今天的两条主线：开源阵营迎来迄今参数规模最大的编码模型权重释放（Kimi K3.1 Pro），而 AI 编码工具的供应链安全问题以 Postman 静默改写 Claude Code/Codex 配置的事件集中爆发；具身智能侧，宇树创始人王兴兴在乌镇把下一阶段的靶心明确指向「机器人大脑」并宣布全球找合作，美国首家纯人形机器人上市公司 Agility 也将于明日正式挂牌。

Kimi K3.1 Pro 开源权重今日按期释放，Terminal-Bench 4.0 超 GPT-6 Astra

月之暗面于 10 月 24 日发布的 Kimi K3.1 Pro（K3.1 系列首个模型）此前承诺「完整模型权重将于 11 月 4 日前发布」，今日为约定释放日。该模型为 3 万亿级参数规模、支持 100 万 token 上下文，是目前全球参数规模最大的开源权重模型，同步提供输出速度快 2~3 倍的 K3.1 Pro Highspeed 版本。官方口径下，其在 Terminal-Bench 4.0（考察编程智能体在真实终端环境中完成资源受限任务的能力）得分 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 仅差 0.7 个百分点；内部基准 Kimi Code Bench 3.0 Long-horizon 得分 61.2%（K3 为 55.95%）。北京市科委报道称其价格仅为 GPT-6 Astra 的五分之一。值得注意的是安全侧披露：官方主动公开了「网络安全能力压制」实验——在 xdev-bench-hard 上，未做网络安全数据清除的中间检查点 pass@3 达 90.5%，而最终发布版本为 81.0%，即刻意牺牲了部分攻防能力以换取开源安全性，同时承认通用编码与长程调试能力的提升仍会外溢到安全任务上。

值得关注：这是开源权重模型第一次在主流终端编码基准上系统性逼近闭源第一梯队，且价格差拉到五分之一，对企业级 AI Coding 选型是实打实的变量；更重要的是月之暗面把「开源前主动降级危险能力 + 公开对照数据」做成了流程，为后续大模型开源的安全披露立了一个可参照的样板。需要留意的边界：65.7% 为官方自报口径，第三方复测尚未跟进，且 Terminal-Bench 单榜不能等同于综合编码能力。

来源：Kimi 官方发布页、Kimi K3.1 Pro 技术博客、北京市科委报道

Postman 被曝静默改写 Claude Code 与 Codex 配置，AI 编码工具供应链信任告急

Postman 官方仓库 10 月 26 日出现的编号 #14370 的 issue（标记为 SEVERE）近日在 Hacker News 引发热议，多位用户报告了同一行为：在 Mac 上重新打开 Postman 桌面版后，它自动为 Codex 和 Claude Code 安装了 Postman 插件，并在 Codex 的全局配置中写入会话启动钩子，要求执行任何较复杂的接口工程任务前先加载 Postman 的技能；安装器还会把自己的钩子标记为「已信任」，同时启用一个远程连接和命令行工具。用户进一步核查发现，工具会把每个请求的参数连同模板变量替换后的敏感值发往服务器，且关闭该上报地址后应用无法正常工作。Postman 员工在 issue 中回复称打包安装本意是省去配置麻烦，将重新评估引导流程，但未承诺移除该行为。事件发酵后，社区大量讨论转向 Bruno、Insomnia、Hoppscotch 等离线或开源替代品。

值得关注：这不是普通的软件捆绑行为——被改写的是 AI 编码智能体的全局配置与启动钩子，意味着一个 API 调试工具可以悄悄影响 Claude Code/Codex 的任务执行路径，属于典型的 AI 时代供应链攻击面。对企业而言，凡安装过 Postman 且同时使用编码智能体的环境，都值得检查 Codex 全局配置与 Claude Code 插件列表中是否存在未经授权的条目。更深的行业问题在于：编码智能体的配置文件（hooks、skills、MCP 连接）正在成为新的高价值攻击目标，而目前几乎没有针对这类「自动信任自身钩子」行为的行业标准防线。

来源：GitHub issue #14370、TechSignal 报道

Anthropic 更新招股书：Q3 收入同比增 1127%，算力承诺近 9000 亿美元

Anthropic 在 10 月底递交 S-1 招股书后快速更新了披露材料。据腾讯研究院 AI 速递整理：第三季度收入 169.56 亿美元，同比增长 1127%；净亏损 232.91 亿美元，但其中九成以上来自前三季度非现金公允价值损失，调整后营业利润前三季度为 40.81 亿美元，经营性现金流已转正；年贡献超 10 万美元的客户超过 1.19 万家。最引人注目的是算力侧承诺：累计采购与租赁承诺约 8954 亿美元。据报道，公司目标在 11 月 16 日当周完成上市。此前招股书披露的「9 月 Claude 贡献超 90% 代码」与人均产出数据，显示 AI Coding 仍是最主要的收入引擎之一。

