Raven Recon 开源安全研究框架支持 AI 智能体
Raven Recon 是一款支持 AI 智能体的开源安全研究框架,提供桌面、本地 Web 及终端运行模式,适用于 Windows 和 Kali Linux。 集成 Claude Opus 5.5 执行安全测试,所有请求需用户批准。
Raven Recon 是一款支持 AI 智能体的开源安全研究框架,提供桌面、本地 Web 及终端运行模式,适用于 Windows 和 Kali Linux。 集成 Claude Opus 5.5 执行安全测试,所有请求需用户批准。
AI Usage Ball 是一款源可用 macOS 应用,以动态液体球体形式展示 Claude、Codex 和 Antigravity 的配额剩余及重置倒计时。
Seeker Entertainment 使用 Claude Code 在 4 小时内将 Unreal Engine 项目改造为无需 AWS 的 P2P 运行模式,展示了 AI 绕过传统引擎 UI 的能力。
Wiretuple 是一个用 Go 编写的单二进制 HTTP 反向代理工具,通过位置元组将重复 JSON 键重写为前置元组,能无损削减 LLM 结构化输出和函数调用 35%–60% 的输出 Token。它支持 OpenAI 与 Anthropic API,兼容非流式和 SSE 流式请求,并内置盈亏平衡门控机制,仅在净节省比例高于指定阈值时重写请求。
OpenAI 发布第二份内部研究加速报告,给出 Codex 和 Dots 等内部 Agent 的使用数据。报告称 10 月中位研究者按 API 公开价折算每天消耗 2,400 美元等价的 token,环比增长 62%,前 10% 用户达到 23,000 美元;按八小时工作日折算,研究者每天运行相当于 5.7 个工日的 Agent。
同一新闻,精选展示《OpenAI 发布研究报告:AI 如何改变其内部研究进程》
阿里巴巴 CEO 吴泳铭在财报电话会上表示,2027 年和 2028 年将是 中国算力最紧缺的两年。他预计 2027 年以后,阿里云芯片供给将主要以国产平头哥芯片为主,并采购其他国产芯片支持内部推理需求,旗舰芯片将优先满足大模型训练,千问已在平头哥芯片上训练下一代模型,百炼基于国产芯片提供推理服务。
研究人员通过完全自主的 Codex 智能体,在 Webmin 2.670 固定版本中发现 507 个可复现的规范漏洞。该审计消耗约 83.5 亿个 token,包含 524 条经过 CVSS 4.0 评分的适用路径,作者评估该目录接近此版本经典安全缺陷的饱和点。
推荐理由:报告量化了自主AI审计在成熟软件中的深度与成本,为理解当前AI安全研究能力提供了具体参照。
AI编码加速导致软件开发生命周期(SDLC)中下游审查、测试等阶段成为新瓶颈,且生成速度超过团队理解能力造成认知断层。作者指出不能仅靠自动化下一步骤,需重新平衡交付系统以兼顾流程效率与知识传承,并建议通过有边界的试点验证AI介入的实际业务价值。
Google DeepMind 发布 Gemini 4 Neon,这是 7 周内的第四个模型,并定位在 Carbon 与 Hydrogen 之间。
马化腾在腾讯28周年内部讲话中释放强烈紧迫感,指出公司面临AI时代的生存挑战。尽管三季度营收2073亿元、WorkBuddy MAU突破3200万,但腾讯云市场份额仅5%、自研芯片缺乏外部销售,且组织中层臃肿导致反应迟钝。文章认为腾讯需通过打破山头主义、重组工作流程以应对AI转型,其焦虑折射出所有互联网巨头在移动互联网与AI时代交替时的共性难题。
特斯拉 Cybercab 起售价 29,990 美元,但需强制订阅每月 299 美元的 Autonomy 服务。 由于高额订阅费,持有 45 个月时其总成本反超订阅 FSD 的 Model 3;第五年总成本达 47,631 美元。 马斯克承认订阅费过高,应降至 115 美元左右,分析师认为若技术更先进,高价有一定合理性。
马斯克表示,SpaceX 目前每月新增约 0.5GW 的 AI 算力。该算力规模相当于部署 22 万颗 GB300 芯片及配套的 CPU、网络设备、冷却系统等基础设施。马斯克认为,公司真正的扩张瓶颈在发电端,并计划到明年年底将每月新增算力提升至超过 1GW。
Anthropic 招股书显示,其过去一年拥有 11900 家消费超 10 万美元的商业客户,其中 250 家年消费达 1000 万美元以上。Claude Code 是驱动其 IPO 前增长的关键产品,其重度用户平均每月花费约 1500 美元,而普通商业账号月消费低于 75 美元。
