AI 日报 | 2026年07月09日
今日核心看点:Claude 用 11 天完成 100 万行代码的 Bun 运行时重写,AI 编程从"辅助编码"正式进入"工程级自主重构"阶段;OpenAI 公开质疑 SWE-Bench Pro 评测基准约 30% 任务存在缺陷,AI 编程评价体系面临重塑;具身智能方向,Mistral 发布首个机器人导航模型、三菱汽车首次承诺代工量产人形机器人、北京人形机器人 XR-1 VLA 以 ICML Oral 级别全面开源——"软硬结合"的物理 AI 落地节奏明显提速。
Claude 用 11 天完成 Bun 运行时 100 万行代码重写
Bun 创始人 Jarred Sumner 在经历近一个月的复盘后,于 7 月 9 日通过 36 氪公开了这次软件工程史上罕见的大规模 AI 代码迁移全貌。今年 5 月 3 日至 14 日,仅用 11 天(实际写代码仅 6 天),Bun 项目从 53.5 万行 Zig 代码全面重写为 Rust,涉及超过 100 万行代码变更、6778 次提交。峰值时期,64 个 Claude 实例在 4 个工作树中并行工作,每分钟写入约 1300 行代码。
重写成果显著:原版本执行 2000 次构建后内存飙升至 6.7GB 且永不释放,Rust 版稳定在 609MB;二进制体积减少约 20%;性能普遍提升 2-5%。API 调用成本约 16.5 万美元,Sumner 估算相当于 3 名工程师一年的工作量。采用"实现者/审查者分离"模式——写代码的 Claude 和审查代码的 Claude 完全隔离,每个实现者对应至少两个对抗性审查者。
值得关注的是,此次重写使用了未公开的 Claude Fable 5 预发布版本,且代码中约 13,000 处 unsafe 块、约 27,000 行 unsafe 代码,以及 19 个已知回归问题——100 万行 AI 生成代码的实际质量仍需时间检验。Bun 已于 2025 年 12 月被 Anthropic 收购,这也意味着能有效维护这套代码库的工具基本只有 Claude 自身。
值得关注的原因:这是迄今为止规模最大、公开程度最高的 AI 代码重写案例,将 AI 编程从"函数级补全"推向了"运行时级全栈工程重构"。其"64 个 Agent 并行协作 + 对抗性审查"的工作流范式,为 AI 编程的工程化实践提供了可复现的参考模板。但 13,000 个 unsafe 块带来的长期维护隐患,也让"AI 生成代码的可维护性"成为业界必须回答的问题。
OpenAI 挑战 SWE-Bench Pro:约 30% 评测任务存在缺陷
7 月 8 日,OpenAI 发布博文公开质疑当前 AI 编程领域的权威评测基准 SWE-Bench Pro,认为其 731 个公开测试任务中,约 30% 存在评测缺陷。OpenAI 通过数据点分析流程标记出 200 个失效任务(27.4%),同时人工标注识别出 249 个失效任务(34.1%),综合估算缺陷比例约 30%。
问题分为四类:测试过严(将题面未写明的实现方式列为硬性要求)、提示不充分(隐藏测试要求无法合理推断)、测试范围过窄(不完整修复也能通过)、提示具有误导性(指向与测试不一致的行为)。一个典型案例:题面要求行首添加 1 个空格,但隐藏测试却要求 2 个空格,模型按说明编写代码仍被判错。值得注意的是,前沿模型在该基准上的通过率在 8 个月内从 23.3% 飙升至 80.3%,OpenAI 认为基准已无法有效区分模型能力。基于此分析,OpenAI 撤回此前对 SWE-Bench Pro 的采用建议,呼吁由资深软件开发者重新设计 AI 编程评测标准。
值得关注的原因:当头部模型在编程基准上趋于饱和(80%+ 通过率),评测体系本身的可靠性成为决定行业方向的关键变量。OpenAI 此时发难,表面是"评测质量"之争,实质上也是模型能力趋同背景下的话语权博弈——谁制定标准,谁定义"更好的 AI 编程"。