值得关注：单季收入 169.56 亿美元、同比十倍以上的增速，标志着 AI 编码订阅与企业 API 消费已经从「故事」变成可审计的财务事实，这也是本轮 AI 上市周期中第一份成色足够的财报。但 8954 亿美元的算力承诺同样值得警惕——这约相当于把未来多年的资本开支锁死在推理需求持续高增长的假设上，一旦 Agent 用量增速放缓，折旧与租赁成本将直接冲击利润表。11 月 16 日当周的 IPO 定价将成为市场对「AI 收入真实性 + 算力承诺合理性」的一次集中投票。

来源：腾讯研究院 AI 速递 20261104

王兴兴乌镇定调：宇树下阶段主攻「机器人大脑」，面向全球开放合作

11 月 3 日上午，宇树科技（688836.SH）创始人王兴兴在世界互联网大会乌镇峰会开幕会前接受采访时表示，宇树已把机器人本体、运动控制、执行器等硬件能力基本跑通，下一阶段的核心攻坚方向是机器人大脑（具身智能大模型）；除自身研发外，将在全球范围寻求合作，愿意开放机器人硬件平台与运动控制接口，与全球大模型公司、AI 实验室、高校联合训练与迭代机器人大模型。这一表态与 10 月 22 日世界物理 AI 大会上定下的三条主线（大规模量产、适配自身硬件的物理 AI 小模型、超大规模算力集群）互为呼应。财务侧两个口径并存：前三季度营业收入 18.17 亿元（同比 +55.71%）、归母净利润 3.87 亿元（同比 +270.54%）；而 Q3 单季净利润同比下滑约 17%，董秘办归因于算力与大模型方向研发投入增加——单季承压与累计高增并不矛盾，但印证了「把钱从利润里拿出来投大脑」的取舍。

值得关注：这几乎是对具身智能产业分工的一次公开站队。对照特斯拉 Optimus 全栈自研、Figure 押注自研 Helix 的路线，市占率领先的本体厂商主动把「大脑」开放给外部伙伴，等于承认行业上半场（硬件、量产、成本）的胜负已分，下半场（认知、泛化、任务理解）谁也没赢。与美媒报道的 Meta 赴上海找傅利叶定制本体形成镜像——大脑公司造身体、身体公司找大脑，中美各自的比较优势正在通过合作而非单打独斗的方式耦合。数据侧的连带影响同样重要：机器人大脑训练需要融合视觉、触觉、本体感知的多模态物理交互数据，这将继续放大数据采集与治理环节的资本热度（简智机器人 14 个月完成 6 轮累计超 3 亿美元融资即为最新例证）。边界提示：采访中未给出合作时间表、投入规模与对手方名单，「开放合作」与「自研并进」的边界也未明。

来源：腾讯新闻、网易智能、网易号「车智」评论

Agility Robotics 今日完成 SPAC 交割，明日起以 AGLT 登陆纳斯达克

Agility Robotics 与 Churchill Capital Corp XI 的合并交易预计于 11 月 4 日完成交割（需 Churchill XI 股东批准），合并后公司股票将于 11 月 5 日在纳斯达克以代码 AGLT 开始交易，成为美国首家拥有活跃商业部署的纯人形机器人上市公司。最终募资总额约 4.65 亿美元（不含交易费用），构成包括：Churchill XI 信托账户约 1.64 亿美元、富士康领投的每股 10 美元 PIPE 约 2.01 亿美元、以及此前已收到的 1 亿美元股权融资。商业进展方面：Digit 机器人累计真实作业时长超 6.5 万小时；与 GXO 的合作扩展至两个新增设施，与农机制造商 AGCO 的制造试点预计 2027 年启动；在册多年期订单承诺超 3 亿美元（公司注明为需满足合同里程碑的潜在多年价值，非当期收入）；Digit 5 计划 2027 上半年向早期客户交付，年底全面上市，现有活跃管线覆盖制造、汽车、航空航天、物流等 30 余家潜在客户。

值得关注：这是人形机器人行业第一个真正意义上的「公开市场定价」时刻——此前所有估值（投前约 25 亿美元）都是一级市场谈判结果，接下来每天都要接受二级市场检验。我们在 10 月 30 日的日报中已拆解过其账本风险（2025 年营收仅 178.2 万美元、日历填满率中枢约 15%、单位产出成本为人工 2~7 倍），此次挂牌后，市场给出的估值曲线将成为衡量「人形机器人商业化预期」最直接的公开温度计，也会反过来影响国内本体厂商的融资与估值锚点。

来源：Nasdaq 官方新闻稿

今天两条线各自完成了一次「权力下放」。AI coding 一侧，DeepSeek 把插件的生产权交给普通用户，思科把 98% 遗留代码的改写权交给一位 27 岁工程师和一张没有上限的 token 卡；具身智能一侧，两笔同日披露的融资第一次把「数据」按小时标了价，智元则试图给「机器人到底干了多少活」发明一个计量单位。

