article

AI 日报 · 2026-10-29(周四)

22 min read

关注方向:AI Coding / Agent 工程化 × 具身智能 覆盖窗口:10/28 午间 – 10/29 上午。本期 5 条主条目 + 附注速览,已对齐 10-21 至 10-28 八期推送做去重。 本期主线:“开放”与”收紧”同日发生——coding 侧 Google 把 IDE 和终端全面开放给 40+ 第三方 agent,同时 Gemini 4 Carbon 以”先用不上的最强模型”姿态强调安全收紧;具身侧,智元 GO-3 承诺年底开源、宇树交出上市后首份财报,“开源抢生态”与”报表见真章”构成行业两面。


一、Gemini 4 Carbon 发布:提示词注入攻击成功率 0%,但”最强模型你现在用不上”

事件内容

10/29,谷歌在 Gemini 4 Argon(两周前发布)之后推出新一代前沿模型 Gemini 4 Carbon:

维度数据
综合排名Artificial Analysis Intelligence Index v5.0 第一(59 分),领先 GPT-6 Astra、Claude Opus 5.5
找漏洞SEC-bench Pro 88.2%(SOTA),自主发现真实软件中的复杂缺陷
漏洞利用验证ExploitGym 54.8%(SOTA)
修漏洞CWE-bench 71.0%(SOTA),输出可用补丁
安全代码生成较 Argon 提升逾 2 倍;Chrome 团队称补丁质量比另一家实验室前沿模型高 10 倍
提示词注入Grey Swan 评估 0% 成功率(Argon 0.7%、Opus 5.5 1%、GPT-6 Astra 8.5%);高严重性安全对齐警报减少近 80%
长程任务内部团队让它在大型代码库上连续运行数天做根因定位与修复;WebDev Arena +89 elo 至第 4(1769)
定价与 Argon 首发价相同:$2/百万输入、$10/百万输出,缓存输入 95% 折扣
可用性分阶段开放:先向部分网络防御人员,经 Fairwind 项目扩大,参与美国政府自愿式发布前测试;未承诺全面开放时间

值得关注的原因

  1. “网络安全能力”正式成为前沿模型的竞争轴心。 对照 10-27 期 Terra 的 ExploitBench 24.5%(被归入 Critical 档),两大实验室现在都在系统卡里量化披露”攻”的能力,而 Google 的叙事是”以攻助防”(Fairwind 防御者优先)。攻防两侧同时被基准化,意味着安全能力披露正在从主动行为变成军备竞赛的被动义务——这与 Terra 10-28 引发的”发布阈值锚点”判断互相印证。
  2. 0% 提示词注入是首个”零成功”公开口径,可与 Terra 的 13.75% 越权数据直接对照。 昨天我们写”agent 何时该停手第一次有量化基线”,今天 Google 给出了另一家厂商的同题答案。两份系统卡摆在一起,多 agent 架构里”外部输入该信谁”第一次有了跨厂商可比数据——不过 Grey Swan 是特定评估集,0% 不等于生产环境 0%,等第三方复测。
  3. “最强但先用不上”成为新的发布范式。 继 Argon 之后 Carbon 再次以”自愿式预发布测试 + 防御者分批开放”落地,Ars Technica 直接标题《你不能用的最强模型》。对开发者务实的判断是:Argon 才是当前实际可用的 Google 最强模型(其折扣价 11 月底到期),Carbon 的真实可用性和全面开放后的表现,比发布日跑分更重要。

二、Android Studio Rabbit 2”Bring Your Own Agent”转正:IDE 向 40+ 第三方 agent 开放,终端直出 Compose 预览

事件内容

10/28 Android Dev Summit 发布 Android Studio Rabbit 2,核心是把 IDE 和终端系统性开放给外部 coding agent:

能力说明
BYOA(转正为 stable)基于 Agent Client Protocol,支持 40+ agent(Claude Agent、Codex、Google Antigravity 等),IDE 内可装多个随时切换
IDE 上下文继承agent 直接获得项目结构、构建配置、符号解析、Compose Preview、模拟器、Logcat——否则要靠代码搜索自己重建
android preview在终端直接渲染 Compose 预览,不用启动 IDE/模拟器;官方内测称 UI 任务快 77%、token 少 3 倍
android device remoteagent 可远程调用 Google 实验室真机做测试
LeakCanary 集成heap dump 在开发机分析;演示中 Claude Code 单条指令完成多设备内存泄漏排查→定位→修复→复测,官方 A/B 称快近 2 倍、token 省 25%
android signals把 Android Vitals 和 Crashlytics 生产崩溃数据直接管道化给 agent
Change Review扫描 agent 待应用改动、生成问题报告,先审后落
30+ Android SkillsPlay 政策、折叠屏适配等文档喂给 agent;另有 Android Bench 2.0 基准(含”需要工程师几天”的任务,计时计费)
应用侧AppFunctions API beta:App 经 MCP 向本地/系统 agent 暴露函数;Agentic API alpha 基于 Gemini Nano 4

