2026-10-18
1. DeepSeek 发布 V4.1-Flash-1017：打「许愿式编程」，单个编码任务成本压到 20 美分以内
10 月 17 日下午，DeepSeek 上线 V4.1-Flash-1017，官网、App 与 API 同步切换，权重以 MIT 协议在 Hugging Face 与 ModelScope 开源。官方数据：Terminal-Bench 4.0 从 31.2 升至 42.3（+11.1pp，测试跑在 Claude Code harness 内），ProgramBench 20.3→29.1，DeepSWE v1.1 74.2→77.0；在 DeepSWE 的性能/成本图上，新模型 77.0% 对应单任务成本不到 0.2 美元（上一版 74.2% 约 0.5 美元，低档设置 72% 以上约 0.1 美元），同一张图上 Claude Opus 5、GPT-5.6-Sol、Kimi K3、GLM 5.3 等更大模型单任务报价在 2 美元到 10 美元以上。训练上采用「基于自反馈的强化学习」，用模型自身的置信度或自评作为奖励，主攻从零构建完整项目的能力，官方四个 demo（故宫 3D 建模、网页赛车游戏、Godot 复刻《传送门 2》、随人类历史演变的 3D 场景）均在极短交互轮次内完成。配套同日开始对外开放自研搜索的 Search 与 Fetch 接口，均 5 元/千次；在 DeepSeek Harness、Claude Code、Codex 中通过服务端工具调用暂不计费，2026 年 11 月 1 日零时起按次收费。官方建议 Harness 升级到 0.2.1-rc.1 以上，并点名适配了腾讯 CodeBuddy、WorkBuddy 等框架；发布未附标准 chat template，改为提供 Python 参考编码器与 deepseek-recipe（Rust 库 + Python 绑定）。所有基准均为官方自测，尚无独立复现。
值得关注：这是「单位任务成本」而非单纯分数的竞争：20 美分完成一个 SWE 任务，意味着 Agent 可以放心地跑长时域、多轮次、反复试错的循环，过去因 token 账单而被迫收敛的用法（多候选并行、自动回归、批量重构）在经济上重新成立。对团队的实际影响是选型逻辑要改——不再只问「哪个模型最强」，而是问「我的任务在该模型上的 分数/成本 比是多少」，并把 harness、上下文长度、输出冗长程度一起算进去。同时 Search/Fetch 开放 + 11 月 1 日开始计费，等于把「联网检索」变成模型 API 的内置计费项，Agent 架构里原本外挂的搜索层可以省掉，但成本模型要重算。
2. OpenCode 2.0 正式发布：弃用 Bun/Tauri 全面转向 Node.js/Electron，1.x 插件全线报废
10 月 17 日，21.4 万星、近 3 万 Fork 的开源编程 Agent OpenCode 发布 2.0 稳定版（InfoQ 报道，官方称其为「一次重大改造」）。核心变化是技术栈推倒重来：从 Bun/Tauri 转向 Node.js/Electron，重写插件架构并支持热重载。代价很直接——为 1.x 写的插件无法在 2.0 运行，基于旧版 server API 的集成也需要重做，不是改配置能解决的问题。官方把变更日志切到 2.x 系列，且更新不再静默自动安装，需用户手动发起升级；v1.19.2 起 1.x 安装继续留在 1.x 线，升级到 2.0 变成显式选择（v1.19.3 于 10/16 加入了生成 reasoning 变体的模型推理选项）。OpenCode 由 Anomaly 团队开发（创始人 Jay V、Frank Wang 此前做 Serverless Stack/SST），在 Anthropic 封禁第三方订阅凭据后迅速走红，公司称新系统吸收了「数百万日活用户」的使用经验。
值得关注：AI 编程工具开始进入「硬核运行时竞争」阶段：过去一年比的是模型接入和提示词体验，现在比的是插件架构、热重载、进程模型这些真正的工程底座。对使用方而言这是一次典型的生态断代成本——插件失效、CI 脚本行为变化、团队内部封装全要重验，升级前必须先冻结版本、跑一遍回归。对做工具的团队则是信号：把产品架在 Bun/Tauri 这类新运行时上，短期跑得快，但一旦要接 Electron 生态、支持企业级插件分发，重写账单迟早要来。
3. 腾讯混元开源 Hy Memory 2.0：把 Agent 记忆拆成对话、工作、代码三层，连本地应用一起开源
