BOSS 直聘南北阁开源 33B 智能体编程模型,上下文 512K
BOSS 直聘旗下南北阁实验室发布 Nanbeige4.3-33B:33B 稠密参数、Apache 2.0 许可、512K 上下文,主打智能体编程,官方称在 Terminal-Bench 2.1 上拿到 80.9 分。该模型还将用于蒸馏后续的 3B 小模型,延续小尺寸也能当通用 Agent 的路线。
~ | 00:00 ~ 08:00
2026-10-24 ~ 2026-10-25 | 2026-10-25 00:00 ~ 2026-10-26 08:00
BOSS 直聘旗下南北阁实验室发布 Nanbeige4.3-33B:33B 稠密参数、Apache 2.0 许可、512K 上下文,主打智能体编程,官方称在 Terminal-Bench 2.1 上拿到 80.9 分。该模型还将用于蒸馏后续的 3B 小模型,延续小尺寸也能当通用 Agent 的路线。
阿波罗全球管理首席经济学家托尔斯滕·斯洛克团队分析认为,除科技行业外,美国企业迄今从生成式 AI 获得的财务回报接近于零,巨额资本开支尚未转化为利润和生产率提升。该结论与市场对 AI 投资回收周期过长的担忧相互强化,也解释了近期 AI 泡沫争论为何持续升温。
据 The Decoder 报道,Rippling、Replit、DataCamp 等公司称从 Anthropic 切换到 OpenAI 后 AI 成本最多下降九成,OpenAI 正用深度折扣直接撬动对手头部客户。同期分析指出,两家在数月内把大模型接口价格下调最多 80%,推理成本下降与抢占企业入口构成双重动因。
Anthropic 发布 OSS Scanner,一个面向关键开源项目的免费、自愿接入的漏洞扫描服务,由公司最强模型(含 Claude Mythos)自动审计代码,并给出可利用性判断与修复建议。对长期缺人手的开源维护者,这相当于多了一个自动化外部审计入口;但 AI 审计结论由谁背书,仍是待解问题。
Anthropic 建议企业重新评估多智能体拆分:在其架构对比中,把子智能体合并为一个按需加载上下文的单智能体,任务完成更快、token 消耗更低。理由是新一代模型已能自行处理原本必须拆解的复杂度,而过细拆分带来的交接损耗与上下文丢失,反而成为新的瓶颈。
Anthropic 联合创始人杰克·克拉克将 AI 能自主设计与评估实验的时间点提前到 2027 年。依据是 P-Zero Research 的新基准:模型自主提出假设、设计实验并解读结果的能力提升速度超出预期。他同时提醒,这类能力在生物和网络攻防上的双用途风险,会让治理窗口比预想更短。
微软研究院开源多智能体框架 Agensh,放弃中心编排器:工作智能体通过共享 Git 仓库、聊天频道和发现板自组织协同,规模可从 1 个平滑扩展到 1024 个,并在编程类任务上做了验证。它的价值在于把协调成本压到通信层,而不是靠一个越来越臃肿的调度大脑。
英伟达开源数据引擎 Flora,标注一小时机器人视频只需 0.72 美元,而调用 GPT-6 Astra 做同样工作要 88 美元,且 Flora 在质量评分上还略高。该引擎由三个微调模型串联,把感知、描述、结构化标注拆成流水线,直指具身智能最贵的一环:真机数据标注。
Linux 基金会 10 月 20 日发布的调查显示,受访者称生成式 AI 让编码任务平均耗时下降 52%,但维护者估计约 25% 的 PR 属低质量 AI 垃圾,大型项目这一比例达 31%,同期贡献量却增长 69%。报告指出瓶颈正从写代码转向审查与验证,仅 35% 的项目有明确的 AI 贡献政策。
《连线》报道,安全研究者用 AI 工具在 PHP 语言中挖出多处沉睡多年的漏洞,随后 AI 辅助的攻击迅速出现并扩散。案例说明 AI 正在压缩从发现漏洞到写出利用的时间差,防守方打补丁的窗口被显著挤压,也让代码里长期无人审视的旧缺陷重新变成现实风险。
阿波罗全球管理首席经济学家托尔斯滕·斯洛克团队分析认为,除科技行业外,美国企业迄今从生成式 AI 获得的财务回报接近于零,巨额资本开支尚未转化为利润和生产率提升。该结论与市场对 AI 投资回收周期过长的担忧相互强化,也解释了近期 AI 泡沫争论为何持续升温。
据 The Decoder 报道,Rippling、Replit、DataCamp 等公司称从 Anthropic 切换到 OpenAI 后 AI 成本最多下降九成,OpenAI 正用深度折扣直接撬动对手头部客户。同期分析指出,两家在数月内把大模型接口价格下调最多 80%,推理成本下降与抢占企业入口构成双重动因。
Anthropic 发布 OSS Scanner,一个面向关键开源项目的免费、自愿接入的漏洞扫描服务,由公司最强模型(含 Claude Mythos)自动审计代码,并给出可利用性判断与修复建议。对长期缺人手的开源维护者,这相当于多了一个自动化外部审计入口;但 AI 审计结论由谁背书,仍是待解问题。
Anthropic 建议企业重新评估多智能体拆分:在其架构对比中,把子智能体合并为一个按需加载上下文的单智能体,任务完成更快、token 消耗更低。理由是新一代模型已能自行处理原本必须拆解的复杂度,而过细拆分带来的交接损耗与上下文丢失,反而成为新的瓶颈。
Anthropic 联合创始人杰克·克拉克将 AI 能自主设计与评估实验的时间点提前到 2027 年。依据是 P-Zero Research 的新基准:模型自主提出假设、设计实验并解读结果的能力提升速度超出预期。他同时提醒,这类能力在生物和网络攻防上的双用途风险,会让治理窗口比预想更短。
微软研究院开源多智能体框架 Agensh,放弃中心编排器:工作智能体通过共享 Git 仓库、聊天频道和发现板自组织协同,规模可从 1 个平滑扩展到 1024 个,并在编程类任务上做了验证。它的价值在于把协调成本压到通信层,而不是靠一个越来越臃肿的调度大脑。
英伟达开源数据引擎 Flora,标注一小时机器人视频只需 0.72 美元,而调用 GPT-6 Astra 做同样工作要 88 美元,且 Flora 在质量评分上还略高。该引擎由三个微调模型串联,把感知、描述、结构化标注拆成流水线,直指具身智能最贵的一环:真机数据标注。
Linux 基金会 10 月 20 日发布的调查显示,受访者称生成式 AI 让编码任务平均耗时下降 52%,但维护者估计约 25% 的 PR 属低质量 AI 垃圾,大型项目这一比例达 31%,同期贡献量却增长 69%。报告指出瓶颈正从写代码转向审查与验证,仅 35% 的项目有明确的 AI 贡献政策。
《连线》报道,安全研究者用 AI 工具在 PHP 语言中挖出多处沉睡多年的漏洞,随后 AI 辅助的攻击迅速出现并扩散。案例说明 AI 正在压缩从发现漏洞到写出利用的时间差,防守方打补丁的窗口被显著挤压,也让代码里长期无人审视的旧缺陷重新变成现实风险。
BOSS 直聘旗下南北阁实验室发布 Nanbeige4.3-33B:33B 稠密参数、Apache 2.0 许可、512K 上下文,主打智能体编程,官方称在 Terminal-Bench 2.1 上拿到 80.9 分。该模型还将用于蒸馏后续的 3B 小模型,延续小尺寸也能当通用 Agent 的路线。