关注方向:AI Coding / Agent 工程化 × 具身智能 覆盖窗口:10/23 深夜 – 10/25 上午。本期 5 条主条目 + 附注速览,已对齐 10-21 至 10-24 四期推送做去重,全部为新增事件或明确增量。
一、Claude Code 一周连发 8 版 + Codex 0.164:「配了但没真正生效」的沙箱与权限绕过被集中清算
事件内容
本周 Claude Code 从 2.1.303 连推到 2.1.310(八个版本),Codex CLI 出 0.164.0。主题不是新功能,而是权限与沙箱的「纸面强制」被逐条揪出并补上——2.1.309 几乎就是一张「本该被拦却放行了」的清单:
| 绕过路线 | 实际问题 |
|---|---|
| Shell 启动文件 | macOS / Linux 上,每条沙箱内 Bash 命令都会先在沙箱外执行 shell 的启动文件 |
| 符号链接 | denyWrite 的 glob 规则,在模式所在目录经由符号链接抵达时,不作用于路径的真实位置 |
| MCP 配置文件 | 沙箱命令与「自动接受的编辑」可以修改 --mcp-config 传入的那份配置 |
| 重定向 | Bash 权限检查信任了某条命令设置的变量,而该命令的重定向本身可能打开失败 |
| 复合命令 | 被包装或加前缀的 cd 后接 git 不弹窗(裸 cd 会弹) |
| Deny 规则 | 在某些含子 shell 的命令里,Edit(path) 的 deny 规则不拦对该路径的 Bash 重定向 |
| Worktree 隔离 | locale 前缀命令、部分 zsh 算术命令绕过隔离守卫 |
| Windows | PowerShell 权限检查自动放行了带额外参数的 Set-Location / cd |
| 2.1.310 追加 | Git Bash 缺失时,若 hook 命令只由引号字符串组成,PreToolUse / PermissionRequest hook 直接放行 |
配套两项治理能力:新增 claude_code.safety_event(OpenTelemetry),每一次被权限规则、auto 模式、安全检查、hook 或沙箱拦下 / 弹窗 / 退回的工具调用都发事件,治理第一次可被外部观测;sandbox.allowNestedUserNamespaces 允许 Linux 沙箱内创建 user namespace(给 Chromium、rootless podman 用),changelog 自己写明「这会让它们绕过沙箱的文件保护」。
还有三个「静默造成损失」类修复值得单记:CLAUDE_CODE_AUTO_COMPACT_WINDOW=200k 曾静默落成 100K 窗口(现已接受 k/M 后缀且越界报警);cleanupPeriodDays 设得过大时后台清理会删掉近期文件(如粘贴的图片);claude --worktree 在 HEAD 处于 detached 或另一分支时,退出不问就删 worktree 与分支,可能丢 commit。
Codex 0.164.0 这侧以功能为主:/presets 提供十个编号槽位存提示词与斜杠命令(键盘菜单召回)、/model 与 /permissions 支持把模型/推理强度/速度/权限写成内联参数、远程 Bash 与 zsh 快照会话的凭证遮蔽(含自定义 provider)、企业 MCP 认证(Codex 账号授权或独立登录,含需要 secret 的 OAuth client)、Bedrock 设置向导默认开启;安全方向同为符号链接与元数据路径加固(macOS 大小写变体、可替换符号链接定位可执行文件)。另修好「compaction 失败后历史里留下半截摘要」与 Windows HTTPS/WebSocket 的代理认证(改用登录用户的 Negotiate / NTLM)。
同周被低估的另一半:MCP 从「请求-响应」变成「可中断的长任务」。 2.1.304 起 Claude Code CLI 支持 MCP Tasks 与 Elicitations:工具调用不再返回结果,而是返回一个 task handle(task id、working / input_required 状态、时间戳、可为 null 的 TTL、轮询间隔),客户端按间隔 tasks/get 直到完成;TTL 过期也不丢任务,时钟归服务端所有。Elicitations 则让服务端在任务中途停下来问用户(确认退款、补参数、转浏览器登录),终端里自动渲染表单或 URL,无需客户端配置。边界很窄:仅 CLI / Agent SDK / GitHub Actions 三种形态,VS Code 扩展与桌面端没有,Bedrock 等不拉 feature flag 的第三方通道没有,且必须来自主对话而非子代理。
