AI 日报 | 2026年10月03日

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"