今天的重点集中在两条主线：AI coding 侧，Cursor 把自家内部智能体框架开放成 Agent SDK，让提示词、工具与评测变成可评审、可版本化的代码工程；基础设施侧，Cloudflare 披露 GLM-5.3 因 KV 缓存池与上下文窗口错配导致 155 条回复串入其他客户的数据，且全程返回 HTTP 200。具身智能侧则罕见地出现标准、评测、赛事三线并进：两项国家标准化指导性技术文件落地、工信部数据集质量标准将于 11 月 1 日实施、WorldOracle 以「失败案例」为核心考点开放世界模型评测，同时上海千台机器人进真实工位开考。

Cursor 发布 Agent SDK：把智能体写成可评审的代码工程

Cursor 已将其内部使用的智能体框架 Agent SDK 开放为正式可用（GA）。据 Cursor 官方博客，发布帖由 Rustam Lalkaka 署名、日期为 10 月 20 日；Cursor 于 10 月 26 日又通过社交平台重申该发布，另有媒体将时间记为 10 月 26 日或 27 日——三个日期口径并存，本文以官方博客日期为准。在这套框架里，一个智能体就是一个文件夹：instructions.md 是常驻系统提示词，tools/ 下每个 .ts 文件是一个带类型的工具，另有 skills/（按需加载的流程）、mcp-connections/（外部 MCP 服务器工具）、channels/（消息收发渠道）、hooks/、schedules/ 与 evals/。触发方式覆盖 GitHub、GitLab、Bitbucket 的 PR 与 CI 事件、Slack 提及与私信、任意 webhook 以及 cron 定时；CLI 提供 validate、run、eval 三条命令，部署可走 Cursor 托管，也可作为单个 Node 进程或容器自托管。官方称这套 harness 与其自家的 Bugbot、Security Review、Approval Bot、Rollouts 是同一套，但尚未公布定价与基准测试。

值得关注：此前智能体的提示词要么散落在管理后台，要么躺在 .cursorrules、CLAUDE.md 这类 IDE 配置里，改动一行没有任何回归测试兜底。Cursor 的做法把提示词升级为可评审、可版本化、自带测试的工程文件，尤其关键的是 evals 断言的对象是「调用了哪个工具、传了什么参数」，而不是「回答听起来对不对」——这是智能体开发从氛围调试走向可验证工程的分水岭。边界需要注意：Cursor 未公开定价与基准数据，instructions.md 会随每次事件唤醒计费，长提示词的成本在无人值守场景下比在 IDE 里更敏感；自托管路径的运维成本也需自行评估。

来源：Cursor's Agent SDK is GA: your agent is a folder of Markdown and TypeScript ｜ Cursor's Agent SDK Turns AI Agents Into Code Projects You Can Test ｜ AICoder 报道

Cloudflare 披露 GLM-5.3 跨租户泄漏：155 条回复串入他人数据，全部返回 HTTP 200

Cloudflare 于 10 月 26 日发布事故复盘：Workers AI 上托管的 @cf/zai-org/glm-5.3 模型在 8 月 27 日至 9 月 9 日期间，有 155 条回复包含了其他客户的提示词片段与部分生成内容，触发条件是超过 681,280 token 的超长提示词。根因是两层问题叠加：一是配置错配——模型上下文窗口设为 1,048,576 token，而 prefill GPU 上的 KV 缓存池只有 681,280 token 容量；二是开源推理引擎 SGLang 在分离式 prefill/decode 部署下的缺陷，超长请求被标记为 rejected 后替换成一 token 占位符，但准入队列检查的是 finished() 而非「是否被拒」，请求照常放行；decode 节点按原长提示词预留了全部缓存页，prefill 只写入一页，其余页仍残留前序请求的内容，模型注意力读到这些数据并生成进新回复。客户端拿到的是 HTTP 200、看起来完全正常的回复，而且比正常的 8 页 prefill 更快——没有报错、没有告警，最终由安全公司 Knostic 的研究员 Gadi Evron 于 9 月 8 日经 HackerOne 报告。修复包括把 prefill KV 池扩至约 204 万 token（约为上下文长度的两倍）、在 KV 传输前拦下被拒请求的引擎补丁（已上游化为 SGLang PR #38704，官方建议所有运营方升级至 v0.5.22 或更高），以及新增部署前校验缓存池与上下文长度一致性的检查。Cloudflare 称未发现蓄意利用的证据，其他 Workers AI 模型未受影响。

