今天这几件事其实在同一条线上：交付的形式变了。漏洞要交到可合并的补丁为止，模型要交到你自己机器上跑，算力基建要交到 14 天之内，机器人要交到便利店里上满 24 小时。安全、模型、商业、基础设施、具身落地五个角度讲的都是同一句话——「能生成」已经不够，得交得出去。

PHP2Shell：AI 找到的两个严重漏洞，逼着 PHP 提前一天发补丁

PHP 项目于 10 月 21 日紧急发布 8.5.12、8.4.27、8.3.36、8.2.35 四个版本，修复两个被评为 CVSS v4 9.2 的严重远程代码执行漏洞 CVE-2026-109618 与 CVE-2026-109619，业界称为 PHP2Shell。前者是内存耗尽时 PHP 在请求数据只建立一半的情况下被中断、清理过程把损坏数据当成有效数据；后者是一次请求的状态在内存释放之后仍被后续请求复用。PHP 官方称所有对外提供 Web 请求服务的安装都有风险，包括 PHP-FPM、Apache mod_php、php-cgi、FrankenPHP 与 LiteSpeed，其中 mod_php 风险最高，一个未认证请求可以在任何应用代码执行之前触发；Wiz 估计 PHP 运行着约七成网站，且从 5.4 起的每个版本至少受其中一个漏洞影响。这次发布的特殊之处在于漏洞是怎么被找到的：安全公司 Calif 在 OpenAI「Patch the Planet」计划资助下于 7 月 30 日开始审计 PHP 源码，8 月 11 日与 OpenAI 在同一天独立报告了同一根因，OpenAI 称其 GPT-5.6 Sol 参与了发现；谷歌旗下的 Wiz 于 8 月 24 日独立发现并报告了这两个漏洞，使用了自家的 Atlas 智能体以及 Gemini 4 Argon 与 GPT-5.6 Sol。原定 10 月 22 日发布，因 10 月 20 日两个 CVE 编号连同错误的 CVSS 10.0 评分在网上流传，PHP 项目把发布提前一天到 10 月 21 日；Cloudflare 称其 WAF 规则在披露前约九小时对所有客户（含免费账户）生效，并观察到攻击者不断修改载荷试图绕过。

值得关注：这是第一次在互联网级漏洞上，前沿模型同时被记在「发现漏洞」和「证明它有多严重」两件事上，Wiz 的说法是一名研究员用一周完成了过去需要一个顶尖团队数月的工作。但真正有价值的信息在另一侧：PHP 基金会披露自 7 月 1 日以来处理了 15 个 CVE，同时处理了 100 多份无效、重复或无法复现的报告，并明确强调工具不能决定正确的修复方式、也不能评审补丁，每一个决定和每一行补丁都由人完成。同一晚 Anthropic 给出的是另一半答案——不在多找问题，而在少留可达面：在 25 个项目上标记了 493 个问题，其中包含 94 个会静默关闭某项安全控制的配置组合，其对 OpenSSH 的改动移除了约五分之一未认证客户端可达的代码。发现变便宜了，分诊、修复与收缩攻击面没有，而后者才是速度上限。

来源：PHP 项目安全公告 ｜ The Next Web：PHP rushes out emergency patches for two critical bugs AI found first ｜ OpenAI 关于协同披露的说明

Recursive 发布 Flint：398 亿参数跑在笔记本上，且主要由 AI 自己造出来

前 Salesforce 首席科学家 Richard Socher 创办的 Recursive 于 10 月 21 日发布首个模型 Flint，一个 398 亿总参数、每个 Token 只激活约 25 亿参数的混合专家编码模型，权重以 Apache 2.0 许可放在 Hugging Face 上免费下载。它主打的是跑在用户自己的机器上：4-bit 权重约 23GB，48GB 内存的 Apple Silicon Mac 或英伟达 GPU 就能跑，代码不出本机、可离线使用，也不产生按 Token 计费的账单。Recursive 自测的速度是 M4 Pro 芯片的 MacBook Pro 上约 131 Token/秒，同机型上的 Gemma 4 与 Nemotron 3.5 Lightning 为 58 到 69，在 RTX Spark 上超过 150；模型卡标注上下文 262,144 Token，博客称最高可达 512k。分数同样是公司自测：SWE-bench Verified 74.2%、SWE-bench Pro v2 89.7%、Terminal-Bench 2.1 54.9%，在 500 亿参数以下的 MoE 模型中居首，但在 Recursive 自己的六项平均里只有阿里 Qwen3.8 27B 比它更高，Terminal-Bench 上的 54.9% 也明显低于稠密模型 Qwen 3.8 的 73.0%。真正值得注意的是模型的来路：Recursive 称其自动化研究系统 Eureka Machine 参与了从预训练、后训练到推理几乎每一个环节，具体贡献包括把架构从 35B 总参/3B 激活的基线搜到 40B/2.5B、把输出层量化到 4 bit（NVFP4 版本与 16 bit 相差 0.7 分）、以及自研的低比特投影与 MoE、注意力算子（在 M4/M5 上用一个 Metal megakernel 融合整个解码前向），低比特训练让模型体积缩小 71% 而质量几乎无损；团队规模很小，从零到发布不到四个月。

