主题：11/11 一天里三个”署名栏”同时被改写——AWS 把代码作者写成 agent、OpenAI 把 Cursor 的模型选择器变成所有权战场、北京把 MTBF 2000 小时写进政府指标；而同一天两个实验都在说同一句反话：接口给得越”贴心”，越容易把失败藏起来
主条目
1. AWS 开源了一个”没有人类作者”的云模拟器：400+ API 模型、200+ 服务，工程师只写规格与门禁
- 11/11 发布 AWS Emulator（
aws-emulator，挂在 AWS 自己的 GitHub 组织下）：在本机容器里模拟 AWS 核心 API——Lambda/计算、S3 类对象存储、DynamoDB、队列与通知、IAM、容器工具、CloudWatch 类遥测，400 多个 API 模型覆盖 200 多项服务，服务面按”持续扩张”设计。用途很朴素：把 agent 反复跑代码、读结果的内循环，从”真云 + 延迟 + 账单”挪到本地，顺带支持断网/气隙环境与确定性 CI。 - 真正的新闻是作者栏：AWS 高级首席工程师 Matt Goldberg 在博客里把”我们团队没有写、也没有审查过任何一行代码”当成卖点；CTO Werner Vogels 随后专文谈”当 agent 写代码时，工程师的工作是什么”。口径要先对齐：官方主口径是”未编写、未审查”，Vogels 的叙述是”人类写详细规格与测试计划、agent 迭代、人类负责审查与合并，约 90% 代码来自机器”——两个数字同一个项目，引用时别混。
- 架构是三支 agent 队伍 + 一道门禁，全部跑在 Amazon Bedrock AgentCore 上：①写保真度测试（从 AWS 公开 API 模型生成真实场景用例，逐条先拿真 AWS 验证过才准提交，现存数万条）；②回放测试找偏差（模拟器初始化时只是一个”能应答 438 个 API 模型但什么都不做”的空 web server，agent 蜂拥而上给每个失败提 issue，并把同根因的失败归组）；③单 agent 修单 issue，一个 agent 对应一个 issue。改动必须过自动合并门禁：编译不过直接拦、编码规范、安全（多个安全 agent 各用不同攻击面审同一份 diff，外加一名通用代码审查者）、保真度回归。当前是数百个 agent 并发、每天修数千个 issue。
- 起点是一个周末：灵感来自今年早些时候 Anthropic 演示”给规格 + 参考实现，Claude agent 自己造出 C 编译器”；Goldberg 给 Kiro 写了个三步提示词（按 AWS CLI 写测试 → 迭代到测试在真 AWS 上通过 → 写一个能过同一批测试的实现），15 分钟拿到一版可用的 Amazon SQS；到周末结束，Kiro 已搭出其余部分的粗糙版本，周一团队就开始用它测自家软件，一个月内被内部采用。
- 一个被刻意公开的失败模式：早期 agent 决定自己写一个 Python 解释器来支持 Lambda——技术上很硬，工程上很蠢。团队随后引导它复用现成库，等于给 agent 补了一课”编码规范”。Goldberg 的比喻是自己幼儿园时握不好蜡笔，把小组画的恐龙涂坏了——“不是恶意，是能力不够”，解法是给 agent 一本填色本。
- 透明度是设计的一部分：代码以 CC0 发布，完整提交历史与 agent 提的每一条 issue 全在 GitHub；
issues/things-that-now-work放已修好的，issues/things-that-do-not-work放agent 自己发现、目前仍与真 AWS 不一致的行为。更多细节留到 re:Invent。 - 另一个数字更说明问题：Goldberg 曾用 Kiro 重建早年给 Alf 写的复制引擎，第一次花了约 4 个月；这次他盯了 agent 四个晚上才发现它根本没法检查自己的结果。补齐规格与测试环境后，重建只用了约 2 小时。