值得关注的原因

  1. Google 选择了”平台中立裁判”位而非”自家 agent 优先”。 主开发工具向竞争对手的 agent 开放 IDE 内核上下文,这在所有主流 IDE 里是最大胆的一次。动机可以算出来:Android 开发是 agent 最容易翻车的领域(昨天 Expo 那条已论证),与其让开发者拿着残缺上下文的 agent 翻车,不如把上下文管道化——留住开发者的方式从”绑模型”变成”供上下文”。这与 10-28 期 Expo 形成互补的两层:Expo 改造确定性 CLI 让 agent 少猜,Google 开放上下文与真机让 agent 少造轮子。
  2. 终端渲染 Compose 预览是降本的关键一招。 agent 改 UI 的验证环过去必须”编译→起模拟器→截图”,又慢又烧 token;把视觉反馈变成终端里的一次渲染调用,token 立省 3 倍。这个思路值得所有 GUI 框架跟进:给 agent 的反馈回路越轻,agent 自主迭代的回合数上限越高。
  3. 生产数据直连 agent,闭环打穿但别高估。 Vitals/Crashlytics → agent → 修复 → 复测,这是一条完整的”线上 bug 自愈”管线雏形。但报道同时引用了一个冷静的数字:Anthropic 扫描器曾标记约 2.9 万个开源漏洞疑点,最终被修的只有几百个——自主找 bug 的能力远快于自主修 bug,闭环自动化率才是真实指标。

三、智元创新日发布 GO-3 Preview:登顶三大榜单,承诺 2026 年底全面开源

事件内容

10/29 在 2026 智元创新日上(10-28 期预告的 10/29 节点如期兑现),智元联合创始人姚卯青发布新一代具身基座模型 GO-3 Preview:

值得关注的原因

  1. “全面开源”是国内具身基座第一次给出明确时限的头部承诺。 按 10-28 期引用的出货数据,智元上半年占全球人形机器人出货超 43%——份额第一的厂商把基座模型开源,等于把”基座”从各家私有壁垒变成公共设施,行业竞争焦点会被迫上移到本体、数据与场景运营。年底前需要盯住的关键细节:开源的是权重,还是含数据管线与训练代码的全链路——两者含金量差一个量级。
  2. WRAM 的命名本身就是路线宣言:世界模型与 VLA 合流。 “理解-预测-动作统一建模”意味着把预测(世界模型)塞进控制回路,而 Genie Evolver 把真机、仿真、世界模型三个数据源在后训练里协同——这正面回应了 10-28 期”100 万 vs 1 亿小时数据缺口”的结论:纯采集填不平,世界模型当”数据放大器”是必然选项。智元把这条逻辑做成了产品架构。
  3. 榜单成绩全部是自报口径,先存疑再采信。 RoboDojo/RoboTwin/RoboColismus 的评测协议、任务集、对照组均未随新闻稿披露;10-28 期立的规矩同样适用——等第三方口径。挂起中的 Genie Sim 3.5(真机-仿真一致性 >95%)截至本期发稿仍未见正式发布报道, consistency 数据没落地前,WRAM 的泛化主张先按宣传看。

四、宇树上市后首份财报:营收 +55.71% 的另一面,是 Q3 利润转降、现金流腰斩

事件内容

10/29,宇树科技披露上市(8/19 科创板,发行价 150.80 元,募资 60.99 亿元)后首份三季报:

指标前三季度备注
营业收入18.17 亿元,+55.71%收入在加速
归母净利润3.87 亿元,+270.54%媒体标题数字;公司自述主要来自上年同期一次性股份支付费用的低基数;非经常性损益 3772 万(其中政府补助 2910 万)
研发投入2.63 亿元,+191.48%,占营收 14.47%(+6.74pct)Q3 单季 1.27 亿,+249.58%,占营收升至 19.10%,明确指向”具身大模型研发与算力投入大幅增长”
单季度利润Q3 同比转降研发增量约为利润减量的 3.8 倍
经营现金流净额1.94 亿元,-54.69%采购、人工、研发支出吞掉大部分销售回款
存货 / 应收账款10.19 亿(+177%)/ 1.43 亿(+143.5%)双双远超收入增速,备货与回款同时占款
账上现金73.54 亿元募资到账,总资产 +216.5% 至 101.56 亿

