主题： Meta 用前沿编码模型重返第一梯队，智能体侧的小模型分工与上下文重置同时改写工程实践；工业具身在工博会集中「进厂」。

编制时间： 2026-10-13

本期看点： 前沿编码模型 / 上下文重置 / 3D 世界动作模型

---

一、要闻速览（Top Stories）

序号	事件	标签	关键词
1	Meta 发布 Muse Wonder 与 Muse Wonder Full，把长跑智能体当成主卖点	AI Coding	前沿智能体 / Muse Code / 100 万上下文 / 主动记忆
2	微软研究院提出 Fork-and-Flush：清空对话历史，让研究型智能体跳出「想法盆地」	AI Coding	上下文重置 / 想法盆地 / 同算力 +66%
3	LightOn 开源 2B 代码检索智能体 ColGrep-Agent，替前沿智能体省三成 token	AI Coding	本地推理 / 省 34% token / Apache 2.0
4	Sakana AI 与 UC Berkeley 发布 MASS：把多智能体团队的经验蒸馏回单个模型	AI Coding	递归自我改进 / 多智能体自监督 / harness 即训练数据
5	阶跃星辰 Step 5 Preview 接入腾讯 WorkBuddy，办公智能体多一个编码向底座	AI Coding	6000 亿参数 / 稀疏 MoE / 限时全免 / 开权重预告
6	跨维智能开源 UNITAS，用 3D 原生表示统一观察、动作与环境变化	具身智能	1.7B / LIBERO 99.8% / RoboTwin 2.0 / 真机 85%
7	白泽通境发布溯因式世界模型 AWM，先预演再追问变化从何而来	具身智能	溯因推理 / 2000 条轨迹 / 2bit 端侧引擎 / 合肥
8	第 26 届工博会开幕，工业具身集中「进厂」	具身智能	西门子六类场景 / 节卡 Kargo50 / 具识智能 insightOS
9	DeepSeek 拟领投机器人模型公司 Winverse AI	具身智能	胡瀚 / Swin Transformer / 约 4 亿美元估值 / 未落定
10	全国具身智能训练场超过 70 家，「数据关」仍是主要卡点	具身智能	高质量数据 / 千万小时缺口 / 北京人形 / 实景实训

筛选标准：5-10 条，侧重 AI Coding 与具身智能方向；每条一句话概括事件 + 快速定位标签。

---

二、AI Coding 与智能体工程

1. Meta 发布 Muse Wonder 与 Muse Wonder Full，把「长跑智能体」当成主卖点

事件： 10 月 12 日，Meta 发布 Muse Wonder 与 Muse Wonder Full 两款模型。前者通过 Meta Model API 与自家编码产品 Muse Code 开放，定价每百万 token 输入 4 美元、输出 20 美元；后者只随 Muse Code 订阅提供，起步为每月 50 美元的 Power Usage 档，另有新推出的 Maximum Usage 档，额度为 Everyday 档的 80 倍。模型内部代号 Watermelon，Meta 称训练与强化学习在千兆瓦级 Prometheus 数据中心完成。

核心能力 / 核心参数 / 产品细节：

• 100 万 token 上下文，接受文本、图像、视频、音频输入，输出文本，缓存读取每百万 token 0.2 美元。
• 两个被单独命名的行为：Active Memory 把用户上下文跨会话留存，并按当前任务取回相关细节；Active Focus 让模型在受阻时换策略、从工具调用失败中恢复、必要时主动提问，并在重要动作前先确认。
• Meta 官方材料称 Muse Wonder Full 在 DeepSWE 与 SWE-Marathon 两个编码基准的第三方独立跑分里超过所有被评估模型，整体对标 GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5.5。
• 安全披露口径罕见地具体：模型卡写明未经缓解的 Muse Wonder Full 在化学与生物领域可能触及「高风险阈值」，Meta 用后训练与系统级分类器把上线版本压到「中等或更低」，更完整的安全报告后续发布。

值得关注的原因：

• Meta 今年最能打的开放权重模型是 30B 的 Muse Glimmer（Apache 2.0），这次两款均闭源，只走自家 API 与订阅，路线从「放权重」转向「先保住能力差」。
• 官方对比数据全部为自评。The Decoder 的复核指出，Muse Wonder Full 在十项基准里进入前三的有六项，但完成单任务的成本接近此前模型的三倍，能力提升与调用代价需要分开评估。
• Alexandr Wang 明确讲了差异化选择：别人押编码智能体，Meta 押个人智能体。Muse Wonder 会先供给 Muse 订阅用户，前沿能力直接铺到消费端。

