article

AI 日报 · 2026-10-23(周五)

23 min read

关注方向:AI Coding / Agent 工程化 × 具身智能 本期 5 条主条目 + 附注速览。已对齐 10-21、10-22 两期推送内容做去重,重复事件只保留「进展增量」。


一、Anthropic 发布 Claude Duet:Coding Agent 的 harness 被打包成通用个人智能体

事件内容

Anthropic 于当地时间 10/21 推出个人智能体应用 Claude Duet(研究预览,美国区 Pro/Max 候补申请),10/22 起在国内媒体扩散。

维度具体情况
基座Claude Opus 5.5
形态独立 iOS / Android App + claude.ai 网页端,非聊天窗口内嵌
执行环境独立带浏览器的云端虚拟机,用户关掉手机/电脑后任务继续跑
工具面可调用 Claude Marketplace 超 6000 个连接器与插件(Gmail、Slack、QuickBooks、Stripe、Gusto、Canva、Shopify 等);无连接器的网站靠浏览器兜底
状态继承直接继承原 Claude 账户的记忆、Skills、应用授权,无需重新配置
计费预览期不单独收费,共用 Pro/Max 额度;每数小时巡检一次已连接账户,巡检越频越耗额度
支付已接 Stripe Link 与 Shop Pay,虚拟卡机制,Duet 本身不持有完整卡号
安全不获取密码与登录 token;发信、支付、签约、删除必须用户确认;内置分类器专门拦截信用卡号与身份证件

Anthropic 自己承认的短板:会误读对话、误判紧急程度、后台巡检间隙会漏新事项、个人事务(购票类)表现弱于职场任务。科技媒体 Every.to 联创 Dan Shipper 实测反馈:邮件文本质量不及 ChatGPT Dots,定时任务无法调用自定义连接器。

值得关注的原因

  1. 这是 coding agent 那套 harness 的通用化移植。 独立 VM + 后台长任务 + MCP/连接器工具面 + 记忆继承 + 敏感操作确认,这五件套正是过去一年 Claude Code 类工具在终端里跑通的东西。现在被原样搬到了「办公场景」,说明这套架构已经被验证到可以产品化复用。
  2. 竞争壁垒从模型能力挪到了「记忆 + 连接器 + 安全架构」。 国内同类:阿里千问 Go 已开放体验、腾讯元宝在研独立 App「元宝助手」、字节传将出「小豆」(Spell 项目)。Meta Muse 的做法是用户专属云端安全 VM + 独立 Sentinel 组件审核对外操作。真正难的不是模型,是谁能拿下企业系统的连接器授权。
  3. 对做 Agent 产品的直接参考价值:Duet 把「巡检频率 ↔ 额度消耗」做成显式成本项,这是个很现实的设计取舍——主动型 Agent 的成本模型和被动问答完全不同(Gartner 预计 AI 智能体与助手支出从 2025 年 164.8 亿美元增至 2027 年 654.7 亿美元)。

二、腾讯混元 + 复旦 WorkForge:给 Agent 造了 1.67 万套「可验证的真实职场」

事件内容

10/22 腾讯混元联合复旦大学发布 WorkForge 框架,核心思路是从真实世界资源反向生成训练环境,而不是让 AI 凭空造模拟数据。

指标数据
环境规模16,665 套工作区(WorkForge-16K)
覆盖广度40 个专业领域、60 种文件类型
单环境复杂度平均 42.3 个文件
轨迹长度单条轨迹平均约 7.6 万 tokens
验证机制双重校验:程序核对具体数字与交付文件 + LLM 语义评分
训练效果35B-A3B:GDPval 45.5 → 73.6,APEX 5.0 → 21.3
27B:GDPval 82.4
对标27B 的 82.4 > Qwen3.5-397B 的 79.7(参数量约 15 倍),但 < GPT-5.6 Sol 的 90.1

一条容易被忽略的细节:示范轨迹是用 GLM 5.3 + Claude Code + OpenClaw 生成的,再拿这些轨迹去微调 Qwen3.5。也就是首轮是「借外部模型当教师」。