DeepSeek Harness 上线「创造模式」，一句话换一个能装的插件

11 月 2 日晚，DeepSeek 为其开源智能体平台 DeepSeek Harness 推出 Creator Mode（创造模式）。该模式的能力是：用户用自然语言描述需求，智能体在对话里现场编写、安装并运行一个可用插件。官方演示中，一句单行请求发出后，智能体约在五分半钟内完成了浮动番茄钟插件的构建、安装与验证。DeepSeek Harness 基于 Cordis 的「一切皆插件」架构，工具、技能与界面组件均可通过插件扩展；在此之前的常态是用户安装别人做好的插件，创造模式把生产权交回用户。官方同时放出七类可复现场景的提示词，包括地标 3D 画廊、Transformer 内部计算的交互式 3D 演示、应用视觉风格的像素化切换、海报设计工作台、带时间轴与预览器的视频编辑工作台、论文阅读器，以及基于真实对话数据的用量统计插件。凤凰网科技 11 月 3 日报道了这次更新。

值得关注：真正的变化不是「AI 会写代码」，而是产出的单位变了。过去两年，个人从 agent 里拿到的东西是 prompt——不可复用、不可分发、不可版本化，换个会话就散了；现在拿到的是插件，可以被安装、被分享、被迭代。这意味着个人 AI 工作流的护城河正从「提示词技巧」迁移到「工具资产」，而工具资产是可以累积的。第二个值得看的是门槛下降的确切位置：模型早就能生成代码，卡住普通人的一直是生成之后的安装、权限、调试、验证这一串工程动作，创造模式打通的是这条闭环，不是写代码本身。第三个细节藏在演示里——七类场景中既有番茄钟这种小工具，也有带时间轴的视频编辑器和 3D 演示，后者对状态管理与渲染的要求高出一个量级；但官方演示毕竟是筛过的，五分钟出一个能跑的番茄钟，与五分钟出一个可用的视频编辑器，中间隔着多少个失败样本，没有披露。

读这条新闻还要带上两层边界。一是插件架构的老问题：插件能读什么数据、能调用什么能力、安装时用户能否判断它安全，DeepSeek 目前只给了架构说明，没给权限模型细则；把生产权交给用户，等于也把「审查供应链」的责任交给用户。二是生态数据的对照——同一天 GitHub 日榜上，deepseek-ai/dsh-superagent-prototype（面向单个仓库的主动编码代理研究原型）24 小时新增 5002 颗星、总量到 13013，说明社区注意力确实在往 Harness 体系上聚，但星标是兴趣指标，不是留存指标，这套东西能不能长出非官方插件市场，要看一个月后还有多少人真的在装。

来源：凤凰网科技、GitHub 日榜趋势速报 2026-11-03

思科把 98% 遗留代码交给一位 27 岁工程师，token 不设上限

据《财富》10 月 30 日报道，思科总裁兼首席产品官吉图·帕特尔（Jeetu Patel）透露，他指派一位 27 岁的工程师，在 24 个月内用 AI 重构或重写公司 98% 的遗留代码，并为其提供无上限的 token 预算。这位工程师是帕德马纳班·克里希那穆提（Padmanabhan Krishnamurthy），2023 年联合创办实时翻译初创公司 EzDubs，2025 年思科收购 EzDubs 后随团队加入。他向帕特尔提出的方案只需两个人：一个两人小队加上先进 AI 工具，就能把庞大的旧架构整体迁往安全性更高的语言。董事会已给出四周概念验证期，用来证明 AI 重写核心代码的可行性与可靠度，通过后再推进这项为期两年的大改造。帕特尔的说法是：「我已经给了他无限制的 Token，因为他要去重构代码，所以我对他说，去放手干吧，随便你怎么折腾。」中文媒体在 11 月 1 日至 2 日集中扩散了这条消息。

值得关注：这条新闻最容易被误读成「模型很强」，实际信息量在成本结构。当 token 不再是约束，约束就全部转移到人的注意力上——帕特尔自己承认「你不可能审完 AI 写的所有代码」，思科的配套不是加人，而是自动化测试平台加一条规矩：每一段代码都必须能追溯到一位负责人，哪怕那个人并不真正了解这段代码。换句话说，预算从「算力」挪到了「验证」，而这笔账目前没人算得清。第二个层面是那道四周验证期：它把一个可能吃掉数年的赌注切成了一段可撤回的试跑，这比「全员上 AI」更接近可复制的组织实验——一个人、一条代码线、一个明确的期限、一个能说停就停的止损点。

风险也必须说清楚。遗留代码里那些「看不懂的冗余」，有相当一部分不是技术债，而是早期开发者为兼容旧客户留下的约定式行为，AI 重写的全部意义在于「去掉不想要的行为、保留想要的行为」，而模型能否准确画出这条边界，直接决定成败；把客户已经依赖的行为当缺陷「修好」，是这类项目最贵的失败。另一层是行业经验：AI 大规模改动代码时，「修好多少就引入多少缺陷」并不罕见，路由器、交换机与网络操作系统要达到电信级容错与合规审查，重写速度再快也绕不过这道关。最后必须标注口径：98% 是目标而非成果，四周 PoC 尚未结束，当前实际改动的代码体量与试验成效，报道均未披露。

