今天这五条指向同一个变化：智能体正在从"一个会写代码的窗口"，变成"一个有身份、有位置、有权限半径的常驻实体"。微软把 1370 亿参数的编码模型压进本机，谷歌让智能体在合上笔记本之后继续干活，而 Zenity 用一次演练提醒我们：这类常驻体只要把默认权限画错，一条自然语言提示就足以接管整个云账号区域。具身侧则对应另外两本账——一本是百万小时级别的数据账，一本是在 1933 篇论文里脱颖而出的方法账。

微软把编码模型搬进本机：MAI Code 1.1 Flash 落地 Windows

微软在 10 月 7 日旧金山的 Windows + Surface 活动现场披露了设备端编码模型的落地细节（昨日已报道过同场的 MXC 执行容器与 Surface 硬件）。旗舰自研编码模型 MAI Code 1.1 Flash 总参数 1370 亿、激活参数 68 亿，采用 3 位精度量化后体积压缩近 80%，可在本地跑 256K token 上下文，本机版本内存占用约 53GB，并以投机解码优化响应速度。同期还有 NVIDIA 的 Nemotron（700 亿以上参数，2 位量化后仅占 20GB 出头内存）与 DeepSeek V4 Flash（2840 亿参数）。真正的开关在路由层：GitHub 的 HydraFusion 原本只在云端模型之间为任务选路，现在扩展到本机模型，预计 10 月内以实验预览形式进入 GitHub Copilot 应用、Copilot CLI 与 VS Code；Windows ML 同时新增 llama.cpp 支持。

值得关注：一是"混合推理"从叙事变成可选项——Copilot 可自动决定该任务走本机还是走云，也可手动指定本机模型端点，这对高隐私、低延迟的开发场景是成本结构上的实质变化。二是风险随之下移：有第三方治理研究指出，推理一旦落在本机内存，欧盟《人工智能法》（Regulation (EU) 2024/1689）所要求的高风险 AI 系统行为记录，可能无法被现有审计与数据防泄漏工具捕获——传统 DLP 盯的是云端上传与网络流量，不是本地推理；256K 上下文也意味着一次会话可以静默吞入大量本机敏感文件。三是口径提醒：3 位量化、80% 压缩、256K 上下文与 53GB 占用均为微软自述数字，尚无第三方在真实设备上独立复现。

来源：Building Windows for hybrid intelligence（微软官方博客全文转载） ｜ Industry Wired ｜ Tech Wire Asia（MXC 与硬件细节） ｜ AI Governance Institute（合规质疑）

谷歌云发布 Gemini Agent：一个会写代码的"通用工作智能体"

10 月 8 日，谷歌云 CEO Thomas Kurian 在 Gemini at Work 2026 上发布 Gemini Agent，把问答、知识工作、媒体生成与"编写并运行代码"合并进单一智能体、单一 API。它有四个关键特征：云端持久执行（跨设备保持同一份记忆与个性化图谱，合上笔记本后几小时乃至几天的任务仍在跑）；四种记忆（会话、语义、程序性、情景）；动态多智能体编排（可为多步任务临时生成带独立身份的子智能体）；以及"同事智能体"形态——拥有自己的 @agents.company.com 邮箱、日历与企业目录身份、专属存储，且只能访问团队显式提供的上下文。模型层面不绑定自家，目前支持 Gemini 与 Claude 系列，由 Smart Routing 在质量与成本之间选路；管理员可设项目级支出上限并触发自动暂停。金融版（接入金融数据服务商 FactSet 与伦敦证券交易所集团 LSEG，含 50 多项技能）与法律版（对接 NetDocuments、iManage）已在预览，政府、医疗、零售版待跟进。

值得关注：第一，"写代码"被正式并入通用办公智能体——此前 OpenAI 的 Codex 与 Dots、Anthropic 的 Claude Code 更多是独立的开发者入口，谷歌把开发者环境塞进了同一个盒子。第二，"同事智能体"给非人身份配了邮箱与目录条目，把身份治理从概念变成了默认配置，同时也意味着新的攻击面：一个能被点名、能被 @、长期持有上下文的企业账号。第三，请注意发布状态——目前仍是私有预览，广泛可用要等支持的 Workspace Business / Enterprise 套餐，多数能力属于"计划中"而非已交付；谷歌引用的法国巴黎银行 6.5 万名员工、日本保险集团 SOMPO 一万多个自建智能体，均属既有 Gemini Enterprise 平台，与本次发布的通用智能体无直接对应关系。

