🤖 AI 资讯晚报 · 10-19

🔥 必读

1. 谷歌开源 Harness²：不动权重，靠改 8 类外部组件让 Agent 递归变强

Google Research 把一套名为 Harness²（Recursive Agent Harnessing for an Open World）的智能体框架以 Apache 2.0 开源，默认后端是 OpenCode、可切 Codex，官方明确它是研究项目、不是谷歌支持的产品。做法是把可修改的 harness 拆成 8 类组件——系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本、插件，再叠两层递归：任务内「提出—探测—组合」，同时生成多套 harness 修改跑同一个任务，看行为差异后重组；任务间保留一个 Improvement Harness，把有效改动与执行证据沉淀给后续任务。它刻意不要求标准答案，只认「有执行证据支持」的改动。

官方在 JobBench、LAB、WorkBuddy-Bench 和 4 种「模型—Harness」配置上测试（基础模型含 GLM-5、Gemini 3.5 Flash）：仅一步优化，WorkBuddy-Bench 最高 +11.5 分、JobBench +4.5 分、LAB 通过率 +11.8 个百分点，权重全程不变；继续加任务级递归预算还能涨，代价是同一任务要跑更多候选 Agent，本质用测试时算力换成功率。⚠️ 两个必须知道的限定：executor 默认不限网络、Codex executor 关闭 sandbox，公开 benchmark 的答案可能被联网拿到，正式评测须断网；国内开发者「接入 Jev 1.14 后视觉任务大涨」属个人自述，未独立核实。

原文：InfoQ中文 · 谷歌开源Harness，支持 OpenCode 和 Codex

2. OpenCode 1.4% 用户 API Key 泄露，黑客拿去训自己的模型

开源编程 Agent OpenCode 承认一起安全漏洞：一个「正准备下线的旧版系统」被攻破，约 1.4% 的 Console 用户存放在 workspace 里的 OpenAI、Anthropic、Google API Key 直接暴露。几小时内被刷爆——有用户 Anthropic 账户被刷 400 美元，更惨的超过 1700 美元，Google Cloud 账单也出现 1000 多美元扣款；联创 Dax Raad 称自己的个人账号同样在被打。

更值得注意的是动机：黑客不是转卖 Key，而是把这些额度全变成顶级模型的 CoT 与代码数据去训练自己的模型——既绕开各家「禁止用输出训练」的条款，又把成本转嫁给受害开发者，被视为一种新先例。处置动作只有一条有效：去 OpenAI/Anthropic/Google 官方控制台吊销旧 Key 并重配；改登录密码、在 OpenCode 里删配置、关掉本机程序都不会让已流出的凭据失效。Anthropic 的 Lydia Hallie 表示疑似泄露的 Claude Key 已全部强制注销。这件事与同日 OpenCode 2.0 发布是两件独立事件（后者见「其他」）。

原文：新智元 · 突发，GPT、Claude余额一夜清空！OpenCode爆雷

3. 中科大机器科学家 2.2：从「做实验」走到自主创制新物质

10 月 18 日合肥智能科学家生态联盟第四届年会上，中科大发布机器科学家 2.2，定位「新一代智能物质科学基础设施」。核心是三层分工：大模型当「科学大脑」，跨领域跨语言读文献、把模糊需求翻译成可执行任务、成百条地提候选假设；领域专用小模型当「垂类小脑」，校验热力学稳定性、合成路径与反应条件，专门给大模型的天马行空踩刹车；科研机器人负责执行——能稳定抓起 0.1 毫米碳纸，单台日均约 2000 次精准操作，约等于五六名科研人员。

真正区别于传统自动化的是闭环：需求理解→文献→实验设计→自动计算→机器实验→迭代优化，失败数据也回喂模型修正判断依据。前代「小临」曾在一次实验里试了上百种配方全失败，靠拆解每次失败锁定关键变量翻盘。产出上：火星制氧催化剂从 376 万种配方组合（人工验证需 2000 年）压到 6 周，成果发在 Nature Synthesis；新能源电池吸能材料从 10 年筛配方缩到 7 个月；还做出 6 种超级抗菌肽与阿尔茨海默病靶标蛋白。今年 1—8 月平台完成约 5 万项机器实验，服务近百家单位、580 位用户。⚠️「效率提升百倍以上」为官方口径，报道未给出对照评测细则。

原文：机器之心 · 中科大机器科学家 2.2：AI 不再只是做实验，而是自主创制新物质

📌 值得看

4. TheoPhysEval：GPT-6 Astra 拿到 98%，但初评其实低于 Claude

50 道未发表的理论物理难题（量子场论、全息、宇宙学等），出题方包括 ICTS、TIFR、德州大学奥斯汀、东京大学、哈佛、宾大、杜克与 Google DeepMind，题目取自专家最新研究笔记以防背题，arXiv 编号 2610.16733。

⚠️ 关键限定在正文里：初评 GPT-6 Astra 约 88%，Claude Opus 5.5 是 92%——Astra 起初并不是第一。争议中专家复核自己的标准答案，发现符号错误、近似条件用错等细微疏漏，修正后 Astra 升到 98%（50 题解出 49 题）。评测设双轨：真实轨可联网写代码，隔离轨断网，结果 Astra 与 Opus 5.5 双双 92%。为防蒙答案，题目强制把解析式转成带干扰项的高精度数值。整体仍是单一新基准的首轮结果，题目与评分细则未公开，「AI 反向批改人类」来自项目研究员转述。