- 为什么值得关注：这条的分量不在”工具好不好用”，在它把”agent 能不能写生产代码”这道争论从百分比换成了一个可下载、可跑、可审计的具名产品。此前所有类似说法（谷歌”超四分之一新代码由 AI 生成”、微软/Anthropic 的组合口径）都是跨几千个项目的平均数；这是一次单点、公开、带全部 commit 的样本。更关键的是它给出的方法论：能力不够时，别指望模型自己变强，去缩小它必须做对的面积——保真度测试是”什么算对”，合并门禁是”错的不许进”。真正被稀缺化的因此不是打字速度，而是规格写得够不够死、验收跑得够不够狠。反过来也要看清边界：目标定义、测试通过标准的合理性、发布决策与事故响应仍在人这边，“没有审查代码”不等于”没有承担责任”。竞品侧最直接的是 LocalStack——平台厂商亲自下场做免费模拟器后，第三方付费档只能在广度、打磨与新特性跟进速度上跑赢，这是场很难的赛跑。
2. 今天（11/12）是 OpenAI 给 Cursor 的断供截止日：模型选择器成了所有权的战场
- 11/12 是 OpenAI 在 8/28 通知中设定的拟议断供日。起因不是技术，是股权：SpaceX 于 8/14 完成对 Anysphere（Cursor）600 亿美元收购，两周后 OpenAI 宣布终止供应，理由写得很直白——“基于我们对 Musk 旗下公司违反合同的过往经验，无法确信 SpaceX 会在我们的服务条款内使用这项技术”，并称已按合同允许的最长通知期执行。
- 截至 11/11，双方都没有确认今天是否真的执行，谈判仍在进行，OpenAI 自己把 11/12 描述为”拟议日期”而非最终日期。所以这条现在的正确读法是：截止日已到、结果未定，别写成”已断供”。
- 如果真的落地，实际变化比标题小：较新的 GPT-6 家族早已不在 Cursor 选择器里，被移除的是剩下的选项（含 GPT-5.6）；OpenAI 同时表示在协议收尾期间不会再向 Cursor 供应未来模型，包括即将推出的 Astra。
- Cursor 的抗压垫比想象厚：CEO Michael Truell 称 OpenAI 模型约占编辑器5% 的流量；选择器里已有 Claude Opus 5.5、Gemini、Grok 4.7 与自研 Composer。Anthropic 在 OpenAI 公告后数小时内就宣布提高 Claude 在 Cursor 内的可用算力——这是最直接的一次”竞争对手补位”。想继续用的人可以自带 API key，或改用 OpenAI 自家 IDE 扩展。
- 为什么值得关注：过去一年”模型厂商收购开发者工具”被当成渠道故事看，这条把它翻成了供应链故事——Cursor 在设计上是模型无关的，但只要控制权一变，无关性就由新股东决定。对团队的实操含义很具体：①把”某个模型必须在某个编辑器里”当成架构风险而不是偏好；②跨提供商换模型要重跑 prompt 与验收样本，行为差异不是线性的；③”自带 key”是逃生舱，但它把你从”产品用户”变回”API 客户”，计费与限流规则都换了一套。更长远的一层：当 IDE、评审库、编排层接连被模型厂商买走（11/05 期报过 Meta 收 Conductor、OpenAI 收 Pierre），“我用的工具归谁”会变成选型时必须先问的一句。
3. 北京把”平均无故障 2000 小时”写进了政府指标：具身智能从拼演示改成拼耐用
- 11/11 北京市经信局印发《北京市具身智能机器人产业高质量发展行动方案（2026—2028 年）》。目标层：到 2028 年培育不少于 5 家国际一流、10 家国内领先的人形机器人整机企业，具身智能模型、本体与关键技术达到国际一流；京津冀整机产能占全国 25%，关键零部件配套率超 60%。
- 最值得逐条抄下来的是整机的”带数字硬指标”：
| 指标 | 目标值 |
