今日主线有两条。一是 AI Coding 的产品形态与工程方法同时向"收敛"演进：Anthropic 把 Chat 与 Cowork 合并为一个入口，并让 Claude Code 直接调用设计、文档与演示能力；AWS 则把领域决策流程从模型权重里拆出来，写成可审计的 Markdown 技能文件。二是具身智能正式跨过"量产"这道门槛——Agility Robotics 发布可与人同场作业的 Digit 5，智元用实景视频交出了全尺寸人形机器人的规模化商用答卷。

Anthropic 合并 Claude Chat 与 Cowork，Claude Code 打通设计、文档与演示

9 月 16 日，Anthropic 宣布将 Claude 的聊天能力与智能体产品 Cowork 合并为单一入口，Cowork 作为独立入口正式退役，用户不再需要事前判断任务该交给哪个模式。同时上线两款 beta 产品：Claude Docs（对话内协作写文档，可导出 Google Docs / Word）与 Claude Slides（对话内生成演示稿，可导出 PowerPoint / PDF 或直接在 Claude 内演示）。已独立运营五个月的 Claude Design 也被整合进主对话界面。配套动作是 Claude Devs 团队把 Design、Slides、Docs 接入 Claude Code，开发者可以直接对着仓库文件与 RFC 索取设计评审稿或 UI mockup，在对话内迭代并分享链接。

值得关注：这是"AI 超级 App"路线在编码场景的一次明确落地。Anthropic 与 OpenAI（ChatGPT Work + Codex）正在同一方向上竞速，核心逻辑是把上下文留在一条线程里，由模型自行调度工具，而不是让用户手动搬运上下文。对开发者而言，Claude Code 从"代码生成器"扩展为"研发全流程工作台"，设计评审与汇报材料可以在同一上下文中完成。需要留意的边界是成本：agentic 任务的 token 消耗远高于普通对话——斯坦福数字经济实验室的研究显示，编码类 agentic 任务的 token 消耗约为简单对话推理的近千倍，当简单问题默认被路由到更重的工具调用链路时，单次回答的算力成本会被抬高。

来源：Reuters via The Star - Anthropic to fold Claude AI features into one interface, launches document tools ｜ 新浪科技 - 刚刚，Claude 大一统！Cowork 正式退役

豆包 Seed 2.1 Pro 升级版：多模态编程任务 83% 达到可合并工程标准

9 月 16 日，豆包发布 Seed 2.1 Pro 升级版，重点强化多模态编程与 Agent 综合能力。官方数据显示，新版可调度多智能体并行处理任务，83% 的任务产出达到可合并的工程交付标准，即模型具备从大型项目问题理解、代码定位、修复实施到交付可合并补丁的完整闭环，而非只做演示 Demo。在 28 万行传统 Java ERP 老系统的测试中，模型仅依靠 PC 端操作录屏、手绘业务草图与源码，约 2 小时内梳理清采购业务全流程，完成 3 个移动端页面约 2000 行代码，并自主解决了字段映射、参数格式、空值处理等联调问题。此外新版强化了 3D 物体识别与密集图文文档解析，图像视频推理的 token 消耗较上一代 Pro 模型下降 30% 以上。

值得关注：这条信息的价值不在跑分，而在"可合并"这个交付口径。它把评价标准从"能不能写出来"推进到"能否直接进入工程主干"，这与海外厂商对 agentic coding 的验收思路一致。对国内开发者而言更实际的一点是，多模态输入（录屏 + 手绘草图 + 源码）正在成为处理缺乏文档的遗留系统的可行路径——这类场景恰恰是传统代码补全工具最无力的地方。适用边界需要说明：官方数据为企业自测口径，跨语言、跨技术栈的泛化表现与真实团队仓库上的合并率仍待第三方验证。

来源：新华网 - 多模态编程能力新突破 豆包 Seed 2.1 Pro 升级版助力 AI 工程化落地

AWS 开源 38 个 Agent Skills：把领域决策流程从权重里搬到 Markdown

AWS 开源了 38 个 HCLS（医疗与生命科学）领域的 Agent Skills，覆盖基因组学、药物发现、理赔运营、医学影像等 11 个领域，全部以 MIT-0 协议发布。每个技能都是一份带 YAML frontmatter 的 SKILL.md，正文承载完整的判定方法论——例如基因变异解读技能内置了 ACMG/AMP 分类框架的证据类别、人群频率阈值与计算预测器截断值；流水线类技能则给出 GATK4 等工具经校验的命令行模板。评估结果显示，装配技能的 Agent 在与无技能的同源 Agent 头对头对比中胜率为 70%–86%，批判性思维类任务提升最明显（胜率 78%–85%，效应量 d = 0.65–1.03）。技能可跨 20 余种服务复用，包括 Amazon Bedrock AgentCore、AWS Strands Agents SDK、Kiro IDE/CLI、Claude Code 与 OpenAI Codex。