值得关注的原因

  1. Agent 后训练的瓶颈已经明确转移到「环境 + 验证器 + 轨迹供给」。 模型不再是短板,能不能批量造出带可核对事实、能被程序判分的任务环境才是。WorkForge 的做法——先从原始文件抽可验证事实,再据此反推任务和评分标准——比「先出题再人工标注」便宜一个数量级。
  2. 27B 打赢 397B 这件事本身值得警惕地解读。 它证明的是后训练与环境质量的杠杆,而不是小模型通用能力追平大模型。GDPval 这类偏「交付物产出」的基准对训练分布敏感,跨榜外推要谨慎。
  3. 对腾讯内部路线是一个注脚:算力受限下「不硬拼最大基座,用环境和后训练把小模型推近大模型」,和混元近期 L0–L4 自我进化的梳理、徐灿转岗微信 WeLM 是同一套逻辑。
  4. 一个待验证的问题:教师模型是外部闭源栈(Claude Code/OpenClaw),学生是自家 Qwen 系。这个「数据工厂」的上限,取决于教师模型能力上限,中间存在蒸馏天花板。

三、国际具身智能技能大赛(IEIC)今日在沪开幕:评价体系从「表演」换成「上岗考核」

事件内容

10/23–25,2026 全球开发者先锋大会(GDPS)暨国际具身智能技能大赛在上海张江科学会堂举办,主题「具身进实景,劳动最光荣」,口号「选最能干的机器劳模」。

维度具体情况
定位工信部 + 国资委《2026 年度人形机器人与具身智能实景实训专项行动》的首次全国性落地赛事
规模9 大实景赛道、23 个赛项;1200+ 场景单位与本体单位申报;计划千余支队伍、300+ 本体企业
赛制「产业出题、科技答题」+ 揭榜挂帅;模拟赛 → 仿真赛 → 实景赛全年三级体系
评分四模块百分制:任务执行 / 具身数据采集与回流 / 自主智能 / 创新能力
场景供给方延锋汽车、百联集团、申通快递等真实产线与服务需求直接搬进赛场
专家委主席为图灵奖得主、中科院院士姚期智
参赛方整机企业、AI 算法与大模型企业、高校团队、海外创业团队,每队 ≤5 人

同期亮点:智元、宇树、傅利叶、联想等整机厂 + 核心部件厂集中亮相;超万台机器人入驻张江人工智能创新小镇;100+ 家开源社区设专场。

值得关注的原因

  1. 「具身数据采集与回流」被单独计分,是这届最关键的信号。 过去比赛只看任务成不成功,现在把「你跑这一趟产出了多少可复用数据」算进分数——等于承认比赛本身就是数据工厂。这和智元昨天开源具身推理数据集、无界动力做世界模型基座是同一个产业判断:数据闭环比单点 demo 值钱。
  2. 评价维度从成功率扩到「效率、安全性、经济可行性」,这是从实验室指标切换到采购指标。ROI 进评分表,意味着 2026 下半年服务业与工业的前期试点要进批量部署阶段了。
  3. 对本体厂是一次公开的压力测试:23 个赛项里有焊接、上下料、巡检、康养、救援,全是连续作业场景,暴露的会是可靠性而不是灵巧度。会后各家的失败集(智元这次数据集特意包含错误样本)会是一手资料。

四、小鹏 IRON 上第二代 VLA:0.2 秒重推理,预判人类未来 6 秒动作

事件内容

小鹏发布 IRON 人形机器人交互演示升级,第二代 VLA 大模型已在端侧运行。

能力具体表现
重推理频率每 0.2 秒重新推理一次
预测窗口预判面前人类未来 6 秒内的动作变化
交互表现握手、碰拳、击掌可完成;对方突然握拳、或击掌位置临时挪动,IRON 能立刻调整姿态换手配合
算力三颗自研图灵 AI 芯片,总算力 2250 TOPS
技术来源与小鹏汽车自动驾驶同源的物理 AI 基座

