大模型前沿动态 · Vol.155

Claude Duet把常驻Agent做成产品、OpenAI十周重写Git后端、Kimi K3.1 Pro押注1M上下文、扩散语言模型拿下SWE-bench 73.6

本期四条：Anthropic 上线 Claude Duet 研究预览（Opus 5.5 驱动的常驻主动式 Agent，晨报+审批+6000连接器）；OpenAI 发布 Pando——被 Codex 代码洪峰冲垮后十周重写的 Git 后端（因果一致性+packfile复用，日投递近1PB）；Moonshot 发布 3T 级 Kimi K3.1 Pro（1M 上下文、K3后训练版、权重11月4日放出）；DiffuSpace 开源 Clover-35B-A3B 扩散语言模型（GDN+Block Diffusion，SWE-bench 73.6，WebMCP中位1.52秒）。

大模型 Anthropic Claude Duet Agent OpenAI Git Pando Kimi Moonshot 扩散语言模型 DiffuSpace 开源模型

昨天 DeepSeek 开源常驻 Agent 的架构原型，今天 Anthropic 把同类产品推上 waitlist；OpenAI 被 AI 生成代码的洪峰冲垮 Git 后端、十周重写；Kimi 用 3T 级旗舰和 1M 上下文押注 agent 负载；扩散语言模型第一次把 SWE-bench 打到 73.6——四条动态指向同一件事：竞争重心正从模型能力挪向围绕 Agent 的系统层。

1. Claude Duet：常驻 Agent 从架构原型变成开卖的产品

事件概述

11 月 3 日，Anthropic 上线 Claude Duet 研究预览版，一个「主动找你」的 Agent：每天早晨发简报、标记收件箱和日历里需要你处理的事项、接收你甩过来的任务，在你离开时继续干活，敏感操作前停下来等批准。产品由 Opus 5.5 驱动，面向美国区 Claude Pro、Max、Ultra 订阅用户开放 waitlist，提供 iOS、Android 独立应用和网页版，Team 与 Enterprise 计划暂不包含。

技术解析

Duet 的产品定义与普通对话式 Claude 的分界写得很直白：Claude 应用等用户打开聊天，Duet 主动找上门。技术上有三处值得拆开看。其一，账户资产全量复用——memory、skills、connectors（机器之心收录的产品卡称连接器与插件超过 6000 个）从第一条消息起就在同一个线程里可用，交接成本归零。其二，审批、登录与安全检查跑在用户自己的云计算机中，敏感操作（发消息、付款）前必须请求确认，这套隔离设计是常驻 Agent 能过内部安全评审的前提。其三，用量与主计划共享：后台的例行检查也计入订阅额度，大任务（建模、做 deck）消耗的模型轮次更多。Anthropic 在 FAQ 里如实标注了风险——预览版会误读线程、会把优先级判断错、两次巡检之间到达的新事件会被漏掉。

行业影响

把 11 月 1 日至今的三条线索连起来看：10 月 31 日 Claude 取消 Ultra 的 5 小时限制改周预算制，11 月 2 日 DeepSeek 开源 Super-agent 常驻架构原型，11 月 3 日 Duet 上线。Anthropic 的路径是先把计费模型改成适配后台常驻消费（时间窗→预算制），再发产品；DeepSeek 的路径是先发架构与消融数据不发产品。两家在同两周内从相反方向逼近同一个形态：Agent 不再是会话工具，而是挂在消息渠道上的常驻雇员。对中间层开发者，Duet 的FAQ本身就是一份常驻 Agent 的风险清单，照着补自己的审批与巡检设计就行。

相关链接

2. OpenAI 重写 Git 后端 Pando：AI 写代码的洪峰先冲垮了版本控制

事件概述

11 月 2 日，OpenAI 工程团队发布博客《Scaling Git at OpenAI》，复盘为 monorepo 打造的新 Git 后端 Pando：Codex 让一名工程师能并行准备多个变更，每次 push 触发多个 CI 任务拉同一 commit，分支、merge、fetch 的量级激增，旧系统去年底开始明显吃紧，merge 可靠性一度低于 90%。

技术解析

Pando 的两个核心取舍都违背传统 Git 服务端的直觉。一，放弃仓库级全局一致性，改用因果一致性：各分支独立更新、并行推进，写入用 O(1) 复杂度的多键事务加原子 compare-and-swap，无关联分支互不竞争。二，放弃为每个客户端生成唯一 packfile，改为跨 fetch 复用：fetch 查找复杂度 O(log Δ)（Δ 为客户端落后距离），配合区域缓存与一致性哈希，缓存命中率超过 99%。Compaction 采用 LSM-tree 式分层（L0–L4）后台合并 packfile，兼作 ref versions 的跳表。结果：中位 push 延迟降低近 5 倍，每日 Git 数据投递量近 1 PB，单小时峰值 57 TB（超过 99% 命中本地磁盘缓存），标准云虚拟机即可打满 10 Gbps 链路，Rust 实现零遗留依赖。更值得记录的是构建方式：从启动到生产 10 周，核心设计由一名工程师完成，实现交给 agent 团队，GPT-6 Astra 驱动的 agent 用 Lean 和 TLA+ 写了形式化的「Pando 理论」来找 bug 并证明系统性质，多个连续会话累计运行数百小时排查边界情况。改进已部分进入 upstream Git，其余在 openai/git 公开仓库。

