一、AI Coding
1. OpenAI Decisions API 正式 GA：把 Agent 的"判断环节"抽成结构化端点
事件：OpenAI 于 10 月下旬（DevDay 之后）将 Decisions API 正式 GA，基于 GPT-6 Luna，针对"答案范围有限的小决策"做近实时判定，速度达同模型 Responses API 的约 10 倍，定价约 $0.10/M 输入 token（第三方整理）。它不返回文本，而是对一份共享输入返回三类带类型的结果：predicate（某条件为真的概率 0~1）、choice（从你给的枚举里选项，带各选项概率）、score（按有序档位打分）。典型用途是分类、路由与优先级——Box 用它做文档路由提速约 5 倍、Datadog 用它对 agent 生成的 shell 命令做风险评分（p95 比前沿模型快 40 倍）、Sierra 用它做对话编排的下一步动作选择（p95 低于 280ms）。
为什么值得关注：这是 agent 工程里"判定 vs 生成"职责第一次被官方拆成独立端点。过去路由、合规、风控都要让聊天模型吐一段文字再正则解析，既慢又因措辞漂移而脆。Decisions 把这类 glue 代码从"脆弱的字符串解析"变成"单次结构化调用"，意味着 agent 流水线的性能与成本账本正从"生成多少 token"转向"做对了多少个判定"。对构建多 agent 系统的团队，热路径上的分类/路由/打分应优先下沉到这类 typed 端点；更广的启示是，当智能体规模铺开，"可控的判定"会比"更强的生成"更早成为吞吐与可靠性的瓶颈。
2. Kimi K3.1 Pro 开放 API 并承诺开源权重：3T 级、1M 上下文直插 Coding Agent 生态
事件：月之暗面于 10-24 开放 Kimi K3.1 Pro 的 API（标准版输入 ¥13/MTok、输出 ¥68/MTok；Highspeed 版约 2~3 倍速度），模型为 3T 级参数、原生视觉理解、1M token 上下文，官方称在编码、3D 创作、金融研究上有显著提升；API 同时兼容 OpenAI 与 Anthropic 两种格式，可直接接 Claude Code、Codex 等编程 agent，权重承诺 11-04 开放。团队还配套推出 Kimi Code、集群并发子任务、自进化技能等 agent 化能力。
为什么值得关注：Kimi 的打法是"用旗舰模型直接喂 coding agent 生态"——兼容双格式意味着它能在不改工作流的前提下成为 Claude/Codex 的平替底座，1M 上下文对大型代码库、长文档切分天然友好。结合此前 DeepSeek、Qwen、Step 等开放权重模型在编程榜上的轮番登顶，国产模型在"agent 可用性"而非单纯 benchmark 上的竞争正在白热化。对国内研发团队，11-04 权重开源后可本地/私有化部署，等于把"强编程模型 + 数据不出域"一次性补齐；但权重未出、评测仍偏厂商自报，实际代码能力与多 agent 长链路稳定性须等第三方复现再下结论。
3. 谷歌开源 Harness²：智能体从"调用工具"进化到"改写工具"
事件：谷歌开源第二代智能体框架 Harness²（GitHub，Apache 2.0），突破传统 agent 只能调用固定工具的限制，支持模型在运行过程中自主改写、优化外挂工具代码，动态适配任务需求，无需人工介入即可提升复杂开放任务的完成率与环境适应性，推动智能体从"工具使用者"向"工具开发者"演进。
为什么值得关注：它把 agent 的能力边界从"会挑工具"推到"会造工具"——当环境里没有现成适配的函数，智能体自己写一段再调用，等于把"工具缺失"从阻塞项变成可自解的环节。这与 OpenAI 的 Codex（托管 git worktree）、Claude Code 的 Mods 可编程权限模型形成呼应：编程 agent 的竞争正从"补全代码"升维到"按需扩展自己的执行面"。但隐患同样清晰——agent 自主改写工具代码等于持有了更大的运行时权限，若缺乏沙箱与审计，恰恰放大了上周 OpenCode 密钥泄露、本周 LiteLLM 投毒所暴露的"凭据 + 运行时"信任面。能力越强，边界治理越要先行。
4. 安全双警讯：LiteLLM 投毒发布 + 恶意 AGENTS.md 复现，凭据与本地指令面同时失守