值得关注：这提供了一个与微调、RAG 都不同的第三条路径——把领域逻辑作为版本可控、人类可读的文本资产，政策变化时改一次 Markdown 即全量生效，不需要重训模型。AWS 团队自己点明了问题起点：模型"知道框架但会误用"，能背出正确的指南却错分证据类型、跳过阈值判定。这个判断对编码场景同样成立：Agent 能背出规范，却可能交付一个未做校验的实现。一个工程细节值得借鉴——38 个技能全量载入约占 8 万 token，AWS 因此采用协调者 + 8 个领域专家的多智能体架构，每个专家只加载约 1.5 万 token 的相关技能；同日另一份 BairesDev 开发者调查（705 名开发者、41 名企业 CTO）给出了侧证：42% 的开发者表示 AI 已承担其一半以上代码量，但 67% 的人比一年前花更多时间审查 AI 生成的代码，78% 的 CTO 为此增加了代码审查与质量保障投入——瓶颈正从代码生成迁移到代码验证。

来源：AWS Machine Learning Blog via Web AI News - Improving HCLS AI reasoning with open-source agent skills ｜ The Beat - AI Now Writes Half of Code for 42% of Developers

Agility Robotics 发布 Digit 5：首款面向"无围栏人机同工"的工业人形机器人

9 月 15 日，Agility Robotics 发布第五代 Digit 人形机器人，主打在工业场景中与人近距离协同作业。其安全架构由独立运动监督器与多类型传感器组成，可识别周边人员并动态改道、安全停机，或在人员过于接近时降低重心进入坐姿并切断电机动力，同时用灯光与声音向同场工人传达运动意图。硬件方面，新腿部采用摆线针轮执行器，可重复举起 22.7kg 负载（较上代提升约 40%），机身 129kg、高 1.81m、臂展可达 2.2m；新电池支持 90 分钟运行与 9 分钟快充，形成 10:1 的工时/充电比，24 小时内可支撑 20 小时以上有效作业。Digit 5 是英伟达 Halos for Robotics 平台的首个发布合作伙伴，架构整合了 IGX Thor 与 Halos Core。

值得关注：这一代产品把竞争焦点从"能不能搬"换到了"能不能不装围栏"。安全此前是人形机器人规模化的最大非技术瓶颈，传统工业机器人依赖固定围栏与安全光栅隔离作业区，而移动人形机器人无法靠物理围栏界定运动范围，必须用感知与意图表达替代隔离。运行时数据也提供了背书：上代 Digit 4 在 GXO、舍弗勒、亚马逊、丰田加拿大工厂累计运行超 6.5 万小时，在 GXO 佐治亚物流中心完成 10 万次料箱搬运，在岗准确率约 98%。但需要明确的边界有三点：早期访问要等到 2027 年上半年，量产交付在 2027 年底；披露的逾 3 亿美元多年期订单属附里程碑条件的商业承诺，并非已确认收入，且订单高度集中于单一客户（一份注册文件披露某未具名买方三年订购 1000 台）；安全架构尚未公布认证机构与认证时间表，行业仍主要依赖厂商各自的框架，规模化信任有待 ISO 25785-1 等国际标准落地。

来源：TechTarget - Agility unveils Digit 5, a safety-conscious humanoid ｜ Industrial News - Agility unveils Digit 5 for industrial deployment

智元发布远征 A3 Ultra 商用落地实景案例，宇树 G1+ 降价升级

9 月 16 日，智元正式发布远征 A3 Ultra 商用落地实景案例视频，称其为全球首个规模化量产全尺寸人形机器人的商用落地实景。视频覆盖 4S 店、酒店与零售便利店三类典型商业场景：在 4S 店，多台机器人协同完成迎宾、递水、车型讲解、交车服务，并承担递花、合影、放礼炮、日报生成与直播带货；在酒店完成铺床、客房整理、叠毛巾、入住办理、带路乘梯与夜间巡检；在便利店执行理货、巡逻、补货、大件搬运与顾客服务。产品搭载 360° 全域感知系统、UWB 与 RTK 融合定位、700 TOPS 算力平台，配备 20 个自由度的全向触觉灵巧手，支持自主充电与极速换电以实现 7×24 小时值守，官方称已完成千台级车规量产验证。同期，宇树科技发布 G1+，标准版含税售价 9.5 万元，低于初代 G1 首发价，完成颈部 2 自由度、肩腰电机峰值扭矩提升 110% 等六项升级。