值得关注：把「AI 造 AI」从一场争论变成一个当场可下载的样本，这是这次发布最有价值的地方，任何人都能在自己的机器上验证而不必相信宣传口径。同时要看到三条冷水：所有基准与速度都是 Recursive 自测、尚无独立复现；公司自己承认 Flint 比大型付费编码助手需要更多引导，复杂任务要拆小步；Eureka Machine 到底节省了多少研究员时间，公司没有披露。另一个容易被忽略的对照是交付形态——Meta 上周发布的 Muse Spark Open 用 8160 亿参数、至少需要 1TB 内存才能本地跑，Flint 用不到二十分之一的激活参数做到普通笔记本可用，说明「本地可用」这条路由两条完全不同的技术路径同时推进。

来源：TechCrunch：Recursive launches Flint, a laptop coding model it says was largely built by AI ｜ Flint 模型卡（Hugging Face）

SpaceX 三季报：Cursor 并表约七周贡献 6.08 亿美元，AI 首次成为最大收入来源

SpaceX 于 10 月 20 日盘后公布 2026 年第三季度财报，营收 145.8 亿美元同比增长 161%，净利润 44.04 亿美元，实现上市以来首次单季盈利。最值得看的是拆分：原 AI 业务更名后的「超级智能」（SI）板块收入 75.6 亿美元，同比增长 830%，占总营收约 52%，首次超过星链（52.5 亿美元）成为最大收入来源。公司披露，8 月 14 日完成收购的 AI 编程工具 Cursor，自并表至 9 月 30 日贡献收入 6.08 亿美元；SI 板块当季营业利润 4.31 亿美元，而二季度还是亏损 12.57 亿美元。代价同样写在财报里：三季度总资本开支 195.9 亿美元，其中约 164.4 亿美元投向 SI 基础设施，首席财务官预计四季度资本开支在 350 亿至 400 亿美元之间；截至季末名义算力 1.7 吉瓦，高于二季度末的 1.4 吉瓦。马斯克在电话会上说，超级智能部署的主要瓶颈是电力、冷却和基础设施而不是芯片本身，并给出到 2027 年底 ARR 达 5000 亿至 1 万亿美元的指引。

值得关注：这是 AI 编码工具第一次以一个可核对的金额出现在上市公司财报里。6.08 亿美元对应 8 月 14 日到 9 月 30 日约七周，粗略折年化约 44 亿美元，与 Cursor 6 月披露的约 40 亿美元年化收入口径基本吻合——也就是说这门生意的规模第一次有了第三方财报口径的交叉验证，不再只是公司自己公布的 ARR。同时要看到另一面：OpenAI 已于 8 月底表示将在 11 月终止 Cursor 对其模型的访问，一家 AI 编码工具的最大模型供应商可以在几个月内消失，这比任何关于护城河在哪的讨论都更直接地说明了，工作流、仓库上下文与企业策略为什么比模型接入更难被替换。

