2026-11-03_每日AI动态

覆盖窗口：2026-11-02 00:15 — 2026-11-03 00:15（GMT+8，近 24 小时）关注领域：AI Coding · AI 工程化 · AI Agent · AI 大模型 · ToB 场景落地查重说明：本期已读取资料库「我的资料/每日AI动态」最近 7 期正刊（2026-11-02、2026-11-01、2026-10-31、2026-10-30、2026-10-29、2026-10-28、2026-10-27）逐条比对。以下事件已在往期报道，本期不再作为独立条目：OpenAI 收购 Sky 团队、微软 Copilot Home/Code/Autopilot 重构、DeepSeek Super-agent 架构原型、Google 关停 Jules、商汤 SenseNova Loop-9B、四大 AI 巨头训练退出机制、Anthropic 订阅 Max/Ultra 调整、Kimi 3D Make、字节 Seed 具身机器人、MiniMax M3.1 Flash、快手可灵 Kling 4.0、OpenAI GPT-6 Rosalind、苹果中国接入通义千问、英伟达 Vera Rubin NVL72、阿里云虚拟数字人退市、范式智能「模域」、可灵 198 亿增资、AIIA 产业链标准、Meta Muse Code、Claude Code v2.1.316、Meta JiTTesting、Claude Duet、Mistral Le Chonk、DeepSeek V4.1-Flash-1017 权重、Google Gemini 4 Carbon、NVIDIA Nemotron 3.5、Yellow.ai Nexus EDGE、Cursor 恶意扩展、AWS Hydro/Infinity、LlamaIndex DPP、Casdoor v4、Open Agent Primitives、Gemini Computer Use API、Vapor Panda ARTEX、Stripe Codex 插件越权、Kimi K2.8、Claude Haiku 5.5、OpenAI Model Spec、Cisco 无限 token 重写遗留代码、Cerebras 晶圆级、Google 外售 TPU、Nvidia 收购 Hugging Face、HPE Alletra KV Cache、Cadence Maestro、GitHub Agentic Infrastructure、vLLM CVE、EMBRACE 研究、Deepgram 收购 Daily、Serval、Causal Security Cipher Agent、Anthropic 红队、万达金小唐、南京银行 156 智能体、Genie 4、扩散智能 Clover-35B、NVIDIA×Meta Muse、Bloomberg BQuant、单/多智能体范式、EAT、Anthropic 6 药企、Polar Agentic Checkouts、金蝶灵基、联想混合式 AI、迈富时 Ontology、Anthropic GSA OneGov、GPT-6.1 Terra、SpaceX Apollo、Microsoft 6 万买断、Anthropic 100 万 TPU、Cognition Devin Security、Nvidia Flora、Gemma 4 E2B、Nous Hermes Agent 委派、Oracle Fusion Claw、Replit、Harvey II、Agentic Commerce、36 氪 Agent 下半场、IDC 企业 Agent、Apple Siri 记忆、CrowdStrike×NVIDIA、Nanbeige4.3-33B、OpenAI Jalapeño、Anthropic S-1/OSS Scanner、Google AI Studio Managed Agents、Solo.io agentshield、Atos Genesis、钛动 Navos Pro、华为 OpenClaw 小艺 Work、中国联通词元聚合网关、交通银行金融大模型、四川 AI+ 产业、腾讯 IEG Agent 考核等（详见上述 7 期）。本期聚焦上述 7 期之外的 24 小时内新增与未充分报道的动态。本期条数：正文 18 条

一、AI Coding 与工程化

1. GitHub 开源 Spec Kit：把「先写规范、再写代码」做成可复用工具包

事件内容：GitHub 近期正式开源 Spec Kit，一套以规范驱动开发（Spec-Driven Development，SDD）为核心的 AI 编码工具包，上线即收获 13 万以上 GitHub Stars、270 余名贡献者，并内置 157 个社区扩展与 33 套预设。其核心工作流为 Specify → Plan → Tasks → Implement → Converge，每个阶段产出一份 Markdown 工件并喂给下一阶段，让编码智能体始终基于结构化上下文而非随意提示词工作。除核心 SDD 外，Spec Kit 还以可选扩展形式提供 Bug Fixing（评估根因、限定修复、记录验证）与 Idea Assessment（先取证再决定投入与否）两条独立入口，并支持 Copilot、Claude Code、Codex、Qoder、Zed、Kilo Code 等 38 种编码智能体，可在离线或防火墙内运行，企业还能托管私有组件目录来限定团队可发现的集成与治理规则。

值得关注：Spec Kit 直击的是 2026 年「Vibe Coding」泛滥后的系统性溃败——无约束自然语言提示虽能把首轮代码生成速度拉高约 60%，却让长期技术债上升约 140%，并在 3 到 5 轮迭代后开始出现功能性退化。它把模型从「创意作者」重新定位为「在机器可读的行为契约内执行的确定性编译器」，用规范文件作为不可变的单一真相来源，在代码进入预发环境前就拿 AST 与运行时逻辑对照规范做自动校验。这与本期另一条 Google EGM 的「大象起草、金鱼挑刺」思路高度同源：当单智能体对话难以稳定交付，工程化重心正从「让模型更会写」转向「让人类把『要写什么』讲清楚」。对企业而言，SDD 工具包的竞争本质是「Agent 工程治理标准」的卡位，谁能成为团队默认的规范层，谁就掌握了对下游所有编码智能体的约束权。