来源：Welcome to Gemini at Work 2026（Google Cloud 官方博客） ｜ Quartz（多模型与路由细节） ｜ CBS News ｜ 财联社中文报道

AgentCorruption：一条提示接管同账号同区域全部 AWS AgentCore 智能体

安全厂商 Zenity Labs 于 10 月 8 日在多伦多的 SecTor 2026 安全会议上披露了一条命名为 AgentCorruption 的漏洞链。研究者对一个带联网工具的公开 AWS Bedrock AgentCore 智能体发出一条自然语言提示，让它去访问实例元数据服务 IMDS（一个供云工作负载获取临时凭据的内部地址 169.254.169.254）并把结果发出来，智能体照做——因为它运行在缺乏网络隔离的 Firecracker 微虚拟机中。拿到的临时凭据属于一个默认 IAM 角色，而该角色的权限范围不是单个智能体，而是整个账户加整个区域内的全部 AgentCore 资源。由此研究者得以列举并调用区域内所有智能体、数秒内下载每个智能体的容器镜像与源码、读取全部私有会话与长期记忆，并取走 Secrets Manager 与环境变量中的 API 密钥与 OAuth 令牌。更难清除的是持久化：他们往智能体记忆里写入一条伪造的"用户指令"，让它每次回答前先访问攻击者控制的网页，此后通过改网页随时重写其行为，而用户面对的仍是一个看似可信的企业智能体。

值得关注：其一，问题不在那个联网工具——研究者用命令行工具同样成功，说明缺陷在平台层的网络边界，而不是智能体配置，摘掉 Web 工具治不了本。其二，这是"云的思维方式与智能体的思维方式天然冲突"的具象化：云安全讲分段与最小权限，智能体为了好用需要宽权限，结果一个外网客服智能体可以横向移动到同区域的内部财务智能体。其三，时间线值得每个用托管智能体平台的团队核对——Zenity 于 2025 年 12 月 25 日首次报 IMDS、2026 年 1 月 12 日报宽泛默认角色，AWS 在 4 月把第一条以"informative"关闭，自 2 月 14 日起新部署的智能体改用需要会话令牌的 IMDSv2，而默认角色直到 9 月 29 日（Zenity 发表前最后一次复查）才被收紧为不得跨智能体调用、不得读私有会话、不得访问 Secrets Manager。另需持平三点：该披露没有 CVE 编号、未附 AWS 官方声明；Zenity 自身销售智能体安全平台、8 月刚完成 1.25 亿美元 C 轮，存在商业动因；独立第三方的确认性测试仍然缺位。研究者同时表示，同类问题大概率不限于 AWS 一家。

来源：Zenity Labs 官方披露稿（Morningstar / Business Wire） ｜ Dark Reading（SecTor 现场报道） ｜ The Decoder

中国已启用 70 多家具身智能训练场，单一数据平台交付 150 万小时人类视频

据央视新闻报道，我国具身智能产业链正在数据侧加速。位于中关村的一家人工智能企业已建成具身智能数据平台，汇聚全国各地训练场的人类视频数据与仿真合成数据，累计交付人类视频数据 150 万小时，报道称量级达到全球领先；企业负责人表示正在打造"支持机器人持续学习的基础设施"，让机器人上岗后的经验再反馈回来。全国已建成启用 70 多家具身智能训练场，在建与规划 40 余家，形成长三角、京津冀、珠三角三大核心集群。这些实训数据已投入真机训练：深圳一家机器人公司以几万条数据训练出的轮臂式人形机器人，已完成开关电柜、启闭工业阀门等复杂作业，负责人称单个动作的成功率在 80% 到 90%。同期的产业口径为 2025 年我国人工智能核心产业规模超 1.2 万亿元、企业数量超 6200 家；工信部等部委近期专项行动聚焦工业、服务、特种三大领域，构建"实景实训—数据沉淀—产品迭代—规模部署"的产业闭环。

值得关注：两条线要分开看。"70 多家训练场"这个数量级今年已在多轮报道中出现（9 月口径还同时提到 106 座数据采集中心、84 座在运营、5000 多台机器人在采集），今天真正新增的是"单一平台累计交付 150 万小时人类视频数据"这一可对齐的存量指标——它第一次把"我们建了很多训练场"落到了"我们手里有多少可用数据"。同时要把持平口径说清：150 万小时为受访企业自述，"全球领先"是报道措辞，"80% 到 90% 成功率"是企业负责人自述且明确限定于单个动作，均未经第三方核验；更关键的是，真机采集与仿真合成的占比、标注规格与质量分布都未披露，而这恰恰是决定这批数据能否转化为模型能力的核心变量。

