2026-11-02 · 智能体常驻化与对齐税，具身卡在转接层

DeepSeek 开源 Super-agent：常驻 Router 加并行 Worker 接管调度，p95 从 29.5 降到 15.7 分钟；AI 代码占交付 42%，每 1 美元 token 有 0.82 美元耗在返工；OpenAI 与 Claude Code 同步收紧额度与能力边界；星衍 Auriga 零样本拿下 RoboDojo 57.74%；乐聚给出进厂门槛 80%、实测 95%。

一、DeepSeek 开源 Super-agent：把「人的注意力」定为新瓶颈

10 月 31 日晚，DeepSeek Harness 团队在官方公众号发表《Super-agent 设计探索：迈向更自主的 Agent 系统》，同步在 GitHub 以 MIT 许可开源原型 dsh-superagent-prototype，次日 star 数超过 5700。

问题定义：模型完成单个任务已越来越不需要人工干预，瓶颈却从「模型能力」转向「人的注意力」——一个人通常只能同时跟进 3 到 5 个活跃会话。Super-agent 的设计规则只有一条：尽可能少占用人的注意力，尽可能多地交付价值。

架构：常驻 Router 层统一接收群聊、GitHub、邮件等多渠道消息，只做分派、不做执行，甚至可以不带 Bash 工具；每条被接受的任务成为一张 ticket，在独立的 Worker 会话与工作目录里并发执行，互不阻塞。Worker 直接订阅它关心的 issue、PR 或话题线程，后续评审评论不再经 Router 转发——取消这一直通机制后，Router 决策次数增加约 30%，读取缓存 token 增加约 37%。

主动性：事件驱动加两级过滤（先由程序规则筛掉无关消息，再由模型判断是否行动），并引入操作系统的投机执行思想——群里有人报 Bug，AI 先在后台静默复现，确认问题存在且能找到简单修复才开口，否则保持安静。无人指派的主动工作分 off / observe / auto 三档，默认 observe（只记录「本会接受什么」），团队建议审过记录后再切 auto。

工程细节：存算分离——执行循环放云端、会话状态入库、本地只留轻量 daemon，电脑离线任务继续；独立 Watchdog 检查 Worker 是否陷入无效循环；超过 5 秒的 shell 命令自动转后台，构建和测试跑着时 Worker 仍能读新消息；触发量升到约 40 条/分钟时，批处理让单次 Router 决策的推理时间从 6.4 秒降到 1.6 秒。

实测（自报、合成负载）：约 300 条消息中约 20 条为真任务，每组跑 5 次——Super-agent 任务完成时间中位数 12.4 分钟、p95 15.7 分钟；对照「单会话 + subagent 工具」在中性提示下 p95 达 29.5 分钟，且 5 次运行中一次都没调用 subagent。DeepSeek 明确说这测的是调度与协调，不是代码写得好不好。

未解问题：Router 的扩展、长期记忆、agent 间通信，以及云端 agent 能触达本地设备凭证所带来的提示注入风险。README 强调这是研究原型而非正式产品，大量工程由编码智能体完成，公开版与内部版不同，部分设计未实现；Worker 以操作者账号无逐条审批执行命令，运行前需隔离。

为什么值得关注：这是头部模型厂商第一次把「agent 的调度层」作为独立工程对象开源，并给出可复现的成本结构数据（直通机制影响约 37% 的缓存 token）。它把 2026 年 agent 竞争的焦点从「单个会话能跑多远」推到「多个会话怎么编排、谁为编排成本买单」。而默认 observe 的三档授权与「云端决策、本地执行」带来的凭证暴露面，正是这类常驻系统进企业的真实门槛。

二、AI 代码的账单：生成占 42%，对齐吃掉 0.82 美元

问题侧：Sonar 2026 开发者调查（1100 余名开发者）显示，AI 生成或辅助的代码已占交付代码的 42%，开发者预计 2027 年升至 65%；96% 的受访者并不完全信任 AI 生成代码功能正确，但只有 48% 表示每次提交前都会检查。GitClear 报告代码返工率同比上涨 39%；LinearB 的数据里 AI 参与的 PR 合并率不足一半；Lightrun 更直接——即便通过了质量检测，仍有 43% 的 AI 生成代码在生产环境需要额外人工调试。

定价：中智观察联合 2444 家企业做的成本穿透分析给出目前最硬的一个数字——每投入 1 美元采购 AI token，有 0.82 美元最终消耗在缺陷修复、代码重写和评审延迟上，返工成本最高可吞掉 82% 的工程成本。定性上这不是「AI 写得不对」，而是「AI 写得对不上」：一段能跑的代码与一个能进主干、能被接手、能被追溯的工程产物之间，隔着依赖管理、架构约束、验收标准和责任归属，而这些不在生成环节里。