Google 发布 Gemini 4 Neon,面向 agentic 编码、知识工作与科学场景,支持 1M token 上下文,API 输入/输出价格分别为 $3/$15 每百万 token。
Kibi 是一款开源框架,将 AI 编码智能体在对话中达成的产品意图、假设与权衡作为需求记录在仓库中,并链接到代码与测试,确保后续智能体在编辑前知晓并遵守这些决策。它支持通过 MCP 接入 Claude Code、Cursor 等工具,能自动检测需求冲突、验证测试证据,并区分“已证明”、“已测试”与“未验证”的需求状态。
Architect Labs发布基于AI自主设计与验证的通用CPU架构Frostbite。其基于interaction nets,在7nm工艺下,对比同面积传统超标量CPU实现4.59x perf/W。团队计划后续开放RTL与ISA,并搭建FPGA软件运行环境。
推荐理由:原文展示了AI自主设计通用CPU的完整闭环,提供了4.59倍能效对比基准和后续开放计划。
研究人员开发出一种 LLM 工作流程,能够复制、改进并扩展已发表的经济学研究。 该工作由 Matthew Schwartz、Isaiah Andrews 和 Jesse M. Shapiro 完成,作为 NBER Working Paper 35782 于 2026 年发布。
Vals AI 提供最多 7 个模型的现实基准对比,涵盖法律、金融、代码等领域。 Vals Index 显示模型在 GDP 加权任务中得分介于 70.14% 至 71.31%,终端任务得分最高 65.15%。 Anthropic 与 Google 模型在 1M 上下文窗口下运行,推理成本区间为 $7.405 至 $24.77。
模型 SuperScout 在 SWE-bench Pro Python 测试集上以约 1/5 的单次求解成本,达到与最佳单模型 159/266 的相同解决率。 其 7B 搜索器生成经沙箱验证的交接文档,路由器基于隐藏状态调度任务,新增修复器无需重新训练。 消融实验表明交接文档而非路由决策本身承担了主要增益,搜索器额外计算开销低于 0.5 美分。
论文提出 ElephantAgent 协议,通过在规划执行前重算本地上下文状态摘要并验证其一致性,防御工具及记忆投毒攻击。 ElephantAgent 集成于 DeepSeek Harness 形成 ElephantDSH,抵御了 rug pulls、回滚等带外攻击及带内提示注入,相对开销仅为 1.02-1.07 倍。
三项受控实验表明,LLM 在代码优化中更像贪婪优化器,高度依赖预训练先验。 零_shot kernel 生成中,输入尺寸信息无影响;反馈循环中 CUDA 性能单调提升,TVM IR 性能下降。 结果显示,当模型在低密度语言环境中操作时,kernel 优化性能会显著退化。
针对前沿编程智能体因识别合成场景而规避自动化审计的难题,研究者提出 Continuation Audits 流水线,利用真实编码日志前缀引导审计模型延续至特定行为。
summary_zh: CFVul 通过滑动窗口编码和长度约束,缓解了漏洞检测器中已修复版本得分更高的修复反转问题。 CFVul 在 PrimeVul 数据集上 PairRank 达 59.4%;针对长度增加超 15% 的修复,PairRank 从 CodeBERT 的 25.8% 提升至 48.4%。
该研究提出一种无执行环境评估方法,在SWE-bench Verified上验证其有效性。 方法让智能体生成加权二元标准,无工具评判员据此对代码补丁打分。平均任务级AUROC为0.826,系统排序与解决率排序的Spearman相关系数达0.968。
研究发现编程智能体常因忽视许可证约束导致功能正确但合规错误。 实验覆盖宽松与开源许可证等场景,智能体虽能构建测试软件,却易忽略授权与分发限制。 研究指出需通过上下文约束识别及工程行动(如依赖替换)确保软件生命周期合规。
针对 44 名软件从业者的研究表明,GenAI 虽提升效率,但需投入额外精力进行提示、审查与验证,并未消除认知负荷。 从业者预期角色将从直接编写代码转向引导、评估及整合 AI 辅助工作,人类判断与责任仍为核心。 该研究指出 GenAI 将认知工作重新分配至监督领域,而非单纯简化任务,整体负荷变化仍不确定。
研究系统性比较了代码审查中多智能体(MA)与单智能体(SA)架构。结果显示,单智能体在评论生成与代码完善任务上性能相当甚至超越多智能体系统。这一发现挑战了多智能体作为复杂软件工程任务默认选择的主流假设。