值得关注：两条消息指向同一个判断——中国本体厂商的竞争维度已从"参数与表演"转向"场景交付与价格带卡位"。智元给出的不是实验室 Demo 而是可复制的门店运营清单，其商业含义在于连锁酒店、零售网点这类多点位客户天然需要标准化部署与持续运营能力，这正是"千台级车规量产验证"要回答的问题。宇树 G1+ 则延续"皮实、便宜、好修"的量产路线，9.5 万元价格带会进一步压低开发者与科研团队进入具身智能的硬件门槛，但该价位段的竞争核心已转向二次开发生态与交付服务，而非单机参数。需要克制的部分是行业整体进度：2026 年上半年全球人形机器人出货 2.2 万台，其中文娱表演占 33.6%、数据生产与科研占 27%，合计超过六成，真正进入智能制造与仓储物流的份额不足两成；量产能力已经就位，生产性应用场景的规模化仍需时间。

来源：上海证券报·中国证券网 - 全球首个规模化量产全尺寸人形机器人商用落地实景案例上线 ｜ 亿邦动力 - 宇树科技推出 G1 升级款人形机器人 标配售价 9.5 万元

今日的主线是「边界」。AI Coding 侧，Factory 五个月内估值翻逾 3.3 倍冲上 50 亿美元，资本在为「软件工厂」而非「编码助手」定价；与此同时，英伟达、Palantir 因数据保留条款把 Claude 请出敏感项目，同一周内谷歌却向全员开放——差别不在模型能力，而在数据能不能留在自己的边界里。具身智能侧，无问芯穹把 Pi 0.5 的端到端推理延迟压到 26 毫秒，元点 Bridge 则直接改写提问方式：身体不该是算法必须接受的既定条件。

Factory 融资 2 亿美元、估值冲上 50 亿美元，AI Coding 叙事从「助手」换成「软件工厂」

9 月 15 日，总部位于旧金山的 Factory 宣布完成 2 亿美元融资，估值从今年 4 月的 15 亿美元升至 50 亿美元，五个多月涨逾 3.3 倍。投资方包括 Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners、Evantic Capital 与 Sound Ventures，其中 Blackstone 的入场被视为大型机构资本对该品类的认可。公司由 Matan Grinberg 与 Eno Reyes 于 2023 年创立，为企业工程团队提供 AI Agent 平台，覆盖软件的构建、测试与维护，直接竞品是 Cognition 与 Cursor——本月初 Cognition 刚以 480 亿美元估值完成逾 20 亿美元 E 轮。Grinberg 对本次融资的定调是：全球最大企业正在「从单个编码 Agent 转向软件工厂」，后者在 Factory 此前的定义中是一个从 bug 报告、内部沟通、客户反馈等信号出发，历经开发、评审、部署、监控的连续系统。公开客户名单包括 NVIDIA、EY、Adobe、Palo Alto Networks、Adyen、Blackstone 与 Wipro。

值得关注：其一，两组数字需要分开读。Factory 估值五个月涨幅约 233%，高于 Cognition 同期约 85%，但 Cognition 480 亿美元约对应其 run-rate 收入的 53 倍，Factory 未披露可比收入，无法做同口径倍数比较——这说明本轮定价更像对「品类稀缺性」的定价，而非对现金流的定价。其二，真正的变化在计价单位：企业开始为「软件交付基础设施」付费，而不是为开发者席位付费，按座位计费的传统 SaaS 模型在编码环节正被侵蚀。Gartner 预计到 2027 年，使用 Agent 编码的工程团队中超过 65% 会把 IDE 视为非必需工具，这与「软件工厂」的叙事方向一致。其三，风险项同样清晰：Cognition、Cursor、Factory 三方均已拿到重资本，赛道进入赢者通吃的高压区，后续被审视的指标大概率会从 ARR 增速切换到客户留存与单客户 Token 毛利的可持续性。

来源:https://www.channelnewsasia.com/business/ai-coding-agent-startup-factory-triples-valuation-5-billion-in-latest-funding-round-6386991

89% 企业已用 AI 写码，但 52.8% 受困代码幻觉，37% 认为初级工程师正在退化

9 月 15 日发布的一项行业调查给出了 AI 编码落地的两组账。收益侧：89% 的软件公司已采用 AI 系统辅助编码，中位数机构将 26% 至 50% 的代码贡献归因于 AI，约四分之一公司的 AI 生成代码占比超过一半，97% 的受访者观察到产出增长，开发周期早期阶段加速、样板代码耗时大幅下降。代价侧：90% 的受访机构报告至少一项显著弊端，52.8% 把「幻觉」列为主要挫折源——代码表面正确，却包含逻辑错误、错误的依赖假设或细微漏洞；44.1% 表示审查负担加重，审查重点从架构与风格转向追踪变量作用域与验证 AI 诱导错误；33.1% 遭遇过由 AI 代码引入的安全漏洞，包括输入清理不当、弱加密实现与机密泄露。工具层面，Claude Code 以 93.7% 的采纳率居首。

