Anthropic 修改 Opus 5.5 系统提示词，限制 Claude Code 克隆现有游戏
Anthropic 在 Opus 5.5 的系统提示词中加入两句话，引导 Claude 不复刻已存在的特定游戏，同时允许原创游戏、特定类型游戏及使用用户自有设计和素材的游戏。
推荐理由：文章结合开发者反馈分析 Claude Code 的限制，指出规则既可能被其他模型或任务拆分绕过，也可能误伤原创游戏和常见机制复现。
#编码
量子位精选AI 评分6161
AWS Machine Learning Blog精选AI 评分7272 Amazon Bedrock AgentCore runtime 教程：实时预览编码智能体构建的 Web 应用
Amazon Bedrock AgentCore runtime 的 Session endpoints 可让编码智能体构建的 Web 应用在会话中持续运行并实时预览。
推荐理由：教程演示了会话端点的鉴权转发、端口白名单与本地预览链路，适合据此搭建可实时验收的编码智能体开发流程。
Microsoft Research精选AI 评分4444 Microsoft Research Focus 第 97 期汇总多项 AI 研究进展
Microsoft Research Focus 第 97 期汇总了 ForkPilot、CABRA、TeleTune、PBC 与 BioEmu2 等 Microsoft Research 项目进展。
推荐理由：这期内容以短篇幅串联多项研究的方向、实验结果与应用场景，可用于快速了解 Microsoft Research 的近期技术布局。
AWS Machine Learning Blog精选AI 评分6666 使用 Kiro 构建可重复的 PHP 到 Java 迁移引擎
Kiro 可用于构建可重复的 PHP 到 Java 迁移引擎，借助机械扫描器、共享方法论和八阶段工作流，把迁移变成可度量的流程。流程先构建可在 PHP 与 Java 间回放请求/响应的 parity harness，再由规则库驱动翻译，并在验证一致性后切换。同一套技能文件既可由 Kiro 交互式逐个应用执行，也可交给 AWS Transform 以智能体方式并行运行，完整迁移引擎已在示例仓库提供。
推荐理由：文章给出机械扫描、规则库、差异清单和一致性测试组成的八阶段迁移方法，并说明如何让同一套技能同时支持单应用交互执行与多应用智能体迁移。
AWS Machine Learning Blog精选AI 评分7171 Epsilon 用 Amazon Nova Act 构建意图驱动的 UI 测试托管服务
Epsilon 将基于 Amazon Nova Act 的意图驱动 UI 测试构建为多租户托管服务，以自然语言描述步骤并在托管浏览器中执行。该服务用 Amazon Bedrock AgentCore Browser Tool 提供隔离浏览器会话，由平台 API 创建工作流、后台执行器逐步运行并保存截图、结果和轨迹，Playwright 则继续承担确定性回归测试。
推荐理由：文章提供多租户架构、集成代码和 Epsilon 内部基准，便于评估意图驱动测试相对 Playwright 的效率收益与落地方式。
量子位精选AI 评分8080 Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶
Google发布Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶。其Terminal-Bench 4.0和GraphWalks成绩分别为65.2%和96.2%，均高于Claude Opus 5.5；安全评测中SEC-bench Pro得分88.2%，Gray Swan IPI攻击成功率为0.0%。
推荐理由：原文给出Gemini 4 Carbon的编程、漏洞修复基准成绩及首发定价，便于对照Claude Opus 5.5的能力和成本。
量子位精选AI 评分6969 扩散智能发布 350亿参数 Clover-35B-A3B-Preview 扩散语言模型
扩散智能发布扩散语言模型 Clover-35B-A3B-Preview，总参数350亿，每个 token 激活约30亿参数，可用于代码生成、网页操作和工具调用。
推荐理由：文章结合页面生成实操与连续工具调用演示，列出与 Jev 的速度、成功率对比、Gemini 速度表现和代码评测数据，可用于比较扩散语言模型的 Agent 效率。
Google DeepMind同事件AI 评分7575 Google DeepMind 发布 Gemini 4 Carbon，聚焦长周期编程与网络安全