值得关注的原因
- Agent 竞争的焦点已经移到「治理面能不能真正执行」。 过去一年大家比模型、比 harness,这一周两家头部同时承认:沙箱和权限规则存在大量「configured but not actually enforced」。如果你的团队默认
.env读不到、写不出仓库,这批补丁必须升到 2.1.310 并把规则本身重审一遍——升级只补了执行路径,规则写错的部分它不会替你改。 safety_event比任何一个新功能都重要。 Agent 进企业最卡的一环是「说不清它为什么被拦、谁批的、拦了多少次」。把拦截行为变成 OpenTelemetry 事件,等于给权限系统装了审计底座,这也是后续做「按风险分级自动放行」的前置条件。- MCP Tasks 是 Agent 架构的分水岭。 长任务不再需要用「自定义轮询胶水」在插件里假装,中途要人确认也不再需要绕过协议——「堵在慢工具上」和「不问就往下走」两个老毛病,第一次有了协议层的答案。但发布面如此之窄(桌面端与 VS Code 都不支持),说明它还只是「开发者自用可用」,别急着当生产依赖。
二、HTTP2Shell(CVE-2026-111497,CVSS 9.2)从 Node.js 扩散到 Bun / Python / Envoy / Istio:Agent 运行时是被忽视的供应链
事件内容
10/21 Node.js 为 Brotli 解码器漏洞发版时,舆论把它当「Node 的问题」(代号 Node2Shell)。到 10/23,安全厂商把它改名 HTTP2Shell 并扩大范围——因为出问题的是 Google 的 C 库,任何解码 Content-Encoding: br 的东西都带着它。
| 项 | 内容 |
|---|---|
| 漏洞 | Brotli 解码器(c/dec/decode.c)越界写,影响 1.0.3 – 1.2.0,CVSS 4.0 = 9.2 Critical |
| 机理 | 非法的 block switch 被当成「还需更多输入」而非永久格式错误,流式解码器持续把输入追加进一个 8 字节的内部缓冲 |
| 修复 | Brotli 1.0.10 / 1.1.1 / 1.2.1;Node.js 22.23.4、24.22.1、26.12.1(10/21);Bun 1.4.4(10/22);Envoy 1.36.12 / 1.37.8 / 1.38.6 / 1.39.3 / 1.40.0;Istio 1.29.9 / 1.30.6 / 1.31.2;PyPI Brotli 1.2.1、brotlicffi 1.2.1.0 |
| 发现者 | OpenAI Codex Security 的 Khai Tran 与 Sylvie Mayer;Envoy 的 GHSA 明确致谢 OpenAI Security Research |
| 时间线 | 2/27 修复提交就进了源码树(“Detect and report invalid stream earlier”),但八个月没有任何发行版带上它 → 10/16 保留 CVE → 10/21 Node 发版 → 10/22 CVE 公布 → 10/23 改名扩围 |
| 在野 | CISA KEV 未收录,无已知利用;Imperva 在未打补丁的 Node.js 24.22.0(Linux ARM64)上以「fetch 响应 + Express 请求体」演示了代码执行,PoC 未公开 |
两个方向都能打:恶意客户端攻击解码请求体的服务端,恶意服务端攻击解码响应的客户端(curl --compressed 也算)。Python 侧的隐蔽性最强——只要装了 brotli,urllib3 / requests、httpx[brotli]、aiohttp、Scrapy 就会自动解码,代码里根本没 import 也一样;而这个包月下载 8280 万次。更麻烦的是 10/23 之前 pip-audit、Dependabot、Safety 都不报(CVE 未映射到 PyPI 包),PYSEC-2026-4322 / 4323 补上才算能扫。截至 10/24,Debian stable、Alpine、openSUSE Tumbleweed 已发修好的包,RHEL 与 Ubuntu 尚无。