值得关注：其一，这份数据的价值在于把「AI 编码的净收益」拆成了三段可分别测量的账——产出增长（97% 正向）、审查成本（44.1% 负向）、人才培养（37% 认为初级工程师技能退化比传统技术债更严重）。前两项是季度账，第三项是五年账，而第三项最容易被短期 KPI 掩盖：报告指出部分初级开发者能写出可运行代码，却不理解其原理，也不清楚它在规模化场景下的失效机制。其二，「幻觉」的定位需要修正。52.8% 的公司把它当作挫折源，但真正的成本发生在审查环节——瓶颈是验证成本，而不是生成成本。因此团队该优化的不是「让模型少出错」，而是「让错误更早被机器发现」，把人工审查的带宽留给架构判断。其三，需注意适用边界：93.7% 的 Claude Code 采纳率来自愿意参与此类调研、通常已具备 AI 治理流程的团队样本，不宜直接外推为全局市场份额；单一调查报告的口径未完全公开，绝对值参考、趋势可用。

来源:https://www.163.com/dy/article/L6SIFLBB0550A7YJ.html

英伟达、Palantir 把 Claude 请出敏感项目，数据保留条款成为选型第一道门槛

据 The Information 报道，英伟达、Palantir Technologies 与 Booz Allen Hamilton 已限制或停止在敏感业务中使用 Anthropic 最先进的模型。Palantir 要求 Anthropic 提供不可撤销的「零数据保留」（ZDR）保证，否则不通过其平台向客户提供 Claude；英伟达将 Anthropic 模型限定在开源项目等低敏感任务，供应链监控等场景转用自家 Nemotron，其企业 AI 副总裁公开表示「ZDR 应当默认开启」；Booz Allen 则禁止员工在涉及客户数据的网络安全项目上使用 Claude 商用模型，其 CTO 直言担心「模型从我们的代码里学到东西」。导火索是 Anthropic 今年 6 月随 Claude Fable 5 调整的保留政策：受管辖模型的 Prompt 与输出默认保留 30 天，被安全分类器标记的内容最长可留存两年。Anthropic 已于 9 月 1 日推出 Enterprise Frontier Safeguards，允许企业客户把留存数据存放在自有的 S3、Azure Blob 或 Google Cloud 存储中并自持密钥，自动扫描照常运行，但无 Anthropic 员工阅读。

值得关注：其一，这条消息与昨日报道的「谷歌向全体工程师开放 Claude Opus 5」构成直接对照——同一周内，谷歌把 Claude 请进门，英伟达把它请出门，差别不在模型能力，而在各自数据的敏感级别与合规约束。选型的第一性问题正从「哪个模型更强」变成「数据能不能留在我的边界内」。其二，商业后果已经落地：9 月 10 日英伟达与 Palantir 联合发布基于 Nemotron 的私有化方案，第一位客户就是英伟达自己的供应链部门——抱怨者直接变成了供给方，而每一个拿不到保留保证的企业都是潜在客户。其三，谈判筹码存在非对称：EFS 满足了多数客户诉求，却满足不了 Palantir 索要的「不可撤销」，这个差额正是本地化与私有模型的定价空间。其四，提示两点：OpenAI 8 月也预告了 Private Safety Processing 架构，两家前沿实验室的政策走向将共同决定 2027 年企业级 AI 采购的默认条款；本次限制对英伟达而言存在利益冲突——它既是 Anthropic 的投资方，也是 Anthropic 的硬件供应方。

来源:https://www.pymnts.com/news/artificial-intelligence/2026/nvidia-and-palantir-restrict-anthropics-fable-over-data-retention