事件：两起独立事件指向 agent 工具链的新攻击面。① LiteLLM 于 10-23 披露攻击者盗取开发者 token 后发布了被投毒的发布版本，提醒用户检查受影响安装、并复查 agent 响应的落盘与日志位置（凭据可能经日志外泄）。② Agentic Digest 于 10-26 报道，研究者复现了"Downloads 文件夹指令文件攻击"——把恶意 AGENTS.md 放进下载目录，coding agent 读取工作区时会静默接受其中的指令，从而被诱导执行非预期操作；建议核查工作目录与来历不明的 agent 指令文件。
为什么值得关注：两起事件分别对应"供应链"与"本地工作目录"两条此前被低估的信任链：投毒版走的是"你信任的包被调包"，恶意 AGENTS.md 走的是"你打开的目录自带指令"。对采用托管式 agent 控制台、或把 agent 直接接在本地文件系统的团队，对照结论很硬——依赖来源要签名校验、agent 响应与密钥不得同盘落库、工作区加载指令文件前要做来源与内容审查。结合上周 OpenCode 集中保管密钥泄露、本周 Harness² 让 agent 改写代码，本周安全叙事高度收敛：风险不再来自模型多聪明，而来自"包、密钥、指令文件、运行时"这四道边界谁守得住。
5. 底座与协作侧演进：ChatGPT 上线 AI 团队功能，GitHub 重写 Git 写入路径应对 agent 级流量
事件：① OpenAI 于 10-20 在 ChatGPT 中上线 AI 团队功能，支持多智能体按角色分工执行调研、撰写、数据分析、代码开发等子任务，用户统一管控进度并合并输出，同步升级 GPT-6 Astra Pro 以强化长链路任务稳定性与工具调用准确率，推动 AI 助手从个人生产力工具向团队级协作平台升级。② GitHub 于 10-22 报告，将 Git 写协调下移到单个引用（per-reference），内部测试写吞吐提升 3~4 倍，帮助繁忙仓库在 agent 高频提交下扩展。
为什么值得关注：两条线索一上一下，恰好勾勒出 coding agent 的基础设施走向成熟：产品层，多 agent 分工协作（"团队"）正成为头部助手的默认形态，人从"写代码"退到"派活 + 收口"；底座层，当 agent 开始批量提 PR、并行占 worktree，版本控制系统的写路径也必须为"机器流量"重新设计。对工程组织，这意味着协作范式与研发效能度量都要重写——KPI 不再只看人写了多少行，而要看"调度了多少 agent、合并了多少机器产出"，同时 CI/CD 与仓库治理要提前为 agent 级并发做好容量与权限规划。
二、具身智能
6. 全国首批人形机器人具身智能标准今日在沪发布：L1-L4 与 G1-G5 给行业"立坐标系"
事件：10-28 下午，在上海市经信委、市市场监管局指导的人形机器人及具身智能创新论坛上，国家地方共建人形机器人创新中心（国地中心）联合智元、傅利叶、中电 21 所、开普勒等头部机构，发布全国首批人形机器人具身智能标准——团体标准《人形机器人分类分级应用指南》按具身智能、下肢运动、上肢作业、应用环境等要素将人形机器人划分为 L1-L4 四个技术等级；《具身智能智能化等级分级指南》按感知、认知、决策、自主等核心能力划分为 G1-G5 五个阶段。同日，全国 50 多家头部企业与院所发起《共建具身智能语料数据生态》倡议并签订语料运营合作意向书；上海市经信委表示将打造"虚实融合具身智能训练场"，年底完成场地建设、支持超 100 台异构机器人采集训练，2027 年满足 1000 台同时训练。
为什么值得关注：这是国内具身智能第一次有"可对照的等级语言"——此前各家发布会参数口径不一、买家无从判断"这机器人到底能干到哪一级"。L/G 分级借鉴了自动驾驶的演进叙事，把"炫技 Demo"与"上岗能力"拉开了刻度，直接利好采购侧做选型、监管侧做准入、资本侧做估值锚定。更关键的是配套的"语料数据生态 + 虚实融合训练场"：国地中心总经理许彬直言，制约发展的核心卡点是数据——自动驾驶跑得快正因为路上车多、真数据多。上海把"标准 + 数据 + 训练场"三件套一次性铺开，等于把具身产业从"拼单体性能"推向"拼公共基础设施"，与工信部实景实训专项行动（见下条）形成上下呼应。
7. 成都造"贡嘎一号"今日首发：25kg 超轻量整机 + 自研"最强大脑"，零部件 60% 本地化
事件：10-28，成都人形机器人创新中心在成都科创生态岛全国首发"贡嘎一号"（Konka-1），实现成都造人形机器人零的突破。该产品为国内唯一、全球唯三拥有人形机器人"最强大脑"的超轻量级整机：整机自重 25kg（业界普遍 60~250kg）、最大负载 5.5kg、负重比 0.22（高于业界平均 5 倍以上）、续航 8 小时（业界普遍约 1 小时）；具备完全自主知识产权、30 余项发明专利，整机零部件 60% 来自成都本地产业链。其"大脑"可完成"理解意图 → 观察环境 → 推理流程 → 生成任务流 → 自主控制肢体"的闭环，已落地端咖啡、换拖鞋、找药等居家场景。