值得关注：这不是模型幻觉，而是共享 GPU 显存页的归属追踪失效，属于基础设施层的多租户隔离失效。对开发者的三条实际启示：不要把密钥、客户记录放进不受控的长提示词；不要把 HTTP 状态码和延迟当作唯一健康检查，必须校验输出内容是否真的与输入相关——Cloudflare 自己也承认，上线前只验证了状态码和性能，没有验证输出连贯性；自托管 SGLang 分离式部署的团队应立即核对 KV 池容量是否覆盖上下文窗口。还有一个更值得警惕的细节：同一缺陷早在 7 月 6 日就以 SGLang issue #30233 被提出，公开挂了两个月，直到生产环境真的泄漏才推动修复。

来源：Cloudflare reports GLM-5.3 on Workers AI leaked other customers' data in 155 responses ｜ Cloudflare GLM-5.3 Leak: 155 Cross-Tenant Responses

Gemini Robotics ER 2 登陆 Google Cloud 公开预览：既是机器人大脑，也是数据裁判

Google Cloud 于 10 月 27 日宣布，具身推理模型 Gemini Robotics Embodied Reasoning 2（ER 2）在 Gemini 平台开放公开预览。该模型今年 7 月 30 日首次面向开发者发布，定位是机器人的「高层大脑」：跨本体工作（从固定机械臂、轮式机器人到四足与人形），开发者可把 VLA 模型、导航 API 等底层控制接口声明为工具供其调用，模型对连续视频流做时空推理，判断每一步是否真的成功，失败时只需重试该步骤而不必重启整个工作流。Google 给出的指标包括：定位关键事件发生帧的准确率 91.3%、平均绝对帧距离 0.96 秒、运行速度为执行速度的 4 倍，可读取 10 类以上仪表读数（圆形表盘、视镜、数字显示、线性刻度、直尺、液体温度计等）。生态表态来自 Boston Dynamics（Spot 的视频巡检产品 AIVI-Learning）、DeepReach、Arm 与新加坡 ASTAR IMRE。定价方面，预览期促销价为每百万输入 token 1 美元（有效期至 2026 年 12 月 31 日），2027 年 1 月 1 日起为 2 美元；预览期仅由 Google 的 global 端点提供服务。

值得关注：真正值得注意的是 ER 2 被同时定位成数据标注工具。Google 明确建议用它的空间指向、时刻定位与进度分类能力，去筛选和打标存放在 Cloud Storage 与 BigQuery 里的演示视频，再去训练自定义 VLA 模型。这意味着同一个模型既做运行时大脑、又做训练数据的裁判——用同一把尺子给仿真数据和真机数据打分，正是缓解 sim-to-real 差距最实用的路径，也让数据管线的自动化程度再上一台阶。边界需要说明：91.3% 等指标来自 Google 自家测试，公告未点名对比模型；生态客户均为厂商引述、没有独立性能数字；预览期仅 global 端点，数据驻留与合规要求需自行确认。

来源：Gemini Robotics Embodied Reasoning 2 is now available on Google Cloud ｜ Google Brings Gemini Robotics ER 2 to Businesses on Google Cloud

具身智能数据侧标准与评测同步落地：两项国标、工信部标准 11 月实施、WorldOracle 开放提交

国家市场监督管理总局与国家标准化管理委员会发布了我国具身智能领域首批两项国家标准化指导性技术文件：GB/Z 220-2026《人工智能 具身智能数据生成平台技术要求》与 GB/Z 218.1-2026《人工智能 具身智能数据质量规范 第 1 部分：真实数据》。位于浦东张江的国家地方共建人形机器人创新中心（国地中心）深度参与了两项标准的研制与验证；GB/Z 220-2026 给出了数据生成平台引擎层、生成层、应用层三层参考框架。日期口径提示：有媒体将 GB/Z 218.1-2026 的发布记为 2026 年 8 月 27 日，与部分报道中「近日发布」的表述并存，本文并列两个口径不做取舍。此外，由工业和信息化部批准、中国信息通信研究院联合 40 余家单位起草的《人工智能关键基础技术具身智能数据集质量要求及评价方法》将于 2026 年 11 月 1 日正式实施。评测侧同步跟进：由智元、NVIDIA 与普林斯顿大学、德克萨斯大学奥斯汀分校、多伦多大学研究者联合打造的世界模型评测平台 WorldOracle 已开放评测提交，它收录 335 条真实操作轨迹，其中约 40% 的交互片段包含失败或次优操作，覆盖 AGIBOT G2 与 YAM 两种本体以及第一人称人手操作，任务包括取水果、挂毛巾、倒水、拉抽屉，分别对应刚体、可变形体、流体与铰接物体；若真实执行失败，模型准确预测出失败即算正确。对 7 个世界模型的测试显示：机械臂动作能较准确复现，但对物体状态的预测偏差显著，长程预测表现明显下降。

