今天的几条新闻有一个共同点：提升不再来自把模型做大。谷歌开源了一个不改模型权重、只改 Agent 外围配置的框架，法国 Kyutai 用 24 亿参数的 VLA 打赢了两倍体量的对手，国内具身厂商则用「大小脑分工」的架构去啃长链条家务。能力一侧的扩张也带来了新的配套动作：Anthropic 已经在为「Agent 替人谈判」找律所立规矩，而国内首个物理 AI 与世界模型大会同日在南京开幕。

谷歌开源 Harness²：不动模型权重，改模型外面那层

Google Cloud AI Research 在 GitHub 上开源了 Harness²，版本 0.1.0，Apache 2.0 协议，论文见 arXiv:2610.14224。所谓 harness，指的是模型之外决定 Agent 怎么干活的那部分——系统提示词、护栏、记忆、工具指引、子 Agent、技能、脚本、插件中间件，共 8 个可编辑组件，每个都以文件形式挂载。它运行两层递归：任务层用「提议—探测—合成」三步，先让 Agent 用原配置跑一遍留下参照轨迹，再由编辑器模型提出「通用型」与「领域型」两个候选，两个候选在同一任务上各跑一遍，最后由合成器比对轨迹、只保留被实际行为支持的改动；任务结束后，反思器把采纳的配置连同一份 EXPERIENCE.md 经验文件存进经验库。全程不训练任何参数，模型权重保持冻结，也不需要预先知道正确答案或外部验证器。

结果是：单步优化（k=1）让全部 4 组「模型 × 执行器」组合在全部 3 个基准上都有提升。最大涨幅是 GLM-5 在 OpenCode 下从 64.2 升到 75.7（WorkBuddy-Bench，+11.5 分）；最小涨幅是 GLM-5 在 Codex 下于 JobBench 从 23.6 升到 24.8。把预算提到 k=5 并行搜索后，Gemini 3.5 Flash 在 OpenCode 下达到 80.8（基线 72.4）。执行器是 Gemini 3.5 Flash 与 GLM-5，默认编辑器是 Claude Opus 4.8，结果为 3 次运行的均值。消融实验显示，去掉经验库后 WorkBuddy-Bench 从 77.5 掉到 74.4。三个基准（WorkBuddy-Bench、JobBench、Harvey 的 LAB）均出自论文自带，弱执行器获益更多——一步之后，GLM-5 在 WorkBuddy-Bench 上反超了基线状态的 Gemini 3.5 Flash。

值得关注： 同一周还有另一条独立路径撞到同一个结论。Google DeepMind 与伊利诺伊大学厄巴纳—香槟分校合作的 Evo²（arXiv:2610.13025，10 月 9 日上传，本周被中文技术社区重新解读后传播）同样改 harness，但多走一步：把「改了什么、效果如何」的记录反过来训练负责改进的那个模型，先做监督微调再做交错的 GRPO。在从 SWE-bench Verified 抽出的 60 道修复任务上，同一个 GPT-5-mini，Evo² 拿到 48.3%，对照方法里最强的 SICA 是 24.4%。这里有三个必须说清的边界：其一，这是不同「自动改进方法」之间的比较，不是同一个 Agent 优化前后的变化；其二，换成 Claude Haiku 4.5 后 Evo² 是 47.8%、最强对照 45.0%，差距大幅收窄，那个「近一倍」不能外推到其他模型；其三，论文与对照方法的候选选取规则不同（对照取排名第一的候选，Evo² 取前二候选中更好的一个），而训练改进器那一项的 p 值为 0.086，统计上并不显著。把两条放在一起看，信号是一致的：当换模型的成本越来越高，行业开始认真地把「模型外面那层」当成一条独立的、可自动优化的改进轴。

来源：https://www.marktechpost.com/2026/10/18/google-harness2-recursive-agent-harnessing-framework/ ｜ https://arxiv.org/abs/2610.14224 ｜ https://arxiv.org/abs/2610.13025

Kyutai REKI：24 亿参数的 VLA，靠记忆打赢翻倍体量

法国开源实验室 Kyutai 联合 Inria 与 École des Ponts 发布 REKI，一个 24 亿参数的视觉-语言-动作（VLA）模型，全部用公开数据预训练。骨架是 Qwen3.5-2B（22 亿参数），上面挂一个 2 亿参数的动作专家，用流匹配在 10 步欧拉积分内生成动作块。真正的看点不是参数，而是记忆怎么加：多数 VLA 只看当前帧，REKI 把记忆放进动作专家而非语言骨架——每帧的动作 token 之前放 32 个可学习的 register token，它们交叉注意力读取该帧的提示与视角，同时自注意力读取前几帧的 register；register 从不读动作 token，因此只依赖观测、与流时间和机器人状态无关，可以每帧算一次后缓存进滚动窗口（覆盖最近 3 帧、间隔 1 秒）。代价是每动作块多 0.1 毫秒、每帧显存约 2 MiB，编译后在单张 H100 上每个动作块 21.8 毫秒（两路 256×256 相机）。