|---|---|
| 额定负载 | ≥ 自重的 40% |
| 平均无故障工作时间（MTBF） | > 2000 小时 |
| 核心运动部件与末端执行器年故障率 | < 10% |
| 整机设计使用寿命 | > 5 年 |
| 连续作业电池续航 | ≥ 4 小时 |
- 要素侧给的是”卡点清单”：不少于 100 个真实场景采集超 100 万小时高质量数据，形成覆盖”训练→部署”全流程的数据供给范式；新建超 5 万 P 具身智能专用算力，并搭权威评测体系、做”具有全球影响力的具身智能模型榜单”；关键环节点名攻关高端柔性触觉传感器、微型精密减速器、RISC-V 系统级智算芯片、高动态负载 N 沟道 MOSFET，口径是”应布局尽布局、能适配尽适配”。
- 场景与验证：工业/服务/特种分别形成不少于 20 / 20 / 10 个标杆应用场景（进产线、进养老院、进救援现场）；建不少于 5 个制造服务平台，覆盖可靠性、安全性、环境适应性中试验证；打造 3–5 种国际一流整机平台。同时明确保留炫技那条线——继续办人形机器人运动会与半程马拉松（赛事证明极限能力，场景要的是连续稳定，两条线并存）。
- 背景数字让这份文件不显得突兀：工信部预计今年全国人形机器人整机产量突破 10 万台；智元从第 1 万台下线到第 2 万台不到六个月。
- 为什么值得关注：过去两年这个行业最缺的不是指标高低，而是指标本身——发布会看跳舞、短视频看翻跟头、展会看握手，可靠性短板从来没进过聚光灯。MTBF 2000 小时、负载 40% 自重这类数字一旦进了政府文件，就同时变成了采购门槛、验收口径与融资叙事：买方可以问”你 MTBF 多少”，投资人可以问”你年故障率多少”，而回答不了的公司会突然发现自己讲的故事不在同一套坐标系里。更实际的连锁反应是中试平台与评测榜——耐用不是喊出来的，是试出来的；谁掌握测试台，谁就掌握了”合格”的定义权。风险也要说清：把数字写进目标不等于企业能达标，真正的检验是两三年后这几个数字有没有变成招标文件里的硬条款。
4. 蚂蚁灵波开源 LingBot-Touch：把三种触觉传感器压成同一套”触觉 Token”，也顺手证明了”硬塞触觉会变差”
- 11/10 发布、11/11 由首席科学家沈宇军撰文详解：开源触觉基础模型 LingBot-Touch，把磁触觉、视触觉、压阻式三类主流传感信号统一为同一套”触觉 Token”，供不同灵巧手与动作模型直接调用——解决的是”换一只手/换一种传感器，触觉模型就得重训”这个死结。
- 数据全来自真实操作，约 4,983 小时：人类戴触觉手套采集 2,197 小时压阻 + 1,136 小时磁触觉；遥操作 Sharpa Wave 双臂采集 1,650 小时视触觉。
- 真机增益是具体的：拧瓶盖——Sharpa Wave 无触觉模型时成功率 56.25%，接入后能感知”瓶盖即将打滑”并及时调力，升到 90%。
- 同一组实验里还有一条更该被记住的反例：拉拉链——不输入触觉模态成功率 39%，“粗暴塞入”触觉信息后掉到 15%。这不是触觉没用，是触觉的用法比触觉的有无更决定成败：信号没有对齐到动作的时间尺度上，等于给策略灌噪声。
- 架构定位：灵波大脑 2.0 分四层——空间感知（LingBot-Vision + Depth 2.0）、动态交互（LingBot-Video + World 2.0）、触觉感知（LingBot-Touch）、操作执行（LingBot-VLA 2.0 + VA 2.0）。沈宇军的判断是”VLA 和世界模型都不会是终局”，模型应”从物理世界的需求出发，而不是被已有技术分类限定”，这也是其”具身原生”提法的由来；对通用大模型与具身基础模型的关系，给的是 1+1>2 的协同（前者补理解与推理，后者补物理感知与闭环操作）。
- 落地在测：与乐聚、钛虎等本体厂，以及国大药房、隆盛等场景方做真实场景测试。