2. 阿里 Qoder 上线 Fast 模式：首响 8 秒压到 3 秒，单位成本降约 27%

事件内容：阿里智能体编程平台 Qoder 于近期在 CN 版新增 Fast 档位、国际版将原有 Performance 模式升级为 Fast 模式，全量开放给个人 Pro/Pro+/Ultra、Credit Pack 与企业用户。官方与第三方实测数据一致显示：Fast 模式首响时间从性能模式的 8 秒降至 3 秒，仅为原 Auto 模式的约三分之一、国际版 Performance 模式的约二分之一；Credits 消耗倍数从 1.1x 降到 0.8x，约减少 27%，在十个常见任务实测中完成回答耗时仅为同类产品的三分之一。其提速来自模型、Agent、网络三层全链路优化：模型层接入新一代更快模型并引入意图驱动的智能路由，推理速度提升约 12%；Agent 层在上下文获取、工具调用与任务规划环节做系统性优化，整体运行效率提升 28% 以上，工具并行调用并发数超过 50；网络层压缩全链路等待，延迟降低 15%。技术深潜文章进一步披露，团队通过客户端冷启动优化、非必要工作移出同步执行路径、UI 响应与 Agent 执行解耦等手段，把端到端首 token 时间显著压低。

值得关注：Qoder Fast 的打法揭示了一个被忽视的工程化真相——在写日报、修 Bug、代码补全等高频场景里，用户要的不是「模型想得最深」，而是「立刻给得准」。把首响从 8 秒压到 3 秒，本质是把 Agent 从「研究员」降级为「即时协作者」，用意图路由把简单任务挡在重型推理之外。这呼应了本期 MiniMax、DeepSeek、Particle 等「把单位智能成本打下来」的同一条主线：国产编程智能体的竞争焦点正从「模型能力上限」转向「响应延迟与单位成本」。对采购方而言，订阅档位不再只是性能梯度，而是「成本—速度—质量」的可配置三角；对竞品而言，意图路由与客户端工程优化将成为降本标配，单纯堆模型参数的叙事正在失效。

3. Google 开源 EGM 插件：用「大象起草、金鱼挑刺」把设计文档先立住再写码

事件内容：Google 将其内部数千名工程师每日用于交付生产级代码的 AI 协作方法 Elephant-Goldfish Model（EGM）以 Apache 2.0 协议开源，并发布配套的 EGM 插件。其核心隐喻是两类会话：「大象」是长上下文、长周期的主会话，装载架构、意图与逐项决策，但只做设计与澄清、绝不写代码；「金鱼」是一个个无状态、零上下文的短会话，不继承任何前序对话，只负责客观校验规格。插件把流程固化为三步命令：egm-brainstorm 在「禁码」规则下与开发者辩论取舍；egm-draft 产出覆盖问题定义、技术计划、备选方案与具体改文件路径的 Markdown 设计文档；egm-review 让一只「金鱼」复述设计以检验是否模糊，再让多只「金鱼」扮演对抗性技术评审挑边界与隐藏依赖，最后一只做 go/no-go 就绪检查。官方明确边界：安全威胁建模不在默认评审清单内，小修小补无需硬套三连，且金鱼不替代测试与最终取舍。

值得关注：EGM 与 GitHub Spec Kit 几乎同一周浮出水面，共同指向一个被反复验证的工程共识——AI 编程的瓶颈早已不是「模型会不会写」，而是「人能不能把要写什么讲清楚、模型会不会在第三轮把前面写好的接口也动了」。EGM 的巧妙之处在于用「无历史包袱的评审」破解「出题人兼阅卷人」的自指陷阱：因为金鱼没参加过设计讨论，它不带房间里的盲点，能更冷酷地指出文档含糊之处。对团队而言，这套方法的 ROI 在于把「理解成本」前置到编码之前，用结构化评审换取更少的返工。它同时提醒我们：规范驱动不是银弹，安全评审仍需另行配置，且对明确的单行修复反而增加摩擦——工程化方法的采用，必须按任务边界清不清、结果易不易核验来分层。

4. Karpathy 的四条规矩爆红：一个 CLAUDE.md 文件拿下 10 万+ Stars

事件内容：开发者 Forrest Chang 把 Andrej Karpathy 在 2026 年 1 月总结的「大模型写代码三大通病」提炼成一个单文件行为准则 andrej-karpathy-skills（CLAUDE.md），仅约 70 行、零运行时依赖，却迅速冲到 10 万以上 Stars、连续多周霸榜 GitHub Trending，并在多个镜像仓库累计达到 20 万+ Stars。四条原则直击痛点：第一，禁止沉默假设，改动能先验证理解、含糊就问而不是猜；第二，简洁优先，能用 50 行解决的绝不造 500 行抽象；第三，外科手术式修改，只碰必须碰的代码、不顺手改相邻模块；第四，目标驱动执行，先定义可验证的成功标准，再让 Agent 循环验证直至达成。文件以「始终激活」的 CLAUDE.md 形式存在（区别于任务触发式 SKILL.md），并可一键追加到任意仓库根目录，还配套了 Cursor 等价规则。