背景:何小鹏此前坦言做机器人难度约为造车的 20 倍,硬件、软件、设计、供应链都要自研,过去不愿展示是因为不能量产、不少演示靠剪辑。

值得关注的原因

  1. 交互范式从「跟随」变成「预判」,这是人机物理共处的前置条件。 过去人形机器人最大的体验断点是「必须按固定节奏配合,你一变招它就僵住」。0.2 秒重推理 + 6 秒预测,把这个问题从「响应速度」重构成「意图建模」。
  2. 2250 TOPS 全部堆在端侧,说明高频重推理不能走云。 这是具身智能区别于纯软件 Agent 的硬约束——延迟预算决定了架构,也解释了为什么各家都在自研推理芯片。
  3. 车企路径的可复用性:自动驾驶的感知-预测-规划栈直接迁移到人形,是「物理 AI 基座」这个说法第一次有了产品级证据。特斯拉 Optimus、小鹏 IRON 走的是同一条路,而纯机器人公司(宇树、智元)需要从零建这套栈。这条路线分化值得持续跟踪。

五、本体量产临界点:Optimus 转入「量产质量」阶段,NVIDIA Isaac 补上开发栈

事件内容

三件事在同一周发生,指向同一个结论。

(1)特斯拉 Optimus(10/21 盘后 Q3 财报电话会)

项情况
产线状态弗里蒙特工厂高产量产线已开始生产,下线首批具备量产质量的机器人
产能规划加州人形专用线规划年产 100 万台;得州超级工厂筹备第二条线,长期设计年产能 1000 万台
芯片明年 4 月左右换装 AI5
节奏达到周产 2 万台至少还需一年甚至更久;2027 年底前后可能对外交付
马斯克表态坚信人形机器人赛道将成为全球最大产业;明年年末机器人 AI、机电设计、可靠性、寿命等问题有望解决

(2)NVIDIA 扩展 Isaac 平台(10/21 柏林 GTC)

新增人形机器人参考平台、数据集、运行时框架与机器人学习工具,目标是打通「数据生成 → 模型训练 → 仿真验证 → 实际部署」全流程。同时联合思灵机器人推出人形参考机体 Agile ONE SN。

(3)行业侧数据

工信部披露:2026 上半年我国人形机器人整机产品突破 400 款,产量超 4 万台,预计全年突破 10 万台。PitchBook:2026 上半年全球机器人与物理 AI 领域风投 334 亿美元,已超 2025 全年 287 亿美元。

值得关注的原因

  1. 「量产质量」四个字是本期最重要的信息,不是产能数字。 它把产业问题从「能不能做出来」切换到「零部件一致性与成本能不能稳住」。样机阶段可以手工挑件,量产阶段必须依赖减速器、丝杠、轴承、电机的批量一致性——这正是国产供应链的切入点,也是今天 A 股电机、减速器板块异动的真实原因。
  2. NVIDIA 补的是「开发栈收敛」。 参考机体 + 数据集 + 运行时 + 学习工具四件套齐了,意味着中小团队不必自建仿真与训练管线。产业瓶颈从本体硬件转向数据与训练,价值分配会重新切分:谁掌握高质量真实场景数据、谁能把「部署即采集」的闭环跑通,谁拿走下一代模型的数据资产。
  3. 开发栈收敛的风险面:Isaac 生态越完整,越容易形成「NVIDIA 仿真 + 国产本体」的默认组合,国产仿真平台(如智元 GenieSim)的独立生态空间会被压缩。

