每日科技/AI 摘要 2026-10-05

今日共采集 91 条，新增 40 条，科技/AI 相关 24 条，深挖 8 篇。

Claude满分、GPT 99分！何恺明团队把AGI考试打穿了

来源：新智元 · 一句话：换掉数字表、递上"视觉相册"，Claude 在 ARC-AGI-3 拿满分。

• 要点：
  • 何恺明团队十一期间挂出 VISTA 论文：Claude Opus 5 打穿 ARC-AGI-3 全部 25 个游戏 183 关（每个游戏 100 分），总步数仅为首次游玩人类的 0.43 倍；GPT-5.6 Sol 通关拿 99 分，两份成绩在 ARC Prize 官方平台有记分卡
  • 核心洞察是"模型的脑子够用，卡住它的是眼睛和记性"：官方只给模型 64×64 数字表（4096 个数字），仅把输入换回图片，GPT-5.6 Sol 就从 13.33 分跳到 47.32 分（图片 308 token vs 单格约 4000 token，一局 token 从 7190 万降到 3070 万）
  • 第二招是无损视觉记忆"相册"（显式注意力）：每帧原样存档、随时 inspect 翻看对比，翻相册不计步；配 GUIDE.md/WORKING.md 两本笔记；提示词全文仅四句，无任何玩法教学
  • 是第一个不靠写程序（对比 Tycho/Schema 的世界模拟器路线，单个跳棋游戏写 4000 行 Python）在 ARC-AGI-3 达到满分/近满分的系统；多塞上下文反而退步：200K→780K 分数 99→93.9
  • 泛化性强：3D 画面 84.12 分；34 个网页游戏成功率 63.3% 超人类小白 55.3%；官方实现仅 1.89 分的 320B 开源模型被抬到 66.93 分；一作胡珂雅为何恺明博士生，共同一作 Qiushi Han、Linlu Qiu（MIT）
• 扩展资料：
  • ARC Prize 官方平台记分卡 — 论文称 183 关通关成绩可在官方平台查证（VISTA 的 arXiv 编号未能独立核实，论文细节转述自新智元报道）

太卷了！DeepSeek假期更新，Harness有了新版本

来源：机器之心Pro · 一句话：DeepSeek Harness 假期发新版，新增实验性 Claude Code Mods 兼容层。

• 要点：
  • 发布 v0.2.1-alpha.1，最惹眼的新功能是实验性 Claude Code Mods 兼容层——Mods 是 Anthropic 10 月 1 日在 Claude Code 全面开启的插件化机制，DeepSeek Harness 选择跟进兼容而非观望
  • InfoQ 同日 Q资讯交叉印证：除 Mods 兼容层外，该条还汇总了罗福莉入职小米不到一年触达职级天花板、阿里 Token 制度调整等动态（InfoQ）
  • 背景：DeepSeek Harness 此前已以 MIT 开源、可实现"一切皆插件"并能把 Claude Code/Codex 当子代理（此前报道），本次兼容层让 Mods 生态直接复用到 DeepSeek 系
  • 版本号与功能名经原文核实；新版本完整 changelog 未能从 GitHub 独立核实（GitHub releases 页反爬）
• 扩展资料：
  • Claude Code 最新版更新 Mods 能力 — 人人都是产品经理对 Mods 生态的跟进解读，佐证 Mods 已成 coding agent 互操作事实标准

