每日科技/AI 摘要 2026-10-20

今日共采集 89 条，新增 47 条，科技/AI 相关 38 条，深挖 8 篇。

DeepSeek-V4.1-Flash-1017 发布：更快更短更便宜，Search/Fetch API 同步开放

来源：老周讲AI · 一句话：官方三端切换新版 Flash，成本与性能帕累托改进，自研搜索引擎开放成 API。

• 要点：
  • 10 月 17 日更新的 DeepSeek-V4.1-Flash-1017 已在网页端/App/API 三端同步生效；API 模型名仍为 deepseek-flash，价格不变，官方口径为「性能与成本的帕累托改进」——分数更高、耗时更短、输出更省（HLE 42.6 / DeepSWE v1.1 77.0 / Terminal-Bench 4.0 42.3，转述自官方）。
  • 通过基于自反馈的强化学习增强「从零构建完整项目」能力（官方演示：故宫 3D 建模、网页赛车游戏、Godot 复刻《传送门2》等），官方称之为「许愿式编程」。
  • API 新增 Search 与 Fetch 接口（各 5 元/千次），底层为自研搜索引擎，号称索引千亿级网页并过滤 SEO/GEO 作弊与低质 AIGC——对 Agent 开发者意味着搜索抓取链路可直接调用。
  • 权重仍在 HuggingFace/ModelScope 以 MIT 许可开放；对 DeepSeek Harness 建议升到 0.2.1-rc.1+。
• 扩展资料：
  • DeepSeek API 官方文档 — 已核实：文档明确 deepseek-flash 当前由 DeepSeek-V4.1-Flash-1017 提供，顶部横幅确认 Search/Fetch API 上线（指向 /news/news261017）。
  • OpenCode 实测微头条 — 同事件第三方体验：200K 上下文下「干净利落、基本一次过」（个人体验，未系统核实）。
  • 编程榜单微头条 — 称其编程能力逼近 GPT-6.1 Sol（自媒体榜单口径，未核实）。

谷歌研究团队开源 Harness²：不改模型权重，递归优化 Agent 外围组件

来源：InfoQ · 一句话：Google Research 开源递归智能体框架，通过持续改写提示词/记忆/工具等 8 类组件提升 Agent 能力。

• 要点：
  • Harness²（Recursive Agent Harnessing for an Open World）在 GitHub 以 Apache 2.0 开源，支持 OpenCode（默认）与 Codex 两种 executor；官方强调属研究项目而非正式产品。
  • 核心是两层递归：任务级「提出—探测—组合」不依赖标准答案即可改进执行方式；任务间维护持久的 Improvement Harness，把有执行证据的经验沉淀给后续任务。
  • 官方数据：单步优化下 WorkBuddy-Bench 最高 +11.5 分、JobBench +4.5、LAB 通过率 +11.8 个百分点（基础模型含 GLM-5、Gemini 3.5 Flash）；代价是每轮递归消耗更多测试时计算，且当前 executor 默认不限网络访问，评测需自行收紧。
• 扩展资料：
  • google-research/harness2 — 已核实：仓库存在（约 11.5k star），README 与文中机制、benchmark 数字一致，并给出 arXiv:2610.14224。

Claude Code 桌面版重大更新：嵌套会话自动拆任务，多 Agent 并行管理

来源：人人都是产品经理 · 一句话：团队成员称「几乎是一个 v2」，用嵌套会话+状态分组+worktree 隔离解决多 Agent 并行时人的注意力问题。

• 要点：
  • 嵌套会话：Claude 发现可并行的后续问题时列为建议任务，一键 Start all 后多个子会话并行执行并向父会话汇报，试错过程不挤占主对话。
  • 侧边栏按 Needs input / Working / Completed 三态分组，配合实时待办清单、回顾卡片与系统通知；新增「环境」功能可保存多仓库/SSH/云端配置。
  • 同仓库并发修改用 Git worktree（.claude/worktrees/）隔离；细节坑：.gitignore 里的 .env 等不会自动进新 worktree，需写入 .worktreeinclude。
• 扩展资料：
  • Claude Code 产品页 — 部分佐证：官方 9 月 17 日公告的 Projects 功能即「分组管理多个 Claude 会话以便同时监督多个 agent」；但嵌套会话等新版细节未见于官方页面，以团队分享转述为准（未独立核实）。