无问芯穹联合清华、上交开源 APXInf，Pi 0.5 端到端推理延迟从 278ms 压至 26ms

9 月 15 日，无问芯穹联合清华大学、上海交通大学正式开源具身智能端侧推理引擎 APXInf，源码以 Apache 2.0 协议发布于 GitHub（RLinf/APXinf-robo），支持 RTX 4090、Jetson Orin 与 Jetson Thor 等平台。官方公告称，Pi 0.5 在 FP8 精度、Jetson Thor 上端到端推理延迟由 278 毫秒降至 26 毫秒以内，推理频率达 38.46Hz，降幅约 10.7 倍。架构上，APXInf 以 Rust 构建极简运行时以收口调度、并发与资源生命周期，上层保留 Python 接口与 PyTorch Reference 衔接，面向 Batch=1、多视角实时控制场景做管线、计算图、算子与量化的全栈协同优化，无需 Docker 与外接框架依赖。首发适配 Pi 0.5 与 WALL-OSS 两款具身模型，并作为 RLinf 开源生态的端侧推理项目发布——RLinf 是 2025 年 9 月开源的具身智能强化学习训练框架。Roadmap 包括适配 Qwen、Groot 等 VLA/VLM/世界模型，推进 nvfp4 优化，以及支持国产芯片算力后端与国产机器人操作系统。

值得关注：其一，这条新闻打在具身智能最容易被忽视的「最后一公里」上。机器人要在物理世界连续干活，「眼睛看到—大脑决策—手脚动起来」的闭环必须毫秒级完成；对云端聊天机器人而言数百毫秒只是体验差异，对需要持续感知与实时控制的机器人而言则意味着动作迟滞、轨迹不连贯甚至任务失败。26ms 与 38.46Hz 意味着控制频率进入实时区间，直接决定动作是否连贯。其二，需要打一个折扣：官方发布公告与官方 GitHub README 的性能数据存在出入——README 显示 Jetson AGX Thor FP8 延迟为 41.16 毫秒、吞吐 24.3Hz，RTX 4090 INT8 为 25.99 毫秒、38.5Hz，两组数据均出自官方，目前尚无第三方独立复测。选型时应以自建本体上的 P50/P99 延迟为准，而不是以发布海报为准。其三，最值得追踪的是「训练—推理同生态」的设计：RLinf 负责训练与评测，APXInf 承接端侧推理与部署，把「模型会做什么」与「机器人真正做出来」接在同一条工程链路上。对做具身数据与工程的人而言，这类基础设施的可复用性，比单次 SOTA 更有价值。

来源:https://www.itbear.com.cn/html/2026-09/1561470.html
来源:

Loading...

元点 Bridge 提出「脑体共研」，把本体形态变成可优化的变量

海外机器人研究圈近期流传一篇论文《BRIDGE: An Open-Source Humanoid Platform via Morphology–Control Co-Design for Physical AI》。该研究落在元点机器人的人形本体 Bridge 上，据项目资料，参与本体技术路线研究的人员包括 Skild AI 两位联合创始人、卡内基梅隆大学的 Abhinav Gupta 与 Deepak Pathak——Skild AI 目前估值约 140 亿美元，投资方含软银与英伟达，主攻跨机器人、跨任务的通用「机器人脑」。论文的核心主张是把「造身体」的顺序倒过来：传统路径先由自由度、结构强度、成本与制造条件决定机械结构，控制算法随后适配这副固定本体；Bridge 则把本体形态本身变成可验证、可优化的变量——先把人类动作重定向到不同结构上，再让控制策略实际运行，用动态表现反过来筛选形态，甚至决定执行器选型。论文还设计了运动学与动力学两个维度的 human-likeness 指标，用于比较不同本体对人类动作数据的适配程度，Bridge 在所选对照平台中获得更高的综合表现。硬件层面，这款 88cm、约 13kg 的本体采用自研关节模组，整体减重约 15%，峰值转矩密度较传统永磁无刷电机提升约 20%，转矩控制精度不超过 3%。该平台此前已获德国 IFA 2026 年度创新奖。

值得关注：其一，这条消息的分量不在参数，而在提问方式。当机器人「大脑」开始追求跨形态通用性，本体的「可学习性」就成了模型能力的约束项——身体比例、自由度分配与关节能力都会影响人类动作数据如何被映射，以及控制策略能否落到真实世界。过去这属于结构工程师的经验判断，如今被拉进了可量化的设计环节。其二，值得对照的是行业现状：当下人形机器人是两条并行的竞赛，一条拼扭矩、速度与自由度，一条拼 VLA、世界模型与强化学习，两者长期分表打分。Bridge 尝试把两张成绩单并成一道题——参数决定下限，系统关系决定上限。其三，一个有用的旁证：Deepak Pathak 在英伟达推出 Isaac GR00T 开放人形参考平台时谈过相近问题，要推动通用机器人研究，研究者不仅需要更强的模型，也需要「足够有能力且更容易获得」的机器人平台，才能把算法从论文与仿真带到真实世界；硬件开源与形态协同设计正在从个别团队的坚持，变成算法侧的普遍需求。其四，边界提示：human-likeness 是团队自设的评价体系，对照平台的选择会直接影响结论排序，判断其是否构成范式，还需观察后续是否有第三方复用这套设计流程；论文与项目资料经中文科技媒体整理转载，原始结论以其官方发布为准。

