AI 新闻日报 2026-10-19：DeepSeek 开放搜索 API、Harness 自优化、首批人形机器人国标

主题： 模型之外的脚手架成了主战场，机器人的评价口径从演示转向可核查
编制时间： 2026-10-19
本期看点： DeepSeek 开放搜索 API / Harness 自优化 / 首批人形机器人国标

一、要闻速览（Top Stories）

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 与智能体工程深度动态

1. DeepSeek 把搜索引擎挂进了自家 API

事件： 10 月 17 日下午，DeepSeek 把 V4.1 Flash 更新到 V4.1-Flash-1017，网页端、App 与 API 同步切换，模型名 deepseek-flash 与价格都不变。同一份公告里还开放了自研搜索的 Search 与 Fetch 两个接口。

核心参数与产品细节：

• 官方把这次定义为小幅更新，重点在推理、编程、智能体任务与视觉基准；上下文 100 万词元，建议 max_tokens 不低于 256K，权重以 MIT 许可放在 Hugging Face，卡上标注 763B 参数
• 官方自评在 DeepSWE v1.1、Automation-Bench、Agents’ Last Exam、Apex Bench v1.1 四项上拿到对比表里的最高分，对象包括 Claude Opus 5、GPT-5.6 Sol、Kimi K3 与 GLM-5.3；MarkTechPost 引用 DeepSWE 得分为 77.0
• Search 走 /v1/tools/search，一次最多返回 50 条，含标题、链接、摘要、600 到 800 字符的模型可读概述与 0 到 4 级权威度，支持 site:、lang:、after:、before: 等操作符；Fetch 走 /v1/tools/fetch，把单页转成 Markdown
• 计费按成功请求算，两个接口都是 5 元/千次，空结果、失败与超时不计费，账户级限速 5 QPS；11 月 1 日 0 点前，经 Harness、Claude Code、Codex 的服务端调用免费

值得关注的原因：

• 计价单位从词元挪到"成功取数"，Agent 跑一次任务的成本结构变了：搜索十次约七厘五，比模型本身便宜得多，但会变成必须预算的一行
• 搜索引擎成了模型厂商手里的一个标准件，与 Perplexity 的 API、Cloudflare 的搜索接口、Firecrawl 这类抓取服务正面撞上，差别在于不用再单独开一个供应商
• 首批反馈分成两半。Hacker News 上有开发者做词冗测试，称每个推理档位省约两成词元且智能与工具调用模式不变；Paweł Huryn 在 105 个隐藏 bug 上给 1017 打了 34 分，九月版是 21.7，Opus 5.5 满档是 41.7。也有人抱怨它动手前想太久、幻觉仍多于 GPT-6 Sol

2. OpenAI 把计算机使用搬进别人的浏览器

事件： 10 月 15 日，OpenAI 更新 ChatGPT 的 Chrome 扩展。按 Chrome 应用商店页面，版本号 1.26.1005.11759，装机量约 700 万，官方称全部套餐可用，含免费档。

核心能力与产品细节：

• 扩展分成两条线。Chat 只读，可以跨标签页收信息，做比价、摘要、核对条款；Work 动手，在用户已登录的站点里点击、发消息、填表、下载文件、整理标签分组，官方举例点名 LinkedIn、Salesforce、Gmail
• 支持 @chrome 点名指定标签页，侧边栏塞进完整对话历史，聊天不再局限在当前页面；除 Chrome 外也支持 Edge、Brave、Opera、Vivaldi，Opera 没有侧边栏
• 底层模型是 GPT-6 Astra。要真正跑起来得先装桌面端，走设置里的 Computer Use 装扩展，再在 Work 或 Codex 会话里用 @ 把浏览器叫进来
• 权限按站点逐次询问，四个选项：仅此一次、允许该站、允许所有站点、拒绝；放行全部站点被标了 Elevated Risk。读取浏览历史每次都要单独同意，没有永久允许

