AI 编码

GLM-5.3-Flash 剪枝量化版发布：仅适配 Python 编程

开发者 lapadatbogdan 在 Hugging Face 发布 GLM-5.3-Flash-REAP144-Coder-GGUF，基于 zai-org/GLM-5.3-Flash（321B MoE），按真实 agentic 编程会话剪枝 288 个专家中的 144 个，并量化为多种 GGUF 版本，使模型从 321B-A18B 降至 161B-A17

AI 构建的 Adobe 克隆开发者承认项目「远未就绪」

开发者 Brandon Thomas 用 Claude Opus 5.5 在两周内构建了七个 Adobe 应用的开源替代品（Rust 编写、WebAssembly 浏览器版、MIT/Apache 许可），但他在 Hacker News 上主动表示项目「远未就绪」。项目路线图显示功能覆盖约 76%，但实际工作就绪度仅约 45%，存在 579 个未解决问题、25

SimHack：在 RL 训练前预测可检测奖励黑客的出现

研究者提出 SimHack，一个轻量级行为模拟器，用于在强化学习训练开始前预测可检测的奖励黑客（reward hacking）出现时间。该方法从少量小规模参考 RL 运行中学习奖励黑客的训练动态，无需重新训练即可对未见过的训练配方进行反事实模拟。实验显示，SimHack 对中位出现步数的相对误差为 11.3%，跨配方排序相关性达 0.85，并能泛化到模型规模

审计LLM量子代码生成评测：基准饱和与评测器缺陷

该论文对量子代码生成领域的LLM评测进行了系统审计，在五个包含530个任务的基准上评估了15个模型，并提出了新的96任务基准QuantumBenchEval。研究发现QiskitHumanEval-Standard对最强模型已接近饱和（98.7% pass@1），而评测设计缺陷影响巨大：移除提示未指定的检查后，GPT-6 Astra的pass@1从0%升至9

编译不等于正确：LLM 生成 PLC 程序的逐扫描评估

该论文提出 CycleBench 基准，包含 301 个结构化文本（ST）PLC 编程任务和 684 个场景，通过逐扫描执行对比来评估 LLM 生成程序的行为正确性。在八个 LLM 和四种基线配置下，编译通过率为 83.99%，但执行通过率仅 72.07%，相差 11.92 个百分点；仅检查最终扫描或每五次扫描会漏检大量瞬时输出错误。作者进一步提出 Cycl

MiniMax M3.1 Flash 发布：Agent 任务登顶，实测快过 DeepSeek

MiniMax 于 10 月 17 日 DeepSeek 更新 V4.1 Flash-1017 两天后发布 M3.1 Flash，并认领此前匿名模型 Space Bunny。该模型在 Zapier 构建的 Automation-Bench 复杂 Agent 任务中排名第一，BankerToolBench 与 Opus 5 并列第一，AA 智能指数从 M3 的

另有 2 家信源报道

COBOL 到 Java 迁移的可重复入口重放见证认证

该论文提出一种面向 COBOL 到 Java 迁移的可重复入口重放见证认证方法，通过在被测 COBOL 代理程序上观察执行轨迹来认证合成的端到端测试用例。在一个 33,429 行 COBOL 程序上生成 849 个测试用例，覆盖 78.1% 分支和 95.7% 段落，并检测出 61 个缺陷；在注入 450 个缺陷的实验中，门控方法检出 47.6%，但无法检测

基于多目标强化学习与大语言模型的帕累托最优RTL代码生成

该论文提出一种基于多目标强化学习的方法，让大语言模型从自然语言规格生成RTL电路时，不再将功耗、性能、面积（PPA）聚合为单一标量奖励，而是优化多次生成所得整个电路集合在PPA目标空间中的质量与多样性。方法包含将帕累托解集覆盖度改进重构为序列生成问题的训练流程，以及基于超体积贡献（HVC）的奖励函数。在RTLLM v2基准上，相对超体积较无PPA优化基线提升

TornadoVM 7 让 Java 应用支持 GPU 原生工作负载

开源 Java GPU 编程框架 TornadoVM 发布 7.3 版本，用 Foreign Function & Memory API 取代 JNI，移除实验性 JVMCI 依赖，并新增优化的 CUDA 后端、cuTile 编程模型支持、直接调用 cuBLAS/CUTLASS 等 CUDA 库的能力以及多 GPU 执行支持。团队同时推出基于 Tornado

OpenAI称GPT-6大幅提升COBOL、Fortran等遗留语言能力

OpenAI 表示其最新模型 GPT-6 系列在 COBOL、Fortran、Visual Basic 等低资源编程语言上的能力显著提升，并为此构建了 MultiLangBench 和 COBOL 迁移两个评测基准。在 MultiLangBench 上，GPT-6 Astra 在 20 种语言中的平均测试通过率达 87.4%，远高于 GPT-5.6 Terr