值得关注：这几件事指向同一个转折——具身智能的竞争重心正从「谁的本体更炫」转向「谁的数据可验证、可交换、可复现」。标准把数据供给模式推向「少部分真机采集 + 大规模仿真合成生成」，WorldOracle 则把失败案例设为核心考点，逼迫世界模型预测真实物理后果而不是输出一个美化后的成功版本。对数据岗位而言，采集规范、可追溯性、评价可复现正在从软要求变成硬指标；对中小企业，合规数据集有望降低重复采集成本。边界必须说清：标准落地不等于效果落地，标准能否发挥作用，要看企业是否真正采用、数据评价能否落到具体项目、机器人在真实产线的表现有没有改善——11 月 1 日是观察节点，不是问题解决的信号。

来源：服务、标准、科研协同发力！浦东人形机器人产业生态加速迈向体系化 ｜ WorldOracle Tests Whether World Models Can Reliably Predict Real-World Executions ｜ 工信部发布具身智能数据集质量标准 2026年11月1日实施

上海国际具身智能技能大赛：千台机器人进真实工位开考

2026 全球开发者先锋大会暨国际具身智能技能大赛近日在上海举办，由上海市人工智能行业协会与中国电子技术标准化研究院联合主办，汇聚 300 余家机器人本体企业、超 200 家上下游供应链企业。大赛设 9 大赛道、23 个赛项，覆盖能源巡检、质检检测、商超零售、应急救援、文旅导览、医疗康养等真实场景，800 余支竞赛队伍、上千台人形机器人同台，70 余名行业专家担任裁判。张江科学会堂搭建了约 2000 平方米的实景实训空间，1:1 还原能源巡检、商超零售、快递分拣、消防灭火等作业场景；商超零售赛项要求机器人在 30 分钟内完成周转箱拣货、整理货架、补货再到装箱打包等多个步骤。有参赛队长的总结很直白：7 天真实实景实训，机器人精细操作能力的提升效果远超实验室 3 个月的模拟训练。真实场景也暴露了仿真里不会出现的问题——商品标签位置各异、圆柱形包装易打滑、磁吸标签的间隙对夹爪来说太小、二维码褶皱导致漏扫或机械臂抖动多扫。评分规则明确向自主性倾斜：动作必须由模型驱动、连贯完成，若采用遥操作，评分会明显降低。

值得关注：这条与上一条形成完整对照——标准解决「数据怎么算合格」，大赛解决「机器人在真实工位能不能干完活」。评判标准把遥操作降分，意味着行业开始把自主执行与演示效果分开计价，「机器人能不能自己干」第一次成为可量化的评分项。另一个信号是场景本身正在变成稀缺资产：张江商超场景赛后计划保留并开展常态化实景训练，持续沉淀真实场景数据——这类由场景方出真题的持续采集点，恰恰是具身智能数据供给中最缺的一环。边界同样清楚：赛事成绩不等于产线可用性，比赛中暴露的漏扫、抖动、夹爪间隙等细节问题，恰恰说明距离稳定商用还有相当距离。

来源：机器人上岗亮绝活 ｜ 「7天实景实训胜过实验室3个月模拟」，上海真实具身场景俘获参赛者「芳心」

编码工具链进入「平台重构与安全事故并行」的一周：前 GitHub CEO 正式推出面向 AI Agent 的原生开发平台 Emergent，OpenCode 披露大规模蒸馏攻击导致部分工作区 API Key 疑似泄露。具身智能侧，ROKAE 人形力控臂交付突破一万台，银河通用与宇树宣布联合研发原生智能体机器人「银河星仔」，深圳与汉诺威两场具身机器人展会同期聚焦「从演示走向作业」。

前 GitHub CEO 发布 AI 原生开发平台 Emergent

Thomas Dohmke——2021 年至 2026 年初担任 GitHub CEO、主导 GitHub Copilot 整合的人——于 10 月 26 日正式发布新开发平台 Emergent，定位为「人类开发者与 AI 编码 Agent 共用的原生平台」。该平台采用「Agent 优先」架构：AI Agent 作为一等协作者获得独立工作区分配、持久记忆和与人类相同的版本控制权限，并针对 AI 高频提交优化了冲突解决算法与多模态代码审查流程。平台支持标准 Git 协议并扩展了批量重构、自动依赖更新等 Agent 专属操作，目前限量开放注册，正式版计划 2027 年初上线，定价将按 Agent 用量而非传统按席位收费。