值得关注的原因：

• 这是一次方向修正。自建浏览器 Atlas 在 7 月 9 日宣布弃用、8 月 9 日停服，能力被塞回占据桌面默认位置的 Chrome，拉新的成本从一个"换浏览器"的决定降到一次点击
• 免费档也开放，说明 OpenAI 判断推理成本的下降速度快过用量的上升速度，或者更看重行为数据。付费墙一直是把 Agent 关在早期用户手里的那道门
• 风险面被打开了。官方文档提醒把页面内容当不可信上下文，可提示注入恰恰藏在页面里；能读到已登录的邮箱和 CRM，一页被做手脚的文档价值就高得多。企业侧的问题不是能不能用，而是谁批准、怎么审计

3. 谷歌开源 Harness²：把"模型外面的东西"当参数调

事件： 10 月 18 日，谷歌云 AI 研究团队在 GitHub 以 Apache-2.0 放出 Harness² v0.1.0，论文在 arXiv（2610.14224）。它训练零参数，模型权重全程冻结。

核心能力与产品细节：

• 把 Agent 的脚手架拆成 8 个可编辑文件：系统提示、护栏、记忆、工具指引、子代理、技能、脚本、插件（中间件），覆盖上下文构造、工具接口、委派与工具循环内的行为
• 走两段递归。任务级用"提议、试探、合成"：先按原脚手架跑一遍留作参照，编辑模型提两个候选，一个针对规划、工具使用这类通用缺陷，一个针对当前领域的知识与流程，两个候选跑同一任务，再对照行为差异决定保留哪些改动
• 脚手架级递归在任务结束后发生，把采纳的版本和一份 EXPERIENCE.md 经验库存下来，给下次提议当参考。搜索预算 k 可以并行也可以串行
• 三套基准、四组执行器与脚手架组合，k=1 时全部上涨。GLM-5 配 OpenCode 在 WorkBuddy-Bench 从 64.2 到 75.7，涨 11.5 分；Gemini 3.5 Flash 配 OpenCode 从 72.4 到 77.5，k=5 时到 80.8；JobBench 最高涨 4.5 分，Harvey LAB 的部分通过率涨 11.8 个百分点
• 弱执行器吃得更多：一步之后 GLM-5 在 WorkBuddy-Bench 上反超了基线 Gemini 3.5 Flash；四组里有三组的每任务步数下降，Gemini 配 OpenCode 从 25.4 降到 21.9。消融显示拿掉经验库，分数从 77.5 掉到 74.4

值得关注的原因：

• "智能体能力"和"模型能力"被拆成两根轴。改脚手架的边际成本远低于微调，这条路对没有训练预算的团队是现实的
• 它绕开了自进化研究里最常见的假设，不需要标签也不需要测试用例，只比对行为差异。代价是它证明的是行为变了，不是答案对了，在有明确验证器的场景未必划算
• 每个任务要多跑几遍，算力开销会涨。团队得自己划沙箱，因为编辑模型会直接改提示和脚本文件

4. 阿里把计算机使用的整套脚手架开源了

事件： 10 月 17 日前后，阿里通义 MAI 团队开源 OpenGCUA（arXiv:2610.22200）与 MAI-Gym（arXiv:2610.20939），代码 Apache-2.0，没有新模型，做的是包住现有模型的那层。

核心能力与产品细节：

• OpenGCUA 主张把 GUI 操作和代码执行混在同一次生成里：读无障碍树而不是靠像素猜，能调 API 就调 API，能跑 shell 就跑 shell，只在没别的办法时操作界面，还能在后台窗口干活不打断用户
• 第二个设计叫"脚手架到模型的决策转移"，原来由外层固定规则决定何时截图、何时检查状态，现在交给模型自己判断
• OSWorld-v2 上八个模型全部上涨，含 GPT-6 Astra、Claude Opus 5、Gemini 3.8 Flash，均分从 45.3 到 64.9，涨 19.6 分，每任务步骤减少 53%。GPT-6 Astra 从 102 步降到 34 步；GLM-5.3-Flash 涨 35.2 分，DeepSeek-V4.1-Flash 涨 29.8 分；最强与最弱模型之间的差距从 39.1 分收到 18.0 分
• 真机测试暴露了另一面：在 macOS 上跑同一批任务，Qwen3.8-Max 消耗的推理词元是 GPT-6 Astra 的 19.4 倍
• MAI-Gym 把在线强化学习扩到 2 万个并行实例，能自动合成可重置的模拟应用并配确定性验证器；MAI-Gym-9B 在 MobileWorld 得 78.4%、OSWorld-Verified 得 76.2%，从模拟应用迁到真机的成功率由 28.8% 升到 48.1%