来源：环球网科技：SpaceX 三季度 AI 业务首超星链，净利润 44 亿美元实现首次单季盈利 ｜ 每日经济新闻：SpaceX 三季度财报详解

黄仁勋 GTC 柏林演讲：AI 工厂部署从六个月压到 14 天，人形参考平台交给欧洲伙伴

英伟达 CEO 黄仁勋于当地时间 10 月 21 日在柏林 GTC 大会发表约 90 分钟主题演讲，主线是把英伟达的定位从卖 GPU 推向卖「AI 工厂」。会上发布的 DSX POD 是一套参考设计，把七个液冷 Vera Rubin 计算机架用 Spectrum-X 网络连起来，伙伴在模块化集装箱内完成布线、集成与测试后再交付，官方称在场址公用设施准备就绪的前提下，部署周期有望从约六个月缩短到最快 14 天，预计 2027 年初可用；英伟达同时称该设计冷却用水可降至近零，在 2 吉瓦规模下每天可省 5400 万升水。具身方向的具体发布是 Agile ONE SN——由德国思灵机器人（Agile Robots）基于英伟达 Isaac GR00T 与 Jetson Thor 计算模块打造的人形机器人参考平台，31 个自由度，出厂预装计算机与软件，计划 2027 年初推出；该公司 CEO 陈兆鹏告诉路透，明年将与英伟达合作生产 1000 到 2000 台小型人形机器人，生产今年晚些时候启动。黄仁勋还把智能体称为新的计算平台，发布了 OpenShell 参考架构（Vera Rubin 负责推理、Vera CPU 处理工具调用、BlueField-4 数据处理器运行 Sentry 安全软件，在硬件层面持续执行安全策略），并称英伟达过去一年向欧洲技术生态投入近 100 亿美元、本次欧洲之行已敲定 14 笔对欧洲初创公司的投资。台上也有尴尬时刻：与 Hugging Face 合作的法国 Pollen Robotics 那批 25 厘米高的双足「微鸭子」，在他下令趴下时三只应声倒地、第四只需要额外劝说，另有一只在演讲结束时背对观众走神。

值得关注：这条新闻真正的变化是英伟达卖的东西——从芯片变成一套能在两周内部署完的整厂方案，以及一套让别人照着造人形机器人的参考平台，这意味着具身智能的底座正在被标准化，创业公司的起跑线被抬高也被前移。但同一场演讲里的微鸭子翻车恰恰是最诚实的部分：语音指令、多台协同、现场干扰这几件事在 2026 年依然会当场失效，而工厂与仓库要的恰恰是不失效。另外要注意 14 天这个数字的前提——它指的是场址公用设施已经就位的条件下，电力、网络与场地本身并不在这 14 天里。

来源：财联社：黄仁勋 GTC 柏林演讲 ｜ Reuters：Nvidia's Huang hails Europe's AI potential, flanked by robot ducks ｜ The Register 现场报道

智元「AI WAVE」七天七连发，最后把机器人送进便利店上满 24 小时

智元于 10 月 21 日宣布，从 10 月 22 日起连续七个工作日发布七项全栈具身智能成果，统称「AI WAVE」：10 月 22 日 AGIBOT WORLD 2026 第四期「具身推理」数据集，首批 150 小时真机数据专攻决策；10 月 23 日 Genie Studio 2.0 作业平台；10 月 26 日安规级重载工业机器人 G2 Max；10 月 27 日 Genie Master，公司称将在真实业务场景首次实现 Physical RSI（具身递归自我改进）；10 月 28 日 Genie Sim 升级自研物理引擎，称复杂任务的真机-仿真一致性超过 95%；10 月 29 日基座大模型；10 月 30 日群体经验学习（CEL），称是首个在百台级真机集群上完成原型验证的机器人学习范式。发布不是终点：11 月 2 日至 3 日，六台 G2 机器人将进入真实便利店，在 24 小时不间断直播中经历午高峰、晚高峰、深夜值班、早餐准备四个完整班次，智元称之为一场「转正考核」。10 月 29 日的 2026 智元创新日将在上海世博中心举行。公司把这次密集发布的动机说得很直白——过去几个月行业在争「通用大模型越来越强，具身智能还有存在价值吗」，它的回答是不靠辩论而靠全栈协同：完成单次任务需要模型与本体协同，长期稳定运行需要环境适应与异常处理，规模化应用需要低训练成本、快部署与能力复用，数据、工具、本体、系统、模型少一环都跑不通。

值得关注：把「全栈」从一个形容词变成一张带日期的排期表，本身就是一种表态——而且最后一项不是发布会，是让六台机器人在直播镜头前上满四个班次。24 小时便利店这个场景选得很刁：它同时考验长时运行、客流高峰的异常处理、夜间无人值守和跨班次的一致性，正是当前具身系统最容易崩的几类情况；用不剪辑的直播做验收，等于把评判权从厂商自述移交给观众。也要提醒一句，一致性超过 95%、百台级集群完成原型验证、Physical RSI 首次落地这些目前都只有公司口径，尚无可核验的第三方数据。

来源：扬子晚报网：智元「AI WAVE」定档 10 月 22 日 ｜ 中证网：智元宣布 10 月 22 日起七天连发七项成果

今天的两条主线都很「工程化」。编码 Agent 这边，Chrome 团队把浏览器调试能力做成正式可用的 MCP 服务器，Agent 可以自己开页面、读控制台、跑性能 trace，再回头改代码——闭环里少了一个人；开源社区这一周则把力气花在模型外面那层运行时上。具身智能这边，行业报告把「缺数据」量化成了千万小时级，资本开始往关节与力控这类底层硬件集中。