解法侧：OpenAI 内部的 Harness Engineering 实践提供了反例——一个完全禁止手写代码的团队，5 个月用 agent 合并 1500 余个 PR、产出超过 100 万行代码，公开口径为零 P1 线上事故。靠的不是换更强的模型，而是把「好代码的标准」编译进工具链：策略文件进 CI、PR 必须携带自动生成的契约影响报告、生成前先向架构 agent 申请「生成许可」。

为什么值得关注：这条把 10 月以来分散的「审查瓶颈」叙事做成了一个可对账的单价——0.82 美元。它意味着 AI coding 的 ROI 必须从「节省了多少编码工时」改写成「节省的工时有多少被对齐吃掉」。同时 OpenAI 的内部实践是目前最硬的反例：在强工程约束下，百万行级 agent 产出可以做到零 P1，说明瓶颈确实在约束侧而非模型侧。需保留的判断是，0.82 美元与 1500 个 PR 均来自单一来源，尚无第三方复现；Sonar 数据为开发者自报。

三、规则在静默改写：额度合并、设备限制与提示词封禁

OpenAI（11 月 1 日公告）：12 月起，Plus、Pro、Business 订阅的 ChatGPT 与 Codex 用量合并，统一按 token 计量，Instant Chat 不占额度；各档额度与重置日期未公布；耗尽后只能等重置、升级或购买 credits。此前 10 月 29 日已把 Pro 100 与 Pro 500 的 Work / Codex 用量翻倍，Plus 未获提升。同时 Codex 收紧多账号，设备限制覆盖 Go 至 Pro 500 的个人付费账号，超限可能无法登录，具体上限同样未公布。

Claude Code（约 10 月 27 日服务器端推送，11 月 1 日扩散）：在 Opus 5.5 的提示词中加入两句话，禁止复刻特定现有游戏，改名或自称原创亦然；仍可做原创游戏、同类型游戏与基于用户自有素材的游戏。开发者 Addy Osmani 确认这一改动，依据是使用政策禁止侵犯知识产权，误拒可反馈。此前 Digital Sun 因克隆风险取消《ReVamp》10 月 29 日公测、YNOT 撤下试玩版；GameDeveloper 称限制可被话术绕开；部分开发者反馈连无害的逆向工程也被一并拒绝。

平行参照：Claude Code 2.1.316 仍为最新版本，弃用 Opus 4.8 快模式、移除日期定为 2026 年 11 月 30 日；Codex 0.166.0 保持最新稳定版；Copilot CLI 在 13 天内连发 8 个稳定/预发布版本，以修复粘贴、会话恢复、字符编码、WSL 剪贴板、MCP 符号链接为主，不做新功能。

为什么值得关注：两条新闻的共同点不是功能，而是「厂商可以在不发布新版本、不经你同意的情况下改写你的工作流」——一次改计费口径，一次改能力边界。对把 agent 接进生产流程的团队，这意味着关键提示词回归测试与额度预算要变成例行运维项。额度合并还意味着 Codex 的重度使用从「额外订阅」变成「直接吃掉你的 ChatGPT 额度」。

四、星衍智能 Auriga：零样本协议下 RoboDojo 57.74%，卡点在转接层

11 月 1 日披露，星衍智能发布通用具身 Harness 框架 Auriga，以 GPT-6 Astra 为基础模型，在 RoboDojo 与 RoboCasa365 上系统评测。

评测协议（三条全为最严口径）：零目标任务预调优——42 项任务共享同一套固定 Harness，不提前开发专用脚本；零专家演示——不提供成功轨迹、视频演示或任务专用代码模板；单局执行、零环境重置——每个案例只跑一次，中途抓取失败也必须从当前物理状态继续调整。

结果：RoboDojo 42 项任务、3 个随机种子共 6300 个 episodes，平均任务成功率 57.74%、平均过程评分 64.00，两项均领跑榜单；记忆类任务成功率 92.99%；布局随机化综合指标 G 得 46.3 分，领先第二名 2.4 分。迁移到 RoboCasa365 Target50（机器人从双臂桌面平台换成 Franka 单臂移动平台，场景换到 10 个未见过的厨房，长程组合任务最多含 15 个子任务），50 项任务 250 个 episodes 总体成功率 73.2%，其中单技能 92.2%、长程组合 62.5%。