来源：IT之家（转自网易）、腾讯新闻、太平洋科技

美团 LongCat-2.5：1.6 万亿参数，全程跑在国产算力上

11 月 2 日，美团发布新一代大模型 LongCat-2.5，定位为面向长程智能体任务的原生多模态模型，总参数 1.6 万亿，每个 token 激活约 480 亿参数，训练全程由国产算力完成，美团称这是目前国产算力上完成的最大训练任务。据官方评测，LongCat-2.5 在多项主流基准上介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分项目超过 Opus-5。技术侧的三个要点是：中训练阶段采用最长 1M token 的序列做长上下文训练、累计数万亿 token；推理采用 W4A4 方案，把专家权重与激活同时量化到 4 比特；针对国产算力单卡显存偏小的现实，围绕超节点重新划分任务，让参数与任务数据的主要通信走超节点内高速互联，官方技术博客称长上下文监督微调任务中单卡吞吐较 DDP 基线提升 86%，相当于一张卡做了原来 1.86 张卡的活。能力侧重上，智能体编程通过大规模长程强化学习强化复杂代码库开发与完整项目构建，视觉侧把图像表示为多层级离散 token，支持交互网页与 3D 展示页这类「视觉编程」任务。模型已开放 API，配套的 AI 经营工作台「妙手」已服务古茗、徐升记、益禾堂等连锁品牌。

值得关注：对做 coding 的人来说，这条的重点不是跑分，而是 W4A4 与 1M 上下文这个组合。Agent 类任务的特点是单次会话长、轮次多、上下文反复重读，长上下文把单价推高、4 比特推理把它压回来，两者相抵之后，决定的是「一个 agent 任务敢不敢被高频调用」——这是产品形态问题，不是榜单问题。第二个看点是国产算力路线的真实瓶颈被官方自己点名了：单卡显存小，所以靠超节点的高速互联来承载通信，这是典型的「用系统换单卡」的工程解，也意味着这类模型的成本曲线会高度依赖集群组网质量，而不只是芯片本身。

边界同样需要标注。基准介于 Opus-4.8 与 Opus-5 之间是官方自述，第三方复现尚未出现，「部分超过」也没有列出具体项目与分值；1.6 万亿总参、480 亿激活属于 MoE 结构，横向对比时要区分总参和激活参，否则容易高估推理成本。还有一层路线判断值得记住：王兴今年二季度财报会上的表态是「我们不会成为 Token 工厂，模型和 AI 产品将用于支持主业」，这决定了 LongCat 的编程能力是「够用」导向——它要服务的是商家经营分析与内部软件开发，不是去抢最强编码模型的头名。

来源：美团官方新闻、中国证券网、中证网

简智 1 亿美元 A+ 轮、机器科学 A2 轮：资本开始给「数据」按小时定价

11 月 2 日，两家具身智能公司同日披露融资，方向恰好是产业链的两端。简智机器人（简智新创）完成 1 亿美元 A+ 轮，官方口径为 2026 年第三季度完成、11 月披露；产业方包括上汽集团、百度集团、首程控股、马来西亚 Eastworlds、GALBOT，财务方包括光合创投、中信金石投资、建银国际、华泰紫金、SUNHELM、中证投等。简智不造本体，定位 Physical AI 数据与评测基础设施：自研 Gen DAS 感知采集硬件（第一视角头戴、仿生双指与五指手套、夹爪）、Gen Matrix 数据治理平台、Gen ADP 众包数据产线，让人在真实任务中做操作、把动作转成模型可训练的数据。公司称单季度有效技能数据交付量已从十万小时级迈入百万小时级，目标 2027 年达到单季千万小时，年初开源的 1.3 万小时数据集单月下载量破百万。同日，RoboScience 机器科学完成 A2 轮数亿元融资，由琥珀资本、鸿瑞达投资、上海半导体产投联合领投，爽资本、360 战投、国联通宝、金鼎资本等跟投；它走的是另一条路——自研物理仿真引擎 RoboMirage 加全自动视频标注清洗管线，把单条数据获取成本压到 0.05 元，官方称为传统方案的 1/20 至 1/200，视频训练数据从 2026 年初的 100 万小时增至 10 月的 400 万小时，通用具身大模型 Visics 已上线腾讯云以 EaaS 形式开放 API 调用。

值得关注：这一天最重要的不是金额，是价格。据媒体披露，具身智能数据目前单小时售价在 500 至 1000 元，而采集成本约 30 元每小时——近二十倍的差价不是暴利，是稀缺定价：能干活的数据供给远小于需求，买方愿意为「真」付溢价。智元姚卯青的说法可以互为印证：同质化的裸手叠衣服数据在跌价，真实场景的双目、触觉、腕部相机数据依然坚挺。也就是说，这个行业已经过了「数据越多越好」的阶段，进入「什么数据值钱」的定价阶段。第二个看点是瓶颈的量化证据：在上海举办的 2026 全球开发者先锋大会暨国际具身智能技能大赛上，《2026中国具身智能数据采集与数据产业发展展望》给出的数字是，同一套机器人在仿真场景与真实家庭场景中的操控成功率落差高达 77 个百分点。仿真里学会的，在真实厨房里几乎不成立——问题不是数据量不够，是数据分布不对。

