主题：11/09 一天里三条线同时交数字——Coding 给”长程编排”标了价，具身把”人类视频能换多少技能”画成了曲线，落地侧改按营业厅和”每任务美元”算账
主条目
1. Claude Fable 5.2 / Mythos 5.2 发布：coding 旗舰降价 20%，并用 1000 个 subagent 交了一份 8 天的作业
- 11/9 发布，同一底座模型两个配置：Fable 5.2 全量开放，Mythos 5.2 只对 Cyber / Life Sciences 验证计划内的机构开放（同时驱动企业版 Claude Security）。编号仍叫 5.2 而非 5.5（Opus/Sonnet/Haiku 已到 5.5），Anthropic 明确表示多数 coding 与知识任务仍建议从 Opus 5.5 起步，Fable 用于”最棘手的技术难题”。
- 价格与速度：$8 / $40 每百万 token（原 $10 / $50，降 20%），可选 fast mode $16 / $80、生成速度最多 2.5×；常规输出比 5.1 快最多 30%；平台文档标注 1M 上下文、128K 最大输出、知识截止 2026 年 6 月。
- 自测基准：FrontierCode 2.0 49.1%（Fable 5.1 32.4%、Opus 5.5 45.5%、GPT-6 Astra 42.8%）；FrontierSWE v2 69.9%（Astra 65.5%、Opus 62.3%）；Terminal-Bench-Science 74.6%（5.1 为 52.6%）。成本口径更值得看：High effort 的 Fable 约等于 Max effort 的 Opus 5.5，单任务成本约一半，Medium 已成为 Claude Code 的默认 effort。并非全胜——AutomationBench 51.4% 输给 Gemini 4 Carbon 的 53.9%，AA-Briefcase 的 Elo 也仍略低于 Opus。
- 长程证据（本期最值得看的部分）：①1000+ subagent 连跑 8 天，从空文件夹做出可在笔记本上启动的原型 OS——自研内核、磁盘/键盘/网络驱动、持久化存储、窗口、登录界面、安装器；②早期版 Fable 把一套生产服务从 Python 迁到 Rust，启动快约 26×；③1000 个 agent 用 30 小时在 Lean 里完成费马大定理形式化（此前研究版 Claude + 专用 harness 用了 11 天），action token 为原来 1/3、证明长度 1/7；同配置下 Opus 5.5 跑 18 小时只完成约 26%。
- 训练期做了减法：Anthropic 承认在训练时刻意限制了最可能直接加速 AI 研发的两块能力——加速器 kernel 优化、LLM 架构改进，压到约 Opus 5.5 水平；声明不影响 agentic coding、硬件开发、可解释性研究；不在推理期做手脚；对少数非标准加速器 kernel 开发透明回退到 Opus 5。另有：内部代码库合并变更 >90% 由 Claude 撰写；误拦比 5.1 少约 55%；抗蒸馏让蒸馏者拿到的数据少 90–99%。
- 为什么值得关注：coding 的竞争指标这一天被改写了——不再是单点跑分，而是**“每任务美元 × 长程保持率”。“8 天 1000 agent 做出一个 OS”是全行业第一次给出”编排规模 × 时长”的可核对样本（虽然仍是自家 harness、自家评测）；而”训练期就把两块能力按住”是治理上第一次公开的能力负向设计**，代价是把”能不能加速 AI 研发”从一句承诺变成了一个需要被独立验证的声明。顺带注意 RoboDojo Sim：Fable 5.2 拿到 64.9%（Opus 39.4%、Astra 29.8%、5.1 为 27.6%）——通用模型在机器人仿真基准上的水位，已经不能忽略。
2. 英伟达在 CoRL 开源 GR00T 2：5 次演示 = 95%，把”人类视频值多少技能”画成了曲线