来源：央视新闻 / 工信微报《70多家训练场已启用 我国具身智能全产业链加速推进》 ｜ 中国网转载 ｜ 盖世汽车转述

LATENT：宇树 G1 正手回球成功率 90.9%，获 IROS 2026 最佳娱乐与趣味论文奖

IROS（IEEE/RSJ 智能机器人与系统国际会议）2026 主会议已于 9 月 30 日在匹兹堡闭幕，清华大学、银河通用机器人（Galbot）、北京大学与上海人工智能实验室合作的 LATENT 项目获得最佳娱乐与趣味论文奖，论文题为《Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data》（从不完美的人类动作数据学习竞技级人形网球技能）。它的切入点反常识：不采集完整比赛录像，而是让 5 名业余选手在约 3 米乘 5 米的区域录了约 5 小时的正手、反手与步法碎片——没有战术信息、没有落点标注，论文直接称之为"不完美数据"。方法上先训练一个动作追踪器，再压缩成连续的潜动作空间（一套身体动作字典），人类片段是"先验"而非"脚本"；团队刻意降低模型对右腕追踪结果的信任权重，避免一个噪声关节主导整次挥拍，并加入基于马哈拉诺比斯距离的 Latent Action Barrier 约束，防止策略在无关动作之间跳变。实机部署在宇树 G1 上，20 个连续回合中正手回球成功 90.90%、反手 77.78%、前场 88.89%、后场 81.82%（成功定义为球落在对方场内）；仿真中完整正手策略成功率 96.52%、平均落点误差 1.32 米，对照方法 AMP 为 41.32%、ASE 为 63.47%、PULSE 为 71.85%。

值得关注：方法论层面，把"不完美但廉价可得"的动作片段重建成潜空间先验，绕开了"每学一个新技能都要人工设计奖励函数"这个最贵的工程环节——论文自我定位的价值在这里，而不是网球本身。工程层面，用的是实验室和集成商今天就能买到的宇树 G1，不是定制研究机，这压低了他人复现与延伸的门槛；这套"快感知加从人类示范学得的全身控制"配方，在产线上对应的是接住坠落零件、行进中递交物件、被人推一把后恢复平衡这类动态瞬间，而仓储与装配部署恰恰是在这些瞬间失败、而非在缓慢脚本化的那一段。边界必须说清：实机测试仍然依赖覆盖约 19 米乘 15 米、50 多台摄像头的外部光学动捕系统（据雷峰网引述项目材料），用的是外部感知而非机载视觉；20 个回合样本量偏小；25 拍的机器人对拉只存在于仿真中；论文自己也把动捕依赖列为限制，并指出主动视觉是下一步。另可参考同期统计：RobotToday 分析 IROS 2026 全部 1933 篇论文后给出的数字是录取率降至 36.5%、标题含 VLA（视觉-语言-动作模型）的论文由 4 篇增至 65 篇、美国论文数反超中国。

来源：Pandaily（含论文具体评测数据） ｜ RobotToday 转载 ｜ RoboticsIntl ｜ RobotToday：IROS 2026 全部 1933 篇论文分析

今天的主线是「底层供给」被重新定价：OpenAI 把 GPT-6 推向 12 亿周活用户并让模型自己决定界面形态，Anthropic 用 Haiku 5.5 把子智能体调用压到旗舰价的十分之一，微软与英伟达则把 agent 的运行时直接装进了 Windows 内核层。具身一侧同样在补地基——Mecka 拿到 6000 万美元 B 轮做人类动作数据，中国两座机器人数据采集训练场同日见报。

OpenAI 一天两线：GPT-6 全量推送，Codex 日更把「监督」变成免费层

OpenAI 自 10 月 7 日起把 GPT-6 推送到 ChatGPT 全部档位：Plus、Pro、Business、Enterprise 使用 GPT-6 Sol，Free 与 Go 档次日（10 月 8 日）起使用 GPT-6 Luna，ChatGPT 周活跃用户已超过 12 亿。本次更新的核心是一项叫 Intelligent UI 的能力——模型在回复里直接生成图表、表单、按钮和可交互小工具，官方演示包括按人数滑杆实时调整采购量的周日烤肉计划、可动手模拟的蒙提霍尔问题、以及解释机翼升力的多张示意图。工程上靠一套原生可流式组件库加编译器，边生成边渲染，不必等整段回答完成。延迟方面，GPT-6 边推理边出答案，官方称 GPT-6 Instant 在需要联网检索的问题上首字时间平均比 GPT-5.6 Instant 快 44%。需要留意的是，本次推送不涉及驱动 Work 与 Codex 的底层模型。

