2026-10-24 · 开源权重双发编码，具身拼平台与数据
2026-10-24 · 开源权重双发编码，具身拼平台与数据
10/24：Kimi K3.1 Pro 终端编码 65.7% 紧追 Opus 5.5，MiniMax M3.1 Flash 开源 4280 亿权重、72 小时处理超百万亿 Token，开源模型首度与闭源旗舰同台；阿里云称 95% 新代码由 Agent 生成。具身侧，英伟达推预装 GR00T 1.7 的参考机型，集成周期从数周压到数天；上海具身技能大赛 800 余队开赛，命题方直言瓶颈在真实数据。
1. 月之暗面 Kimi K3.1 Pro：开源权重在终端编码赛道首次站上闭源旗舰身位
事件内容： 10 月 23 日，月之暗面在官方博客发布 Kimi K3.1 Pro，为 K3.1 系列首款模型，10 月 24 日经深潮 TechFlow、金十数据、Unite.AI 等扩散。模型定位为「迄今最强的 3T 级开源权重模型」，上下文窗口 100 万 Token，本质是 K3 的后训练版本，使用了大幅扩大的后训练算力，并对 RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度与环境质检平台逐层优化，以支撑覆盖数百个下游领域的大规模联合强化学习。同步发布的还有 K3.1 Pro Highspeed，官方称速度提升 2 到 3 倍、模型能力相同。编码能力是官方成绩单的主项：在 Terminal-Bench 4.0（资源受限真实终端环境下的编码智能体测试）上得 65.7%，高于 GPT-6 Astra 的 58.2%、仅落后 Claude Opus 5.5 的 66.4%；在内部基准 Kimi Code Bench 3.0 长程任务上得 61.2%，高于 K3 的 55.95%。其他维度：BenchCAD（多视角渲染经 CAD 代码生成做三维重建）带工具 92.7%，逼近 Opus 5.5 的 96.2% 与 Astra 的 95.9%，配套的 3D Make 已在 kimi.ai 与 App 上线，可在线预览编辑三维模型并导出打印；OfficeQA Pro v2（真实财务文档上的复杂数值推理）64.4 分，官方称为 SOTA；金融建模 +7.2 分、金融研究 +11.6 分、企业运营约为 K3 的 4.2 倍；Kimi Hallu Bench Hard 上断言级幻觉率从 K3 的 23.4% 降至 8.3%，含至少一处事实错误的响应比例降至前代的 42.4%。官方还给出一个内部长程编码测试样本：模型在开源人体解剖模型 human-atlas（296 个骨骼部件、402 个肌肉部件）之上构建人体行走动力学仿真器，跨越 167 个任务、420 次独立评审反复迭代优化行走控制器。分发上，模型已上线 Kimi.ai、Kimi 移动端（iOS/Android/HarmonyOS）、Kimi Work 桌面端 3.1.0+、Kimi Code（/model 切换）与 API（kimi-k3.1-pro、kimi-k3.1-pro-highspeed，API 客户可选零数据留存），企业版默认关闭需管理员开启；完整权重承诺在 11 月 4 日前开放。值得注意的是官方主动做了「安全减法」：从中训练与 RL 数据中移除网络攻防相关内容，内部 xdev-bench-hard（漏洞发现与利用）最终得分 81.0%，低于未做数据移除的检查点 90.5%，也低于已公开三个月以上的前沿闭源模型；官方表述的原则是开源权重不应把攻击性网络能力的前沿往前推，同时保留防御用途的通用价值。
