📊 今日概览
今日最值得关注的是 agentic coding 的能力边界被再次推高:Karpathy 自述已不做传统工程,把需求丢给 Opus 5.5,约两小时从零做出 HackerTube,唯一手动动作是申请 API key 和买域名。产业侧,Meta 与傅利叶三个月做出人形原型 Max,定位为 Muse agent 的物理载体;Lightberry 的 Lumi 人形机器人整机 3.999 万美元、软件年费 2 万美元,并获美国对外国产先进机器人限制的有条件豁免。安全侧,Parameter Labs 完整拆解 ChatGPT HTML preview 沙箱逃逸链,OpenAI 已修复并付 5000 美元赏金。论文方面,Google DeepMind 用仿真多轮 RL 训练精神科接诊 agent,双盲临床评估中 76.7% 配对场景优于基座模型。
🔥 趋势洞察
- Agent 落地进入工程范式期:Arca 的 per-client 持久 memory + 自建 harness、Karpathy 的 Opus 5.5 全流程开发,说明竞争焦点已从模型能力转向 harness 设计与边界划定
- 人形机器人硬件节奏加速:Meta 三个月联合傅利叶做出 Max、Lightberry Lumi 定价 3.999 万美元、Asimov 1 套件 2 万美元,硬件供应链与定价体系同步成型
- Agent 安全从提示层转向系统层:ChatGPT 沙箱逃逸链、LLMON 后训练把注入攻击成功率从 53-100% 压到 0.02-5.6%,安全正成为可训练、可工程化的能力
🐦 X 推文动态
📈 热点与趋势
- Lightberry 人形机器人 Lumi:整机 3.999 万美元,软件年费 2 万美元 - 机器基于 Unitree G1 平台,换掉板载计算机、加自研摄像头与麦克风,算力跑在 NVIDIA Jetson Thor 上。感知与运动在本地,对话与规划走云端。首批 100 台 Founder Edition 含一年软件与支持,此后每年 2 万美元;10 台规模每年光软件就是 20 万美元。10 月 30 日获美国对外国产先进机器人限制的有条件豁免,条件是迁产线到美国。尚无公开交付,付费企业客户数量未披露 @IlirAliu_(机器人行业分析作者)
- Google DeepMind 的 PlanAssist 把英国规划官员评估时间减最多 58% - 用 Gemini 构建,处理家庭改建与装修申请,将推广到另外 12 个议会 @GoogleDeepMind
- Motion1 Robotics CEO:夹爪已覆盖其测试应用的 80-90% - Alexander Stevens(Motion1 Robotics 创始人 / CEO)称人形机器人未必需要灵巧手,工业落地更看可靠性与维护成本 @xmaquina(机器人投资平台,转述 Robotico Live 访谈)
🔧 工具与产品
- oMLX 0.7.3:DeepSeek V4.1 预填提速 22%,12 并发解码 +123% - M5 Ultra 上 INT8 激活预填,64K 上下文从 2882 升到 3507 tok/s,195K 从 2476 升到 3200 tok/s。8 路 Lightning MTP 在 Qwen3.8-Flash-Next 81K 上下文下峰值内存 248→161 GiB,解码 180.7→241.1 tok/s。语音 Ask AI 在 M3 Ultra 上用 2B 模型,停止说话后约 100 ms 出声,可中途打断 @jundotkim(oMLX 作者)
- Tokenomos 开源:重写 vLLM 前端,小模型在 RTX5090 上 batch 512 近 3 倍加速 - 重写调度器与 KV cache/state manager,模型代码直接沿用 vLLM。作者称瓶颈在 CPU 前端,不是 GPU kernel 或量化 @KBlueleaf(KohakuLab 开发者)
- Asimov 1 开源人形 DIY 套件 2 万美元,Batch 5 正在发货 - 整套参考人形机器人硬件送货上门 @asimovinc(开源人形机器人公司)
- LlamaIndex 发 Boo Bench,专测文档解析器的重复字符崩溃 - 179 页测试集。某解析模型在一页看到 246 个涂黑 x,输出了 23004 个 @jerryjliu0(LlamaIndex CEO)