2. 微软研究院：清空对话历史，反而让研究型智能体拿到更高分数

事件： 微软研究院 10 月 12 日发布论文，研究对象是「自动研究智能体」，也就是反复提出方案、评估结果、按反馈改进的长时间运行系统。

核心发现：

• 同一个智能体、同一个任务跑八次，最终分数落在 68.3 到 100.0 之间，差距在显著增加算力后依然存在。
• 把八次运行的解法投到二维图上，单次运行的解几乎全部挤在一小块区域，作者称之为「想法盆地」。智能体把剩余预算的大部分用来在产出较低的区域里反复微调。
• 提出的方法 Fork-and-Flush：智能体分裂成 K 条并行分支，每条继承工作区与已生成文件，但清空全部对话上下文；保留最优分支，其余丢弃。13 个长时程任务上归一化均分从单次运行的 0.47 提到 0.78，比 best-of-4 的 0.54 高约 44%。
• 只清空上下文、不做分支，也能把 11 个任务的均分从 0.45 提到 0.55。

值得关注的原因：

• 「上下文越多越好」长期是工程默认前提，这项工作给出的反向证据指向了具体失败模式：历史推理会把后续搜索锁在原地，周期性的上下文压缩也无法解除。
• 实验通过 GitHub Copilot CLI 驱动 GPT-5.6-terra 与 GPT-5.5，任务从多联骨牌拼接、作业车间调度到密码分析，单次运行几个小时到上百小时，属于长时程智能体的真实工况。
• 作者认为这个效应会随模型变强向更难的问题迁移，上下文重置可能长期是研究型智能体的标配步骤，而不是一次性的工程技巧。

3. LightOn 开源 2B 代码检索智能体，替前沿智能体省下三分之一 token

事件： 10 月 12 日，法国 LightOn 在自己的博客与 Hugging Face 上开源 ColGrep-Agent-2B，同时公开论文、GitHub 仓库与 GGUF 权重。

核心能力 / 核心参数：

• 2B 参数，基于 MiniCPM，Apache 2.0 许可，Q8_0 量化后约 2.5GB。
• 不依赖 Python 环境、外部推理服务或 API key；有 GPU 时走 Metal 或 Vulkan，没有则回落 CPU，M3 Pro 上单问题约 20 秒、峰值内存 3 到 4GB。
• 在 Claude Code（Sonnet 5.5）上接入后，52 个代码检索问题、13 个训练时未见过的仓库，API token 少 34%，按缓存折算的成本降 40%；准确率 80.8% 对 grep 的 83.3%，差异不显著。
• 代价是每个问题耗时 21.6 秒，grep 为 13.0 秒；另有 Balanced 档省 21% token 且速度更接近原生 grep。
• 安装入口已写进 Claude Code、Codex 与 OpenCode 的钩子。

值得关注的原因：

• 它把「先找到代码在哪」和「想清楚怎么改」拆成两种模型：检索交给本地小模型，前沿模型只负责推理与编辑，收益直接体现在调用结构上。
• 整个过程不出本机，代码库不必为了基础检索而整片送往外部服务，对隐私与合规敏感团队是可选项。
• 这种 harness 层的可插拔改造，不需要动客户端，最容易被其他编码工具复制。

4. Sakana AI 与 UC Berkeley 的 MASS：把「团队怎么干活」蒸馏回单个模型

事件： Sakana AI 联合 UC Berkeley 研究者发布 MASS（Multi-Agent Self-Supervision），10 月 11 日公开。同一份 27B 开源权重模型分饰三个角色：执行者带着虚拟子代理做事，优化者只改「团队怎么协作」的流程文档，评估者判断哪份工作区更好地完成任务。

核心能力 / 核心参数：

• 工作流被拆成四个组件：角色、指令、交付契约与调用顺序，优化者直接在这些文本上做搜索。
• 两轮循环后，四个研究型基准（ScienceAgentBench、AstaBench、DSBench、MLR-Bench）上的每输出 token 得分达到基线的 1.2 到 1.6 倍，对基线模型的留出胜率从 53.9% 升到 69.9%。
• 自评者与两个外部裁判的一致率从 73% 升到 93%。
• 编码能力没有同步提升：Terminal-Bench 2.0 与 SWE-bench Verified 分别为基线的 0.96 倍与 0.94 倍。
• 规模并不夸张：119 条轨迹、1720 万监督 token、每轮约六张 H100 跑 19 小时，不含搜索与评估的开销。

