AI Coding
1. Hugging Face 开源「多 Harness RL」指南：同一模型跨 harness 得分 62% vs 33%
事件：Hugging Face（Lewis Tunstall 等）发布完全开源的多 harness 强化学习指南与代码。核心发现：同一模型、同一权重，在 Mini-SWE-Agent 中解出 62% 任务，在另一 harness 中仅 33%——近 29 个百分点的差距，接近翻倍。方法是用一个 proxy 把 Claude Code / Codex / OpenCode 指向它（支持 OpenAI Chat、OpenAI Responses、Anthropic Messages、Gemini 四种 API 格式），在不改动任何 harness 代码的前提下记录 vLLM 采样出的精确 token id 与 logprobs，作为 RL 训练数据。Liquid AI 的 LFM2.5-2.6B 同时在 4 个 harness 上训练，pass@1 从 42.2% 提升到 54.2%，且因「更少步数完成任务」的奖励项，工具调用减少 31%。全链路（proxy / TRL 训练脚本 / 7 个模型）均已开源。
为什么值得关注：这是「卷 harness 而非卷模型」叙事至今最硬的实证——harness 不再是推理期脚手架，而成了可训练的变量；RL 训练在 harness 之外（behind the harness）而非之内，意味着小模型也能通过「跨运行环境泛化训练」拉平与前沿模型的工程差距。31% 的工具调用下降还是直接的推理成本削减。对 coding agent 厂商，这等于把「模型能力」的部分护城河转移到了「训练—运行环境适配」上。
2. llama.cpp 与 Ollama 双双落地「决策模型」本地端点 /v1/systemone
事件：llama.cpp 于 10/02 合并 PR #29818，server 新增 /v1/systemone 端点，遵循 TypeSafe Jev 的 System One 格式；首发支持 Julia-1（144M）、Laya（421M）、Kev-4B、lev（4B）、OpenJev（27B，多模态）五个开源模型族，RTX PRO 6000 上单次决策延迟 3–43ms。Ollama 0.35 此前几天已上线同形端点（Bespoke nimble 9B / Together tev1）。决策模型不生成文本，而是读一次输入、对给定选项打分并返回概率（choice / score / noul 三类）。OpenAI 在 9/29 DevDay 也已有限预览基于 GPT-6 Luna 的 Decisions API（约 150ms，对比普通 Luna 1.6s）。
为什么值得关注：一个月内，决策模型从一家创业公司（TypeSafe Jev）扩散到两大本地运行时（llama.cpp、Ollama）再到 OpenAI，且端点形状趋同，正在形成事实标准。意义在于 agent 基础设施分层：分类、路由、内容审核、检索过滤、「下一步调哪个工具」这类高频结构化判断，不再需要走生成式模型 + JSON schema + 重试，而是一次前向传播的低延迟本地调用。对端侧 / 私有化 agent 部署是实质性的降本与数据主权红利。
3. Cursor 收购 Continue：开源 BYO-Model coding agent 的归宿与治理风险
事件：Continue 官网 10/02 变更为「已被 Cursor 收购」公告，承诺开源代码库（Apache-2.0）保持自由可用、仓库未归档、当日仍有提交。Continue 曾是 VS Code / JetBrains 中「自带模型」coding agent 的事实标准答案——银行、国防、医疗等受数据驻留约束的团队用它把源码留在自己基础设施。收购后，其托管账户层（订阅）前景不明，社区提示：纯自托管用户可继续维护 fork，但依赖 Continue 云端账户系统的部分需优先审计。
为什么值得关注：这是开源 coding agent 商业化归宿的一个样本——代码开源不等于服务延续，收购后「代码留、服务并」是常态。对受数据主权约束的企业（本系列反复提示的合规红线），BYO-model 路线的长期路线图不确定性上升，呼应 9 月智谱 ZCode 数据主权事件：工具链集中化与开源治理，是 coding agent 采用决策中必须前置评估的维度。
4. Claude Code 2.1.289 安全与韧性加固（10/04 当日）
事件：Anthropic 当日发布 Claude Code 2.1.289：deny rules 现在能捕获以 env- 前缀（如环境变量注入）的 shell 命令；插件与 mods 改为「单独失败」而非拖垮整个 session（fail alone instead of ending the session）。
为什么值得关注：延续本系列长期追踪的「agent 安全合规硬化」主线。env- 前缀 shell 命令是 agent 执行层被忽视的注入面（环境变量可被仓库内恶意配置劫持）；插件 / mods 故障隔离则把「一个扩展崩溃 → 整个 agent 会话丢失」的脆弱性降下来。两者都是 coding agent 从「个人玩具」走向「企业可信执行」的必要工程化补丁，也是 Agent 安全从警告走向产品默认设置的信号。
具身智能
1. 现代汽车部署 2.5 万台波士顿动力 Atlas，并在美建 3 万台年产能工厂