- 奥斯汀时间 11/9 下午（北京时间今晨）由 Jim Fan 在 keynote 上发布，正是上期跟踪的悬念。20 亿参数，底座 Cosmos-Predict2.5-2B，定位不是 VLA 而是 WAM（world-action model）：单个 diffusion transformer 同时去噪”未来画面”和”动作 chunk”，先想象场景会怎么变，再给出把它实现的动作。一个 checkpoint 覆盖平行夹爪、灵巧手、人形，每个本体只换一个小 head。
- 数据配方：402,730 小时第一视角人类视频 + 10,184 小时手持 UMI 夹爪演示（2,897 个任务）+ 仅 23,500 小时真机遥操作。其中 10 万小时以 Human-1M-100K 名义上 Hugging Face，CC BY 4.0、允许商用，采集硬件设计也开源。
- 少样本曲线：50 个目标机器人训练数据里从未出现的任务，零样本平均 40%；每任务给 1 次演示升到 71%；5 次演示（不到 3 分钟真机数据）到 95%，其中 37/50 个任务每次都成功。每次适配是单张 RTX 5090 上约 30 分钟 LoRA。
- 关键消融：人类视频占比从 0 → 1% → 10% → 100%，72 个 Dexter 任务的真机任务进度从 50% → 70%。这一格比任何总分都重要。
- 跨本体：只给戴手套的人类化学实验演示、零遥操作，双臂机器人 65% 完成”漏斗套滤纸并润湿”；只给 UMI 夹爪演示，YAM 机械臂 60% 独立装完玩具卡车（任务最长 4 分钟）。硬指标上：传送带分拣 86%（GR00T 1.7 为 28%、π0.5 为 0%）；双 22-DoF Sharpa 手插装 GB300 内存条 85%、装玩具卡车 65%；真机 RL 把三个接触密集的插入任务从 40–76%（SFT 后）推到 88–96%。
- 接口是 MCP：推理模型当 System2 拆任务、查进度、写代码，GR00T 2 通过 MCP server 被当作工具调用去干手上的活。桌面上倒一堆零件，这对组合组装玩具飞机 98/100、拖拉机 97/100、Hot Wheels 97/100。
- 两处必须打的折：白皮书自认评测任务是”从 5 个 episode 就能到 80% 以上”的任务里挑出来的；社媒上流传的”40 个任务零样本成功”是把”40/50 至少成功一次”和”平均成功率 40%“混成了一句，论文原文是后者。
- 生态与澄清：Foxconn（用于 AI 服务器产线）、Siemens、Nexuni（洗衣）在测，均未说进量产；LG 2027 年人形用的是前代 GR00T；代码 12 月开放；GR00T 2 Turbo（2B）已在宇树 G1 上跑。同日同框的 Isaac Lab 3.0 是 10/20 已 GA，不是今天新发，今天新的是 Isaac Lab-Arena 与 DexBench v1.0（与韩国 RLWRLD 合作，15 个任务）。
- 为什么值得关注：10/28 期我们报过”全球真机数据约 100 万小时、缺口百倍”。GR00T 2 第一次把这道缺口换算成了一个斜率：人类视频占比 0→100%，真机进度 50→70。这意味着采集生意的估值逻辑会被改写——决定单价的不再只是”小时数”，而是”这段视频能不能被这个模型换算成真机技能”。另一层更结构性的变化：MCP 当接口，等于具身正式接进了 agent 的工具协议栈；同一个 harness 里，coding agent 调代码工具，也可以调一只机械手。
3. Meta 放出 Muse Ember：$0.10 的”执行层”，把 coding agent 的账单结构摊开了
- 11/9 发布，Muse 家族第四款、最小最便宜：$0.10 / $0.50 每百万 token，缓存输入 $0.004，model id
muse-ember-1.0，走 Responses API。1M 上下文 / 最多 512K 输出，原生吃文本、图像、音频、视频。 - 定位非常明确——agent 里重复一整天的小步骤：工具调用、编码子任务、路由、抽取、长文档解析。官方口径是”Wonder 规划、Spark 做 coding 与 agent、Ember 扛量”。
- 成本对比：Artificial Analysis 综合指数 36（Spark 1.3 为 37），但每个 AA 任务 $0.14 vs $2.39；Meta 称以约 1/3 成本打到 Claude Haiku 5.5 的最好成绩，并在所有 reasoning 档位胜过 GPT-6 Luna。