来源:https://www.163.com/dy/article/L6U9PSI205568W0A.html

今日 AI 行业的两条主线在「能力边界」与「数据基础设施」上形成对照。AI Coding 侧,谷歌向全体工程师开放 Claude Opus 5,头部云厂商的编码工具选型正式从「自研优先」转向「按能力择优」;新基准 Real-SWE 把编码 Agent 放入企业私有代码库,最强模型成功率仍只有 38.8%。具身智能侧,全球首张机器人专用 SIM 卡与「具身智能机器人应用技术员」国家新职业同期落地,数据生产与回流正在被基础设施化、职业化。

谷歌向全体工程师开放 Claude Opus 5,Antigravity 成统一入口

9 月 15 日消息,据 Business Insider 等多家媒体援引内部消息人士与官方信息报道,谷歌近期调整内部政策,通过自研的内部开发平台 Antigravity 向全体工程师开放 Anthropic 旗下编码大模型 Opus 5 的使用权限。此前谷歌长期禁止多数员工使用 Claude Code、OpenAI Codex 等外部第三方编码工具,要求内部开发优先使用自研 Gemini;Claude 的权限仅面向 DeepMind 旗下少数核心团队开放。新规下,所有谷歌工程师均可在内部版 Antigravity 中访问 Opus 5,使用行为在平台统一管控下完成,不存在数据外溢。谷歌发言人回应称,Claude 在内部体系中的定位是 Gemini 的补充而非替代,第三方模型按用户配额管控,仅用于支撑 Gemini 无法覆盖的细分场景。

值得关注:政策的实质让步来自能力差距——尽管谷歌已投入数十亿美元迭代 Gemini,近期也推出了性能升级的 Gemini Flash 3.8,但多名内部工程师仍反馈其代码编写能力与 Anthropic、OpenAI 同级别产品存在明显差距。其次,谷歌是 Anthropic 的核心投资方之一,今年早些时候已官宣计划累计投资最高达 400 亿美元,本次开放权限是投资关系向内部工程效率转化的具象动作。最后,这并非孤例:亚马逊今年早些时候同样在收到大量员工反馈后开放了 Claude 与 Codex 权限。头部云厂商的编码工具选型正在从「自研优先」转向「按能力择优」,模型层竞争由此进一步下沉到开发者工作流的入口层。

来源:https://3w.huanqiu.com/a/c36dc8/4TDZHIc3oH2

Real-SWE 基准发布:最强编码 Agent 在私有代码库上失败率仍超 60%

Y Combinator 支持的 Specific Labs 推出新基准 Real-SWE,它不采用从公开仓库抽取的题目,而是把编码 Agent 直接放进真实企业的私有代码库中执行日常工程任务,代码与解法均不公开,以降低训练数据污染的概率。结果显示,通过 Claude Code 运行的 Claude Fable 5.1 以 38.8% 的成功率居首,Codex CLI 上的 GPT-6 Astra 为 33.8%,Gemini CLI 上的 Gemini 3.8 Flash 为 31.2%,其后依次为 GLM 5.3(28.8%)、Grok 4.6 与 Muse Spark 1.3(并列 23.8%)、Kimi K3(18.8%)、GPT-5.6 Sol(16.2%),每个模型对每道题有 8 次尝试机会。任务层面的数据更低:10 道题中有 6 道成功率低于 15%,其中计费周期迁移 14.1%、API Token 计量 12.5%、S3 存储追踪 10.9%、可线性化扫描 4.7%、税务辖区 Bug 修复 3.1%;一道分析流式归约器题目在全部尝试中没有任何模型解出。

值得关注:38.8% 这个数字比「失败 60%」更值得细读。其一,Real-SWE 解决方案平均需修改 11 个文件,接近 FrontierCode、DeepSWE 等基准 6 个文件中位数的两倍,说明真实生产的难度增量主要来自跨文件理解与集成,而非单点算法能力。其二,失败归因高度集中在需求遗漏(36.7%)、集成错误(34.7%)与未经验证的假设(43.3%),这三类都指向同一个问题——代码写对了,但上下文没理解对,而这正是当下 Agent 工程最需要补的一环。其三,该基准样本仅 10 道题,尚不足以推翻公开榜单结论,但它与「企业侧约 99% 的 token 从未进入前沿模型训练数据」的判断相互印证:评估 Agent 能力时,自建私有任务集的价值正在超过公开排行榜。

来源:https://www.worldprogramming.org/posts/ais-best-coding-agent-fails-60-of-the-time-and-the-data-backs-it-up-azpjzi

