AI 编程实时动态与要闻

ClickHouse 发布开源（Apache-2.0）的智能体记忆系统 Loom，把记忆、代码索引和运行日志放进同一个 ClickHouse 库，记忆与代码关联，代码变动时标记可能过时的记忆。支持 MCP、HTTP API、Python/TS SDK，提供 Claude Code 和 Codex 插件。官方测试中代码问答平均分从 0.78 升到 0.84。

查看大图

Artificial Analysis 11 月 14 日发布编码智能体指数 v2.1：把 FrontierCode 从 1.1 换成 Cognition 的 FrontierCode 2.0（132 个真实任务，按维护者是否愿意合并评分），Terminal-Bench 从 4.0 升到 4.1，保留 SWE-Atlas-QnA-AA。Claude Code + Claude Fable 5.2（xhigh/high）和 Claude Opus 5.5（max）并列 58 分居首；因新版 FrontierCode 更难，各配置平均降 5 分，只有 Codex + GPT-6.1 Terra（max）基本没掉分。

查看大图

11 月 12 日（UTC），获 Felicis 和英伟达投资的电脑操作智能体公司 Simular 发布 box：每个账号一台云端 Ubuntu 桌面，自带 Chrome 和常驻 shell，整体作为一个远程 MCP 服务器（mcp.box.simular.ai/mcp，Streamable HTTP，OAuth 登录）提供。claude.ai、ChatGPT、Gemini、Claude Code、Codex、Cursor、OpenCode、VS Code 等任何 MCP 客户端都能接入，不同助手可以在同一台机器上接力干活，共享登录状态和文件。用户可在网页或 iPhone 上实时观看，需要登录或付款确认时随时接管。桌面本身免费，模型调用消耗账号积分；空闲时休眠、约 1 秒唤醒，连续休眠 14 天会被删除。发布视频浏览量超过 81 万。官方称「生产环境最快的电脑操作」，但未公布跑分。

查看大图

移动开发框架 Expo 于 11 月 12 日正式推出 Expo Simulators，所有付费套餐可用。编程智能体用一条命令就能开一台云端 iOS 模拟器或安卓模拟器，装上构建包自己点测，结束后留下完整录屏、截图、日志和网络记录，可附到 PR 上给人审。每个会话独占一台虚拟机，不用 Mac，Linux 和 Windows（WSL）都能跑 iOS 模拟器。按分钟计费，iOS 和安卓都是每分钟 0.1 美元，Starter 及以上套餐每月含 60 分钟。

查看大图

亚马逊 11 月 11 日（北京时间 12 日凌晨）正式发布 AWS Emulator：一个在本机运行的 AWS API 模拟器，AWS CLI、各语言 SDK 和编码 Agent 只需改几个环境变量，就能把请求打到 127.0.0.1:9297，而不是真实云端，无需 AWS 账号、也不另收费。它用 Rust 编写，基于 AWS SDK 使用的同一套 API 模型生成，官方称覆盖 200 多个服务的 400 多个 API 模型。最特别的是，按高级首席工程师 Matthew Goldberg 的说法，全部代码由成千上万个自主 Agent 编写、测试和修复，团队没有手写或人工审查过一行。源码和保真度测试集都以 CC0 协议放在 GitHub 上。

查看大图

Einsia AI 联合清华大学等 11 月 10 日发布 WorkflowArena，专门测模型能不能自己拆任务、派子 Agent、写工作流并整合结果。基准含 8 个专业领域 145 个长程任务，用隐藏验证器打分，并记录每一次委派。论文测了 9 个模型在 Claude Code 和 Codex 中的 25 种配置：最强的 Claude Opus 5.5（max）平均只完整解决 36.95% 的任务，SWE 最高 29.41%，法律不超过 9.09%。Claude 系倾向少而大的委派，GPT 系则多而小；Opus 写的工作流能让较弱执行模型平均多得 6.41 分。代码和论文已公开。

