2026-10-20
1. MiniMax M3.1 Flash 连夜发布：DeepSWE 73.7% 压过 GPT-5.6 Sol，单任务成本不到 2 元
10 月 19 日晚，MiniMax 正式发布新一代 Flash 模型 M3.1 Flash，此前以匿名身份在榜上刷屏的「太空兔」（Space Bunny）正是它的早期版本。关键成绩：软件工程基准 DeepSWE v1.1（覆盖代码理解、功能开发、问题修复、测试验证全链路）在 max 档拿到 73.7 分，压过 OpenAI 旗舰 GPT-5.6 Sol 的 73.0 分与 GLM-5.3 的 66.9 分，单任务成本不到 2 元；同分的 Claude Opus 5 一个任务要 70 多元，是它的 40 多倍。复杂 Agent 方向更强：Zapier 开源、600 个真实企业业务流程构成的 Automation-Bench AA 上拿下 62.8 分全场第一，比 Opus 5 高近 12 分、比 GPT-5.6 Sol 高 16 分多，也压过刚发布的 DeepSeek V4.1 Flash-1017（60.5 分）；跑完 Agent 终极考试 ALE 只花 739 元，成绩 29.6 分、OSWorld V2 61.7 分，均为国产第一；CyberGym 网络安全基准 82%，BankerTool Bench 76.2 分。工程侧用更激进的稀疏注意力，输出峰值 200+ TPS、P50 稳定在 170+ TPS，线上推理速度提升近 3 倍，Agentic 任务综合使用成本约为前代 30%，价格比上一代 M3 腰斩还多。
值得关注：两天之内国产 Flash 档位连续出牌（10 月 17 日 DeepSeek V4.1 Flash-1017、10 月 19 日 M3.1 Flash），把「旗舰级分数」打到一两块钱一任务，这已经不是在比谁的模型更聪明，而是在重设编码智能体的单位经济模型——当一次 DeepSWE 任务的成本从几十元掉到 2 元，多智能体并行、全量回归、让 agent 自己反复自检这些原本「太贵不敢开」的用法才真正成立。更值得注意的是竞争重心迁移：DeepSWE 上国产 Flash 已接近甚至超越闭源旗舰，真正拉开差距的是 Automation-Bench 这类跨 SaaS 长链路业务流程——模型能力正在从「写对一段代码」转向「把一件活从头干到尾」。选型建议：把「每任务成本」和「长链路完成率」作为两个独立维度评估，别再只看单点代码分；同时留意 Flash 档位的定位差异（MiniMax 偏 CoWork/工具链，DeepSeek 偏终端与极低成本）。
2. Claude Code v2.1.304 一次推 80 项变更：Code Review 分三档、可一键注册整个 GitHub 组织
10 月 19 日，Claude Code 发布 v2.1.304，约 80 项变更（此前 10 月 18 日的 v2.1.303 只有一行「bug 修复与可靠性改进」，等于把两周的活压在这一版）。三条主线：一是评审能力产品化——Code Review 新增 Quick／Standard（默认）／Deep 三档，组织所有者可在组织级设定、再按仓库单独覆盖，并支持一步注册整个 GitHub 组织、新建仓库自动纳入，同时修掉一个隐蔽 bug：管理员启用 Code Review 后 1–2 分钟内打开的 PR 会被静默排除在外，现在会重试并纳入评审。二是接入面扩张——/auto-mode-setup 引导式配置从原本的本地环境扩展到 Amazon Bedrock、Google Vertex AI、Microsoft Foundry 与 Claude apps gateway，连关闭遥测的会话也能用，此前这些环境要上自动模式只能手工配。三是安全与成本护栏——新增 /claude-api managed-agents-secure，把 Managed Agents 配置与 Anthropic 官方安全指南逐项比对、只报告不修改；rm -r 的保护范围扩大到挂载盘与顶层目录；退出 worktree 不再丢 commit；Pro／Max 用户恢复一个闲置会话时，若预计会吃掉 5 小时额度的一大块，会先弹警告让人选「继续」还是「开新会话」。
