今天的头条属于一份还没进内核的补丁：Linux 之父 Torvalds 在自己的代码树上开了个分支，封面信直接写明代码、测试、审查都由 Claude Code 在他指导下完成。另外几条新闻指向同一个方向——编码智能体的能力上限还在往上抬，但同一个星期里，账单和质量账被摊开算了；具身一侧，中国的机器人数据基础设施与国际标准会议在这一周碰头。
Torvalds 把 Claude Code 写进了自己的内核树
分支名叫 noref-filemap-read-with-llm，后缀不是玩笑。Torvalds 在补丁封面信里写明：代码、测试程序、问题清单背后的那轮代码审查，乃至这封信的初稿，都是"在我的指导下由一个 LLM 编码助手（Claude Code）完成"，并特意补了一句"测量是在我自己的机器上跑的"。这组共八个补丁要解决的是一个 2024 年由 Matthew Wilcox 从客户负载提出的老问题：多个线程同时对同一个文件做小读时，每次读都要给支撑该页的 folio 加引用再释放引用，两步都是对同一条 cache line 的原子写，结果是这条缓存在不同核心之间来回弹。在他的 Core i7-8565U 笔记本上，八个线程对一个页做 16 字节 pread 时，这一条 cache line 贡献了 99.92% 的跨核 load HITM。新思路不试图检出竞态，而是消除竞态：folio 离开页缓存后要等一个 RCU grace period 才归还给页分配器，读者在 RCU 读侧临界区内把数据直接从页拷进用户缓冲区，不再取引用、不再 bounce buffer、也不限制读的大小。
按这组数据，八线程同读一个文件时，每次读的 kernel cycles 从约 2,950 降到约 725，吞吐从约 990 万—1,040 万次/秒升到 3,000 万—3,300 万次/秒，perf c2c 测到的 load HITM 从 30,538 降到 101。代价也一并写在里面：延迟释放意味着内存要多等一会儿才能被复用，这正是当年 Wilcox 反对该思路的理由，Torvalds 承认这是"整个系列中最没有解决好的部分"，于是两个补丁加了一道安全阀——某个 CPU 排队的页超过 1,024 页，就强制触发一次加速 grace period。这组补丁尚未合并，基于 7.3-rc6，Phoronix 称可能进入 7.4 合并窗口。
值得关注：分量不在性能数字，而在这件事发生的地点。Linux 内核是被审阅得最狠的代码之一，Torvalds 以往极少在自己的主干上开主题分支，这次连分支名都直接写了 LLM。但封面信同时划清了边界——AI 负责代码、测试、审查和初稿，基准仍然由人在自己的机器上跑；"在我指导下"和"测量跑在我的机器上"是两句话，不是一句话。所有数字都来自一台四核八线程的笔记本，且刻意选了"极小读、多线程、同一文件"这一放大争态的负载，没有任何第三方在其他硬件上复现。他还公开标注了设计里自己没把握的部分和一处回归（16 字节单线程读到未映射用户页会从约 4,150 cycles 涨到约 6,550 cycles）。从 2024 年说 AI 是"90% 营销"，到现在把一整组内存管理补丁交给 Claude Code 起草，中间隔了两年——而验收权始终没交出去，这是今天最值得记的一句。
来源：Hardware Busters / ExplainX（含 Phoronix 转述与数据可信度分析） / cnBeta（中文）
Plandek 2,500 个团队的账本：吞吐涨了，质量掉了，端到端只快 3.8%
Plandek 发布 Q4 2026 AI Adoption and Impact Benchmarks，样本是平台上 2,500 多个软件开发团队的量化数据，以 2025 年第一季度为 AI 前基线。核心结论很像把"提高多少倍"换成"到底交付了多少"：自 2025 年 1 月以来 token 花销涨了 10 到 13 倍（高盛预测到 2030 年还会再涨 24 倍），最成熟的 agentic 团队近六个月标准化吞吐提升 50%，但同一批团队的 Stories-to-Bugs 比率下降了 27%，周期时间改善 16%，而被 Plandek 称为真正业务度量的 Lead Time to Value 只改善 4%。Plandek 官方博客（10 月 7 日）给出的口径略有差异：周期时间 +16.5%、Lead Time to Value +3.8%、价值交付 -8.9%、Stories Delivered:Bugs Raised -26.5%，两组数字应当对照着看。
