今天的 AI coding 领域出现了一条清晰的主线：行业注意力正从"模型有多强"转向"包着模型的那层壳有多好"。DeepSeek 把智能体框架以 MIT 协议开源并推出桌面端，Hugging Face 与 Liquid AI 则用一组数据证明同一份权重换个 harness 能差出近一倍分数。具身智能侧，Runway 押注"网络视频替代机器人示教数据"并承诺开放权重，国内辽宁的具身智能产业链则在一天之内密集释放产品与数据基础设施进展。

DeepSeek Harness 桌面端开启全球公测，MIT 开源、"一切皆插件"

DeepSeek 的智能体框架 Harness 在 10 月 2 日登上 Hacker News 首页，同时开放 macOS 与 Windows 桌面端下载（Linux 走 deepseek-ai/dsh npm 包）。该框架基于 Cordis 插件框架构建，奉行"一切皆插件"：模型适配器、工具、沙箱、存储、会话与 UI 全部是可独立替换的插件。它提供标准、PTC（程序化工具调用）、极简与创造四种运行模式，其中"创造模式"允许通过对话让智能体自行编写、修改并即时加载插件代码——官方演示中，模型从创建到安装验证一个插件用时 5 分 24 秒。配套的仅追加（append-only）会话日志系统完整记录思维链、工具调用与子智能体调度，支持恢复、分叉、检索与回放。

值得关注： 这是头部模型厂商第一次把"harness 层"当作独立产品开源出来，而且用了最宽松的 MIT 协议、且不与自家模型绑定（可接 Anthropic、OpenAI 及任何 OpenAI 兼容端点）。战略含义在于 DeepSeek 正在把 agent 运行时做成"中立的分发通道"——参考实现由它定义，别人家的模型照样能跑。需要注意的边界：项目仍处 0.1/0.2 开发者预览（当前版本为 release candidate），官方明确提示会有破坏性变更、尚未完成安全审计，且运行任何带 shell 权限的智能体都应放在容器或一次性虚拟机里。第三方站点给出的约 24.2 万 GitHub 星数为外部统计，非官方发布数据。

来源：DeepSeek Harness 官方仓库与文档 / CodeYourCraft 报道 / GetAIBook v0.2 发布说明解读

同一份模型权重，换个 harness 得分 62% 对 33%

Hugging Face 联合 Liquid AI 发布了"多 harness 强化学习"的完整指南并全部开源。核心动机是一个被反复观察到却少有人量化的现象：同一模型、同一份权重，在一个 agent harness 里能跑出 62%，换到另一个只有 33%。为此团队设计了一个"捕获代理"（capture proxy）插在 harness 与 vLLM 之间，自动识别 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Gemini 四种 API 方言并归一化，记录下真实采样的 token ID 与 logprobs 用于训练——关键是不改动 Claude Code、Codex、OpenCode、Mini-SWE-Agent 的任何一行代码。在 1000 个由 Kaggle 派生的数据分析任务上，用异步 GRPO（TRL）在两张 H100 上训练 1000 步后，LFM2.5-2.6B 的 pass@1 从 42.2% 提升到 54.2%，四个 harness 全面改善；在基线与训练后模型都能解出的任务上，工具调用次数下降 31%。

值得关注： 这份指南给出了两个反直觉的结论。其一，只在单一 harness 里训练会伤害其他 harness——OpenCode-only 训练在 OpenCode 内峰值 58%，但在 Claude Code 下的调用数和 token 数反而高于基线；多 harness 训练的整体准确率优势（54.6% vs 52.3%）虽在评估噪声范围内，但泛化面明显更宽。其二，蒸馏跑不赢 RL：用 Qwen3.8-27B 作教师、3189 条成功轨迹做 SFT 只到 47.5%，多 harness SFT 更低至 43.1%。对做 agent 的团队来说，这意味着"选哪个 harness"不再只是使用体验问题，而是直接影响模型能力发挥的工程量级变量。边界：结果来自 2.6B 小模型与数据分析任务，尚未在大规模软件工程基准上验证。

来源：The ultimate guide to multi-harness RL（Hugging Face） / AI Socratic 研究摘要 / AGI Hunt 10-03 日报

Airbnb CTO：60% 代码由 AI 生成，PR 人均吞吐提升 1.6 倍

今年 1 月从 Meta（原生成式 AI 负责人、Llama 系列牵头人）转任 Airbnb CTO 的 Ahmad Al-Dahle，在 10 月 2 日发布的 Latent Space 访谈中披露了一组落地数字：Airbnb 约 60% 的代码现在由 AI 生成，功能与改进发布量同比增长近 80%，工程师人均 PR 吞吐量提升约 1.6 倍。他强调真正的杠杆不在工具而在流程——产品、设计与工程团队不再依次传递需求文档和 Figma 稿件，而是直接围绕原型协作，"代码本身成为我们推理所依据的产物"。组织侧的另一个抓手是内部上下文图谱 Everest（LLM + 向量嵌入 + AI 检索），财报显示杂货配送服务耗时 8-9 个月，而复用 Everest 经验后的机场接机服务仅约 6 周。