- Databricks 演示 Genie Ontology、Genie One、MCP 与 Unity Gateway - 目标是让 AI agent 在护栏下使用可信业务上下文查数据 @databricks(数据与 AI 平台公司)
- Stageshow 技能包让编码 agent 出伪 UI 截图、动画与 bento 网格 - 一条 `npx skills add` 命令安装 @benjitaylor(独立设计师 / 开发者)
⚙️ 技术实践
- 默认 `torch.index_add_` 调用可指纹识别具体 GPU - 浮点运算顺序因 GPU 而异,同型号 GPU 也能区分,跨重启存活且无法伪造。Lucas Beyer(Google DeepMind 研究者,转述 @divagr1925 的写作文)称这种一致性令他意外 @giffmana
- Anthropic 用数千 Claude agent 自动红队 - agent 生成对训练数据监控器看似无害、实际教错位行为的数据,例如老摔跤手带新人、专业养蜂问答。用途是直接改进未来的训练数据监控器 @AnthropicAI
- RAG 两条路线:文档树导航 vs 先修检索链 - Cornell 与 ASAPP 的 retriever-free RAG 把文档组织成树,用决策模型 Jev 1.13(只输出是/否概率、不生成文本)逐层筛,Natural Questions 上 top-1 含答案 65.4%;嵌入检索加 8B 重排为 48.0%,GPT-5 重排 60.8%。中位检索不到 2 秒,但各方法计时环境不同 @akshay_pachaar(NLP 教育者 / DailyDoseofDS 创始人,转述论文)。LangChain 社区的方案则先修检索:contextual embeddings + BM25 + reranker,在 Anthropic 评测中失败检索减少 67% @LangChain
- dax:DeepSeek Flash 已原生量化,专家层就是 FP4 - 他称再做后量化几乎拿不到收益 @thdxr(SST 创始人 / OpenCode 作者)
- Bonsai 2 三元量化把 Qwen3.8-27B 从 55.6GB 压到 5.9GB,保留 98.2% 基准性能 - PrismML 称覆盖 20 个基准,上一代约 95%,编码 agent、多模态推理、长程工具调用有改善。5.9GB 只是模型文件,不含 KV cache 与运行时开销 @Oluwaphilemon1(AI 内容博主,转述 PrismML 发布)
⭐ 精选内容
Arca 的 AI 负责人复盘长周期金融 Agent:agent 反过来 prompt 人,per-client 持久 memory + 自建 harness 做模型路由 | 长周期 agent 的工程范式
核心洞察是「agents prompt people more than people prompt agents」——agent 承担绝大部分后台工作,人类顾问握最终决策。工程上可抄的点密集:金融任务单个可跨 10 天、多决策点多次 handoff,因此自建 per-client 持久 memory 追踪「已发生/待跟踪/谁负责」;自建 harness 按内部 benchmark 自动选模型(Claude 为主),保留随时换供应商的自由;安全护栏全部确定性实现,交易与资金流动一律交人类,agent 只做分析与提案;agent 写的代码先转成严格格式、丢弃原代码、在格式层装护栏后才触达后端数据;再用 meta-agent 分析人类反馈与 agent trace 反向优化 harness。对做 agentic 落地的人,这是一份少见的"高风险领域如何划边界"的完整样本。
来源:latent.space
Karpathy 自述已不做传统工程:把需求丢给 Opus 5.5,约两小时从零做出 HackerTube | agentic coding 的能力边界一手样本
周五深夜被 YouTube 推荐流恶心到,周六早上就让 Opus 下载 HN 全量评论、用 Sonnet 在 Claude Code Workflow 里过滤垃圾、筛出 2007-2026 年 40K 条推荐评论对应的 6,454 个视频与 150 个主题,再套 YouTube UI、买域名、上 VPS、加固优化。他自述不读代码、不开终端,唯一手动动作是申请 YouTube API key、开 VPS、买域名。站点支持无账号本地 session 推荐、键盘快捷键,并开放数据导出让你喂给自己的 agent 复刻。值得聊的是"我不再做传统工程"这句宣言背后的工作流变化。