值得关注：Dohmke 的核心论断是，传统平台的基础设施为人类协作而设计，当 AI 贡献 50% 以上的代码变更、提交量增长十倍时，代码审查、合并与测试管线将成为新的瓶颈——这是「为 Agent 重构基础设施」与「改造存量平台」两条路线的正面交锋，GitHub 的应对节奏值得跟踪。需要说明的是，目前该消息主要来自平台官方发布页，尚待独立媒体报道交叉验证；对个人开发者而言，迁移成本仍是是否切换的最大变量。

来源：https://emergent.sh/news/former-github-ceo-launches-ai-native-coding

OpenCode 披露大规模蒸馏攻击，部分工作区 API Key 疑似泄露

开源编码 Agent 控制台 OpenCode 本周披露遭遇「大规模蒸馏攻击」（指攻击方通过大量诱导性请求从托管平台抽取模型输出，以复制其模型能力），并可能导致约 1.4% 的 Console 工作区中保存的第三方供应商 API Key 暴露。官方建议受影响用户立即轮换相关 Key，并核查 10 月 16-17 日以来的用量与账单是否存在异常。同期 GitHub Copilot 于 10 月 19 日下线一批旧模型，并使其模型策略 REST API 正式 GA，企业管理员从此可程序化控制 Copilot 内 Agent 可用的模型清单与发布节奏。

值得关注：这是编码 Agent 工具链从「能跑就行」进入「运维与安全」阶段的标志事件——托管控制台里保存的 Key 正在成为新的攻击面。同一周内 Anthropic 为 Claude Code 连发多个版本，重点全部是沙箱、插件市场加固与 Agent 工具安全；VS Code 也在官方文档中明确警告插件可以在本地执行代码。使用编码 Agent 的团队应把 Key 轮换、插件清单审查、沙箱化构建列入常规运维流程，而非一次性整改。

来源：https://aiagentstore.ai/ai-agent-news/topic/coding

ROKAE 人形力控臂交付突破一万台

ROKAE Robotics（港交所 3752）10 月 27 日宣布交付第 10000 台人形力控臂，里程碑机型已于 9 月在其山东生产基地下线。该公司的人形机器人已实际部署于舍弗勒（Schaeffler）位于太仓的灯塔工厂——五台搭载 AR 系列力控臂的 Helios 轮式人形机器人在一条人形机器人零部件装配线上承担搬运、装配与检测任务；此外有超过 80 家工业伙伴将其力控臂集成进生产应用。该交付数字仅统计人形力控臂产品线，不包含其销往 40 多个国家和地区的工业与协作机器人。

值得关注：「力控」（每个关节具备力反馈控制能力）被业内视为具身智能操作能力的硬件前提，万台交付说明这条供应链已跨过样机阶段、进入批量复购区间；而舍弗勒「用机器人生产机器人零部件」的场景，恰好构成一个自我增殖的产业闭环样本。公司创始人兼 CEO 表示「力控没有捷径」，万台的意义在于硬件、控制算法与制造工艺在规模化下保持一致——这与其掌宽 213 × 145.5 × 45 毫米的 MAC 控制器即可驱动一双臂全部 14 个关节的工程密度是同一件事的两面。

来源：https://hkbusinesswire.com/rokae-delivers-its-10000th-humanoid-force-controlled-arm

银河通用与宇树宣布联合研发原生智能体机器人「银河星仔」

10 月 22 日，在 2026 世界物理 AI 大会暨宇树合作伙伴生态大会上，银河通用机器人与宇树科技宣布全球首个「原生智能体机器人」银河星仔（Galbot ET1）由双方联合研发——所谓原生智能体，指机器人出厂即以「感知—决策—行动」的 Agent 方式自主运行，而非执行预设动作。银河星仔今年 8 月曾在世界机器人大会首次亮相，此次确认双方将围绕产品定义、硬件打磨与具身智能能力研发深度协同。其能力核心是银河通用自研的 AstraBrain-WBC 通用小脑基模，训练依托 AstraData 数据基座中百万小时级的人类动作数据——既包含高精度动作捕捉，也包含从互联网人类视频中提取并重定向的动作数据。

