关注方向:AI Coding / Agent 工程化 × 具身智能 覆盖窗口:11/2 – 11/3 上午。本期 5 条主条目 + 附注速览,已对齐 10-21 至 11-02 十三期推送做去重(DeepSeek Super-Agent、智元便利店直播、Codex 额度共享、MAI-Code-1.1-Flash、具身”交卷期”、数据定价均已报过,本期只收增量)。 本期主线:Coding 侧同一天出现了”能力上限”与”可靠性下限”的对照实验。 美团用 1.6 万亿参数在国产算力上把长程 agent 刷到 Opus 5 之上,Kimi 用 20 小时无人干预交付了一份可继续开发的 Unity 工程——两条都在证明”agent 能干长活”;而同日的 SlopCodeBench 用 196 个检查点给出反面数字:没有一个 agent 完整做完全部任务,最佳严格通过率只有 14.8%。具身侧则是”标准之争”开场:乐聚把端网协同与质量保障签进了合同。
一、美团 LongCat-2.5:1.6 万亿参数、全程国产算力,长程 Agent 榜单局部超过 Opus 5
事件内容
11/2 美团发布新一代大模型 LongCat-2.5,11/3 大批媒体跟进评测细节:
| 维度 | 信息 |
|---|---|
| 规格 | 总参数 1.6 万亿,每 token 激活约 480 亿;面向长程智能体任务的原生多模态模型 |
| 多模态方式 | 视觉信号编码为多层级离散 token,与文本在同一 token 空间统一处理;支持交互网页、3D 展示页面 |
| 训练 | 中训练阶段序列最长 1M token,累计数万亿 token;大规模长程强化学习,并把真实 agent 失败轨迹转成可验证任务 |
| 算力 | 全程国产算力(LongCat-2.0 于 6 月首次在国产算力完成万亿参数全流程训练与推理) |
| 工程优化 | 长序列 SFT 单卡吞吐较 DDP 基线 +86%;W4A4 推理相对 W8A8,prefill +43.3%、decode +42.77%;围绕超节点重排任务分工,把参数/数据主通信压在超节点内 |
| 跑分 | AutomationBench 51.8(Opus 5 为 50.3)、BrowseComp 91.9(第一)、3DCodeBench 55.4(小幅领先)、LongCatClawBench 第一;整体介于 Opus 4.8 与 Opus 5 之间,纯代码与终端指令类任务仍有小幅差距 |
| 落地 | 同步上线 API;注册赠千万 token;配套 AI 经营工作台**“妙手”**(古茗、徐升记、益禾堂等已接入) |
值得关注的原因
- “国产算力能训万亿”和”能训万亿的长程 RL”是两个难度量级。 前者是显存与并行策略问题,后者要在长轨迹上反复 rollout,对卡间通信和数值一致性的要求高一个档。美团这次披露的两个数字(单卡吞吐 +86%、W4A4 双端 +43%)恰好都指向”把通信和显存省下来喂给长序列”——这条工程路径一旦跑通,国内 agent 产品的单位推理成本会再下一个台阶,而不是靠降价换量。
- 榜单位置说明”agent 能力”和”代码能力”正在解耦。 LongCat-2.5 赢在 AutomationBench(浏览器/流程自动化)、BrowseComp(检索)、3DCodeBench(文本生 3D),输在纯代码与终端。这和 10-29 期 Gemini 4 Carbon 赢在安全代码、10-30 期 Fusion 赢在成本效率是同一种结构性现象:长程 RL + scaffold 能补 agent 行为,补不了代码肌肉记忆。选型时按任务类型分模型,比看总分更实际。
- 王兴”不会成为 Token 工厂”这句话是战略表态。 妙手服务的是本地生活商家的经营分析(自主构建渠道利润表,识别”支付 GMV +23.2% 而渠道利润 -1.7%“这类增长质量问题),本质是把模型能力塞进自有场景做闭环。国内大模型厂从 API 价格战转向”自有场景 + agent 交付”,这条路的毛利结构比卖 token 好得多。