值得关注的原因：

• 可复用的结论是「agent harness 本身就是训练数据」：先花算力搜编排，再把编排蒸馏进权重，harness 可以丢掉。
• 研究型任务与编码任务的收益出现分叉，说明这套自监督更偏爱答案可自动验证的场景，编码任务上暂时无效，对准备用自身日志微调代码智能体的团队是一份及时的负面证据。
• Sakana 在论文里主动写了风险：模型同时当运动员和裁判，共享盲区可能把错误当成进步并固化下来，同质自我改进的失效方式需要单独研究。

5. 阶跃星辰 Step 5 Preview 接入腾讯 WorkBuddy，办公智能体多一个编码向底座

事件： 10 月 12 日，腾讯 WorkBuddy 接入阶跃星辰旗舰模型 Step 5 Preview，10 月 12 日至 25 日在 WorkBuddy 内限时免费。阶跃表示 Step 5 Preview 将在 10 月 15 日放出完整权重。

核心能力 / 核心参数 / 产品细节：

• 稀疏 MoE 架构，总参数 6000 亿，每 token 激活约 270 亿，100 万 token 上下文，原生支持文本与视觉输入，客户端侧支持思考强度调节。
• 官方定位面向 AI 编程、软件工程、专业知识工作与金融场景，9 月 20 日发布时已强调真实场景中的智能体任务。
• 第三方评测口径里，它与参数量 2.8 万亿的 Kimi K3 接近，编程负载测试接近 GPT-5.6 Terra。
• 在 WorkBuddy 内承担深度研究、信息检索、数据分析、文档与 PPT 生成，以及多步骤任务的持续执行。

值得关注的原因：

• 国产旗舰模型开始把「编码与办公智能体」当成同一个入口去争，而不是只靠 API 卖 token。
• 免费期结束后的留存，取决于它在真实办公任务里的表现，这类合作的实际检验周期比发布本身更长。
• 完整权重在免费期中段放出，托管体验与本地部署会被放进同一时间窗里比较，对评估方是难得的对照条件。

三、具身智能与机器人

6. 跨维智能开源 UNITAS：把三维物理空间当成机器人的「母语」

事件： 10 月 12 日，跨维智能（DexForce）发布论文 UNITAS（A 3D-Native World Action Model for Embodied Manipulation），代码开源，项目页与 arXiv 编号 2610.12099 同步公开。

核心能力 / 核心参数：

• 1.7B 参数，把「机器人看到什么、自己怎么动、世界因此怎么变」统一放进同一个三维物理表示空间，用点的位置与随时间变化的轨迹描述观察、动作与环境响应。
• LIBERO 平均成功率 99.8%，LIBERO-Plus 89.1%；RoboTwin 2.0 双臂任务在 Clean 与 Randomized 设置下分别为 92.94% 与 93.04%，超过 6B 的 Fast-WAM、8B 的 Motus，以及 π0.5、LingBot-VA、PointWorld。
• 真实机器人操作任务平均成功率 85%。
• 配套 DexVerse 生成式仿真引擎按语言、图像等输入生成三维场景，EmbodiChain 工具链连接场景生成、数据扩增、训练与部署。

值得关注的原因：

• 与「3D 感知」路线的关键差别在表示层：三维不是辅助特征，而是模型理解世界的基础表示，这决定了它能否把仿真里积累的物理经验迁移到真实环境。
• 论文显示场景流监督主要来自仿真数据，但在 DROID、RH20T 等真实观测上，仅凭夹爪运动轨迹也能预测合理的场景变化。
• 1.7B 的体量在多项基准上压过数倍参数量的对手，论文、代码、项目页齐备，属于可以直接复现的开放产物。

7. 白泽通境发布溯因式世界模型 AWM：先预演，再追问「变化从哪来」

事件： 10 月 12 日前后，成立不到半年的合肥公司白泽通境发布具身大脑三层架构，核心是溯因式世界模型 AWM，论文《Abductive World Modeling via Causal Representation Learning》与代码同步开源。