值得关注：这是「本体厂 × 模型厂」分工模式的又一次典型落地——宇树提供硬件本体与量产能力，银河通用提供小脑基模与数据管线，分工边界清晰。对关注具身数据基础设施的读者，AstraData 的「动捕 + 互联网视频重定向」双源数据策略尤其值得对照参考：它验证了非结构化视频数据经重定向后可进入训练管线的可行性。宇树创始人王兴兴在会上表示，随着基础模型能力持续提升，物理 AI 可能正接近重要突破时刻。

来源：https://www.163.com/dy/article/LA74EEAP05199NPP.html

深圳与汉诺威两场具身机器人展会同期开幕：从展品走向「作业模式」

10 月 27-29 日，2026 ROBOTECH ASIA 亚洲具身机器人应用及产业链展在深圳国际会展中心（宝安）开幕，展区从传统工业应用扩展为工业、商用、特种三大类，覆盖从人形机器人、四足机器人到零部件的全产业链。同一周，德国汉诺威举行人形机器人 Deep Dive Forum（10 月 27-28 日），BMW、舍弗勒、KUKA、DLR、西门子等参与，主题被明确为「可行性优先于愿景」——直面「为人类设计的既有工厂里，人形机器人到底值不值得投」这一争议，并安排了正反方观点交锋的圆桌辩论。

值得关注：两场展会同期开幕、议题高度一致，说明具身智能正在全球同步从演示验证转向部署验证。汉诺威论坛以「brownfield（既有工厂）作为试金石」的视角尤其务实——它对应的核心论题与国内「实景实训」政策的逻辑不谋而合：真实场景作业中沉淀的高质量真机数据，比实验室指标更能决定产业节奏。对从业者而言，这两场展会上释放的场景需求清单是判断真实落地进度最直接的风向标。

来源：https://roboticsandautomationnews.com/2026/10/06/robotech-event-expands-focus-on-real-world-robot-applications/105558 、http://ringier.home.smartinfo.com.cn/article/480218

今天 AI coding 的三条新闻都不在模型上：谷歌与 AWS 相隔一天，分别把智能体的运行开销拆成「隔离」和「等待」两笔账来处理，Anthropic 把技能格式交给了中立基金会。具身智能这边则是两件对照鲜明的事——一份报告把租金、二手价、成功率与运维成本摊到了桌面上，而 OpenAI 的机器人岗位已经挂到 27 个。

谷歌 ACE 与 AWS Infinity：一个管凭据，一个管等待

10 月 22 日，谷歌云在 AGNTCon 与 MCPCon 上发布 Agent Compute Engine（ACE）：每个智能体独占一台硬件隔离的 microVM，自带 guest 内核与 root 权限，边界由 Cloud Hypervisor 守住，底层再叠 Titanium 卸载芯片。关键设计是「沙箱内零凭据」——microVM 里不放长期密钥、OAuth 刷新令牌或云服务账号密钥，只持有一个会话级的短期 SPIFFE 身份；真实凭据由 Agent Gateway 在出网时、校验完 mTLS 身份与出网策略后才注入。microVM 没有标准网卡、没有默认网关、不直连 VPC，所有流量经 virtio-vsock 到本机代理再出去，宿主是无状态设备，根文件系统由 dm-verity 强制只读。空闲时 microVM 被 checkpoint 挂起、从快照恢复，密度靠 copy-on-write 内存共享——多个 microVM 共享基础镜像页，只有各自改过的页才占私有内存。

同一天公布的还有四层身份模型：用户身份只用来认证整项任务，委托代办身份存在中心授权服务里而不是节点上，Agent Workload 身份是唯一的短期 SPIFFE 身份、被偷走也没法直接调 API，Agent Workforce 身份则是智能体自己的账号。该服务已经在支撑 Gemini 与 Antigravity 的工作型智能体，以及谷歌内部的模型评测与强化学习流水线，客户预览在未来数月开放。它的开源兄弟是 9 月 15 日就上了 GKE 的 Agent Substrate，谷歌给的数字是每秒 500 次激活、20 万个 agent 测试中挂起与恢复低于 500 毫秒、单机容纳 1000 个以上休眠 agent、密度约为传统计算的 10 倍，并称可与 Claude Code 等 harness 配合，但生产环境 GA 目前仅白名单开放。