值得关注的原因
- 这是「AI 红队挖出真实 CVE」的第一批硬证据。 OpenAI 说 agent 是在红队自家训练环境时发现该问题——和 10-24 期那条「前沿训练全面断网」正好接上:让 agent 去打自己的基础设施,产出不只是内部报告,而是外部世界要跟着打补丁的公共漏洞。安全能力正在成为实验室的副产品,也会成为招聘与合规叙事的一部分。
- 上游修了、下游不发行,等于没修。 八个月的空窗期是这次真正的教训:开源安全的问题不只是「有没有人发现」,更是「修复有没有被分发」。对做 agent 基础设施的团队,这意味着 SBOM 要覆盖到 C 库这一层,而不是只扫
package.json。 - Coding agent 的暴露面被系统性低估。 上周 OpenCode 1.x 分支 1.19.4 把内置 Bun 升到 1.4.4,当时看是「例行依赖升级」,现在回头看那就是这次的关键补丁;Claude Code、Codex 都是 Node 栈。而 agent 的日常动作恰恰是「fetch 任意 URL、抓网页、跑
npm install/pip install」——比普通后端更频繁地解码不可信来源的压缩响应。把它当安全边界内的组件来管,不是可选项。
三、人大文继荣团队 Harness Scaling:把「harness 比模型重要」从经验变成训练方法
事件内容
10/24 公开于 arXiv 的一项工作,把 Agentic RL 从「绑定单一执行框架」推向「在多样化 harness 上训练」:
- 五个因子:把 agent 执行框架拆成系统提示、工具接口、观测、上下文管理、工作流;
- 243 种配置空间,用正交设计挑出 18 种用于训练;
- 效果:Qwen3-4B 在 GRPO 下均分 29.81 → 39.04;
- 关键点:迁移到训练中没见过的白盒与黑盒框架(含 Claude Code)时,仍优于单框架训练的对照组。
这恰好接上本周另外两条同题材料:Scale AI 的《Model or Harness?》(arXiv 2607.28802)主张不再把 agent 当黑盒评估,而是拆成六个组件、以「组件间的交互边」作为失败分析的基本单位,每个失败唯一对应一条边 + 一个责任方;产业侧的极端案例是同一 GPT-6 Astra 在 ARC-AGI-3 上,标准 harness 下 62.7%、换 Provider Adapter 后 98.6%——35.9 个百分点的分差,且得分更高的方案成本还低 34%。Y Combinator 的 Paper Club 干脆把主题定为《Why the Harness Matters More Than the Model》。
值得关注的原因
- 它给了小模型一条绕开算力劣势的现实路径。 如果 harness 是能力的第一变量,那么「追前沿基座」就不是唯一解:把 4B 级模型放在多样化 harness 上做 RL,训练出的是不挑框架的策略,拿到闭源黑盒框架里也能兑现。对国内团队,这比再训一个更大的基座便宜一到两个数量级。
- 它解释了 coding agent 选型为什么「换工具比换模型管用」。 同一模型在 Claude Code / Codex / Cursor 里表现差异远超预期,过去只能归因为「工程细节」,现在有了可训练、可量化的解释框架。
- 但别把结论拉满。 243 种配置只取 18 种训练,泛化到「完全没见过的 harness」的上界仍是未知;论文的绝对分(39.04)也谈不上强。真正该带走的是方法论:把 harness 当分布而不是配置来对待,这比一个具体分数更值钱。
四、智元 110 台远征 A3 同场群舞创吉尼斯:人形机器人的考题从「单机动作」换成「量产一致性」
事件内容
10/24,智元在济南黄河国际会展中心用 110 台远征 A3 全尺寸人形机器人同场起舞,创下「最多人形机器人同时跳舞」吉尼斯世界纪录,认证官现场颁证,零失误通过。
| 维度 | 情况 |
|---|---|
| 机器 | 全部为量产机,没有特调演示机;产线保证每台的关节零位、力矩、动作库一致 |