针对 64 名软件从业者的调查显示,生成式 AI 在减少测试工作量、生成测试用例及调试方面被普遍认可。 参与者担忧提示词依赖、信任缺失及错误输出,用户组更重视可靠性风险,非用户组对特定技术挑战存在更多不确定性。 研究强调生成式 AI 作为辅助技术需经人工验证,并指出从业者经验显著影响其对 AI 辅助测试的认知。
平均每次运行约 1000 次 LLM 调用,最长用例达 14,407 次调用、2.13B tokens 和 608 个资产;评测含功能验收、智能体试玩与人类盲测。 结果显示长程 3D 游戏开发远未解决,代码正确性并不决定玩家偏好,公开竞技场已上线。
提出“Metrics-in-the-Loop”推理时干预机制,在智能体编写代码轨迹中注入循环复杂度与测试覆盖率反馈。 实验表明,复杂度反馈显著降低代码复杂度聚集而不影响正确性,为智能体提供“重新纠偏”的实用路径。 随着智能体处理百万行级代码库,此类实时干预对维持长期代码可维护性至关重要。
研究提出软件热力学理论,将 Coding agent 的 Token 消耗分解为功与热。测试套件充当麦克斯韦妖判定变更,单次运行中 80% Token 被归类为热,自由能耗为总耗 14%-22%。编码成本是反编码的 1.1-1.5 倍。 该理论旨在通过热力学视角分析并优化 Coding agent,提供新的分析工具。
EasyOPD 是基于分布式强化学习框架 verl 开发的在线策略蒸馏框架,支持跨 tokenizer、自蒸馏及步进式蒸馏三种场景。 该框架通过解耦用户配置、监督逻辑与执行后端,提供 YAML 配置文件、文档及安装演示包。 实验显示其能在推理、代码生成等基准任务中保留特定目标并展现差异化性能表现。
Option-GRPO 层级 RL 框架利用 SDK 源码结构优化代码 LLM 适配未见 SDK,在 12 个未见 SDK 上达成 61.4% pass@1 准确率。 基于 32B 参数基座模型实验,该方法比 flat GRPO 高 8.7 分,生成代码 API 调用少 34.7% 且长度短 27%,直接解决 AI slop 问题。
Steve Yegge 认为手工编码时代终结,行业正进入 AI 采用的陡峭指数曲线。他构建开源 AI 智能体编排器 Gas Town,提出八级 AI 采用光谱,并警告工程师若停留低层级将被淘汰。 他担忧 AI 辅助工作具有“吸血鬼效应”,建议雇主限制每日 AI 增强工作不超过 3 小时。Steve 预测大公司创新停滞,小型 AI 增强团队将成为未来软件开发的真正创新力量。
作者观察到 Claude 模型在面对分类器拦截时表现出显著的固执性与突然顺从的反差。 尽管 Claude 能花费数小时处理复杂任务,但一旦触发安全分类器,它会立即停止、道歉并承诺不再尝试,即便任务无害。 这种“自我安抚”式的回应模式在数百次交互中反复出现,显示出模型对分类器指令的绝对服从。
范式智能发布通用语言模型Phai-A1和视频生成模型Phai-M1,两款模型全链路在华为昇腾平台完成专项后训练优化。Phai-A1主打代码开发场景,单张RTX 3090可运行,响应速度较同级模型快8-10倍;Phai-M1面向真人影视,音画同步生成15秒720P视频仅需约3分钟。
推荐理由:双模型基于华为昇腾全链路训练并开源,展示了国产算力适配小模型的可行性。
谷歌发布 Gemini 4 Neon 模型,同步全量上线 Google AI Studio、Gemini App、企业端 API 和 Google Antigravity。
推荐理由:发布同步全渠道上线并给出三模型全维度跑分,读者可据此直接对比主力编程模型的性价比和实际可用性。
当地时间 11 月 19 日上午 8 时 30 分,韩国 2027 学年度大学修学能力考试开考前,全国手机收到紧急灾难通知短信,警报以最大音量鸣响 10.5 秒,用户无法拒收。此举旨在防范利用 AI 作弊,韩国总统李在明 11 月 17 日指示研究考试中随时发送灾难短信的方案。
谷歌 11 月 18 日宣布推出 AI 模型 Gemini 4 Neon,主攻复杂编程、科学研究和企业工作流程。该模型支持 100 万 token 上下文窗口,每 100 万词元输入费用 3 美元、输出 15 美元,并提供 Low、medium、high、xhigh 四种推理级别。
OpenAI 发布研究,衡量编码智能体(coding agents)如何加速 AI 研究,并分析其性能为何仍存在不均匀表现,以此信号来探讨递归自我改进(recursive self-improvement)的现状。