次日（10 月 23 日），AWS 以 Apache 2.0 开源了 Infinity，用 Rust 编写，属于 AWS 与加州大学伯克利分校合作的 Hydro 项目，作者是 Hydro 团队研究负责人 Shadaj Laddad。思路正好互补：它不在意沙箱里有没有东西可偷，而是认为智能体大部分时间花在等待上——编码智能体等一次 20 分钟的构建，助理等隔夜的审批，而主流 harness 在这段时间里把进程和内存一直占着。Infinity 把工具调用当成异步函数里的 await：派发调用、保存会话、挂起智能体，结果到达共享输入队列时再从存档恢复。每个执行切片只做四件事——载入历史、跑一次模型补全、最多派发一个工具调用、持久化并退出，切片内部永不阻塞，因此能跑在无服务器平台上：参考部署用 SQS FIFO 当输入队列、Lambda 跑切片、Aurora DSQL 存会话历史、DynamoDB 记消息处理状态，定时器走 SQS 延迟投递与 EventBridge Scheduler，仓库带 CDK 模板。外部事件靠注入一个模型从未发起过的合成工具调用 receive_event__injected 送进对话，模型 API 无需改协议；父子智能体用内置的 spawn_thread 派生，子线程报告以合成事件回传，避免子上下文塞爆父上下文；现有 MCP 服务器经兼容层可原样运行，仓库里还附了一个基于该运行时的编码智能体 Infinity Code。

值得关注：两家的判断其实一致——智能体的开销大头是等待，不是思考，但切入口不同：谷歌把安全做在「沙箱里没有东西可偷」，AWS 把成本做在「等待时不占资源」，已有技术分析认为真实技术栈最终会把两者叠起来用，也就是既便宜又安全地空转。AWS 给的量级是 8 万个 agent、每个 20 轮、共 320 万次补全，在单个 AMD EPYC 9R14 线程上用内存存储与模拟模型测出每闲置 agent 约 100KB，折算 8GB 内存可容纳约 7.5 万个——8GB 是树莓派 5 的内存容量，这只是容量的类比，测试并不在树莓派上跑。要留的两分清醒是：ACE 的启动时间、单机密度、定价与预览日期一个都没公布，AWS 的 7.5 万也是模拟模型下测出来的、未经独立验证；AWS 明确 Infinity 是早期研究版本，放出代码是为了拿反馈，不是带 SLA 的托管服务。有意思的是就在开源当天，安迪·贾西说 AWS 2026 年的算力已经售罄。

来源：Google Cloud 博客（英文转载）— https://dev48.org/en/articles/introducing-agent-compute-engine-and-expanding-agent-governance
来源：AWS 开源博客（英文转载）— https://tsnmedia.org/aws-infinity-agent-runtime
来源：Stackademic 分析 — https://stackademic.com/blog/aws-infinity-lets-agents-hibernate-by-the-thousands-while-tools-run

南北阁开源 33B 教师模型：先把老师做大，再把能力蒸给 3B

10 月 25 日 12:11（UTC），BOSS 直聘（看准）旗下的南北阁 LLM 实验室在 X 与 Hugging Face 上发布 Nanbeige4.3-33B 及其 Base 版本，采用 Apache 2.0 许可。它是 33B 的 dense 模型、Llama 式架构、支持 512K 上下文（524,288 词元），定位是 Nanbeige4.3 系列的旗舰教师模型，后续要把智能体能力蒸馏到更小的型号，第一个是 Nanbeige4.3-3B。部署方式支持 Transformers、SGLang 与 vLLM，官方示例用 4 路张量并行。

官方在同一个 harness、同一套推理超参、均为最高思考强度的条件下，与 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B 做了对比：Terminal-Bench 2.1 得 80.9（Qwen3.8-27B 为 73.0）领先，DeepSWE 得 65.5（42.5）大幅领先，Automation Bench 54.2（38.3）、JobBench 覆盖 35 个职业得 44.8（34.5）；但 SWE-Bench Pro 得 60.3、略低于 Qwen 的 61.7，GDPval 得 84.8、也略低于 86.4。全部为自报数字，尚无独立复现。

值得关注：这条的路线与主流相反——不是直接把小模型做出来，而是先堆一个 33B 的老师，再把智能体行为蒸到 3B。对本地与私有化部署场景，这是更接近可用的路径：如果 3B 能留住 33B 的 Agent 行为，成本结构就变了，用单卡跑长程任务的门槛会明显下移。但也要按住兴奋，SWE-Bench Pro 与 GDPval 两项仍略输 Qwen3.8-27B，而且全部是自测——这一行的自测数字此前多次与第三方复现对不上。另外它对自己的定位写得很清楚：33B 只是教师，真正的目标是后面那个 3B。