| 调度 | 自研灵动 LinkBots 集群调控平台:可视化阵型编排、自主导航、走跑一体化协同、多编队独立动作控制 |
| 通信定位 | 5G + WiFi 双模融合;UWB 厘米级融合定位 + 统一时间基准,毫秒级同步 |
| 容错 | 单台掉线自动完成局部位形补偿,整体阵型不中断 |
| 环境考验 | 开阔场地、阳光干扰、多机互相遮挡、人群走动遮挡定位信号 |
| 部署成本 | 可折叠收纳装箱,到场后自主出箱、定位、进入预设阵位 |
智元合伙人、高级副总裁王闯的说法是「演示现场就是交付现场」:这次的实质不是跳舞,而是把「量产一致性 + 大规模集群调度 + 高精度定位」三项能力一次性压测。这批机器人事后将投入公共服务、文旅演艺、园区展厅、科研教育;济南奥体中心、转山西路地铁站已有试点(咨询导引、客流辅助疏导、城市文化讲解)。
值得关注的原因
- 这是「交付态」而不是「演示态」的指标。 采购方真正怕的是「100 台里 3 台不同步,就得派人现场调」——关节零位与动作库的一致性、掉线自动补位、到场自主出箱进阵位,对应的正是批量部署里最贵的三项成本:物流、人力、现场调试。和 10-23 期 Optimus 转「量产质量」、10-24 期均普产线 99.9% 是同一主题的三个切面。
- 多机协同正在成为独立的技术栈。 单机智能再强,一百台站在一起就是另一个问题(时间同步、通信可靠性、遮挡下的定位、单点故障的传播)。LinkBots 这类「集群调控平台」此前几乎没人当产品做,而文旅演艺、园区巡游、公共服务的商业模型恰恰是「按台数出租」——这是最先能算清账的场景。
- 它把竞争口径从「会不会」推到了「可不可复制」。 王闯自己的总结是:未来竞争集中在「能否让大量机器人持续稳定地进入现实场景并发挥作用」。这句话对投资人的含义是,看本体公司的报表时,「一致性良率」和「远程运维比例」比 demo 视频有用得多。
五、云深处一次摊开具身大脑五项成果:从世界模型到数据闭环的全链路「体系化」样本
事件内容
10/24,云深处科技围绕自研具身大脑 DEEPRobotics-Brain 密集发布多篇论文,一次公布五项成果,并与 MIT、UCSD、UIUC、清华、浙大、港科大、北理工七所高校按模块分工:
| 成果 | 关键内容与数字 |
|---|---|
| DR-WM-1.0(世界模型) | 四足领域世界模型首次引入摩擦力、粗糙度、刚度等物理特性先验,对抗「像素上合理、动力学上不可行」(生成得出穿雪地的漂亮视频,却忽略打滑);258 万张图像 + 超 10 万段真机片段预训练,双 ControlNet 引入场景几何与相机运动,自回归推理延续机器狗与控制器状态 |
| DR-VLA-2.0(具身基础模型) | EgoLynx 数据集:1 万小时人类第一视角网络视频 + 2000 段机器人示教;首个基于**域不变场景表征(DISR)**的四足导航范式,配 Mixture-of-Transformers 协同理解/预测/行动;QNS 综合评分 +5%,最终航向误差 -14.6% |
| 原子运动坐标大模型 | 把语言控制与力反馈纳入同一运动坐标框架,机械臂运动拆成 13 个原子坐标;单/双原子相反指令分离率 92.5% / 83.1%;未见布局的双臂任务进度 87.8%,接力反馈后插头插接 78.5%、花瓶擦拭 75.2%,OOD 语言泛化与力响应超 PI05、ForceVLA、LA4VLA |
| DR-APO(策略优化) | 首个表征解耦的通用生成式策略 RL 框架;MuJoCo-v5 五项基准中扩散策略 10 项指标 9 项第一、流策略 10 项全第一;具身视觉导航后训练中 NavDP 仿真成功率 70.33% → 89.55%;山猫 M20 真机导航成功率 25% → 65% |
| DR-Agent(具身智能体) | 首个面向持续演化世界的自进化 4D 信念导航智能体;EvolvingNav 用时间索引的预测 4D 信念 + 事件驱动「预测-观测-重规划」滤波器,解决「物品被挪动后记忆过期」;配套 EvoWorldBench:54 个仿真场景、80 万+ 任务实例、约 23.9 万次物体动态状态变更 |
| DR-Benchmark(数据闭环) | 核心数据集 LynxScenes 是首个面向轮足机器人真实户外场景的大规模数据集:山猫 M20 累计 833.6 小时、3294.7 公里真机采集,10 万段导航片段、300 万标注帧,27 类物体 / 4 类道路结构 / 20 类导航指令;据此对 25 个代表性模型做了系统体检 |