Agent Harness到底怎么选？南洋理工大学安波团队最新研究给出答案

来源：机器之心Pro · 一句话：首个系统性 Agent Harness 对比研究，结论是"没有全能冠军"。

• 要点：
  • 南洋理工大学安波团队论文 The Pareto Front of Agent Harnesses（arXiv:2610.00917）：先评测 OpenHands、DeepSeek Harness、PI、openJiuwen 四款可自由换模型的 harness，再引入 MLE-bench 中五个不可换模型（OpenAI/Anthropic/Gemini/捷蛙/openJiuwen）的 harness 对照
  • 结论：单模型贡献 27.9% 性能差异、harness 贡献 23.7%（几乎与模型同量级）；模型与 harness 存在明显交互效应，重排模型排名会变化——换 harness 平均让排名变动 2.7 位，最大降 29 位
  • AgentBench 前十名的模型/harness 组合中，非 Pareto 最优的占 90%；提出受控分解与标准化评测框架，决策模型最佳 harness 是 SWE-agent 类、对话模型是聊天界面类（Top-3 权重和仅 10%）
  • 开源：ParetoHarness 评测框架与 HarnessSignals 数据集（GitHub: StartLuxLabs/ParetoHarness，论文与仓库链接已核实存在）
• 扩展资料：
  • 论文 arXiv:2610.00917 — 直接核实论文标题、评测对象与核心数据

GitHub 31.9K+ Star！给 Claude 装上代码地图，Token 最高省 82 倍!

来源：AI开源求索 · 一句话：tree-sitter 代码图谱 + MCP，让 AI 编程只读"爆炸半径"内的文件。

• 要点：
  • code-review-graph（GitHub 31.9K star，已核实）：用 tree-sitter 把代码解析成 AST 图（函数/类/调用/继承/测试覆盖），持久化到本地 SQLite，无外部数据库依赖
  • 对 AI 编程工具暴露 30 个 MCP 工具 + 5 个工作流模板（review/architecture/debug/onboard/pre-merge）；文件变更时"爆炸半径"分析只拉取真正相关的调用者与测试，而非扫描全仓库
  • README 基准：每问题 token 削减中位数约 63 倍（区间 35x-358x；fastapi 仓库 948,793 → 2,653 tokens）。注：头条标题写"最高省 82 倍"，与当前 README 口径不一致，以 README 为准
  • 支持约 30 种语言、15+ AI 编程工具（Codex/Claude Code/Cursor/Windsurf/Zed 等）；3000 文件仓库双文件编辑约 2.5 秒增量重索引；附带 GitHub Action 做 PR 风险评分
• 扩展资料：
  • tirth8205/code-review-graph — README 直接核实 star 数、token 削减基准与语言/工具支持矩阵

OpenAI 只用 15 天，就杀死了估值 100 亿美元的 Jev？（Multi-Agent 产品化之辩）

来源：InfoQ · 一句话：OpenAI 把 Multi-Agent 做成产品，但"万个 Agent 解题多 Agent 贡献不足 10%"。

• 要点：
  • OpenAI 正式发布 Multi-Agent 产品：单一入口（侧边栏），5 种预置 Agent 角色 + 2 种灵活角色，Web 侧独有"深度研究团队模式"（原文核实）
  • 标题中的另一面：o1 奠基人级研究者认为 1 万个 Agent 解世界级难题时，多 Agent 机制贡献不到 10%——大比分仍是强单模型驱动的观点（此说法转述自 InfoQ 报道，原始出处未能独立核实）
  • 产品侧证据（原文）：ChatGPT 端 Multi-Agent 与 o系列 Agent Mode、AgentKit 同期推进，覆盖 2B/2C 两条线
  • 判断：多 Agent 产品化与"强模型优先"并不矛盾——OpenAI 同时在两端下注；对开发者的启示是编排层的边际收益可能被高估
• 扩展资料：
  • OpenAI DevDay 2026 官方博客 — 官方发布口径（访问被 403 拦截，未能直接核实，列为待查）

腾讯四款 Muse 产品盘点（含 HandyBot 官方回应）

来源：人人都是产品经理 · 一句话：HandyBot 被质疑 Muse 平替，腾讯回应"自研家庭陪护机器人"。

• 要点：
  • 10 月 2 日腾讯官网上线 HandyBot，外形与 Meta Muse 高度相似引发热议；腾讯官方回应：自研 AI 终端产品、定位家庭陪护机器人，并非仿制 Muse（原文核实）
  • 同题合并：关于腾讯HandyBot这款Muse产品，官方回应来了（人人都是产品经理）给出更完整回应全文；字节腾讯阿里抢做中国版Muse（老周讲AI）指三家打法分化——字节做生态、腾讯做终端陪护、阿里做服务整合（未核实）
  • 背景：国内大厂正围绕"Personal Agent/家庭机器人"卡位，Muse 的爆火让"外形+陪伴"成为新竞争维度
  • 注：四款产品完整盘点细节转述自原文，腾讯官网产品页未独立核实
• 扩展资料：
  • Muse狂飙，龙虾退潮 — 补充 Meta Muse 与竞品此消彼长的市场背景