Parameter Labs 完整拆解 ChatGPT HTML preview 沙箱逃逸链,OpenAI 已修复并付 5000 美元赏金 | agent 工具沙箱的高密度反面教材
攻击链环环相扣:MathLive 虚拟键盘的 postMessage 接收端用 innerHTML 写入父页面且不校验来源 frame → 任意 sandboxed iframe 可注入 HTML → innerHTML 虽不执行 script 但可插入不带 sandbox 的新 iframe → OpenAI 的 CSP 只允许少数域名加载脚本,其中 YouTube oEmbed 端点可被用来反射回可执行 JS → 拿到 JS 执行后即可调 API 读私有数据并经图片引用外带。最终可构造一个共享链接,任何已登录用户点开即被窃取数据或代其操作。对做 agent 工具沙箱、iframe 隔离、CSP 白名单的人,读完能立刻对照自查。
Meta 与傅利叶三个月做出人形原型 Max,定位为 Muse agent 的物理载体 | Meta 具身路线的产品级信号
The Information 单源报道并经多家转述:约 1.5 米、48 公斤,搭载 Nvidia Jetson Thor(2070 FP4 TFLOPS、128GB 内存、40-130W),带表情显示屏与五指手,Zuckerberg 定位为 Muse AI 模型的物理载体,目标家务场景;9 月已启动 Max 2(重设计躯干、改进手部、加投影仪与楼梯传感器)。Meta 称仅内部研究、不对外销售,Reuters 未能独立核实。值得读的点在于"三个月 + 中国代工"的硬件节奏,暗示 Meta 的具身策略是哪里快就用哪里的硬件,而非等本土人形栈成熟;同日标普下调 Meta 信用展望,构成资本侧对照。
免费 Colab TPU v5e 上把训练做到比 T4 快 44 倍:加速拆解与 TPU 上 MoE 的真实成本 | 硬件换代 vs 框架 vs kernel 的收益归因
10 亿 token 从约 6 天降到约 3 小时。加速拆解很有参考价值——硬件换代约 7.7×、切到 JAX 约 4.5×,而自定义 kernel(splash attention、Megablox、数据搬运)合计只贡献约 1.08×。splash attention 在 seq=8192 时比默认 flash attention 快 8.8×(8.05ms vs 70.6ms),但 seq=512 时几乎无收益,说明收益取决于 attention 是否为瓶颈。反面结论同样有用:TPU 上细粒度 MoE 的小专家很贵,每专家 8→64 token 时延几乎不变(约 24μs),需 400+ token/专家才接近 90% 峰值效率,最细粒度成本可达 dense 层的 6 倍。注意是免费环境单点实验,外推需谨慎。
来源:daily.dev
MCP 官方 registry 一周变化实测:新增 5,161 个 server、12,973 条新版本、75 个下架 | 生态增速与噪声的量化切片
作者用自建目录 ProtocolProbe 每天拉取官方 MCP registry 快照并做 diff,记录 2026-10-23 至 10-31 八天变化:新增 server +10.5%、全量版本表 +16.7%、207 次 status 变更。数据还拆出 43.6% 新 server 挂在 io.github.* 下、3,677 个 publisher 的长尾结构、14 个一上线就 deprecated。对做 MCP 工具选型或生态监测的人,这是一份少见的 registry 增速与噪声实测样本,也提示"今天读到的 listing 下周就变了"。
来源:dev.to
OpenCode / Claude Code / Codex CLI / Cursor 四款 Coding Agent 横评:两个值得注意的格局变化 | 选型速查表