Google DeepMind 发布前沿模型 Gemini 4 Carbon，面向长周期智能体工作流与网络安全防御，并计划先向部分网络防御人员开放。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
量子位精选AI 评分8787 GPT-6.1 Terra 发布并开放实测，Agents’ Last Exam 以约十分之一 Token 价格追平 GPT-6 Astra
OpenAI 发布 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 减半，主打电脑操作与多软件协同。
推荐理由：官方成绩与网友实测均围绕电脑操作、速度和成本展开，清楚呈现 GPT-6.1 Terra 与上一代及旗舰模型的取舍。
OpenAI News精选AI 评分4141 Greptile 如何借助 GPT-6 Astra 将 bug 检测扩展到代码审查之外
Greptile 使用 GPT-6 Astra 测试用户工作流，并将 bug 检测扩展到代码审查之外。它还使用 Daybreak 强化安全，并借助 Codex 减少返工。
推荐理由：Greptile 的案例交代了 GPT-6 Astra、Daybreak 与 Codex 的使用分工，覆盖工作流测试、安全强化和减少返工。
OpenAI News精选AI 评分4141 CodeRabbit 采用 GPT-6.1 Sol 排查复杂代码库安全风险
CodeRabbit 使用 GPT-6.1 Sol 调查复杂代码库中的安全风险。其安全智能体可帮助开发者审查发现的问题和拟议修复方案。
推荐理由：该应用实践展示了 GPT-6.1 Sol 排查复杂代码库安全风险的方式，以及安全智能体协助开发者审查问题与拟议修复的衔接。
OpenAI NewsAI 评分3232 Codex Ultrafast 如何将 OpenAI 的事故调查从数小时缩短至数分钟
OpenAI 工程师使用 Codex Ultrafast，将事故调查从数小时缩短至数分钟。相关实践还涵盖更快的安全分析、代码重构和日常工作流。
量子位精选AI 评分3939 支付宝AI支付联合观猹发起 PAYATHON 2026 黑客松，总奖池 20 万元
支付宝AI支付联合观猹发起“PAYATHON 2026”年度黑客松，邀请开发者提交接入支付的应用、Skill 或 Agent，总奖池为 20 万元。大赛设置应用、技能两大主赛道，并围绕 Token Pay、Machine Pay 与 Agent Pay 探索按量付费、连续订阅及机器与智能体交易，报名截至12月1日，线下决赛于12月26日举行。
推荐理由：活动把真实支付接入、付费订单和商业化表现纳入评审，并呈现收款与履约门槛，为开发者判断产品可售性提供具体参照。
HF Daily Papers精选AI 评分5959 Co-Design Bench：面向智能体模型的多模态协作编码评测
Co-Design Bench 以真实用户的多模态应用修改需求构建智能体编码评测，包含 273 项任务和 2,331 条专家验收标准。任务分为 Multimodal Editing（100 项）和 Repository Editing（173 项），并采用无参考答案的 judge-then-refute 协议评估隐藏验收标准。
推荐理由：该基准同时报告验收标准通过率与整项任务完整交付率，呈现局部达标与端到端完成之间的显著差异。
HF Daily Papers精选AI 评分5151 IQuest-Q1 论文：提出并开源面向智能体 CLI 的稀疏 MoE 基础模型
论文提出并开源 IQuest-Q1，一款面向智能体 CLI 系统的稀疏 MoE 基础模型，总参数量 320B，激活参数量 15B。模型通过预训练、中训和后训练三阶段训练，后训练结合 SFT、领域专用 RL 和 MOPD，并通过模型合并整合不同专家与检查点。arXiv 论文地址为 https://arxiv.org/abs/2610.30949。
推荐理由：论文拆解了预训练、中训和后训练三阶段方案，并披露总参数与激活参数，便于对照理解智能体编码基础模型的构建路径。
HF Daily Papers精选AI 评分5858 BrickWright：智能体生成物理可行的 LEGO 积木装配
BrickWright 通过装配 API 和物理可行性验证器，让预训练智能体根据文本或图像提示生成物理可行的 LEGO 积木装配。在 512 个提示的样本上，智能体达到 100% 物理有效性，基线智能体则为 9%（GPT-6 Luna）至 69%（GPT-6 Astra）；轻量智能体的提示遵循度提升，强智能体保持该指标，并优于专用模型完成文本到积木任务。
推荐理由：BrickWright 将装配 API 与物理可行性验证器接入智能体，为实体积木生成提供了一套可复用的验证与纠错方法。
HF Daily Papers精选AI 评分6262 VibeGame：利用 AI 原生引擎与自演化对抗智能体团队开发 2D 游戏