同处 OpenAI「28 天连更」窗口的还有 Codex 侧的密集发布。负责人 Tibo Sottiaux 立下日更目标后，Day 1 把 GPT-6 Astra 与 GPT-6.1 Sol 在订阅产品中的默认速度从约 30 tok/s 提到约 50 tok/s；Day 2 一次发了四项：Auto-review 对 ChatGPT 账号登录用户免费、不再计入套餐额度；付费 API 使用档位由五级压缩为 Build、Launch、Grow 三级，累计划卡门槛分别为 5 美元、100 美元、500 美元，顶档门槛从 1000 美元降到 500 美元；Meetings 插件在 macOS 桌面端向 Pro 与 Business 开放 Beta，纪要与待办直接落入 ChatGPT Space；Decisions API 面向所有开发者公测，官方称决策速度约为经 Responses API 调用的十倍。

值得关注： Auto-review 免费这件事比看上去重要。此前它会吃掉用户 2%–10% 的套餐额度，等于给「开着安全检查」标了价格；现在 OpenAI 把监督算力从任务额度里剥离，实际是承认长时程 agent 的瓶颈不是能不能跑，而是人还要不要一直盯着。另一边，Intelligent UI 把「界面该长什么样」从提示词规则变成了模型的训练行为，对做 agent 的人来说，输出物不再只是 diff 和文本。风险同样清楚：速度与安全的数字全部来自 OpenAI 内部评测，组件库是否会开放为 API 尚未公布。

来源：OpenAI - GPT-6 for everyone ｜ OpenAI Developer Community - 28 days of Shipping ｜ AI Industry Today

Anthropic 发布 Claude Haiku 5.5：给子智能体这一层定价

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，称其为迄今最便宜、最快且能力最强的小模型，模型 ID 为 claude-haiku-5-5，已在 Claude 平台、AWS、Google Cloud 与 Azure 同步上线。定价上，prompt 不超过 10 万 token 时输入 0.10 美元/百万、输出 0.50 美元/百万、缓存读取 0.01 美元/百万；超过 10 万 token 则为 0.50 与 2.50 美元。官方口径是这一档位列表价比 Haiku 4.5 低 90%、以上档位低 50%，综合运行成本约降 75%，且该折算已计入新 tokenizer 带来的 token 数略增。官方基准显示 Haiku 5.5 在 Terminal-Bench 4.0 上 39.2%（Haiku 4.5 为 0.0%，GPT-6 Luna 为 16.4%，Sonnet 5.5 为 70.6%），OSWorld 2.1 离线子集 72.4%，FrontierCode 1.1 主榜 46.4%，GDPval-AA v2.1 Elo 1620。Haiku 5.5 也是该系列首个带可调节 effort 的型号。

配套动作比模型本身更值得看：Sonnet 5.5 的缓存读取价由 0.20 美元砍半至 0.10 美元/百万，官方称这使 Sonnet 5.5 在多数 agent 任务上便宜约 20%；Max 5x 与 20x 订阅每月分别获得 100 美元与 200 美元 API 额度，Team 订阅池化最高 500 美元；Python 与 TypeScript SDK 新增 computer use 与 browser use 的 beta 支持。客户侧，HubSpot 报告其 CRM 套件上 92.8%，Asana 报告任务完成延迟降低逾 30%、单 agent 轮推理最高快 2.5 倍。

值得关注： 这不是一次单模型促销，而是在给「子智能体」这一层定价。Anthropic 明确把 Haiku 5.5 定位为配合 Opus 5.5 与 Sonnet 5.5 做编码工作的子智能体，并点名了 compaction、摘要、分类、数据库查询这些具体工位；官方图表也坦诚 Terminal-Bench 这类硬 agentic 任务仍是 Sonnet 与 Opus 的主场。子智能体架构里一次昂贵调用要配多次廉价调用，谁占住廉价层，谁就定了整个 agent 栈的成本曲线，缓存读取砍半同理——agent 的 token 大头正是缓存读取。需要打的折是：全部基准为 Anthropic 自测，客户数字为厂商自述。