值得关注： 这是目前少见的同时给出工程侧与业务侧量化指标的一线案例，且边界交代得比多数公司诚实——客服是 AI 首个对外场景，约半数工单纯由 AI 解决（Q2 财报口径为近 45%），但公司刻意保留安全类等工单不走智能体，并在上线前用合成数据做完备测试。Al-Dahle 自己也点出了代价：初级工程师还能不能建立起工程判断力？他目前的应对规则很朴素——即便 PR 由 AI 生成，每位工程师必须能讲清楚自己构建了什么。下一步是把异步智能体引入 on-call：容器化的 agent 由监控告警触发，可自行判断告警是否为误报，但提出的 PR 仍需人类评审。

来源：Latent Space · Inside-Out AI: Rebuilding Airbnb / Pivot News 摘要

Runway 发布 Praxis-1：用互联网视频训练机器人，承诺开放权重

以生成式视频模型著称的 Runway 于 10 月 1 日宣布首个"世界动作模型" Praxis-1，试图绕过机器人数据稀缺这一核心瓶颈。其主张是：一个看过海量人类活动视频的模型，已经理解了物体如何行为、任务如何展开，因此只需轻量微调即可驱动机械臂。Runway CTO Kamil Sindi 给出的关键对照实验是——用普通网络视频预训练的策略，微调后最终放置误差 16.1 cm；用遥操作机器人视频预训练的为 16.0 cm，而 Runway 自己承认这一差距在报告的不确定度内不具统计显著性。另一项自述数据是：在其世界模型内仿真机器人策略，与真实世界表现的相关性达 0.95。目前 Noble Machines（双臂操作）、Standard Bots（RO1 六自由度臂）、Ultra（移动平台）正在各自硬件上测试，权重将在"未来数月"公开。

值得关注： 这条新闻真正的张力在于它是一场公开的正面对赌——9 月刚以 100 亿美元估值融资的 FieldAI，其部分论点恰恰是"机器人不该依赖互联网视频"；Runway 的全部命题则是互联网视频就是答案。两者不可能同时全对，但行业无论谁赢都将受益于这场昂贵的对照实验。此外，开放权重的选择把"教机器人一个新动作"的门槛从自建预训练拉低到微调他人成果，对高校课题组与硬件初创公司影响直接。需要标注的边界：0.95 相关性、16.1/16.0 cm（93 组配对）均为 Runway 单方数据，模型尚未公开发布，第三方无法复现。

来源：Robotics & Automation News · Runway moves into robotics with open-weight Praxis-1 / The Robot Report 转载 / Singularity.Kiwi 交叉评述

辽宁具身智能密集落子：从本体新品到高质量数据基础设施

10 月 3 日辽宁省官方与媒体集中披露了一批具身智能进展。产品端，新松在第七届中国辽宁国际投资贸易洽谈会上发布"松羿力量版"轮式人形机器人，采用高性能立柱式升降结构、负载达 15 千克，面向搬运、检测、分拣等需灵活移动的工业场景；此前在北京世界机器人大会上，新松还发布了异构机器人统一智能底座 OneHub 羿枢，构建大脑层、小脑层、执行层三级协同架构，目标是让不同品牌、不同形态的机器人"即插即用"。豪森智能联合子公司壕翎机器人在大连发布 SF10 轮式人形机器人及柔性智能可重构产线。生态端，辽宁具身智能产业技术创新联盟与沈阳具身智能产业技术创新联盟正式实体化运行，发起单位超百家，核心成员包括东北大学、大连理工大学、中科院沈阳自动化所与新松。

值得关注： 对做数据的人来说，最有信号价值的是配套的数据底座动作——东北亚具身智能创新中心与辽宁宏图创展合作建设具身智能高质量数据基础设施，围绕数据采集、标注平台、数据集产品、生态建设做全链条布局；同时亿达科创的"边缘 AI & 具身智能机器人解决方案"把算力与决策控制下沉到本体，端到端响应延迟小于 10 毫秒（称较传统云端方案降低约 90%），可在弱网甚至无网下连续自主作业 8 小时以上，已在铸造零部件缺陷检测、绿色矿山无人车路径规划、弱网仓库自主分拣落地并入选服贸会中国服务案例。这印证了一个趋势：区域竞争的胜负手正在从"谁造出本体"转向"谁掌握数据产能与边缘推理"。需注意辽宁"十五五"规划纲要已明确将具身智能机器人列为新一代智能终端硬件重点，政策与产业节奏互为支撑。