同一周还有一份控制实验给出方向一致的答案。开发者 Fabio Akita 公开了 vibe-coding-benchmarks：单一任务（把多租户账本引擎从 v1 升级到 v2，含按租户身份、鉴权、可串行快照、容量受限日志、撕裂群恢复、检查点、遗留 schema 迁移等约束），7 种语言 × 4 种模型配置 × 2 种条件 × 2 次重复 = 112 次尝试，每次 15 分钟预算。T0 只给文字契约和示例，T1 额外给 27 条公开测试故事；最终由 43 条-agent 看不见的测试判定对错。结果是：前沿模型（Codex + gpt-6 Sol、Claude Opus 5.5）两种条件下都达到 100% 正确率，弱模型在 T1 明显变好；失败原因是违反领域不变量，不是类型错误；而"Ruby 语法省 token"的想法被数据推翻——Ruby 的中位 token 用量与 Rust 相当甚至更高。
值得关注：两份材料一个来自行业样本、一个来自受控实验，指向同一件事——瓶颈不在模型也不在语言，在组织和验证纪律。Plandek 的描述很有代表性：Coding 被加速了，而需求、评审、测试、部署仍是约束，瓶颈只是搬了位置，所以更快的写代码不会等比变成更快的交付价值。需要注意的是 Plandek 本身卖的是研发效能度量产品，这份基准既是研究也是它的售前素材；Akita 的实验则坦承单一任务、每格仅两次重复、部分模型的 token 覆盖率不全、harness 在中途换了三个埋点版本，全部数字只能当描述性结果。把两份放在一起的意义在于，它们都是今年"AI 编码到底值不值"讨论中最接近可核对的数据，而不是又一次体感投票。
来源：Digitalisation World（Plandek 基准报道） / Plandek 官方博客 / Akita on Rails（七语言基准原文）
Anthropic 开放一次跑一千个 agent，同一周评测说"团队"贵 1.8—5.1 倍
10 月 9 日，Anthropic 在 Claude Managed Agents 上把 dynamic workflows 开成公开 beta（managed-agents-2026-04-01 beta header，agent 的 multiagent 字段设为 multiagent_20261001 后默认开启）。与先前一层深度、最多 25 个子线程的 subagents 不同，workflow 是"一个 agent 写的、在多个阶段里跑很多 agent 并合并结果的程序"，由服务器在后台作为 workflow run 执行，主线程还能继续跟用户对话。文档给出的上限是：单次 run 同时工作的线程 64 个（官方注明 API 不保证这个数字）、整个 run 生命周期内最多启动 1,000 个 agent、默认存活 24 小时、每个会话默认最多开 10 个 run。费用上"run 本身没有自己的价格"，各 agent 的 token 按各自模型费率计费，Managed Agents 运行时另计 0.08 美元/会话小时。
同一周，Vals AI 用 Vibe Code Bench（按自然语言规格做一个完整 Web 应用，由浏览器 agent 点着测，每份规格配 20—60 条自动化测试）跑了 GPT-6 Sol 和 Claude Opus 5.5，各以单 agent 和团队（lead 可派给最多五个子 agent，子 agent 不能再派生）两种方式，在 medium 和 max 两档推理强度下各做 50 个应用。结论很克制：团队贵 1.8 到 5.1 倍，只有一组成绩提升具有统计显著性——Sol 在 medium 强度下团队比单 agent 高 7.3 分（p = 0.005）；其余三组差距在 -0.3 到 +3.4 分之间，都不显著。Sol 在 max 强度下单 agent 得 89%、每个应用 4.82 美元，团队 90.4%、8.54 美元；Opus 5.5 在 max 强度下团队高达 122 美元/应用，单 agent 只有 23.77 美元。八个配置各跑一次，量级只能当参考。
