肆七小站肆七小站
#ai

2026-08-03 · Copilot 换脑，Karpathy 撞验证墙，机器人看视频学活

2026年8月3日阅读时长约 1 分钟

Karpathy 用 100 万 token、10 美元、2 小时让 Opus 5 造出 5,500 行代码的中土世界，却因模型无法验证自身输出而卡壳，与 MIT Sloan“三分之二财富差距源自提问措辞”共同指向“提问与验收比模型更关键”；GitHub Copilot 本月默认模型换成微软自研 Polaris 并剪断 OpenAI 依赖，Workspace 同步 GA；OpenRouter 周调用量前五全被中国模型包揽，北京把“驾驭层工程”写进全国首部省级智能体政策。具身侧银河通用 WAM-TTT 让机器人看手机视频即可学新技能，T-Rex 用独立触觉控制环把接触密集任务成功率从 35% 拉到 65%。

1. Karpathy 用 100 万 token 造了个中土世界，然后卡在了“它自己看不懂自己做了什么”

  • 事件内容：
    • 实验本身：8 月 3 日，Andrej Karpathy 把《指环王》开头的一段文字连同 100 万 token 的预算一起交给 Opus 5，要求它用 Three.js 渲染出这个世界。结果：约 2 小时、5,500 行代码、总成本约 10 美元，产出一个能跑起来的三维世界，里面有多个程序化放置并带动画的多边形资产。
    • 失败的地方不在生成，在验收：模型无法验证自己的输出——它看不了自己生成的视频，也玩不了自己做的游戏，唯一的反馈通道是截图。而截图立刻暴露了多处错误与质量问题。换句话说，钱和 token 买到的是“更多的产出”，不是“更对的产出”。
    • 这已经是连续第三天指向同一件事：Claude Code 每日简报把 8/1、8/2、8/3 三天的观察归纳为一个不对称——生成能力随预算线性扩展，判断能力不随预算扩展。给出的可操作建议很具体：跑大 token 预算任务时，必须给 agent 配上可自动判定、且模型能自主观测的信号——测试、解析脚本、lint 与类型检查。不能自动观测的验收标准，等于没有验收标准。
    • 同一周还有一份实证补刀：MIT Sloan 8 月 2 日的研究让 1,000 名成年人各自写自己的 prompt，在 GPT-5.2 / GPT-5.6 / Gemini 3 Flash 上模拟 22 至 89 岁的财务决策。结果：女性与低金融素养用户到 60 岁时财富少约 5 万美元（4%），AI 使用经验较少者少约 10 万美元（6%）；最关键的一条是——性别差距中有三分之二来自提问的措辞，只有三分之一来自模型差异。
  • 值得关注原因：这两条放在一起，把“AI Coding 的产出质量到底由什么决定”回答得相当干脆：上游是提问，下游是验收，中间的模型反而是变量里最小的那个。团队里同样用 Claude Code、同样一份 CLAUDE.md，产出差距大到不像同一个工具，第一反应不该是换模型，而该是查 prompt 习惯和验收信号。这也正好接上昨天 Anthropic 那套做法——把“干活”和“验证”拆成两个不共享上下文的节点，本质就是给判断力单独开一条预算。Karpathy 的 10 美元实验之所以值得看，恰恰因为它失败得很干净：当 agent 唯一能看见的只有截图，它的天花板就是截图的分辨率。
  • 来源：Claude Code Daily Briefing 2026-08-03（Karpathy 百万 token 实验 / MIT Sloan 研究） · AI Daily Digest 2026-08-03