二、Kimi 发布游戏开发方案:20 小时无人干预,交付一份”人类团队能接手”的 Unity 原生工程
事件内容
11/2 月之暗面发布**“游戏开发与创意工作解决方案”**,基于 Kimi K3.1 Pro + Kimi Code + Kimi Work,通过插件直接操作专业工具:
| 维度 | 信息 |
|---|---|
| 工具覆盖 | 引擎:Unity、Unreal Engine、Godot;建模:Blender、Maya、Rhino、3ds Max(仅 Win)、AutoCAD;3D 生成:Tripo。Unity/Godot 走 Kimi Code,Maya/Rhino/3ds Max/CAD 走 Kimi Work,Godot/Maya 可经 MCP 接入 |
| 原型能力 | 无编程经验的策划 1–2 天做出可试玩 Godot 原型(演示为 2.5D 雨夜动作:挥剑、闪避、格挡、地面积水、灯笼光影) |
| 自主验证 | 交付前自己运行游戏、看渲染画面与试玩录像,对照要求找问题、改代码、再跑;Blender 里看多视角预览,Unity 里看录屏与日志 |
| 关键演示 | 与 Unity 中国 Tuanjie Codely Agent 协同(Kimi 看录屏定方案、Codely 在团结引擎改工程跑验证),无人干预连续工作 20 小时,把一个网页 Demo 复刻成 Unity 原生工程 |
| 交付物 | 可继续编辑的工程文件 + 代码 diff + 操作记录 + 验证记录,而非截图或成品视频 |
| 大场景 | UE 5.8 天宫:半径 1750 米、36 间柱廊、3600 万原始三角面,Nanite 渲染 + Lumen 打光;另出古风 RPG 预告片 |
| 已用客户 | 网易游戏、三七互娱、点点互动、FunPlus、凉屋游戏(凉屋 CEO:已是日常开发第一选择) |
| 未公开 | token 消耗与相对人工的成本比 |
值得关注的原因
- 交付物从”内容”变成”可接手的资产”,这是 AI coding 进厂的门槛线。 生成一张图、一段代码都不难,难的是让人类团队拿到后改得动、查得到改了什么。Kimi 反复强调 diff + 操作记录 + 验证记录三件套,等于把”可维护性”当成产品指标来做——这一点比 20 小时这个数字更值得记。
- “AI 自己 QA 自己”是长任务可靠性的另一条解法。 11/1 期 DeepSeek Super-Agent 的答案是”监听群聊、少占注意力”,Kimi 的答案是”跑起来看录屏、自己对照要求改”。两条路线都在解决同一个问题:agent 干几小时后如何不自欺。能自我获取运行证据的 agent,才谈得上”负责人”而不是”执行器”。
- 对开发者的现实信号是工具分层已经明确。 引擎级操作走插件/脚本(可确定性回放),桌面建模软件走 MCP,3D 资产走生成模型。这条”专业工具插件化 + agent 自主验证”的路会被复制到 CAD、影视、建筑——垂直工作流可能是国产模型厂除价格战外唯一的差异化出口。风险同样明确:成本未公开、审美判断仍靠人、各家工程规范差异大(权限/版本控制/责任边界)。
三、反面数据:SlopCodeBench 显示”关灯软件工厂”还不成立,最佳严格通过率 14.8%
事件内容
HumanLayer 创始人 Dex Horthy 公开质疑”关灯软件工厂”(无人值守、全自动交付)叙事,并给出自建评测:
| 维度 | 信息 |
|---|---|
| 核心论点 | 测试只验证当下这次改动;糟糕架构的代价按月、按年才显现,无人看管的模型很难在多轮修改中维持代码库质量 |
| 评测设计 | SlopCodeBench:36 道任务、196 个分阶段检查点,考核”每一步都没有把上一步搞坏” |
| 结果 | 受测 agent 无一完整做完;最佳严格通过率 14.8%,10 月更新后升至 16.3% |
| 给出的工程建议 | 大改动先花 20–30 分钟与 agent 一起做计划;让 agent 用浏览器自测;保留计划与会话记录;候选修复 PR 仍须由人决定是否合并 |