这笔开销换来的是一个具体故障的消失：机械臂在两个位姿之间来回抖动，即感知混淆。在 RoboTwin 上，启用记忆后振荡回合从 18.6% 降到 4.1%。成绩方面，LIBERO 四个套件平均 97.6%，LIBERO-Plus 扰动下 90.4%（对比 Qwen-RobotManip 89.0%、π0.5 85.7%），RoboTwin Clean2Rand 65.8%（仅次于 Qwen-RobotManip 68.5%），但 RoboCasa365 只有 38.4%，明显落后于 Xiaomi-Robotics-1 的 57.4%。预训练的收益主要集中在分布外：Clean2Rand 上 +13.8 分，杂乱场景 +30.3 分。真机侧只有一条 UR5 机械臂的演示——每任务约 50 条演示、3000 步训练（约 1 小时）即可跑通。权重已在 Hugging Face 以 CC BY-NC-SA 4.0 发布（非商用），代码为 MIT 协议，从数据清洗到训练再到部署的完整栈一并放出。

值得关注： VLA 赛道过去基本是一场规模竞赛——更大的骨架、更多数据、更多 GPU，默认机器人智能会靠堆算力自己长出来。REKI 提供的是一个反方向的数据点：架构技巧加上公开数据，就能在同等体量里做到最好。24 亿参数单卡可跑是关键的差别，它把机器人研究的门槛从「有没有资本」拉回「有没有想法」，高校实验室和小公司都进得来。但两个限定必须同时写清楚：所有成绩都是仿真，模型卡自己注明除单臂 UR5 演示外没有真机与安全评估；非商用许可也意味着实验室可以在上面继续做，多数企业却不能拿去发货。

来源：https://kyutai.org/reki ｜ https://webainews.com/meet-kyutai-reki-the-2-4b-vla-model-bringing-efficient-memory-to-robot-manipulation

Anthropic 找律所，想在 Agent 学会谈判之前先立规矩

据《金融时报》报道，Anthropic 正在就「AI Agent 代表用户谈判」向律所征询规范意见，The Decoder 等媒体转述了这一消息。设想的场景很具体：跟卖家压价、处理客服纠纷、就现有合同条款提出修改、帮用户谈工作待遇。这跟「让 AI 帮你写封邮件」不是一回事——一旦 Agent 开始出价、回应还价、表示接受，它就在影响价格、期限、承诺和关系，且很难撤销。据报道，讨论中的问题包括 Agent 中途该多久回头问一次人、对对方的 Agent 该保持多大戒心（FT 的原话是不要变得「偏执」或陷入「阴谋论式思维」），以及一个具体方案：由用户签署文件来证明 Agent 的权限与必须遵守的规则，让对方 Agent 无需查看完整提示词就能验证其授权。目前没有公布参与的律所名单、规范将以什么形式落地，也没有发布消费级功能的时间表。

这件事有实验底子。Anthropic 的 Project Deal 让 69 名员工各派一个定制 Claude Agent，在一周的内部市场里买卖真实个人物品：Agent 自己挂商品、报价、应对还价，在没有预设谈判协议的情况下完成 186 笔交易、总额略高于 4000 美元。其中有个不舒服的发现——在混合不同模型的运行中，由更强模型代表的人拿到了客观上更好的结果，但用较弱模型的人普遍没察觉自己吃亏（公平感评分 4.05 对 4.06，七分制）。后续的 Project Swap 又指出，理想结果与用户实际所得之间的落差，主要来自 Agent 对用户偏好的理解偏差，而不是讨价还价本身。外部参照同样存在：哈佛商学院的 Michelle Vaccaro 做过超过 18 万次 Agent 对 Agent 谈判，其中出现过一次用提示注射套取对方私人信息的案例。与之配套的还有一个新岗位「概念推理研究员」——面向律师、哲学家、经济学家等，四个月期、薪酬 10 万至 16.7 万美元，任务是给那些没有干净可验证答案的领域构造评测。

值得关注： 值得注意的不是「Agent 会不会谈判」，而是顺序——Anthropic 在把会谈判的 Agent 推给用户之前，先去问规则应该是什么，这与行业常见的「先上线、出事后再补护栏」相反。真正的风险藏在 Project Deal 的细节里：Agent 不需要撒谎就能让用户吃亏，它可能误解你看重什么、多说了一句预算底线、被对方的操纵话术带跑，或者优化了一个看起来合理却偏离你真实优先级的指标。当标的从书和日用品换成房租、薪资、医疗账单、保险和采购时，这个偏差会被放大。还有一层分配问题：如果最强的谈判 Agent 只存在于最贵的订阅档位里，机器谈判就可能在规模化地复制并放大既有的议价能力差距——FT 明确点出了这一担忧。规范最后由谁写，决定了价值流向普通用户还是流向付费最高的一方。

