素。官方 changelog 显示这是 Antigravity App v2.30.0 的主打功能:首次登录会询问你的工作类型并自动配置布局;语音模式和远程 Agent 完成全量推送;还能让 Agent 把 Claude Code、Codex、Cursor 里的 MCP 服务器、技能、自定义命令、子 Agent 和指令文件导入成你自己的插件。本版共 27 项改进、25 项修复。

Google Antigravity v2.30 推出「知识工作」界面:隐藏终端与 Git,面向调研和写作;可一键导入 Claude Code / Codex / Cursor 的 MCP、技能与子 Agent 配置

核心要点速览

  • 新布局在 Settings > General > Interface Layout 切换,隐藏代码改动和开发工具,把 Agent 进度合并成一行,并用白话描述命令;商业版和企业版暂不可用
  • 首次登录会让你在软件工程、知识工作、数据分析、科研、设计 5 类中选择,自动配置布局,首页给出带插件的起步提示
  • 迁移成本降低:可让 Agent 把 Claude Code、Codex、Cursor 中的 MCP 服务器、技能、自定义命令、子 Agent 和指令文件导入为自有插件
  • 语音模式(个人账号)和远程 Agent(AI Ultra 与付费 AI Pro)在 v2.30.0 完成全量推送;Auto 权限预设去掉 Preview 标记
  • 官方推文发布后约 2 小时获得 1200+ 点赞、5.1 万次浏览;本版 27 项改进、25 项修复
阅读全文

谷歌发布第八代 TPU 新成员 TPU 8i Max 与 TPU 8tx:8i Max 双芯封装,算力、SRAM 和 HBM 带宽翻倍;8tx 主打机密推理,同步开源 TPU Sync

11 月 9 日,Google Cloud 官方账号和 Google AI 与基础设施 SVP Amin Vahdat 宣布第八代 TPU 新增两套系统。TPU 8i Max 把两颗 TPU 8i 芯片封装在一起,官方称算力、SRAM 和 HBM 带宽都是 TPU 8i 的 2 倍,面向超长上下文和最高机架算力密度。TPU 8tx 与 TPU 8t 同一颗芯片,搭配第 5 代 AMD EPYC 主机,在硬件层保护运行中的数据和模型权重,官方称延迟比 TPU 8t 低最多 2 倍、性能损失接近零。加上 4 月发布的 8t、8i,这是谷歌第一次在一年内推出 4 套 TPU 系统。软件方面,谷歌开源 TPU Sync(官方称 KV 传输延迟和首 token 时间降低 90% 以上),推出 Agent Compute Engine 和预览版 TPU Agent 套件(可接入 Claude Code、Cursor、Antigravity),Cloud Pathways 和 GKE 动态切片正式 GA。官方未公布上市时间和价格。

谷歌发布第八代 TPU 新成员 TPU 8i Max 与 TPU 8tx:8i Max 双芯封装,算力、SRAM 和 HBM 带宽翻倍;8tx 主打机密推理,同步开源 TPU Sync

核心要点速览

  • 产品线:第八代 TPU 现有 4 套系统:8t(训练)、8i(低延迟推理)、8tx(机密计算)、8i Max(超长上下文),谷歌称是首次一年内推出 4 套 TPU 系统
  • TPU 8i Max:两颗 8i 芯片合封,官方口径算力、SRAM、HBM 带宽均为 8i 的 2 倍,同样机架占地放下 2 倍硅片
  • TPU 8tx:与 8t 同芯片,配 第 5 代 AMD EPYC 主机,数据和权重在使用中也受硬件保护;官方称延迟比 8t 最多低 2 倍,性能损失接近零
  • 软件:开源 TPU Sync(官方称 KV 传输延迟与 TTFT 降 90% 以上);GKE 动态切片 GA,作业启动最多快 5 倍、故障恢复最多快 4.5 倍
  • 开发者:预览版开源 TPU Agent 套件可接入 Claude Code、Cursor、Antigravity;TPU 客户已近 100 家;上市时间与价格官方未公布
阅读全文

Google 开源 Elephant-Goldfish Model(EGM)插件:先写规格再写代码,用零上下文子代理分五个阶段审设计

Google Cloud Tech 官方账号于 2026-11-07 23:00 UTC(新加坡时间 11 月 8 日 07:00)推介 Google 新开源插件 Elephant-Goldfish Model(EGM)。“大象”带着项目上下文起草设计规格,“金鱼”是不看之前对话的全新子代理,分五个阶段挑出隐含假设和实现风险,由开发者拍板后再写代码。仓库在 google 组织下,Apache-2.0 许可,支持 Claude Code、Codex、Antigravity 和 ChatGPT 桌面端,最新版本 v0.1.1。README 注明它不是 Google 官方支持的产品,官方未公布效果跑分。