Chrome DevTools MCP 转正：编码 Agent 终于能自己开浏览器查错

Chrome 团队把 chrome-devtools-mcp 做成了正式可用的 MCP 服务器，让 Claude Code、Cursor、Copilot、Gemini CLI、Antigravity 这类编码 Agent 直接控制和检查一个真实的 Chrome 实例。MCP 指 Model Context Protocol，一套让 AI 客户端以统一接口调用外部工具的开源协议，最初由 Anthropic 提出，现已成为编码 Agent 接工具的事实标准。该项目以 Apache-2.0 协议开源，版本 v1.11.0，GitHub 上约 5.38 万星、149 位贡献者。能力分三块：录制 trace 并提取可执行的性能洞察；分析网络请求、截图、读取控制台消息（带 source map 堆栈）；基于 Puppeteer 的可靠自动化，动作之后会等待结果而不是盲等。落到具体工具上，就是 take_snapshot、take_screenshot、list_console_messages、list_network_requests、get_network_request 这一组读状态的接口，加上 click、fill_form 这类写动作，以及 emulate_cpu、emulate_network、resize_page 用来模拟弱网与低端机，还有 performance_start_trace 与 performance_analyze_insight 负责把一次加载拆成可归因的指标。除 MCP 外还提供 CLI 与精简的 slim 模式；Chrome 144 及以上版本可以在 chrome://inspect 里打开远程调试，再用 --autoConnect 接入一个已经开着的浏览器实例。

值得关注：它补的是 Agent 工作流里最后一段盲区。前端 bug 过去必须由人复现、截图、贴日志，Agent 只能靠猜；现在它可以自己进浏览器验证「改完到底好没好」，验证成本从几分钟人工降到一次工具调用。边界同样清楚：浏览器里的内容对 MCP 客户端完全可见，接到日常用的浏览器等于把登录态交出去，官方建议用独立 profile；使用统计默认上报 Google，trace 的 URL 会发给 CrUX 接口，需要 --no-usage-statistics 与 --no-performance-crux 手动关闭；官方只保证 Chrome 与 Chrome for Testing，要跨浏览器得换 Playwright MCP。

来源：Chrome DevTools MCP 正式可用（AI 技术日报 2026-10-21） · ChromeDevTools/chrome-devtools-mcp

编码 Agent 的竞争点，正从「模型」挪到「运行时」

10 月 17 日至 21 日，GitHub 上冒头的几个项目指向同一件事。LemonCrow v0.8.0 是一个 Python 写的编码 Agent 运行时，官方目标是平均提速 25%、降本 30% 而不牺牲质量。Pi Harness v2.2.4 给 Pi Coding Agent 补上了可观测性、治理、崩溃恢复、评估与多 Agent 编排。Runner v0.16.4 用 Rust 把 Claude Code、Codex、Copilot CLI 放进同一个终端协同干活，各自保留独立的 TUI 界面。同期还有 NanoCoder v1.31.0，主打自己带模型、代码留在本地。

值得关注：这几件事拼起来是一张清晰的图——模型能力还在涨，但工程侧的差距越来越体现在 harness，也就是模型外面那层负责上下文管理、工具执行、权限、日志、长任务与成本的东西。当 Flash 档模型已经能把单任务成本压到一两块钱，真正决定生产可用性的就变成了「出错能不能恢复」「花了多少钱能不能解释」「多个 Agent 抢同一个仓库会不会打架」。对技术选型的含义是：评估一个编码工具，只看榜单分数已经不够，要看它能不能被审计、被限流、被回滚。

来源：AI model releases this week（AI on Radar）

伊塔动力完成超亿元种子系列融资：钱投在人形机器人的「动力底盘」上

机器人动力与操作平台企业 YITA Dynamics 伊塔动力在 10 月 20 日披露，已完成种子轮与种子+轮合计超亿元融资，由经纬创投、商汤国香资本、建银国际、光源 L2F 基金、银河通用及傅利叶智能联合投资，光源资本担任孵化方与独家财务顾问。公司的定位是打通具身算法与机器人的物理执行机构，路径从关节模组延伸到力控操作平台。创始人钟雪岗有十余年机器人产业化经验，此前在傅利叶智能负责人形机器人动力板块，主导三代共 20 余款执行器与关节模组开发，产品累计量产近 5 万台；首席科学家闫磊长期做力控机械臂算法与灵巧操作。技术路线上，公司选择自研复合行星力控方案，作为区别于传统谐波传动的一条独立路线。公司名取自希腊字母 η（Eta），在强化学习里代表学习率、在动力传动里代表能量转化效率，正好对应它的双重定位。

