AI 日报 · 2026 年 10 月 20 日 · 星期二
RETAIL TECH HOT
谷歌开源Harness²框架，Gemini 4 Argon基准测试受配置影响显著
谷歌开源递归自我改进框架Harness²，旨在优化Agent运行脚手架。同时，Gemini 4 Argon在ARC-AGI-3中获97.5%高分，但不同harness配置导致得分差异巨大，凸显执行环境对评测结果的关键影响。此外，Meta详解瘦编排器模式以提升智能体可靠性。
AI 应用
谷歌开源 Harness²：通过双层递归架构优化 Agent 运行脚手架
谷歌开源了名为 Harness² 的递归自我改进（RSI）框架，旨在让大模型在运行中自主优化其外围执行脚手架（包括代码、提示词、工具链和技能库），而无需修改模型权重。
Gemini 4 Argon在ARC-AGI-3基准测试中获97.5%高分，凸显harness配置对评测结果的影响
谷歌Gemini 4 Argon在ARC-AGI-3基准测试中取得97.5%的成绩，成为继OpenAI之后第二家突破95%的实验室。该模型在Provider Adapter设置下表现优异，但在Standard harness下得分降至49.8%，显示操作台配置对交互式任务评测结果有显著影响。
AIHOT · AI 精选Meta 详解 Thin Orchestrator 模式：让路由少干活提升 AI 智能体可靠性
Meta 工程团队分享其数据管道智能体采用的瘦编排器（thin orchestrator）模式，通过一个约 1300 行的编排器仅负责路由和可靠性检查，将 20+ 工作流分派给 14 个上下文隔离的专项子智能体，自身不做任何领域推理。该架构解决了单一智能体因上下文过载导致的概念交叉污染问题，使新列配置准备时间从数天缩短至一小时以内，且约三分之二的系统变更无需显著人工编辑即可落地。
DeepSeek发布V4.1-Flash-1017：架构未变但能力增强，实测支持“许愿式编程”
DeepSeek将DeepSeek-V4.1-Flash更新为DeepSeek-V4.1-Flash-1017，官方称其为小更新但实际能力显著提升。该版本沿用原有552B参数架构，通过自反馈强化学习提升了游戏开发和3D建模等完整项目开发能力，Terminal-Bench 4.0得分从31.2升至42.3，单个DeepSWE任务平均开销降至约0.20美元。
商汤等团队发布 GPT-6-Astra 具身能力评测报告：仿真近满分但真机执行受限
商汤联合多家机构发布技术报告，系统评测了 GPT-6-Astra 的具身智能能力。该模型在 LIBERO-Long++ 等 12 项仿真基准中取得接近满分的成绩，但在 8 个真实机器人平台上执行精细操作和长程任务时成功率显著下降，且存在高昂的时间与 Token 成本。研究指出通用大模型在物理接触判断、错误恢复及主动视觉方面仍有不足，并提出了基于 Harness 自我改进的新方向。
DeepSeek-V4.1-Flash登顶Code Arena开源榜，综合成本约为Kimi K3十分之一
DeepSeek-V4.1-Flash-1017（Max）以1670分超过Kimi K3等模型，成为Arena平台Code Arena: WebDev榜单排名最高的开源模型，仅落后GPT-6 Sol 12分。
AIHOT · AI 精选DeepSeek-V4.1-Flash-20261017 (Max) 登顶 Agent Arena 开源模型第一
Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 排名第一的开源模型，总排名第 11。基于超 7.5K 真实会话，该模型净提升 +5.1%，中位任务成本 $0.20，约为 GPT-6.1 Sol 成本的 27%。
厂商与产品
虎嗅TypeSafe AI完成8.7亿美元A轮融资，其决策模型Jev获顶级VC投资
TypeSafe AI宣布完成8.7亿美元A轮融资，估值达75亿美元，由a16z领投。该公司推出的Jev模型专注于自动化决策，通过返回概率而非生成文本，实现端到端响应70到500毫秒，定价每百万输入token 0.042美元。目前已有三分之一《财富》500强企业使用Jev，日处理量达1万亿token，部分客户如Jack&Jill将其用于候选人筛选后成本降低88%。
AIHOT · AI 精选AWS 发布 TorchNeuron：Trainium 的原生 PyTorch 后端
AWS 宣布推出 TorchNeuron，这是一个面向 Trainium 芯片的开源原生 PyTorch 后端，将于 10 月 20 日以 Apache 2.0 协议公开 Beta。
Anthropic 上线 Claude Managed Agents 动态工作流 Beta 版
Anthropic 于 10 月 9 日为 Claude Managed Agents 上线 Dynamic Workflows（动态工作流）Beta 版，允许 Claude 根据任务需求生成编排程序，在后台负责启动子 Agent、传递结果及处理异常，从而减少主 Agent 的持续协调负担。
AIHOT · AI 精选MiniMax 发布 M3.1 Flash，推理提速近三倍、用量成本降低 70%
MiniMax 正式推出新一代模型 MiniMax M3.1 Flash，在智能体任务、编程和 Computer Use 方面实现提升，在线推理速度提高近三倍，使用成本降低 70%。
AIHOT · AI 精选蚂蚁 inclusionAI 开源 Ming-3.0-tts 语音合成模型
蚂蚁 inclusionAI 在 GitHub 发布 Ming-3.0-tts，包含 0.5b dense 和基于 Ling V3 的 tiny（7.9B 总参数、1.3B 激活）两个语音生成模型，MIT 协议开源，权重可在 Hugging Face 和 ModelScope 下载。
AIHOT · AI 精选OpenAI发布MultiLangBench与COBOL迁移评测，GPT-6系列大幅提升低资源编程语言能力
OpenAI宣布其最新模型在COBOL、Fortran等低资源编程语言的软件构建与迁移能力显著提升，并开源了相关评测套件。在MultiLangBench测试中，GPT-6 Astra在20种语言的平均测试通过率达87.4%，远高于GPT-5.6 Sol的26.8%；在COBOL迁移评估中，GPT-6.1 Sol准确率达97.9%，同时API成本降低39%。
Salesforce 推出 Slack Frontline：面向一线员工的移动工作空间
Salesforce 发布 Slack Frontline，这是一款专为零售店员、医护人员和工厂工人等非桌面员工设计的轻量级移动工作空间。该产品作为 Slack Enterprise+ 计划的附加组件现已可用，提供角色专属频道、即时 Huddle、AI Agent 问答及自动化工作流，并支持通过员工 ID 或二维码登录以纳入统一 IT 治理。
案例与观点
窄播分析沃尔玛美国增长：同店销售指标失效，AI与平台服务成新引擎
窄播通过分析沃尔玛2027财年Q2财报及CEO Dave Guggina的对谈指出，传统同店销售指标已不足以解释沃尔玛的增长，其全球电商销售额增长23%，广告业务增长38%。