值得关注： 三层含义。其一，终端编码正在成为开源权重的必争赛道，且门槛被实质抬高。Terminal-Bench 4.0 考察的是资源受限真实终端里的完整任务，比 SWE-bench 一类的补丁生成更接近编码智能体的实际工作形态；开源权重第一次在这类基准上以不到 1 分差距贴住 Opus 5.5 并反超 Astra——本系列 10/19 收录的 Nemotron 3.5 Bolt 是 50.98%、10/22 收录的 Recursive Flint 是 54.9%，本次把开源/本地档位推到 65.7%，「闭源旗舰即编码能力上限」的假设已经松动。其二，「安全减法」是一个可复制、也可被检验的开源治理样本：主动删数据、自曝掉 9.5 分，把「开放到什么程度」从口号变成可量化的取舍；但它同时意味着公开权重并非完整能力快照，社区微调可能把这段补回来，这条边界值不值得守、守得住守不住，是接下来所有开源权重厂商都要回答的问题。其三，待观察的具体变量有三个：11 月 4 日前权重放出的许可条款与量化版本（决定能否复制 DeepSeek 式的开源时刻）、Highspeed 的真实定价与延迟—质量权衡、以及终端编码这条赛道上谁跟进。需要打折的部分：Terminal-Bench 4.0 是公开基准，但 Kimi Code Bench 3.0、BenchCAD 带工具与幻觉基准多为自报且部分是内部基准；65.7 与 66.4 的差距在噪声量级内，不宜读作超越；「安全减法」只针对网络攻防这一个域，不构成整体安全评估。
2. MiniMax M3.1 Flash 开源权重：4280 亿参数上线 72 小时处理超百万亿 Token，芯片生态首日接入
事件内容： 10 月 23 日，MiniMax（稀宇科技）开源 M3.1 Flash 模型权重，开发者可通过 Hugging Face 与 ModelScope 下载并在自有服务器部署；该模型已于 10 月 19 日先行通过 API、M Plan 与 MiniMax Code 提供服务，10 月 24 日经网易/云头条、36 氪/智东西扩散。模型总参数 4280 亿、采用 MoE 架构、每 Token 激活约 230 亿参数，支持文本、图像与视频输入，最大上下文窗口 100 万 Token，重点提升智能体、编程、计算机操作与网络安全能力。官方评测：软件工程 DeepSWE v1.1 得 73.7%（接近 Claude Opus 5 的 74.0%，但单任务平均成本明显更低）；计算机操作 OSWorld V2 得 61.7、复杂智能体评测 Agents' Last Exam 得 29.6，MiniMax 称这两项均居中国模型首位；网络安全 CyberGym 得 82.2；金融工具调用 BankerToolBench 得 76.2；跨应用业务流程 Automation-Bench 得 62.8%，高于 DeepSeek-V4.1-Flash-1017 的 60.5%。效率侧披露了三项关键技术：全模型（全部注意力层）稀疏注意力 MiniMax Sparse Attention、量化感知训练（QAT）、功耗感知调度，并结合 DSpark 推测解码；官方数据为线上推理速度提升至上一代的近 3 倍、智能体任务综合使用成本下降约 70%、日常场景输出超过每秒 200 Token、P50 中位速度超过每秒 170 Token。定价为每百万输入 Token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元。生态侧，昆仑芯宣布完成 Day 0 适配，英伟达 NeMo 团队提供微调支持，vLLM 与 SGLang 支持推理，Together AI 已上线供调用；MiniMax 称正与华为昇腾、平头哥、AMD 等芯片厂商及 Fireworks 等平台推进首日接入，智源 FlagOS 也将参与适配。采用度方面，官方称自 10 月 19 日上线后 72 小时内已为真实用户处理超过 100 万亿 Token。另一个背景是身份揭晓：M3.1 Flash 的早期版本正是此前在开发者社区引发关注的匿名模型「太空兔」（Space Bunny），据 OpenRouter 于 10 月 19 日披露，该匿名模型曾连续 10 天位居平台模型使用量榜首、累计处理 56.7 万亿 Token，创下该平台匿名模型的 Token 处理量纪录。