来源：AICoder — https://aicoder.com/news/news-20261025-nanbeige-4-3-33b-open-agentic-model
来源：Hugging News — https://huggingnews.com/ai/nanbeige-releases-33b-parameter-model-with-state-of-the-art-agentic-perf-49ffccaa
来源：Digest AI News — https://digestai.news/story/nanbeige-releases-nanbeige-4-3-33b-teacher-model-for-lightweight-agents

Anthropic 把 Agent Skills 交给中立基金会：技能格式不再属于某一家

10 月 22 日，Anthropic 公告把 Agent Skills 标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF）。AAIF 由 Anthropic、Block 与 OpenAI 在 2025 年共同创立，此前已经接收过 Anthropic 捐出的 MCP，因此这是同一路径上的第二次捐赠。捐赠范围包括标准本身、名称与 Logo、GitHub 组织，以及 agentskills.io 域名。

一个技能就是一个含 SKILL.md 的文件夹，配上脚本与参考资料，把「你们团队怎么写测试、怎么部署、品牌规则是什么」这类流程性知识打包给智能体。它诞生于 Claude Code 的开发过程中——Claude Code 在 2025 年 10 月上线，几周内就有开发者为其发布了数千个技能，并给 Codex、Cursor、OpenCode 写了加载器，Anthropic 于同年 12 月把它作为开放标准发布。目前超过 70 个平台接入，包括 ChatGPT、Cursor、GitHub Copilot 与 VS Code，约 100 万个技能被发布、近 2.8 亿次被安装。后续维护者以个人身份参与，来自 Anthropic、谷歌、OpenAI 等公司，由 David Soria Parra 与 Mahesh Murag 担任首席维护者，路线图包括版本化发布、正式的提案流程，以及面向技能作者与安装者的安全指引。同一天，AAIF 还接收了 OpenAI 的 Open Responses（多供应商模型接口规范）与 Hugging Face 的 OpenEnv（强化学习环境枢纽）。

值得关注：这是 10 月 22 日的旧闻、本周才在中文圈扩散开，放在今天写是因为它的影响在今天才落到具体动作上——技能格式归中立基金会后，团队把工程规范写成 SKILL.md 一次，就能在不同的编码工具之间迁移，换工具的成本下降。另一半是安全：技能里装的是会被执行的指令与脚本，安装一个技能更接近安装软件而不是下载文档，路线图里那条安全指引才是真正该盯的项。对已经在用编码工具的团队，可以直接提两个问题——你们的工程规则有没有写成可移植的形式，以及谁负责审核第三方技能。

来源：Anthropic 官方公告 — https://www.anthropic.com/news/donating-agent-skills-to-the-agentic-ai-foundation
来源：BuildApps 转述 — https://buildapps.co.uk/signals/anthropic-donates-agent-skills-agentic-ai-foundation-vendor-neutral

具身智能的账：租金、二手价、成功率与运维成本

10 月 26 日一篇行业文章把「具身智能是不是泡沫」换成了「能不能把账算平」的问题，并引用中国信通院与清华大学联合发布的《具身智能发展报告（2026年）》给出几组硬数字：人形机器人日租金从 2025 年初的数万元降到 2026 年的数千元，部分旧款工程样机的二手价从 30 万至 80 万元跌到 3 万至 6 万元；机器人在真实家庭环境中的任务成功率仅 12%，而仿真环境为 89.4%；真机操作榜的最高成功率仅 24.4%，人类专家是 100%；整机价格只占总拥有成本的 40% 至 60%，单台轮臂或双足人形机器人的年综合运维成本约 50 万至 70 万元，高于多数岗位的人力成本；公开中标项目中教育科研机构约占 55.5%，工业及技术型企业仅约 21.1%。

同期另一组数字是：上半年国内具身智能赛道融资 322 起、约 935 亿元，同比增长约 5 倍；全球人形机器人出货超 2.2 万台，五家国内整机厂商合计占比超 86%。会上嘉宾把问题拆成两层——方向是不是必然，与当前产品能不能干活，是两个完全不同的问题；泡沫与否最终不取决于估值曲线，而取决于机器人进入场景后能不能把一笔账算平。

值得关注：这组数据里最该盯的不是融资额，而是 12% 与 89.4% 的落差——它把「仿真里训出来的能力」与「真机上验收的能力」之间的缺口量化了，这个缺口的位置就是真机数据的价值所在。这条与 10 月 21 日日报引用同一份报告时谈的「千万小时级有效数据」正好互补：那边是数据量的门槛，这边是单位经济的门槛。对做数据的人来说这反而是好消息——真实场景成功率越低，采集、清洗、质量评估就越值钱，而这块恰恰是培训班标准化教学覆盖不到的部分。

