珂的非官方整理
AI 速递

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，OpenAI 把 Codex 和 ChatGPT Work 中 GPT-6.1 Sol 的默认上下文从 272k 扩至 500k，增幅约 80%，可手动调至上限 1M。
2. 2.腾讯摘要称，Tibo 称用订阅额度运行不收长上下文附加费，任务照常消耗额度；API 调用仍按价格表计费。
3. 3.腾讯摘要称，今年 7 月曾为 GPT-5.6 Sol 提至 372k，因反复读取缓存致用量超预期退回 272k；Claude Code 中 Opus 5.5 与 Sonnet 5.5 默认为 1M。

扩展解读 / READ

关联原文（新智元）把这次扩容放进压缩机制的语境里：Codex 上下文快满时要先压缩前文与工作进度，开发者 Lasse 曾吐槽一次压缩最长要等两分钟，扩容的直接收益是少压缩、少重述最初的要求。收费口径要分两层看：Tibo 说的是订阅额度内运行不收长上下文附加费，任务照常消耗额度，API 仍按价格表计费；今年 7 月产品上下文曾从 272k 提到 372k 供 GPT-5.6 Sol 使用，因反复读取缓存内容导致用量超出预期又退回 272k，说明免附加费不等于同一任务更省额度。横向对比上，Claude Code 里 Opus 5.5 与 Sonnet 5.5 默认已是 1M，自动压缩点约 967k，接近上限时先移除较早的工具输出，再摘要对话，查文件一类子任务可交给拥有独立上下文的子 Agent。OpenAI 表示默认窗口还会继续上调。评论区那句「改个配置也算一次真正的升级吗」，点出的正是这轮改进的性质：工程参数的调整，而非模型能力的跃迁。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，多位开发者晒出实测，称选的是 Opus 5.5、效果却像换了模型，怀疑后台已路由至新模型，猜测含 Opus 5.6、Fable 5.5，有人称其「Claude Next」。
2. 2.腾讯摘要称，开发者 Chetaslua 称用 4 行提示词、运行 2 小时、耗 2700 万 Token，由 JS 逐帧画出 30 秒动画。
3. 3.腾讯摘要称，网友以不联网问答 VoxelBench 作测试，文章称这还不能独自验明模型身份。

扩展解读 / READ

关联原文（新智元）记录的是开发者侧观察，不是官方公告：同样选择 Opus 5.5，产出质量出现断层式差异，于是猜测请求被路由到未发布版本。最出圈的一组是 Chetaslua 的 4 行提示、2 小时、2700 万 Token，由 JavaScript 逐帧画出 30 秒动画，从胚胎、门框下量身高到独自坐回扶手椅，同一把椅子前后呼应；他的判断是半年内「用代码生成视觉」会成为性价比最高的路线，理由是 Opus 并未接受视频与音频训练，画面靠代码与物理规律推出来，而视频模型在物理一致性上更吃亏。其他实测集中在材质、遮挡与近景细节：鱼缸转身时的鳍与水草层次、SVG 手柄的摇杆纹理与灯带、Opus 5.5 配 Three.js 的微缩雨夜便利店，以及一位作者让模型自主运行 101 分钟、每轮截图自查、到第 12 轮补上灯光与河边 350 盏油灯。需要如实标注的是，模型身份始终未获证实，不联网追问是否知道 VoxelBench 只是社区自制的筛选暗号，无法单独验明检查点。原文还把时间点放进 Anthropic 的 IPO 节奏（10 月 14 日 Pre-IPO 投资者日、最早 11 月 9 日当周启动营销），这属于背景叙述，与模型是否更新没有直接因果。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，OpenClaw 发布 v2026.10.1，官方称汇集 402 位贡献者、2425 个 PR、3055 次提交。
2. 2.腾讯摘要称，新增 skills_search 与 skills_read，Agent 可按需检索并读取已装 Skills；兼容的 MCP Apps 可在聊天区旁打开，完整备份可存至 Cloudflare R2。
3. 3.腾讯摘要称，Reddit 有用户称频繁更新带来兼容性问题，GitHub 有从 v2026.9.5 升级失败的报告。

