AI 日报 | 2026年10月26日

今天 AI coding 的三条新闻都不在模型上：谷歌与 AWS 相隔一天，分别把智能体的运行开销拆成「隔离」和「等待」两笔账来处理，Anthropic 把技能格式交给了中立基金会。具身智能这边则是两件对照鲜明的事——一份报告把租金、二手价、成功率与运维成本摊到了桌面上，而 OpenAI 的机器人岗位已经挂到 27 个。

谷歌 ACE 与 AWS Infinity：一个管凭据，一个管等待

10 月 22 日，谷歌云在 AGNTCon 与 MCPCon 上发布 Agent Compute Engine（ACE）：每个智能体独占一台硬件隔离的 microVM，自带 guest 内核与 root 权限，边界由 Cloud Hypervisor 守住，底层再叠 Titanium 卸载芯片。关键设计是「沙箱内零凭据」——microVM 里不放长期密钥、OAuth 刷新令牌或云服务账号密钥，只持有一个会话级的短期 SPIFFE 身份；真实凭据由 Agent Gateway 在出网时、校验完 mTLS 身份与出网策略后才注入。microVM 没有标准网卡、没有默认网关、不直连 VPC，所有流量经 virtio-vsock 到本机代理再出去，宿主是无状态设备，根文件系统由 dm-verity 强制只读。空闲时 microVM 被 checkpoint 挂起、从快照恢复，密度靠 copy-on-write 内存共享——多个 microVM 共享基础镜像页，只有各自改过的页才占私有内存。

同一天公布的还有四层身份模型：用户身份只用来认证整项任务，委托代办身份存在中心授权服务里而不是节点上，Agent Workload 身份是唯一的短期 SPIFFE 身份、被偷走也没法直接调 API，Agent Workforce 身份则是智能体自己的账号。该服务已经在支撑 Gemini 与 Antigravity 的工作型智能体，以及谷歌内部的模型评测与强化学习流水线，客户预览在未来数月开放。它的开源兄弟是 9 月 15 日就上了 GKE 的 Agent Substrate，谷歌给的数字是每秒 500 次激活、20 万个 agent 测试中挂起与恢复低于 500 毫秒、单机容纳 1000 个以上休眠 agent、密度约为传统计算的 10 倍，并称可与 Claude Code 等 harness 配合，但生产环境 GA 目前仅白名单开放。

次日（10 月 23 日），AWS 以 Apache 2.0 开源了 Infinity，用 Rust 编写，属于 AWS 与加州大学伯克利分校合作的 Hydro 项目，作者是 Hydro 团队研究负责人 Shadaj Laddad。思路正好互补：它不在意沙箱里有没有东西可偷，而是认为智能体大部分时间花在等待上——编码智能体等一次 20 分钟的构建，助理等隔夜的审批，而主流 harness 在这段时间里把进程和内存一直占着。Infinity 把工具调用当成异步函数里的 await：派发调用、保存会话、挂起智能体，结果到达共享输入队列时再从存档恢复。每个执行切片只做四件事——载入历史、跑一次模型补全、最多派发一个工具调用、持久化并退出，切片内部永不阻塞，因此能跑在无服务器平台上：参考部署用 SQS FIFO 当输入队列、Lambda 跑切片、Aurora DSQL 存会话历史、DynamoDB 记消息处理状态，定时器走 SQS 延迟投递与 EventBridge Scheduler，仓库带 CDK 模板。外部事件靠注入一个模型从未发起过的合成工具调用 receive_event__injected 送进对话，模型 API 无需改协议；父子智能体用内置的 spawn_thread 派生，子线程报告以合成事件回传，避免子上下文塞爆父上下文；现有 MCP 服务器经兼容层可原样运行，仓库里还附了一个基于该运行时的编码智能体 Infinity Code。

值得关注：两家的判断其实一致——智能体的开销大头是等待，不是思考，但切入口不同：谷歌把安全做在「沙箱里没有东西可偷」，AWS 把成本做在「等待时不占资源」，已有技术分析认为真实技术栈最终会把两者叠起来用，也就是既便宜又安全地空转。AWS 给的量级是 8 万个 agent、每个 20 轮、共 320 万次补全，在单个 AMD EPYC 9R14 线程上用内存存储与模拟模型测出每闲置 agent 约 100KB，折算 8GB 内存可容纳约 7.5 万个——8GB 是树莓派 5 的内存容量，这只是容量的类比，测试并不在树莓派上跑。要留的两分清醒是：ACE 的启动时间、单机密度、定价与预览日期一个都没公布，AWS 的 7.5 万也是模拟模型下测出来的、未经独立验证；AWS 明确 Infinity 是早期研究版本，放出代码是为了拿反馈，不是带 SLA 的托管服务。有意思的是就在开源当天，安迪·贾西说 AWS 2026 年的算力已经售罄。