值得关注的原因：

• 前沿实验室的计算机使用框架一直不公开，这份发布把技术报告、八种模型的完整轨迹、macOS 真机脚手架与跨设备 SDK 一起摊开，可复现性比分数更有价值
• 差距被收窄这件事说明脚手架承担了一部分原本要靠模型能力完成的工作。对采购方来说，选型不该只看榜单，还要看同一模型换脚手架后的波动
• 数据是团队自评。19.6 分这个数字能否被独立复现，以及代码执行与 GUI 混用带来的权限风险，都还没有第三方结论

5. 腾讯开源 Hy Memory 2.0：让十款编码工具共用一份记忆

事件： 10 月 16 日至 17 日，腾讯混元开源 Hy Memory 2.0，分三层交付：PyPI 上的 hy-memory SDK、本地优先的应用 MemHub、以及 Hugging Face 上以 Apache-2.0 放出的 Hy-Memory-30B-A3B。对应论文已被 EMNLP 2026 接收。

核心能力与产品细节：

• 写入模型 30B 总参、约 3B 激活，专管"记什么、怎么记、新证据怎么覆盖旧记忆"，可直接替换 Mem0、MemOS 里的通用大模型写入器，不需要改检索侧
• 训练分两段：记忆在线策略蒸馏，加归因记忆强化学习，后者按块级信用分配评估一段输入对最终记忆库的贡献
• 三类记忆管线。对话记忆用 8 层结构装原始对话、事实、摘要、模式与意图；工作记忆一次会话一条事实，另存达到价值门槛的可复用经验；代码记忆带版本链，靠本地 Git diff 或工具轨迹里的确定性替换动作，把某文件某分支某函数块的每次改动串起来
• MemHub 在用户授权后导入并持续同步 Claude Code、Cursor、Codex、OpenCode、Qwen Code、WorkBuddy 等 10 款工具的会话与执行轨迹，存进本地目录，让它们共用一个运行时
• 自评数据：四个 harness 的宏平均 55.49，Claude Opus 5 是 54.62，DeepSeek V4.1 Flash 是 53.64，同架构基座 Qwen3-30B-A3B 是 44.37；在没参与训练的 EverMemOS 上得 56.89。对话记忆在 LoCoMo 上 72.6%，每问词元从 1159 降到 703

值得关注的原因：

• 记忆从"提示词工程"变成可自托管的专用层。以前写入质量取决于提示词和所选 API，现在有了一个独立的、激活参数只有 30 亿的模型来干这件事，本地部署成本可控
• 评分口径要看清。PC Watch 指出在 Mem0 的 LoCoMo 测试上，这个写入模型只有 59.54 分，低于 Opus 5 的 69.47；宏平均的领先来自四套 harness 的平均，不是每项都赢
• 跨工具记忆会带来协作侧的新问题。个人用很顺，团队场景里谁的记忆、怎么隔离、离职后怎么清，腾讯没有交代

6. Claude Code 2.1.302：默认值变了，评审流程也变了

事件： 10 月 16 日，Claude Code 发布 v2.1.302，一天后官网简报与社区同步整理了这批变更；同一周，Claude Code 团队公开了重做后的代码评审流程。

核心能力与产品细节：

• fork 子代理（subagent_type: “fork”）此前只在终端里默认开启，现在扩到 claude -p、Agent SDK、桌面版与 VS Code；设置 CLAUDE_CODE_FORK_SUBAGENT=0 可退回旧行为
• 新增 CLAUDE_CODE_AUTO_MODE_MODEL，用来指定客户端自动模式分类器跑在哪个模型上，服务端分类器不受影响；/config 加了空闲压缩开关，可以关掉再打开
• Read 工具不再尝试加载超过 128MB 的图像源，改为直接拒绝；插件市场刷新不再每次重克隆；修了 Windows 上 exFAT/FAT32 驱动器的写入被拒、切换 Vertex 或 Bedrock 后请求失败、自托管 Runner 在 git reftable 格式下 fetch 失败等问题
• 配套的流程变化：在 Claude 写了约九成代码库的团队里，评审改成自动读完大部分逐行内容，人只判风险并对结果负责，目标是最多一名作者之外的人经手就能合并，同时不抬高回滚数与事故率