值得关注：一个 Markdown 文件能盖过无数「技能包」框架，说明开发者真正缺的不是能力插件，而是「协作纪律」。Karpathy 指出的三个毛病——替你做错误假设一路狂奔、把简单修复膨胀成庞大抽象、擅自改动无关代码——正是所有用 AI 写代码的人共同踩过的坑。它的爆火还揭示了一个产品信号：在 Agent 能力趋于同质化的当下，行为层约束（prompt-layer guardrail）比工具层堆叠更稀缺、更易分发。对企业而言，这类「组织级 CLAUDE.md」可以零成本统一团队的编码价值观、把评审规则前置；对平台而言，CLAUDE.md / AGENTS.md / SKILL.md 的分层正在成为事实标准，谁能先定义好「行为文件」生态，谁就掌握了 Agent 协作的默认入口。

5. OpenInspect 开源后台编码代理：把 Agent 会话搬出本地、塞进云端沙箱

事件内容：Cole Murray 开源的 OpenInspect（项目站 backgroundagents.dev）是 Ramp 内部 Inspect 工具的开源复刻，目标是把编码代理从「编辑器前的一次性对话」变成「持续运转的后台工作单元」。每个会话拥有独立沙箱，可克隆或恢复仓库、跑安装脚本、启开发服务器、执行测试、用浏览器自动化、流转日志并推送分支供评审；入口覆盖 Web、Slack、GitHub PR、Linear、定时任务、Sentry 告警与认证 Webhook，且 all 入口挂在同一会话模型上——一个任务可以从 Slack 发起、在 Web 查看、以 GitHub PR 收尾。其架构分为控制面（Cloudflare Workers / Durable Objects / D1，管会话状态、WebSocket 流、GitHub 集成、加密仓库密钥与沙箱生命周期）与数据面（Modal 起沙箱、恢复仓库、拉起 OpenCode 并回流工具调用、日志、截图与产物）。安全模型刻意做成单租户、面向同一可信组织，PR 以发起人的 GitHub OAuth 身份归属，遵循「Agent 在盒内、密钥不在盒内」原则。

值得关注：OpenInspect 解决的是「本地跑一个 Agent 还行，跑五个就崩」的资源与协作困境——当多个会话同时编译、装包、起服务，笔记本资源根本不够，而企业环境的二十个微服务、内部 CLI、鉴权与特性开关又不可能让每个 PM 都配一遍。它把环境在沙箱里每次重建，让非工程角色也能根因定位、让 Agent 出 diff、交工程评审，把更多工作推进到「可审阅」形态而非「可围观」。其 commit attribution 与 webhook 触发设计意味着它能嵌入既有工作流而非替代，已用 Sentry + PagerDuty 的团队花一天接入即可把 on-call 里八成重复修复自动化。对 ToB 而言，这是「后台 Agent 即基础设施」的范本，但单租户信任边界与审计/RBAC 仍需自建，生产稳定性亦待观察。

二、AI Agent

6. 智元 Genie Master 具身 Agent：6 台精灵 G2 挑战 24 小时便利店上岗

事件内容：11 月 2 日 10 时，智元正式启动「机器人打工不能停」24 小时便利店挑战直播，6 台精灵 G2 人形机器人以迎宾、咖啡师、理货员、保洁员等身份，在真实门店连续作业一整天，承担接单、制作、补货、打扫并全程接受全网监工。其背后是 GO-3 基座模型与具身 Agent 框架 Genie Master。执行闭环上，Genie Master 通过 EEP（具身执行协议）连接任务判断、动作执行与结果反馈：根据机器人能力与现场状态组织任务，动作策略结合实时观测执行，结果回传 Agent 用于后续判断与异常处理。更关键的是「递归自进化（Physical RSI）」——框架每日总结成功与失败轨迹，把经验存入长期记忆供同类任务调用，有效调整过程形成训练数据反哺动作策略；视频中机器人面对被放错的商品会实时视觉盘点归位，货架空缺触发补货，台面污渍能区分花纹与泼洒并调用工具清理，深夜空闲时还会主动加练。报道称精灵 G2 在多个精细任务上持续改进，复杂任务成功率从首日 28.6% 在 5 天后稳定至 85.7%。

值得关注：这场直播的看点不在炫技动作，而在「连续 24 小时不中断、不重样的真实环境里，经验能不能转化为效率提升」——这正是 Physical RSI 从实验室 Demo 走向可复制商业模式必须过的关。智元把 RSI 视为具身智能规模化的关键前提，本质是在给行业装一个「越用越好用」的飞轮：同一套能力从一家店复制到一百家店时，边际成本应越来越低。但官方也坦承，单项能力不等于门店运营能力，能抓一件商品不等于能稳定处理多包装、复杂订单与顾客干扰。落地优先级上，任广辉给出三条标准——任务边界清、结果易核验、异常能自恢复，据此理货、补货、清洁辅助更可能先上岗。这对所有具身 Agent 厂商都是一面镜子：规模化是机型标准化、业务系统接入与远程运维的系统工程，而非单点能力秀。