Google 开源 Elephant-Goldfish Model(EGM)插件:先写规格再写代码,用零上下文子代理分五个阶段审设计

核心要点速览

  • 仓库 google/elephant-goldfish-model 采用 Apache-2.0 许可;截至写稿时 GitHub 约 1.49 万星、1084 个 fork
  • Google Cloud Tech 官方推文约 1693 赞、188 转发、1707 次收藏、13.7 万次浏览(写稿时数据)
  • egm-review 五个审查阶段:初始全局审视、理解度审查、设计批判、中期全局审视、实现就绪度检查
  • 支持 Claude Code、Codex CLI、Antigravity 和 ChatGPT/Codex 桌面端;v0.1.1(11 月 6 日)新增 Cursor、OpenCode、GitHub Copilot 实验适配器
  • README 注明「不是 Google 官方支持的产品」;官方未公布缺陷检出率等效果数据
阅读全文
AD赞助内容

Google Antigravity v2.29 上线 Remote Agents 与 Gemini Live 语音模式:智能体在 Google 托管云端运行、关掉电脑也能继续,AI Pro/Ultra 逐步开放

Google DeepMind 开发者体验负责人 Ivan Leo 于 11 月 4 日在 X 上转发了 Antigravity 新功能 Remote Agents 的官方文档。按文档,Remote Agents 把智能体会话和工具放在隔离的 Google 托管远程环境里执行,合上笔记本、关掉浏览器或在桌面与手机间切换时任务仍会继续。可从 Antigravity App、Antigravity CLI(1.4.12+,agy --remote-agent)或网页 antigravity.google.com 启动,项目可挂载 GitHub 仓库、Google Drive 文件和上传文件。目前面向使用个人账号的 Google AI Pro 与 Ultra 用户逐步开放,免费版、AI Plus 和企业账号暂不可用。 官方 changelog 显示,这是 11 月 3 日发布的 Antigravity v2.29.0 的一部分:同版本还逐步推出由 Gemini Live 驱动的语音模式(可用语音把需求交给智能体),重做了 Automations 页面(按定时、常驻、暂停分组),并新增原生 Jupyter 笔记本查看器。

核心要点速览

  • Remote Agents 在隔离的 Google 托管环境执行,不依赖本机开机;Remote Control 则连接你自己的电脑或服务器,两者可在网页侧栏切换。
  • 三种入口:Antigravity App 新建 Remote Project、CLI 1.4.12+ 用 agy --remote-agent、浏览器直接访问 antigravity.google.com(手机也可用)。
  • 远程项目可挂载 GitHub 仓库(自动克隆)、Google Drive 文件和上传文件(单文件 8 MiB、每项目 100 MiB、账号合计 2 GiB)。
  • CLI 远程会话默认权限为 always-proceed (turbo),命令不经确认直接执行;本机安装的 MCP、插件与 skills 在远程会话里暂不可用。
  • 同属 v2.29.0(11 月 3 日):Gemini Live 语音模式逐步推出,Automations 页面重做,.ipynb 笔记本可原生渲染。
阅读全文

Kaggle 与 IBM Research 上线 ScarfBench 企业 Java 迁移榜:Gemini 4 Argon + Antigravity 以 75.2% 居首,七成失败发生在运行阶段

Kaggle 官方账号宣布与 IBM Research 合作上线 ScarfBench,用 204 个任务测试编码智能体能否把企业 Java 应用在 Jakarta EE、Quarkus 和 Spring 之间迁移且行为不变。IBM 10 月 27 日的技术说明显示,Gemini 4 Argon + Antigravity 以 75.2% 冒烟分居首,Claude Opus 5.5 + Claude Code 全通过率最高(72.1%),GPT-6.1 Sol + Codex 每解决一个任务成本最低(1.25 美元)。

Kaggle 与 IBM Research 上线 ScarfBench 企业 Java 迁移榜:Gemini 4 Argon + Antigravity 以 75.2% 居首,七成失败发生在运行阶段

核心要点速览

  • 204 个迁移任务、10 组「模型 + 智能体框架」组合;前三名冒烟分:Gemini 4 Argon + Antigravity 75.2%、Claude Opus 5.5 + Claude Code 70.5%、Claude Opus 5 + Claude Code 69.8%(IBM 口径)
  • 全部测试通过率 Claude Opus 5.5 + Claude Code 最高,为 72.1%,略高于 Gemini 4 Argon 的 71.1%
  • 编译几乎不是问题:10 组里 8 组编译成功率 ≥97%,但冒烟分差距超过 50 个百分点
  • 745 次失败中 535 次(约 72%)是运行时行为失败,其中 210 次是路由丢失 / 404
  • 每解决一个任务的成本:GPT-6.1 Sol + Codex 1.25 美元、Gemini 3.8 Flash + mini-swe 1.59 美元、Claude Opus 5.5 + Claude Code 10.10 美元;公开提交暂未开放
阅读全文