MiniMax M3.1 Flash 发布：Agent 跑分国产第一，成本降至前代三成

MiniMax 正式发布此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔）模型，代号 M3.1 Flash。该模型在 Agents' Last Exam 上得分 29.6%，位列国产模型第一，并在 Coding、网络安全、Computer Use 等基准进入全球第一梯队，输出速度最快 200+ TPS。价格方面，输入每百万 Token

另有 2 家信源报道

Claude新模型曝光：能跳出思维定势，修Bug治标又治本

据The Information消息，Anthropic新版Claude模型在内测中被评价为“重大飞跃”，在推理和直觉上更强，能识别bug背后的根本类问题而非只做表面修复，并更擅长跳出思维定式。同时谷歌正在开发代号Gemini 4 Carbon的新模型，内部员工称其编程能力与Claude Opus 5.5相当；OpenAI的GPT-6.1 Terra已出现在

MiniMax M3.1 Flash发布，正面硬刚DeepSeek V4.1 Flash

MiniMax于10月19日正式发布M3.1 Flash轻量级模型，定位Coding/Agent优化，拥有100万token上下文，输出速度可达200+TPS，输入/输出价格分别为每百万Token 1元和4元。该模型在Agentic任务、编程、Computer Use及网络安全等基准测试中与两天前上线的DeepSeek V4.1 Flash-1017基本追平

另有 2 家信源报道

Import AI 477：我告诉 IMF，奇点已经开始

Anthropic 联合创始人 Jack Clark 在 IMF 曼谷会议上发表 Per Jacobsson 演讲，称 2026 年已出现令人信服的证据表明「奇点」已经开始。他以 Anthropic 内部研究人员代码产出量达到公司前四年近 10 倍为例，说明 AI 已在软件开发等领域超越绝大多数工程师，并正加速科学整体进步。他呼吁经济学家、银行家和政策制定者

OpenAI 推进低资源编程语言编码能力

OpenAI 正在改进 ChatGPT 对低资源编程语言的支持，并新增了针对软件工程、SQLite 和 COBOL 迁移的评估。

ISTA-DASLab 发布 Qwen3.8-Flash-Next 专家剪枝量化 Coder 版

ISTA-DASLab 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 GSQ-RCO Coder 压缩版本，通过移除 50% 的专家（512 个中保留一半）并将剩余权重以 3.5 bpw 量化，把模型从 354 GB 降至 58.4 GB，常驻内存仅 29.6 GB，可放入单张 32 GB 加速卡。该版本面向代码、智能体工具调

SIEVE：面向软件工程研究的参数化 GitHub 语料库构建器

论文提出开源工具 SIEVE，一个参数化的 GitHub 语料库构建器，可在函数、方法和类级别从仓库中提取代码记录，支持按编程语言、仓库质量和创建日期筛选。每条记录附带 22 项结构指标、AST 特征、可选的基于 CodeBERT 的 AI 生成概率评分及依赖信息，并兼容 CodeSearchNet 和 OpenClassGen 格式。对 400 条记录的人

Anthropic 因 AI 智能体大幅减少初级岗位招聘

Anthropic 内部研究显示，自 2025 年初以来，技术部门初级岗位占比从 21% 降至 14%，新员工中初级占比从 27% 降至 9%，公司将其归因于 AI 智能体能力提升——到 2026 年 8 月，智能体记录的工作时长已是人类员工的六倍。各部门生产率显著上升，如工程师代码提交量增至 5.1 倍。研究承认 Anthropic 是特例，且北约研究人员

DeepSeek V4.1-Flash-1017更新：基准测试领先多款模型并开放搜索API

DeepSeek将V4.1-Flash更新至V4.1-Flash-1017版本，网页端、App与API同步更新，模型权重在HuggingFace和ModelScope开放下载。官方称新模型在DeepSWE、Automation-Bench等多项基准测试中领先Kimi K3、GLM 5.3、GPT 5.6-Sol和Claude Opus 5等模型，DeepSW

另有 3 家信源报道

DeepSeek发布V4.1-Flash-1017新模型并开放自研搜索API

DeepSeek发布新模型DeepSeek-V4.1-Flash-1017，并同步更新网页端、APP与API。官方称该模型针对DeepSeek Harness专项优化，在代码与Agent任务基准上性能提升的同时，缩短任务运行时间、减少输出长度与token费用，称为“性能—费用的帕累托改进”。同时DeepSeek开放自研搜索Search和Fetch两个API，

另有 3 家信源报道