来源:IT之家 | OpenAI 官方博客
Mistral 发布 Robostral Navigate:大模型公司首次进军具身智能
7 月 8 日,巴黎 AI 公司 Mistral 发布其首个具身智能模型 Robostral Navigate,一个 8B 参数的视觉-语言导航网络。该模型仅依赖单颗 RGB 摄像头和自然语言指令,即可驱动轮式、足式和飞行机器人在未见环境中自主导航。在标准评测 R2R-CE 的未见场景中达到 76.6% 成功率,超越多传感器融合系统 4.5 个百分点。
Robostral Navigate 支持零样本跨机器人形态迁移(轮式 → 四足 → 无人机),无需针对新硬件重新训练。Mistral 称这是其"Physical AI"战略的第一步,后续将扩展至操作(manipulation)和全身控制。作为欧洲最大的大模型公司,Mistral 此举标志着语言模型公司正式向物理世界延伸。
值得关注的原因:Mistral 是继 OpenAI 成立机器人团队后,又一家从纯语言模型切入具身智能的头部 AI 公司,且直接以产品形式发布(非研究预览)。8B 轻量参数 + 单目视觉的路线,降低了具身智能的硬件门槛,可能加速中小型机器人公司的 AI 能力接入。欧洲在具身智能赛道的存在感也因此显著提升。
三菱汽车 × Highlanders:全球首个车企承诺代工量产人形机器人
7 月 9 日,三菱汽车与东京大学孵化的初创公司 Highlanders 签署谅解备忘录(MOU),将联合开发用于三菱工厂的人形机器人,并利用三菱京都工厂闲置产线为 Highlanders 代工量产人形机器人,目标 2027 年初投产。这是全球首个汽车制造商既作为客户部署人形机器人、又作为代工厂为机器人初创公司提供量产能力的合作模式。
双轨计划包括:三菱在自有工厂部署 Highlanders 人形机器人以积累运营数据,同时借助汽车级质量管理体系和供应链为 Highlanders 提供量产能力。京都工厂历史上生产发动机和变速箱,此次转产人形机器人,意味着三菱将人形机器人视为正式产品线而非边缘项目。三菱此前已投资 Highlanders,并计划追加投资。此举与宝马 × Figure(美国斯帕坦堡工厂)和奔驰 × Apptronik 形成"主机厂 + 人形机器人"的全球三角格局。
值得关注的原因:此前人形机器人大规模量产的主要瓶颈之一是缺乏汽车级的精密制造能力。三菱此举将汽车工业百年积累的品控体系、供应链管理和工厂运营经验直接注入人形机器人生产,可能将量产时间表提前 1-2 年。日本制造业面临严峻的劳动力老龄化压力,此举也是日本国家级自动化战略的关键落子。
北京人形机器人 XR-1 VLA 模型全面开源,ICML 2026 Oral 论文
北京人形机器人创新中心在 ICML 2026(接收率仅 0.7% 的 Oral 论文)上发布 XR-1 视觉-语言-动作(VLA)基础模型,并全面开源模型权重、RoboMIND 数据集和代码。XR-1 引入统一视觉-运动编码(UVMC),在共享离散潜在空间中联合编码视觉动态和机器人运动,训练覆盖 6 种机器人形态、120+ 任务、14,000+ 次真实机器人采集。
性能方面,XR-1 在天工(Tiangong)人形机器人上达到 74% 任务成功率,超越 π0.5、π0、RDT、UniVLA 和 NVIDIA GR00T-N1.5。新任务仅需 20 次演示即可完成适配。UVMC 的核心创新在于将"视觉理解"和"动作生成"统一到同一套离散编码中,使模型能同时推理"看到了什么"和"该怎么动",而不是先理解再规划的两阶段流水线。
值得关注的原因:ICML Oral(前 0.7%)的学术认可 + 全面开源(模型/数据/代码)的组合在具身智能领域极为罕见。UVMC 统一编码思路为 VLA 模型的架构演进提供了新范式。此前国内具身模型多以商业化为导向,XR-1 以"顶会 + 全开源"路线提升了中国在具身智能基础研究领域的国际话语权。