来源：网易（独角兽早知道）— https://www.163.com/dy/article/LA4H122E0519VPHD.html
来源：证券时报（网易转载，10 月 23 日岗位口径）— https://www.163.com/dy/article/LA08UQKA053469RG.html

OpenAI 的机器人团队：27 个岗位，短期目标是帮技术工人建基础设施

10 月 26 日新浪财经转载的国际动态里，OpenAI 首席执行官奥尔特曼在《Sources》播客中被问到公司会不会亲自制造人形机器人，回答是「我们会」，但他强调外观细节这类问题远不如研发出驱动机器人运转的大脑重要——门、键盘与各类工具都是按人体形态造的，所以选择人形本身有合理性。在《财富》杂志的采访中，他预计 2027 年能拿出亮眼的演示样机，但机器人走上街头还要再等好几年，也没有透露演示内容与外观。

招聘页面目前挂着 27 个机器人方向的岗位，覆盖运动控制、状态估计、执行器控制、整机行为开发、用于训练实体 AI 系统的机器学习基础设施，以及规模化量产所需的制造与供应链；岗位信息显示团队正在自研集成电机、传动机构、传感与热管理系统的机电一体化执行器。一条招聘启事写明了短长期目标：短期打造通用机器人协助技术工人建设基础设施，长期是完成更多种类任务的个人机器人。公司尚未正式发布实体机器人，也未公布售价、订阅模式、上市日期或针对机器人的隐私规范。

值得关注：岗位结构本身说明了路线——27 个岗位里既有大脑也含执行器与制造供应链，嘴上说硬件没那么重要，手上在补的正是硬件那一半。另一个可对照的时间口径：10 月 23 日有报道称官网在招 10 余个 Robotics 相关岗位，本周增至 27 个，两周内翻了一倍多。短期目标选「协助技术工人建设基础设施」而不是家庭场景，也与业内避开开放家庭环境的选择一致——上文那份报告里 12% 的家庭成功率，正好解释了为什么大家都先去工厂和基础设施。

来源：新浪财经 — https://finance.sina.com.cn/wm/2026-10-26/doc-iniwnzcz9300100.shtml
来源：证券时报（网易转载）— https://www.163.com/dy/article/LA08UQKA053469RG.html

精准输入：搜索时主动"做减法"

避免信息泛滥的第一步，就是在搜索时提高精准度。

• 技巧性搜索：多使用 ""（精确匹配）、减号 -（排除特定词）、site:（限定网站）和时间范围等高级搜索语法，能直接过滤掉大量无关结果。
• 策略性搜索：每次搜索前问自己："我想用查到的信息解决什么问题？" 这能有效对抗算法推荐带来的无目的浏览。

即时处理：让大脑专注于思考

每打开一个新标签页，都应有明确的处理策略。

• 三秒决策：快速判断网页价值，并决定：归档保存（用稍后读工具）、立即精读并做笔记，或直接关闭。避免让未处理的页面堆积。
• "5 分钟原则"：如果预估能在 5 分钟内读完并消化，就立刻做。拖延是导致标签页堆积的主要原因。
• 初步结构化：看到一个有价值的观点时，可以立刻用"曼陀罗九宫格"这类简单工具，在中心写下主题，在周围快速发散记录相关想法，为后续整理奠定基础。

深度整理：从发散到收敛

这是将碎片信息转化为知识的关键一步。

• 运用"发散-收敛"思维方法：先无拘束地收集（发散），再用固定的时间进行汇总、分类、提炼核心观点和行动计划（收敛）。每天工作结束前，强制自己完成一次"收敛"操作。
• 构建知识体系：将整理好的内容，存入双链笔记软件（如 Obsidian、Logseq）或大纲工具（如 Workflowy）。关键在于建立笔记之间的关联，而非简单堆积。

行动与应用：从知道到做到

真正的消化意味着信息能改变你的思考或行动。

• 践行"应用策略"：遇到有用信息时，停下来问："这个具体可以如何用在我的工作/生活中？" 哪怕只记下一个微小的应用点，也比单纯收藏更有价值。
• 启动"数字清理"：可以参考专家建议，进行一个为期 30 天的轻度数字清理，例如：清理浏览器书签、取消无用订阅、设置每天固定的"无干扰浏览"时段，甚至睡前 1 小时不使用电子设备。这能从环境上减少干扰源。