行业影响

这是头部厂商第一次完整公开承认：AI 代码产量的增速超过了 Git 服务端架构的承受力。文章给出的信号比数字本身重要——「在 monorepo 之外探索大量 agent 协作共享仓库的场景」，即 Pando 面向的下一负载就是多 Agent 并行写同一个仓库。对维护内部代码平台的团队，因果一致性加 packfile 复用这套组合是可直接对照的改造清单；对行业，用 agent 写的形式化验证来保障服务 AI 代码洪峰的基建，这个闭环值得单独记一笔。

相关链接

3. Kimi K3.1 Pro：3T 级旗舰押注 1M 上下文与 agent 负载

事件概述

本周，Moonshot 发布 K3.1 系列首个模型 K3.1 Pro。官方文档口径：K3.1 Pro 是 3T 级模型，支持 1M token 上下文窗口与原生视觉理解，编程、3D 创建、金融研究与建模能力显著提升，定位 K3 的后训练版本，采用更大规模后训练计算。同发的 K3.1 Pro Highspeed 以约 2–3 倍输出速度提供相同能力。两个变体已上线 Kimi.com、Kimi Work、Kimi Code 与 Kimi API，机器之心收录的模型卡显示完整权重计划 11 月 4 日发布。

技术解析

K3 基座是 2.8T 参数的混合模态模型（HuggingFace 组织页标注 Image-Text-to-Text），K3.1 没有动基座，走的是「后训练换能力」路线——加大后训练算力换取编程与 agent 能力，这套迭代节奏与 K2→K2.5→K2.6 的路径一致。上下文从 K3 的水平扩到 1M token，配合 reasoning effort 顶层可配（K3.1 Pro 默认启用），为的是接住 agent 长会话与整仓代码两类负载；输入侧支持 text、image、video 三模态。Highspeed 变体对应的是推理成本敏感的分发场景，官方建议快速起步用 K3.1 Pro、要速度切 Highspeed，一套权重两档延迟的卖法与各家「标准/加速」双 SKU 的定价思路趋同。

行业影响

「目前最强的 3T 级开源权重模型」这句话的分量要看 11 月 4 日权重是否如期落地——3T 级别此前只有 Qwen、DeepSeek、Llama 等少数玩家在场，Kimi 加入后开源旗舰的牌桌再添一家。两段式发布（先 API 后权重）正在变成标准动作：厂商先用 API 收集真实负载与口碑，权重放出前留出一天窗口给社区预热。对需要自部署的团队，K3.1 Pro 值得盯的点是 1M 上下文在自建推理栈上的实际吞吐与成本——官方文档的 quickstart 已经给出调用样例，可直接上手评测。

相关链接

4. DiffuSpace Clover-35B-A3B：扩散语言模型第一次在 SWE-bench 上站稳

事件概述

10 月 30 日，由香港大学 NLP Group Dream 7B 团队成员创建的 DiffuSpace 开源首个 Clover 系列模型 Clover-35B-A3B-Preview：总参数 35B、激活 3B 的 MoE 扩散语言模型，支持 thinking 模式，Apache 许可证。机器之心 11 月 2 日以《大模型一定要一个字一个字往外蹦吗》为题做了长文报道，称其押注扩散路线四年。

技术解析

架构是 Block Diffusion 对 Gated DeltaNet（GDN）的重设计：历史上下文压缩进 GDN 循环状态充当长期记忆，当前块内 token 通过双向 softmax attention 去噪；历史记忆读取作为独立「信息单元」参与 softmax，模型自己学习何时依赖历史上下文；训练生态基于 Qwen 的开放架构起步。基准成绩是这条路线迄今最硬的一组：SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、GPQA Diamond 83.8、ZebraLogic 95.8，六项 agent 基准全部拿下同规模对比（Qwen3.6-35B-A3B、LLaDA2.2 flash、Mercury 2.5 等）中的最高分。速度侧同样占优：单卡 GB300（BF16，batch=1）agent 负载 680 token/s，H200 上 515 token/s，对比 DFlash2 加速的 Qwen 为 365 token/s；WebMCP 49 任务评测中，agent 中位执行时间 1.52 秒，Gemini3.6 Flash 为 8.86 秒。INT4 量化后能在 16GB 显存的 RTX 5070 Ti 上运行，MATH-500 上跑出 101.8 token/s。模型还能解析复合指令并行输出多个任务结果——这是双向去噪结构独有、自回归逐 token 生成做不到的能力。

行业影响

扩散语言模型的叙事长期停在「生成速度快」，Clover 把 SWE-bench Verified 73.6 摆上台面之后，争论从「快但弱」变成了「快且不弱」——LLaDA、Mercury 之后第三个站出来验证的团队，且是首个用 MoE 稀疏激活压部署成本的。值得注意的细节是它基于 Qwen 架构与训练生态起步：扩散派在复用自回归派攒下的基建，而不是从零造轮子，这会显著缩短该路线的追赶周期。对端侧开发者，35B 总参/A3B 激活加 INT4 量化落在 16GB 消费级显卡上，意味着扩散 LM 第一次进入 hobbyist 可玩的区间。团队下一步在做 agent 执行框架和桌面编程客户端，方向直指 Coding Agent 赛道。

相关链接