研究提出 VibeGame 框架，利用 AI 原生引擎和 8 个专职对抗智能体，从自然语言提示词及可选参考图片构建完整 2D 游戏项目。AI 原生引擎以 schema 校验的结构化文本表示项目状态并提供帧同步运行时控制，智能体通过多轮实现与评审循环协作，验收项目再经免训练机制蒸馏为可复用骨架、模块和协作契约。
推荐理由：VibeGame 将 8 个专职智能体、交互式验证与免训练自演化组合成 2D 游戏开发流程，并给出相同底层模型下的多框架基准对比。
OpenAI News精选AI 评分5959 OpenAI 模型与 Codex 将接入 Google Cloud
OpenAI 与 Google Cloud 达成合作，将 OpenAI 前沿模型与 Codex 工作流接入 Gemini 的 Model Garden，企业可通过 Google Cloud Marketplace 调用。
推荐理由：两大云厂商的模型分销合作让企业多了采购入口，跨云可用性对现有云绑定策略构成新变量。
NVIDIA Blog精选AI 评分7777 NVIDIA 在 GTC Berlin 展示并更新 RTX Spark、DGX Spark 与 DGX Station 本地 AI 阵容
NVIDIA 在 GTC Berlin 展示 RTX Spark、DGX Spark 和 DGX Station，并公布模型、集群与软件更新。DGX Spark 64GB 将于周五（10 月 23 日）由合作伙伴开始铺货，手动集群最多支持 8 台设备并提供 1TB 统一内存；DGX Station for Windows 预计 12 月推出。
推荐理由：三类本地 AI 硬件分别面向个人智能体、开发集群和企业工作站，文中还给出模型兼容、开放方式与推理优化信息。
量子位精选AI 评分7777 MiniMax 发布 M3.1 Flash，Agent 评测居国模第一且综合成本降至前代 30%
MiniMax 正式发布 M3.1 Flash，国庆期间在 OpenRouter 匿名屠榜的 Space Bunny 被确认就是该模型。在 Agents’ Last Exam（ALE）中得分 29.6%，AA 榜单得 43 分，文中称其 Agent 成绩居国模第一。
推荐理由：原文并列多项基准、速度与 API 价格，便于比较 M3.1 Flash 和 DeepSeek V4.1 Flash 1017 的能力与成本。
GitHub Blog · AI & ML精选AI 评分6767 3 位 Java Champion 如何用 GitHub Copilot 提高生产力
GitHub Blog 采访 3 位拥有 10 年以上 Java 经验的 Java Champion，介绍他们用 GitHub Copilot 提高生产力的实践与人工把关原则。
推荐理由：3 位 Java Champion 的案例覆盖迁移、调试与智能体协作，并给出需求澄清、验证门禁和人工复核等可迁移方法。
OpenAI News精选AI 评分3636 OpenAI 发布低资源编程语言编码评测，推进 ChatGPT 跨语言能力
OpenAI 发布针对低资源编程语言的新评测，用于评估并提升 ChatGPT 在软件工程、SQLite 与 COBOL 迁移任务上的表现。原文仅提供摘要，完整方法与结果未在 feed 中给出。
推荐理由：原文仅提供摘要，正文未公开完整方法或结果，无法支撑具体阅读价值。
HF Daily Papers精选AI 评分4545 Ask-to-Distill：利用合成数据实现在策略蒸馏
Ask-to-Distill 提出一种无需参考答案、正确性奖励或逐候选学生更新的合成问题优化框架，用于在策略蒸馏。它以冻结的师生模型组合计算问题价值，在数学推理、代码生成和智能体任务上提升平均表现及师生差距恢复效果，并在评测设置中达到或超过真实题库 OPD。代码、数据和模型已公开：https://github.com/GasolSun36/Ask_to_Distill。
推荐理由：论文提出在无参考答案时按蒸馏信号价值优化合成问题，并比较其在推理、编码和智能体任务中的效果。
HF Daily Papers精选AI 评分5353 HarnessAdapt-RL：训练整个编码智能体，而非仅训练模型
HarnessAdapt-RL 在强化学习期间同时训练编码策略并动态调整评测框架，使 9B 基础模型的 pass@1 在三套 SWE-bench 基准上高于 GRPO。
推荐理由：论文将编码策略与评测框架共同训练，并与固定 harness 的 GRPO 在三套 SWE-bench 基准上直接比较，便于评估协同训练的收益。
GitHub Blog · AI & ML精选AI 评分3636 如何在 VS Code 中继续 GitHub Copilot App 会话