第三层是两条路线的单位经济完全不同，值得分开看。简智走「无本体」采集：人穿戴设备在真实场景里干活，数据真、场景真，但成本是实打实的设备、人员与工时，规模化的唯一路径是把每单位有效数据的采集成本压到模型厂商愿意持续付费的线以下；机器科学走「仿真+视频」：单条成本极低、可无限扩产，但 sim2real 的落差就是那 77 个百分点。前者贵而真，后者便宜而假，谁先跑通取决于客户为「迁移失败」付多少代价。对关注这条赛道的人来说，还有一个信号不该忽略：简智的股东名单里同时出现上汽（主机厂）与百度（模型与云），说明需求方正从具身模型公司扩散到主机厂与云平台——买数据的已经不只有做机器人的公司了。

来源：同花顺财经、商道创投网、腾讯新闻·新京报贝壳财经、21 世纪经济报道、腾讯新闻·上海具身智能技能大赛报道

智元给机器人发明了一个工时单位 Worken，并用 24 小时直播来验证它

10 月 29 日，2026 智元创新日具身作业生产力分论坛在上海世博中心举行，智元发布了一个新计量单位 Worken（有效智能工时），公式为：活跃机器人数量 × 自主工作时长 × 产出效能比。为了让这个单位不只是发布会上的一个词，智元在 11 月 2 日 10 时至 11 月 3 日 10 时做了连续 24 小时的公开直播：6 台精灵 G2 在上海一家便利店上岗，承担迎宾、咖啡、熟食打包、补货与清洁。官方给出的前置数据是，搭载 Genie Master 具身 Agent 框架的精灵 G2 在同一家便利店，完整任务成功率从首日的 28.6% 提升到第五天的 85.7%，且不依赖人工示范与调试——机器人自己定位失败原因、调整动作时序，挂零食袋时视野被挡，它学会先用另一只手上的相机取画面再完成挂载；在部分难度较高的任务上，这一机制比单纯监督微调提升 17.7 个百分点。产线侧的数据更硬：8 台精灵 G2 在平板测试上下料工位并线，6 天累计完成 17500 余件产品，作业成功率 99.99%，平均节拍 22 秒；长隆飞船乐园 9 月开园时 300 余台机器人上线，目前已近 500 台，年底目标 1000 台，覆盖 100 多个岗位。

值得关注：这是一场关于度量衡的争夺。出货量、融资额、发布会掌声都是卖方口径，Worken 试图把评价权推给买方——产线经理、店长、运营排班表。彭志辉在现场的说法很直接：「万台量产是制造业的胜利，万台上岗才是物理 AI 的胜利。」这句话的锋利之处在于，它把行业过去两年最爱炫耀的数字（量产台数）明确划成了「不算数」。但自定标准必须过外部检验这一关：公式的三个乘数里，活跃数量（6 台）和自主工时（24 小时）都是确定的，只有「产出效能比」要等直播结束、且人工介入次数被如实公开才算得出来。直播的真正价值不是表演，是把验证窗口放进一个任何人可以观看、可以计时、可以质疑的区间里——如果数据难看，它同样会暴露一个更真实的问题：当前人形机器人的有效工时，可能还撑不起一张排满的运营表。

技术层面的信息比数字更有价值。五天从 28.6% 到 85.7% 说明瓶颈在「部署后学习」而不在「出厂能力」，这与姚卯青对通用大模型的判断互为补充：他称如果让通用大模型做高动态、涉及力触反馈的末端控制，测试成功率「基本完全是零」，因为它先天不具备也没有学过操作能力；大模型会在 System2 层面提升长程规划与推理，但 VLA、世界模型、底层控制每一层都得具身公司自己投入。边界也要标注：85.7% 是单店、特定任务集、五天窗口的完整流程成功率，不等于 24 小时连续可用，夜间低客流、设备疲劳都是新变量；99.99% 的产线数据来自结构化程度最高的上下料工位，与便利店那种非结构化场景不可直接类比。Worken 能否被行业接受，仍要看第三方是否愿意用它来签合同。

来源：科技日报、搜狐科技（Worken 与便利店案例）、具身智能投研（24 小时直播）

今天的主线是「能力被重新丈量」。AI coding 一侧，一份只考真实工程设计的榜单让多数模型直接挂零，OpenAI 则把 ChatGPT 与 Codex 的额度并进同一个 token 池，Agent 工具链上 Vercel 选择读控件树而不是读像素。具身智能一侧，机器人今天在泰山 3100 级台阶上比爬坡，而乐聚、宇树、Agility 三家几乎同时把「效率、利润、估值」三个数字摊上了桌面。