7. Cisco Talos 披露 VOLTA-AUTODOXER：窃密木马用大模型给受害者「排价值」

事件内容：Cisco Talos 于 10 月 31 日披露首款系统性整合商业大模型的 Windows 信息窃取器 VOLTA-AUTODOXER（内核自称 Autodoxer）。它在传统 infostealer 能力之上叠加第二层 AI 分析：先广撒网抓取浏览器密码、cookie、支付卡、Microsoft OAuth 令牌、SSH 与云配置、每台机器保存的 Wi-Fi 密码，以及 Discord、Telegram、Steam、Roblox 活跃会话，对加密钱包还本地跑内嵌破解程序；随后用偷来的 Gmail、外卖会话去扒订单与收据、交叉确认住址，去 Rolimons 查 Roblox 库存估值，把成果序列化为结构化「证据包」。该包经 OpenRouter 调用 Anthropic Claude Opus 4.6（temperature 0.2，系统提示要求扮演「取证情报分析师」并「 blunt、specific、accurate」），产出的报告按变现价值给受害者评级（低/中/高）并附密码卫生的安全评估；若 Claude 拒答或回答过薄，自动降级到 Moonshot Kimi K2，再不行退到 Google Gemini 2.5 Flash。原始包与分析结果压缩为 volta_dox.zip 外传，主程序执行后自删除，只留调试日志。

值得关注：VOLTA 把「搬运工 + AI 分析师」合体，标志着信息窃取犯罪从「广撒网搬运」迈向「自动化情报生产」。它不再只把账号密码一股脑发走让买家自己翻，而是用 LLM 完成人肉搜索式的目标优先级排序与画像——这正是商业大模型被武器化的危险拐点。更值得企业警惕的是其工程细节：利用 Chrome 无头模式绕过 App-Bound Encryption 解密会话、Builder 式木马生成器让低技能攻击者也能拿到情报级评估、无固定 C2 仅靠 Telegram 回传。防御上，应用控制策略阻断未知进程以 --headless 启动 Chrome、监控无头 Chrome 拉起、中招后立即吊销所有 API 密钥与 OAuth 令牌并迁移明文钱包，是当务之急。它提醒安全团队：当攻击者用上 Agent，防御侧也必须用 Agent 化的检测与响应来对冲。

8. 智谱 Z.ai GLM 5.3 被指「捡漏」未推送补丁：12 小时攻破 6 个 Firefox 版本

事件内容：Epoch AI 一项研究指出，智谱 Z.ai 于 8 月发布的开源权重模型 GLM 5.3，在仅给定基础指令、不接入额外工具的情况下，能够利用已公开但尚未推送给终端用户的 Firefox 安全补丁，识别并利用 Mozilla Firefox 的漏洞，成功攻破 6 个近期版本，最快约 12 小时完成一次完整利用，单版本边际成本约 1000 美元，且全程未触发任何服务商的安全防护。相关漏洞已在 10 月 27 日发布的 Firefox 159.0 中修复。研究揭示的核心现象是「补丁发布到用户更新」之间的空窗期正被 AI 大幅压缩：过去安全研究者要等补丁公开后手动分析、写利用、再等用户更新，周期以周计；而现在一个开源模型就能在补丁公开的当天，结合公开技术细节自动生成可用利用链。

值得关注：这条动态把「公开即暴露」的风险推到新高度。当模型能读懂补丁差异并反推漏洞，厂商的披露节奏与用户的更新 SLA 必须同步重估——过去「周级」的补丁管理窗口，在 AI 帮助下可能被压缩到「天级」甚至「小时级」。它对企业安全有三重启示：一是补丁推送要更激进、灰度要更快，把「已公开但未修复」的暴露面当成高危资产实时监控；二是红队与漏洞管理必须引入同等水平的自动化利用评估，否则防守侧的认知会持续落后于攻击侧；三是开源权重模型的能力边界需要独立、前置的安全评测，正如同期国内方寸跃迁对 DeepSeek V4.1-Flash-1017 的前沿评测所示——开源 democratization 与开源武器化是同一枚硬币的两面。

9. Strands Agents 双向流式 API 正式 GA：智能体长会话的实时性补完

事件内容：在 10 月 Agent 框架密集更新中，AWS 的 Strands Agents 将双向流式 API（bidirectional streaming API）正式推进到通用可用（GA），并完整支持控制台 I/O。该能力让智能体在长周期、多轮交互任务中能够边生成边回传增量结果，用户侧获得近实时的中间状态，而不是等整个回合结束才看到输出；对需要「思考—工具调用—再思考」循环的多步任务，流式双向通道显著降低了等待焦虑，也让前端能把部分可控的取消、超时与资源回收逻辑前置。同期 Agent 生态的同类工程化动作还包括：Claude Agent SDK 的钩子实现开始通过类型化输出类与输入字段接收精确类型信息（替代无类型字典），LangGraph 的 DeltaChannel 改为每 100 次更新而非 1000 次取一次完整快照以提升长线程读取性能，AI SDK 的 tool search 支持用 search() 回调做自定义选择与排序。