值得关注的原因
- 这是本周唯一一条负面数据,但价值最高。 同一天我们看到了 20 小时无人干预、1.6 万亿参数长程 RL、Super-Agent——全部在证明”agent 能干长活”。SlopCodeBench 换了个问法:“干完之后代码库还健康吗?” 14.8% 说明**“能写出跑得通的代码”与”能长期维护一个代码库”是两个能力**,而目前所有公开 demo 都只在测前者。
- 分阶段检查点的评测方法比 pass@1 更接近真实工程。 它测的是累积损伤,而不是单点正确率。建议团队做 agent 选型时,用这类型 benchmark 补 SWE-Bench 的盲区(对照 10-30 期信通院”99%^100 步≈37%“的连乘衰减,是同一个数学事实的两种表述)。
- 三条建议今天就能落地,且不依赖任何新工具。 20–30 分钟先规划、让 agent 自己用浏览器验、保留会话记录——成本几乎为零,但正好对应 agent 最常翻车的三个环节:目标漂移、自测缺失、事后无法复盘。
四、乐聚 OPENLET 开发者大会今日开幕:把”端网协同 + 质量保障”签进合同,并给出 80% 的进厂门槛
事件内容
11/3 乐聚机器人与开放原子开源基金会、中关村通力在北京石景山共同主办 OpenLET 具身智能开发者大会:
| 维度 | 信息 |
|---|---|
| 五项发布/签约 | ①央企应用场景发布(中国自控系统工程);②OpenLET 北京高校开发者共同体(清华、北大、北航、北理工、北邮、北交大、北工大、哈工大北京研究院等);③具身智能端网协同部署与质量保障签约(中国移动研究院、中关村泛联、联发科、乐聚、开放原子);④首钢园人形机器人穿越赛;⑤物理 AI 孵化器及具身智能 OPC |
| 规模 | 40+ 家企业(覆盖 12 省 16 城)、8 场演讲/主旨报告、10+ 场开发者开放麦、真机黑客松(石景山人形机器人训练中心二期)、投资机构专场(中信金石、首钢基金、玖兆投资、星空投资等) |
| 配套议程 | 11/4 清华站、北邮站 Workshop;工业场景与二开成果展区 |
| 同日资本动作 | 乐聚 × 兆丰股份合资公司浙江兆聚智能成立,注册资本 1000 万元,经营范围含工业机器人制造、AI 应用软件开发 |
| 董事长冷晓琨的关键数字 | “只有达到 80%,工厂才会接受机器人进产线”;预训练(仿真为主)泛化强但成功率仅 40–50% → 后训练(训练场数据做垂域模型)约 80% → 工厂实景实训 + 真机数据回流,实际生产效率约 95% |
| CEO 常琳 | 开源数据驱动具身生态建设(数据侧的开放主张) |
值得关注的原因
- “端网协同 + 质量保障”是今天最实的一条。 具身进厂的真实瓶颈常常不是本体,而是网络时延/抖动与验收标准无人背书。中国移动研究院 + 联发科 + 乐聚 + 开放原子的组合,意味着把确定性网络指标与机器人 SLA 绑在一起做联合定义——这是 10-31 期”信通院三把尺”之后,第一次看到**“谁来定验收尺”**落到具体签约方。若这套标准成型,会成为中小本体厂商的准入门槛。
- 80% 这个数字和那条 40-50% → 80% → 95% 的曲线,等于公开了能力坐标。 乐聚目前卡在”后训练 80%“到”实景 95%“之间;对照 10-30 期美的美罗U 在窄任务上 99.8%,说明广谱任务的 80% 仍是未解难题。这条曲线也给上游提了明确需求:训练场数据的质量与回流速度,直接决定从 80% 爬到 95% 要多久。
- 生态位打法成型:高校联盟 + 央企场景 + 孵化器 + 开源数据。 这与智元”创新日”是同一套结构,但乐聚更偏工业与开发者侧,且明确把 40+ 家工业技能公司拉进”二开”生态。对做具身应用的开发者,这是近期少见的、能直接对接央企场景与产业基金的入口。
五、具身资本”换层”:整机在退潮,数据与大脑在同日拿到大额——简智 1 亿美元 A+、机器科学 A2、考拉悠然 B++
事件内容
11/2–11/3 三天内,具身赛道非本体层密集融资:
| 公司 | 轮次/金额 | 关键信息 |
|---|---|---|
| 简智机器人(GenRobot) | 1 亿美元 A+(11/2 披露,Q3 完成) | 产业方:上汽、百度、马来西亚 Eastworlds、首程控股、GALBOT;财务方:光合创投、SUNHELM、中信金石、中证投、建银国际、华泰紫金。成立 2025/5,一年半 7 轮、累计超 2 亿美元。不造机器人,做”无本体”人类技能数据:DAS 采集终端 + Gen Matrix 治理平台 + Gen ADP 众包产线。年初开源 1.3 万小时数据集,单月下载破百万。交付量单季 10 万 → 百万小时,2027 目标千万小时/季。创始人陈建兴为前 Momenta 算法高级总监 |
| 机器科学(RoboScience) | 数亿元 A2(11/3) | 琥珀资本、鸿瑞达、上海半导体产投联合领投;爽资本、360 战投、国联民生、金鼎资本及多家上市公司平台跟投。成立 2024/12,今年第三轮。创始人田野为前 Apple AI Platform 技术负责人,联创邵林为 NUS 助理教授(斯坦福 AI Lab 博士)。资产线:RoboMirage 可微多模态物理仿真引擎(2025/9)→ Visics 通用具身大模型(2026/6,主打跨本体泛化操作)→ REX G1 轮式仿人形(2026/8);已在零售商超、物流推 EaaS |
| 考拉悠然 | B++(11/3) | 投资方明文炜业;资金投向世界模型基座、具身智能体产品化、高端人才。核心技术 BWM-Pro 以 70.42 分登顶 TriWorldBench 总榜(三个维度均第一);产品 Geek Mind 具身大脑,内置硬件抽象层,把不同品牌/协议的机器人本体翻译成统一语义指令,主张”一次开发、全量适配”。CTO 顾舒航为前哲库 AI 算法负责人、电子科大教授 |
值得关注的原因
- 这与 10-31 期”整机融资腰斩(10 月 33 起/101 亿 vs 9 月 60 起)“形成剪刀差:钱没走,换了层。 整机在退潮的同时,数据层与大脑层在单笔放大。这是”资本从本体溢出到数据供给端”最直接的证据链,也解释了为什么 10 月笔数腰斩但头部单笔反而变大。
- 简智的单位经济是全部叙事的支点。 行业数据售价约 500–1000 元/小时,采集成本约 30 元/小时——这个毛利空间解释了 14 个月 7 轮。但风险也在这里:一旦供给放量到千万小时/季,价格会以多快速度塌?自动驾驶的数据成本被整车销量摊薄,人类技能数据没有这层缓冲,这是简智必须回答的问题(参考 Scale AI 的路径与 Meta 143 亿美元买 49% 股权的先例)。
- 考拉悠然代表”只做大脑不做本体”的第三条路,若成立会压缩本体厂商的议价权。 硬件抽象层做统一语义指令,理论上本体就退化为执行器与代工。对照机器科学的”Visics 跨本体泛化”、简智的”无本体数据”,三家从三个角度押注同一件事:本体不是壁垒,数据与大脑才是。 这是本周最值得持续观察的结构性赌注。
附注速览
- 微软年度开发者大会(11/1–2 旧金山):发布首款 AI 编程模型、推理模型、AI 搜索引擎与个人助手;展示内置 1200 亿参数模型 + 英伟达芯片的个人电脑、新一代量子芯片(目标 2029 年前实用量子计算机)。现场 Harness Agent 演示上下文压缩 48K → 21K token(-56%),任务成功率保持 95%+;官方数据称确定性 Workflow 相比纯 agent 自治,端到端延迟降 40–60%、token 消耗降 30–50%。文档里那句”如果能写一个函数处理任务,就不要用 AI Agent”值得直接抄走。(Microsoft Agent Framework 为 Semantic Kernel + AutoGen 继任者,2026/4 已 GA,本期为大会主推,非首发)