- 为什么值得关注：触觉这条线此前在日报里出现过三次，但角度分别是硬件（10/06 EmArm 整臂皮肤、11/02 矩侨织物电子皮肤）与供应链（他山传感器进 DexUMI）。LingBot-Touch 是表征层的第一次：它的价值不在”多了一种传感器”，而在把传感器差异吸收进模型内部——这是具身领域”跨本体”难题在感知侧的同构解法，也是为什么它可以被别的灵巧手直接调用。而 39%→15% 这个反向数据，比 56%→90% 更有信息量：它说明多模态融合不是加法，接口给错，强信号会变成强干扰。这条经验对正在把触觉、本体状态、力控一股脑塞进 VLA 的团队，是一份现成的负面清单。
5. 苹果 AMP1：让通用大模型现场写 Python 开机器臂，零样本 96.3%，但”给它辅助函数”反而让最强模型变差
- 论文 11/06 上 arXiv（
2611.09892，《On Agentic Manipulation Policies》），11/11 中文社区详解——本条属于迟报拆解，非当日首发，但它是本月”coding × 具身”最值得看的一份实验设计。作者含 Chen Chen、Omid Bagherieh、Matthias Müller、Vladlen Koltun 等（苹果），代码与仿真数据公开。 - 做法与主流相反：VLA/WAM 是”大量示教 → 学会把观察映射到动作”；AMP1 是通用模型留在控制回路里，在持久 Python 解释器中自己决定看什么、选抓取与放置几何、下发带时序的末端轨迹与夹爪指令、检查结果、重规划。harness 只提供感知、场景模型与动作执行检查，不提供任何”选抓取/选放置”的函数。
- 成绩：
| 测试 | AMP1 | 基线 |
|---|---|---|
| RoboLab-120 零样本 | 85.6%（Gemini 4 Argon）/ 82.8%（Opus 5.5） | 最强 VLA 49.2%、最强 WAM 42.9%、英伟达 Astranomy 74.8% |
| 真机 108 次（Franka 单臂，3 台，12 任务） | 104 次 = 96.3%（开错误恢复）/ 94 次 = 87.0%（不开） | FLUX 3 Action 45.4%、π0.5 27.8% |
| 其他 | LIBERO-PRO 95.2%、robosuite 100% | — |
失败率相对强 VLA 基线降 20 倍、相对 WAM 降 15 倍；加持久记忆后 RoboDojo 双臂任务失败率再降 4.6 倍。
- 涌现出来的行为才是重点：芥末瓶够不到，就找了把木勺把它拨倒再抓；目标被遮挡，先搬走挡路的东西再重扫；石榴太宽平行夹爪抓不起，就顶在箱壁上固定、从下面兜起来像铲车；真机动作偏了，它比对图像与指令位置，诊断出是相机标定误差，自己改参数继续。论文统计 1,200 个 RoboLab episode 里模型自创行为的频率：量容器 66%、诊断失败动作 39%。
- 最反直觉的一组：在基础 harness 上加”辅助例程”（现成的抓取/放置函数），prompt 与感知完全相同——四个最强模型全部变差，最多掉 7.5 分（Opus 5.5 从 82.8% 掉到 75.3%），六个最弱模型反而变好（Qwen3.6-35B-A3B 从 14.2% 升到 31.8%），中间三个没变化。作者的解释很干净：辅助例程会在强模型看清之前自动重试，把”抓失败了”这件事藏起来，等于掐掉了强模型自我纠正的机会。
- 必须打的折：平均每次成功约 280 秒，大部分花在思考；不能中途打断一条正在执行的轨迹，所以动起来的物体与滑动中的抓取仍很难；agent 有时自以为做完了其实没做完；弱模型离开深度图与相机标定就崩；真机只有单臂 Franka，双臂与移动平台未验证（尽管 harness 声称原样跨三类本体）；且它依赖 Gemini/Claude 这类第三方模型，能力上限部分不由苹果决定。