扩展解读 / READ

关联原文（机器之心）把重点放在两处更新：skills_search 与 skills_read 将以往塞进 Prompt 的技能目录改为按需检索、按需读取完整 SKILL.md，解决的正是技能数量增长后目录占满上下文预算的问题，适用于嵌入式 Agent、Code Mode 与 Codex 会话；MCP Apps 可在聊天区旁打开，用户直接用表单与选择器操作，授权分单次允许、当前视图打开期间允许、拒绝三档，应用还可向所属 MCP 服务器请求调用工具。备份扩展到外置硬盘、挂载存储与 Cloudflare R2，支持定时备份与自动清理，恢复时先写入暂存目录而非直接覆盖现有环境。原文同时记录了另一面：Reddit 上「真的受够了更新 OpenClaw」的帖子说得很直白，用户认可它能在本地模型上运行、掌握控制权，但每次升级都要花时间修环境，有人索性转向 Grok Bot、Muse 与 Dots，即使每月多花 200 美元；新版发布帖下有人仍卡在 9.9 版本，GitHub issue 168748 报告从 v2026.9.5 升级后 Codex 插件停留在旧版、Gateway 看似正常但 Agent 无法完成一轮回复。这条发补贴浏览量约 3.4 万，与年初的养虾热度形成对照。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，千问团队提出在线强化学习框架 QwenGyre，面向持续数小时、累计处理百万级 token 的超长程智能体任务。
2. 2.腾讯摘要称，以弹性调度把空闲 GPU 逐步转入训练且不中断任务，以轨迹树和轨迹预算减少分叉执行的重复计算。
3. 3.腾讯摘要称，Qwen3.8-2.4T 训练 48 步，NL2RepoBench 通过率由 52.48% 升至 58.54%；总耗时由 Async 的 134.55 小时降至 75.42 小时，加速 1.78 倍。

扩展解读 / READ

这是千问团队的技术发布文，价值在于把「超长程」定义清楚：一次执行持续数小时、数百轮相互依赖的交互、各轮累计处理百万级 Token（含反复读入的历史）。两个瓶颈都被点明：Colocate 要等所有任务结束才能整体切到训练，Async 的采样与训练各自部署、空闲 GPU 无法随需求调配，长尾等待造成算力浪费；历史压缩、子智能体委派与重试会让一次执行分叉出多条上下文路径，全部展开要反复处理共享前缀，直接拼接又会改变生成时的原始上下文。解法是把执行、GPU 角色与训练样本分开管理：GPU 切成同构 cell，既能采样也能承载完整模型副本，任务逐步结束时把 cell 转入训练，切换时任务不停、工作区与工具状态保留，KV cache 经 RDMA 迁移；样本侧用 Token-in Token-out 记录每次调用的精确 token ID 与行为策略对数概率，按共享前缀组织成轨迹树，只有被选中的路径展开为样本，并用轨迹预算优先保留主智能体及其摘要路径。Partial Scoring 让超时但已产出可检验结果的任务也能参与训练，拿不到有效评估的执行则丢弃。实验在 Qwen3.8-2.4T 上每次 rollout 约 70 万 Token，48 步后 NL2RepoBench 通过率从 52.48% 升至 58.54%，总耗时从 134.55 小时降到 75.42 小时；122B 模型上最多保留 5 条轨迹时训练分数与梯度范数接近全量，每步前向与反向计算时间减少 25.2%。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，据网友爆料，GLM-5.3-Highspeed 已在 Zcode 3.15.1 灰度，订阅用户随机获得，晒出速度达 490 tokens/s。
2. 2.腾讯摘要称，Pi 模型目录显示其上下文 100 万 token、最大生成 131,072 token，设三档思考强度，与普通版一致。
3. 3.腾讯摘要称，上月发布的 GLM-5.3-FlashX 最高 200 tokens/s，5 月的 GLM-5.1-highspeed 为 400 tokens/s。