2. GitHub Copilot 换了心脏：Polaris 本月成默认模型，OpenAI 那根线被剪了，Workspace 同步 GA

  • 事件内容：
    • 模型换血正式生效：从本月（2026 年 8 月）起，所有 GitHub Copilot 订阅者的默认模型自动切换为 Project Polaris——微软自研的端到端代码混合专家（MoE）模型，独占运行在 Azure 内部的自研 Maia AI 加速器上，默认路径不再调用 OpenAI API。该计划在 Build 2026（6 月 2 日）宣布，Individual / Business / Enterprise 席位自动迁移，企业租户可选一个三个月回退窗口（至 11 月）。
    • 技术与商务细节：按语言/框架划分专家子模块，Rust、Haskell、Zig 等低资源语言收益最大；官方称 HumanEval 与 MBPP 超过 GPT-4 Turbo，但未披露 SWE-Bench 成绩。Pro / Pro+ 层级默认获得最多 10 万行的多文件上下文与自主测试生成。而账单侧：价格不变、不增加新 SKU——模型替换发生在既有合约之下。
    • Copilot Workspace 同日 GA：Autopilot 模式跨整个仓库推理、提议多文件编辑、跑测试、解读结果并迭代，作用范围由一个 GitHub issue 或功能描述界定；Fleet 模式并行跑多个 issue，专门对付依赖升级、代码风格迁移、许可证合规扫描。配套的桌面 App 被 GitHub 称为“agent-native 桌面体验”，“My Work” 面板把所有活跃 agent 摊在一个界面上——一个在修分支上的 bug，一个在实现 API，一个在回应 PR review。Autonomous Agent Mode 本月起面向 Enterprise 推送：Copilot 可以不经逐步确认地写、测、提交整个特性分支，人类只在最后的 review-and-merge 关口出现，且这一关强制保留。两种模式都跑在本地或 GitHub Actions 沙箱里。
    • GitHub 自己把赌注说得很直白：2027 年软件工程师的主要活动将是审查和批准 agent 完成的工作，而不是自己写。 独立评测者点出的未解风险只有一个但很致命：通过仓库上下文实施的 prompt injection，这是自主编码 agent 向生产分支提交代码时的首要已知攻击面。
  • 值得关注原因：8 月 1 日这还只是一则“下月替换”的公告，今天它变成了已经生效的默认值——这是全球最大的开发者分发面第一次不再跑在租来的模型上。三层影响值得分开看：商业上，每一次经 OpenAI API 的补全对微软都是自家产品上的按 token 过路费，在数百万开发者全天候补全的规模下这是结构性拖累，自研模型 + 自研芯片让微软同时优化两端，这是一个穿着产品发布外衣的毛利决策；竞争上，Claude Code 与 Cursor 面对的对手从“OpenAI 的分发渠道”变成了“微软自己的 agent 平台”；工程上，最该盯的不是跑分，而是那条未解的 prompt injection——当 Autonomous Agent Mode 可以无逐步确认地提交整个分支，仓库里任何一段可被模型读到的文本都成了潜在指令面。这与 8 月 2 日那条“入侵源于模型对环境的错误信念而非恶意”是同一个结构性问题。
  • 来源：AI Daily Digest 2026-08-03·Polaris Becomes Copilot's Default Model / Workspace GA · GitHub Blog · Copilot Workspace GA · Microsoft Build 2026 — Project Polaris