行业背景:上半年全球人形机器人出货约 2.2 万台(+近 300%),前五名全是中国厂商合计约 86%——智元 9700 台(43%)居首,宇树 7000+ 台(31%)第二;全年预计突破 5 万台。

值得关注的原因

  1. 这是第一份”上市具身公司”的完整报表,行业第一次有了可审计的账本。 之前所有”具身智能算账”(10-26 期)都是券商估算和一级市场口径,现在终于有审计数据:收入 +55% 的同时 Q3 利润转降、现金流腰斩——具身大模型是真的烧钱(Q3 研发费率冲到 19.1%),“卖机器人养大模型”的模式毛利额尚未完全对冲投入。所有拿宇树对标估值的同行,账本大概率长一个样。
  2. 270.54% 的净利增速是标题陷阱,读财报要看扣非和基数。 公司自己在报表里写明主因是上年一次性股份支付,外加 2910 万政府补助。这条对二级市场的意义在于:宇树股价(10/28 盘中破 700 元、市值约 2900 亿、滚动 PE 约 465-490 倍)的定价基础是”增速”,而这个增速里最容易高估的成分恰恰是一次性因素。
  3. 存货 +177%、应收 +143% 指向交付驱动的真实运营压力。 备货节奏加快 + 回款周期拉长同时出现,说明”规模化量产落地”伴随的是营运资金被上下游占用——10-26 期”租金腰斩、残值缩水”讲的是资产端,这份报表补上了运营端的另一半证据。行业景气是真的,现金转换效率的恶化也是真的,两件事同时成立。

五、小鹏全球首发”机器人专用固态电池”:车企供应链开始向机器人外溢

事件内容

10/27-30 在苏州召开的 2026 中国汽车工程学会年会上,小鹏首发机器人专用固态电池:

值得关注的原因

  1. 电池是人形机器人最被低估的瓶颈,车企供应链是现成的解法。 当前人形机器人续航普遍只有 2-4 小时,电池的重量、发热、换电问题直接吃掉有效作业时长——而作业时长决定时薪,时薪决定回本周期。“减重 30% + 电量 30%“翻译过来就是作业时间接近翻倍,对经济性测算的影响不亚于任何算法进步。
  2. “汽车技术栈外溢”是具身智能成本曲线的第二条腿。 10-26 期讲过制造成本(租金、残值),本期补上能源部件:固态电池的量产工艺、良率、供应链由车载市场养大,机器人作为”第二应用”几乎是搭便车。车企做机器人的优势从此不只制造管理,还有整个三电供应链——这与特斯拉 Optimus 的逻辑同构,小鹏是国内对照样本。
  3. 量产时点开始”对表”,2026 年底成为检验窗口。 Optimus 弗里蒙量产启动(10-28 期)、小鹏 2026 年底规模化量产、宇树存货 +177% 备货——三家公司三条证据链指向同一点:2026 年底-2027 年是人形机器人从”发布会产能”到”报表产能”的验收期。届时 10-26 期”租金腰斩”与 10-28 期”数据定价”两张表的数字都会被真实交付重新校准。

附注速览


待跟踪(下一期优先核对)

  1. 智元创新日后续:Genie Sim 3.5 正式发布口径(连续第 2 期挂起);10/30 CEL、11/2–3 便利店 24 小时直播;GO-3 开源范围(权重 or 全链路)。
  2. Gemini 4 Carbon:全面开放时间表与第三方复测(Grey Swan 0% 注入、SEC-bench 88.2%);Argon 11 月底涨价执行情况。
  3. Android Bench 2.0:Google 之外的第三方跑分与”77% 提速 / 3 倍省 token”复测。
  4. 宇树:股价与估值消化(PE 约 470 倍),以及”具身大模型投入”在 Q4 是否继续挤压利润。
  5. Fern 0.1:开放时间与 RULER 完整测评;Base-Large/Base-XL 训练进展。
  6. Anthropic S-1:定价区间与上市时间表。
  7. GPT-6.1 Terra:Codex 默认模型切换;29.6% 绕权数据的企业客户/监管反应(只收 harness 层应对实践或监管跟进)。
  8. Kimi K3.1 权重 11/4 开源(连续第 6 期挂起)。
  9. 中科慧灵:4 亿订单交付/复购进度。