AI 日报 | 2026年10月17日

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）