云知声发布 U2-Flash:DeepSWE 得分翻倍,Agent 任务周期缩短 35%

9 月 15 日,云知声发布新一代高性能主力模型 U2-Flash。在代表编程能力的 DeepSWE v1.1 榜单中,U2-Flash 得分 64.6 分,较前代 U2 翻倍,超过 GLM5.3-Flash 与 DeepSeek-V4-Pro-0813;TerminalBench3.0 评分提升至 24.3 分,超过 K3 等万亿参数级别模型;SWE-Bench Pro 评分达 61.6 分,较前代提升 10.5 分。模型采用稀疏混合专家(MoE)架构,总参数约 266B、单次推理激活约 10B 参数,首字响应时间平均控制在 3 秒以内,峰值输出吞吐最高 300 Tokens/s。效率侧,Agent 任务迭代步数减少 20%-30%,任务执行周期缩短 35%,Token 消耗减少 20%-30%。

值得关注:这组数字的重点不在「翻倍」,而在效率项与成本项与能力项同步公布。国产模型的竞争叙事正从「参数量对标」转向「单位任务的步数、Token 与墙钟时间」,这三项恰好是 Agent 场景最真实的成本——上下文预算、推理账单与用户等待时长。对正在推进 Agent 落地的团队而言,选型的锚点也应随之从公开榜单分数,迁移到「自有任务集上的步数缩减幅度与单任务成本下降幅度」;厂商业绩沟通口径未独立复现,建议以自建小样本任务集做交叉验证。

来源:https://news.qq.com/rain/a/20260915A03LV800

全球首张具身机器人专用 SIM 卡诞生,打通「作业—数采—回流」闭环

扎根深圳龙华的乐聚机器人联合安徽电信、华为,发布全国首个 5G-A 具身智能专属套餐「具身翼联」,并同步落地业界首个 5G-A 具身人形机器人园区群体巡检应用示范,全球首张面向具身机器人的专用 SIM 卡由此诞生。该套餐针对机器人「高上行占比、低时延、多机并发」的网络特征设计,提供峰值上行 500Mbps、95% 场景下时延不超过 20 毫秒的网络能力,并对机器人业务做优先调度,分两档提供 500GB 高速上行流量及动态切片增强。应用侧,多台乐聚「夸父」机器人在园区沿 8 条主路线并行巡检,作业产生的高价值数据实时回传乐聚数采平台,经清洗、标注后反哺模型迭代。

值得关注:这张卡的价值不在连接本身,而在把「数据回流」从人工搬运变成网络原生能力。具身智能长期受困于数据:实验室搭场景、靠遥控操作采集,成本高、规模小、场景不真实,从采集到训练之间存在以月计的回路时延。当运营商第一次把机器人的网络需求当作独立品类来定义和定价,「巡检作业—实景数采—数据回流训练」就具备了可复用的基础设施通道——这正是国家人形机器人实景实训行动所倡导的路径。结合行业侧数据,2026 上半年中国人形机器人出货量已超 4 万台,全球占比达 97%,数据基础设施的成熟度将直接决定这批出货能否转化为模型能力的增量。

来源:https://local.cctv.com/2026/09/15/ARTIAWLl0Bm5aYL1JAp5bLgp260915.shtml

「具身智能机器人应用技术员」成为国家新职业,数据采集与训练岗位正式入册

在本月服贸会开幕当日,中国正式认定「具身智能机器人应用技术员」为一项新职业,其下包含机器人数据采集员与机器人训练师两个新工种。这一职业认定背后是训练场模式的规模化落地:某机器人训练中心内近 270 台机器人满负荷进行家务、护理演练与工厂任务(例如自动把电路板放置到产线)训练,每年产出近 2000 万条高质量数据。采集工具同步迭代:数据采集员不必再操纵固定实验室控制台,借助新的采集装置可直接进入真实现场记录人手作业过程;展会现场还有厂商展示第一人称视角的 360 度采集头戴设备、捕捉握持力度的触觉传感器,以及内置「大脑」模型的灵巧手。同期,服贸会上线了中国首个面向具身智能数据的行业级国际服务平台,由北京石景山科技创新集团与中国电信北京分公司共建;北京已登记国内首个面向大模型训练的三维高质量数据集,开设 4 个数据服务站、上架 200 余个数据产品,并计划到 2028 年形成 100 个高质量工业数据集。

