字节OpenViking核心贡献者开源LoopX:让Agent连续跑200小时也不失忆、不跑偏
相关推荐
MiniMax把OpenAI新Agents API做成开源版,Codex、Claude Code都能接
动察 Beating AI 快讯,MiniMax 开源 OpenAgentCore,做了一套兼容 OpenAI Agents API 的自托管实现。开发者可以继续使用 OpenAI 官方 SDK,只需要换掉 API 地址,后台运行的 Agent 可以选择 Codex、Claude Code 或 MiniMax Code。 Agents API 可以理解成一套「调用 Agent 的统一接口」。普通模型 API 主要负责一问一答。Agent 要连续干几个小时甚至几天,还要管理上下文、调用工具、协调子 Agent、保存任务进度。OpenAI 的 Agents API 把这些能力放到一个长期运行的 Session 里统一管理。 OpenAI 官方版本使用 OpenAI 托管的 Codex 执行框架。开发者可以自己选择代码在哪运行,但 Agent 的任务编排、上下文管理和运行状态仍由 OpenAI 负责。OpenAgentCore 则把这套后端也交给开发者自己部署。
给Claude Code装上「剪映」,Hypit让Agent直接做完整视频
动察 Beating AI 快讯,开源项目 Hypit 最近在 GitHub 快速走红,目前已有约 8300 Star。它相当于给 Claude Code、Codex 这类 Coding Agent 加上一套视频制作工具,让原本主要写代码的 Agent,也能开始做视频。 用户丢进去一条参考视频后,Hypit 会把台词、镜头、字幕、B-roll 和特效拆成一套可以反复修改的制作流程。Agent 再调用 Seedance 等视频模型、图片模型、WhisperX 和 FFmpeg,替换人物、台词和素材,重新生成整条视频。 这套方法特别适合批量做相似视频。比如一条广告效果不错,可以保留原来的节奏和结构,只换产品、人物或文案,再快速做出几十个不同版本。一条视频跑通后,后面主要就是换内容,不用每次从头做一遍。 Hypit 本身免费使用,也不强制绑定某个生成模型。不过它采用带额外限制的开源协议,企业内部可以商用;如果拿它做面向多个客户的 SaaS,则需要另行取得商业授权。
Codex Cloud接入Tailscale:云端Agent也能访问本地服务了
动察 Beating AI 快讯,OpenAI 为 Codex Cloud 加入 Tailscale 支持,让云端编程 Agent 可以访问用户本地电脑和公司内网中的开发服务。 此前,Codex 虽然能在云端读取 GitHub 代码、修改项目,但遇到只在私人网络中开放的 API、测试服务器等资源,就无法直接调用。 现在,用户可以通过 Tailscale 将 Codex Cloud 接入自己的私人网络。比如,你在 Mac 上运行了一个测试服务,Codex 修改代码后,就能直接调用它来检查结果、排查问题。企业也可以让 Codex 访问内部 API、测试环境和私有软件包仓库,无须把这些服务暴露到公网。
Codex写了130万行没搞定,Claude两周移植TypeScript编译器
动察 Beating AI 快讯,知名开发者 Theo 开源了 tsc-rs。他让 AI 将微软用 Go 编写的 TypeScript 7 编译器移植到 Rust,覆盖编译器、类型检查器和语言服务器,目标是直接替代官方的 tsc。Theo 称,自己从头到尾没有读过一行生成的代码。 这个项目持续了约五个月。Theo 最初使用 Codex 等工具,调用多款 OpenAI 模型,生成超过 130 万行 Rust 代码,但兼容性始终没能突破约 84%。按 API 标价折算,消耗的 Token 价值超过 40 万美元。 后来他换用 Claude Opus 5.5。模型直接放弃之前的代码,从头重新移植。10 小时做出可运行的初版,两周内完成主要工作,Token 消耗按 API 价格折算约 2.4 万美元。 测试显示,tsc-rs 已通过 181,711 项从 Go 移植的测试。在 120 个开源项目中,检查结果与微软 Go 版基本一致,仅存在少量已知行为差异。另据 60 个开源项目的性能测试,Rust 版的类型检查平均耗时约为 Go 版的一半。
OpenScience自测75.7%超过Codex:科研Agent开始自己循环跑实验
动察 Beating AI 快讯,Y Combinator 2026 冬季批次(YC W26)公司 Synthetic Sciences 正式发布开源科研 Agent OpenScience。它能查论文、处理数据、写代码和调用科研数据库,新加入的 Autoresearch 还能让 AI 自己连续跑实验。 比如训练一个模型,研究者只需要告诉它「把验证集 loss 降下来」。OpenScience 会先跑基线,再自己提出修改方案,一轮轮执行实验。结果变好就保留,变差就回退,再根据前面的结果决定下一步试什么。用户也可以提前限制运行次数、总时长和停止条件,或者规定「接下来只改优化器」。 OpenScience 把原本需要研究者反复盯着做的实验迭代自动化了:提出方案、执行实验、比较指标、淘汰失败方案,再继续下一轮。实验可以在本机运行,也可以交给远程 GPU、SSH 服务器和 Slurm/PBS 集群。每轮实验的代码、结果和判断都会留下记录,方便后续检查。 它还支持直接登录 ChatGPT/Codex 订阅,也可以接入自己的 API Key、本地模型,或使用官方按量付费的 Ace。 官方自测中,OpenScience 在 70 道 Terminal-Bench Science 任务中完成 53 道,得分 75.7%。作为对比,Codex + GPT-6 Astra 的公开成绩为 68.1%。
Claude Code开始让AI审查AI:90%代码由Claude编写,低风险修改无需人工批准
动察 Beating AI 快讯,Anthropic 披露,Claude Code 约 90% 的代码已经由 Claude 编写。今年 6 月至 9 月,Claude Code 团队合并的代码变更请求(PR)数量增长超过一倍,需要撤销的比例反而下降超过 40%。 为了跟上 AI 写代码的速度,Anthropic 重构了代码审查流程。每次提交前,Claude 会先运行测试,并让独立的子 Agent 检查修改。提交后,多名 Agent 并行寻找 Bug,再由另一组 Agent 交叉验证。安全审查和自动化测试也会阻止有问题的代码合并。 人工审查则按风险分级。对可信开发者提交的文档修改等低风险变更,通过自动检查后可以直接合并;普通产品改动需要 1 人批准,高风险代码需要 2 人。AI 的审批不能代替人工,开发者仍需对最终代码负责。 不过,AI 审查也会陷入死循环。Anthropic 披露,一次 Claude Code 修改曾在一夜之间经历超过 50 轮审查和修复。团队检查发现,约 59% 的问题涉及首轮审查时就已存在的代码,而非后来修改引入的新问题。团队随后调整规则,超过 3 轮审查就要求作者重新考虑方案,并限制重复反馈,避免 Agent 相互纠缠。