值得关注的原因
- 这是「体系化 vs 单点 Demo」的分水岭。 五项不是并列的五个亮点,而是互为上下游:数据(DR-Benchmark)→ 预演(DR-WM)→ 理解与执行(DR-VLA + 原子坐标)→ 训练(DR-APO)→ 长期在岗(DR-Agent)。国内此前更多是「某家发一个 VLA」,把全链路论文一次摊开、并且承认「零散能力拼接撑不住长期运行」,是范式表述上的进步。
- 真机数据是这条赛道最难复制的资产。 833.6 小时 / 3294.7 公里户外轮足数据、23.9 万次物体状态变更的基准,都不是靠算力能买到的。轮足户外场景此前没有公开大规模基准,谁先立住评测维度,谁就掌握了后续对比的定义权——这和 10-22 期无界动力「六榜登顶」是同一套竞争逻辑。
- DR-APO「通用训练超过专模专训」是最反直觉的一条。 如果表征解耦真的成立,具身后训练的门槛会从「每个任务定制一套 RL」降到「一套框架跑全链路」,这直接决定中小本体厂商能不能跟上模型迭代速度。
- 但口径要打折看。 全部为自测 + 预印,无第三方复现;山猫 M20 真机导航 25% → 65% 虽然翻倍,绝对值仍谈不上「上岗」;原子坐标的 13 维表达在接触密集任务上的上限也未验证。这套成果的价值目前在于架构完整度,不在于分数。
附注速览
- 具身智能评测基准体系与工具发布(中国电子技术标准化研究院副院长范科峰,GDPS 10/24):依据系列国家标准,给出统一的评测「标尺」与工具,解决行业「各说各话」。这是 10-22 期首批 6 项人形机器人国标(2027/4/1 实施)的落地层——标准从文本变成可执行工具,才算真正能用来验收。
- GDPS / 国际具身智能技能大赛 10/25 收官:800 余支队伍、约千台人形机器人、9 赛道 23 赛项、2000 ㎡ 实景实训空间。赛题从工信部全国征集的 1200+ 真实业务场景中筛出(巡检类约占 1/4,物流上下料与堆垛报名超 150 个),「无彩排、无剧本」黑盒盲测,现场直接看作业效率、运行稳定性、投入产出比;各赛道前三名可直接对接场景合作方——「获奖即订单」改变了本体厂商的参赛动机。获奖名单截至本报告发布尚未公开。
- 机器人 IPO 门槛提高后的一级市场分化(科创板日报 10/25):智元新一轮融资 10–15 亿元、估值约 500 亿元;松延动力被传保密递表港交所(未回应);某国资背景机构投资人称自 6 月起基本不再看具身智能项目,理由是「同质化严重、不乏在开源上修修补补做 demo、前沿研究看不到实质突破」;已有企业转向参与重组以谋取上市公司控制权。这是 10-22 期「融资断崖」的延续,但分化已从「钱少了」变成「钱挑人」。
- 腾讯 WeVisOne-VL(2B / 4B,10/22 提交论文):把目标检测、计数、OCR、分割、抠图合进一个视觉语言模型,并支持显式回答「目标不存在」而非硬给一个位置——感知层可直接复用到具身任务。
- 库卡的三条线(GTC 柏林 + 上海工博会):FactoryLens 把 Omniverse 技术库接进 Visual Components 做工厂仿真;iiQKA.AI Vision 用 Jetson Orin 做视觉识别并集成进控制器环境;「开天 KAI」智能平台 + 「美罗」人形(可做爆米花、物料搬运、与叉车协同、快递供包分拣),官方称经一年稳定性打磨已具备落地销售条件。工业侧的「先仿真、再上岗」路径与国内「先实景比赛、再进产线」形成对照。
上期遗留核对
| 待跟踪项 | 状态 |
|---|---|
| OpenCode 增量 | 1.x 分支 1.19.4(10/22)已发,核心是把内置 Bun 升到 1.4.4 —— 事后看正是本期 HTTP2Shell 的关键补丁 |
| IEIC / GDPS 10/25 收官 | 今日闭幕,获奖名单与失败集尚未披露 |
| 智元 10/26 G2 Max、10/27 GenieMaster、10/28 仿真一致性、10/29 基座大模型 | 均未到点,AI WAVE 目前停在第二弹 |
| Kimi K3.1 Pro 权重 11/4 | 未到 |
| 均普产线 99.9% 可审计性 | 无新增独立审计信息 |
| 无界动力 Phoenix 第三方复现 | 仍无 |