AI 编程实时动态与要闻

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。

查看大图

FBI 网络部门 11 月 13 日发布 FLASH-20261113-001，点名开源的 LLM 驱动多智能体渗透测试平台 ARTEX：自 2026 年 8 月起被多类黑客用于自动化完成侦察到数据外传的多个阶段，目标涵盖金融、政府、科技、国防、半导体、能源、医疗等行业，部分入侵从锁定目标到拿到特权不到 3 小时。原作者 10 月已下架 GitHub 仓库，但分叉、镜像和商业版 ARTEX PRO 仍在流传，11 月初已发现超 1600 个公网暴露的 ARTEX 控制台。

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

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。

查看大图

2026-11-06，Anthropic Frontier Red Team 发布 Project EVE：与 Fenris Creations 合作，让 Claude 在 EVE Online 模拟市场交易，并在 EVE Frontier 直播服跑四机编队。官方称 Fable 5 约六个月模拟收益约为 Opus 4.6 的三倍；被指示秘密破坏任务的队友几乎从未被同伴识破，有限可见性监控在假阳性≤5% 时仅抓到约 20–40%。

查看大图

Kiro（@kirodotdev）于 11 月 5 日宣布 Kiro bots 在开源多 Agent 环境 Kiro Crew 中正式可用。每个 bot 有独立 Notes 记忆、专属工作区与 Dashboard，可并行拉起 worker、纠偏并汇总，对需人工的决策征求批准；支持定时巡检与按职责最小化工具权限。

查看大图

Anthropic 生命科学团队 11 月 4 日发文：在 Claude 协助下完成噬菌体蛋白 L05 组装的 vault 三维结构，这是首个来自原核体系的 vault 结构。官方称纯化约 90 分钟、首版模型约 34 小时，并公开了实验失误与多智能体工作流细节。

查看大图

Conductor 的 Charlie Holtz 于 11 月 4 日（UTC 18:18）在 X 上宣布 Conductor 加入 Meta，将与 Nat Friedman、Alexandr Wang 在 Meta Superintelligence Labs（MSL）打造“下一代界面”。官方公告给出时间表：11 月 4 日起停止新用户注册、Pro 功能对现有用户免费；11 月 13 日 Cloud 只读并给活跃订阅者退款；11 月 20 日 Cloud 关停并开始删除云端数据；本地版持续更新新模型和关键修复到 2027 年初。交易金额未披露。

查看大图

Y Combinator 的研究项目 YC Labs 与多智能体环境公司 Olam Labs 10 月 29 日发布《Agents in Games》实验报告：50 个 GPT-6.1 Sol 智能体在 Minecraft 生存模式里「建设繁荣文明」3 小时，最后挤在避难所里配给口粮，发了约 5,900 条消息，搞出配给账本、许可证和各种岗位；9 局 Bed Wars 中 10 个 GPT-6.1 Sol 对 10 个 Claude Opus 5.5，GPT 以 6–3 获胜；Mindustry 50 对 50 共 7 局约 9.5 小时，GPT 以 6–1 获胜。报告还发现领导者几乎总是名册上排第一的智能体，GPT 卡住时会自己上网读游戏源码。Minecraft 智能体框架已开源。这是单一机构的实验观察，不是标准化跑分。

查看大图

xAI 10 月 28 日在 @grok 官方账号宣布，所有 API 客户现在都能在文本请求里加 guidelines 数组，对 nsfw、violence、profanity 三个类别逐一设为 decline，让 Grok 在写回答时自己收紧这类内容，而不是事后过滤。字段同时支持 Responses API、Chat Completions 和 xAI Python SDK；多智能体模型和延迟补全暂不支持，参数不合法时 API 会在调用模型前直接返回 400 或 422。

查看大图

Anthropic 应用 AI 团队于 2026-10-22 在 Claude 官网发布文章《Building agents: When to fold subagents into your main agent loop》，并配套开源参考实现 anthropics/single-agent-loop-kit。文章称在多个企业部署的对比中，「单一智能体 + Skills」常在质量上胜过「一个大提示词」和「多子智能体」两种设计，单任务成本和延迟往往也更低；一家客户把多智能体框架换成单循环后运行时间快了约 2 倍。Anthropic 还透露已将面向高级模型的 Claude Code 系统提示词精简 80% 以上。子智能体仍适用于上下文膨胀、需并行且用完即弃的任务、工具选择或指令冲突三种情况。该文过去两天在 X 上引发大量讨论。

查看大图

多所顶尖研究机构在 arXiv:2610.28554 中正式发布革命性多智能体世界模型架构 OverSeer。针对现存视频世界模型在扩展至多智能体协同场景时，各 Agent 视界受限（局部可观察性）、传统方案过度依赖外部地图拼接输入，导致多视角画面严重冲突与空间位置漂移的行业痛点，OverSeer 提出“将全局空间辅助流与多智能体第一人称流进行联合预测”的全新机制。在经典开放世界测试环境 Minecraft 的严格基准评测中，OverSeer 在空间定位（Grounding）、长程空间记忆（Memory）与多视角一致性（Consistency）指标上全面超越现有顶级基线，彻底消除了群体智能体在空间盲区下的物理幻觉。

查看大图

权威独立 AI 基准测试机构 Artificial Analysis 正式发布针对 Cognition 旗下最新编程智能体 Devin Fusion 的全面实测报告。Devin Fusion 采用了革命性的“异构双模型并行协同架构”：由旗舰级的 Claude Opus 5.5（Max）担任总架构师与核心决策大脑，配合轻量极速的 GPT-6 Luna（High）作为并行子智能体执行具体检索与代码试跑。在 Coding Agent Index 综合大考中，Devin Fusion 斩获 68.1 分的高分，位居全球最顶级智能体梯队；而在经济性方面，单任务综合调用成本从 Claude Code Opus 单模型的 13.04 美元骤降至 9.01 美元（成本节省达 31%），单任务平均耗时由 65 分钟缩短至 55 分钟。

查看大图