扩展解读 / READ

信息目前都来自灰度体验与目录数据，原文（量子位）也如实标注了不确定性。网友 @leo114119 在 Zcode 3.15.1 里拿到 GLM-5.3-Highspeed，实测 490 tokens/s，作者本人尝试手动添加切换，但 Lite 套餐未获资格，属于随机灰度而非全面开放。速度坐标可以横向摆一下：上月发布的 GLM-5.3-FlashX 最高 200 tokens/s，Artificial Analysis 测的 GLM-5.3-Flash 在 Z.ai API 上约 60 tokens/s，5 月的 GLM-5.1-highspeed 是 400 tokens/s。Pi 的模型目录已收录该型号，上下文 100 万 token、最大生成 131,072、low/high/max 三档思考强度，这些配置与 GLM-5.3 普通版一致，说明提速主要来自推理侧优化而非更换底座。Reddit 上还有猜测把它与 OpenCode 的匿名模型 Omen Alpha 联系起来，身份同样没有定论。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，上海 AI 实验室基于科学智能上下文协议 SCP 推出实验设备访问与协同协议书生 SCP-Lab 并开源，供科研智能体统一发现设备能力、提交任务并获取反馈。
2. 2.腾讯摘要称，提出 L1 至 L5 五级控制粒度，从整套实验流程细到机械臂原子动作；安全管控仍由本地系统负责。
3. 3.腾讯摘要称，已在化学合成、药物筛选等 9 个场景验证；清华张数一团队借此完成上海、北京、苏州三地四节点的 Cas12a 定向进化协同。

扩展解读 / READ

这是上海 AI 实验室的官方发布，说的是一件很具体的事：科研智能体接不进真实实验室，症结在设备接口、能力封装与控制粒度的天然异构，以及不同平台开放的控制范围差异过大。书生 SCP-Lab 建在已有的科学智能上下文协议 SCP 之上，明确不替代原有设备控制系统，本地执行与安全管控权限保留在实验室一侧；架构分四层，科研智能体负责规划与数据分析，LabOS 负责能力筛选与任务调度，协议层提供统一的能力访问与任务交互接口，底层由本地适配软件和原设备系统执行。L1 至 L5 的分级值得细看：L1 调整套封装流程、只能改温度体积等基础参数；L2 把实验拆成可复用单元、自由重组步骤顺序；L3 调单台设备的功能模块并设参数；L4 下发设备原生底层指令，例如单次吸排 50μL、排液速率 2μL/s、循环 3 次；L5 直达执行器原子动作，按三维坐标控制机械臂位姿与夹爪开合。原文特别说明分级不衡量设备自动化水平，只看调用方能操控的范围。可信闭环的设计也写在里面：任务标识与状态记录支持断点续跑，任务接收、执行中、物理完成被区分开，验收标准与安全约束纳入统一描述。落地证据是 9 个场景的验证、临港实验室的 LNP 配方迭代闭环，以及清华张数一团队在上海、北京、苏州三地四节点完成 Cas12a 定向进化协同。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Meta 首席 AI 官亚历山大·王在 David Senra 播客称，Meta 不与同行拼编程 Agent，押注面向 35 亿日活用户的个人 Agent，超级智能体是 C 端软件终点。
2. 2.腾讯摘要称，Muse 从 2 月原型打磨 7 个月，100 多项指标全部达标才发布，核心团队不到 200 人；官方只称用户「数以百万计」。
3. 3.腾讯摘要称，他称模型研发像采钻石，收益呈幂律分布，TBD 团队研究员全部直接向他汇报。