事件：波士顿动力上周在佐治亚州现代 Metaplant America 园区启用机器人 Metaplant 应用中心（RMAC），作为 Atlas 测试与训练基地，训练员以遥操作方式训练。现代汽车集团计划未来数年向现代 / 起亚全球工厂部署 2.5 万台 Atlas，并在美国建设年产能 3 万台的机器人生产设施；官方确认 2028 年率先在佐治亚 Metaplant 部署（初期零部件排序，2030 扩至零部件装配）。CES2026 发布的 Atlas 量产版含 56 自由度、举重 50kg、−20℃~40℃ 工作、电量不足自换电池。
为什么值得关注：这是 Atlas 从演示明星转为「企业级规模部署 + 产能本地化」的最硬承诺之一，直接对标特斯拉 Optimus 的量产叙事。2.5 万台部署 + 3 万美厂产能，把「真干活」从一个口号变成可验收的订单与产线数据；对国内整机场（宇树 / 智元 / 优必选）而言，海外头部玩家已把竞争维度拉到「万台级部署 + 自有供应链」。
2. 特斯拉 Optimus Gen3 渲染图疑似泄露，量产数据加速（周产翻 10 倍）
事件：10/03 科技站点 NotaTeslaApp 报道，特斯拉安卓 App 中一组机器人渲染图被发现，疑似展示第三代 Optimus Gen3 外观——相较前代对外露机械结构做了更多包覆、机身更紧凑（原帖后被删但已被转发）。量产侧：特斯拉当前周产「数百台」Optimus，较二季度翻约 10 倍，年底冲刺周产超 1000 台，弗里蒙特专属产线远期设计年产能 100 万台。行业层面：2026 全球出货预计破 5 万台（同比 +178%），中国约 3 万台；智元完成全球首个万台级量产、上半年出货约 9700 台、占全球 43% 居首；Q1 国内产业链融资 681 亿元已超 2025 全年。供应链瓶颈集中在丝杠（灵巧手微型滚珠丝杠下单量最大、超产能爬坡）与轴承（ASP 超 2 万、柔性 / 交叉滚子 / 角接触轴承为释放瓶颈）。
为什么值得关注：Gen3 外观细节 + 周产翻 10 倍，是 A 股机器人板块最直接的风向标催化；而丝杠 / 轴承「下单量远超产能」的信号，再次印证本系列反复提示的「上游卖铲人」逻辑——硬件瓶颈从本体转移到了精密传动与轴承，相关细分环节的供需错配可能先于整机业绩兑现。投资以官方披露为准。
3. 昆山张浦具身智能「场景化落地」：12 款产品从展台走向产线闭环
事件：10/04 中青报报道，江苏昆山张浦镇具身智能新品发布会推出 12 款瞄准真实作业难题的产品：轻量化轮足巡检机器狗（充电桩自主出发、乘梯换层、巡检产线、违停上报云端、结束回充，全程无人介入）、重载轮足作业机器狗（巡检同时靠机械臂抓取搬运，形成「发现—处置」闭环）、自研关节模组与全能云枢机器人平台。企业定调：「能走只是入场券，能干活才创造价值」，不做通用机器人，聚焦垂直场景（汽车线束、食品精细化等）打破柔性操作难题。张浦全镇 378 家智能制造企业、年产值近 500 亿元提供真实场景底座。
为什么值得关注：这是「实干时代」叙事在县域制造的具象样本——从「参数华丽的展品」转向「可上岗、能闭环」的垂直场景机器人，且关键模组（关节）自研。对国产替代路径而言，垂直场景 + 自研关节 / 执行器，比追逐通用本体更先形成收入闭环，也更符合 A 股当前从「主题」切「订单与业绩」的定价逻辑。
4. FieldAI 拟以 100 亿美元估值融资 7 亿美元：不造本体、只做「通用机器人智能层」
事件：AGI HUNT 10/04 日报援引行业消息，FieldAI 正以约 100 亿美元估值募集 7 亿美元，定位为「universal intelligence layer」——不生产机器人本体，而是一层通用智能，可驱动人形、无人机、机器狗与工业机器等多种硬件。其逻辑是用一套大脑适配多形态 body，而非绑定单一机器人。
为什么值得关注：这是「价值从本体转向大脑 / 操作系统」判断的又一估值锚——100 亿美元估值押注的不是硬件出货量，而是跨本体的通用控制与决策能力。对照本系列追踪的智元 GE-Act、宇树 UnifoLM、蚂蚁 LingBot 等大脑开源路线，FieldAI 的高估值说明资本市场已在为「机器人 Android / 中间件」定价，对 A 股「跨本体大脑 + 上游卖铲人」两条线都是外部参照。（以官方 / 媒体报道为准）
跨主线信号（能源 + A 股投资侧）
- 算力能源锚：coding 与具身两条线共同指向「推理 / 训练下沉 + 本地化」——llama.cpp / Ollama 决策模型本地端点、Claude Code 自托管式安全、Atlas 美厂产能本地化，都在把算力需求从集中云推向边缘与自有设施，绿电算力与边缘供电仍是能源侧长逻辑。
- Agent 安全合规成 coding + 具身共享红线：Claude Code 2.1.289 的 env 注入封堵、插件故障隔离，与具身侧「万台级部署」对功能安全的硬要求同源——可执行系统的默认安全，正从警告变为产品出厂设置。
- A 股三条线：① 上游卖铲人（丝杠 / 轴承 / 关节模组 / 减速器，特斯拉与国产整机双链共振）；② 跨本体大脑（FieldAI 估值锚 + 国产大脑开源路线）；③ 绿电算力 + 城市 / 县域实景（昆山模式）。投资以官方披露为准。
一句话总结
本期 coding 与具身在「价值重心下移」上汇流：coding 把能力红利从大模型转向 harness 训练与本地决策端点，具身把竞争从 demo 推向万台级真干活；丝杠轴承卡点与 FieldAI 百亿大脑估值共同指向——下一阶段超额收益在供应链瓶颈与跨本体智能层，而非整机叙事。