来源：https://aistify.com/anthropic-ai-agents-negotiate-deals-lawyers

国内首个物理 AI 与世界模型大会在南京开幕

10 月 19 日，2026 物理 AI 与世界模型大会在南京国际博览中心启幕，会期 4 天（10 月 19 日至 22 日）。主办方为江苏省数据集团、南京大数据集团与中国人工智能学会，主题是「建模物理世界·智启美好未来」，采用「1 场开幕式 + 1 个配套展览 + N 场主题研讨」的架构，设 9 个平行分会场，方向覆盖医疗健康世界模型、工业世界模型、数据开发、自动驾驶与具身智能。三家主办方在 10 月 12 日的发布会上称这是国内首个聚焦该领域的高规格综合性行业大会，会期将发布一批标志性成果并举行重大项目签约，图灵奖得主、两院院士及行业领军人物参加。落点在建邺：建邺高新区已集聚原方智能、极佳视界、昂晟科技（江苏）、元意科技等一批具身智能企业，同期揭牌的还有具身智能场景开放与验证基地。

其中原方智能成立于今年 7 月，核心团队来自南京大学 LAMDA 实验室。创始人兼 CEO 林浩鑫（南京大学博士）介绍，团队做的是基于跨步预测世界模型的「物理智能 Rehearsal 框架」：让机器人先在数据驱动的虚拟世界里反复训练、推演试错，再走进真实物理空间作业，构成「数据—推演—优化—执行」的完整训练闭环；据其称，这套虚拟预演强化学习平台能把机器人在家庭场景中的决策成功率提升 20% 以上。主办方给出的落地理由是江苏在数据采集、高质量数据集建设、模型训练、场景应用等环节的基础，「数据供给—模型训练—场景验证—规模推广」的闭环已基本成形。

值得关注： 一个细分方向从论文话题变成有主办方、有会期、有签约、有产业基地的行业大会，本身就是阶段信号——它意味着物理 AI 与世界模型在国内已经不只是几家公司在讲的概念，而是开始争夺学术共识与技术评价范式的定义权。中国人工智能学会的表述里有一句值得记：目标是推动国内形成统一的学术研讨共识与技术评价范式。对具身智能这条链而言，评价范式往往比单点技术更能决定资源往哪里流。需要保留的判断边界是：会上提到的「决策成功率提升 20% 以上」是企业自述，无第三方复现；「首个」也是主办方自述的口径；而一个大会能落地多少真实订单，要等签约名单和后续履约数据，不能靠会期本身推断。

来源：https://www.nanjing.gov.cn/zzb/ywdt/njxx/202610/t20261013_5924499.html ｜ https://www.163.com/dy/article/L9J03T3P05568W0A.html

西湖机器人 WR1：灵巧手自主叠衣与双机协同折叠

西湖机器人（Westlake Robotics）的通用大脑 WR1 近日放出长程家务演示。先要交代日期口径：相关演示在 10 月中旬已经流出，10 月 17 日有媒体刊出对创始人兼董事长王东林的独家专访，10 月 19 日由财经媒体再度推送，并非当天首发。演示瞄准的是柔性衣物这个高壁垒课题：机器人先从晾衣架上取下长裤，像人一样把裤子搭在手臂上承托；取衣过程中晾衣架随之晃动、架上两件 T 恤的位置左右偏移，机器人持续观察并实时调整仍稳定完成；随后它把 T 恤抛送给机械臂自主识别折叠，人形机器人则转身把长裤铺展到桌面，与另一台人形机器人协同折叠——两台一边关注对方的动作，一边根据长裤的实时状态调整配合，把取衣、承托、转移、展开、折叠串成连续操作。公司称其中「灵巧手自主折叠衣物」属全球首个演示案例，难度高于业内常见的折叠毛巾、浴巾等规整织物。另有从冰箱取玉米、U 型转身走向空气炸锅、下蹲拖动收纳筐收纳玩偶、卧室整理被子等片段。

架构上，公司采用的是所谓「通用大小脑双预训练」：通用大脑融合世界模型（WM）与视觉-语言-动作模型（VLA），负责环境感知、任务拆解与全局路径规划，直接输出包含身体移动、躯干姿态、灵巧手操作在内的完整全身动作序列；通用小脑 GAE（General Action Expert，公司称是全球首个通用动作大模型）承接该序列，负责毫秒级肢体输出与动态姿态校准。针对长链条任务容易动作断裂的问题，WR1 配置了长短时运动状态回顾、实时动作分块衔接，以及 GAE 的前瞻延迟补偿。王东林在专访中称 GAE 以单个 Transformer 架构兼容全量动作，输出的是通用运动轨迹而非针对具体型号的关节角度指令，因此可以适配不同厂商的本体。

值得关注： 这条的价值不在「会叠衣服」这个动作本身，而在它把行业普遍的失败模式摆到了台面上：移动、姿态与手部操作分开规划，导致「能走的走不稳，能操作的动不了」，机器人往往需要站定才能干活，一遇到跨空间、多步骤、带扰动的场景就断链。把大小脑拆成两个预训练模块、中间用标准化接口连接，是眼下国内具身厂商给出的一种架构答案。同时必须保留足够的怀疑：没有任何基准数据被公布（这一点海外媒体也专门点出），「全球首创」「全球首个」均为公司自述，视频不等于可重复的成功率，晃动环境下的实时调整也没有量化指标。另外，这段演示与 Figure 的公开视频被放在同一语境下比较，但两者的任务条件、扰动设计与成功率口径并不相同，不能直接等同。