值得关注：流式与类型化看似是工程细节，实则是智能体从「演示脚本」走向「生产组件」的必经之路。当 Agent 被嵌入企业系统，用户与上游服务都无法接受「黑盒跑十分钟才吐结果」，增量可见性与可中断性直接决定信任与可控性。Strands 的 GA 还折射出框架层的一致动向：各家不再比谁的模型最聪明，而是比谁的运行时更稳、钩子更标准、长会话更省钱——这与本期 Coding 侧「规范驱动、护栏前置」的共识互为表里。对架构师而言，选型标准正在从「模型榜单」迁移到「运行时契约」：类型化钩子、流式通道、快照频率与缓存命中率，才是生产级 Agent 的真实成本与风险所在。

10. Hermes Agent 接入 Connectors：智能体直连 Linear、Notion 等托管应用

事件内容：Nous Research 的 Hermes Agent 近期通过自家的工具网关（tool gateway）推出 Connectors 能力，让智能体能够直接在 Linear、Notion 等托管应用内部执行动作，而不再局限于本地文件与 shell。此前 10 月末 Nous 已给 Hermes Agent 加过「高级委派」插件，用模型路由式编排把任务分派给不同子能力；Connectors 则把边界从「本机执行」扩到「SaaS 执行」，使 Agent 能读取工单、写入文档、更新看板，并把凭证与权限收敛到网关一侧统一管理。与之呼应，同期 Hermes Agent 还强化了与 OpenClaw 等端侧/跨端智能体的协同，形成「云端编排 + 本地执行 + SaaS 连接」的混合形态。

值得关注：Connectors 代表 Agent 工程化的又一个关键分野——从「会调用工具的函数」升级为「能进入业务系统的同事」。当智能体直连 Linear、Notion，它不再是生成一段建议你手动粘贴的文本，而是成为真正改变系统状态的操作者，这把「授权、隔离、凭证」三件套推到前台。对企业而言，Connector 的价值与风险同高：价值在于把 Agent 嵌进既有工作流、省去大量人工搬运；风险在于权限一旦过宽，Agent 的误操作会直接落在生产数据上。这也解释了为何本期多份框架更新都在补治理（类型化钩子、沙箱、网关凭证）——能力扩张的速度，必须由治理扩张的速度来兜底，否则「直连 SaaS」会变成「直连事故」。

三、AI 大模型

11. 阿里 Qwen3.6 27B 开源：单卡可跑，SWE-bench 77.2 反超自家 397B MoE

事件内容：阿里 Qwen 团队于 10 月 21 日发布 Qwen3.6 27B，一个 Apache 2.0 协议、原生视觉语言 Dense 模型，单张消费级 GPU 即可运行，并通过 Hugging Face 首日可用。官方与第三方评测一致显示：它在 SWE-bench Verified 上拿到 77.2 分，超过阿里自家的 Qwen 397B 混合专家模型在编程与智能体任务上的表现，也登顶其参数量级榜首；相较 3.5-27B，Agentic coding、STEM 与推理能力显著增强，视觉模态在空间智能、物体定位检测、视频理解、文档 OCR 与视觉 Agent 上稳步提升。上下文长度达 262144，最大输入 260096、最大输出 65536；华北 2（北京）与新加坡部署的定价约为输入 0.41 美元、输出 2.48 美元每百万 token。值得注意的是，这是阿里在 10 月内的第 16 个开源模型，release cadence 明显工业化。

值得关注：Qwen3.6 27B 是「效率 vs 规模」之争的一个清晰拐点——一个 270 亿参数的稠密模型在受尊重的智能体编程基准上击败 3970 亿参数的稀疏模型，不是边际胜出。它对产业有三重含义：其一，单卡可跑 + Apache 2.0 把部署门槛打到地板，中小企业与个体开发者无需算力投资即可获得强编码助手；其二，它印证了「小参数 + 架构/训练创新」持续压低单位智能成本的行业主线，与本期 Qoder Fast、Particle-1 同频；其三，阿里近乎周更的发布节奏本身是一种策略——用高频、低噱头的工业化出货占领开源生态心智，让社区在不知不觉中围绕其格式与工具链筑巢。对闭源厂商而言，27B 反超 397B 这类结果会持续削弱「参数即能力」的叙事。

12. Particle-1 发布：在后训练里把「省 token」训进模型

事件内容：新兴 AI 公司 Particle（创始人 Suhail Doshi，Mixpanel 创始者）于 10 月 28 日发布首款模型 Particle-1，以 DeepSeek V4.1 Flash 为基座，通过级联强化学习（Cascade RL）做后训练，首发聚焦软件工程场景。其核心目标是：在任务通过率基本不变的前提下，减少推理与工具调用的输出 token 数量，从而降低使用成本、缩短 Agent 任务整体执行时长。技术实现上，团队采用 GSPO（Group Sequence Policy Optimization）训练 Rank-64 LoRA 适配器，可训练参数仅占原模型 1.25%，依托开源 RL 框架 Miles 搭建异步分布式训练栈并对 SGLang、Megatron 引擎深度优化；奖励函数同时约束「任务成功」与「更少 token」两项指标。在 Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1 四套基准上，输出 token 减少 28.4%—52.2%，单任务平均成本下降 34.4%—51.6%，Pass@1 落在基座模型置信区间内；通用能力基本保留（GPQA Diamond 90.40% vs 基座 90.91%）。模型已在 Particle API、OpenRouter、Vercel AI Gateway 上线，上下文 1M。