值得关注： 与第 1 条合起来看，当天是开源权重的「双发日」——Kimi 打上限、MiniMax 打成本与吞吐，两家都把权重交出去。这是 10/21 DeepSeek 开源 DeepInfer 生产推理栈之后的同向动作，说明「开源智能」的边界正从模型权重一路外扩到推理栈、工具链与芯片适配层，构成一个完整的替代栈，而不只是单个可下载文件。工程侧真正可迁移的是效率三件套：稀疏注意力铺到全部注意力层、量化感知训练、功耗感知调度，这套组合把「便宜且快」做成了可部署属性（P50 >170 tok/s、成本降 70%），而不是靠蒸馏把能力砍掉换速度——这一点对自建推理的团队比榜单名次更有参考价值。OSWorld V2 与 Agents' Last Exam 两项拿到中国模型首位，说明低单价模型的 agentic 可用性已越过可用线，编码智能体的成本结构会继续下移。「72 小时处理超 100 万亿 Token」是少见的真实负载披露，比任何 benchmark 都更能说明采用度，也侧面印证了本系列 10/21 记录的「智能饱和」论断：竞争变量正从智能领先转向速度与成本。需要打折的部分：DeepSWE、OSWorld V2、CyberGym 等均为厂商自测口径；「中国模型首位」是限定在国内的排序；权重虽已开源但检索结果未明确商用许可边界；本条与 10/21 已收录的 M3.1 Flash 发布属同一模型，本次以权重开源与生态接入为新事件切入，非重复计数。
3. 阿里云：基础软件 95% 新代码由 Agent 生成，龙蜥以 Agent 驱动操作系统全生命周期
事件内容： 10 月，GOSIM AI Vision Forum 在珠海举行，首场圆桌主题为「Roots: Open Source Holding Ground in the Agentic Era」（根系：智能体时代，开源如何守住阵地），由 LF AI & Data 生成式 AI Commons 联合主席主持；龙蜥社区理事长、阿里云基础软件负责人马涛受邀出席，与 Rust 基金会、OpenUK、OpenCV、北京智源人工智能研究院等机构负责人同台，围绕智能体时代开源社区的治理与协作变革展开讨论，10 月 23 日经 IT 之家报道。圆桌最硬的一组数据是：在阿里云基础软件团队，95% 的新代码已由 Agent 生成。马涛介绍的两条工作主线：其一，打造面向智能体的操作系统底座——操作系统不再只是资源管理底座，而要成为连接算力、模型、工具和应用的智能体基础设施；2026 云栖大会数据显示，阿里云 Agentic OS 可节省 Token 消耗 30% 以上、沙箱部署密度提升 3 倍，并针对智能体负载特征（短生命周期沙箱、高频进程创建）做系统级优化。其二，以智能体原生（Agentic Native）方式开发龙蜥操作系统 Anolis OS 27——软件包与补丁选型、代码评审、补丁回溯等环节分别由不同智能体承担，目标是让操作系统研发、维护、运行与治理的全生命周期进化提速一个数量级。龙蜥社区的 ANOLISA 被定位为「每一个 Agent 的运行底座」，呼应「操作系统的用户主体从人转向智能体」这一判断。马涛同时直言：未来 Agent 或可独立构建一套完整的操作系统，这个趋势迟早会到来，必须正视。圆桌的另一半议题是治理：过去三十年开源依靠开放治理与人的协作成为企业级软件基石，而随着 AI 开始提交和评审代码，贡献者结构正在改变，治理与信任机制需要重新调整。同期语境还包括 GOSIM Shenzhen 2026（10 月 17 日）：Ruby on Rails 与 Omarchy 创始人 DHH 介绍面向智能体的 Linux 发行版 Omarchy（「Oma/主厨之选」默认配置、9 秒装好一台机器、崩溃日志结合 AI 诊断、一个 Agent 实现+两个 Agent 审查的评审机制）；CSDN 创始人蒋涛提出「硅基时间」——代码从资产变成耗材、开发者核心能力转向定义任务与调度智能体舰队、开源的交换物从源代码升级为模型权重、数据、Skill 化的专家经验、评测以及可被 Agent 修改的源码。