- 为什么值得关注：这条把 11/07 期 uni-robot-agent（Codex/Claude Code 当机器人 runtime）从”一个能跑通的方案”推成了”有对照实验的方法论”。三点值得记住：①**“计划-执行-复查”闭环 > 预设技能库**，因为预设技能会限制机器人能试什么，而不可修订的计划会在场景变了之后继续错下去；②辅助与能力是负相关的——这是本条最锋利的地方，它对所有”给 agent 加个工具就好”的产品直觉是一个反例，也解释了为什么 11/11 期 AlphaProof 要把”生成与验收分离”当成硬设计：任何自动兜底都可能变成自动掩盖；③代价被明确标价：分钟级 vs 毫秒级。所以现实的终局大概率不是二选一——固定高频任务继续用训练好的策略，长尾新任务交给 agent，正如论文引用的另一份研究测的那样：agent 负责规划与检查，快动作交给学出来的控制器。
附注
- Fable 5.2 拿下第三方 Agents’ Arena 第一（11/11 数据）：基于全球社区 4.7k 个真实 agentic 会话评测，净提升 +30.4%，约为第二名 Opus 5.5（+19.5%）的 1.6 倍；分类 Code +34%、Work +31%、Chat +27% 全第一；相对 Fable 5.1 排名 #5→#1、净提升 +14.8%→+30.4%；每任务中位成本 $7.3（5.1 为 $7.7）。对比：Gemini 4 Carbon（High）+17.0% / $1.5 每任务，GPT-6-Astra（Max）+14.5% / $6.0。这是 11/10 期”只收第三方复测”的兑现，正文不再复述首发数据。价格与性能的错位值得单独记账：选型该看净提升 ÷ 每任务成本，不是单点排名。
- GR00T 2 的触觉供应链被点名：CoRL 2026 上展示的可穿戴灵巧手数采设备 DexUMI（指尖到手掌全触觉），唯一触觉传感器合作方是他山科技——一维到三维力、测力分辨率 0.01N、2cm 接近觉并可判位置。意义在”感知链路从接近→接触→稳定抓握”完整覆盖，而这正是 Jim Fan 那句”视觉编码器会主动丢弃低级细节”的补丁。属 11/09 期 GR00T 2 主条目的供应链增量。
- Liber-0（将闲科技 LiberAI，11 月博客）：220 万小时人类经验预训练，视频与动作联合预测 + 手套采集 + 具身条件表示；60 任务 600 次试验总体 36.0%（抓取放置 63.5% / 短程非抓取 34.0% / 复杂多步仅 10.5%）。最有价值的一条实验结论是**“1 万小时手套数据的迁移表现超过 200 万小时网络视频”——数据质量对时长的一次正面对撞，可与 11/10 期 GR00T 2 那条”人类视频 0→100% 使真机进度 50→70%“并读：两条曲线并不矛盾，差在有没有动作监督**。作者自评也留了余地：贡献偏系统整合与验证，视频+动作联合建模、模态分离架构、第一视角动作预训练都各有前作。
- Fable 5.2 / Carbon 迭代的”漏洞侧”效应：一位维护对象存储项目 Silo 的开发者记录，11/09 刚用 Astra 与 Opus 5.5 把上游 MinIO 遗留问题”犁到再也扫不出新漏洞”并发版；换 Fable 5.2 扫出 5 个、再用 Carbon 扫出 15 个。这类个体样本不能当基准，但方向与 11/11 期 Carbon 的 Fortify 召回数据一致：新一代模型的价值常常先出现在”上一代查不出的盲区”上，而不是跑分差。
- 阿里官宣 Qwen4 系列、Qwen4-Max 预览版上线（口径待核）：称在通用推理、数学代码、多模态、长上下文、智能体执行上代际升级，多项国际基准”追平第一梯队”，后续释放全系列与开源权重。本条仅记录事件存在，跑分与服务范围均未见可交叉验证的一手材料，暂不解读。