值得关注：这一版把编码智能体的竞争焦点摆得很明白：生成不是瓶颈，评审才是。/code-review 分级 + 组织级注册 + 按仓库覆盖成本与深度，本质上是把「人审不过来」这个真实约束变成可配置项；而漏洞修复的方向（被静默跳过的 PR、丢失的 commit、rm -r 的边界）全是 agent 高频动作上的可靠性缺口。对企业落地的启示：评审吞吐量应当与生成能力同步采购，否则多出来的 diff 只会变成更长的队列；同时把「额度可见性」（恢复会话的消耗预警）纳入成本治理，长时间挂着的 agent 会话是隐性成本黑洞。对个人用户：如果你在 Bedrock／Vertex／Foundry 上跑 Claude Code，现在可以用 /auto-mode-setup 直接把自动模式配起来，不必再手工调环境。
3. 四个 Gemini 4 Argon 智能体全自主通关《我的世界》：27 小时、自写 2783 个程序、死了 605 次
Google DeepMind 论文（arXiv 2610.22319，10 月 15 日挂出，10 月 19–20 日被 Mashable、The Next Web、Engadget、cnBeta 等集中报道）披露：四个基于 Gemini 4 Argon 的通用编码智能体，被投进随机生成、关闭作弊的生存世界，唯一目标是杀掉末影龙——没有预设角色、没有策略、没有人类写的游戏专用工具，只给了一个 Mineflayer 库。27 小时 14 分钟后通关。过程中四个智能体自己写并执行了 2783 个 JavaScript 程序（约每 35 秒一个，中位运行 33.5 秒），只交换了 229 条聊天消息，死亡 605 次（其中 69 次死于末影龙），没有一次中断退出。分工是它们自己在开局十分钟内谈出来的：janesick 造工具、找下界要塞并定位要塞，gyldenia 负责食物补给，auratian 点燃下界传送门，bulicame 建末影人庇护所并打出最后一击；它们共享坐标与经验笔记，还会回收阵亡队友掉落的物品。值得一提的细节：janesick 从两个不同位置各投一颗末影之眼、用代码追踪飞行轨迹反推交点，估算位置离真实传送门房间 43 米（距离 1.3 公里）；打到第 21 小时才想明白十根柱子上的末影水晶在给龙回血，又自己摸索出垫土登柱的拆法，用 4 小时 40 分拆完十颗。成本：约 13.5 亿输入 token，引导价约 520 美元，含「观察者」审计智能体的整场约 810 美元（标准价 1620 美元）。研究团队自己列了限制：Easy 难度、22% 的程序以报错收场、单一 run、Mineflayer 暴露了岩石背后的方块信息、路径由插件规划，而人类速通纪录是 7 分钟以内。
值得关注：真正的信号不是「AI 通关了游戏」，而是「一队通用模型在没有任何预设架构的情况下，自己组队、自己分工、扛住上千个相互依赖的步骤超过一整天」。这与真实软件工程和企业长流程任务的形状高度同构——缺少的从来不是单步能力，而是在反复失败中维持连贯计划并自我纠错的能力。607 次死亡里藏着最有价值的一条：它的容错不是靠不犯错（22% 程序报错），而是靠错了能恢复、能把教训写进共享记忆。DeepMind 已明确要把这套设置搬到 coding、科研与机器人上，这意味着多智能体长时程协作会从演示走向基础设施。需要保持清醒的两点：这是单次运行、Easy 难度、且 agent 通过代码获得了人类玩家看不到的信息；把它当成「长时程协作可行」的证据，而不是「通用智能体已超越人类」的结论。
4. 同一天三箭齐发：九部门为具身智能开需求侧、首批六项人形机器人国标落地、工信部给出全年 10 万台指引
10 月 19 日成为人形机器人的政策密集日。其一，商务部、中央网信办、国家发改委等九部门《关于加快推进科技兴商的意见》正式发布，首次从促消费与商贸流通角度为机器人打开需求侧空间，明确「推动具身智能技术在商贸领域落地，拓展家庭服务、商贸物流等应用场景」；同日国新办发布会上，工信部科技司司长魏巍给出三组数字：2025 年我国人工智能核心产业规模超 1.2 万亿元，2026 年上半年各类智能终端出货量超 1 亿台，人形机器人上半年整机产品突破 400 款、产量超 4 万台、预计全年突破 10 万台，并已在仓储物流、餐饮零售、家庭服务等 300 多个重点场景验证部署。