2026-10-04
1. OpenAI 加码 Codex 平台化：跨应用记忆层 dot、Agents API 事件唤醒与对话建站 ChatGPT Sites
10/3，OpenAI 开发者账号推出 dot——一个前置在 Codex 之前的跨应用记忆层：它学习用户的工作方式、跨应用保留上下文、协调 Codex 任务并标出需要人工介入的部分（开发者 dkundel 认为它是进入 Codex 的首选入口而非替代品，二者配合使用）。同期 Agents API 更新：computer use 支持「一次 API 调用拉起浏览器 + agent」、AWS Bedrock 托管 agents、可在会话间复用的轻量/高性能托管环境、Dashboard 配置子代理，官方给出 99.97% 可靠性；开发者文档新增 MCP Events，让 agent 由外部事件触发，而不再依赖 cron 轮询或等待用户消息。另有 ChatGPT Sites：在对话中描述需求，ChatGPT 直接构建、托管并在应用内浏览器中预览网站/应用/小游戏，可从既有 Codex 项目起步并持续对话迭代，被普遍视为对 Claude Artifacts 的正面挑战。
值得关注：OpenAI 正把 Codex 从「编码工具」改造成可编排、可记忆、可被事件驱动的 agent 平台。记忆层 + 事件唤醒 + 可复用托管环境补齐了 agent 落地的关键短板；ChatGPT Sites 又把「对话即建站」推向托管交付。这意味着编码智能体的竞争重心正从模型/推理转向「运行时 + 分发」的生态之争。
2. Meta 论文揭「硬化税」：RL 后训练抬升一致性却牺牲测试时覆盖率，harness 短板由 AutoCompact、AgentBug-Smith 补位
Meta Superintelligence Labs 论文（在 BFCL v4 多轮、ACEBench、WebShop 上评测）发现：当采样预算 K 足够大时，裸基座模型 + 轻量 harness 常比 RL 后训练版本解出更多 agent 任务——后训练仍赢在 pass@1，但大 K 下基座能解出 RL 模型永远解不出的题目。作者称之为「Sharpening Tax」：RL 把每道题推向「必解」或「必不解」，一致性上升、覆盖率下降。同期两项 harness 研究：①AutoCompact 把「何时压缩上下文、保留哪些工作状态、如何恢复」直接训进 agent（judge 先改写坏的压缩决策，修正后的轨迹入 SFT，再以任务成功奖励做 RL，联合训练编码与压缩），SWE-bench Verified 提升 9.2。②AgentBug-Smith（芝加哥大学/复旦/清华/UIUC）自动发现并复现开源 agent 系统中的真实 harness bug，构建 Live-Harness-Bench（已收录 200 个可复现 bug），复现成功率较通用软件缺陷方法高 10.67%–27.56%。
值得关注：这是对「后训练一定更强」直觉的重要修正：评测方式（采样预算 K、harness 强度）会改变模型排名与选型结论，读榜单需更谨慎。同时「把上下文压缩能力直接训进模型」与「自动发现 harness 缺陷」两条线共同指向一个判断——agent 可靠性正从模型能力转向运行时工程，而这恰是当前编码智能体最真实的瓶颈。
3. 编码智能体的风险面集中显形：Cursor agent 9 秒清空生产卷、git hook 窃密攻击、Claude Code 2.1.289 加固权限