值得关注的原因：

• 无头运行的行为会在不改任何配置的情况下改变。跑 CI 的团队得把 2.1.302 拉下来重跑一遍作业，确认没有依赖旧的子代理前后台默认值
• 评审瓶颈的位置在挪。逐行读代码的活交给机器之后，人的时间花在哪儿、出问题谁负责，这两个问题会先于工具本身暴露出来
• 窗口期紧。stable 通道还在 2.1.292，latest 已到 2.1.302，两条通道默认模型都指向 Opus 5.5，跨通道行为差异要靠 claude doctor 和 dist-tags 自己核

三、具身智能与机器人深度动态

7. 奥尔特曼确认 OpenAI 自己做机器人，先做大脑

事件： 10 月 17 日至 18 日，奥尔特曼在《Sources》播客中确认 OpenAI 将自研自造人形机器人，首个演示样机预计 2027 年亮相，真正进入公开场景还要数年。环球网援引 Engadget 报道了这段访谈。

值得关注的原因：

• 路线理由讲得很直白：门、键盘、工具都是按人体形态设计的，适配这些空间的机器采用相近外形最省事。但他把外观排在后面，说驱动四肢的"大脑"才是核心，没有自主调度能力，完整躯体也用不上
• 招聘方向比表态更能说明进度：运动控制、状态估计、执行器控制、整机行为开发、实体 AI 训练基础设施，同时自研集成电机、传动、传感、热管理的机电一体化执行器，还在招量产制造与供应链岗位。硬件没有被放下
• 竞争格局会变。特斯拉、Figure、波士顿动力、1X 都已公开实体并有工厂测试记录，OpenAI 到 10 月为止没有公开原型、规格和运行视频。Figure 早前接过 OpenAI 模型做交互，后来转向自研，双方关系从供应商变成对手
• 进度承诺要打折看。2027 是"效果亮眼的演示样机"，不是产品；样机形态、开放体验时间全部未定。抓一个马克杯要识别、定位杯柄、规划姿态、控制力度，这套链条上任何一环都不轻松

8. 首批六项人形机器人国标细节公开

事件： 市场监管总局批准发布首批六项人形机器人领域国家标准，10 月 15 日经央视披露细节，10 月 17 日前后起草人访谈陆续刊出。六项标准 2027 年 4 月 1 日起实施。

值得关注的原因：

• 构成值得记：GB/T 48317.1 至 .5 是技术要求系列，分别管总则、环境感知、决策与规划、运动控制、任务作业；GB/T 48316-2026 管仿真测试平台，统一平台架构与测试方法。用标准委秘书长李金村的话说，六项标准走的是从认知到行动再到验证的完整链条
• 指标给了硬线。起草人在央视口径里提到：指令准确率高于 95%、单动作 1 秒内完成；刚性物体抓取成功率高于 90%、易损或柔性物体高于 85%、力量操作超过 15 公斤；受额定力推挤后 1 秒内恢复稳定工作状态。这些是电视访谈里的说法，尚未逐条与标准正文核对
• 性质要看清。六项都是推荐性标准，不是强制；专门的安全标准还只是计划项。它给的是共同语言和评价尺子，短期不构成准入门槛，但会逐渐变成采购文件里的引用条款
• 起草名单本身就是产业地图。第 1 部分列了 52 家单位，机械工业自动化研究所牵头，宇树、优必选、小鹏、小米、云深处、众擎、智元、普渡、科沃斯、中兴、海信在列，还有中国质量认证中心、广电计量、SGS 上海合资公司这类检测认证机构。宇树创始人王兴兴是起草人之一，他提到各家尺寸、性能、电池电压、通信与接口差别都很大，早期把标准立起来能减少无效分歧