为什么值得关注：贡嘎一号的看点不在"又一台人形"，而在它把竞争维度从"谁更重更能扛"换成了"谁更轻更安全更省电"——25kg/8h/0.22 这组指标，直指人形机器人真正市场化、产业化的前提（高安全、环境适应、成本可控、可长时间替代人）。超轻量级路线一旦跑通，家庭、商超、康养等"与人共处"场景的落地门槛会显著下压。而 60% 本地零部件 + 中西部首个创新中心，说明产业扩散正从上海、深圳、杭州向成都等新节点外溢，"区域级具身产业集群"开始成型，这与同日上海发布标准、工信部推实景实训共同构成"多点开花"的格局。
8. 工信部 + 国资委实景实训专项行动：锚定 2026 年底"万台级"规模落地能力
事件：工信部、国务院国资委联合印发通知，开展 2026 年度人形机器人与具身智能实景实训专项行动，面向工业、特种、服务等领域重点场景，一体推进实景实训空间建设、创新应用联合体培育、作业技能攻关与应用部署验证。目标到 2026 年底，人形机器人等重点产品在一批代表性场景中率先完成应用验证与常态部署、开启"作业模式"，凝练形成 百个以上高价值应用场景，带动形成 万台级规模落地能力；要求各省级地区选取重点场景单元不少于 20 个、各央企不少于 10 个。
为什么值得关注：这是国家级"需求侧点火"——政策不补贴炫技，而直接定义"哪些真实场景要被机器人干、谁来牵头、年底交多少作业"。它把具身智能的商业化从企业自发试水，升级为"央企 + 地方 + 整机厂 + 模型算法 + 零部件"组队打硬仗，且以"万台级""百场景"这种硬指标验收。结合今日上海标准发布与训练场建设，一条清晰逻辑浮现：标准定刻度（L/G 分级）→ 训练场与实景实训供数据（解决许彬说的"数据卡点"）→ 年底万台级落地验收。对产业，这意味着 2026 Q4 将是具身从"展示"到"交付"的验收窗口，订单与返修率会成为比参数更硬的话语权。投资以官方 / 公告披露为准。
9. EinsiaAI EmbodiedEvo：自进化 Coding Agent 登顶 Robodojo，写代码的智能体成为物理智能新入口
事件：Einsia AI（Navers Lab）发布 EmbodiedEvo：自进化 Coding Agent for Physical Intelligence。它让 agent 用 Python 直接编写机器人控制程序，提交执行、读取相机与状态反馈、再改代码循环；关键在于——每次任务在一个 Playground 场景里积累"可复用的代码 Skills + 文字 Lessons"，探索结束后把这份 harness 冻结，交给新 agent 在未见场景中评估，无需更新模型权重即可带着经验出发。在被誉为"具身智能珠峰"的 RoboDojo 评测中，EmbodiedEvo 取得 45.08 平均分、38.95% 成功率，超过所有 VLA / WAM / Agent / Agent+VLA 方法（arXiv:2610.18867）。
为什么值得关注：它把本期两条主线真正缝合——一个"写代码的 agent"成了操控物理机器人的大脑，且经验能以代码与笔记的形式跨任务、跨 agent 沉淀，绕开了 VLA 必须海量轨迹训练的旧范式。这对具身智能有两个含义：一是"编程智能体"可能比端到端 VLA 更快逼近通用操作（Zero-shot 已可比肩专用模型）；二是经验复用机制让机器人"越干越会"，天然适配今日标准与训练场所强调的"数据闭环"。它也从侧面回答了 coding 侧的命题——当 agent 能写代码控真机，"可控的自主"就不再只是软件命题，而是物理世界的安全命题。投资 / 技术以论文与官方披露为准，评测为团队自报、待第三方复现。
一句话总结
今日同频信号：AI 编程从"模型更聪明"切到"决策更结构化、更可控、更安全"——Decisions API 把路由判定抽成端点，Harness² 让智能体改写自身工具，LiteLLM 投毒与恶意 AGENTS.md 把供应链与本地指令面推上前台；具身侧同日完成"立标准、造整机、铺场景"三连击——上海发布 L1-L4/G1-G5 分级、成都贡嘎一号落地超轻量整机、工信部实景实训锚定年底万台级，而 EmbodiedEvo 登顶 Robodojo 说明"写代码的智能体"正成为物理智能的新入口，两赛道在"可控的自主"上会师。