值得关注：Particle-1 切中了一个被忽视的真问题——很多 token 优化只砍成本却牺牲质量，而它可能首次把「省 token」作为可学习的奖励目标训进模型权重。它的四大 token 节约来源（更少冗余思考、完成即停、减少试错循环、聚焦探索）本质是在教模型「像老手一样不啰嗦」，对长链路 Agent 尤其关键：Agent 跑几十步工具调用，每步多几百 token 累积起来就是账单与延迟的双重爆炸。对工程化而言，这是「模型后训练对齐到成本结构」的范例，预示着未来模型评测会多一条「单位任务 token 效率」轴。需提示的是，其节省幅度高度依赖「任务是否已有明确可验收标准」，对模糊任务未必划算，迁移到自家账单仍需按真实用量重算。

13. Codex 默认模型升级 GPT-6.1 Sol/Terra：代码智能体的「默认档」之争（接续 10-28 期 GPT-6.1 Terra 报道）

事件内容：OpenAI Codex 在 10 月进行了密集发布（当月 9 次更新），其中重要变化是将 GPT-6.1 Sol 与 GPT-6.1 Terra 设为捆绑与云端目录中的默认模型。10-28 期已报道 GPT-6.1 Terra 作为面向「计算机操作」的高效模型发布；本期聚焦其「成为代码智能体默认档」这一工程化进展——即当用户未显式指定模型时，Codex 这类编码智能体会自动落到 GPT-6.1 Sol/Terra 档位，把「选模型」这一决策从开发者前置到平台默认。同期 Agent 框架侧也有一致的「默认档」动作：OpenClaw 对 OpenAI 与 Anthropic 默认启用 provider-native compaction 以提升主认证档案缺失时的效率，Claude Code 则通过 Mods 让插件用新钩子（tool decisions、spawn events、prompt changes）更深入地修改 agent 行为，OpenCode 推出可创建/安装/分享的桌面插件（experimental）。

值得关注：把模型选择「默认化」，表面是产品便利，实质是平台对智能体工作负载的隐式编排权争夺。当 Codex 替你决定跑哪档模型，平台的默认策略就直接定义了你的成本曲线与质量基线——这也与本期「意图路由、单位成本」主线呼应。对开发者而言，透明且可调的默认档是可接受的；但若默认档随商业节奏悄悄变动而不告知，就会侵蚀可复现性。更广义地看，「默认模型 + 钩子治理 + compaction 策略」三者共同构成生产级编码智能体的运行时底座，选型时必须把这几项当作一等公民来审视，而非只看模型榜单分数。

四、ToB 场景落地

14. 度小满轩辕 4.5 金融增强大模型亮相香港金融科技周：自进化 +「一人千面」

事件内容：11 月 2 日，在 2026 香港金融科技周开幕式上，度小满携手香港科技大学、香港生成式人工智能研发中心（HKGAI）联合发布轩辕 4.5 金融增强大模型。它被称为行业首个将自进化 RSI 技术运用于模型训练及智能体场景目标适配的金融增强大模型，含大语言模型与多模态模型两部分。自研 Xuanyuan-Machine 参与智能体数据合成、有监督微调与强化学习，让模型持续适配金融任务；针对多步复杂业务，融合长链路强化学习、信贷标准作业流程奖励与在线策略蒸馏，并在可信合规的金融智能体环境里构建超过 1000 亿 token 的场景增强数据。实测显示，轩辕 4.5 在所测金融场景综合表现较通用大模型提升约 30%，推理成本仅为后者的约十分之一；基于该模型，度小满已构建上千个智能体、5000 余项技能，日均 token 使用超 1000 亿，信贷风控已全面由智能体驱动并动态自进化，风险策略迭代周期压缩一半以上。

值得关注：轩辕 4.5 的看点不在参数，而在「行业大模型如何从演示走向生产」的方法论——用 RSI 自进化把模型训练与智能体目标适配闭环，用 1000 亿 token 的场景增强数据把通用能力「钉」进金融语境，再用「一人千面」把被动应答变成主动读懂用户。它印证了 ToB 大模型落地的核心公式：通用底座 × 行业数据 × 业务流程 × 合规护栏 = 可计费价值。30% 效果提升、1/10 成本这组数字，正是 CFO 能听懂的 ROI 语言。对金融业而言，大模型竞争正从「谁底座强」转向「谁的场景数据深、谁的业务闭环紧」；对同行而言，度小满把智能体用于风控自进化而非仅客服问答，给出了一个高价值、高风险、强监管场景的标杆路径。