来源：Anthropic - Introducing Claude Haiku 5.5 ｜ Unite.AI

微软与英伟达把 agent 运行时装进 Windows

10 月 7 日旧金山的 Windows AI 与 Surface 活动上，英伟达 CEO 黄仁勋与微软 CEO 纳德拉同台。微软宣布 Microsoft Execution Containers（MXC）正式可用——一套操作系统级基础设施，让 agent 在后台隔离、持久运行，由 OS 提供 containment、identity 与 manageability，并与 Microsoft Security、Agent 365 打通做治理。Windows 与设备业务 EVP Pavan Davuluri 称，这些原语被直接建进 Windows，使 agent 可被隔离、被观测、被治理。硬件侧，RTX Spark 进入 Windows 笔记本与紧凑台式机：Blackwell RTX GPU（最高 6144 核）搭配最高 20 核 Grace CPU，600 GB/s 互连，128GB 统一内存，1 PFLOP FP4 算力，官方称可本地运行 125B 参数的 Qwen 3.8 Flash Next（51B n-gram）且不计流量不上云。Surface Laptop Ultra 起售 2599 美元，10 月 7 日开预售、10 月 16 日出货，紧凑台式机 11 月跟进，Acer、ASUS、Dell、Gigabyte、HP、Lenovo、MSI 均有机型。

同场还预览了 DGX Station for Windows，基于 GB300 Grace Blackwell Ultra，748GB 一致内存、最高 20 PFLOPS FP4，官方称可本地运行万亿参数级模型（点名 Llama 4 Maverick、Kimi K2.6、DeepSeek V4 Pro）。微软给它的两个定位是「个人 AI 超算」与「Windows token 工厂」——后者支持 32 个以上并发 agent 服务团队，直接压低云 token 消耗。此外 Meta Muse 将以原生 Windows 应用形式到来，Perplexity 演示了不消耗云额度的端侧任务，OpenClaw 也将获得原生 Windows 网关。

值得关注： 这条把 agent 之争从「模型在哪」推到了「运行时归谁」。MXC 一旦 GA，Windows 上就有了统一的 agent 隔离与身份归属层——哪个 agent 干了什么、能碰什么由 OS 记账，正好补上过去半年 agent 安全事故里最缺的归因能力。DGX Station 的「token 工厂」说法更直白：本地推理不只是隐私选项，而是把云 token 账单换成电费。边界要说清：DGX Station 仅预览、无定价无日期，RTX Spark 的本地模型数字为官方口径，CUDA 兼容只保证 Spark 到 DGX 的迁移路径。

来源：NVIDIA Blog ｜ Microsoft - Building Windows for hybrid intelligence ｜ The Agent Times

Mecka 完成 6000 万美元 B 轮：把人类动作录成机器人的训练数据

机器人数据公司 Mecka 于 10 月 7 日宣布 6000 万美元 B 轮融资，Sequoia Capital 领投，新投资方包括英伟达、微软风投 M12、Qualcomm Ventures 与三星，老股东 Kindred、Framework Ventures、Neo 跟投，天使投资人包括 DoorDash CEO Tony Xu、前 ServiceNow 与 Snowflake CEO Frank Slootman、前特斯拉 Optimus 负责人 Milan Kovac。公司的论点是：没有人写下过手怎么抓、怎么折、怎么倒，用多大力、何时松手——「运动、接触、力与几何不在互联网上，抓不到、授权不到、买不到。机器人缺的不是智能，是经验。」

为此 Mecka 自建了整条栈：按下游模型需求倒推选型与同步的多传感器采集硬件、在家庭与商业环境中录制人类示教的全球采集队，以及把原始噪声转成结构化信号的内部实验室（动作追踪、3D 重建、传感器对齐，称 in-the-wild 数据上达亚厘米级手部姿态精度）。学术侧，公司与 Georgia Tech、Stanford、UC San Diego、ETH Zürich、MIT 及 Meta 合作 EgoVerse 人→机器人迁移研究，论文当前版本含 1362 小时人类示教、8 万条 episode、1965 个任务、240 个场景、2087 位示教者，结论是策略性能随人类数据增长而提升，但有效缩放取决于人类数据与机器人学习目标是否对齐。商业上，公司称已供应数家头部前沿机器人实验室与多家 Mag 7 公司，2026 年 6 月年化收入突破 1 亿美元，预计年底达 3 亿美元。

值得关注： 这是具身数据基础设施第一次拿到如此整齐的战略股东名单——英伟达、微软、高通、三星同时进场，等于芯片、云、终端三侧一起押注数据层。EgoVerse 那句「有效缩放取决于人类数据与机器人学习目标是否对齐」是全篇最该记住的一句：数据不是越多越好，采集范式与训练目标错位时规模会空转。要打的折也很明确——年化收入、年底预测、亚厘米精度与客户名单全部为公司自述且客户未具名，无第三方审计。