来源：Google Cloud 博客（英文转载）— https://dev48.org/en/articles/introducing-agent-compute-engine-and-expanding-agent-governance
来源：AWS 开源博客（英文转载）— https://tsnmedia.org/aws-infinity-agent-runtime
来源：Stackademic 分析 — https://stackademic.com/blog/aws-infinity-lets-agents-hibernate-by-the-thousands-while-tools-run

南北阁开源 33B 教师模型：先把老师做大，再把能力蒸给 3B

10 月 25 日 12:11（UTC），BOSS 直聘（看准）旗下的南北阁 LLM 实验室在 X 与 Hugging Face 上发布 Nanbeige4.3-33B 及其 Base 版本，采用 Apache 2.0 许可。它是 33B 的 dense 模型、Llama 式架构、支持 512K 上下文（524,288 词元），定位是 Nanbeige4.3 系列的旗舰教师模型，后续要把智能体能力蒸馏到更小的型号，第一个是 Nanbeige4.3-3B。部署方式支持 Transformers、SGLang 与 vLLM，官方示例用 4 路张量并行。

官方在同一个 harness、同一套推理超参、均为最高思考强度的条件下，与 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B 做了对比：Terminal-Bench 2.1 得 80.9（Qwen3.8-27B 为 73.0）领先，DeepSWE 得 65.5（42.5）大幅领先，Automation Bench 54.2（38.3）、JobBench 覆盖 35 个职业得 44.8（34.5）；但 SWE-Bench Pro 得 60.3、略低于 Qwen 的 61.7，GDPval 得 84.8、也略低于 86.4。全部为自报数字，尚无独立复现。

值得关注：这条的路线与主流相反——不是直接把小模型做出来，而是先堆一个 33B 的老师，再把智能体行为蒸到 3B。对本地与私有化部署场景，这是更接近可用的路径：如果 3B 能留住 33B 的 Agent 行为，成本结构就变了，用单卡跑长程任务的门槛会明显下移。但也要按住兴奋，SWE-Bench Pro 与 GDPval 两项仍略输 Qwen3.8-27B，而且全部是自测——这一行的自测数字此前多次与第三方复现对不上。另外它对自己的定位写得很清楚：33B 只是教师，真正的目标是后面那个 3B。

来源：AICoder — https://aicoder.com/news/news-20261025-nanbeige-4-3-33b-open-agentic-model
来源：Hugging News — https://huggingnews.com/ai/nanbeige-releases-33b-parameter-model-with-state-of-the-art-agentic-perf-49ffccaa
来源：Digest AI News — https://digestai.news/story/nanbeige-releases-nanbeige-4-3-33b-teacher-model-for-lightweight-agents

Anthropic 把 Agent Skills 交给中立基金会：技能格式不再属于某一家

10 月 22 日，Anthropic 公告把 Agent Skills 标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF）。AAIF 由 Anthropic、Block 与 OpenAI 在 2025 年共同创立，此前已经接收过 Anthropic 捐出的 MCP，因此这是同一路径上的第二次捐赠。捐赠范围包括标准本身、名称与 Logo、GitHub 组织，以及 agentskills.io 域名。

一个技能就是一个含 SKILL.md 的文件夹，配上脚本与参考资料，把「你们团队怎么写测试、怎么部署、品牌规则是什么」这类流程性知识打包给智能体。它诞生于 Claude Code 的开发过程中——Claude Code 在 2025 年 10 月上线，几周内就有开发者为其发布了数千个技能，并给 Codex、Cursor、OpenCode 写了加载器，Anthropic 于同年 12 月把它作为开放标准发布。目前超过 70 个平台接入，包括 ChatGPT、Cursor、GitHub Copilot 与 VS Code，约 100 万个技能被发布、近 2.8 亿次被安装。后续维护者以个人身份参与，来自 Anthropic、谷歌、OpenAI 等公司，由 David Soria Parra 与 Mahesh Murag 担任首席维护者，路线图包括版本化发布、正式的提案流程，以及面向技能作者与安装者的安全指引。同一天，AAIF 还接收了 OpenAI 的 Open Responses（多供应商模型接口规范）与 Hugging Face 的 OpenEnv（强化学习环境枢纽）。

值得关注：这是 10 月 22 日的旧闻、本周才在中文圈扩散开，放在今天写是因为它的影响在今天才落到具体动作上——技能格式归中立基金会后，团队把工程规范写成 SKILL.md 一次，就能在不同的编码工具之间迁移，换工具的成本下降。另一半是安全：技能里装的是会被执行的指令与脚本，安装一个技能更接近安装软件而不是下载文档，路线图里那条安全指引才是真正该盯的项。对已经在用编码工具的团队，可以直接提两个问题——你们的工程规则有没有写成可移植的形式，以及谁负责审核第三方技能。