3. 中国侧同日三连：OpenRouter 调用量前五全被中国模型包揽，智谱重开 Coding Plan，北京把“驾驭层工程”写进了政策文本

  • 事件内容：
    • 调用量：全球多模型聚合平台 OpenRouter 最新一周大模型调用量榜单，前五名全部由中国企业研发。登顶的是小米 MiMo-V2.5，单周 10.5 万亿 Token，环比 +12%；DeepSeek 占据第二与第五，形成旗舰与轻量的高低搭配，其中 Pro 版在代码与复杂智能体任务上对标海外顶级闭源模型；最猛的是第三名——腾讯混元 3 于 7 月 6 日才开源，单周环比增幅超过 999%。
    • 供给侧：智谱宣布，随着基础设施扩容，此前因 AI Coding 需求爆发而阶段性限额的 GLM Coding Plan 重新开放订阅；同时披露已落地1GW 级国产 AI 算力数据中心，全部采用国产 AI 芯片。超聚变 AI Lab 平台上线 DeepSeek-V4-Flash-0731 正式版，可 PC 端在线体验。
    • 政策侧：8 月 3 日《人民日报》11 版刊发《北京推出措施加快智能体创新发展》，正式推广全国首部省级智能体专项政策《北京市关于加快智能体引领发展的若干措施》——4 个方面 10 条，关键技术攻关、共性平台与示范应用等重点项目择优给予最高 1 亿元资金支持。其中最值得开发者注意的是措辞：“强化智能体驾驭层共性技术攻关，支持实施驾驭层工程，围绕上下文工程优化、任务持久化、多智能体协作、系统可扩展等方向夯实智能体共性底座”，并提出打造**“灵玑”智能体基础设施**、建设高价值能力资源共享平台与智能体技能市场、支持研制 AI 原生超级软件与 AI 操作系统、推广 FDE（前沿部署工程师）驻场共创模式；产业侧单列支持以 OPC（AI 一人公司）为代表的创业新模式，提供一键填报、自动生成规范化公司章程等便利登记，并鼓励发展 Token 经济（Token 工厂、Token 券、智能体服务券）。发布会给出的底数：北京上半年 AI 领域融资超 950 亿元、占全国比重超三成；豆包月活突破 3.82 亿，日均 Token 调用量突破 180 万亿。
  • 值得关注原因：这三件事拼起来是一条完整链路——国产算力（1GW 全国产芯片）→ 模型供给（GLM Coding Plan 解除限额、V4-Flash 正式版）→ 真实调用量（OpenRouter 前五全中国、单周 10.5 万亿 token）→ 政策承接（省级专项 + 最高 1 亿）。两个细节尤其值得记下：其一，智谱限额的原因是“AI Coding 需求爆发”——这是一条被具体产能约束佐证的需求信号，比任何榜单都硬；其二，“驾驭层工程”这个词几乎就是把 harness / context engineering 直接写进了政府文件，而上下文工程优化、任务持久化、多智能体协作四个方向，正好对应本周被反复验证的三条结论：上下文比模型更值得投资、判断力必须单独建节点、多 Agent 是取舍不是升级。政策文本罕见地和一线工程共识对上了频。至于 OPC（一人公司）——当政策开始为“一个人 + 一群 agent”这种组织形态设计注册流程和孵化服务，说明它已经不只是硅谷推特上的段子。
  • 来源：极新早报 2026-08-03（OpenRouter 榜单 / 智谱 GLM Coding Plan / 超聚变上线 V4-Flash） · 人民日报 2026-08-03 11版·北京推出措施加快智能体创新发展 · 北京市政府·加快智能体引领发展若干措施全文 · 央广网·北京出台智能体专项政策 最高支持1亿元