核心能力 / 核心参数：

• 与主流世界模型只预测未来不同，AWM 在预测之后追问变化来源，把世界拆成实体、动态与关系三个要素，使机器人能说明自身判断依据。
• Push-T 任务上用 2000 条轨迹达到 75% 成功率，对比方法 Causal-JEPA 需要 14728 条；数据量拉到同样水平时，AWM 成功率约 92%。
• 遮挡画面里的关键物体时，模型判断的变化是遮挡无关物体时的 3.9 倍，说明预测建立在「认出来的物体」之上。
• 自研 2bit 量化端侧推理引擎 BAIZ-RUN，内存占用降低 2.56 倍，推理频率提升 94.6%，精度损失不到 1%，面向 NVIDIA、AMD 与华为昇腾做多后端适配。
• 已在工业上下料、质检、巡检三个场景完成实际验证；公司成立不足三个月完成数千万元首轮融资，中芯聚源等参投，投后估值超 4 亿元。

值得关注的原因：

• 产线上的容错点不在「偶尔出错」，而在「出错后找不出原因」，能给出判断依据的世界模型对工业部署的价值高于单纯的预测精度。
• 数据效率是具身智能最实际的约束，约七分之一的轨迹量就能达到同等效果，直接对应采集与落地成本。
• 端侧 2bit 引擎把世界模型从机房搬到机器人本体，是这类模型能否进产线的先决条件。

8. 第 26 届工博会开幕，工业具身集中「进厂」

事件： 10 月 12 日至 16 日，第 26 届中国国际工业博览会在国家会展中心（上海）举办，主题「智能经济 智造无界」，24 个国家和地区的 3200 多家参展商参会，展览面积 31 万平方米，聚焦具身智能、工业大模型与数字孪生。

核心能力 / 核心参数 / 产品细节：

• 西门子发布 20 余款新品，其中 13 款为本土创新，覆盖 PLC、伺服、SCADA、边缘 AI 与直流配电；Eigen 工程智能体实现符合规范的项目结构自动化生成，程序开发时长最多缩短 50%。西门子同时开放 6 类具身智能工厂应用场景：无序散料智能分拣与上料、容器自主搬运流转、智能拆码垛、工艺操作与质量检测、高精度螺丝拧紧、成品灵活包装，并联合发布国家标准《智能工厂生产系统可重构建模规则》。
• 节卡机器人全球首发 JAKA Zu50 大负载协作机器人与 JAKA Kargo50 重载轮式人形机器人。Kargo 整机 22 个自由度、双 7 轴机械臂，可取放 50 公斤级料箱，在某头部汽车零部件企业的智能大灯工厂把单箱作业节拍从 105 秒压到 28 秒，料箱场景原子技能从 12 个扩到 78 个，同类新场景部署周期从 12 个月缩到 57 天。
• 具识智能展示具身语义智能体系统 insightOS Semantic，用自然语言下达拆码垛与搬运调度任务，自动拆解工作流并调度人形机器人完成抓取、转运、码放；底座可兼容人形、机械臂、四足与移动机器人多种异构本体，已在拆码垛搬运、仓储配送、流水线协同、设备巡检等场景完成真实验证。
• 赛索德智能首发工业级具身智能机器人 SynRobot 03，18 自由度全身协同，双臂总负载 10kg、重复定位精度 0.1mm，力觉采样不低于 5kHz，搭载 2000 TOPS 算力、双目 RGBD 与双激光雷达。

值得关注的原因：

• 今年的关键词从「演示动作」换成了真实工况：节卡直接把工厂复杂工况搬进展馆，并给出节拍与部署周期的前后对比。
• 西门子一边开放场景给物理 AI 做测试、迭代与数据积累，一边推动国标，试图同时占住试验场与规则两个位置。
• 多家具身方案把调度层做成兼容异构本体的统一底座，说明行业开始把本体与「大脑」分层，而不是一个方案绑死一台机器。

9. DeepSeek 拟领投机器人模型公司 Winverse AI

事件： 10 月 12 日，彭博社报道 DeepSeek 已同意领投 Winverse AI 的种子轮，融资规模数千万美元，投后估值约 4 亿美元；美团旗下龙珠投资等机构亦作出投资承诺。报道同时说明交易尚未最终敲定，估值与投资方参与情况仍可能变化。