Claude Code 团队的代码审查实践：90% 代码由模型编写，七层审查前移验证

来源：人人都是产品经理 · 一句话：每日变更从 2500 涨到 3 万次，审查从「逐行读」改为多层自动化门禁+按风险分配人工审批。

• 要点：
  • 团队约 90% 代码由 Claude 编写；6-9 月 PR 数量翻倍以上而回滚比例反降 40%+，方法论是把验证前移：PR 创建前 Agent 须用测试/构建/截图/E2E 证明结果，再由全新上下文的 Subagent 复读 Diff。
  • AI Review 有效意见覆盖率从 16% 提到 54%；多 Agent 并行检查+独立投票过滤噪音；Bug/安全审查有未关闭意见即阻断合并。
  • 人工审批按风险分级（Low 免审 / Medium 1 人 / High 2 人），Agent 批准不能抵扣人类名额，批准只对特定 commit 有效；线上事故全部转为 Eval 持续回归。
• 扩展资料：
  • 未找到一手出处：Anthropic 工程博客索引（截至 2026-05）与新闻页均未见原文，以上数字为媒体转述，未核实；方法论本身与该团队过往公开分享方向一致，可作为 Agent 时代 Code Review 设计参考。

2026 Agent 年中总结：从整体架构到关键细节

来源：人人都是产品经理 · 一句话：产研视角拆解 Harness/Runtime/业务系统三层职责与「薄 Harness 厚 Skills」的取舍。

• 要点：
  • Agent 系统设计主线：把模型的运行时判断接入「可验证、可恢复」的执行过程——模型负责灵活探索，程序保证执行规则，人承担关键决策。
  • 给出四组职责框架（任务与控制 / 判断与执行 / 状态与资料 / 观察与改进）与场景适配四问：信息能否取得、工具能否使用、结果能否验证、失败能否恢复。
  • 解释 Coding Agent 为何是理想观察样本（代码库供上下文、终端供行动、测试供反馈、版本控制供恢复），企业场景需重建这些前提。
• 扩展资料：
  • 无外部核实必要（方法论文章）；与 Anthropic 工程博客中 “Effective harnesses for long-running agents”（2025-11-26，索引页已核实存在）的 harness 叙事互为印证。

Gemini 4 Argon 通过「AGI 终极考场」：ARC-AGI-3 拿下 97.5%

来源：36氪 · 一句话：ARC Prize 称 Argon 在 ARC-AGI-3 得 97.5%，成为第二家破 95% 的实验室，但 harness 差异导致同模型两个分数。

• 要点：
  • 36氪转述 ARC Prize 官方 X 公告（10-16）：Gemini 4 Argon 在 ARC-AGI-3 得 97.5%（Provider Adapter harness，4800 美元），三代考题通杀（ARC-AGI-1 98.5% / ARC-AGI-2 91.3%）。
  • 同一模型换 Standard harness 只有 49.8% 且更贵（5800 美元）；榜首 GPT-6 Astra 的 99.9% 同样出自 Provider Adapter（标准 harness 下 62.7%）——harness 已成分数的关键变量。
  • 效率：25 个公开游戏中行动次数比人类基线少 62%，3 个追平/超过速通纪录。
• 扩展资料：
  • ARC Prize 官方博客 — 已核实 ARC-AGI-3 基准与 GPT-6 Astra 分析文章（09.03.26）存在；但 97.5% 这一数字未能在官方网页端复核（榜单为动态加载），该成绩为单一转述，未核实，请以 官方榜单 实时数据为准。