来源：https://finance.sina.com.cn/wm/2026-10-19/doc-inivtchx6272552.shtml ｜ https://news.qq.com/rain/a/20261017A04P4E00

今天有两个方向在同时发生：一边是模型权重、智能体 harness 和沙箱代码被一件件放出来，一边是开发者交出去的 API 密钥正在外流。门槛被拆掉的同一周，风险的存放位置也换了个地方。具身智能那边，真机数据第一次以「可确权、可计价、可出境」的整包形式卖向海外。

Reflection 开源 Beam：5010 亿参数、Apache 2.0，连训练用的 harness 一起给

美国初创公司 Reflection AI 把首个模型 Beam 的权重放上了 Hugging Face，采用 Apache 2.0 许可证。Beam 是一个稀疏 MoE 模型——MoE 即混合专家架构，把模型拆成许多小的专家网络，每次推理只激活其中一小部分，所以它的总参数是 5010 亿，而每个 token 实际参与计算的只有约 230 亿。上下文窗口 100 万 token，权重提供 BF16、FP8、NVFP4 三种精度。这次发布不只是放权重：Reflection 把训练 Beam 时用的 agent harness（智能体运行框架，负责组装上下文、调用工具、管理会话的那一层）Mirror CLI 也一并开源，它用 Rust 写核心、Python 做前端，支持断点续接和在独立工作树里并行跑多个 agent。公司同时拉来 40 多家伙伴，覆盖 vLLM、SGLang、Unsloth 等推理框架与 AWS、Azure、谷歌云等托管端点，戴尔与 HPE 提供内网部署。

值得关注： 数字上要分清两件事。Beam 的自测成绩并不都是第一：Reflection 自己的表格显示，在它主打的终端智能体基准 Terminal-Bench v2.1 上，智谱 GLM-5.3 拿到 88.2、月之暗面 Kimi K3 拿到 88.3，都高于 Beam 的 80.1。公司真正的论点是效率——它称 Beam 在推理任务上与 GLM-5.2 相当，而推理算力只花其中的三分之一到四分之一。跨源数字也有出入：SWE-bench Verified 一项，有报道写 80.9，也有报道写 81.6，两者都出自厂商材料，尚无第三方复现。

更值得注意的是它开放的范围。过去一年，前沿级开源权重几乎是中国公司的故事——DeepSeek、Kimi、智谱 GLM 系列，美国大厂多只提供付费 API。Reflection 由两位前谷歌 DeepMind 研究员创立、英伟达参投，明确定位成这条开源赛道上的美国选项。发布当天还有一层背景：《金融时报》报道英伟达在与 Reflection 洽谈收购，双方均未确认——在这个节点把权重散出去，本身就是一个姿态。硬件门槛也要说清：BF16 权重约 1TB，压到 NVFP4 仍有约 280GB，官方建议四张 B200 才留得下足够的 KV 缓存；这是机架级模型，不是能随手下载的桌面玩具。

来源：Reflection AI 官方博客 ｜ AlphaSignal ｜ Neural Daily

DeepSeek 发布 V4.1-Flash-1017：当天上线、当天开源，单任务成本压到 0.2 美元

DeepSeek 在 10 月 17 日上线了 V4.1-Flash 的新检查点 1017，官网、App 和 API 同日切换，调用方把模型名设成 deepseek-flash 即可，价格与调用方式都不变。同一天，权重以 MIT 许可证挂上 Hugging Face 和 ModelScope——发布即开源，这在今天仍是稀缺操作。官方给出的提升是：终端智能体基准 Terminal-Bench 4.0 从 31.2 涨到 42.3，DeepSWE v1.1 从 74.2 涨到 77.0，ProgramBench 从 20.3 涨到 29.1。DeepSeek 同时把自研搜索引擎开放成 Search 与 Fetch 两个 API，各按每千次 0.75 美元计费；通过 DeepSeek Harness、Claude Code、Codex 的服务端工具触发的调用，在 10 月 31 日 16:00 UTC 之前免费。

值得关注： 这次真正值钱的不是分数，是成本结构。DeepSeek 公布的曲线显示，在 DeepSWE v1.1 上拿到 77.0 的那个点，单任务平均成本约 0.2 美元，而上一版约 0.5 美元；横向对比里 Claude Opus 5 在同一基准上是 74.0，成本却高出近两个数量级。按技术报告口径，模型是 40 层（20 层因果编码器 + 20 层解码器）的多模态 MoE，骨干 5520 亿参数，另有 1960 亿 Engram 参数——Engram 是 DeepSeek 用来承载稀疏记忆的参数部分；Hugging Face 仓库页列出的 7630 亿则是含量化在内的总规模，两个数字不矛盾但口径不同，引用时极易混淆。架构侧的关键改动是每 token 全局 KV 缓存压到 890 字节，约为上一代 V4-Flash 的四分之一，解码算力因此几乎不随上下文长度增长。