查看大图

开源 LLM 可观测平台 Langfuse（今年 1 月并入 ClickHouse）11 月 9 日宣布 AI Gateway 公测。应用和编码 Agent 把 OpenAI 或 Anthropic 请求发给 Langfuse，由网关用组织保存的厂商密钥转发，并把每次调用记为一条 trace。核心代码采用 MIT 许可，可单个 22MB Docker 镜像自托管；官方称开启追踪时中位延迟低于 3 毫秒。公测期只支持 OpenAI 和 Anthropic，Bedrock、Vertex 等随后跟进。

查看大图

Anthropic 开发者博客 claude.dev 11 月 9 日发布 Addy Osmani 撰写的选型指南《Which Claude model should you build with?》，ClaudeDevs 推文获约 9200 赞、1.2 万收藏。核心建议：大多数编码和知识工作先用 Opus 5.5、effort 设 medium（Claude Code 默认）；范围明确的修 bug、按规格开发降到 Sonnet 5.5；分类、路由、抽取和读日志类子 Agent 用 Haiku 5.5；大型重构、迁移和深度研究再升到 Fable 5.2。换模型之前先调 effort，并先给模型加上自我验证手段。指南还列出四款模型价格、默认 effort 和迁移时会触发 400 错误的兼容性差异。

查看大图

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。

查看大图

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。

查看大图

11 月 9 日 08:30 UTC，Omarchy 作者 DHH 发布本地模型引擎 omarchy-local-ai v0.5.0，把本地模型支持扩展到 64 GB 的 NVIDIA GB10 / N1x 级机器，并把 Nemotron 3.5 Bolt 设为这一档的默认推荐（项目方实测：262K 完整上下文，短提示 91 tok/s、32K 提示 82 tok/s，峰值内存不到 40 GiB）。约 20 分钟后他在 X 上说，Omarchy 4.6 会为每台机器推荐能跑的最佳模型，并晒出 AMD 送他的 Ryzen AI Max+ 495 机器在 Agents 面板里同时挂着 Claude Code 订阅和本地 Qwen3.8 Flash Next（占用 94 GiB）。这套能力来自 11 月 1 日合并的 PR #17267：一条 omarchy agent local use best 命令按显卡家族和内存档位挑模型，在断网的 rootless Podman 容器里运行，供 OpenCode、pi 等编码 Agent 调用。4.6 的发布日期尚未公布。

查看大图

11 月 9 日，Datasette 作者、Django 联合创建者 Simon Willison 在 X 上说，他最近把 Claude Code、Codex 生成的 PR 描述大段折叠进 GitHub Markdown 支持的 <details><summary> 标签，认为这能让「PR 垃圾文」读起来没那么累。该帖约 4 小时内获得 650+ 赞、400+ 收藏、近 150 条回复。他在同日博客里解释：Agent 写的描述准确又全面，问题是太长，读着像垃圾文；他的做法是 PR 开头只放一段经人工判断的简短说明（必要时配截图），完整的 Agent 长文折叠起来，折叠标题写模型名和推理档位，比如「Claude Opus 5.5 Medium」。这是个人工作习惯分享，不是产品发布。

查看大图

Y Combinator 总裁兼 CEO Garry Tan（@garrytan）于 2026-11-08 18:09 UTC 在 X 发帖，称出于好奇在做「frontier 模型 + harness」的开源评测，并贴出初步结论截图；随后公开了 GitHub 仓库 garrytan/g-harness-evals（MIT）。仓库做法是固定模型（Opus 5.5 或 GPT-6.1 Sol）和任务，只换 harness（系统提示、工具、记忆）。截图称 7 种组合在同样 20 道编码任务上通过率都在 71–79%，其中 14 道题在所有组合里结果相同，所以「测试太简单、分不出高下」，更难的 Terminal-Bench 复跑正在进行。成本差距明显：Opus 上 OpenClaw 约 $0.44/题、Claude Code $0.22、Hermes $0.24、QM $0.19；Sol 上 Codex 最便宜最快，$0.17。抓取时原帖约 312 赞、84 回复、117 收藏、约 4.2 万展示。仓库自带利益披露：QM 属于 YC 项目，YC 投资了 Hermes。

查看大图