其二，市场监管总局 2026 年第 43 号公告批准发布首批六项人形机器人国家标准，即《人形机器人技术要求》第 1–5 部分（总则、环境感知、决策规划、运动控制、作业操作）加《人形机器人仿真测试平台技术规范》，2027 年 4 月 1 日实施，由全国机器人标准化技术委员会（TC591）归口、人形机器人分会（TC591SC5）执行；优必选牵头起草并参编，累计参与 73 项相关标准（国际 4 项、国标行标 42 项），深圳戴盟是视触觉赛道唯一参编单位。标委会秘书长李金村称六项标准遵循「认知—行动—验证」的完整闭环，目标是让技术创新有依据、产品评价有尺度。其三，二级市场立刻反应：10 月 19 日人形机器人概念掀涨停潮（兆威机电、浙江荣泰、福莱新材、日盈电子、宁波东力等），宇树科技放量大涨 16.15% 报 495.92 元、市值重回 2006 亿元——而 10 月 15 日它刚跌到 405.10 元、1638 亿元，较上市首日 4449 亿元的峰值蒸发超 2800 亿。
值得关注：这三件事刚好补齐具身智能商业化最缺的三块拼图：需求侧（谁买、买去干什么）、评价侧（怎么比、怎么验收）、规模侧（今年到底能出多少台）。六项国标的价值不在技术指标高低，而在于把「总体要求—环境感知—决策规划—运动控制—作业操作—仿真验证」串成一条可比对的链条——此前不同厂商感知路线各异、换一台机器就要重做整套适配，采购方根本无法横向选型，这是规模交付的真实摩擦点。而 10 万台这个全年指引与上半年 4 万台的进度，意味着四季度要交出约 6 万台，是对产线、良率与交付能力的硬考核。对产业参与者的提醒：标准落地会加速洗牌，能对齐标准、拿得出可复现测试报告的公司会先拿到订单；同时要看清宇树这 16% 的反弹是政策情绪驱动，营收结构（科研教育占大头、工业场景不足一成）并没有被这一天的新闻改变。
5. 具身智能开始挤泡沫：智元 500 亿估值新融资把港股 IPO 推到 2027，老股折价、项目估值被压、深兰破产
10 月 19–20 日，网易科技《态度》、36 氪、光子星球集中复盘具身一级市场的转向。核心事件：智元创新近期启动 10 亿–15 亿元新一轮融资、最新估值约 500 亿元（较 2025 年 3 月 B 轮的 150 亿元涨逾两倍），融资已接近收尾。按港交所规则，递表后、挂牌前完成 Pre-IPO 新融资须等融资完成满 120 个完整日才可交易，这意味着智元年内 IPO 基本落空、最早要到 2027 年 2 月底——而它 7 月 24 日才官宣启动赴港、聘中金独家保荐、目标估值 400–500 亿港元。一级市场的反应更直接：市场上已有按 120 亿元估值出售的老股，很难再有人按 220 亿元增资；深圳一家估值 40 亿元的公司原计划按 80 亿元融新一轮（新股搭配老股），实际估值被压到 60 亿元左右；有投资人称机构内部「最近一个月一个过会的都没有」。9 月上旬监管已通过非正式窗口指导暂缓部分人形机器人企业上市，9 月 21 日上交所终止环动科技科创板审核（原拟募 14.08 亿元，今年科创板首单机器人 IPO 终止）。出清也在实体层面发生：深兰机器人（上海）进入破产程序，第五批职工债权公示累计涉及超百人、总债权突破 2300 万元。数据面把落差摆得很清楚：沙利文口径下 2026 上半年全球人形机器人销量 3.6 万台、收入仅 5.4 亿美元，收入前五全为中国企业（优必选 6.2 亿元／16.5%、智元 6.1 亿元／16.1%、宇树 5.8 亿元／15.3%、银河通用 2.1 亿元／5.5%、乐聚 1.5 亿元／4.0%）；而同期中国具身行业融资总额达 1041 亿元。宇树 2026 年中报显示，科研教育占营收 73.6%、商业消费 17.39%，工业制造、巡检、物流合计仅约 9%。
值得关注：27 倍的投入产出落差（1041 亿元融资 vs 5.4 亿美元全行业收入）是这个行业此刻最该被记住的一个数字。它解释了为什么智元在拿到「全球出货量第一」的同时，反而要接受 IPO 顺延——出货量是融资定价的筹码，不是现金流；500 亿元估值相当于其 2025 年收入 10.5 亿元的约 48 倍，这个倍数需要真实订单而不是关联交易来支撑。对创业公司的现实提醒有三条：IPO 通道正在收紧且规则（120 净日）会直接把融资决策变成时间成本，融资节奏要和上市窗口一起算；估值要留出下一轮折价空间，深圳那家 80 亿变 60 亿就是模板；收入结构要尽早从科研教育往工业与物流迁移，否则「万台交付」只是库存搬家。对投资方与产业方则是机会窗口：老股折价、项目估值下修，正是用真实场景订单去换股权的时候。
