2026-09-04
1. Meta 发布 Muse Spark 1.3 编程智能体：工具调用减 20%、Token 省 25%
9 月 2 日，Meta 发布迄今最强模型 Muse Spark 1.3，通过 Muse Code 与 Meta Model API 向开发者开放。实测同等编程任务工具调用次数减少 20%、输出 Token 消耗降低 25%，可同时维持多个工作流，Meta AI 负责人 Alexandr Wang 称其编程能力“优于 OpenAI GPT-5.6 Sol”，并将逐步进入 Instagram、Facebook 等消费级产品。
值得关注：编程智能体正从“能写代码”转向“低成本高效写代码”的性价比拐点。Token 与调用量的双降直接压低中小企业与个体开发者的使用门槛，AI Coding 普及速度将因此加快，选型时效率/成本指标权重上升。
2. Anthropic 将 Claude 计算机使用升级为后台模式，OpenAI Astra 同日押注 Computer Use
9 月 3 日，Anthropic 将 Claude 的 Computer Use 从“前台占用鼠标键盘”升级为“后台模式”：人机可并行操作，长任务不再霸屏，且可运行在隔离虚拟桌面中。同日 CSDN 梳理指出，OpenAI 于 9 月 4 日发布 GPT-6 Astra 并同样强调 Computer Use，Google 也在六周内第三次迭代编程与网络安全 Agent 能力。
值得关注：“让 Agent 操作电脑”正成为头部厂商的共同旗舰能力。后台模式解决了 Computer Use 最致命的“抢界面/不安全”痛点，使 Agent 从“前台表演”变为可并行的“后台同事”，长时复杂任务与企业安全部署的可行性大幅抬升。
3. Salesforce 推出 Slack Code：把编程智能体嵌入团队协作工作流
9 月 1 日，Salesforce 发布 Slack Code：在任意 Slack 对话中 @一个支持的编程智能体（Claude、Devin、GitHub Copilot、ChatGPT、Vercel 等），即自动创建专属代码频道，团队成员可跟踪进展、查看对话/计划/代码差异、审查更改并打包 Pull Request，任务完成后频道自动归档保留历史。
值得关注：AI Coding 范式从“一人对一 Agent”走向“团队与同一 Agent 协同”。它把需求、背景、评审前置到执行过程中，显著减少跨职能交接成本，预示编程智能体的下一个竞争维度是“协作工作流”而非单点编码能力。
4. Figure 与 Nscale 签 35 亿美元算力大单：部署高达 10 万块 GPU 训练具身大模型
9 月 3 日，Figure AI 与云基础设施商 Nscale 宣布最高 35 亿美元（可扩展至 60 亿）合作，基于 NVIDIA Vera Rubin 平台部署最多 10 万块 GPU，2027 年底在得州 Barstow 落地，专用于训练 Figure 的 Helix 通用具身智能模型。Figure 明确将“数据与算力”列为规模化物理智能的核心瓶颈。
值得关注：具身智能竞争已进入“算力军备竞赛”阶段。10 万级 GPU 集群直接服务机器人训练，说明头部玩家将瓶颈从硬件本体转向“数据+算力基础设施”，资本与算力正成为物理智能能否规模化的决定性变量。
5. 人形机器人加速从“展台”走向“货架”：上半年出货超 4 万台、融资同比增 5 倍
9 月 3 日 MachineDawn 报道，上半年人形机器人出货量已超 4 万台，标志产业迈入量产阶段；央广网同日指出，第二届世界人形机器人运动会 51 个项目中 21 项为真实场景赛（家庭/酒店/工业/餐饮），全自主模式按原始成绩计分。IT 桔子数据显示，上半年国内具身智能融资总额达 935 亿元，同比增长 5 倍。
值得关注：产业正从技术验证迈入商业落地关键转折期。真实场景赛与量产数据共同表明，机器人评价标尺已从“能不能动”转向“能不能干真实活、稳定替代人工”；融资激增则验证资本对具身智能第二增长曲线的共识正在形成。