4. 具身智能的部署成本被拆掉一半：银河通用 WAM-TTT 让机器人“看手机拍的视频”就能学新活

  • 事件内容：
    • 卡了整个行业的那道坎：机器人在实验室表现优异，一进真实场景就“失灵”。银河通用联合创始人张直政的比喻很到位——“厨师在学校学会了做菜，换到不同餐厅、不同家庭，锅具全换了，还能不能炒出同样水平的菜？”过去的解法是重新采集数据、重新训练模型，部署周期长、成本高，这正是人形机器人规模化部署最大的瓶颈。
    • 新框架：银河通用近期发布 WAM-TTT（World Action Model Test-Time Training），称为全球首个面向具身智能世界模型的测试时后训练框架，首次实现机器人在部署阶段持续学习、持续适应。效果是：机器人只需“观看”少量人类操作视频，就能把已掌握的技能迁移到全新场景，不需要机器人本体数据，也不需要任何动作标注——普通人用手机拍一段示范，就能“教会”机器人。
    • 底座：全栈自研的 “银河星脑”AstraBrain 是全球首个统一“大脑-小脑-神经控制”的端到端具身大模型；AstraBrain WAM 0.5（世界-动作模型）全球首次在统一隐空间中打通 VLA 与世界模型两条曾被视为对立的路线，从而能同时吸收带动作标签的遥操数据与无标注的互联网视频；通用小脑 AstraBrain-WBC 0.5 基于2 万小时人类动捕数据训练，并在真机上实现大量未见动作的零样本泛化。
    • 已经在产线上跑的成绩：Galbot S1 双臂 50 公斤级重载、纯视觉柔性定位（不依赖二维码或反光板）、360° 全向避障。自今年 3 月在宁德时代宁德 HX 基地完成验收至今，已在量产线上 7×24 小时连续工作超过 3 个月，全程零遥操、全自主，承担模组与电池包环节物料转运——全球首次实现人形机器人在新能源智能制造产线的“常态化自主作业”。搬起 50 公斤料箱到卸货复位，全程不到 30 秒。此外已进入博世、西门子、丰田、现代、北汽、上汽、极氪、长城等真实产线；宁德时代旗下宁家服务成为其全球服务供应商，把覆盖 80 多国、1,300 余家的服务网点升级为具身智能机器人服务网络，确立全球首个具身智能后市场服务标准。零售侧，Galbot G1“迎宾小盖”已在中关村鼎好 DH3 大厦的全家便利店上岗。世界人形机器人运动会即将开幕，银河通用将参加包括场景赛在内的多项赛事。
  • 值得关注原因：昨天 CRAIC 全尺寸赛“首次全程取消遥操”暴露的是能力差距，今天这条给的是成本解法，两者是同一个问题的两面。要害在于 WAM-TTT 把学习从“训练时”挪到了“部署时”——过去每进一个新场景就要重来一轮数采与训练，现在把适应过程放进现场，用一段人类视频完成。如果这条路成立，具身智能最贵的那笔账（真机遥操采数据）会被结构性压缩，这与昨天“无本体数据采集技术开始降本”指向完全一致。另外三点值得单独记：其一，纯视觉、不改产线——“工厂不再需要为了迁就机器去改造产线”，这是能不能算得过账的分水岭；其二，宁德时代是全球唯一给出具身智能“入场券”的动力电池巨头，而且是直接投资方，它的验收标准本身就是一次高压筛选；其三，张直政留下的问题才是真正的下一关——“同一套模型部署到上万台机器人，每台设备存在加工公差、长期磨损带来的硬件差异，如何用技术抹平这些差距”。这句话的分量，比任何一场演示都重。
  • 来源：北京日报·【机器人发展看北京】具身智能“学会”全身协同（WAM-TTT 首发） · 北京日报客户端·告别“机械执行”，北京具身智能迈入全身协同新范式（2026-08-03） · 新京报·全球首次，银河通用在宁德时代实现常态化自主作业 · 甲子光年·机器人“真干活”，为什么宁德时代选择了银河通用