三项能力主张：感知即测量——融合 VGGT-Omega、SAM 3.1、相机标定与多视角几何，把图像转成带真实物理尺度、可查询可验证的空间信息，还能结合腕部相机与夹爪状态测量在手物体的滑移；所见即所执——统一执行网关走 Preview–Execute–Verify，先可视化预演轨迹，执行中对照机器人实测状态、偏差超限自动截停，再由模型基于最新观测在线恢复而不重置；失败即证据——结构化记录模型意图、规划轨迹、实际运动与执行结果，即便上下文被压缩，关键任务状态仍保留。

关键旁证：研发期做了 13 次通用 Harness 迭代，42 项 RoboDojo 任务的平均 Score 从第 4 版的 45.5 提到最终版 64.0，成功率从 36.2% 提到 57.7%；动作预演、双臂协调、三维几何测量、状态追踪与障碍检查等改进沉淀在共享 Harness 中，正式评测前冻结。对照口径：10 月中旬星动纪元用裸模型在同类任务上约 32.26%。

路线主张：把 Physical RSI 分为三层——L1 进化答案（反复重置、改脚本调参数）、L2 进化过程（单次连续执行中的在线适应）、L3 进化系统（跨任务识别共性问题，改进底层工具与控制原语）。Auriga 直取 L3，并称下一步是从 Failure as Evidence 走向 Failure as Improvement。

为什么值得关注：同一颗 GPT-6 Astra，裸模型 32.26% 与加一层执行框架 57.74% 的差距，是目前最有说服力的证据之一——具身智能的瓶颈已经不在「脑子」，而在模型与本体之间的转接层。而它主动选择不许重置环境的零样本协议参赛，等于公开质疑了一批靠反复刷题刷出来的榜单成绩。需保留的判断：全部为厂商自报、仿真环境、无独立复现。

五、进厂门槛被量化：80% 是一条线，出货量与有效量产是两回事

门槛第一次有了数字：11 月 1 日 2026 大湾区科学论坛主论坛在广州南沙举行，乐聚智能董事长冷晓琨给出人形机器人落地的三阶段成功率——仿真预训练阶段以仿真数据为主，模型泛化强但成功率只有 40%–50%；进入后训练阶段用训练场数据训垂域模型，成功率约 80%；再进工厂实景实训、真机数据回流，实际生产效率可达 95% 左右。并给出行业门槛：只有达到 80%，工厂才会接受你的机器人进产线。样本是 15 台机器人在浙江兆丰的生产厂连续作业两个月，实际生产效率已达 95%。同场数据：全国具身智能相关企业从 2023 年论证报告时的 3 家增至 194 家，2026 年上半年相关主题融资超过 900 亿元。

同场判断：香港科技大学校董会主席沈向洋指出，人形机器人供应商中超过一半在中国、大湾区具备产业集聚优势，但数据短缺是 AI 走向物理世界的最大挑战；「肢体运动之外，灵巧手是具身智能技术复杂度的珠峰」。

出货量与有效量产的落差：IDC 9 月报告显示 2026 年上半年全球人形机器人出货近 2.5 万台、同比增 432.1%，科研教育、表演展示和政府数采中心三类非工业场景合计占比从 2025 年全年的 83.8% 降至 69%，跌掉的近 15 个百分点流向工业制造、物流仓储与商业服务。优必选 2026 年半年报显示，上半年人形机器人总销量 16123 台，其中全尺寸具身智能人形机器人仅 921 台、非全尺寸产品 15202 台。另一机构 SAG 口径全球总出货约 1.91 万台，与 IDC 基数不同，两组数据不宜并列。

资本侧分化：一级市场老股转让报价已普遍低于上一轮估值，部分标的折价至六五折到八折，投资方尽调重点从技术演示转向订单落地与回款；智元据媒体口径以约 500 亿元估值完成 10 亿–15 亿元新融资，按港交所 120 日规则挂牌或推迟至 2027 年。同一时间，摩根大通在宇树披露上市后首份三季报、王兴兴修正「具身智能 ChatGPT 时刻」时间表后，将其评级由「低配」连升两级至「增持」，2027 年 12 月目标价从 300 元上调至 995 元。

为什么值得关注：这条把「人形机器人能不能进厂」从口号变成了一条可验收的线——80%。它同时解释了为什么上半年 2.5 万台出货里大多数还在科研与展演：过不了这条线，工厂的门不为你开。冷热两组数据并置也说明市场正在换口径：一级市场老股折价与二级市场评级上调可以同时成立，差别在于前者看回款、后者看 S 曲线前移。