2026-10-07 · 评审基准与开放权重上线，具身大脑进危险作业

今日 AI coding 与具身智能双线并进：GitHub 推 ReviewBench 代码评审基准、Reflection 发 501B 开放权重模型、Anthropic 用 Claude Mythos 挖出 12.9 万漏洞；达摩院 RynnBrain 具身大脑开源登顶 16 项榜单，Minerva 危险作业人形获千万美元融资。

1. GitHub 发布 ReviewBench：AI 代码评审终于有了可横向比较的硬基准

事件内容： GitHub 于 10/5–6 推出 ReviewBench（研究预览），一个离线 AI 代码评审基准：含 219 个 PR、来自 187 个开源仓库、19 种语言，抽样匹配 1.039 亿 GitHub PR 的真实分布；金标准由人类评审 + 多个前沿 LLM + 静态分析合成，Claude Sonnet 5 任裁判，高级工程师独立重标，对其标签认同度达 96.6%。排行榜（grounded recall）：Copilot Code Review 26.0% > Devin 23.8% > Qodo 22.1% > Codex GPT-5.6 Sol Ultra 19.9% > Cursor 9.6%。数据集、裁判 prompt 与 runner 以 MIT 协议开源。

值得关注： 这把「AI 代码评审」从各家自说自话，变成了可量化横向对比的硬指标，也首次给出「评审能力是新瓶颈」的实证。Cursor 垫底、Copilot 居首的反差说明：当「会写代码」趋于同质，评审/验收能力正成为 coding agent 差异化的新战场，基准本身也会反过来牵引产品迭代。

2. Reflection AI 发布 Beam：501B 开放权重模型主打 coding 与 agentic

事件内容： Reflection AI 于 10/5 发布首个开放权重模型 Beam：总参数 5010 亿、激活 230 亿，面向 coding、推理与 agentic 工作负载；权重计划本月底放出，发布当天在 Hacker News 收获 347 分。同期 Mistral 于 10/6 放出 Mistral Large 4 开放权重预览（1.05T MoE、1M 上下文、DeepSWE 61.7%、Cybench 93%）。

值得关注： 开放权重阵营一周内连下两城，把「开放权重 + 长上下文 + 编码/agentic」推成明确赛道。对闭源 coding 模型形成成本与可控性的双重压力，也意味着团队可自托管一个兼具推理与编码能力的底座，减少对单一云厂商的依赖。

3. Anthropic 推 CVP / Glasswing：用最强 Claude Mythos 挖出 12.9 万漏洞

事件内容： Anthropic 于 10/7 公布 CyberVerificationProgram（CVP），整合此前的 Glasswing 计划——为关键软件防护机构开放其最强网络安全模型 Claude Mythos 的使用权限。4–7 月合作方已核实漏洞 ≥129,000 个，Anthropic 自身开源扫描又额外发现 5,500 个，其中 33,000+ 评为严重或高危。CVP 分防御、红队、专项三层，专项层可测电网、航空、银行跨行转账等关键系统，并由 Anthropic 与美国政府共审资质。

值得关注： Claude 的角色从「写代码」延伸到「找漏洞、护关键基础设施」，把 agent 安全叙事从「防御护栏」推进到「主动攻防 + 国家关键基础设施」层级。同时提示：最强模型的能力开放必然伴随严格的资质审核与管控分层，安全与能力释放需同步设计。

4. 达摩院 RynnBrain：具身大脑开源，时空记忆 + 空间推理登顶 16 榜

事件内容： 达摩院发布具身智能大脑基础模型 RynnBrain，并一次性开源包含 30B MoE 在内的 7 个全系列模型。RynnBrain 首次让机器人具备「时空记忆」与「空间推理」能力，在 16 项具身开源评测榜单刷新 SOTA，超越 Google Gemini Robotics ER 1.5 等顶尖模型。

值得关注： 国产具身「大脑」从单点技能迈向「时空记忆 + 空间推理」的基础模型范式，且全系列开源，等于给开发者一个可直接调用的具身底座。16 项榜单 SOTA 标志中国团队在具身 VLA / 世界模型赛道进入第一梯队，也降低了中小企业进入具身研发的门槛。

5. Minerva Humanoids 走出 stealth：危险作业人形获千万美元融资

事件内容： Minerva Humanoids 于 10/6 走出 stealth，获 General Catalyst 领投约 1000 万美元 pre-seed；专为海上/陆上油气、公共安全等最危险作业打造半自主人形 Roger，专家戴 VR 远程操作、身体留在安全区。创始团队来自 MIT CSAIL、Tesla Optimus、Boston Dynamics；硬件在德美制造，刻意构建西方主权供应链、避开单一中国来源。

值得关注： 资本继续押注「危险作业」这一具身落地最快的垂直场景，且路线务实——专用场景 + 远程操作，与同日 FieldAI「通用大脑」的宏大叙事形成对照，是观察具身商业化路径分化的样本。强调西方主权供应链，也反映地缘因素正深度进入机器人硬件布局。