值得关注：这笔钱没有投给本体品牌，而是投给了决定「机器人能不能把力气用准」的那一层。灵巧操作场景对机械臂的约束是负载、体积、能耗、成本互相牵制，任何一项单独优化都会挤压其余三项，所以这一层的技术选择一旦定型就很难改，先发者拿到的是一段长期的结构性优势。投资方的判断也点明了范式变化：过去机器人控制靠固定规则编写，现在硬件系统要适配基于学习的智能模型，软硬件协同设计才是降低具身模型落地门槛的关键。需要保留的边界是，机构自己承认赛道商业化周期长、技术落地与客户验证仍存不确定性；「近 5 万台」是团队历史机型累计量产数，不等于新公司的出货量。

来源：伊塔动力完成超亿元种子系列融资，瞄准具身智能底层动力硬件（腾讯新闻）

《具身智能发展报告（2026）》：要等来机器人的「ChatGPT 时刻」，先得有千万小时级数据

10 月 13 日至 16 日，国际电信联盟（ITU）具身智能标准焦点组 2026 年第三次会议及标准高级研修班在杭州举行。该焦点组已汇聚 57 个国家和地区的 500 余名专家，设九大分组，覆盖基础架构与术语、多模态数据、具身智能模型、系统集成与接口、开源生态等方向，数十项标准工作项目正在推进。由中国信息通信研究院牵头推动的 ITU-T F.748.66《具身智能系统框架及能力要求》已于 2025 年 12 月获批生效，明确了具身智能的定义、系统框架以及感知、决策、执行、交互、学习等关键能力要求。会上，中国信通院、清华大学电子工程系与具身智能测试实验室联合发布《具身智能发展报告（2026）》，判断产业已走出实验室样机阶段，进入商业化落地的关键窗口期，北京、广东、江苏、浙江等地形成特色产业集群。

值得关注：报告给出了一个可用来校准预期的硬数字——要实现机器人自己的「ChatGPT 时刻」，模型需要千万小时级的有效数据。在高需求与大规模缺口之间，国内已有数十家公司进入具身数据赛道，仿真合成与真实数据并行推进，各自的能力边界逐渐清晰。仿真公司 Motphys 的判断是，产业关注点正从机器人本体转向数据与训练，如何获取高质量数据、提升训练效率、缩小仿真与真机之间的差距，才是落地的主要矛盾。这也是当前具身智能最像早期大数据的地方：算力和本体都可以买，唯独数据管线、治理与质量评估买不到，只能一单一单攒。

来源：具身智能落地呼唤可信数据标准 Motphys 仿真方案引关注（光明网）

首届全球具身智能应用创新挑战赛闭幕：2000 支队伍在杭州比「连续作业」

首届全球具身智能应用创新挑战赛暨 2026 中国机器人大赛于 10 月 18 日在杭州闭幕。赛事由中国自动化学会、国家具身智能应用中试基地主办，10 月 16 日开幕，赛场分布在白马湖国际会展中心与滨江智造谷。初赛阶段吸引全国 380 所高校及企事业单位约 2.8 万人次参与，决赛阶段 2000 支队伍、近 5000 名选手到场，最终产生 59 支冠军队伍、57 支亚军、52 支季军，共 168 支队伍进入各赛项前三。中国机器人大赛创办于 1999 年，本届大学组设 22 个大项、60 个子项目。

值得关注：赛制本身在变。传统赛项与具身智能应用任务同场展开，首届挑战赛覆盖柔性分拣、空地协同、居家服务、医疗辅助、未知地形探索和灵巧操作，其中含 3 个企业赛项，要求机器人在动态环境里连续完成感知、判断、规划与执行，评价重心从单项性能转向多步骤任务的完成质量。这是一个信号：人才评价标准正在跟产业需求对齐，能调通一个动作的人不缺，能把一串动作在不确定环境里稳定跑完的人才稀缺。边界也要说清楚，比赛成绩不等于产品可靠性，真实产线的节拍、良率与安全冗余是另一套考卷。

来源：首届全球具身智能应用创新挑战赛暨 2026 中国机器人大赛在杭州闭幕（央广网）

今天最值得琢磨的不是谁又发了一个更大的模型，而是几份「账本」同时被摆到台面上：国产 Flash 档把旗舰级的分数压到一两块钱一个任务，一份大规模实验算清了编码 Agent 开多并发到底值不值，NVIDIA 则公开了自己在预训练与后训练之间插入的那一层训练配方。具身一侧，一条路线图把「数据从哪来」拆成四层，一台人形力控臂走到了万台交付。