来源：Anthropic 官方公告 — https://www.anthropic.com/news/donating-agent-skills-to-the-agentic-ai-foundation
来源：BuildApps 转述 — https://buildapps.co.uk/signals/anthropic-donates-agent-skills-agentic-ai-foundation-vendor-neutral

具身智能的账：租金、二手价、成功率与运维成本

10 月 26 日一篇行业文章把「具身智能是不是泡沫」换成了「能不能把账算平」的问题，并引用中国信通院与清华大学联合发布的《具身智能发展报告（2026年）》给出几组硬数字：人形机器人日租金从 2025 年初的数万元降到 2026 年的数千元，部分旧款工程样机的二手价从 30 万至 80 万元跌到 3 万至 6 万元；机器人在真实家庭环境中的任务成功率仅 12%，而仿真环境为 89.4%；真机操作榜的最高成功率仅 24.4%，人类专家是 100%；整机价格只占总拥有成本的 40% 至 60%，单台轮臂或双足人形机器人的年综合运维成本约 50 万至 70 万元，高于多数岗位的人力成本；公开中标项目中教育科研机构约占 55.5%，工业及技术型企业仅约 21.1%。

同期另一组数字是：上半年国内具身智能赛道融资 322 起、约 935 亿元，同比增长约 5 倍；全球人形机器人出货超 2.2 万台，五家国内整机厂商合计占比超 86%。会上嘉宾把问题拆成两层——方向是不是必然，与当前产品能不能干活，是两个完全不同的问题；泡沫与否最终不取决于估值曲线，而取决于机器人进入场景后能不能把一笔账算平。

值得关注：这组数据里最该盯的不是融资额，而是 12% 与 89.4% 的落差——它把「仿真里训出来的能力」与「真机上验收的能力」之间的缺口量化了，这个缺口的位置就是真机数据的价值所在。这条与 10 月 21 日日报引用同一份报告时谈的「千万小时级有效数据」正好互补：那边是数据量的门槛，这边是单位经济的门槛。对做数据的人来说这反而是好消息——真实场景成功率越低，采集、清洗、质量评估就越值钱，而这块恰恰是培训班标准化教学覆盖不到的部分。

来源：网易（独角兽早知道）— https://www.163.com/dy/article/LA4H122E0519VPHD.html
来源：证券时报（网易转载，10 月 23 日岗位口径）— https://www.163.com/dy/article/LA08UQKA053469RG.html

OpenAI 的机器人团队：27 个岗位，短期目标是帮技术工人建基础设施

10 月 26 日新浪财经转载的国际动态里，OpenAI 首席执行官奥尔特曼在《Sources》播客中被问到公司会不会亲自制造人形机器人，回答是「我们会」，但他强调外观细节这类问题远不如研发出驱动机器人运转的大脑重要——门、键盘与各类工具都是按人体形态造的，所以选择人形本身有合理性。在《财富》杂志的采访中，他预计 2027 年能拿出亮眼的演示样机，但机器人走上街头还要再等好几年，也没有透露演示内容与外观。

招聘页面目前挂着 27 个机器人方向的岗位，覆盖运动控制、状态估计、执行器控制、整机行为开发、用于训练实体 AI 系统的机器学习基础设施，以及规模化量产所需的制造与供应链；岗位信息显示团队正在自研集成电机、传动机构、传感与热管理系统的机电一体化执行器。一条招聘启事写明了短长期目标：短期打造通用机器人协助技术工人建设基础设施，长期是完成更多种类任务的个人机器人。公司尚未正式发布实体机器人，也未公布售价、订阅模式、上市日期或针对机器人的隐私规范。

值得关注：岗位结构本身说明了路线——27 个岗位里既有大脑也含执行器与制造供应链，嘴上说硬件没那么重要，手上在补的正是硬件那一半。另一个可对照的时间口径：10 月 23 日有报道称官网在招 10 余个 Robotics 相关岗位，本周增至 27 个，两周内翻了一倍多。短期目标选「协助技术工人建设基础设施」而不是家庭场景，也与业内避开开放家庭环境的选择一致——上文那份报告里 12% 的家庭成功率，正好解释了为什么大家都先去工厂和基础设施。

来源：新浪财经 — https://finance.sina.com.cn/wm/2026-10-26/doc-iniwnzcz9300100.shtml
来源：证券时报（网易转载）— https://www.163.com/dy/article/LA08UQKA053469RG.html