核心能力 / 核心参数 / 产品细节：

• Winverse AI 由胡瀚于 2026 年创立。胡瀚此前在腾讯负责视觉语言模型与具身基础模型团队，曾是 Swin Transformer 论文的共同作者之一，该工作获 ICCV 2021 最佳论文奖。
• 公司方向是为机器人开发 AI 模型，目标是让机器人理解语音指令、处理现实世界中的复杂任务，而不是执行预设动作或完成运动控制。
• DeepSeek 此前已投资宇树科技，2026 年 8 月以约 1.41 亿元参与其 IPO。据彭博社报道，DeepSeek 新一轮融资规模接近 800 亿元，部分资金预计用于与外部初创企业联合开发。

值得关注的原因：

• 这是 DeepSeek 对外部初创企业规模最大的投资之一，方向直接落在机器人基础模型而不是本体。
• 国内具身智能的瓶颈已从硬件制造转向「机器人的模型能力」，资本开始向做模型不做整机的团队集中。
• 消息尚未落定，具体条款与团队分工仍待官方口径确认，适合放进观察列表，而不是当成既成事实。

10. 全国具身智能训练场超过 70 家，「数据关」仍是主要卡点

事件： 10 月 13 日，中国青年报「新型工业化调研行」报道国内首个基于真实场景的具身智能训练场，北京人形机器人创新中心的数据与训练基地。

核心能力 / 核心参数 / 产品细节：

• 基地近 6000 平方米，家居、快递分拣、化学实验等场景分区铺开，数十种构型、上百台机器人在不同操作台前反复练习。
• 截至 2026 年 6 月，全国已建成启用超 70 家具身智能训练场，在建、规划 40 余家。
• 全球可用高质量真实数据为数十万至百万小时级，而机器人要迎来拐点需要千万小时级数据，供需差一个量级。
• 基地产品负责人直接点出行业口径问题：不少训练场宣称的「多少万小时」数据，实际可用的是从中抽离出的高质量部分。

值得关注的原因：

• 训练场正从单纯的数据生产转向集数据生产、模型训练与能力验证于一体的实景实训基础设施。
• 高质量数据的真实规模缺乏统一口径，对外宣称的数据量与可用数据之间需要区分，这会影响模型团队与训练场之间的合作定价。
• 数据采集员这类岗位的出现，说明数据侧的人力投入仍是刚性成本，短期无法完全由仿真替代。

四、产业趋势总结

1. 前沿能力开始按「持续工作」重新定义：Meta 的主动记忆与主动专注、微软的上下文重置、Sakana 的多智能体自监督，三条线都在解决同一件事，智能体在长任务里如何不掉队。
2. 智能体的调用成本被重新拆解：2B 本地检索模型省下的是检索 token，上下文重置省下的是被浪费的算力，收益来自调用结构而不是单纯的模型降价。
3. 世界模型分岔成两条路：一条把三维物理空间做成原生表示（UNITAS），一条在预测之外补上因果解释（AWM），共同点是都在为「数据不够」找解法。
4. 工业具身从演示转向工况：工博会上被反复提及的不是自由度数量，而是节拍、部署周期与稳定运行时长。
5. 资本从本体向模型层移动：DeepSeek 押机器人基础模型，国内具身团队融资密集，硬件制造上的优势正在向模型能力的短板让步。
6. 国产模型把编码与办公合并成同一个入口：Step 5 Preview 接入办公智能体，说明编码能力正被当作办公智能体的通用底座来提供。

从当天筛选的 5-10 条中提炼 4-6 条跨事件共性趋势。

五、值得持续关注的信号

• Meta Muse Wonder Full 的首批外部独立复现，尤其是 DeepSWE 与 SWE-Marathon 之外的编码基准表现；
• Fork-and-Flush 在生产智能体上是否复现 66% 的增益，以及丢弃上下文带来的新失败模式；
• ColGrep-Agent 这类「中间层小模型」能否在 Codex 与 OpenCode 上拿到同等收益，形成通用的 harness 模式；
• Sakana MASS 后续循环是否继续提升，以及研究型收益与编码收益为何分叉；
• Step 5 Preview 完整权重放出后的第三方编程评测，以及 WorkBuddy 免费期结束后的留存；
• UNITAS 与 AWM 的真机长时程验证，特别是迁移到未见任务与新本体时的表现；
• Winverse AI 的官方融资确认与团队首份技术披露。

从当天报道中提取值得长期跟踪的信号或待验证的节点。

---

本日报基于公开报道整理，仅供参考。