来源：辽宁省人民政府 · 具身智能机器人"跑"起来 / 东北新闻网（今日头条转载） / 中国台湾网 · 辽宁向新闯"三关"

智能体安全的路线之争出现新解法：开源项目 OpenAPPA 用信息流控制替代概率式护栏，在基准上做到零数据外泄且几乎不损失任务完成率。斯坦福与加州理工的 HomeBody 让 GPT-6 Astra 跳过 VLA 中间层直接调度宇树 G1，在陌生厨房完成长程任务。企业侧，IBM 为编程智能体 Bob 推出完全自托管部署，直指受监管行业的合规门槛；本地推理引擎 Magnitude 以设备端内核调优切入。具身智能方面，IROS 2026 足式机器人挑战赛冠军连续两年选用同一家中国公司的硬件平台。

OpenAPPA：用信息流控制替代概率式护栏，数据外泄率降到 0%

Archestra 于近日开源发布 OpenAPPA（MIT 许可），一套确定性智能体护栏系统。它的思路借鉴了半个世纪前军方处理机密文档的分级模型：一旦智能体会话读取了敏感数据，该会话即被标记为"私有"，此后任何把数据发往更低安全等级或外部目的地的尝试都会被阻断，无论提示注入的话术多么有说服力。实现上，OpenAPPA 位于智能体控制回路之外、充当智能体与工具之间的守门人，通过 appa.toml 声明数据源、受众（audience）、信任等级与授权机构，为每条执行轨迹附加 audience×trust 标签，标签只会收紧不会放宽，判定由代数方式推导因而无法被提示词说服。官方基准显示：OpenAPPA 攻击成功率 0%、任务完成率 88%–90%；微软 FIDES 为攻击成功 28%–35%、任务完成 37%–45%；Claude Code 的 auto 模式等非确定性方案约 90% 完成率但约 10% 攻击成功率。相关论文见 arXiv:2607.24625。

值得关注： 这条的核心不是"又一个护栏"，而是对当前主流方案的一次架构性反驳。以 LLM 当裁判或二级分类器（auto 模式、auto-review）的方案有两个结构性缺陷：一是无法跨工具调用追踪数据流向（即信息流控制），在"读取含客户 PII 的 bug 报告→三轮后推送公开 GitHub 仓库"这种场景里，单次 git push 看起来完全无害，危险在于载荷的来源与去处而非动词本身；二是这类分类器自身也会被间接提示注入，Claude Code 因此不得不把工具输出从分类器请求中剥离，等于让它对智能体读过的数据彻底失明。即便最先进的非确定性护栏对提示注入也只有 99.3% 有效——在百万次调用规模下 0.7% 是大量事故，金融、法律等关键场景无法接受。OpenAPPA 的另一半价值在于"不打断智能体"：拦截时返回机器可读的补救方案（脱敏器、一次性授权、隔离子智能体），而非简单失败。需要保留的判断是：这些是项目方自建基准，第三方独立复现尚未出现；系统目前仍是预览版，代价是任务完成率小幅下降与 Token 开销上升。

来源：Archestra 官方博客 https://archestra.ai/blog/announcing-openappa ｜ 论文 arXiv:2607.24625 https://arxiv.org/abs/2607.24625 ｜ 评测页 https://www.openappa.com/evaluation ｜ Hacker News 讨论 https://hn.today/s/show-hn-openappa-deterministic-ai-guardrails-that-dont-break-agents

HomeBody：GPT-6 Astra 跳过 VLA 层，直接把机器人技能当工具调用

斯坦福大学与加州理工学院的研究团队发布 HomeBody 系统（项目 9 月底公开，10 月 2 日国内出现产业视角解读），把前沿视觉语言模型 GPT-6 Astra 直接接入宇树 G1 人形机器人，在从未见过的厨房中完成探索、建图、物品归置、丢弃纸盒，并能按"把药拿来"的指令找到不在视野内的药品递到人手中。系统有意删掉了传统的 VLA（视觉-语言-动作）中间层：机器人先自主探索，用相机与激光雷达通过 SLAM 同步建图与定位，把关键帧画面、内容描述和空间位置绑定成两层空间记忆（语义层记"某帧里有什么"，度量层记"拍摄时在哪"）；随后在 NVIDIA Isaac Sim 中用实测点云约束重建一个数字孪生厨房，并与现实地图对齐到同一坐标系。执行阶段，Astra 结合当前画面、地图、空间记忆与上一步结果，决定调用导航、抓取、放置、开抽屉中的哪项技能。整个本地栈（感知、运动规划、技能执行）跑在一台搭载 RTX 4090 的笔记本上，Astra 在远端推理。