扩展解读 / READ

这是 David Senra 播客 10 月 11 日对谈的整理，信息密度集中在产品节奏与组织方式。增长参照系先摆出来：上线 10 天登顶美国 App Store 免费榜，Sensor Tower 估算 22 天下载破 500 万次，同样数字 ChatGPT 用了 56 天。方法层面有三条可复用：原型与量产之间的鸿沟，2 月用一到两周拼出的 Demo 核心骨架（吉祥物、交互形态）已经出现在最终版里，后面七个月做的是稳定性；把目标量化，列出一百多项具体行为与能力并逐项搭评估集，每周评审只盯最差短板；组织极简，核心团队不到 200 人、两百多位研究员直接向首席 AI 官汇报，不做微观管理。战略选择讲得很清楚：2026 年初全行业在代码 Agent 上跟 Anthropic 硬碰，Meta 判断自己的护城河在 35 亿日活用户的日常生活，论证是不由自主要做的事与真正想做的事之间的划分——AGI 消解报销、排期、订票这类琐事，释放出的意愿时间正好落在 Meta 的产品矩阵里。原文也给了反面参照：OpenClaw 的热度见顶后迅速退潮，原因是偶尔惊艳、多数时候崩溃，这被用来说明稳定性才是消费级 Agent 的门槛。访谈细节还包括 Nat Friedman 的 Agent 调安防摄像头监督他喝水、截图驱动的传播判断、信任像背摔一样从微小事务逐步交托，以及与扎克伯格从第一通复盘电话到敲定重组只用了五六周。原文为访谈整理，观点与估值类数字均为受访者与第三方口径。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Karpathy 发推估算，全球约 5000 人（约 0.00006%）可在内部直接使用最前沿系统，约 60 亿人（约 75%）几乎没接触过 LLM。
2. 2.腾讯摘要称，另有 10 亿至 20 亿人偶尔使用免费版产品，约 2000 万人（约 0.2%）在数学和编程领域专业使用前沿级 LLM。
3. 3.腾讯摘要称，他把差距归因于任务规模与时间跨度、能力集中在可验证且经济价值高的领域，以及免费版、付费版与内部系统的访问权限不同，并称人类审查能力已开始跟不上。

扩展解读 / READ

Karpathy 的这条推文是对 4 月旧推的再估算，本质上在画一条能力漏斗：约 60 亿人（约 75%）几乎没真正接触过 LLM；10 亿至 20 亿人（约 20%）偶尔用免费版，看到的是更好用的搜索引擎；约 2000 万人（约 0.2%）在数学与编程领域专业使用前沿级模型，亲眼见过 Agent 在一个 Prompt 内完成过去要数周的项目；最上层约 5000 人（约 0.00006%）能在内部直接用最前沿系统，这些系统可以让成千上万个 Agent 组成集群、连续运行数周，推进大型软件项目、发现零日漏洞、以机器速度攻防。他把成因归为三点：影响力随问题规模与任务时间跨度放大，只问一段话答案的问题压榨不出能力；能力呈锯齿状，高峰集中在数字化、可验证、经济价值高的领域，因为能力主要来自可验证奖励的强化学习，而训练环境的选择受商业价值驱动；访问权限分层，免费版、付费版与内部系统不在同一层级。原文还提到人类审查能力开始跟不上，例证是 OpenAI-HF 事件仍在被考古式分析、722 篇前沿数学手稿需要长期逐篇研究。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，宇树科技创始人王兴兴 10 月 12 日在第 26 届中国工博会圆桌对谈称，具身智能临界点快的话一两年都有可能，今年 8 月他的判断是快则两到三年。
2. 2.腾讯摘要称，他称过去十几年最大的错误是对 AI 相信不够，并预计明年 ChatGPT-7 发布很可能击穿具身智能目前的瓶颈。
3. 3.腾讯摘要称，宇树内部在尝试物理 AI 自进化系统，把代码编写、训练、部署、测试和反馈做成自循环，目前仍需人参与评价。

扩展解读 / READ

这条来自 10 月 12 日第 26 届中国工博会开幕式的圆桌对谈，澎湃新闻的现场记录。时间预期值得对照：2025 年 8 月世界机器人大会上他说顺利的话一两年或两三年、最慢三到五年；今年 8 月改为快则两到三年、慢则五到十年；这次工博会上又提出最快可能一两年，并预计明年 ChatGPT-7 发布很有可能击穿具身智能当前的瓶颈。他给出的解释是对 AI 的相信不够，称之为过去十几年犯过的最大错误，并说 ChatGPT-6 发布后宇树把它放到各种机器人上做任务测试，效果都不错。工程上的动作是物理 AI 自进化系统：把代码编写、模型训练、部署、测试与反馈做成自循环，让 AI 参与更多开发与评价环节；但他也明确，目前仍需要人参与评价，判断动作是否符合预期、任务是否成功、结果是不是人真正想要的，预计随经验积累人的参与度会下降。落地节奏上，宇树 2024 年已在汽车工厂等场景试点，他认为工业与 To B 商业服务会比居家场景更快成熟。