- 自测（max reasoning）：AutomationBench-AA 37.8%（Haiku 5.5 13.9%、Luna 20.2%）；Agents’ Last Exam Linux 子集 61.6%（57.0% / 57.1%）；Terminal-Bench 4.0 40.9%（39.2% / 16.4%）；Coding Agent Index-AA 46（37 / 31）；OSWorld 2.1 69.5%（68.9% / 50.5%）。
- 但有一格是反的：FrontierCode 2.0-AA 只有 27.2%，输给 Haiku 5.5 的 34.9%。这个基准测的是”改动会不会被开源 maintainer 合并”，是整张表里最难糊弄的一项。
- 早期伙伴给的数字更实用：Cloudflare CTO 称尾部延迟快最多 30%、跨多仓库排查好用；You.com 报 P95 2.2 秒、输出 token 少 36–48%。
- 为什么值得关注：coding agent 的钱到底花在哪，这一天被明码拆开了——大头不是那次”想难题”的旗舰调用，而是成千上万次小的工具步。于是选型口径从”旗舰模型单价”变成”分层 + 每任务美元”。而 FrontierCode 的落后恰好划出边界：便宜的执行层能把大多数 agent 类跑分刷上去，但”这个改动能不能被合并”没法靠便宜换。
4. 优必选把 10 万台人形的目标交给了中国电信的营业厅
- 11/9，中国电信全资子公司天翼电信终端与优必选签全面战略合作，“天翼电信终端-优必选机器人联合创新实验室”同日揭牌。三年内共同推动家庭陪伴机器人终端行业规模破百万台、超仿生/轮式人形终端行业规模破十万台。注意措辞是”行业规模”，不是优必选自身的销量承诺。
- 渠道才是重点：优必选此前人形收入几乎全部来自工业制造与政企集采；天翼承担中国电信终端运营与生态合作，有全国营业厅网络与家庭客户资源。试点包含租赁、“AI 权益+终端”、营业厅体验场景——收入结构从 B 端集采往 C 端走。
- 财务底盘：2025 年交付全尺寸人形 1,079 台、营收 20.01 亿（+53.3%），全尺寸具身收入 8.2 亿（+2,203.7%，占 41.1%），据此推算单台均价约 76 万元；2026H1 营收 12.69 亿（+104.2%），全尺寸占比升到 46.5%；毛利率 2024 年 28.7% → 2025 年 37.7% → 2026H1 44.7%；净亏从 11.37 亿收窄到 7.03 亿；管理层维持 2027Q4 单季盈亏平衡。当日股价盘中涨超 14%、收 70.3 港元（+8.99%）。
- 冲突点必须写出来：IDC 数据显示 2025 年全球人形出货约 1.8 万台、市场规模约 4.4 亿美元；优必选副总裁焦继超此前公开表示”人形进家庭至少还需 8–10 年”。
- 为什么值得关注：这是 11/09 期”Optimus 只租不卖”、中石油×宇树+昆仑租赁之后的第三块拼图——中国走的是”运营商渠道 + 租赁 + 权益捆绑”，本质是把机器人当”终端品类”卖，而不是当设备卖，从而绕开单台 76 万的购买决策门槛。代价是这份协议把”百万台家庭陪伴”写成了公开目标，与自家高管”8–10 年”的判断正面冲突，等于提前给自己上了一道兑现压力。
5. Anthropic 补全 agent memory 实验：413 份笔记输给 9 份，差别在”能不能被核对”
- 11/06 工程博客《The components of agent memory》（Lance Martin）首发，11/09 中文媒体拆出完整数据。11/08 期只在附注里一句带过，本期补实验细节，不是今天的新发布。
- 定义很干净：agent memory 指跨会话保留、从经验中得来的知识；明确排除改权重、上下文内学习、compaction。机制两层：随手记（给 session log 打标签、写 memory notes）+ dreaming（空闲时重读 transcript，纠错、重组、把笔记提升到每次会话必加载的顶层）。
- CL-Bench 1.0：Sonnet 4.6 只在笔记里写”未经检验的猜想”，且除非明确要求，开会话读记忆的比例不到一半；Opus 4.7 收敛成一份参考文档并标注”已核对/未确认”；Sonnet 5 自主在 >90% 的会话先读记忆；Opus 5 首次闭环——记规则、记”我怎么知道它是真的”、记旧答案和陷阱警告。