AlphaGo核心作者：十年了，LLM还没学到那场棋局神之一手的精华

来源：机器之心Pro · 一句话：AlphaGo 核心作者反思：LLM 仍缺第 37 手式的"探索性创造力"。

• 要点：
  • AlphaGo 核心作者、DeepMind 资深研究科学家撰文回顾第 37 手：模型在人类棋谱之外自选落点所体现的"离开数据分布的探索"，恰是当前 LLM 范式（下一 token 预测 + 人类反馈对齐）最稀缺的能力（转述自原文）
  • 观点落点：RL 时期的自我博弈探索 vs 当下 RLHF/RLAIF 的分布收敛，两者张力是 AGI 路线之争的核心；与何恺明团队"ARC 是视觉问题"异曲同工——都在挑战"堆文本推理"的主流默认路线
  • 原始文章/访谈出处未能独立核实，观点转述自机器之心Pro 报道，信源等级：权威媒体转述
• 扩展资料：
  • VISTA 报道（本日 Top1） — 同为"反主流路线"的实证案例，可对照阅读

OpenAI「12朝元老」辞职死谏：试错的时代已崩坏！

来源：新智元 · 一句话：43 岁老员工离职公开信称"试错时代已崩坏"，引内部路线之争猜测。

• 要点：
  • 新智元报道：43 岁的 Steven Swamy 自称在 OpenAI 工作 12 年，先后任职 Codex 团队、GPT-4.5 团队，离职时发文称"试错的时代已崩坏"，被解读为对产品化挤压研究文化的批评
  • 存疑提示：OpenAI 成立于 2015 年末，“工作 12 年"与其任职团队（Codex/GPT-4.5 均为近两年产品）在时间线上难以自洽；人名、职级与公开信原文均未能独立核实，信源等级：单一自媒体转述，谨慎采信
  • 值得关注的现象本身成立：OpenAI 研究文化 vs 产品化路线的张力近月多次见诸公开讨论（前员工访谈、路线报道）
• 扩展资料：
  • 无独立信源可核实（搜索引擎反爬拦截），保留原文链接供自行查证

今日一句话

• 华为DeepSeek重磅发布，再见了CUDA！ — 传 DeepSeek 联合华为开源昇腾平台基础设施组件替代 CUDA 生态（单一微头条信源，未核实）
• 开源干翻Jev！StartLux登顶决策模型榜 — 昨日头条 StartLux-Decision 的后续发酵（昨日已深挖）
• DeepSeek为什么要16000张卡？ — 从万卡集群看 DeepSeek 扩张算力的战略逻辑
• 万字长文｜DeepSeek 每天 300 万沙盒：Agent 基础设施到底难在哪？ — 沙盒规模化运行的工程拆解，与今日 Harness 研究互为印证
• GPT-6要“吃掉”3D公司？这家公司不到2年ARR翻百倍，破1亿美元 — 3D 生成创业公司被模型迭代挤压的生存样本
• 最火AI岗位FDE：月薪5万，都干这些… — Forward Deployed Engineer 成 AI 落地最热岗位
• 英伟达为什么重新押注边缘计算？机器人业务只占营收1% — 边缘计算叙事回归的产业视角
• AI能改好Agent框架，为什么还难上线？ — Agent 框架自动改进的落地难点
• DeepSeek生成内容怎么去AI痕迹？几个实用小技巧 — 实用向提示词技巧
• M5 Mac Air半年实测：真香还是割韭菜？ — M5 Air 长期使用报告
• 兄弟，找个班上吧！不要迷信AI创业，我是后悔离职的 — AI 创业劝退第一人称叙事
• Jev 之后，中国团队开始深挖 AI 的「直觉层」 — 决策模型之后的新研究方向