在 Ubuntu 26.04 上实测 OpenCode 2.2.5、Claude Code 2.1.316、Codex CLI 0.166.0 与 Cursor CLI,从安装、定价、MCP 配置路径、OS sandbox 模式、本地模型支持、项目指令文件(AGENTS.md vs CLAUDE.md vs .cursor/rules)六个维度对比。两个变化值得记:Claude Code 借 Ollama 的 Anthropic 兼容 API 实际已非 Claude-only;Cursor 最低付费档已无法访问 Claude/GPT。适合作为选型速查,但作者自承无 benchmark 数据,深度有限。
AI 政治化提速:民主党把反 AI 情绪当作 2028 选举议题 | 监管从技术议题变成动员议题
Axios 获得 Upswing/Reset Tech 分析:21 位潜在 2028 民主党总统候选人近几个月集体加码 AI 议题,X 上科技提及量近乎翻四倍、新闻稿提及量近三倍,科技已成仅次于就业与经济的第二大话题,集中在数据中心与校园手机禁令。纽约是唯一通过数据中心暂停令的州,众议院民主党人起草决议反对 AI 泡沫破裂时政府救助,另有模型透明度与 kill switch 立法提案。对从业者的价值在于:数据中心选址、模型合规与政策风险预期正在被选举周期重新定价。
来源:axios.com
🎙️ 播客精选
Using Agents for Long-Horizon Financial Work — Aman Singh, Arca
📍 来源:Latent Space | ⭐ 4/5 | 🏷️ Agent, Product, Infra | ⏱️ 26:05
Arca AI 负责人 Aman Singh 在 AI Engineer New York 分享如何构建 AI-native 财富管理公司。核心是面向 long-horizon 金融任务的 Agent 架构:自研 harness 负责编排与约束,配合持久化记忆/状态管理,让 Agent 在合规要求高的金融场景中完成跨周期工作。对做 Agent 落地的从业者,价值在于真实生产环境下的 harness 设计取舍与长任务可靠性经验。
💡 推荐理由: AI-native 财富管理实战架构分享,custom harness 与长周期 Agent 设计有料,但时长较短、深度有限
⚡ Building ChatGPT for Finance — Joseph Kim, OpenAI's Head of Financial Services
📍 来源:Latent Space | ⭐ 4/5 | 🏷️ LLM, Product, Interview | ⏱️ 27:34
OpenAI金融服务负责人Joseph Kim分享为金融行业构建ChatGPT应用的实践。讨论金融场景对准确性、合规与数据安全的高要求,如何将LLM能力嵌入投研、客服与合规流程,以及企业级部署中的定制化与信任建立。对关注LLM垂直行业落地与产品化的从业者有参考价值。
💡 推荐理由: OpenAI金融服务负责人谈垂直行业落地,嘉宾有实战视角;但时长仅27分钟,深度有限,未达5分。
📄 今日论文精选
Training language models in simulation for psychiatric intake
Google DeepMind | 🏷️ Agent Framework, Fine-tuning, Safety
用仿真环境多轮 RL 训练精神科接诊 agent,并经 32 名精神科医生角色扮演、15 名独立医生双盲评分验证,是医疗 agent 训练范式的少见严谨样本。
Post-Training Large Language Models with LLMON
IBM Research | 🏷️ Safety, Fine-tuning, Tool Use
把指令与数据的显式分离作为可学习能力注入后训练,间接提示注入攻击成功率从 53-100% 压到 0.02-5.6%,对 agentic 安全部署有直接工程参考。
Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live IOS Apps
Apple | 🏷️ Agent Framework, Agent Deployment, Tool Use
在真实 iOS 应用上做在线 RL 训练 UI 导航 agent,自建可编排数百台虚拟设备的基础设施,8B 模型在 Android 泛化上相对 SFT 提升近 7 倍。