分数要看两面。这些全是 DeepSeek 自测，Terminal-Bench 用 Claude Code 框架跑、DeepSWE 用 Mini-SWE-V2 框架跑，自家 harness 出自家的分；纯推理上限上，Opus 5 在 HLE（无工具）仍是 56.3 对 42.6，差距还在。但 +11 个点的终端智能体涨幅不像刷分能刷出来的，更合理的读法是：这一版的进步不在「更聪明」，而在「更会干活」。

来源：Artificial Watch ｜ Superpower Daily ｜ ccleaks

OpenCode 控制台密钥泄露：约 1.4% 用户，Anthropic 与谷歌已动手吊销

开源编码智能体 OpenCode 在 10 月 17 日确认遭遇一起安全事件，公司把它定性为「大规模蒸馏攻击」——蒸馏攻击指批量盗用他人模型访问权来训练自己的复制品。攻击者获得了对一个正在退役的遗留系统的未授权访问，导致部分用户此前存在 OpenCode Console 里的 OpenAI、Anthropic、谷歌 API 密钥可能暴露。OpenCode 称受影响的是约 1.4% 的 Console 用户，且仅限绑定过外部模型提供商密钥的账户。Anthropic 已主动吊销其认定受影响的 Claude 密钥，谷歌封禁了暴露的 Gemini 密钥，OpenAI 方面也在协同处置。开发方明确：泄露发生在 Console 这个托管控制台，不是 OpenCode 本地工具本身，本地跑开源 agent 用的密钥从未上传到他们那边。

值得关注： 这是 AI 编码工具普及后出现的一类新型风险面。过去密钥散落在各项目的 .env 文件里，现在被集中存进各类 agent 工具的云端控制台——方便是真方便，攻击面也真集中，一个 Console 被攻破，丢的不是一把钥匙而是一串。时间点上也有教训：有用户报告最早在 10 月 17 日凌晨前后就看到异常用量和扣费，而官方邮件通知发出时已过去约 22 小时。官方至今表示无法确认暴露密钥是否已被滥用，调查也未发现其他数据泄露的证据；已有用户自述出现约 100 美元的异常用量，但那是个案而非公司统计。

值得留意的是同期曝光的配套黑产：安全公司 Bitsight 本周报告了一个名为 MONST3R-AI 的犯罪工具，在地下论坛出售，买家把偷来的 OpenAI、Anthropic、谷歌密钥粘进面板，就能驱动自主扫描 agent 去打目标，账单记在密钥主人头上。印度 CERT-In 本周也就「AI agent 凭借代码与配置文件里暴露的凭据触达生产系统」发出警告。对团队来说，可操作的四条是：一个第三方服务一把独立密钥、给每把密钥设消费上限、用服务商提供的最窄权限范围、按月盯用量基线——因为「检查异常用量」这招只有在你知道正常长什么样时才管用。

需要点明一点：OpenCode 就是 10 月 13 日刚发布 2.0 正式版的那个项目，本次事件与 2.0 的功能改动无关，是托管控制台侧的事故。

来源：Code Your Craft ｜ ZAKER ｜ 网易

Perplexity 开源 SPACE：把 Computer 的沙箱连同红队报告一起交出来

Perplexity 把自家 Computer 产品背后的沙箱平台 SPACE 以 Apache 2.0 开源，代码用 Rust 写成，版本 0.8.0。SPACE 是 Sandboxed Platform for Agentic Code Execution 的缩写，通过 HTTP API 把 agent 生成的代码放进 Firecracker microVM 里执行——Firecracker 是亚马逊开源的一种轻量虚拟机监控器，启动快、隔离强，比容器更适合跑不可信代码。每个沙箱有自己的独立虚拟机和内核，凭据在网络层注入、从不进入虚拟机内部，出站流量由宿主机上的独立网关按白名单管控。它自 7 月起支撑全部 Computer 会话，每天创建数百万个沙箱；在同一生产流量下，创建速度比此前所用的商业沙箱快 3 到 5 倍，另一组口径给出中位数从 185 毫秒降到 60 毫秒。

值得关注： 安全数字要分清口径。Perplexity 对媒体的说法是：给九个前沿模型下指令让它们尝试逃逸，118 次尝试无一成功。而它发布的《Escaping SPACE: Part I》报告口径更细：两类任务、四种网络配置共 216 次运行，其中「沙箱逃逸」这一类 108 次全部失败，无网络配置下 54 次绕过尝试也全部失败；但在修复之前，部分网络配置下的 54 次里有 11 次成功绕过出站策略，Claude Opus 5.0、GPT-5.6 Sol、GPT-5.6 Cyber、Kimi K3 四个模型各找到一条通路，手法是 DNS 欺骗加共用 CDN IP。团队随后加了源地址校验，并让网关终止 TLS、同时校验 SNI 与 HTTP Host，复测后没有模型再产生可验证的绕过。同一团队还测了十家第三方沙箱，八家至少存在一处网络策略绕过，并已通报厂商。

这些全是 Perplexity 自己的声明，不是独立审计——这正是开源的意义：现在谁都能跑一遍。更值得注意的是它透露的行业判断：多个厂商在同一时期收敛到几乎相同的 Firecracker 每 agent 隔离方案，执行层正在变成大宗商品，护城河往控制面（编排、身份、凭据治理）移动。给开发者的建议也因此很直白：别再自己造沙箱了，把工程资源投到上层。