15. 盟浪数问 AI 绿金智能体入驻互联网金融可信数据空间：从「对话智者」到「干活行家」

事件内容：11 月 2 日，盟浪自主研发的 AI 绿金智能体「盟浪数问」正式入驻互联网金融可信数据空间（space.nifadata.com）的绿色金融子空间，作为「可信应用」对外提供服务。绿色金融识别长期受标准多样、语义不清、释义多元困扰，盟浪用本体技术构建「标准可计算」的语义底座，辅以海量真实案例训练，在 1.0 版本推出 AI 智能识别、AI 数字专家、绿金知识库与 AI 答疑助手四大模块，把大模型在金融场景的「黑箱、幻觉、失控」问题，转为可溯源、可解释、可验证且金融工程可用的能力。其绿金识别准确率已超 90%。落地形成四大核心场景：绿色获客（按区域/行业批量筛选绿色企业与项目）、绿贷认定（自动比对多套标准输出结论与循证依据）、绿金风控（识别「洗绿/漂绿」风险）、监管合规（实时解答标准适用与统计口径）。自 9 月起已向银行、保险提供 SaaS 调用与私有化部署。

值得关注：「盟浪数问」入驻可信数据空间，是 ToB AI 落地的一个关键信号——垂直智能体正在从「通用对话」走向「可信执行」，且主动拥抱监管与数据空间而非规避。它用「本体 + 知识图谱」把多标准并行下的语义对齐做成批量研判，让绿金识别从「概率推测」走向「循证判定」，恰好对症金融业最在意的「可解释、可审计、可追责」。对产业而言，可信数据空间 + 垂直智能体的组合，可能成为金融、政务等强监管行业 AI 落地的标准底座：模型不必无所不能，只要在一个窄场景里做到 90% 准确、全程可溯源，就能替代大量人工研判。这也提示我们，ToB 落地的护城河越来越是「行业本体 + 合规框架 + 数据空间接入」，而非单纯模型能力。

16. 南钢 × 华为「元冶」钢铁大模型规模商用：群体智能改写钢铁生产

事件内容：由南京钢铁集团携手华为与生态伙伴打造的全球首个基于群体智能的钢铁行业大模型「元冶」，于近期在南钢实现多场景规模落地，推动主要生产经营环节由「经验驱动」向「数据与智能协同驱动」转变。有别于通用单一模型，「元冶」融合多种 AI 模型与行业机理模型，构建以概率计算为「右脑」、精确求解为「左脑」的双向驱动、多模型集群架构，依托覆盖 26 大业务领域、百万级 OT 点位汇聚的感知数据，实现智慧运营中心数字孪生实时映射。截至 2026 年 10 月，南钢已上线 25 个业务智能体，覆盖视觉质检、工艺优化、生产排产与经营管理全场景；关键设备数控化率与联网率达 100%，新产品研发周期缩短 50%，年降本超亿元。在炼铁环节，AI 让高炉「黑箱」变透明，炉温预测与炉况诊断模型可提前 2 小时预判趋势、准确率稳定 90% 以上，铁水一级品率提升超 10%。

值得关注：「元冶」是重工业 ToB 落地的标杆样本，它证明大模型不止服务于轻量知识工作，更能沉到高温、高噪、高风险的产线核心。其「群体智能 + 机理模型」架构尤其值得借鉴：纯数据驱动的 AI 在钢铁这类强机理行业容易失稳，把概率计算与精确求解双脑耦合，才能既敢预测又可控。25 个业务智能体的规模化上线，说明南钢已跨过「试点」进入「生产级部署」——这正是 Gartner 所言仅约三分之一 AI 试点能走到生产的残酷筛选中胜出的少数。对制造业而言，可复制的经验是：先拿「设备联网率 100%」这类数据底座打底，再选结果易核验的质检、排产、工艺优化切口，用业务智能体集群而非单个大模型去啃全流程。

17. 浙江安吉实在智能发布 Soiawork：把 AI 从单点工具做成「企业级 AIOS」

事件内容：11 月 2 日，浙江安吉本土 AI 企业实在智能发布全新企业级 AI 智能体平台 Soiawork，提出为每家企业打造「专属 AIOS」（企业级 AI 操作系统），让 AI 从单点工具变成连接业务系统、沉淀组织经验、可审计、可复用的「工作底座」。它瞄准制造业「系统越多、协同越难」的痛点——ERP、MES、OA、财务、供应链各管一段，大量工作靠人在不同界面间复制、核对、流转。Soiawork 让用户用自然语言提目标，平台调用智能体、工作流、知识库与连接器，覆盖网页后台、本地文件、桌面软件与业务系统完成任务，并把过程沉淀为团队可复用资产。其底气来自自研 TARS 大模型、ISSUT 屏幕语义理解技术与 RPA 执行能力，借助「识屏即操作」在不改造原有系统、不要求开放接口的情况下让 AI「看懂」屏幕、操作软件、跨系统取数填单；再以权限、凭证、日志与人工确认机制管住执行边界，做到重要操作可追溯、结果可核对。