GitHub Blog 教程演示如何把 Copilot App 的会话直接在 VS Code 中打开，继续使用同一份任务记录、对话历史和 worktree，无需复制或重建上下文。
推荐理由：给出在 VS Code 中接力 Copilot 智能体会话的完整步骤，让审阅、手工修改、本地测试与 PR 推送共用同一会话上下文。
HF Daily Papers精选AI 评分4646 TEAL：面向数据湖分析的编码智能体无监督工具演化
研究提出TEAL，在无标签模式下为数据湖分析中的编码智能体演化可复用工具，并提升紧步骤预算下的准确率。Explorer从数据湖取证，Critic从Worker轨迹提出修改，变更须在不增加步骤且有轨迹证据支持时被保留。
推荐理由：TEAL以无标签双智能体反馈演化数据分析工具，并量化比较四种Worker大语言模型在两项基准紧步骤预算下的准确率提升。
量子位同事件AI 评分7474 谷歌发布Gemini 4 Argon，强调编程与多模态升级、API限时半价
谷歌正式发布Gemini 4 Argon，强化编程、复杂任务持续执行与多模态能力。第三方Artificial Analysis智能指数中，Argon High与GPT-6 Astra Max、Claude Fable5.1 Max并列53分；同类任务平均成本约1.99美元，比Astra低约39%。
同一件事，精选收录的是《Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token》
量子位精选AI 评分4949 亚马逊CTO Werner Vogels：别让恐惧替企业做AI决策
亚马逊CTO Werner Vogels在深圳交流中提醒企业，AI决策不应被对错失窗口的恐惧驱动，应先想清楚要解决的问题、AI是否合适以及成本能否承担。他以2004年数据库故障催生Dynamo、云计算按用量计费、Nitro把管理面卸载到专用硬件等亚马逊自身经历做类比，强调Agent进入实际业务时需划定授权范围与执行规则，并主张开发者仍要承担验证债和判断责任。
推荐理由：把云数据库和云计算踩过的坑类比到 AI 与 Agent，亚马逊 CTO 给企业算的是一笔选型与责任的成本账。
HF Daily Papers精选AI 评分4747 EdgeKernelBench：统一评估异构边缘后端的 LLM 内核生成
EdgeKernelBench 与 LEKA 提出面向异构边缘后端的 LLM 内核生成统一评估和分层优化框架。EdgeKernelBench 通过统一 IR 和编译器接口连接目标后端，以 TVM 为参考编译器验证，基准范围从单个算子逐步扩展到紧凑模型图。
推荐理由：论文以统一 IR 跨边缘后端评估内核生成，并比较 LEKA、直接生成与 Claude Code 的性能达标结果。
AWS Machine Learning Blog精选AI 评分5454 Reflection Beam 登陆 AWS SageMaker JumpStart，面向智能体编码的开源权重模型
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
Hugging Face Blog精选AI 评分7474 Reflection 发布 Beam：501B 参数开源 MoE 模型，专注编码与智能体
Reflection 推出开源大模型 Beam，采用 501B 参数 MoE 架构，每 token 激活 23B，支持 1M token 上下文，专注编码与智能体场景，以 Apache 2.0 授权发布。
推荐理由：原文详细列出了501B MoE模型的架构参数与各类基准分数，可作为评估开源大型MoE模型实际表现的参考。
HF Daily Papers精选AI 评分6060 OpenGCUA：面向通用电脑使用智能体的开源全栈框架
OpenGCUA 提出开源通用电脑使用智能体完整栈，整合视觉与程序化界面、harness-to-model 决策迁移与代码执行能力。在 OSWorld-v2 上，8 个评估模型（含 GPT-6 Astra 和 Claude Opus 5）任务均分提升 19.6 分，报告步数平均减少 53.0%。项目开源实现、prompt 与评估轨迹，并发布跨设备 SDK 与真实设备 harness 的初步版本。
推荐理由：原文给出开源通用电脑使用智能体的完整栈实现、基准评测结果与跨设备 SDK 雏形，读者可据此与闭源方案对比设计取舍与执行效率。
Hugging Face Blog精选AI 评分7575 Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B
Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，上下文窗口达 1M tokens。