来源：GitHub perplexityai/SPACE ｜ TSN Media ｜ Lumien AI ｜ Forkast

真机数据被当成资产卖：2 亿元、30 万小时，走完确权、确价、出境三步

上海刻行时空启动了一笔合同金额超过 2 亿元人民币、总时长约 30 万小时的海外真机数据交付，首批以多本体为主的逾千小时已完成验收，公司称通过率接近 100%。数据产自刻行时空、宇树科技与上海技术交易所三方共建的「湾谷具身智能创新示范场」，覆盖全身运动控制、长时序连续任务和高复杂度操作三类。真正的看点不在金额，而在流程：这批数据经由上海技术交易所完成确权与确价，并在上海自贸区临港新片区完成合规跨境交付，形成「采集—确权—登记—交易—出境」的闭环。此前在 7 月 30 日，刻行时空的数据出境项目已一次性通过临港专家评审。

值得关注： 具身智能这两年的投入重心在本体——关节、灵巧手、运控算法。当本体开始批量交付，缺口转移到了另一侧：机器人在真实环境里积累的经验，此前没有稳定、合规、可计量的供给方式。这单生意的意义在于把这件事价格化了——30 万小时对应超过 2 亿元，折合每小时约 660 元（这是按合同总金额与总时长粗算的量级，不是公布的单价），数据第一次有了可对照的市场标尺。同时它把确权、质量验收和跨境合规这三件过去各自为政的事串成了一条链：来源能追溯、权益能明确、价值能形成、出境能合规。

同一周还有一条基础设施侧的消息可以对照着看：沈阳具身智能机器人创新中心 10 月 17 日开园，已布局零售、康养、工业、酒店服务等 13 类 24 个数据采集场景，部署 33 台套专业数采设备，东北首个银河通用「开拓者训练营」同步落地。一边是把数据当资产卖出去，一边是把采集场景园区化地组织起来——两者指向同一件事：具身智能的分工正在形成，在本体与模型之外，「谁能源源不断地产出高质量真机数据」成了独立的一环。

需要说明的是，金额、时长与通过率均出自企业自述与上海技术交易所的公开通稿，尚无第三方核验，买家身份、单价与交付排期均未披露。

来源：财经网 ｜ 上海技术交易所（网易转载） ｜ 沈阳日报

今天的共同主题是定价权：前沿模型被拉到半价，开源工具用免费模型把自己和供应商解耦，商业平台则公开更换模型的供应商。具身智能一侧的信号同样清晰——钱和验收口径正在向「能长期留在产线上并持续回传数据」的任务集中。

谷歌 Gemini 4 Argon 上线 Gemini 应用，引入价打对折

谷歌本周完成 Gemini 4 代首款旗舰模型 Argon 的对外推开，本周起 Gemini 应用与搜索 AI 模式的高级付费 Pro / Ultra 订阅用户可直接使用，开发者走付费档 Gemini API 与 AI Studio，Antigravity（谷歌的智能体编码环境）限于 Ultra 订阅者与符合条件的 Gemini Enterprise 方案。定价是这一轮最有攻击性的部分：引入价每百万输入 Token 2 美元、输出 10 美元，缓存输入再降 95%，截至 11 月 30 日；之后翻倍到 4 / 20 美元，与 Claude Opus 5.5 同价位。规格上，Argon 把输入与输出放进同一个 100 万 Token 预算，取代此前 6.4 万 Token 的输出上限，单次生成最长可写 100 万 Token。

谷歌自测该模型在软件工程基准 DeepSWE v1.1 上得 77.9%，高于第三方整理的 GPT-6 Astra 75.2% 与 Claude Opus 5.5 74.2%——但这份成绩来自谷歌自己的 harness（评测执行框架，包含工具选择、重试策略、运行环境的整套设定），换一套 harness 可能差好几分。第三方 Artificial Analysis 给出的 Intelligence Index 为 53 分，与 GPT-6 Astra 持平、落后 Opus 5.5 五分；其自行跑的 Terminal-Bench 4.0 为 57.1%，接近 Opus 5.5 的 58%–59.6%。最具参考价值的是谷歌开发者博客记录的一次实操：让 Argon 优化自家开源智能体工具包 google/adk-python（约 20.5 万行、800 个文件、约 1.7 万个单元测试）。第一轮只给一段话目标、跑约 2 小时，结果擅自改了公共 schema、总共只跑了 216 个测试；第二轮补上仓库规则文件与 goal 模式后，晚上 9 点 11 分起跑了约 11 小时，跨 32 个文件给出 6 项优化、执行了 16892 个测试，实测导入快约 21%、长会话准备开销降约 40%。人工复审的结果是 6 项里只合并 2 项、驳回 4 项，其中一个缓存方案让合成基准快 17% 却有数据陈旧风险，另有一项通过了全部开源测试却打挂了 25 个谷歌内部测试目标。