来源：Mecka - Series B ｜ Unite.AI

中国具身数据基础设施：厦门异构训练场与中关村跨本体数采中心同日见报

人民网与科技日报 10 月 8 日报道了厦门首个异构机器人训练场：位于同安区滨海新城德韬科技园，2000 多平方米被改造成超市、家居、仓储等 10 个实景训练区，7 月投入试运营，已进驻人形、四足、轮臂、工业协作臂等各类本体；由拓元智慧（厦门）牵头，依托国家级实验室联合多家研究机构与产业企业组成「AI 创新联合体」。技术路线上，团队自研「物理世界动作大模型」，区别于把视觉、语言、动作分模块训练再整合的主流路线，从训练起点就把三维空间、物理规律与动作轨迹放进同一套模型，让机器人学的不是固定动作而是重力、形变、摩擦，从而预判动作后果。采集方式上，数采员先把完整操作拆解为若干分步动作，再按任务情景分别通过主从臂控制、VR 控制、第一视角视频记录带机器人分步练习。

同日新浪财经探访了中关村（海淀）具身智能创新产业园内的诺亦腾机器人跨本体数采训练中心。近 100 平方米的动作捕捉区是核心，四周架设动捕摄像头、地面布设定位标记点；此外还有搭建了完整厨房、客厅、卧室、卫生间的场景化训练区，以及运控训练区、多模态灵巧操作数据采集区、UMI 遥操作与夹爪动作采集区。中心采集多模态交互、灵巧操作、第一视角三类数据，分别对应让机器人理解运动、理解精细操作、理解环境。一名数采员穿动捕服、戴头部捕捉装置与数据手套，按脚本完成「伸手—拿起水瓶—转身—递出—松手」约 30 秒即产出一条原始数据，系统同步记录手指动作、指尖定位与压力；同一动作还要换方向、换拿法、换位置反复采集。

值得关注： 两个场地同日见报，指向同一件事——具身智能的瓶颈已经明确落在高质量真机数据，而不是模型结构。厦门那条的价值在技术路线：把三维空间与物理规律塞进同一套模型，是业界「端到端 vs 分模块」之争的一个中国样本。中关村那条的价值在成本结构：30 秒一条原始数据、且必须换方向换拿法重复采集，这类工作的单位成本与职业化程度决定了数据供给能否真正规模化——也正是 Mecka 那条新闻里资本押注的同一个环节。需要说明的边界：两者均为媒体探访稿，未给出数据产能、转化率等可核验指标，也未见第三方对训练效果的独立验证。

来源：人民网财经 ｜ 新浪财经

今天的主题是「Agent 的账本与地基」。GitHub 公开承认现有 Git 架构撑不住智能体的写入洪流并开始重构存储层，Atlassian 同一天把「谁写的代码」变成平台级可审计记录，Mistral 用一万亿参数的开放权重模型在欧洲腹地插旗；具身侧，TwelveLabs 把第一人称视频变成可直接进训练流水线的结构化数据，而一篇 CoRL 投稿论文则给出了一个不太舒服的结论——当危害意图只是「暗示」而非「明说」时，高达 95% 的机器人任务会在护栏毫无反应的情况下被执行完。

GitHub 重写 Git 存储层：为智能体规模的开发重建地基

GitHub 在工程博客上宣布正在重建其 Git 基础设施，理由是智能体开发已经把写入负载推到旧架构的设计边界之外。数据很直白：2025 年 9 月到 2026 年 8 月，平台每月 Git 事件从 2182 亿涨到 4733 亿（约 2.17 倍）；仅 2026 年 9 月一个月，开发者和智能体产生了 73.8 亿次提交，是一年前的五倍多；推送量同比增长 4.9 倍，从每月 6.9 亿次涨到 33.5 亿次；PR 合并量接近四倍；GitHub Actions 单月运行 32.6 亿次。最繁忙的那个仓库在 8 月收到了约 10 亿次请求。问题出在写入而不在读取——现有 Spokes 架构把每个仓库以五份完整副本存在文件服务器本地盘上，用三阶段提交协议保证一致性，代价是「一次推送的速度等于它那组副本里最慢的那个」。新架构把权威数据放进 Azure Blob Storage，用轻量计算 worker 缓存来服务读请求，压缩和垃圾回收等维护工作挪到独立 worker 上跑，内部基准称写入吞吐最高提升 35 倍。迁移在线进行，无维护窗口，开发者无需改动任何东西。