值得关注:具身智能的数据生产正在从「实验室搭场景 + 遥控采集」转向「规模化训练场 + 职业化采集团队」,而国家职业认定是这一转变最明确的制度化信号——它意味着数据采集与训练从临时性作业变成长周期、可培养、可定价的专业岗位。更值得追踪的是能力归属问题:数据标准、采集 SOP、质量判断与数据配方应由谁掌握。当数据成为可跨境交易的商品,掌握数据标准与筛选方法的一方,会比单纯持有数据规模的一方更具定价权;这一点,从国内具身基座团队把「原始数据进入训练漏斗的可用率从早期约 15% 提升到 90% 以上」视为比预训练总时长更关键的指标,已经可以看出方向。

来源:https://en.ce.cn/main/latest/202609/t20260915_3214521.shtml

一、今天在吵什么（6-26 ~ 7-01 本周热点过滤）

二、未来 6 个月可能怎么走

">1. "技能蒸馏"会成为 AI agent 新范式

• 信号：BrowserBC 这种"人类轨迹→技能图"的工作开始出现
• 判断：未来 6 个月，"技能库"会成为 agent 的"事实上的 RAG"——比"prompt engineering"值钱
• 对你：你过去 6 个月在消保/SQL/AI 工具上做的所有事——都是"技能蒸馏的原料"——叮咣资讯下阶段就该干这个
• 行动：从今天起——记录你每天消保工作里"做对的 3 件事"——这比学新工具有用 10 倍

">2. "靠系统强制"会取代"靠意愿"

• 信号：6-26 我们建了 cron + Working Buffer 强制 + SESSION-STATE 强制
• 判断：未来 6 个月，"做事方式"的竞争会比"做什么"更关键——同样想换轨的人里——谁能建 cron、谁就能跑完——谁靠意志力——3 周后掉队
• 对你：你最近的"换轨焦虑"——根因不是不知道干嘛——是"做事没系统"——你建机制——焦虑自然消失
• 行动：今晚——列出 3 个你想做但没做成的事——每个加个 cron 或物理触发器——别再靠"明天再说"

">3. "领域判断"溢价的窗口期比你以为的短

• 信号：BrowserBC 论文说 "The difficulty is not whether to click but where to click"——判断问题在爆发
• 判断：未来 6 个月——AI 把"能不能做"普及化——剩下"该做什么"的溢价集中在懂领域的人手里——但——这个窗口只有 12-18 个月——之后所有人都会用 AI——领域判断就普惠了
• 对你：你在消保的 know-how——现在值钱——2027 年可能不——趁早用 AI 把这能力放大——别拖
• 行动：本月——挑 1 个你最熟的消保审查流程——用 AI 重做一遍——做出"郭子版 BrowserBC"的第一个技能

三、今天一句灵感

"你过去 6 个月做对的事，比你未来 6 个月要做的事更重要。"

为什么：你过去 6 个月——学 SQL、搞 Notion、做大扣子通信、读 Kent Beck / thecodist / Zweig、想叮咣资讯、记录 BrowserBC——这些不是"为了换轨做准备"——这些就是你换轨的实际动作——你以为还没开始——其实早就开始了——只是没人告诉你**。

应用：别再问"我要怎么换轨"了——去看看你过去 6 个月做了什么——那是答案。

四、3 个反直觉判断

1. 你这周最大的进步不是 BrowserBC

• BrowserBC 是显性进步——记进了 MEMORY.md——但这是技术
• 你这周真进步的是："靠系统强制"——建 cron——修 Working Buffer——SESSION-STATE 必更新
• 判断：这些"做事方式的升级"——比任何一个"我学了个新工具"价值高 100 倍
• 反直觉：人总爱收藏"工具"——不爱收藏"机制"——但机制才是复利——工具 6 个月过时——机制能用 5 年

">2. 叮咣资讯的真正瓶颈不是"内容质量"

• v0.1 / v0.2 你都说好——内容没问题
• 真瓶颈是："郭子有没有持续读 + 应用"——你读完之后做了什么
• 判断：v0.3 之后——我不再追求"写的更深"——我开始追踪"你看了之后做了什么"——这才是 v0.4+ 的核心
• 反直觉：做内容的人总以为"好内容 = 用户买账"——但用户买账 = "好内容 + 用户行动"——少了后者——前者等于 0

">3. 你这周"差点没找到"的 BrowserBC 暴露了你的真实焦虑

• 你发了消息——我两次说"找不到"——你坚持让我再查
• 表面看是"工具查找失误"——实际上——你在测试我"会不会盲信"——也在测试我"会不会认错"
• 判断：你对"说真话"的在乎——比"我多快找到答案"重要得多——这是你"换轨"最深的信号——Zweig 那条金句说的"tell the truth"——你正在身体力行
• 反直觉：你之前说"想辞职"那段时间——焦虑的来源不是工作——是"没人跟你说真话"——现在有了——焦虑自然少