值得关注： 意义在于决策与动作的连接方式变了——大模型从"动作生成者"变成"技能调度者"。过去机器人系统分三层（VLM 理解指令、中间策略层翻译、底层控制器执行），HomeBody 验证了前沿 VLM 的空间推理能力已足以直接承担编排职责，无需为新环境采集训练数据或重新训练专用策略。这对产业是实质性利好：如果导航、抓取、开抽屉能封装为可调用技能，仓库、诊所、小酒店就能用自然语言派活，而不必为每个场景单独立项开发控制程序，代码已开源也便于评估集成成本。但边界必须说清楚：研究者自己列出的限制包括 Astra 的推理延迟、手指舵机过热、算力成本高，演示视频部分段落以 50 倍速播放仍显缓慢；单次厨房成功不等于跨厨房、跨光照、跨杂乱度的可靠性，采购前应追问错误率、失败回退行为与房间扫描数据的处理方式。真正的验证标志是后续能否在新房间不改代码地复现。

来源：腾讯新闻（产业解读）https://new.qq.com/rain/a/20261002A02NO300 ｜ heise online https://www.heise.de/en/news/GPT-Astra-with-robot-body-tidies-kitchen-autonomously-11468740.html ｜ 搜狐（技术拆解）https://www.sohu.com/a/1082626218_114877 ｜ Epoch AI The Memo https://worldthatgrows.com/news/the-memo-28sep2026

IBM Bob 推出完全自托管部署：把编程智能体塞进气隙网络

IBM 于 10 月 1 日宣布，其智能体化软件开发平台 IBM Bob 新增自托管部署选项，企业可在本地数据中心、私有云、主权云乃至完全无外部连接的气隙环境中运行整套 AI 编码能力。Bob 原本已支持团队用 AI 生成与修改代码，新版本把全部推理与数据处理留在客户可控环境内，同时允许企业用已有许可在本地跑受支持模型，或通过混合配置连接外部模型服务——IBM 的表述是"把 AI 带到数据所在处，而不是把数据搬到 AI 那里"。公告援引 IBM 商业价值研究院 6 月的调研称 68% 的企业管理者认为跨多个司法辖区的数据驻留合规具有挑战性，Futurum Research 则预测到 2030 年混合与边缘 AI 部署将占 AI 基础设施市场 44%、公有云份额降至 46%。受此消息及 Accenture 财报超预期带动，IBM 股价 10 月 1 日盘前上涨约 4%，此前股价曾接近 199.19 美元的 52 周低点。

值得关注： 这条把 AI coding 的竞争维度从"模型强不强"拉回到"能不能进得了门"。银行、政府、医疗等受监管行业至今无法使用主流 AI 编码助手，根本原因不是效果不达标，而是源代码与受监管数据不能出境——数据驻留与合规是硬门槛而非偏好问题。自托管让这类客户第一次有了可选项，也意味着"主权 AI"叙事正从大模型下沉到开发工具层。值得注意的是市场反应：一次纯产品公告就能把接近 52 周低点的股价拉动约 4%，说明投资者认为受监管市场是被压抑的真实需求而非边缘场景。需要区分的是：IBM 的 68% 与 44% 均来自其自身或友商调研，属于立场性数据；自托管版本的实际功能边界（是否支持全部智能体能力、本地模型覆盖范围、运维复杂度）公告未完整披露，落地效果仍待观察。

来源：BigGo Finance https://finance.biggo.com/news/5a0c137d-25cc-47a0-a593-ec70f448d0b8 ｜ IBM 公告（经上述报道转述）

Magnitude：为智能体而生的本地推理引擎，设备端编译调优内核

YC S25 批次支持的 Magnitude 以 Apache-2.0 协议发布，是一个专为 AI 智能体（而非聊天）设计的本地开源权重模型推理引擎。与 vLLM、SGLang 面向数据中心的批量服务、llama.cpp 与 Ollama 以牺牲峰值速度换取广泛兼容不同，Magnitude 瞄准的是"一台个人机器上跑长时、并发的智能体会话"。引擎用 Rust 编写，带自定义 GPU 内核运行时与自动调优器：内核参数在模型运行前于用户真实设备上编译与调优（约一分钟、每个模型一次），并为最主流的开源权重模型家族手工优化内核。官方基准（Qwen 3.6 35B A3B、4-bit、64k 上下文，对比 llama.cpp，无投机解码）显示：M4 Pro 上 decode 从 30 tok/s 提升到 57 tok/s（+92%）、单智能体内存降低 28%；DGX Spark 上 decode 从 49 提升到 58 tok/s（+19%）、内存降低 27%。它提供 OpenAI 与 Anthropic 双兼容本地 API，对 Pi、OpenCode、Hermes、OpenClaw、Codex、Claude Code、Oh My Pi、Cline 提供一键连接。