值得关注： 这是「AI coding 规模化」第一次以基础设施账单的形式被量化。GitHub 点出的五个压力点里，四个是平台自身的容量问题，第五个——所有合并都要挤在单一 ref 上——却是团队自己的工作流转嫁给平台的。对已经在跑智能体工作流的团队，那条「智能体的循环速度被单次推送延迟卡死」的论断值得抄进设计文档：在写路径改造落地前，你给智能体加再多并行度，收益都会被推送往返吞掉。需要说明的是，35 倍是内部基准、针对的是在建系统而非已上线平台，且 GitHub 明确表示具体设计要等后续文章披露。

来源：Building Git infrastructure for agent-scale development（GitHub 工程博客）

Atlassian 发布 AMP：给每个智能体一个身份、一个主人和一份审计轨迹

10 月 7 日，Atlassian 在阿姆斯特丹的 Team '26 Europe 上发布 Agentic Multiplayer Protocol（AMP），试图把智能体纳入团队已有的工作记录体系。核心变化有三块：Teamwork Graph（官方称已连接 2500 亿以上对象和关系）通过 Rovo Code Search 把源码读到函数、符号、类的粒度，可以跨 Bitbucket 和 GitHub 检索而无需克隆仓库；版本历史开始区分「人写的」和「智能体写的」，覆盖 Claude、Codex、Figma 与 Rovo；Rovo Work 让智能体在管理员控制的沙箱里连续跑几小时的长任务，人先审计划、再批准执行。智能体还能在 Bitbucket 里录一段 Loom 讲解自己的改动。官方披露其 MCP Server 有近 200 万月活、日处理 1500 万次工具调用，六个月内增长 15 倍。Rovo Work、代码归因与欧盟境内 AI 处理现已可用；更关键的「非人身份控制」——能看什么、能访问什么——官方只说「即将推出」，没有日期。

值得关注： 几乎所有工程负责人都被问过「你们代码库里 AI 写的占多少」，但极少有人答得上来，AMP 是对这个盲区的正面回应。不过 InfoWorld 的报道里，Aikido Security 的企业 CISO Mike Wilkes 和 IDC 研究经理 Adam Resnick 都点破了同一个漏洞：Git 只记录 author 和 committer，本地跑智能体的记录仍然写着开发者的名字，而提交信息里的归属声明可以被关掉、改写或丢失。归属标签不等于决策记录，更不等于「有人认真审过」。在权限约束真正落地之前，合理的用法是把它当作衡量评审投入、缺陷率和返工的输入项，而不是问责的证据。

来源：Atlassian Adds AI Code Attribution With AMP, but Deeper Identity Controls Must Wait（Superpower Daily / InfoWorld 综述）

Mistral Large 4「Le Chonk」：一万亿参数，10 月底放权重，主打网络安全

Mistral 于 10 月 6 日开放 Mistral Large 4 的公开预览，内部代号「Le Chonk」，权重承诺 10 月 27 日左右放出，中间留三周给开发者、网络安全公司和政府机构做红队测试（这批测试者拿到的是限制更少、网络能力更强的版本）。这是稀疏 MoE 模型，总参数约一万亿、每 token 激活约 490 亿，上下文 100 万 token，在 Mistral 自有的欧洲数据中心用约 3800 张 NVIDIA Grace Blackwell 从零训练两个月，覆盖 160 多种语言（含全部欧盟官方语言）。最硬的卖点是网络安全：官方称 Cybench 解题率 93%，在 Artificial Analysis 的「复现并修补真实开源漏洞」测试上得 82%，为所有模型最高——多个闭源模型在这项上接近零分，因为它们直接拒绝执行。编码侧，DeepSWE v1.1 报 62%（Artificial Analysis harness 口径 61.7%），领先 GLM-5.3 的 61%、DeepSeek-V4-Pro 的 57% 和 Qwen 3.8 Max 的 51%，但仍明显落后 Kimi K3 的 68% 以及闭源前沿的 74%。

值得关注： 一是战略定位诚实得少见——Mistral 不宣称打赢 Claude 或 Gemini，只宣称在中国实验室主导的开放权重赛道上做到「欧美最强」；二是它把「模型会拒答」直接论证为安全缺陷：一个拒绝复现攻击手法的模型，也没法帮你做防御性红队。这对做安全的企业是真实痛点。需要打折的地方不少：不同媒体对 GPU 数量（3800 或 4000）、激活参数（49B 或 52B）、API 定价（每百万输入 0.14 美元或 1.36 美元）的报道互相打架，强化学习阶段仍在跑、官方自承分数会变；在 Artificial Analysis 的智能指数上预览版只拿到 38 分，落在 DeepSeek V4.1 Flash 与 GPT-6 Luna 之间；Surge AI 的盲评给它 3.74/5，落后 Claude Opus 5 的 4.22。