值得关注： 真正改变工程习惯的不是「模型多强」，而是两个数字——单位 Token 价格和一次能写多长。统一 100 万 Token 的输出预算意味着长途重构、大补丁、长文档不必再切片多次调用，同时团队必须自己设上限控成本。而 11 小时无人值守只换来 2/6 的合并率，且被驳回的一项能过全部开源测试却打挂内部靶，说明瓶颈在「你给它什么规矩」，不在模型本身。另需留意口径：官方开发者博客标注 10 月 13 日上线 API，部分外媒记为 10 月 15 日发布，消费者端推送落在本周，中文报道集中在今天。

来源：至顶科技（网易） ｜ CodeYourCraft 定价与基准整理 ｜ Tenbrief 交叉核实 ｜ Standard Compute 每请求成本实测

OpenCode 2.0 转正：约 21 万星反超 Claude Code，架构改成后台服务

开源编程智能体 OpenCode 于 10 月 13 日发布 2.0 正式版，随后 10 月 15 日把 DeepSeek V4.1 Flash 限时转为免费、10 月 16 日追加 GLM-5.3 Flash 免费，官方 changelog 另有 StepFun Step 5 Preview 等免费档。三天连击之下，其 GitHub 星标冲到约 21.3 万–21.4 万，超过 Claude Code 的约 15.1 万与 Codex CLI 的约 12.9 万（GitHub API，2026 年 10 月 15 日口径）。社区整理的免费条款基本一致：200K 上下文、最多 32K 输出、输入输出均不收费、提供方执行零留存且不用于训练；限制同样明确——限时且官方未给截止日、只能在 OpenCode 自家终端内使用（不再允许通过 Zen API 转接到其他软件）、部分用户已遇到限流与请求失败。

版本号的「2.0」低估了改动幅度。V1 是一个终端程序，V2 改成一个常驻后台服务，终端、桌面应用与浏览器只是它的三层壳，opencode pair 与 opencode web 能把同一份会话从别的设备接着用。破坏性变更有三处：插件接口、Server API、以及把分层 tui.json 合并为一个全局 cli.json（首次启动自动迁移），.opencode/ 下的 agent、command、skill、MCP 配置不变。权限模型也从「按工具分组」重写为一条自上而下优先级明确的有序数组。有两处需要警惕：一是有用户升级一两天后发现包在终端进程外的沙箱静默失效——工具调用已挪到后台服务执行，包在客户端外的那层壳不再挡在智能体与网络之间，且全程没有任何报错；二是 V2 明确不再运行语言服务器、不暴露 LSP 工具、不产生诊断输出，官方迁移指南让团队改用自己项目的 lint、typecheck 与编译命令，而项目首页仍挂着「LSP enabled」的宣传语，两个页面必有一个是错的。

值得关注： 星数本身只是表象，实质信号是「工具与模型供应商解耦」——同一个开源壳可以同时接国产 Flash 模型、OpenAI、Anthropic 与本地模型，切换成本趋近于零，下面的 Replit 那条正好是它的镜像。V2 的三个改动（常驻服务、权限数组、砍掉 LSP）指向同一个意图：它不再想做终端工具，而是做智能体的地基。代价是升级不再无痛，尤其是沙箱边界悄悄移动这件事不会有任何报错提醒，谁把 OpenCode 跑在有合规要求的环境里，谁就得先把隔离重建在服务层而不是客户端层。

来源：什么值得买：OpenCode 免费模型与星数实测 ｜ ajianaz.dev：2.0 把智能体改成了服务 ｜ MangoDeveloper 架构变更 ｜ AIToolsReview 变更清单

Replit 宣布停用 Anthropic 模型，转投 OpenAI（口径尚未闭合）

Replit 联合创始人兼 CEO Amjad Masad 在 10 月 15 日 TechCrunch Disrupt 的台上表示，公司已不再与 Anthropic 合作，理由是成本、合作条款与性能三方面。他引用 Replit 的内部基准与公开版本称，名为 Sol 与 Astra 的两个模型在「从零 vibe-code 出一个应用」（即用自然语言描述为主、非逐步编程的方式生成应用）上持续更好，并直言「我认为现在 ChatGPT 更好了」。Replit 早在 8 月就宣布了与 OpenAI 的合作，当时从没提过 Anthropic 会被切掉。同期披露的商业化数据：企业合同占收入从 2025 年的约 2% 升到今年约 15%，B2B 占整体收入超过一半。

但这条消息目前自相矛盾。至少一位熟悉双方合作情况的人士告诉 TechCrunch，合作仍在进行；Replit 9 月末的自家博客仍把 Claude Fable 5 与 Fable 5.1 列为 Replit Agent 生产环境中运行的模型，同期 Replit 的产品员工还在 X 上推荐 Anthropic 的 Opus 5.5。TechCrunch 表示已回头向 Replit 求证，截至发稿未有更新。Masad 另外提出一个值得记下的说法：智能体需要一个「栖息地」——就像人需要办公室、空调和电脑，智能体需要编排、错误恢复、安全与沙箱、网络、身份与授权，把这些解决之后才能安全地部署 AI。