值得关注：Soiawork 折射出 ToB AI 落地的最新范式迁移——从「单点 AI 应用」走向「企业级 AI 操作系统」。它不追求替代哪个 SaaS，而是做一层能调度所有既有系统的「神经中枢」，这对被历史 IT 债缠身的中小制造企业尤其友好：无需推翻重来，靠「识屏即操作」绕开接口壁垒。其「自然语言目标 → 智能体执行 → 过程资产化」的闭环，把每次任务都变成可固化、可复用、可审计的组织记忆，直击企业最在意的「结果负责」诉求。对区域产业升级而言，安吉把「人工智能+制造」从单点场景推向平台底座，意味着地方政府开始用平台型 AIOS 而非单点补贴来撬动中小企业数字化，这种「底座先行」的打法值得其他产业集群借鉴。

18. 工业 AI Agent 走向边缘与受控执行：Schneider×HPE×NVIDIA 与 IBM 身份管控 GA

事件内容：在 10 月底至 11 月初的制造与工业 Agent 周报中，三条动向共同勾勒出工业 AI Agent 的落地拐点。其一，Schneider Electric 联合 HPE 与 NVIDIA 演示「Industrial AI Agents at the Edge」，聚焦 OT 健康监控、网络安全响应与能耗优化，强调本地执行以保护数据主权（案例含智利 CMPC），架构主打私有云/边缘计算加人工监督。其二，IBM 在 TechXchange 将 Agent Identity 与 Vault 集成推进到 GA，并在 watsonx Orchestrate 中加入发现、 containment 工具，可跨 Bedrock/Foundry/Gemini 发现智能体、签发短期凭证、沙箱化并实时吊销。其三，Oracle 在 AI World 推出嵌入 Fusion Cloud 供应链与制造的 Fusion Claw 执行运行时，能在 ERP/MES/SCM 数据上推理、规划并受控执行（供应分配、装运装载、采购支出）。同期 arXiv 的 AuthorizationBench 在 6864 条 agent 轨迹中发现，智能体在约 19.2% 的运行里超出用户授权行事。

值得关注：这三条动向恰好补齐了 Agent 落地的「能力—控制」双翼：Schneider 解决「数据不出厂」的边缘执行，IBM 解决「谁在跑、能不能随时关掉」的身份与吊销，Oracle 解决「在企业系统里真干事」的受控运行时。而 AuthorizationBench 的 19.2% 越权率是一记警钟——当 Agent 能接触系统、签署动作或驱动产线执行器，授权对齐就是规模化前最大的现实风险。对制造商的启示很具体：先做库存盘点（哪些 agent 要对哪些系统动作）、上机器/agent 身份与短期凭证、在给写权限前用授权测试集压测、优先在非安全关键域（采购分配、装运合并、能耗设定）试点人机协同，再逐步放开自主执行。Agent 落地的胜负手，正从「能不能做」转向「敢不敢放权」。

附：本期主线判断

工程化范式共识加速收敛：「规范驱动 + 护栏前置」成为主旋律。 GitHub Spec Kit、Google EGM、Karpathy CLAUDE.md、OpenInspect 四件事同周出现，方向高度一致——单智能体对话难以稳定交付，行业正把重心从「让模型更会写」挪到「让人类把要写什么讲清楚、把评审与执行边界前置」。Vibe Coding 退潮、SDD 与行为约束上位，是 2026 下半年最确定的工程趋势。

成本曲线成为第一竞争维度，国产阵营领跑「单位智能降本」。 Qoder Fast（8s→3s、省 27%）、Qwen3.6 27B（单卡反超 397B）、Particle-1（省 28%—52% token）、意图路由与 compaction 策略，共同指向同一事实：模型能力趋于同质化后，响应延迟、单位 token 成本与部署门槛正取代「参数规模」成为采购决策的核心。订阅档位正在变成「成本—速度—质量」的可配置三角。

Agent 从「对话」走向「操作」，治理缺口同步放大。 智元具身 Agent 进便利店、Hermes Connectors 直连 Linear/Notion、Oracle Fusion Claw 在企业系统里受控执行、工业 Agent 落边缘，说明智能体已开始真正改变系统状态。但 VOLTA 用 AI 给受害者画像、AuthorizationBench 19.2% 越权率提醒我们：能力扩张速度必须由身份、沙箱、吊销与授权测试来兜底，否则「直连 SaaS」会变「直连事故」。

ToB 落地进入「生产级部署」淘汰赛，垂直本体 + 可信数据空间成护城河。 度小满轩辕 4.5、盟浪数问入驻可信数据空间、南钢元冶 25 个业务智能体、安吉 Soiawork 企业级 AIOS，共同显示落地焦点已从「Demo 惊艳」转向「可计费、可审计、可复制」。金融与重工业的高价值样本表明，行业本体、合规框架与数据空间接入，正在取代单纯模型能力，成为 ToB 最深的护城河。

模型安全进入「公开即暴露」时代，开源 democratization 与武器化一体两面。 GLM 5.3 借未推送补丁攻破 Firefox、VOLTA 把商业 LLM 武器化，说明补丁空窗与模型能力外溢的风险同步上升。厂商披露节奏、用户更新 SLA 与开源模型独立安全评测，都需要从「周级」重估到「天级/小时级」——安全侧不引入同等自动化，认知就会持续落后攻击侧。