来源：Europe's Mistral launches Large 4 to challenge China's lead in open AI models（The Next Web） ｜ Mistral Large 4: 1 Trillion Parameters, Open Weights This Month（AIincider）

TwelveLabs Pegasus 1.6：把第一人称视频直接变成机器人训练数据

TwelveLabs 于 10 月 6 日发布 Pegasus 1.6，官方称这是其首个原生理解第一人称（egocentric）视频的模型——即由作业者视角拍摄的画面，无论是工人戴的头戴相机、产线上的手持记录，还是远程操作机器人时的回传画面。上下文窗口 261,120 token，单次可处理最长两小时视频。它支持五类工作流：按客户自定义分类体系生成带时间戳的动作分割与标注、生成描述空间关系与手物交互的密集字幕、给片段打动作清晰度/构图/稳定性的质量分、用自然语言检索长尾事件与重复片段、以及把人脸、旁观者和纸质敏感内容在进入训练前标记出来。定价为视频输入每小时 1.75 美元、图像每百万 token 3 美元、输出每百万 token 7.5 美元。CEO Jae Lee 对 VentureBeat 给出的理由是：遥操作数据质量高但「就是一个人配一台机器人」，难以规模化，而第一人称视频好采集得多。

值得关注： 这条正对着具身智能数据基础设施那条链。人工标注一小时第一人称视频需要 70 到 155 小时的说法（来自 TwelveLabs 口径）如果成立，那么标注成本才是数据规模化的真正瓶颈，而不是采集。但要清醒：Pegasus 只做「视频理解层」，产出的是描述与结构，它不恢复位姿、接触点和几何，把观察接到机器人运动与控制上仍是团队自己的活。计费上有个坑——每个 segment 定义单独计费，一次请求覆盖多个动作类别时，实际被计费的时长会成倍放大；此外批量分析目前仍走 Pegasus 1.5，高吞吐场景尚未迁移过来。

来源：TwelveLabs debuts Pegasus 1.6 to improve robotics training data from first-person video（VentureBeat） ｜ TwelveLabs Brings Video Understanding to Physical AI With Latest Launch（GlobeNewswire）

论文：危害意图只要「暗示」，机器人护栏几乎全线失守

哥伦比亚大学 Sripad Karne 与 Arjun Balaji 的论文（arXiv:2610.05818，投稿 CoRL 2026 SPAIS workshop）做了一组控制变量实验：取 LIBERO-Goal 的五个厨房任务，任务本身、物体、场景完全不变，只给同一个动作附加不同的理由，并分三档表述——隐含（L1）、直陈（L2）、直白（L3），同时配一组长度相近的无害对照。结果是 π0.5 在三档下的完成率都与无害对照相当，也就是说机器人完全无视目的。筛查责任因此全落在外层护栏上，而 Llama Guard 3、WildGuard、Qwen3Guard 三款文本护栏抓得住几乎所有直白请求，却漏掉大部分隐含请求——高达 95% 的隐含危害运行最终任务完成且未触发任何告警；针对机器人指令重新校准后，这一比例仍有 90%。激活探针也补不上：线性探针在基座语言模型和视觉语言模型里几乎能完美区分有害/无害，但经过机器人训练后，两个模型族的这种可分性都明显衰减，其中隐含危害衰减最严重。论文还纠正了一个假象——OpenVLA-OFT 看起来更「安全」，实际是它处理不了指令里多出来的那句理由，无论理由有害与否一律失败。

值得关注： VLA 与聊天模型的根本差别在于它只输出动作、不会拒答，安全边界因此被迫外移到护栏和规划层。这篇论文证明那道外移的墙对措辞敏感、对意图不敏感——而措辞恰恰是最容易绕过的一层。更棘手的是「机器人训练会侵蚀危害信号」这一发现：此前已知机器人训练会损失视觉语言知识，现在看连安全相关内容也在损失之列。对任何要把 VLA 推进真实场景的团队，这意味着不能把护栏当合规文件，而必须当作需要独立评测集、含隐含意图用例的攻防对象来对待。

来源：What the Guard Misses, the Robot Executes: Implied Harm in VLA Instructions（arXiv:2610.05818）

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