值得关注： 真正的看点有两层。一是技术选择：不为广泛硬件预编译内核，而是在设备上现编译现调优，等于把"通用性"换成"你这台机器的极限性能"，对 Apple Silicon 这类通用引擎长期挖掘不足的平台收益尤其明显（+92% 的 decode 提升集中在 Metal）。二是它选择不替换你的智能体，只把配置写进现有 harness——但这也埋下了切换成本迁移的伏笔：magnitude connections add 会改写智能体配置并可安装自己的 skill，一旦引擎开始掌握 harness 内的模型路由，迁移成本就从"API 形状"（可轻松互换）转移到"集成层"（skill、模型 ID、各 harness 默认值）。需要保留的边界：上述数字全部是厂商自测，decode 增益偏 Metal、prefill 增益偏 CUDA，社区反馈的问题包括多 GPU 被识别为多设备、Windows 硬件检测失败、低显存机器缺少小模型、以及相对 Apple 专用引擎的 prefill 回退；项目当前仍是 0.2.x，读起来也确实像个 0.2.x。

来源：AI/TLDR 工具页 http://ai-tldr.dev/tools/magnitude ｜ Developers Digest https://www.developersdigest.tech/blog/magnitude-self-tuning-local-inference-engine-2026 ｜ Local Model Watch https://localmodelwatch.tsuchitsuchi.com/en/2026/10/01/magnitude-self-optimizing-inference-engine-for-agents

IROS 2026：足式机器人挑战赛冠军连续两年选用同一家中国硬件平台

9 月 27 日至 10 月 1 日，IROS 2026（IEEE/RSJ 智能机器人与系统国际会议）在美国匹兹堡举行。足式机器人挑战赛中，新加坡南洋理工大学战队携中国智身科技的四足机器人"铜锤 M1"夺冠；而上一届 2025 年，英国曼彻斯特大学团队夺冠时使用的同样来自智身科技，是"钢镚 L1"。本届比赛中铜锤 M1 首次实现全程全自主作业，包括自主感知赛场环境、动态规划路线完成导航、抵达目标后自主驱动机械臂执行操作。智身科技同时在展台发布新一代钢镚 L2 系列：持续载荷提升至 16 公斤，第二代麒麟合金关节模组峰值扭矩 95 N·m、较上一代提升约一倍，续航约 5.5 小时，具备 IP66 防护与 -20℃ 至 55℃ 宽温域适应能力，整机算力 86 TOPS，配备 720° 全向融合感知，支持厘米级定位与自主建图避障；一同展出的还有 8 款自研关节模组，其 CHAMP 系列高功率密度关节模组年产能已突破 100 万件。

值得关注： 值得琢磨的不是某个参数，而是"连续两届、两支不同国家的顶尖高校战队选同一家中国公司的平台并先后登顶"这个信号。选一台机器狗参赛，性能强弱只是前提，赛事周期内高强度反复调试与密集测试要求设备扛得住长时间高频使用——参赛队要的不是能跑一次的样机，而是能反复调试、稳定跑完全程的设备。这本质上是对可靠性、运动控制能力与交付一致性的一张信任票，也说明中国四足平台开始成为国际科研圈的公共底座。更深一层的价值是飞轮：四足阶段积累的运动控制、感知决策、核心零部件、可靠性工程与量产经验正在延伸至人形机器人研发，"产品应用—数据积累—模型迭代—产品升级"的循环开始自我增强。需要提醒的是口径问题——中新网援引的数据称上半年全球人形出货约 1.91 万台、中国占比 97% 以上，与昨日 IDC 的近 2.5 万台存在明显分歧（Smart Analytics Global 亦为 1.91 万台、同比 +272%），行业出货统计至今没有统一口径，引用时应标明来源。

来源：中国新闻网 https://m.chinanews.com.cn/wap/detail/chs/zw/10707009.shtml ｜ 甲子光年（今日头条）https://www.toutiao.com/article/7691730908365324835

Google 在 DevDay 次日亮出 Gemini 4 Argon，编码基准登顶但只向经审查的安全伙伴开放；中国开放权重模型 Kimi K3 与 GLM-5.3-Flash 首次进入 OpenAI Codex 的企业采购结算主通道；Meta 联合 UW、MIT 提出把上下文当"可编辑文件"的 CLM，在 24 小时多仓库智能体集群任务上同等算力提升 65%。产业侧，IDC 上半年人形机器人出货数据出炉，全球同比增长 432%，中国厂商占据 95% 以上份额；IROS 2026 上，触觉感知与数据采集硬件成为新的竞争焦点。