MiniMax 发布 M3.1 Flash，把旗舰级分数打到一两块钱一个任务

MiniMax 本周推出 M3.1 Flash，定位是面向复杂 Agent、电脑操作、软件开发与网络安全的高性价比模型。官方口径里，它采用更激进的稀疏注意力架构，线上推理速度较上一代提升近 3 倍，日常输出可达 200+ TPS，Agent 类任务的综合使用成本下降约 70%。API 定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，稍后会开放权重。在成绩上，其 max 档在软件工程基准 DeepSWE v1.1 上拿到 73.7 分，超过点名对比的 GPT-5.6 Sol（73.0）与 GLM-5.3（66.9），单任务成本不到 2 元；在 Zapier 构建并开源的 Automation-Bench（600 个真实企业业务流程任务，跨销售、营销、运营、客服、财务、HR 等多套 SaaS 系统）上拿到 62.8 分，高于点名对比的 DeepSeek V4.1 Flash-1017（60.5）、OpenAI GPT-5.6 Sol 与 Claude Opus 5。另有 OSWorld V2 61.7 分、ALE 29.6 分、BankerToolBench 76.2 分、CyberGym 82% 等分数见诸转述。它上线的时间点很微妙：两天前，也就是 10 月 17 日，DeepSeek 才刚更新 V4.1 Flash-1017，两家国产厂商在不到 72 小时内接连出手。

值得关注： 这条新闻真正的意义不在某个榜单名次，而在单位成本的量级变化。据转述对比，同样在 DeepSWE 上拿到七十三四分，Claude Opus 5 一个任务的花费是 M3.1 Flash 的四十倍以上；也就是说，过去只有旗舰档才够到的分数，现在开始出现在单任务一两块钱的 Flash 档上。当能力相近而成本差一个数量级时，工程上的选型逻辑会跟着变——长流程、多轮重试、可以失败再来的 Agent 任务，会被大规模推给便宜的段位，旗舰则退到真正需要长程推理的场景。需要保留的判断边界是三点：其一，大部分分数来自 MiniMax 官方发布的总榜与各家媒体转述，尚未见独立第三方复现；其二，36 氪的测算显示两家的成本优势高度依赖缓存命中率——命中率 90% 时 M3.1 Flash 输入费 190 元、低于 DeepSeek 高峰时段的 236 元，但命中率提到 95% 后是 145 元对 138 元，已经基本打平，所谓「价格斩杀线」是有条件的；其三，两家的强弱并不是一边倒——DeepSeek 在 DeepSWE 上的 max 档约 77 分仍高于 M3.1 Flash，并不能说 MiniMax 全面反超。

来源：DeepSeek第一，MiniMax第二，国产Flash双子星杀疯了 - 36氪 ｜ MiniMax M3.1 Flash 上线：每百万 token 输入 1 元、输出 4 元，权重稍后开放 - 腾讯云开发者社区

一份 354 个任务的大规模实验：给编码 Agent 的动态并发算了笔细账

南京大学与伊利诺伊大学厄巴纳—香槟分校的研究者在 arXiv 论文 2610.10263 中对三种前沿编码 Agent——Codex 的 Multiagent V2、Claude Code 的 Dynamic Workflow、Kimi Code 的 AgentSwarm——做了配对实验。范围覆盖 RepoZero、ProgramBench、NL2Repo、LoopsBench 四个长周期基准，外加相对短周期的 SWE-bench Verified，共 354 个任务、2124 次执行，累计记录约 112 亿 Token，按标准 API 价格折算约 20780 美元。结果并不支持「多开几个子智能体就会更好」的直觉：在长周期的 LoopsBench 上确有收益，Claude Code 的任务完成率从 7.1% 升到 21.4%，Codex 从 21.4% 升到 25.0%；但在目标明确的 SWE-bench Verified 上，Codex 并发前后都是 71.0%，Claude Code 从 83.0% 掉到 59.0%，Kimi Code 从 77.0% 掉到 59.0%。全部 354 个任务加总，Codex 在并发模式下多完成 8 个任务但提升不显著，Claude Code 和 Kimi Code 分别少完成 42 个和 19 个，且下降具有统计显著性。