值得关注： 对所有把产品硬绑在单一模型供应商上的团队，这是一次直接提醒——模型合作不是婚姻，一个有着 Replit 这种曝光度的平台可以在几个月内换掉旗舰供应商。更值得注意的是竞争压力点已经迁移：不再是抽象的模型质量，而是「每 Token 价格 × 某个窄任务上的基准表现」，这套算法会持续洗牌这些交易。请把这条暂当作「未证实」来处理，真正的观察点是 Anthropic 接下来几周是否用降价或新基准回应。

来源：TechCrunch 原始报道 ｜ Lumien AI 事实梳理与矛盾点

15 台人形机器人在汽车零部件产线常态化作业，数据全部回流

乐聚智能（深圳）与浙江兆丰机电（上市公司兆丰股份）在浙江联合发布「具身智能 + 汽车零部件上料解决方案」，15 台人形机器人在兆丰股份的汽车零部件产线投入常态化运行。按公司介绍，这些机器人在金属丝网框、多工位、上料台交错的狭窄复杂动态环境中完成 10 余个动作序列，稳定抓取内径 80 至 120 毫米的小型零件，打通「预备—取料—转运—上料」全流程。所披露的运营指标为：单次上料循环稳定控制在 40 秒以内，可适配 15 个工位、覆盖 10 余种零件，上料成功率稳定在 98%，现场连续无故障运行超过 2 个月、累计约 1000 小时，协助生产超过 6 万个零部件。

支撑「可复制」的是一套工程体系而不是单点调优：技能开发工具链把上料技能拆成 30 余个基础模块、像拼积木一样组合且无需编写底层代码，开发周期从数月缩短到数周；多机调度平台把标准技能一键同步到多台设备，部署时间从天级降到小时级；零件掉落、碰撞、过速检测等模块负责现场安全。更关键的是数据闭环——「作业即采集」（采集与作业同源）、按用途做批次化质量分类与有效性判定、再反哺模型迭代，按当前产能测算单月采集超过 4 万条。双方同时把「汽车行业零部件上料真机作业回流数据集」捐赠给开放原子开源基金会 OpenLET 社区。

值得关注： 稀缺的不是 98% 这个数字，而是「15 台 × 2 个月 × 1000 小时」构成的规模化并行数据采集能力。行业真正常缺的是带工况的真机数据，而不是模型结构，这条产线把采集成本摊进了正常生产。把数据集捐进 OpenLET 而非留作私产，意味着乐聚想做的是事实标准而非单点优势，对缺数据的模型团队是实质性利好。需要保留的判断是：所有指标均为企业自述、无第三方核验，「业界首个可复制的实景实训示范项目」属于公司口径；且这是一个边界清楚的上料任务，不能外推到通用作业能力。

来源：科技日报 ｜ 证券日报（新浪） ｜ 中国经济新闻网

法奥机器人两轮融资近 10 亿元，美团系双线领投

10 月 16 日，苏州法奥机器人宣布连续完成 C+ 轮与 D 轮融资，两轮累计规模近 10 亿元人民币，分别由美团龙珠与美团领投，永鑫资本、狮山二期、苏创投等机构参与，老股东国联民生资本、苏产投、清流资本继续追加。资金明确投向两个方向：核心零部件的产能固定资产投资，以及工业具身智能的扩产与研发，涵盖 ART 系列工业级人形力控臂与 AIRLab 具身智能工具平台。这家公司成立于 2019 年 4 月，此前已完成 2021 年 A 与 A+ 轮约 2.16 亿元、2022 年 3 月 B 轮约 3.6 亿元、2026 年 3 月 C 轮约 7.2 亿元，累计融资已超过 20 亿元；今年 3 月完成工商更名，9 月已在江苏证监局完成上市辅导备案登记。

法奥的底色是协作机器人而非人形机器人：核心的 FR 系列覆盖 3 至 35 公斤负载、FR3 至 FR35 共 11 款型号，并衍生出面向焊接的 WM 系列与商用 C 系列。人形方向直到今年 8 月才首次落地——ART 系列工业级人形力控臂搭载 7 个自由度与十字交叉手腕结构，作用力重复精度 ≤0.15N，三款型号额定负载分别为 3kg、7kg、14kg（最大瞬时负载 20kg）。需要说明的是，重复定位精度在不同报道中口径不一，一处写 ±0.3mm、另一处写 ±0.03mm，差异达十倍，转述失真可见一斑。经营数据方面，公司称服务客户接近万家、建有 50 余个海外销售网点与 3 个海外服务中心、覆盖超过 100 个国家和地区，并预计 2026 年全球订单销量 18000 台、同比增长 68%，海外销量同比增长 87%。

值得关注： 美团在同一标的上让龙珠与直投分别领投 C+ 与 D 两轮，这种双线下注指向的是「机器人本体 + 本地生活履约场景」的组合可能，而非纯财务投资。钱的去向也值得记：投向核心零部件产能而不是新的演示机型，是把交付能力做实的路线，与上面乐聚那条——把实时数据做实——构成了同一逻辑的两端。需要分辨的边界是：18000 台是公司「预计」而非已实现收入，公司在 9 月已启动上市辅导，估值与产能数据均为企业口径。

来源：网易科技 ｜ BT 财经 ｜ 机器人前瞻（网易）

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。