值得关注： 95% 这个数字的稀缺性在于它的出处——不是问卷、不是实验室对照，而是一个大型基础软件团队的自报渗透率。本系列 10/10 收录的哈佛实证（Jellyfish 3 亿事件/70 万员工/700+ 公司）给出的图景要克制得多：AI 编程智能体令代码行数 +30%、PR +23%，但评审耗时 +49%、软件交付完成率无显著变化。两者并不矛盾，反而指向同一件事：代码生成端的渗透率已经接近饱和，收益兑现卡在下游的评审与交付环节。所以真正值得记的不是「效率提升」，而是生产关系的改变——操作系统这类对正确性要求最高的软件，把补丁选型与回溯都交给智能体，意味着评审、可追溯与责任归属体系必须重建，圆桌把「治理与信任机制」列为核心议题正是出于此。对做编码基础设施的团队，两个可抄的点：其一，「为智能体负载优化操作系统」是真实存在的优化空间（省 Token 30%、沙箱密度 3 倍，针对短生命周期沙箱与高频进程创建），这与本系列 10/23 收录的谷歌 Agent Compute Engine（microVM 快照暂停恢复、copy-on-write 共享内存）属同一方向的两个层级——一个改运行时，一个改操作系统；其二，把生命周期拆成多个专职智能体（选型 / 评审 / 回溯各一个）而不是一个通用智能体，是当前更容易稳定落地的组织方式，与 10/23 收录的 Claude Code 评审流水线（6–7 层关卡 + 风险分级人工审批）在方法论上是一致的。保留意见：95% 为马涛单方披露、无第三方核验，且「新代码」的口径（是否包含测试、配置、模板代码）未说明；GOSIM 圆桌为厂商主场，数字带有宣传属性；「提速一个数量级」是目标而非已达成；DHH 与蒋涛的表述属观点而非实证。
4. 英伟达推首款人形参考机型 Agile ONE SN：预装 GR00T 1.7，集成周期从数周压到数天
事件内容： 10 月 21 日在 GTC 柏林，英伟达与慕尼黑的 Agile Robots 联合发布 Agile ONE SN，10 月 22–23 日经 TechRepublic、theaiinsider、NVIDIA 新闻室、BT 财经等扩散。硬件：采用 Agile ONE S 本体，身高 1.40 米、31 个身体自由度、单臂负载最高 3 公斤、关节扭矩最高 140 N·m；双手为 WUJI Hand 2 五指灵巧手，各 20 个自由度，提供 1kHz 力控与触觉感知，全身合计 71 个自由度。算力为 NVIDIA Jetson Thor，标称 2070 FP4 TFLOPS、128GB 统一内存，另配 Intel i3 N305 基础计算模块。传感包括头部 RGB-D 相机、腕部相机、腰部 3D 激光雷达与 IMU。软件侧出厂预配置 Isaac GR00T，包含开源的 GR00T 1.7 视觉—语言—动作模型与全身控制，并提供 URDF/USD 资产可直接载入 Isaac Sim 与 Isaac Lab；Agile Robots 提供四段式参考工作流：采集演示、用 Isaac Sim/Isaac Lab 建仿真、训练与评估策略、部署到真机测试，且允许研究者只用其中部分组件。英伟达给出的效率承诺是「把搭建时间从数周压缩到数天」，机器人产品总监 Spencer Huang 对路透称这套标准配置可为研究者省下两到三个月。