- 微软开源 Mage-VL-Cowork:仅 40 亿参数的电脑操作智能体,OSWorld-Verified(50 步预算)66.0%,RL 阶段带来 +10.16pp,权重与代码 Apache 2.0 开放。小参数可本地部署的 computer-use 模型,对小团队比闭源旗舰更实用。
- Fable 5.5 / GPT-6.2 Astra 双曝光:Anthropic 官网源码出现 6 处 “Mythos 5.5” 字样后被删;LiteLLM 配置曾现 Fable 5.5,传 1M 上下文、$10/$50 每百万 token。Codex 侧统计与 API 响应出现
gpt-6.2-astra(1M 窗口);据传 Codex 团队 28 天重做底层,支持自拉子进程、连跑数小时。11 月或迎旗舰更新潮。 - 腾讯混元 Hyra 2.0:Overall / Mission / Worker 三层协作,接入企业微信、计算平台与代码仓库,经验沉淀为 skill;从头训练的 196 万参数 HyInv 较 ProteinMPNN 快 57 倍;HyQEC 构造的量子码编码效率较原榜首 +48%;香山处理器每 GHz 得分 +5.79%,fuzz 发现 10 个未报告 bug。
- Karpathy 用 Claude Code 两小时做出 HackerTube:Opus 5.5 Medium、一句提示词,复刻 YouTube 布局,收录 6454 个 HN 推荐视频;排序从”点击时长”换成 HN 用户多年主动推荐,免登录、观看状态存本地、封面取视频中间帧。
- 商汤 SenseNova 6.8 Flash 正式版:长期记忆 + 主动交互(产品升级后提醒跟进曾拒单客户、整理前任客户交接),设计侧支持 Web/SVG/Three.js/PPT,可输出可编辑 Blender 工程并接入 Figma;小浣熊限免至 12/1;同期开源 Loop-9B-Preview。
- 杭州发布具身风控法务指引:11/2 发布人形机器人、脑机接口、开源 AI 智能体等高风险场景风控法务指引,上线免费”杭州合规码”小程序(整合指引、合规专家库与 AI 问答)。
- 乌镇”互联网之光”博览会(11/2 开幕):54 个国家和地区、671 家企业、1000+ 项新品;全球首款 AI 智能体手机、四维世界模型 MoWorld 2.0、30+ 款具身智能机器人、中科曙光全国产十万卡超集群”曙光 8000”真机。11/4 将办具身数据供需对接会。
- IDC:非 GPU 加速器出货首超 GPU。2026 上半年中国非 GPU 加速器出货 101.6 万颗(+80%),首次超过 GPU 的 99.1 万颗;英伟达在华份额降至 34%,9 家本土厂商出货同比增长。竞争焦点从单卡参数转向”芯片+集群+软件生态+行业方案”的系统级能力。
- 经济日报 11/2 评论《人形机器人从高热走向理性》:以宇树 465 倍 PE、Q3 增收不增利(营收 +69.93%、净利 -17.37%、研发费率 19.1%)为切口,指出技术短板、性价比、收入结构三大瓶颈——与 10-31 期”交卷期”同向,不展开。
待跟踪
- Kimi K3.1 Pro 权重 11/4 开放(明日兑现,连续跟踪第 10 期;关注许可证名称与第三方长上下文复测)
- 乐聚 OPENLET 五项发布的具体内容(会前仅披露框架,11/3 下午见分晓;重点看央企场景清单与端网协同的质量指标口径)
- LongCat-2.5 第三方复测与 API 定价(本期跑分为官方口径;重点看纯代码/终端任务差距到底多大)
- Kimi 游戏方案的 token 成本与 ROI 数据(官方未公开,这是能否在游戏厂规模化的唯一硬约束)
- SlopCodeBench 11 月版本与其他 harness 的分段对比(16.3% 是否随 harness 改进上升,还是卡在架构层面)
- 简智数据单价走势与 2027 千万小时目标(500–1000 元/小时能维持多久)
- 智元便利店 24 小时直播数据(11/2–3 已跑完,接管次数/成功率/经验跨机复用尚未公开,连续第 2 期)
Genie Sim 3.5:连续挂起 7 期无进展,按 11-01 期承诺移出跟踪列表