2026-10-02 · 编码性价比实测，具身硬件与跨本体突破

10/2 速览：GPT-6.1 Sol 实测约 $6.56 修 44 bug，性价比碾压 Astra/Opus 5.5；Google 把 Anthropic 的 Agent Skills 定为跨实验室标准、Cloudflare 开源毫秒级决策模型 Clef；Atlas 换 13 自由度灵巧手进现代工厂，CrossBFM 将跨本体训练压进 1 小时。

1. GPT-6.1 Sol 实测封神：约 $6.56 修 44 个 bug，性价比碾压旗舰

事件内容： 据 AGI Hunt（10/1）与网易（10/2）报道，开发者用 GPT-6.1 Sol 在真实任务上做压力测试：两个仓库、105 个埋点 bug，在 max 档仅花 $6.56 修好 44 个，对比 GPT-6 Astra 修 45 个花 $33、Claude Opus 5.5 修 41.7 个花 $58.53；另有 CodexPlus 用户实测连续使用近 2 小时仅消耗 5 小时额度窗口的不到 15%、周配额（约 1036 万 token）仅用 8%。GPT-6.1 Sol 为 OpenAI 9/29 DevDay 推出的中档模型，API 定价 $2/$10 每百万 token（缓存输入 $0.1），约为 Astra 标准价的 1/5；DeepSWE v1.1 上以更低推理档追平 Astra，较上一代 GPT-6 Sol 提升 6.4 个百分点。

值得关注： 这是 DevDay「廉价 Sol 档」首个来自真实工程的独立成本/质量验证——把「编码智能体下半场看性价比」从口号变成可复现数字：同等修 bug 量，成本仅为旗舰的 1/5~1/9。它呼应 9/23 OpenAI/Anthropic 的编码价格战，也坐实「多数 token 花在代码本身而非规划/审查」的 TCO 真相（9/20 ProgramDistill、9/25）。提示：样本小，且 Astra 在 Terminal-Bench Science 等最难任务仍领先，Sol 适合性价比优先的常规开发，极限科研待补。

2. Google 把 Anthropic 的 Agent Skills 定为跨实验室标准（SKILL.md）

事件内容： 据 AI Digest（Agentic Coding MOC，10/1）梳理，Google 正逐步淘汰自家的 Gems，转向 Anthropic 于 2025-12 在 agentskills.io 开源的 Agent Skills 规范：消费者 Gems 11/2026 退役、Workspace 3/2027、Edu 6/2027，现有 Gems 自动转为 Skills；规范接受 docs/PDF/图片、以 / 调用并支持链式组合。至此 SKILL.md 已被 Anthropic、OpenAI（Codex CLI）、Microsoft Agent Framework、Cursor、GitHub Copilot、Google 采用，Atlassian、Figma 居生态边缘——成为事实上的跨实验室可复用指令格式。同日 Claude Code v2.1.286、Beads v1.3.1、OpenSpec v1.14.0 同步发版，后者一次性接入 10 个新编码工具集成。

值得关注： 这是「指令/技能格式」从三家并行专有的割据，收敛到 Anthropic 起源的开放标准——开发者写的 skill 可在多模型、多工具链间复用，直接降低 agent 工作流的迁移与维护成本。它和 9/22 Jev/Decisions API 的「决策模型」、9/12 Agents API 的「编排原语」共同构成 coding agent 的「标准栈」：可复用指令（SKILL.md）+ 编排（Agents API/MCP）+ 决策（Jev/Clef）。注意：收敛到单一厂商起源标准也带来生态锁定隐忧，第七家采纳者（xAI/DeepSeek/Meta）是否跟进值得观察。

3. Cloudflare 开源决策模型 Clef：毫秒级结构化判断

事件内容： 据 AI/TLDR（10/2）收录，Cloudflare 发布 Clef——一组开源权重的「决策模型」，输入问题与一组类型化提问（typed questions）的 schema，毫秒级返回带置信度的结构化决策/分类，而非生成自由文本。它延续了 9/22 TypeSafe 的 Jev、9/30 OpenAI 基于 GPT-6 Luna 的 Decisions API 所开启的「System One 决策模型」范式：把 agent 的「判断」从大模型的文本生成中剥离，做成低延迟、可校验的原子能力。

值得关注： 决策模型正快速从单点实验（Jev）走向「开源 + 大厂基础设施」——Cloudflare 将其开放权重并嵌入自身边缘网络，意味着 agent 的「判断环节」可下沉到毫秒级、可自托管。对 coding/agent 的意义是：复杂分支选择、路由、分类不再需每次调用昂贵旗舰 LLM，TCO 与延迟同步下降，且输出结构化更易于校验与治理（呼应 9/23 工信部「可靠 AI」评测体系）。注意：具体延迟与准确率以 Cloudflare 官方基准为准，生态成熟度待验证。

4. Boston Dynamics Atlas 换装 13 自由度灵巧手，落地现代工厂制造

事件内容： 据 Machine Dawn / Humanoids Daily（10/1）报道，Boston Dynamics 为 Atlas 发布全新灵巧手：自由度由 7 升至 13，采用直接驱动（direct actuation）与触觉传感，并面向仿真到真实（sim-to-real）强化学习设计，高保真仿真可直接驱动训练；同时 Atlas 已在汽车制造工厂（RMAC）执行装配与物料搬运任务，标志其从病毒式演示迈向工业产线，现代（Hyundai）正准备将其整合进汽车制造。注：Atlas 进现代工厂物流排序最早于 9/23 收录，本次为「新硬件手 + 制造/装配任务」的全新里程碑。

值得关注： 这是具身「硬件成熟度」与「真实部署」双线并进的标杆：13-DOF + 触觉 + 直驱 + 仿真友好的设计，直指「可量产、可训练、可维护」的工业人形要求；而进厂做装配（非仅搬运/排序）则把具身价值从「能走能搬」推进到「能精细操作」。它和 9/26 车企具身、9/30 全国产电子架构形成对照：西方走「硬件+供应链成熟」路线，国内走「架构自主+量产爬坡」路线。提示：仍属早期部署，规模化产线数据待积累。

5. CrossBFM 跨本体行为基础模型：训练从数百 GPU 小时压进 1 小时

事件内容： 据 Machine Dawn（10/1，arXiv）报道，研究者提出 CrossBFM，用跨本体（cross-embodiment）动作重定位（retargeting）蒸馏不同人形机器人之间的共享隐空间行为表征，把行为基础模型的训练时间从数百 GPU-小时压缩到 1 小时以内，并支持策略在机器人之间迁移。它解决的关键瓶颈是：过去每个机器人需单独训练、且各自 latent 空间不兼容，无法复用。

值得关注： 「跨本体复用」是具身 scaling law 的核心难题——如果每换一种身体就要重训，数据与方法都无法复利。CrossBFM 把训练从「数百 GPU-小时」降到「<1 小时」并支持策略迁移，若可复现，将大幅降低新本体接入成本，呼应 9/15 Real2Sim2Real「一套模型跨四种本体」、9/12 宇树/蚂蚁「一脑多机」的范式方向。它把具身从「单本体专用」推向「基础模型 + 快速适配」，是规模化部署的前置条件。注意：结果为论文口径，跨品牌迁移的泛化边界待更多本体验证。