供应与价格：计划 2027 年初上市，两家均未公布价格；斯坦福大学与苏黎世联邦理工学院表达了兴趣但未被确认为客户；与 NVIDIA Halos 安全平台（基于 IGX Thor）的集成仍在规划中。同场发布的 Isaac 全家桶还包括：Isaac Lab 3.0 正式可用（开源、面向智能体的学习框架，支持多 GPU 与 Newton、PhysX 物理引擎，覆盖桌面到数据中心）；Isaac OS，基于 Holoscan 的开源运行时框架，连接 AI、传感器、控制与机器人硬件以实现从仿真到真机的确定性实时性能；SimReady Central Library，在 Hugging Face 上提供 2000 多个仿真就绪的机器人与工厂资产（来自 Comau、FANUC、ForgeCAD、Franka Robotics、LG、Robotiq、Universal Robots、Vertiv 等）；Human 1M 人体动作数据集（多视角同步视频 + 3D 手部追踪，完整版面向 Cosmos Coalition 伙伴）；面向 DGX Station 的三个开源参考工作流（用强化学习微调 GR00T 1.7、在 Isaac Lab 中训练灵巧操作技能、用 ChatGPT Astra 后训练 Cosmos 世界模型生成合成数据）；以及 Halos 全栈安全平台，Agile Robots、Agility、Dexory、FORT Robotics、KION 等正在把 Halos 集成进各自安全架构。
值得关注： 这条的价值在「参考机型」这个形态，而不在硬件参数本身。人形机器人研发的隐性成本长期不在本体，而在把本体、灵巧手、相机、算力、仿真模型与训练管线对齐的那几个月——不同厂商的关节电机、传感器布局、通信协议各不相同，每个新项目都要重调一遍底层驱动。Agile ONE SN 用「预装 Windows 的品牌机」逻辑把这段做成默认配置，等于给行业定了一条可比较的基线：一旦基线成立，不同实验室训出的技能与采集的数据才开始可比、可迁移（Agile 称在 SN 上开发的技能与数据可迁移到全尺寸工业版 Agile ONE，但两家未公布迁移可靠性的独立结果）。它与本系列近期几条构成清晰对照：10/23 宇树王兴兴判断瓶颈在「接触与力控最后几毫米」的对齐而非认知，而英伟达这次把 1kHz 力控 + 触觉双手与全身控制直接做成默认件，是把对齐问题下沉到平台层；10/22 RoboColiseum 实测旗舰模型通用操作仅 38.79–46.70 分，说明平台之上仍然缺数据与策略——平台标准化解决的是「能不能开始做」，不解决「做到什么水平」。对整个生态更长远的含义是：当参考机型 + 开源模型（GR00T 1.7）+ 开源仿真资产（SimReady 2000+）+ 开源工作流三者齐备，人形研究的竞争焦点会从「谁有机器人」转向「谁有场景与数据」。需要打折的部分：所有效率数字（数周→数天、省 2–3 个月）都是厂商估计，没有实验室实测对照；未定价、2027 年初才发货，Stanford 与 ETH 仅是兴趣；两家各自公布的重量相差 3 公斤（英伟达 40kg / Agile 43kg）且未作解释；Halos 集成仅为规划，不构成任何无人监督工业部署的安全认证。
5. 上海国际具身智能技能大赛开赛：800 余队真场景比拼，命题方点名瓶颈在真实数据
事件内容： 10 月 23 日至 25 日，2026 全球开发者先锋大会（GDPS）暨国际具身智能技能大赛在上海浦东举行，10 月 23 日经中新社、新浪财经等报道。赛事规模为九大重点赛道、23 个赛项、吸引 800 多支参赛队伍，聚焦工业、服务与特种作业，把机器人能力拆解为可复用作业技能包，覆盖上下料搬运、焊接、精密装配、质量检测、能源巡检、安防巡防、商超零售、快递分拣、养老康养、消防灭火、应急搜救、文旅导览、科教培训等真实场景；智元、宇树、国地中心、傅利叶、联想、擎朗、节卡、开普勒、萝博派对等整机厂商与灵巧手、关节模组、减速器、力触觉传感器等核心部件厂商集中参展，千台机器人同台。