Google 宣布关停异步编码 agent Jules:11 月 11 日后只读,12 月 31 日正式下线,经验并入 Antigravity

Google 于 10 月 29 日通过 @julesagent 官方账号和 Jules 官方 changelog 宣布,Jules 将在 2026 年 12 月 31 日关停。用户可以继续完成会话到 11 月 11 日,之后 Jules 变为只读直到年底。Google 表示 Jules 的经验会带入 agent 优先的开发平台 Google Antigravity,结合远程后台自主执行任务和 agent 优先的开发环境。官方同时提供了导出方案,可把设置、环境变量、定时任务、仓库、记忆和全部会话导出到本地。

核心要点速览

  • 关键日期:11 月 11 日前可继续跑会话,之后只读,12 月 31 日正式关停
  • 去向:Jules 的经验并入 Google Antigravity,官方未承诺会话、记忆或定时任务自动迁移
  • 导出:npm install -g @google/jules 并 jules login,再在 CLI 编码 agent 里粘贴官方导出提示词,数据存到 ~/jules-export
  • 代码、分支和 PR 本来就在 GitHub,不受影响;env-variables.json 含密钥,导出目录不要提交进仓库
阅读全文
关联模型 / 智能体 / 厂商:

Android Studio Rabbit 2 正式版上线「自带 Agent」:通过开放的 ACP 协议接入 Claude Agent、Codex、Antigravity 等 40 多个编码 Agent

Google 于 10 月 28 日 Android Dev Summit 当天发布 Android Studio Rabbit 2(2026.2.2)稳定版。最大变化是 Bring Your Own Agent(BYOA)从 9 月的 Canary 预览转为正式功能:开发者可在 IDE 的 Agent 窗口里接入任何兼容 Agent Client Protocol(ACP)的编码 Agent,官方称可选 40 多个,包括 Anthropic 的 Claude Agent、OpenAI Codex、JetBrains Junie 和 Google Antigravity,并可用个人或企业订阅登录。同版本还带来 Agent 技能管理器、AI Change Review 代码审查和 LeakCanary 智能修复。

Android Studio Rabbit 2 正式版上线「自带 Agent」:通过开放的 ACP 协议接入 Claude Agent、Codex、Antigravity 等 40 多个编码 Agent

核心要点速览

  • 版本号 2026.2.2,10 月 28 日进入 Stable 渠道;BYOA 于 9 月随 Rabbit 2 Canary 首次预览
  • 官方称可选 40 多个 ACP 兼容 Agent,默认提供 Claude Agent、Codex、Antigravity 三个,其余从 Settings > Tools > AI > Agents 的注册表安装
  • Agent 可调用 IDE 能力:项目图与构建诊断、Android SDK 工具、终端执行、模拟器控制、Logcat 和 Compose Preview
  • 支持个人 API key 与消费级/企业订阅登录;Android Studio 内置 Agent 继续免费可用
  • 同版还有技能管理器(预装 Android 与 Firebase 技能)、AI Change Review 三种入口、LeakCanary 智能修复;Google 员工 Mishaal Rahman 称 Android CLI 用户增长 10 倍
阅读全文

FrontierCS 2 基准发布:让 Agent 在论文原仓库里重写被删掉的核心贡献并打败作者代码,Claude Opus 5.5 通过率 58% 居首,16 题无人通过

UC Berkeley、Princeton 等团队发布 FrontierCS 2(arXiv 2610.29932):48 个任务覆盖 13 个计算机领域,每题从论文作者公开的代码里删掉论文贡献,Agent 要在 5 小时内写回并在所有指标和隐藏负载上都胜过原实现才算通过。12 个 Agent 中 Claude Opus 5.5(Claude Code)通过率 58% 第一,其余都低于一半,16 个任务没有任何运行通过。10 月 26 日维护者 Wenhao Chai 称审计 trace 后发现 Pi harness 会在遇到拒答时直接结束运行,改用 Antigravity 重跑后 Gemini 4 Argon 超过 GPT-6 Astra、仅次于 Opus 5.5。

核心要点速览

  • 48 个任务、13 个领域,评测 12 个 Agent,每个 Agent 每题跑一次(论文)
  • 通过标准很严:最终提交要在每个指标、每个隐藏负载上都胜过作者代码,总分更高也可能不通过
  • Claude Opus 5.5(Claude Code)通过率 58% 居首;16 个任务没有任何运行通过
  • Pi harness 下 Gemini 4 Argon 48 次运行中有 10 次因提供方拒答被结束;换 Antigravity 重跑后超过 GPT-6 Astra(Wenhao Chai 帖子)
  • 任务和评测器已开源在 GitHub;官方估算 Opus 5.5 跑完 48 题约需 1,000 美元 API 费、300 美元 GPU、100 美元 CPU
阅读全文