- Pokémon Red 是最有说服力的一组：Sonnet 3.7 写了 413 个记忆文件、225 个文件夹，玩到 1 万步只拿到 1 枚徽章，中间有连续 17 步在删旧笔记；Fable 5 只写 9 个文件、2 个文件夹 + 1 个 global.md，拿到 4 枚徽章；Opus 5.5 保持小目录并通关。
- 纠错的真实价值：Claude 把 Mt. Moon 出口的 PokéCenter 方位记反了并标注”已完成”，走出洞口踩上单向坡三次回到起点；dreaming 把笔记和原始 transcript 对照后改写方向，下一次直接进洞抵达 Cerulean City。
- 企业语料：Stainless（Anthropic 2026/5 收购）35 万文件、约 4.2 亿 token、25 道题。128 次 dreaming 会话后，只靠 wiki 的评分标准覆盖率从 13% 升到 48%；wiki + 搜索从 54% 升到 61%（纯搜索 53%），每问答省约 2 万 token；多文档题在查 wiki 时 87%，纯搜索 73%。
- 反例同样重要：一个 Harvey LAB 法律简报任务上 wiki 没有任何增益；另一个任务里 wiki 长得比源文档还大。维持表征要算力，还要防幻觉累积。
- 提示词层面最反直觉的一条：告诉模型”记忆是为了什么”比”怎么用记忆”有效；而”只记失败”这类硬规则，让 Opus 5 和 4.7 的记忆收益大幅缩水。
- 为什么值得关注：长程 coding agent 真正缺的不是更长的窗口，而是跨会话的经验从来没被验证过。413 份输给 9 份，本质是记忆的瓶颈在”能不能被核对”，不在”记得够不够多”。可迁移的工程结论只有三条：顶层记忆必须小（每次会话都加载，错一条就错一路）、纠正必须回到原始 transcript、别用硬规则规定该记什么。
附注
- Google 两款新 TPU（11/10 报道）：TPU 8tx 面向机密计算，与 AMD 处理器协同、把加密下沉到硬件层，模型权重与敏感数据不再需要在内存里解密；TPU 8i Max 专为超长上下文推理扩容内存与算力，指向复杂代码生成、数学推理、科研。第八代 TPU 家族因此扩到四款（8t 训练 / 8i 低延迟 / 8tx 安全 / 8i Max 长上下文）。
- Gemini 上线 Memory summary（11/10）：把”记住的关于你的一切”汇总成可编辑的分类清单（基础信息、职业与项目、出行装备、影音、健身等），支持记忆历史时间线；网页端先行、美式英语、需开启”保留活动”与”记忆”。
- AI Engineer Code Summit 今日在旧金山开幕（11/10–12，仅申请制）：workshop 今日、主会 11/11–12，keynote 来自 Google DeepMind 的 Melvin Johnson 与 Anthropic 的 Jarred Sumner。议题集中在 agent harness、PR review 与修复工作流、可执行的 guardrail、安全的 build/verify/release 循环——“流程工程”这条线开始有自己的专门会议，和上期 Google EGM 的判断互相印证。
- arXiv《A Heart Means Recursion》：在二叉树遍历的提示旁放一个小红心图标，VLM 就从迭代式写法改成递归；事后追问，模型称心形无关、选递归是技术原因。作者含 Google DeepMind / 斯坦福（Wattenberg、Been Kim 等），Ethan Mollick 称之为”AI 符号学”。对靠截图理解世界的 computer-use agent 是实打实的风险：版面上一个装饰元素就能静默改变点击选项，而思维链里没有痕迹——这削弱 CoT 作为审计工具的效力，建议改用**“换掉那个无关元素、其余不变、重跑”的行为测试**。
- 优理奇（UniX AI）5 亿元 Pre-A（11/9）：老股东谢诺、涌铧超额追加，绿地集团以战略投资人身份进入并绑定安保/酒店/康养场景，柯力传感、华工创投、红鸟启航等跟进。硬数据：自 2025 年底起单月交付超百台、峰值 300 台/月；京东七鲜咖啡连续 24 小时零失误做 2,156 杯（吉尼斯纪录）；希尔顿、全季、如家已常态化运营；2026 世界人形机器人运动会 1 金 1 银 1 铜（酒店场景两连冠）。