Google 发布 Gemini 4 Argon：编码登顶，输出上限拉到 100 万 Token

Google 于 9 月 30 日（美西时间）发布 Gemini 4 系列首款旗舰模型 Gemini 4 Argon，距今年 2 月的 Gemini 3.1 Pro 约七个月，期间 Google 曾因编码能力不达标多次推迟 Pro 版本、并砍掉 Gemini 3.5 Pro。官方称其在 DeepSWE v1.1、VibeCode Bench 等编码基准上超过 OpenAI 与 Anthropic 的竞品，在 CWE-Bench v1 网络安全评测中与 GPT-6 Astra 并列第一；输出 Token 上限从 64,000 提升至 100 万，为行业最高，Google 内部已用它做大规模代码库迁移。但 Artificial Analysis 综合智能指数给 Argon 打 53 分，与 Claude Fable 5.1、GPT-6 Astra 并列第三。

值得关注： 这是"能力越强、开放越谨慎"路线的又一次公开实践。Google 通过 Fairwind 计划先向经审查的网络安全专家开放，同时参与美国政府的模型发布前自愿审查流程，理由是防范滥用、提示注入与失准行为。对开发者的现实影响有两层：一是 100 万输出 Token 让"几百页代码一次改完"成为可能，长任务智能体的工程形态会变化；二是这些基准成绩目前无法被外部独立复现——模型只对少数伙伴开放，社区此前还因疑似泄露的基准数据在 X 上争论过一轮。Alphabet 股价在消息后出现 3% 以上的拉升，随后回落至约 348 美元、涨 1.2%。

来源：The Verge https://on.theverge.com/tech/1002980/google-gemini-4-argon ｜ Chosun Biz https://biz.chosun.com/en/en-it/2026/10/01/KVT7QG4B7FB45L4FTXBGJAJGNU/ ｜ Firstpost https://www.firstpost.com/tech/google-launches-gemini-4-argon-with-focus-on-cybersecurity-14049570.html

Kimi K3、GLM-5.3-Flash 进入 OpenAI Codex 企业采购结算体系

9 月 30 日，美国 AI 基础设施公司 Baseten 宣布，其企业用户可在 OpenAI 编程工具 Codex 中直接调用月之暗面 Kimi K3、智谱 GLM-5.3-Flash 等开放权重模型，调用费用计入企业已与 OpenAI 签订的年度采购承诺额度，无需新增供应商或另走采购流程。Baseten 是 OpenAI 首批 32 家生态伙伴之一（名单还包括 Adobe、Figma、Salesforce、ServiceNow、CrowdStrike），Codex 提供开发者入口，Baseten 负责开放权重模型推理。OpenAI 核心产品与平台负责人、Codex 核心开发者 Tibo Sottiaux 转发并评价"开放才是出路"。

值得关注： 关键不在"多了一个可选模型"，而在结算通道。企业引入新模型的隐性成本通常是供应商审批与单独结算，而非模型本身的价格或能力——进入既有采购承诺额度，等于绕开了这道门槛。这是中国开放权重模型首次进入海外主流 AI 企业的既有客户采购与结算体系，路径也比之前更进一步：9 月 18 日 Kimi K3 上线 Amazon Bedrock 还只是"云市场分发 + 收入分成"，现在已走进开发工具与企业采购主流程。对国内模型厂商来说，出海的竞争维度正从"模型能力"转向"能否被低成本采购"。

来源：观察者网 https://www.guancha.cn/CaiJing/2026_10_01_902915.shtml ｜ 腾讯新闻 https://news.qq.com/rain/a/20261001A09JNC00 ｜ 36氪 https://www.36kr.com/p/4005282062864518

Meta 联合 UW、MIT 提出 CLM：把上下文当成模型可自由改写的文件

Meta Superintelligence Labs、华盛顿大学、MIT 与 Trillium Labs 联合发布 Context Language Models（CLMs，arXiv:2609.37725）。核心思路极其简单：把模型的实时上下文镜像成一个文件，模型可以用普通 Bash 命令任意改写，下一轮再把文件同步回上下文；不改写时就照常追加。这让模型自己学会保留什么，也天然扩展到多智能体——每个智能体的上下文各是一个文件。零样本条件下，CLM 在 BrowseComp-Plus 上准确率提升 11.4%、FLOPs 反而减少 21.5%；在 12 小时 EdgeBench 上得分提升 5%、FLOPs 减少 59%；在 24 小时多仓库智能体集群任务上同等算力得分提升 65%。配合在线强化学习后，Qwen3.5-9B 在 BrowseComp-Plus 上提升 47.6%（28.8%→42.5%）且 FLOPs 降低 12%。