原文：新智元 · 哈佛谷歌惊人研究：GPT-6 Astra已解决98%世界物理难题！

5. ChatGPT 上线「AI 小队」：GPT-6 Astra Pro 可多智能体并行

10 月 16 日 OpenAI 升级 ChatGPT 里的 GPT-6 Astra Pro，改了三件事：回复更快、插件与工具使用能力增强、可让多个智能体分头处理同一项任务，并在主对话里跟踪各自进度、单独点开检查成果。入口在 Chat 标签页，模型选 GPT-6、Thinking 拉到 Pro 档；Instant/Medium/High/Extra High 由 GPT-6 Sol 驱动。目前向符合条件的 Pro 用户陆续开放，团队账号还要看管理员设置与推送情况。

⚠️ 限定：官方没公布提速幅度、并行智能体上限、分工是否默认触发、结果如何合并；访问外部服务仍需用户授权。社区反馈集中在两点——「验收速度成了新瓶颈」，以及插件偶发死循环时额度照扣。另有网友指出 Claude Research 早在 2025 年 6 月就做过主智能体带子智能体并行研究再汇总。

原文：新智元 · ChatGPT有了AI小队！GPT-6 Astra Pro升级

6. 浙大 EMem-Bench：具身任务 91% 的失败其实是「记不住」

浙大 OmniAI 团队提出 EmbodiedMemory-Bench（EMem-Bench）：4 类任务、2554 条可执行交互样本、1118 个场景、125 种可见物体；前三类任务历史长度中位 78—83 步，经验泛化 111 步，关键线索与目标任务间隔 52—56 步。

动机来自失败分析：团队先看 Gemini-3-Flash 与 Qwen3-VL-32B 在 EB-ALF/EB-Hab 上的 100 条失败轨迹，记忆相关问题合计占 91%——忽略细粒度视觉线索 35%、未记录交互反馈揭示的状态 31%、遗漏环境状态变化 18%、经验不迁移 7%。四类任务分别考：被动观察（偶然看到的东西后面要用）、动态跟踪（物体被挪动后按最新状态行动）、交互失败（记住「抽屉锁了」这类只能试出来的限制）、经验泛化（从多次纠正里归纳家庭习惯并迁移到新对象）。配套给出外部记忆系统 EMem 与 EMem-8B，benchmark 上线三周 Hugging Face 下载近 3 万。它的价值在于把「看见 ≠ 记住」变成可执行评测，强调记忆要保留来源与因果，而不是只存物体坐标。

原文：新智元 · 具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准

7. Conway Research 的 Underdog：完全本地跑的「Muse 竞品」

成立 8 个月的美国 AI Agent 创企 Conway Research 发布个人助手 Underdog，主打完全在用户设备上运行、离线也能用，已开放 Mac/Windows 测试版（仍属邀测）。投资方阵容豪华：a16z、Anthropic 与 Menlo Ventures 组成的联合体 Anthology，加上 Stripe 联创 Patrick Collison、Vercel 创始人 Guillermo Rauch、OpenAI 的 Noam Brown、Hugging Face 联创 Thom Wolf 等个人，金额未披露。

技术上走「小模型 + 自研引擎」：Woof 4B 求快、Saluki 27B 求聪明（基于 Qwen3.8 27B 微调、已开源），官方称权重只有全精度 1/7 仍保留 96% 性能；推理引擎 Husky 在 MacBook 上让 Woof 4B 跑到 730 tok/s，称比苹果 MLX 快 4.5 倍。功能上已做本地图像生成编辑（Qwen-Image）、会议记录一键导入、与 Stripe 的设备端智能体支付；商业模式是不投广告、不挖数据，从支付交易抽成。⚠️ 性能倍数与「隐私最强」均为厂商口径，未独立核实。

原文：智东西 · 华人00后做”本地Muse”，被硅谷AI圈疯抢

📄 其他

  • OpenCode 2.0 正式发布：运行时 Bun→Node.js、桌面 Tauri→Electron，1.x 插件全部报废，API 重写为常驻后台服务。原文：InfoQ中文
  • Anthropic 划拨 5% 股份设公益基金；叠加创始人 80% 捐赠承诺与员工配比，合计约 20% 股份用于公益，仍需股东批准。原文：智东西
  • 大晓 ACE-Brain-0.6：9B 模型八项 Grounding 评测六项超 GPT-6 Astra，含自建 RobotGrounding，属厂商口径。原文：新智元
  • 铭芯启睿 MemSilicon 完成超 4 亿元 A 轮，前 Graphcore 总裁卢涛任 CEO，启动面向大模型推理的 LPU 研发（36氪同报）。原文：极客公园
  • 达摩院玄铁首发车规 RISC-V 产品路线图，面向自动驾驶与具身智能，称玄铁芯片累计出货超 60 亿颗。原文：36氪
  • 元任务 MetaDecision 进 JevBench 前三：129 个开源系统中 31B 版第 3，单次判断延迟中位 <0.2 秒。原文：36氪
  • OpenAI 三个 Aurora 模型短暂现身 API（aurora-red/green/blue-alpha）后消失，官方未回应，属未证实爆料。原文：机器之心
  • 苹果首个 AI 机器人曝光：可能是给屏幕装上脖子的机械臂版 HomeView。原文：爱范儿
  • MiniMax 官方认领匿名模型 Space Bunny，M3.1 Flash 即将发布。原文：36氪
  • OpenAI 挂出 19 个 Robotics 岗位，从「大模型当大脑」延伸到执行器、电机、制造与数据系统。原文：36氪
  • Claude 自我修宪实验：20 轮后给自己写入训练/部署否决权，GPT 与 Gemini 反而强化工具属性。原文：新智元
  • Apate.AI 让 AI 假扮受害者陪骗子聊天：250 万次对话、消耗骗子约 17 年时间、套出 25 万条情报，澳洲联邦银行称诈骗损失降 76%（厂商披露）。原文：机器之心
  • 9 部门《关于加快推进科技兴商的意见》：加速脑机接口、具身智能转化，鼓励工业大模型与边缘智能。原文：36氪