方法上的关键是「真机实景、实景实训」：以商超零售赛项为例，场景从灯光到货架尺寸一比一复刻线下商业环境，考察参赛机器人扫码与整理商品。上海市人工智能行业协会秘书长钟俊浩表示，今年赛事重点关注高价值应用场景与机器人的泛化能力，希望加速真实场景落地。最值得记的是命题方给出的冷静判断：商超零售赛项命题负责人郭甬平称，尽管机器人能力持续提升，但商超场景情况复杂，目前行业对真实场景的数据采集还远远不够，机器人的泛化能力大大受限于训练数据；他判断接下来会有越来越多具身智能团队深入真实场景补齐数据短板，叠加技术迭代与本体硬件性能提升后，机器人距「真打工」就不远了。政策背景是工信部与国务院国资委于 2026 年 6 月联合开展的 2026 年度人形机器人与具身智能实景实训专项行动，目标到 2026 年底让人形机器人等重点产品在一批代表性场景中率先完成应用验证和常态部署、凝练形成百个以上高价值应用场景、带动形成万台级规模落地能力。产业数据方面，工信部数据显示 2025 年中国机器人产业规模以上企业营业收入突破 3000 亿元、近 5 年年均增速超 20%，2026 年上半年营业收入达 1655 亿元、同比增长 24.5%。平行参照：同日（10 月 23 日），德国 Neura Robotics 与慕尼黑工业大学在机场附近 LabCampus 开出投资约 1700 万欧元（Neura 出资约 1100 万）的 2300 平方米 TUM RoboGym，来自汽车、制药、医疗技术、包装、物流、农业、护理等 10 多个行业的企业参与，9 月起已开始训练纸箱搬运、装瓶、木件装卸等任务；其数据生产走三条路——真机作业传感记录、工人穿着传感服/动捕/遥操做人类演示、以及仿真生成变体，通过 Neuraverse 平台把在一台机器人上学到的技能开放给平台上其他机器人。Neura 同场发布轻 20% 的 4NE1 Gen 4 人形机器人（更纤细机身、升级手部、Smart Limbs 把反射级控制直接放进肢体），运行其 Neuron AI 感知—语言—动作模型，并称正为量产做准备。
值得关注： 这条把具身智能的瓶颈从「模型够不够强」明确挪到了「真机数据够不够多」。说话的是赛项命题负责人而非旁观者，其判断是商超这种「看起来简单」的场景至今仍受限于训练数据——与本系列 10/23 宇树的「对齐」瓶颈、10/23 特斯拉要造 1–2 万台机器人放进 Optimus Academy 练数据、10/20 WorldOracle 指出人手与物体交互是绝对盲区（最优模型物体保真度仅 15.2），是同一个结论的不同侧面。两个可迁移的判断：其一，评测标尺正在换——赛道设计本身（九大赛道 23 赛项、场景一比一复刻、重点考泛化）说明行业评价正从「能不能做」转向「在真实场景里能不能稳定做」，这类实景赛会逐步取代视频演示成为能力标尺，企业最关心的「作业效率提升多少、稳定性如何、投入产出是否划算」也开始要求现场实测数据；其二，对「数据荒」的两类主流应答已经成型——Neura 的 TUM RoboGym 走现场采集路线（真机数据 + 人类演示 + 仿真三路并举，并通过 Neuraverse 让技能跨机器人共享），英伟达则走规模化合成路线（Human 1M 人体动作数据集 + SimReady 2000+ 仿真资产 + 用世界模型后训练生成合成数据），前者贵在真实、后者贵在规模，谁能先把「单位技能的数据成本」压下来，谁就握住下一个阶段的飞轮。需要打折的部分：800 余支队伍与千台机器人为主办方口径，赛事成绩与稳定性数据尚未公布，参赛队伍水平不等于产业平均水平；工信部专项行动的「万台级落地」是目标而非已实现；Neura 的 RoboGym 为三年期计划，投资额、参与企业数量与技能共享效果均为公司披露，尚无第三方评估。