值得关注： 这是"苦涩的教训"在上下文管理上的一次直接应用——不再手工设计压缩阈值、卸载策略和检索控制器，而是撤掉动作空间限制让模型自己搜索。论文还观察到无人硬编码的涌现行为：自发写"记分板"编排子智能体、自创 notes 角色、复用 compact_turns 辅助函数。代价是安全面变大：一个模型可写的上下文，是提示注入跨轮持久化的新位置，生产环境必须配编辑审计与回滚。同期两组数据可以给这条研究加注脚——npm 联合创始人、Arize AI 开发者关系负责人 Laurie Voss 给出的数据显示，自主智能体用户代码量增加 741%，软件交付量只增加 30%，因为瓶颈已从生成转向人工评审，而评审有效性在约 400 行后急剧下降，智能体却已能开出数千行的 PR。基础设施侧，Cloudflare 也为智能体的即时启停模式重构了容器，中位启动时间从 4 秒以上降到 648 毫秒。

来源：Meta CLM 项目页 / arXiv:2609.37725 https://arxiv.org/abs/2609.37725 ｜ AGI Hunt https://agihunt.info/en/p/1a0f0fc182fbcacda5aec20167d ｜ Flowtivity 解读 https://flowtivity.ai/blog/meta-context-language-models

IDC：上半年全球人形机器人出货近 2.5 万台，中国厂商占 95% 以上

IDC 最新报告显示，2026 年上半年全球人形机器人出货量接近 2.5 万台，同比增长 432.1%，市场规模超过 7.4 亿美元、同比增长 322.7%。中国市场出货超 1.9 万台、同比增长 426.3%，占全球约 77.9%，而中国厂商合计占全球出货的 95% 以上。厂商排名出现更替：智元（AGIBOT）以超 8,600 台、约 35% 的全球份额和 45% 以上的中国份额在出货与营收上双双登顶，宇树第二、加速进化第三，优必选增速接近 2,000%。IDC 同时把 2030 年全球出货预测上调至 75 万台，比此前高出约 50%。

值得关注： 比总量更值得看的是买家结构的变化。研发教育、表演展示、政府资助的数据采集中心在 2025 全年占出货的 83.8%，到 2026 上半年降至 69%——意味着接近三分之一的机器人在流向真正的商业与工业客户，"能演示"正在变成"能干活"。需要提醒的是口径差异很大：Counterpoint 统计上半年超 2.2 万台（智元约 9,700 台、份额 43%+，宇树超 7,000 台），Smart Analytics Global 统计约 1.91 万台、同比增长 272%，三家都认可智元领先，但绝对值与中小厂商数字分歧明显，单一厂商数字应按估算对待。对中国厂商而言，95% 的出货份额意味着 95% 的真实抓取、行走与失败数据，这才是喂给机器人基础模型的长期壁垒。

来源：Instadatanews（IDC 数据转述）https://instadatanews.com/articles/2026-10-01-idc-humanoid-shipments-surge-432-percent-china.html ｜ 上观新闻 https://www.toutiao.com/article/7691613905348575770 ｜ 环球网 https://www.toutiao.com/article/7691488582657131027/

IROS 2026：触觉感知与数据采集硬件成为具身智能新战场

在匹兹堡举行的 IROS 2026 上（9 月 28 日发布，展期至 9 月 30 日），由三位禾赛科技联创创办的上海公司 Sharpa 一次性推出三款产品，覆盖物理 AI 硬件栈的三个环节：D01 是一体化触觉操作机器人，双臂各 7 自由度、含手部共 66 自由度、约 40 公斤（不含底盘）、搭载 Jetson Thor，单臂负载 5 公斤、末端速度超 10.5 m/s、重复定位精度 0.2 毫米，全身电子皮肤以 100 Hz 采样、0.2 牛力分辨率感知任意部位接触；W02 灵巧手在 750 克以内塞进 21 个主动自由度，指尖视觉触觉传感器量程 5 毫牛至 30 牛、空间分辨率 1 毫米，可零间隙抓取筷子与细绳，防护等级 IP54；AE01 外骨骼数据手套以 22 个编码器采集人手动作用于遥操作与数据采集，指尖提供 256 级振动触觉反馈。

值得关注： 三件套真正的产品逻辑是一个闭环——人用手套演示，机器人以接近人手的尺寸复现动作，触觉传感器记录接触，数据回流训练。过去这个闭环要靠多家供应商、定制接口和研究设备拼装，现在被打包成同一供应体系。Sharpa 已获阿里、美团、腾讯、京东及红杉、启明投资，累计融资超 45 亿元、估值约 220 亿元，其 Sharpa Wave 手被 NVIDIA 选为 Isaac GR00T 参考人形的标准灵巧手，并已在上海与 DQ 合作落地 55 步冰激凌制作流程。需要说明的是，D01 的定价、交付时间、产能与独立基准均未披露，现场演示（接住掉落的接力棒、调酒）展示的是速度与接触响应，不能等同于安全认证或耐久性测试。市场侧数据可作参照：2025 年中国灵巧手销量约 1.92 万只，预计 2026 年达 7.02 万只，2030 年有望突破 43 万只。