10 月 17 日，腾讯混元发布 Agent 记忆框架 Hy Memory 2.0，三层全部开源：专用记忆模型、框架本体、以及本地记忆应用 MemHub，可单独使用也可组合。框架负责三类记忆的存储、更新与演化——对话记忆（chat）、工作记忆（working）、代码记忆（code），其中后两者为 2.0 新增：记录任务目标、已做决策、中间结果，以及可复用的经验及其适用条件。开发者通过 SDK 接入，已在 PyPI 发布 hy-memory 2.0.2。腾讯称该框架已在内部金融、新闻、知识管理、办公 Agent、社交娱乐和游戏等团队使用。
值得关注：Agent 落地的真实瓶颈正在从「模型会不会」转向「它记不记得住、记不记得对」。长任务里最贵的失败不是单步做错，而是重复踩同一个坑、忘记已经定下的架构决策——这正是「工作记忆 + 代码记忆」要解决的。值得注意的是它把「可复用经验的适用条件」也作为一等对象存储，这比单纯堆上下文更接近工程实践。对自建 Agent 的团队，这类开源框架可以直接替代自研的 memory 层；对用第三方编码工具的人，它提示了一个检查项：换会话、换工具后，之前的决策上下文还在不在。
4. 优必选发布 Thinker-WM 统一世界模型：RGB、深度、动作进同一表征，三项具身基准居首
10 月 17 日，优必选 Thinker 团队公布 Thinker-WM 世界模型（技术论文已上 arXiv），把 RGB 视频、米制深度和机器人动作编码进同一个共享表征，用统一的 Unified Dynamics Transformer 联合建模，再解码出视频、深度图和可执行动作；深度是原生输出而非辅助信号。官方数据：WorldOlympiad（基于真实机器人交互数据、覆盖十余种本体）总分 0.740，3D 一致性 0.531、交互保真度 0.765 均为单项最高；EWMBench 总分 4.66，领先 Qwen-RobotWorld、Sora 2 等，轨迹匹配与动力学指标第一；仿真基准 WorldArena 1.0 Track-1 在 12 个评测维度领先。训练数据约 3 万小时：约 2 万小时家庭/零售/工厂第一人称人类视频、约 1 万小时多本体真机数据、约 1000 小时仿真；所有动作统一表示为末端执行器位姿并带本体标签，使不同机器共享同一生成空间。RoboTwin 单任务消融显示，加入深度比无深度基线操作成功率提升 15 个百分点。共享权重下可切换六种模式（视频-动作联合生成、未来预测、策略推理、视频到动作、逆动力学等）。以上排名均为公司自述，尚无独立复现。
值得关注：主流做法是把世界模型拼起来——视频生成管像素、策略网络管动作、另一个模块管几何——优必选的核心论点是这种做法切断了物理上本就耦合的信号。把深度做成原生输出、把动作和视频放进同一套权重，直接后果是同一模型能反过来当策略用，这比再训一个 VLA 省一整条链路。+15pp 的深度消融和「六模式一切换」是这条路线最硬的两个证据。风险同样明确：3 万小时数据里三分之二是人类第一人称视频，跨本体迁移的真实成色、以及公司自测榜单的可信度，都要等第三方复现。
5. Kyutai 联合 Inria 开源 REKI：2.4B VLA 只用公开数据预训练，LIBERO-Plus 拿到 90.4%
10 月 17 日，Kyutai 与 Inria、École des Ponts 联合发布 REKI，一个 2.4B 参数的视觉-语言-动作（VLA）模型，专注机器人操作，完全基于公开数据预训练，权重以 BF16 形式在 Hugging Face 开放。架构为 Qwen3.5-2B 主干 + 2 亿参数 action expert，用 flow matching 生成动作块；机器人状态与 flow time 通过自适应 RMSNorm 注入，每种状态配置用独立的小型 state MLP。关键设计是给 action expert 内置记忆：32 个可学习的 register token 排在动作 token 之前，可交叉注意力到编码后的指令与当前帧视图，并对前几帧的 register 做自注意力，从而记住最近 3 帧的观测——register 只依赖观测、每帧算一次并缓存在滑动窗口里，额外开销极小，也缓解了单帧 VLA 常见的动作抖动。成绩：LIBERO-Plus 90.4% 位列第一，在仅用公开数据预训练的 VLA 中于 RoboTwin Clean2Rand 表现最佳；在部分分布外基准上被参数量翻倍的模型超过。H100 上处理两个 256×256 相机输入的动作块耗时 21.8 毫秒。
值得关注：两项都值得记：一是「只用公开数据」也能打到这个水平，说明具身智能的数据壁垒没有想象中那么绝对，小团队不必先攒几万小时真机数据才能入场；二是 32 个 register token 这种极轻量的记忆机制，用近乎零成本的方式解决了 VLA 只看当前帧导致的抖动问题——这是典型的「架构上的一点巧劲换一档性能」，复现门槛低。21.8ms 的动作块延迟也意味着它已经落进实时控制回路的可接受区间。对做操作类机器人的团队，这是一个可以直接拿去微调的强基线。