值得关注：这两条必须放在一起读，因为一边是规模化能力的正式开放，另一边是同期对"多 agent 到底买到了什么"的量化提醒。Anthropic 自己的文档里藏着几句比上限数字更重要的实话：一是"权限策略作用于 run 内 agent 调用的工具，而不作用于启动 run 本身"——要不要拉起一个千人 fan-out，目前的杠杆是在系统提示词里劝它；二是 run 结束时可以显示 completed，但那只是程序跑完了，不代表工作通过，失败的任务只能逐个读线程事件才能发现；三是预算必须在创建会话时就设定，事后补不了，且每个线程会跑完已经发出的请求，所以超支以线程数为界而非官方承诺为准。Anthropic 引用的内部测试（据 The Decoder 报道）是另一个量级的证据：把 70 个 bug 埋进 11.6 万行代码库，单个 agent 每轮找到 14—27 个，动态工作流每次都找到 66 个。换句话说，fan-out 明显擅长"地毯式搜索"，而不擅长单一连贯产物的协作——Vals AI 的 Web 应用正是后者。OpenAI 开发者 Eric Provencher 称之为"协调税"，而 Anthropic 自己的 scaling 数据同样显示，从 10 个 agent 加到 100 个，分数只动几个百分点，账单却继续涨。
来源：METAL LAB（Anthropic 动态工作流解析） / Vanja Petreski（含成本与限制细节） / Vals AI Vibe Code Bench 团队 vs 单 agent
DeepSeek 领投前腾讯科学家创办的机器人 AI 公司，估值约 4 亿美元
据彭博社 10 月 12 日报道，DeepSeek 已同意领投机器人 AI 初创公司 Winverse AI 的种子轮，金额为数千万美元，投后估值约 4 亿美元，美团旗下龙珠资本等机构也已作出投资承诺。Winverse AI 由原腾讯首席科学家胡瀚于 2026 年创立，此前他在腾讯负责视觉语言与具身基础模型团队，清华博士出身，曾任职微软亚洲研究院和百度；公司目前仍处于隐秘运营阶段，目标是让机器人理解语音指令、处理现实世界的复杂任务，而不只是执行预设动作或完成运动控制。知情人士称交易尚未最终敲定，估值和投资方参与情况仍可能变化，胡瀚、DeepSeek 与龙珠资本均未回应置评请求。
这笔钱的来源值得留意。彭博此前报道 DeepSeek 最新一轮融资接近 800 亿元人民币（约合 120 亿美元），远超原定目标，原计划主要用于模型训练和数据中心，公司计划 2027 年初上市；目前已在其中有一部分转向外部初创投资。在具身方向 DeepSeek 早一步落子：通过宇树科技在上海上市的认购拿到约 2% 股份，金额约 1.41 亿元人民币，用于推进双方在具身智能模型上的合作。
值得关注：这是"模型公司往物理侧走"的又一块拼图，而且路径清清楚楚——先拿硬件侧筹码（宇树股份 + 采购协议），再补模型层（Winverse）。一个可以对照的坐标是美国同类：做机器人通用模型的 Skild AI、Physical Intelligence 估值已在数十亿美元量级，而 Winverse 成立仅数月、几乎没有公开产品足迹，4 亿美元的种子投后估值直接把它摆进同一梯队。硬币的另一面是，这笔交易连 funding 都还没签、信源匿名，创始人的履历（ vision-language + embodied foundation model）目前也只是履历本身，没有任何可核对的模型或评测。真正值得盯的不是 4 亿美元这个数字，而是 DeepSeek 叙事从"便宜的 ChatGPT"往"中国机器人软件栈"迁移的方向——交易尚未签署，信源匿名，迄今没有任何一方公开确认。