OpenAI 三款 Aurora 图像模型被扒：混进 Arena 抽盲盒，社区实测 Blue 最强

来源：36氪 · 一句话：API 列表惊现 aurora-red/green/blue-alpha 三个未官宣模型 ID，网友猜是 GPT-Image-3 的 A/B 变体。

• 要点：
  • 开发者社区发现三个 Aurora alpha 模型 ID 后旋即被撤，随后以匿名身份混入 Arena 测试场；网友晒出的实测对比显示 Blue 能力最强、Red 出图更快、Green 细节更好（社区主观评价）。
  • 主流猜测这是下一代 GPT-Image-3 的三个变体，用不同推理配置在速度/画质/成本间做 A/B。
  • 文中同时提到 Anthropic 侧：Opus 5.5 部分请求疑被路由到更强神秘模型，出现疑似「Fable 5.5」Demo——传闻级信息，未核实。
• 扩展资料：
  • Anthropic 官方新闻页 — 已核实：Opus 5.5（9-22）、Sonnet 5.5（9-28）、Haiku 5.5（10-7）确已官宣，但官方无任何「Fable」型号，Fable 5.5 属社区爆料；Aurora 三模型同样无官方口径，信源等级：社区爆料，未核实。

后摩智能宣布 AI 软件栈全面开源：端侧跑千亿参数模型的工具链交出来

来源：新智元 · 一句话：M50 生态大会宣布四层工具链分批开源，联想 P7 三百克盒子断网跑 1220 亿参数模型。

• 要点：
  • 开源覆盖「拿到模型→做成产品」四层：量化/编译/精度评估工具、推理框架+算子库+运行时（针对 M50 存算一体优化）、领域套件与模型流水线中间件、部署运维工具；明年 1 月前 15 个项目陆续上线。
  • 首批已放出 llama.cpp、vLLM 的 M50 适配版及自研框架；ModelZoo 示例横跨 Linux/Windows 11/Android，含 K8s 与 NPU 集群管理。
  • 联想 AI 主机 P7（300g、整机 30W）本地跑 1220 亿参数模型、50 token/s、128K 上下文——产品参数为厂商口径，未独立核实。
• 扩展资料：
  • github.com/houmo-ai — 已核实：postmo-modelzoo（10-13 更新）、postmo-quantflow、vllm-postmo 及 llama.cpp/vLLM fork 均在，Apache 2.0。
  • 后摩官网 — GitHub 组织简介给出的官网入口。

今日一句话

• DeepSeek V4 Pro 翻车之谜被字节扒出 — 差评X.PIN 复盘 V4 Pro 表现不及预期的技术归因（转述，未核实）。
• Claude 被指连改 20 次底层「宪法」拒绝部署训练 — 36氪报道的模型安全争议事件（未核实）。
• 华人 00 后做「本地 Muse」获 a16z、Anthropic 投资 — 本地优先 AI 应用获硅谷追捧（融资细节未核实）。
• MOSS-TTS-Nano：没显卡也能实时配音 — 端侧 TTS 开源模型，低配可跑。
• 这次，微信把 AI 能力全搬进了电脑 — 微信桌面端整合 AI 能力的产品观察。
• 8000 字 Codex 逆袭 ChatGPT 抓马史 — OpenAI 内部产品线纠葛的长文复盘（叙事向）。
• Claude Code 负责人：大家用 AI 都太保守了 — 访谈鼓吹更激进的任务委派方式。
• 华强北 390 块电视盒跑 260 亿参数大模型 — 极限压缩端侧推理的民间实践。
• GitHub 50.5K star 的 AI 伴侣项目 — 带独立记忆的开源 AI 伴侣受关注。
• 谷歌开源 RSI 新成果 — 36氪报道的递归自我改进研究（与 Harness² 同周，可对照阅读）。