值得关注： 这是迄今对「编码 Agent 并行化」最扎实的一次量化，而且它给出的答案恰好是对 Anthropic 放开千级 Agent、Vals AI 测得多团队成本高出 1.8 至 5.1 倍那一类结论的交叉验证。三个细节尤其有价值：第一，代价被显式量出来了——并发模式的 Token 消耗是顺序模式的 1.41 至 3.31 倍，15 组「Agent × 基准」组合中有 14 组在开启并发后平均运行时间反而变长，Claude Code 在 SWE-bench Verified 上的平均耗时从 17.5 分钟升到 27.8 分钟，同时完成率还下降了；第二，失败模式被编成了一套分类法——研究者人工标注 1062 条并发轨迹，归纳出 4 大类、13 个子类、28 种具体失败模式，出现在 650 条轨迹的 804 次实例中，其中「共享状态与代码合并冲突」占 33.2%、「执行治理」占 29.0%、「任务编排」占 28.5%、「全局上下文管理」占 9.3%，这说明瓶颈主要不在模型写不好一段代码，而在谁负责什么、结果何时回收、冲突怎么合——本质上还是分布式系统那套老问题，只是参与者变成了会自己改文件的模型；第三，它没有一棍子打死并发，而是提炼出三类真正有效的机制——互补分工（Kimi Code 重建 justext 时主 Agent 写核心算法、8 个子智能体负责交付物，耗时从约 734 秒降到 468 秒且不降质量）、并行探索（Codex 重建 Halite 时主 Agent 采纳了子智能体的地图行为实现并保留自己的协议处理部分，最终通过 391 项测试中的 292 项，而顺序版本根本没能构建成功）、独立验证（一个密码学子智能体指出主 Agent 在 ECDSA nonce reuse 场景中漏掉了 P-256 椭圆曲线阶数的要求，从而修正了整体恢复算法）。论文的核心命题从「能并行多少个 Agent」换成了「怎样才算真正协作」，这与这一年来评测口径的迁移方向完全一致。需要注意的是，作者也指出即便任务最终完成，过程中仍常出现重复劳动与额外集成成本，且所有结论均基于这三种具体机制与当时的版本号，换版本重跑未必复现。

来源：当 Coding Agent 开始动态并行，软件开发变得更好了吗？- 腾讯新闻（新智元） ｜ 论文 arXiv:2610.10263 ｜ 研究数据与代码

NVIDIA 公开「中间训练」配方：在预训练与后训练之间插一层

来自 NVIDIA 的团队在论文（arXiv:2610.22019，10 月 18 日发布）中系统公开了一个名为 midtraining（中间训练）的阶段配方：它位于常规预训练与 SFT/RL 之间，目的是让基座模型提前接触真实软件工程所需的长结构化材料——完整仓库、Pull Request、提交历史、构建日志——并混入有限比例的 Agent 轨迹。关键设计包括：在 25.6 万 Token 的上下文窗口上训练、总量达数千亿 Token、以自然软件工程数据为绝对主体、为 Agent 轨迹保留约 10% 至 15% 的配比、保留 20% 的预训练数据重放以避免分布突变，以及在使用轨迹时把工具的返回内容（环境输出）从损失函数中遮蔽掉。落实到 Nemotron 模型上的结果是：30B 参数的 Nemotron 3.5 Lightning 经过 5000 亿 Token 中间训练后，在同样的 SFT 条件下，SWE-bench Verified 从 60.7% 升到 64.5%，Multilingual 从 55.8% 升到 62.8%，Pro 从 32.0% 升到 35.5%；120B 的 Nemotron 3.5 Super 经过 2800 亿 Token 后，长周期基准 DeepSWE 从 11.7% 升到 15.7%，SWE-bench Verified 从 72.9% 升到 74.3%。作者还观察到，这一阶段对跨不同 harness 的稳定性有正向作用。

值得关注： 今年以来「提升不再来自把模型做大」这条线索不断被补强——改外围 harness、让 Agent 自己改 harness、加一层记忆结构，现在轮到「加一个训练阶段」。这份工作的价值在于它不是观点而是可被别家复用的配方，配比、重放比例、损失遮蔽这些细节都写明了，甚至连负面结果也给了：作者发现把工具返回内容一起算进损失反而会损害后训练后的 Agent 表现。与此同时，限幅必须讲清楚——实验只在 Nemotron 单一模型族上做，主要面向编码与 Agent 任务，多处对比是单次运行，且作者没有做「把同样算力投到更长的预训练或 SFT 上」的对照，因此这几个百分点的提升还不能断言来自「中间训练」这个位置本身。这也给读者一个提醒：DeepSWE 上 11.7% 到 15.7% 的绝对值仍然很低，说明长周期软件工程任务远未被解决。

来源：Researchers publish an open 「midtraining」 recipe that boosts coding agents, with caveats - arXiv News ｜ 论文 arXiv:2610.22019