推荐理由：文章同时给出 816B 多模态 MoE 模型的架构、推理与微调命令，并附 llama.cpp、vLLM、SGLang 实测，便于直接对照复用。
AWS Machine Learning Blog精选AI 评分5050 Meta 的 Muse Spark Open 模型登陆 Amazon SageMaker JumpStart
Meta 的开源编码模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，提供 BF16（Muse-Spark-Open-816B-A42B）与 NVFP4 量化（Muse-Spark-Open-816B-A42B-NVFP4）两种变体。
推荐理由：原文给出了 BF16 与 NVFP4 两种变体的部署路径、对应实例类型及推理调用方式，便于读者在自有 AWS 环境中评估该模型的编码能力。
HF Daily Papers精选AI 评分4848 Doc2Harness：编码智能体长链路 harness 工程的 LLM 评测基准
Doc2Harness 提出一个两阶段基准，直接评测模型为编码智能体构建长链路 harness 的工程能力，覆盖 19 个前沿模型、328 个测试用例。GPT-6 Astra 取得最高通过率 53.05%，最弱模型为 27.44%；即便最强模型仍有近一半用例失败，失败集中在跨模块功能的拆分方式上。
推荐理由：原文提出了针对 harness 工程的可复现评测方案，并给出 19 个前沿模型的具体差距，可据此对比模型在该层能力上的相对位置。
阶跃 StepFun精选AI 评分6969 阶跃星辰在 Hugging Face 发布 Step 5 Preview，主打 Agentic 工作
阶跃星辰在 Hugging Face 发布旗舰模型 Step 5 Preview，主打 Agentic 工作。该模型为稀疏 MoE 架构，总参 600B、激活 27B，支持最高 1M 上下文，可输入文本、图像和视频，重点强化软件工程、长链路智能体执行、专业知识工作与金融任务。
推荐理由：给出了 600B 总参 / 27B 激活的 MoE 架构与 vLLM/SGLang 并行部署参数，可据此搭出 1M 上下文推理集群。
HF Daily Papers精选AI 评分4444 ReTerm：基于失败恢复训练的自改进终端智能体
ReTerm 提出让终端智能体从自身失败中学习恢复的自改进方法，基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，较基模型提升 14.6 点。
推荐理由：论文提出让终端智能体从失败状态自我恢复的在线强化学习方法，为提升长任务可靠性提供了可复用的训练范式。
Google DeepMind精选AI 评分7373 Google DeepMind 详述 Gemini 4 Argon 的负责任开发与安全设计
Google DeepMind 开始广泛推送 Gemini 4 Argon 大模型，并详细阐述其安全开发方法。该模型在 12 个端到端网络攻击模拟场景中全部解决（上一代为 5 个），在 Gray Swan 的间接提示词注入基准上，15 次自适应攻击成功率降至 0.7%，编码基准上作弊尝试降至 2%。
推荐理由：原文系统说明了滥用防护、对齐监控和提示词注入防御的具体机制与测试结果，可供同类模型在安全设计上参考。
HF Daily Papers精选AI 评分4343 PrismaCoder：通过分解式评分标准合成推进开放多模态代码智能
PrismaCoder 论文提出基于分解式评分标准的数据合成流水线 PrismaForge，并据此训练发布了 PrismaCoder-9B 与 PrismaCoder-35B 两个开源模型，在多模态代码任务上领先开源 SOTA 并接近闭源系统表现。
推荐理由：原文提出了基于评分标准的多模态代码数据合成与强化学习流程，并开源了模型与数据集，可作为其他视觉编程任务的数据构建参考。
Google AI Blog精选AI 评分8181 Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token
Google 发布 Gemini 4 Argon 前沿模型，在 Vals Index 排名第一、ERQA 推理基准得分 87%。模型通过 Gemini API、AI Studio、Antigravity、Gemini app 等渠道全球开放，提供 1M 统一输入输出上下文，定价 $2/$10 每百万 input/output token，缓存输入享 95% 折扣。
推荐理由：原文给出定价、上下文上限与多项工程落地案例，可据此评估它在长链路编程与 Agent 场景中的实际替代价值。