5. 战场转向手指尖：T-Rex 把触觉做成独立控制环，同日两家“数据+灵巧手”公司各拿 1 亿

  • 事件内容：
    • 论文（T-Rex，arXiv:2606.17055）：UC Berkeley、Stanford、NVIDIA 联合出品，作者含李飞飞、Jim Fan、Yuke Zhu。最反直觉的发现是负向结果——把触觉朴素地接进 π0.5 VLA，性能反而下降。原因是时序错配：视觉是低频信号，而触觉每秒要做数百次微调，naive 融合等于让快信号被慢信号拖住。
    • 解法：把触摸当作一条独立的控制环。数据上采集了 100 小时“触觉百科”，覆盖 200 多种日常物体、22 种接触原语，使用两只高精度手；表示上用时空触觉 VQ-VAE 把触觉压成数百个离散 token；架构上用 Mixture-of-Transformers 组织三个异步专家（latent / action / tactile），各跑各的频率。训练路径是人类第一人称视频先验 + 100 小时触觉中训。
    • 结果：12 个接触密集型任务平均成功率 65%，基线 EgoScale 仅 35%；翻书任务 96%；在鸡蛋、杯子卸载这类易碎/易滑场景表现尤其突出。
    • 同日两笔融资，方向高度一致：LiberAI（将闲科技）完成 1 亿元 Pre-A+ 轮，投资方包括三六零、国开金融、创新工场、CMC 资本、彬复资本、红杉中国等——聚焦 Physical AI，做原生多模态预训练与世界模型，用世界模型控制自研的 20 自由度灵巧手，构建“互联网人类视频 + 自研数据手套 + 真机数据”三层数据金字塔，其自研人类数据手套已解决精度、穿戴舒适性、抗电磁干扰三大难题并进入量产采集阶段。同日，昆腾动力完成 1 亿元种子轮（云启资本、商汤科技），做面向全行业的 Physical AI 底层平台。
  • 值得关注原因：这三件事指向同一句判断——本体已经不是瓶颈了，触觉带宽和数据供给才是。T-Rex 那个负向结果尤其值得单拎出来：“加一个模态”从来不等于“能力增强”，频率不匹配的融合是净损失——这和 8 月 2 日《Nature Machine Intelligence》“多 Agent 不是升级、是有边界的取舍”完全同构，两条独立研究在两个领域给出了同一条工程纪律：新增组件必须先回答它以什么频率、在哪条回路里工作，否则先减后加。 而 65% vs 35% 的差距，说明触觉一旦被正确接入，收益是量级性的——尤其是在鸡蛋、杯子这类“视觉根本看不出该用多大力”的场景，这正是所有家庭与零售场景的日常。资本侧同样在投这条判断：LiberAI 的三层数据金字塔（互联网视频→数据手套→真机）与银河通用的 WAM-TTT、与昨天浙江清华柔电院的“无本体数据采集”，本质是同一个解法的三种版本——用尽可能便宜的人类数据，替换尽可能贵的真机遥操数据。数据手套进入量产采集，是这条路径从论文走向供应链的信号。
  • 来源：AI Daily Digest 2026-08-03·T-Rex Gives Robot Hands Real-Time Tactile Intelligence（arXiv:2606.17055） · 极新早报 2026-08-03·LiberAI 1 亿元 Pre-A+ / 昆腾动力 1 亿元种子轮 · 国金证券·具身智能产业迈入催化密集期（2026-08-03）

今日观察

  • AI Coding：今天的三条构成“能力—分发—供给”三层。条目 1 是能力的真实天花板——Karpathy 花 10 美元、2 小时、100 万 token 换来 5,500 行代码和一个跑得起来的中土世界，却卡在模型看不懂自己的产出；配合 MIT Sloan 那组“性别财富差距三分之二来自提问措辞”的数据，结论是上游的提问和下游的验收，比中间的模型更决定产出质量。条目 2 是分发面的易主——Project Polaris 本月起成为 Copilot 默认模型，微软自研模型跑在自研 Maia 芯片上，OpenAI 那根线被剪断；Workspace 同步 GA，Autonomous Agent Mode 进企业，GitHub 明说赌的是“2027 年工程师主要在 review agent 的活”，唯一未解的是仓库上下文 prompt injection。条目 3 是中国侧的完整链路——OpenRouter 周调用量前五全部中国模型（小米 MiMo-V2.5 单周 10.5 万亿 token 登顶、混元 3 环比 +999%），智谱因“AI Coding 需求爆发”限额后扩容重开订阅并落地 1GW 全国产芯片数据中心，北京把“驾驭层工程”（上下文工程优化/任务持久化/多智能体协作/系统可扩展）写进全国首部省级智能体政策，最高支持 1 亿元。三条并读：模型正在变成最不稀缺的那一环，稀缺的是提问质量、验收信号、分发入口和算力底座。
  • 具身智能：两条都在打成本。条目 4 是部署成本——银河通用 WAM-TTT 把学习从训练时挪到部署时，机器人只看少量人类视频即可迁移技能，不要本体数据、不要动作标注，手机拍一段就能教；背后是 Galbot S1 在宁德时代产线 7×24 零遥操跑满 3 个月这个已被验证的底子。条目 5 是数据成本与感知带宽——T-Rex 用 100 小时触觉数据把 12 个接触密集任务从 35% 拉到 65%，同时给出一条硬纪律：朴素融合触觉反而降级，频率不匹配就是净损失；LiberAI 与昆腾动力同日各拿 1 亿，赌的都是“用便宜的人类数据替换昂贵的真机遥操数据”。昨天的 CRAIC 取消遥操暴露了能力差距，今天这两条给的是把差距填上的两条路：把适应搬到现场，把数据换成人类的。
返回首页