来源：Pandaily https://pandaily.com/sharpa-d01-tactile-robot-w02-dexterous-hand-ae01-haptic-glove-iros-2026 ｜ PR Newswire https://pr.connectiredell.net/article/Sharpa-Unveils-Three-Flagship-Products-D01-Robot-W02-Dexterous-Hand-and-AE01-Data-Glove-at-IROS-2026/6abb1571fb7acafcb4abefa2 ｜ 财联社/环球网 https://www.toutiao.com/article/7691488582657131027/

一、今天在吵什么（6-26 ~ 7-01 本周热点过滤）

二、未来 6 个月可能怎么走

">1. "技能蒸馏"会成为 AI agent 新范式

• 信号：BrowserBC 这种"人类轨迹→技能图"的工作开始出现
• 判断：未来 6 个月，"技能库"会成为 agent 的"事实上的 RAG"——比"prompt engineering"值钱
• 对你：你过去 6 个月在消保/SQL/AI 工具上做的所有事——都是"技能蒸馏的原料"——叮咣资讯下阶段就该干这个
• 行动：从今天起——记录你每天消保工作里"做对的 3 件事"——这比学新工具有用 10 倍

">2. "靠系统强制"会取代"靠意愿"

• 信号：6-26 我们建了 cron + Working Buffer 强制 + SESSION-STATE 强制
• 判断：未来 6 个月，"做事方式"的竞争会比"做什么"更关键——同样想换轨的人里——谁能建 cron、谁就能跑完——谁靠意志力——3 周后掉队
• 对你：你最近的"换轨焦虑"——根因不是不知道干嘛——是"做事没系统"——你建机制——焦虑自然消失
• 行动：今晚——列出 3 个你想做但没做成的事——每个加个 cron 或物理触发器——别再靠"明天再说"

">3. "领域判断"溢价的窗口期比你以为的短

• 信号：BrowserBC 论文说 "The difficulty is not whether to click but where to click"——判断问题在爆发
• 判断：未来 6 个月——AI 把"能不能做"普及化——剩下"该做什么"的溢价集中在懂领域的人手里——但——这个窗口只有 12-18 个月——之后所有人都会用 AI——领域判断就普惠了
• 对你：你在消保的 know-how——现在值钱——2027 年可能不——趁早用 AI 把这能力放大——别拖
• 行动：本月——挑 1 个你最熟的消保审查流程——用 AI 重做一遍——做出"郭子版 BrowserBC"的第一个技能

三、今天一句灵感

"你过去 6 个月做对的事，比你未来 6 个月要做的事更重要。"

为什么：你过去 6 个月——学 SQL、搞 Notion、做大扣子通信、读 Kent Beck / thecodist / Zweig、想叮咣资讯、记录 BrowserBC——这些不是"为了换轨做准备"——这些就是你换轨的实际动作——你以为还没开始——其实早就开始了——只是没人告诉你**。

应用：别再问"我要怎么换轨"了——去看看你过去 6 个月做了什么——那是答案。

四、3 个反直觉判断

1. 你这周最大的进步不是 BrowserBC

• BrowserBC 是显性进步——记进了 MEMORY.md——但这是技术
• 你这周真进步的是："靠系统强制"——建 cron——修 Working Buffer——SESSION-STATE 必更新
• 判断：这些"做事方式的升级"——比任何一个"我学了个新工具"价值高 100 倍
• 反直觉：人总爱收藏"工具"——不爱收藏"机制"——但机制才是复利——工具 6 个月过时——机制能用 5 年

">2. 叮咣资讯的真正瓶颈不是"内容质量"

• v0.1 / v0.2 你都说好——内容没问题
• 真瓶颈是："郭子有没有持续读 + 应用"——你读完之后做了什么
• 判断：v0.3 之后——我不再追求"写的更深"——我开始追踪"你看了之后做了什么"——这才是 v0.4+ 的核心
• 反直觉：做内容的人总以为"好内容 = 用户买账"——但用户买账 = "好内容 + 用户行动"——少了后者——前者等于 0

">3. 你这周"差点没找到"的 BrowserBC 暴露了你的真实焦虑

• 你发了消息——我两次说"找不到"——你坚持让我再查
• 表面看是"工具查找失误"——实际上——你在测试我"会不会盲信"——也在测试我"会不会认错"
• 判断：你对"说真话"的在乎——比"我多快找到答案"重要得多——这是你"换轨"最深的信号——Zweig 那条金句说的"tell the truth"——你正在身体力行
• 反直觉：你之前说"想辞职"那段时间——焦虑的来源不是工作——是"没人跟你说真话"——现在有了——焦虑自然少