一份只考真实工程设计的榜单出炉，多数模型直接零分

Xplore AI 于 10 月 27 日发布 RWE-Bench（Real World Engineering Bench，真实世界工程基准），共 20 道题，机械 9 道、航空航天 6 道、电子 5 道。每道题由团队里从事该行业的工程师出题，出题人还必须用同一套工具做出参考答案；判分既不靠 AI 也不靠人工，由程序调用物理求解器逐项检查设计，任一项不达标即判失败。题目形态是这样的：机械题要设计三缸柴油机曲轴，技术简报里列着质量上限、应力上限、疲劳系数与曲柄销变形量，每个数值都是硬约束，配重加多会超重、加少会失去平衡，还得在 2400 转满负荷下撑过几百万次循环，而模型手里只有 CadQuery、Gmsh、CalculiX 与 Python；电子题是在一块已布好近 300 个元件的量产 FPGA 板上补 DDR3 走线，其余线路一律不许动，剩下七十多条网络要在 8 层板的空隙里走通，时序偏差与阻抗都是硬指标，一条超标整块板作废；航空题要算高压涡轮导向叶片的传热，从建流道一直做到 CFD 收敛。

成绩方面，最好的 GPT-6 Astra 通过率 37%，Claude Opus 5.5 为 29%，GPT-6.1 Sol 25%，Gemini 4 Argon 12%，Claude Fable 5.1 仅 7%，其余参评模型几乎全员挂零。新智元于 11 月 1 日报道了这份榜单。若把规则放宽到每题可试 5 次、过一次即算通过，Opus 5.5 能升到 70%，反超 Astra 的 60%。成本曲线也不支持「堆钱换分数」：Sol 跑一次约 10 美元出头，Astra 与 Opus 5.5 都在 58 美元上下，而最贵的 Fable 5.1 一次接近 98 美元，只换到 7% 的通过率。

值得关注：最有信息量的不是分数高低，而是耗时。每题上限 24 小时，可各家模型平均两三个小时就交卷，用时最长的也只有 4.6 小时左右；而人类工程师做这类题，光是反复改模型、跑仿真就不止这点时间。这说明模型并没有在「设计不收敛就回头改」这件事上花功夫，它很可能以为自己收敛了。这恰好对应工程实践里最贵的一类失败——不是报错，是悄无声息地做错还报告成功。SWE-bench 这类代码基准考的是「在已有仓库里改对一个 bug」，有测试用例可以对照；RWE-Bench 考的是「从零产出一份能通过物理检验的设计」，判分器本身就是仿真器，没有答案可抄，这是两种不同量级的能力。读榜时必须带上三层折扣：一是样本只有 20 道，官方给出的 95% 置信区间里 Astra 是 30.7% 至 43.8%、Opus 5.5 是 21.9% 至 37.6%，两段重叠，第一与第二谁更强还不能定论；二是页面称所有模型都开了最高推理强度，但数据文件里 Gemini 4 Argon 标的是 high 而非 max，且刚发布的 Gemini 4 Carbon 未参与本次评测；三是 Xplore 本身就在卖 RL 训练环境，题目越难、分数越低，它的生意越好做——题目与判分方式已公开，但控制题目难度的动机客观存在。

来源：xplore.ai/rwe-bench、新智元报道

OpenAI 把 ChatGPT 与 Codex 并进同一个 token 池，12 月起生效

OpenAI 于 10 月 31 日上线帮助中心文档《Understanding ChatGPT and Codex usage limits》，明确自今年 12 月起，ChatGPT Plus、Pro、Business 三档付费套餐的用量额度将在 ChatGPT 与 Codex 之间共享，不再分别计算。官方给出的理由是，正在把 ChatGPT Work 的智能体能力并入 ChatGPT 的主体验，让用户能直接在 ChatGPT 里完成更复杂的任务。真正的变化落在计量单位上：额度统一按 token 计量，而不是按消息条数，实际消耗速度取决于所选模型与任务复杂度，模型越强、任务越复杂，扣得越多；唯一豁免的是 Instant 即时聊天，日常闲聊不占用共享额度。

文档没有给出具体上线日期，也没有公布各档套餐到底包含多少 token。合并之后，用户可在「设置—用量」页面查看总额度余量与下次重置时间；额度耗尽有三条路：等待自动重置、升级套餐，或者购买 credits 继续使用符合条件的功能。这项调整此前已有征兆：10 月 30 日，长期追踪 OpenAI 产品动态的 Tibor Blaho 在 ChatGPT 网页版结账页面发现一行提示，称 12 月起套餐用量将在 ChatGPT 与 Codex 的全部功能之间共享同一上限；就在前一天，Codex 负责人 Tibo 还在回复用户时表示团队在做这件事但尚未开始推送。

值得关注：合并本身不是重点，计量单位才是。以前订阅买的是「聊天次数」，现在买的是「一个 token 池」，而跑一个多步 Agent 的 token 消耗，与问一句话完全不在一个量级。按条计费本质上是在补贴重度用户，按 token 计费才是成本对齐；这一刀落下之后，Claude Code、Cursor 这类同样按请求数或「快速请求」分档的产品都会面临同题压力——要么跟进改成 token 口径，要么继续用不透明的限流窗口兜底。有个背景值得放进上下文：过去四周 Codex 用户几乎每隔一天就能收到一次额度重置，福利发到最后几天，账本收紧了。对个人用户的真实影响，取决于两件目前都未公布的事——各档到底有多少 token，以及 Codex 单个长任务的真实 token 开销。可预期的变化是，重度用户会第一次看清「一个长任务值多少钱」，而这会反过来改变他们决定让 Agent 跑多远的判断。至于「大多数用户等待重置的频率不会高于此前」这句安抚，在配额数字公布前只能算意向而非承诺。