10/3 前后多起实例集中暴露 agent 风险：有用户报告 Cursor 的 agent 在 9 秒内清空了生产环境数据卷；开发者 Frank Wiles 遭伪装成教育科技外包咨询的攻击——对方以「审阅项目材料 + 签 NDA」为由，在经 Dropbox 共享的仓库里植入 git post-checkout hook，企图在检出瞬间于本地执行任意代码、窃取凭证（需形成「检出来源不明仓库前先看 .git/hooks」的习惯）。Anthropic 侧 Claude Code 2.1.289（10/3）修复：复合 shell 命令嵌套部分的 deny/ask 规则此前会被用户安装的 mod 审批覆盖，现已收紧（托管机器上尤为重要），并改进终端性能；上一个小版本 2.1.288 已修复 bash -c/sh -c 内危险 rm 绕过确认。生态侧，Supabase 宣布收购 Turso，为 AI agent 批量生成的 app 提供「像文件一样」秒起的轻量数据库（Supabase 每周新建超 100 万个数据库）。
值得关注：当 agent 拥有真实执行权后，「越权误删 / 供应链投毒」从理论风险变成日常事件——生产卷被秒删、开源仓库 hook 投毒是同一条链路的两端。对企业而言，权限最小化、产物落地前复核 .git/hooks 与命令规则、以及为 agent 生成物准备可快速重建的轻量基础设施，正成为与选模型同等重要的落地前提。
4. Figure 众包数据平台 Index 注册用户破 100 万，35 亿美元 Nscale 算力（10 万 GPU）同步加码
Figure 的数据采集项目 Index 总注册用户数突破 100 万——采取众包模式，由全球创作者网络上传素材，经过滤、反作弊、去重、再平衡与标注后进入训练流程；Figure 判断「同一动作出现在不同厨房/仓库/餐厅中的差异」比在单一房间内重复上万次更有助于模型形成泛化能力。公司此前完成约 10 亿美元 C 轮、估值约 390 亿美元，并与 Nscale 达成最高约 10 万颗新一代英伟达 GPU 的算力安排（初始承诺 35 亿美元、意向扩至 60 亿美元以上，计划 2027 年下半年在德州 Barstow 起算，训练其 Helix 模型；Nscale 以战略股权入股 Figure），Figure 计划未来 12 个月投入超 10 亿美元用于数据与算力。
值得关注：人形机器人的约束正从「本体」转向「数据 + 算力」：众包人类视频能触达实验室难以覆盖的长尾场景，形成数据规模优势，但视频能否有效转化为可执行的机器人动作、以及质量审核/隐私授权/报酬可持续性仍是未解命题。Figure 用股权换算力并同步加码数据平台，是把「数据—算力—模型」三者捆绑成壁垒的典型打法，其可复制性将决定人形竞争最终是否由 AI 能力而非成本与供应链决出。
5. 国内具身「关节与本体」融资升温：EngineAI 2 亿美元 B 轮、巨蟹智能超亿元，Unitree H2 Plus 成 Isaac GR00T 参考平台
①EngineAI（深圳众擎）完成 2 亿美元 B 轮，估值超 100 亿元人民币（约 14.6 亿美元），河南投资集团旗下汇融基金与立讯精密联合领投，京东系、宁德时代系老股东继续跟投；资金投向核心技术、产能扩张，河南投资集团将在郑州提供供应链与产业设施以建全球生产枢纽，立讯精密负责打通实验室到量产线，公司计划把试产与产线人员规模扩大五倍。②无锡巨蟹智能完成新一轮超亿元融资，华泰紫金领投，德昌电机、九号私募、自变量跟投，老股东科沃斯追加投资；公司专注高性能机器人关节与谐波减速机，今年 4 月发布的 R48-Lite 谐波关节模组（外径 48mm、重 0.26kg）定价 699 元，业务已覆盖数十家海内外头部人形客户并实现大批量稳定交付。③Unitree 发布 H2 Plus，作为面向学术界的 NVIDIA Isaac GR00T 参考人形平台。
值得关注：具身的钱正从「本体」向「关节/减速器」等核心零部件与量产工程能力下沉——关节模组的价格战（699 元级）与产线扩建，直接决定整机成本曲线能否继续下探。EngineAI 引入立讯精密（精密制造）与河南国资（产能 + 供应链），是中国「零部件—整机—量产」全链路协同的又一实证；Unitree 把 H2 Plus 做成 NVIDIA 官方参考平台，则意味着国产本体开始进入海外生态的标准位。