9. Kyutai 开源 REKI：24 亿参数的 VLA，把记忆塞进动作专家

事件： 10 月 17 日，法国开放权重实验室 Kyutai 联合 Inria 与巴黎高科路桥学院发布 REKI，一个 2.4B 的视觉语言动作模型，权重、代码、数据管线、部署栈全部公开。论文在 arXiv（2610.22178）。

值得关注的原因：

• 记忆放在了不常见的位置。主流 VLA 只看当前帧，机械臂回到之前的状态时会在两个位姿之间来回摆。REKI 的做法是在动作专家里每帧算 32 个可学习的登记词元，让它们交叉注意当帧的提示与相机视图，再自注意过去帧的登记词元，三轮历史、间隔 1 秒。代价是每个动作块多 0.1 毫秒（原本 21.8 毫秒），每帧约 2MiB 显存
• 效果对得上问题。RoboTwin 上振荡回合从 18.6% 降到 4.1%，项目方把原因归于感知歧义，两个看起来相似但该做不同动作的状态被混为一谈
• 分数要整张表看。LIBERO 四套均值 97.6%，LIBERO-Plus 90.4% 是其对比表里的最高，压过 Qwen-RobotManip 的 89.0% 与 π0.5 的 85.7%；RoboTwin Clean2Rand 65.8% 输给 Qwen-RobotManip 的 68.5%；RoboCasa365 只有 38.4%，明显落后小米 Robotics-1 的 57.4%。所谓"对标两倍参数模型"，只在部分基准成立
• 许可限制了商业用途。权重是 CC BY-NC-SA 4.0，代码 MIT，实验室能改、公司不能直接出货。另外团队自己写明，除单臂 UR5 演示外没有真机与安全评估，基准全部来自仿真

10. 优宝特 E2：先定任务，再反推本体

事件： 10 月 18 日，山东优宝特在 2026 人工智能产业大会上首次公开第二代人形机器人 E2，央广网当日报道。第一代"行者泰山"是拿四足机器人的电机与控制器移植出来的，E2 换了思路。

值得关注的原因：

• 设计顺序反过来。团队先去工厂一线梳理搬运、装配、分拣的任务指标，再回头定义关节模组、伺服电机与控制系统。全身关节模组重新设计，整机扭矩与动力按工业负载定，控制器用全国产芯片、走大小脑一体化，配灵巧手
• 两种路线的取舍被摆到台面上。自下而上先堆硬件上限，通用性强但落地周期长，样机能走路挥手，进产线却动力不足、精度不够、成本偏高；正向设计针对性强，代价是换行业要重做关节与控制系统
• 配套动作比本体更能说明意图：拟投 4000 万元建黄河流域具身智能协同创新基地，含量量产线、训练测试中心与产学研合作，联动济南先行投资集团推场景落地
• 这类中小厂商的处境值得追踪。国标把评价尺子立起来之后，"先锁场景"的路线拿认证会更快，但也更容易被场景绑住

四、产业趋势总结

五、值得持续关注的信号

• DeepSeek 的 Search / Fetch 在 11 月 1 日结束免费窗口后的真实调用量，以及索引质量能否被第三方独立复现；
• OpenAI 的 Chrome Work 模式 在企业侧的放行政策，以及首批提示注入事件的处置方式；
• Harness² 在有验证器的真实仓库上能拿到多少增益，多跑几遍的算力成本是否抵消收益；
• OpenGCUA 的 +19.6 分与"弱模型涨更多"的结论能否被独立复现，真机上 19.4 倍的词元差距会不会成为新的选型指标；
• Hy Memory 2.0 在 Mem0 的 LoCoMo 上落后 Opus 5 近 10 分这一项，以及 MemHub 在团队场景下的权限模型；
• Claude Code 2.1.302 默认开启 fork 子代理后，各家 CI 流水线的实际行为差异与回滚率；
• 六项人形机器人国标 2027 年 4 月实施前的认证机构名单、安全标准何时立项，以及采购文件是否开始引用；
• OpenAI 人形机器人 2027 样机的形态与是否自建产线；
• 优宝特黄河流域基地 的投产时间与首个规模订单。

本日报基于公开报道整理，仅供参考。