来源：OpenAI 帮助中心、腾讯新闻、中新经纬

Vercel 开源 agent-desktop：让 Agent 读控件树，而不是截图猜坐标

Vercel 旗下实验团队 vercel-labs 开源了 agent-desktop，一个用 Rust 编写的命令行工具与 C 库，覆盖 macOS、Windows、Linux 三个平台，11 月 1 日进入 GitHub 日榜第六位。它解决的是 Computer Use 类产品最脆弱的一环：让 AI 点一下屏幕上的按钮听起来简单，但窗口挪了位置、弹窗挡了一下、列表刷新了一行，靠截图识别再换算坐标的套路就可能点偏，而且每看一次屏幕都是一笔图像 token。agent-desktop 换了条路，它不读像素，读的是操作系统提供给屏幕阅读器的无障碍树——macOS 的 AX API、Windows 的 UI Automation、Linux 的 AT-SPI，把界面上每个可操作元素变成一个引用（ref），Agent 按 ref 点击、输入、滚动，然后再读一次确认结果。

它的关键设计是「失败闭合」：一个 ref 只属于某一次快照，界面一变就返回 STALE_REF，强制 Agent 重新观察，而不是拿着旧编号点到新按钮上。工具默认以 headless 方式运行，按 ref 操作不移动鼠标、不抢焦点，因此 Agent 可以在后台干活，用户照常使用电脑，多个 Agent 还能并行。官方自报在 Slack、VS Code、Notion 这类控件密集的应用上，token 消耗可降 78% 至 96%，Apple Maps 的单次观察从 3811 token 降到 273。时间线上，v1.0.0 约在 10 月 27 日发布，v1.0.2 在 10 月 30 日，10 月 31 日正式对外宣布，11 月 1 日在中文技术圈集中扩散——并非今天才出现的新项目。

值得关注：真正的价值不在「又一个 Computer Use」，而在它把问题从视觉定位换成了结构化检索。截图方案每一步都在让模型做一次带噪声的视觉推理，误差会随任务长度累积；读树则把界面变成可查询、可验证的状态，模型只负责决策。STALE_REF 这种设计比省 token 更重要——最难的 bug 从来不是报错，而是它悄悄点错了还告诉你成功了。天花板也很清楚：只能看到应用主动暴露出来的无障碍树，自绘 UI、游戏、部分 Canvas 应用大概率还得退回截图方案，网页也不归它管辖（那是 agent-browser 的领域）。另有一条使用提醒容易被忽略：快照与剪贴板里可能包含桌面上的隐私内容，把日志往公开仓库里丢之前先想一遍。对做 Agent 工程的人来说，这条路线值得抄的不是代码，而是那个思路——把「让模型看」换成「让系统查」。

来源：github.com/vercel-labs/agent-desktop、腾讯云开发者社区 GitHub 日榜

首届 CMG 世界机器人登泰山大赛今日开赛，3100 级台阶当考场

首届 CMG（中央广播电视总台）世界机器人登泰山大赛于 11 月 2 日在山东泰安开赛，赛道设在泰山红门至中天门的千年盘道，全长约 3.8 至 3.9 公里，沿途 3100 余级石阶，累计高差约 600 米。赛制分竞速与专项两类：人形机器人竞速赛正式赛段从红门广场至斗母宫，约 1.6 公里、600 余级台阶，完成者可自主挑战斗母宫至壶天阁的高难度赛段；足式机器人竞速赛则从红门广场直抵中天门，全程约 3.9 公里、3100 余级台阶；专项赛包括模拟挑山工场景的足式负重赛与外骨骼助力赛，另有面向轮式、履带式、球形机器人的全域机动探路挑战赛。最陡的「十二连盘」路段，机器人需完成 92 米垂直爬升。

技术准备上，无论四足还是双足，赛前都要「建图」——用激光雷达扫描整条古道，判断台阶、岩石、障碍与树木，生成三维点云植入机器人大脑。部分人形机器人把摄像头从头部移到胸前，视线放低以减小脚下盲区；也有队伍选择「盲爬」，不依赖视觉，靠脚接触地面时关节受力与运动姿态实时调整步距，类似人的反应本能。排位赛已于 10 月 26 日举行，50 支队伍参赛，中途遇雨且雨势渐大，出现了一个颇具象征意味的场面：裁判追不上机器人。组委会随后把全程跟踪改为点位裁判值守，总裁判长苏庆伟的解释是「机器人是用电的，裁判员是吃饭的」。赛事同期还配套 2026 中国（泰山）具身智能产业生态展，为期 3 天，110 家企业参展，覆盖本体制造、外骨骼硬件、系统集成、核心零部件与算法。