- Web Summit 2026（里斯本，11/9–12）中国面孔：银河通用 G1（轮式底盘 + 双臂）面向便利店、药房、工厂；小鹏汇天”陆地航母”（六轮车 + 可拆卸电动飞行器）在开幕式亮相；ModelBest、MiniMax 参与”The Open Source Advantage”讨论。Starship 联创 Ahti Heinla 的评价是”中国是制造业巨兽”，认为中外路线互补而非替代。
- 不再复述：Gemini 4 Carbon GA 与
/swarm、Gemini Robotics 2.5、智元 WITA-Omni、GR00T 2 模型本体与数据审计、AlphaProof Code、Anthropic 路演与办公三件套、Meta Muse Ember、LongCat-2.5、MiniMax H3-Image、Fireworks 泄露、CoRL 会况、EGM、Optimus 租赁、uni-robot-agent、EmArm、HALO、Inkling 2 Small。
去重说明（对照前二十二期）
- 五条主条目中，AWS Emulator、Cursor 断供截止、北京三年行动方案、LingBot-Touch 为 11/11–11/12 首收，此前二十二期均未出现；AMP1 为 11/06 论文的迟报拆解，文中已标明非当日首发，且与 11/07 期 uni-robot-agent 分属不同团队、不同实验设计（本条只收”辅助例程伤害强模型”、真机 96.3%、280 秒/次三项新事实，不复述 agentic robotics 通用结论）。
- 触觉线不重复：10/06 EmArm（硬件皮肤）、11/02 矩侨（织物电子皮肤）、11/11 他山（DexUMI 供应链）都在器件层；LingBot-Touch 是表征层，核心事实是”三类信号统一为触觉 Token”与”拉拉链 39%→15%”。
- Fable 5.2 按 11/10 期既定原则，只收第三方复测（Agents’ Arena），不复述 FrontierCode 49.1%、1M 上下文、$8/$40 等首发数据。
- GR00T 2 按 11/10、11/11 期既定原则，本期只收供应链点名（他山 × DexUMI），不碰权重时间表与数据卡。
- 明确不重复：DeepMind AlphaProof Code、Gemini 4 Carbon、Gemini Robotics 2.5、WITA-Omni、GR00T 2 数据审计、Anthropic IPO 细节、优必选渠道、LongCat-2.5、MiniMax H3-Image、Claude Code 版本迭代（2.1.261 一类旧版本号不再作为新闻处理）、Kimi Code（11/02 期已含 Kimi Code 生态）、京东双 11 战报。
- 新增去重原则：AWS Emulator 后续只收第三方跑保真度测试的结果、LocalStack 的应对、真实 CI 采用率，不再讨论”agent 能不能写生产代码”这一层；Cursor 只收断供是否真落地、切换后的事故与重测成本、SpaceX 侧的产品动作；北京方案只收指标是否进招标文件、中试平台名单、评测榜首批结果；LingBot-Touch 只收第三方复现、跨灵巧手迁移成功率、乐聚/钛虎落地数据；AMP1 只收双臂与移动平台验证、每任务耗时压到多少、第三方复跑。
- 待跟踪：Cursor 断供是否落地（今日到期）；Anthropic 11/18 定价、11/19 挂牌；Carbon 12/1 涨价后账单；12 月 GR00T 2 权重/模型卡隐私子卡；北京方案配套细则与招标；Optimus 租赁定价；EGM #237；Inkling 2 Small 权重（逾期）；GPT-6 Cyber 开放范围；它石百台；小鹏 IRON 年底量产；Conductor 11/20 关停（8 天内到期）。