附注速览

条目关键信息关注点
宇树 H2-X「功夫传奇守护」10/21 海外账号发视频:最长续航约 8 小时、徒手抬车(官方标注「道具实拍,仅供参考」)、4 米高台跃下翻滚站稳、一脚踢凹车门;定位偏应急救援与安保防护。本周宇树累计涨超 20%全球传播量极大(JerryRigEverything、布鲁金斯学会 Kyle Chan 等转发),但「抬车」实现方式未披露,属叙事强于证据。王兴兴同期提三大布局:千万级量产能力、自研物理 AI 小模型、超大规模算力集群,并称物理 AI「已经看到被击穿的苗头」
Flint-40B-A2B(田渊栋团队 Recursive)开源本地 Coding Agent MoE 模型;用 AI 自动科研系统 Eureka Machine 不到 4 个月跑完全流程;比同类最高快 2 倍,MacBook Pro 上 >125 tok/s、RTX Spark 上 >150 tok/s;工厂调度任务完成时间比轮询基线提前 26%10-22 期只提过 Recursive 46.5 亿美元估值,这里是模型本体的增量。端侧 coding agent 跑到 125 tok/s 是本地化路线的关键门槛
Kimi K3.1 现身 Arena代号「Kibitz」,网友通过分词器特征确认;升级重点在长程自主任务、游戏与 3D 代码生成、操作电脑;10/22 实测鹈鹕测试与 3D 动画表现突出,被评可与 GPT-6 Astra 一较高下;按惯例测试约一周后发布,月底或官宣;GLM-5.5 同在候选有望成为 AA 榜首个破 50 分的国产模型;但上代 K3 受算力拖累速度慢,可用性与性价比才是分水岭
Claude Code 2.1.307 / 2.1.308fork subagents 在 claude -p、Agent SDK、桌面端、VS Code 全面默认开启(CLAUDE_CODE_FORK_SUBAGENT=0 关闭);并行 fork 的子代理会被告知自己的 launch 归属,避免互相抢活;新增 claude_code.safety_event OTel 事件,覆盖权限规则/auto mode/hook/沙箱的每一次拦截;MCP 断连重试改为仅重试只读或幂等工具;自托管 runner checkout hook 默认 30 分钟超时这两条修的都是多 agent 并行的真实痛点:重复执行、误授权、非幂等工具被重试导致重复写。建议检查依赖 checkout hook >30min 的自托管任务
Amp 2026.10.22 自托管 orbs可用 amp orb provider ./dispatch.sh 把 agent 沙箱跑在自己的 Docker / K8s / E2B / Modal / Daytona 上,Amp 只负责下发 spawn/pause/delete 请求agent 执行环境从厂商托管转向 BYO 算力,对数据合规敏感的场景是个新选项
蚂蚁 Ling-3.1-flash-1019Artificial Analysis Intelligence Index 44 分,与 Kimi K3 同分,较上代 41 分升 3 分;比 Qwen3.8 Max、DeepSeek V4.1 Flash 1017、GLM-5.3 低 1 分;AA-Briefcase Elo 1400 → 1524,AutomationBench-AA 62% → 68%;即将开放权重与 API小模型档位已挤成一团(41–45 分区间 5 家),差异化只能靠成本与工具调用稳定性

上期待跟踪事项的进展核对

上期待跟踪今日状态
智元 AI WAVE 后续(10/23 Genie Studio 2.0、10/26 G2 Max 等)截至发稿未检索到第二弹正式发布;10/22 已确认香港引进办重点企业签约、在港设国际研发总部(铜锣湾时代广场),并计划投入数千万港元与港校共建联合实验室
无界动力 MWA-Phoenix 第三方复现暂无公开复现报告
OpenCode 1.0 插件迁移生态反应版本仍停在 1.19.3(10/16),无新版本;社区迁移讨论未见规模化爆发
Cursor 并表后订阅与模型路线无新增公开信息
11/2–3 便利店 24 小时直播未开始

本期信息源:Anthropic 官方博客及 21 世纪经济报道/财联社/中新经纬报道、腾讯混元官方公告及 BlockBeats/TechFlow、GDPS 官方与 AIDeepThink 赛事资料、上海证券报/同花顺(Optimus、Isaac、H2-X、工信部数据)、巴伦周刊中文版(Kimi K3.1、小鹏 IRON)、Daily AI Thread / Havoptic / Oday Bakkour 版本追踪。