- 原方智能（Cirquar AI）数千万元天使轮（11/9）：金雨茂物领投，我乐家居、南京市创新投资集团跟投；南大 LAMDA 背景，路线是”Rehearsal in World Model”——让机器人行动前先在世界模型里预演后果，落地场景是家庭整理收纳这类长程任务。
- 英伟达韩国主权 AI（11/9 AI Day 首尔）：Rebellions 下一代 R200 NPU 通过 NVLink Fusion 接入、走 MGX 架构，2028 部署；SK 电讯准备做分离式推理（GPU 跑 prefill、NPU 跑 decode）。同日投四家：Point2、Motif、RLWRLD（灵巧操作，参与 DexBench 联合开发，传融资约 2,000 亿韩元、投前 1 万亿韩元）、Upstage。LG 用 Isaac GR00T 训练操作。
- 两条澄清：Isaac Lab 3.0 为 10/20 已 GA，本期不作为今日新发；OpenAI 收购 Astral（uv/Ruff/ty 团队并入 Codex）实为 2026/3/19 的公告，今日被中文号重新包装推送，不计入今日新闻，也不在此复述条款。
- 11/06 期已报的 OpenAI Astra 错位报告（安全框架 10% vs 能力框架 16%）、11/09 期的 CoRL 会况与 VFlash、EGM、Optimus 租赁、Claude Code 2.1.319 均不再复述。
去重说明（对照前二十期）
- 五条中四条为 11/09 当日新增：Claude Fable 5.2 / Mythos 5.2、英伟达 GR00T 2、Meta Muse Ember、优必选×天翼电信终端。第 5 条 agent memory 为 11/08 期附注项的数据补全，文中已明确标注首次发布日为 11/06，非今日新发。
- GR00T 2 是 11/09 期”Jim Fan keynote 实际内容”跟踪项的兑现，按既定原则只报模型本身、数据配方与量化答案，不复述 CoRL 会况、VFlash 与李飞飞对谈。
- Fable 5.2 与 11/05 期附注的”Fable 5.5 实测流出（非官方）“无继承关系：那是第三方实测片段，本条是官方发布；且官方编号仍为 5.2，两者不可混为一谈。
- 优必选：11/06 期报过柳州产线（10 分钟/台、千台运行一年多），11/05 期报过 Thinker-Sim，10/30 期报过 U1 定价；本条只报渠道与租赁模式、财务底盘与目标口径，不重复前述内容。
- 明确不重复：CoRL 会况与 VFlash、Google EGM、Optimus 只租不卖、ADK/A2A、Claude Code 2.1.319、简智 DAS 2.0、Cursor 语音、Muse Wonder/Spark/Glimmer、Kimi 权重与托管、Inkling 2 Small、苹果 HALO、LoopForge、uni-robot-agent、EmArm、AGLT、Astra 错位报告。
- 新增去重原则：Fable 5.2 后续只收第三方 FrontierCode 复测、公开的 1000-agent harness、以及”训练期能力上限”是否被独立验证；GR00T 2 只收 12 月代码与许可证、第三方真机复现、Foxconn/Siemens 是否进量产、Turbo 在 G1 上的实测延迟；Muse Ember 只收第三方 harness 账单与 Haiku/Luna 的降价反应；优必选只收实际销量与租赁定价；agent memory 只收第三方复现”顶层记忆大小 vs 得分”的关系。
- 待跟踪：12 月 GR00T 2 代码与许可证；Fable 5.2 第三方复测与 Anthropic IPO 进程；Optimus 租赁定价与首批外部客户；中石油×宇树合营与昆仑租赁方案；EGM #237 是否修复；Inkling 2 Small 权重（已逾期未放）；GPT-6 Cyber 开放范围；HALO 触觉与产品化；它石百台兑现；小鹏 IRON 年底量产；Conductor 11/20 关停迁移（本周内到期）。