GitHub 推出 Copilot Fusion,评测接近 Claude Code
相关推荐
GitHub Copilot开启多模型组队:HydraFusion成本最高降67%
动察 Beating AI 快讯,GitHub 给 Copilot 加了一个多模型编排系统 HydraFusion。它先判断任务该怎么做,再调用不同模型。 目前有三种方式:简单任务交给一个模型直接完成;复杂任务先让成本更低的模型尝试,结果不过关再升级到更强模型;需要复核时,则让一个模型先做,另一个不同家族的模型专门挑错,再让第一个模型修改。 GitHub 在三个编程 Agent 基准上拿它和 Claude Opus 5 对比。TerminalBench 2.1 高出 4.9 个百分点,DeepSWE 低 1.5 个百分点,CheckpointBench 只低 0.1 个百分点,基本持平;成本则分别降低 67%、36% 和 65%。 这个思路很像 Sakana AI 的 Fugu。两者都是把「选哪个模型」进一步变成「怎么组织多个模型」。区别是 Fugu 本身就是一个训练出来的指挥模型,会学习怎么调用不同 Agent,甚至能递归调用自己;HydraFusion 目前仍然是在 Single、Cascade、Critique 三种固定执行模式里选择,更像把多模型调度直接塞进 Copilot。 HydraFusion 已向所有 GitHub Copilot 套餐开放研究预览,目前需要在 Copilot CLI 的实验功能中开启。GitHub 也提醒,现阶段最适合一次说清楚的单轮编程任务,多轮长任务还在继续优化。
GitHub宣布Copilot Fusion正式全面可用
PANews 10月29日消息,GitHub 宣布 Copilot Fusion 正式全面可用,Copilot 访问权限已扩展至所有企业用户,无需额外购买席位,正投资扩大容量,扩建基础设施,新增 400 万 CPU 核心、160 PB 高速存储,并为 Actions 增加额外算力。
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。
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。
Claude Code Projects候补全放行,排队的Pro、Max用户都能用了
动察 Beating AI 快讯,Anthropic 宣布,此前申请 Claude Code Projects 的 Pro 和 Max 候补用户,现在全部获得测试资格。这个功能 9 月就已推出,当时只向少部分用户开放。这次扩大了范围,但仍处于 Beta 测试阶段,并未向所有付费用户全面开放。 Projects 相当于给项目安排一个总管 Agent。用户只需要不断提出需求,它就会自动拆分任务,再分配给多个 Claude Code 会话同时干活。每个会话独立写代码、跑测试、提交 PR,完成后向总管汇报,不用用户自己分配任务和盯进度。 这些会话共享项目资料和记忆,默认在云端运行,关掉电脑也能继续干活。如果任务需要使用本地文件或软件,也可以指定在自己的电脑上执行。
韩国多家金融机构疑遭AI攻击,黑客在Claude Code留下身份线索
动察 Beating AI 快讯,9 月底至 10 月初,韩国至少 7 家金融机构接连发生数据泄露,包括新韩银行、国民银行、韩亚银行等。其中,新韩银行约 2.5 万名客户、Yegaram 储蓄银行约 4 万名客户受影响。泄露的信息包括姓名、电话、年收入和贷款额度等,目前尚未发现资金被盗。 攻击主要针对银行的外围业务系统,包括供贷款中介使用的贷款查询服务,以及员工移动办公系统。多起攻击涉及重合的 IP 地址,韩国监管部门怀疑是同一攻击者所为。10 月 6 日,韩国总统李在明表示,这些攻击可能使用了 AI。 10 月 7 日,网络安全公司 CrowdStrike 公布了更具体的证据。调查人员发现,攻击者使用两台服务器,一台位于香港,用于控制攻击活动;另一台运行开源 AI 渗透测试系统 ARTEX。由于部分服务器目录对外开放,调查人员获取了 ARTEX 配置文件、Claude Code 聊天记录和 AI 记忆文件。 ARTEX 可以连接不同的大模型,自动寻找漏洞、规划测试步骤并调用安全工具。配置文件显示,攻击者主要使用 DeepSeek v4.1-flash 驱动 ARTEX。此外,攻击者还使用 Claude Code,并在其他会话中调用过 GLM-5.3 和 Grok 4.6。 Claude Code 的聊天记录还暴露了攻击者的其他活动。他曾询问韩国泄露数据通常在哪里出售,以及如何寻找相关 Telegram 交易群组。他还让 AI 帮忙写一份安全研究员简历,要求把使用 ARTEX 进行渗透测试的成果写进去。 在写简历的提示词中,攻击者留下了 26 岁、广东茂名、华南理工大学、电话号码和 Telegram 账号等信息,但填写的出生日期与年龄不符。CrowdStrike 判断,攻击者可能使用中文,并以牟利为目的,但尚未确认真实身份。 10 月 8 日,韩国《京乡新闻》联系到上述 Telegram 账号的使用者。对方自称在河南一家便利店工作,称有人故意冒用他的资料嫁祸。不过,记者发现该账号还出现在两个与 DDoS 攻击有关的 Telegram 社区管理员名单中。其说法尚未得到证实,韩国警方仍在调查。