值得关注：台阶是双足机器人最残酷的一类测试——没有两级一样高，没有车道线，也没有重置按钮。这种实景赛道补的正是仿真与真机之间那道落差：仿真里台阶是参数，泰山上下 3100 级每一级都是不同的错位、磨损与湿滑。但别把完赛当能力证明。能爬完 3.9 公里，与能在产线上连续站 8 小时、把节拍稳在 95%，是两套完全不同的指标——「通过性」不等于「作业性」。真正有信息量的其实是失败：哪一级台阶让谁摔了、雨中续航衰减多少、有没有队伍靠遥操作兜底（这类比赛通常对遥控有明确降分或禁止条款），这些比冠军名字更值钱。赛事把「裁判跟不上」改成点位值守这个细节也值得记一笔：现有人力赛事组织方式，已经开始跟不上机器人的节奏了。

来源：快科技、央视新闻、中国经济网、巴士的报

人形机器人开始摊账本：95% 的效率、465 倍的 PE 与 1400 倍的市销率

11 月 1 日，2026 大湾区科学论坛主论坛在广州南沙举行。乐聚智能董事长冷晓琨给出了一个具体门槛：只有达到 80%，工厂才会接受机器人进入产线。他把训练拆成三段——仿真数据为主的预训练阶段泛化能力强，但成功率只有 40% 至 50%；后训练用训练场数据训垂域模型，成功率约 80%；再进工厂实景实训、真机数据回流，实际生产效率可达 95% 左右。落地进展是：15 台机器人在浙江兆丰的生产厂里已完成两个月持续作业，实际生产效率达 95%，他称这基本标志人形机器人在真实工作场景中可以完整完成岗位任务。行业侧的数字同样直观：2023 年做论证报告时，国内做人形机器人的企业只找到 3 家，如今全国具身智能相关企业已达 194 家，今年上半年相关主题融资超过 900 亿元。

另一个侧面来自 A 股。宇树科技 10 月 28 日披露上市后首份三季报：第三季度营收 6.65 亿元、同比增长 69.93%，归母净利润 1.13 亿元、同比下降 17.37%，环比二季度的 2.24 亿元下滑约 49.7%；单季毛利率 50.58%，同比下降 8.36 个百分点；研发投入 1.27 亿元，同比增长 249.58%，占当季营收 19.10%。前三季度营收 18.17 亿元、同比增长 55.71%，归母净利润 3.87 亿元、同比增长 270.54%，但这一增速主要来自低基数——上年同期一次性确认了 3.81 亿元股份支付费用，扣非净利润为 3.49 亿元、同比下降 18.78%。截至 10 月 26 日，宇树滚动市盈率 465.22 倍，而其所属通用设备制造业近一个月均值仅为 38.54 倍。

第三个数字来自美国。Agility Robotics 将于 11 月 5 日以代码 AGLT 登陆纳斯达克，成为首家在美股上市的纯人形机器人公司。其 2025 年全年确认营收 178.2 万美元，对应 25 亿美元投前估值，市销率超过 1400 倍；其中约 63.5%（113.19 万美元）来自关联方，面向非关联方的销售只有 65.01 万美元。SPAC 股东赎回比例超过六成，信托账户从约 4.24 亿美元缩至约 1.64 亿美元，总募资从「超 6.2 亿」落到约 4.65 亿美元；管理层与审计机构 Grant Thornton 均提示，在不考虑本次合并融资的情况下，公司持续经营能力存在重大疑虑。

值得关注：三个数字量的是同一件事——单位产出经济性还没跑通。「生产效率 95%」量的是单位时间内的作业质量，「日历填满率 15%」量的是全年实际开工时长，两个数要相乘才是真实产能，只看任何一个都会得出过于乐观的结论。Agility 的账本正好给出了后一个数：据公开数据估算，其单机日历填满率约在 8% 至 27% 之间，中枢大致 15%，意味着一年里真正干活的时间可能不到存在时间的两成，而专用分拣设备可以做到八成以上。它自己算的 RaaS 单位经济也值得细看——月费约 8500 美元、年约 10.2 万美元、加 2.5 万美元一次性部署费，按每天 20 小时折算约 14 美元/有效小时，对比人工全负担时薪 30.5 美元约为 46%，看上去赢了；但若单机单位时间产出只有人工的 1/5 到 1/15，按同等工作量折算，实际花费反而是人工的 2 到 7 倍。宇树那份报表则是另一种提醒：营收涨七成、扣非净利降近两成，毛利率掉 8 个多百分点，钱从硬件毛利流向了具身大模型与算力——这是所有本体公司都要交的同一张账单。Agility 的意义不止于它自己，它将成为第一个被公开市场定价的参照系，一旦真实财务摊开，一级市场那些估值都要被重新校准；而 25 亿贵不贵，取决于市场选择哪个口径——按 AI 公司远期市销率不足 2.5 倍，按设备租赁公司口径则贵得离谱，这场口径之争会决定后面所有 RaaS 公司的资产负债表怎么算。

口径提示：乐聚的 95% 为企业方公开表述，未见第三方复核，且其标准化的是「生产效率」而非「有效工时占比」；宇树数据来自三季报原文；Agility 的日历填满率为媒体依据 65000 小时/9 个客户设施等公开数据做的量级估算，非公司披露，报道本身也标注其为敏感性分析而非点估计。

来源：羊城晚报·羊城派、界面新闻、中国经济网、钛媒体

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。