来源：Singularity.Kiwi（含彭博原始信源核对） / 华尔街见闻（中文，10/13） / 凤凰网科技（经网易转载）
数据凑齐之前：训练场讲产能，杭州同时开国际标准会议
中国青年报今天（10 月 13 日）刊出对北京人形机器人创新中心具身智能机器人数据与训练基地的实地报道。基地近 6,000 平方米的空间里铺开家居、快递分拣、化学实验等场景，数十种构型、上百台机器人在反复练习；采集员穿戴设备做一次常见操作，机器人跟着学，轨迹数据滚动回传到数采系统。已对外交付近 3 万小时高质量数据，年数据产能可达 18 万小时，目标是朝着百万小时级"高价值、高可用、可论证"的交互数据推进。2025 年 12 月开源的具身智能数据集 RoboMIND 全球下载量已突破 2,000 万次。
有意思的是从业者自己对"小时数"的态度。基地产品负责人史明威坦言，市面上很多训练场对外宣称"多少万小时、亿小时"，实际可用的是从中抽出来的高质量数据,"对行业来说，1 万小时的高质量数据，可能比 100 万小时的重复数据更重要"。项目经理刘磊给的标准也很实在：机器人到场景后能自动判定哪些物品要整理、哪些易碎需要小心操作，才算高质量；操作中对目标判定是模糊、犹豫的，就是低质量。他们的加工链路先用 AI 自动处理再配人工少量质检，并且刻意追求大闭环——成品数据交给模型团队、真机部署之后，还要把实际作业中遇到的问题自动回流到数采系统再做针对性采集。背景里有两组警示数字：全球可用的高质量真实数据仅数十万至百万小时级，而机器人要迎来"ChatGPT 时刻"需要千万小时级，中间差着量级；中国信通院《具身智能训练场研究报告（2026 年）》则点出场景任务建设同质化、数据实际产能有限、数据多样性和流通性不足、可持续商业模式尚未形成四个问题。国家发改委已表示将以具身智能实训场和应用中试基地为抓手统筹布局，破解"数据饥渴"。
几乎同一时间，规则层面也在推进。ITU-T 具身智能标准焦点组 2026 年第三次会议今天（10 月 13 日）至 16 日在杭州滨江举行，这是该焦点组今年 2 月成立以来首次走出日内瓦召开全体会议，来自 43 个国家/地区近 400 名专家参加，设 9 个工作组、累计提交文稿 104 份，拟批准两项关键技术规范，议题覆盖具身智能数据、模型、人机对齐、接口及云边端协同。同期 10 月 16 日至 18 日，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白马湖举行，采用"二赛合一"，22 个赛道、60 个赛项及 3 个企业独立赛项，其中新增柔性分拣、空地协同、羽球竞技、灵巧操作等 17 个具身智能赛项；初赛已有 380 所高校及企事业单位约 28,000 人次参与，决赛约 2,000 支队伍近 5,000 名选手。
值得关注：把这两件事放在一起看，"数据"已经从企业内部的工程问题变成了同时被产业政策和国际标准组织同时接管的议题——ITU-T 焦点组的在研清单里，具身智能数据和接口互操作本来就在其中，而中国的做法是把炼数据的地方（训练场/中试基地）和定规则的地方（标准全会 + 赛事）放在同一个城市、同一周里办。需要提醒的仍是口径：报道中"上半年我国人形机器人出货量超过 4 万台、全球占比 97%"与 IDC 此前发布的"上半年全球接近 2.5 万台、中国超过 1.9 万台"不在同一口径，行业至今没有统一计数规则；训练场的产能与交付数字也都是各自口径、无第三方核验。另外，像"1 万小时高质量数据胜过 100 万小时重复数据"这类从业者表述可以用来理解行业的自我修正方向，但它是单一媒体的采访口径，不宜直接当成行业平均水位。真正稳定的信号是：所有严肃参与者都已经在说同一句话——决定具身能不能"用起来"的，不是硬件也不是参数量，是每小时数据的可用率和它能跨本体复用的程度。
来源：中国青年报（10/13 第 06 版） / 新华网浙江（ITU-T 全会与大赛） / The Yangtzeer（英文）
本页的评论功能已关闭