北京人形机器人创新中心公布统一具身模型路线图，用世界模型仿真器补数据

北京人形机器人创新中心（X-Humanoid）在 10 月 17 日上海举办的 ROSCon China 2026 上，由世界模型方向负责人邹世龙做了一场题为《探索具身智能统一基础模型》的主题报告，首次把既有散落的几个拼图组织成一份完整路线图。中心把泛化拆成四级：背景泛化（换了桌子、灯光、背景仍能完成）、组合泛化（把开门、抓取、旋转、悬挂等原子技能串成新的长程任务）、交叉泛化（场景、物体、动作、视角、本体的新组合）、域外泛化（超出训练分布时还能推理与适应）。支撑它的是四层数据与能力：不含本体的一手数据（第一人称视频、手持 UMI 采集）、仿真或生成数据、记录偏差与纠偏过程的失败恢复数据，三者共同训练出一个健壮的世界模型仿真器；第四层则是在这个仿真器内部做推理加上策略迭代，让模型持续从反馈中学习。配套的三个项目分别是：Pelican-VLA（0.5 版本代码自 7 月起在 GitHub，用 32 个 bottleneck 槽位把感知路由到动作，只保留与任务相关的特征）、Pelican-Sim 1.0（9 月 10 日的 arXiv 论文，用约 100 万条轨迹训练，能跨多种机器人预测给定当前图像与动作轨迹后场景如何变化）、以及最新提出的 Pelican-Unify（用共享任务表示与联合训练把场景理解、任务推理、未来视频与动作生成连在一起）。

值得关注： 这条路线的看点在于它把「数据从哪来」明码标价地分层了，而且把真机数据排在了第一层之外——也就是说，昂贵的一手真机数据不再是唯一的补给线，仿真与失败恢复数据被赋予了同等地位。论文口径的数字可以佐证这条路走得通：Pelican-Sim 论文报告，在每个任务 50 条原始演示的基础上加 500 条生成轨迹，策略在 RoboTwin 基准上的平均成功率从 70.0% 提升到 93.0%。这条正好戳中了「做机器人的数据」这一层——数据不必都从真机上采，但要有一条把仿真、失败纠偏与策略迭代串起来的管线。需要提示两点边界：一是中心并未给出 Pelican-Unify 的发布时间，二是这套说法目前仍是路线图与论文口径，没有第三方独立评测，读者宜把它当方向性信号而非已交付能力。

来源：X-Humanoid Sets Out Its Roadmap for a Unified Embodied Model and Self-Evolving Robot Policies - Pandaily

人形力控臂走到万台交付：珞石机器人在邹城下线第 10000 台

珞石（山东）机器人集团第 10000 台人形力控臂在位于山东济宁邹城市的智能制造未来工厂下线并完成交付，据企业与济宁当地媒体口径，这是国内人形力控臂领域首个实现万台级规模交付的企业。珞石自 2017 年锁定全关节力控技术路线，其柔性协作机器人已在汽车、3C 电子、新能源、金属加工等领域应用，随后把技术迁移到具身方向，推出仿人化七自由度、十字腕构型的太白 AR 系列人形力控臂，宣称具备全臂力觉感知与微秒级高动态力控。企业披露的数据显示，目前已与 80 余家产业头部企业开展合作，有 70 多家具身智能公司在把力控手臂接入各自系统。产能侧的背景是：该基地 2016 年落地邹城，2022 年 5 月一期数字化智能机器人装配工厂建成投用，年产能从 3000 套跃升至 3 万套，公开资料称可做到 37 分钟完成一台机器人本体装配。

值得关注： 这条的价值在于它提供了一个不同于「演示视频」的观察坐标——具身智能的核心执行单元开始出现可核验的量产数字。产业逻辑也值得琢磨：过去两年行业焦点几乎全在「大脑」，但当机器人真的走进场景，装配、插拔、搬箱贴靠这类接触式操作是摄像头描述不了的（视觉能看清位置到毫米级，看不见有没有接触、接触力多大、有没有插到底），于是「有分寸的手臂」重新回到产业中心。万台也意味着供应链的一致性、良率与成本曲线开始成为竞争项，而不是只有算法指标。必须标注的边界有三条：时间上，这一消息由济宁新闻网在 10 月 17 日首发、本周陆续被广泛转载，并非今天才发生；数据全部为企业与地方媒体自述，无第三方核验；「国内首个万台级」是企业自行宣称的口径，缺少行业统一统计支撑。

来源：联播快讯：珞石人形力控臂实现万台交付，国产具身智能实现规模化新突破 - 济宁新闻网 ｜ 国产具身智能迎来规模化突破，万台人形力控臂在山东邹城成功交付

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。