今日精选
1NVIDIA AVO 智能体在 ARC-AGI-3 取得 100% 满分
来源：NVIDIA 官方博客 | 2026-08-21
NVIDIA 通用编程智能体 AVO 在 ARC-AGI-3 交互式推理基准测试中取得 100.00 RHAE 满分，完成全部 25 个环境、183 个关卡，仅用 6624 步环境动作。同一模型 Claude Opus 5 裸跑仅得分约 30%，AVO 通过持久记忆与监督器架构实现 3 倍性能跃升。
技术与工程价值
- 核心机制：AVO 采用两层架构——主 Agent 负责探索与优化，监督器在搜索停滞时介入重定向；持久记忆跨迭代保留推理状态与评估结果
- 实际影响：证明"框架层优化"可释放模型 70% 的潜力，调编排架构比换模型更具性价比
- 主战场验证：AVO 在 GPU 算子优化任务中连续自主运行 7 天，探索超 500 个方向，提交内核比 cuDNN 快 3.5%
关键指标/资源
- 评测/性能：ARC-AGI-3 RHAE 100.00（满分），6624 步动作（较 VISTA 少 12%）
- 代码/论文：NVIDIA Developer Blog、TechCrunch 深度解读
- 同基准历史：2026 年 4 月最佳模型得分 <1%，人类平均约 80%
#AI_Coding
#具身智能
#Agent架构
#ARC-AGI-3
2OpenAI 开源 Codex Harness，争夺 Agent 运行时标准
来源：OpenAI 官方博客 | 2026-08-19
OpenAI 将驱动 Codex App、CLI 和 IDE 插件的底层执行框架 Codex Harness 以 Apache-2.0 协议完全开源，开源组件包括 codex exec、Codex SDK 和 App Server，仓库 Star 数已突破 10.7 万。
技术与工程价值
- 核心机制：Harness 负责管理对话状态、调度工具调用、执行沙箱隔离和审批策略；通过保留推理痕迹 + 上下文压缩优化，GPT-5.6 Sol 在 ARC-AGI-3 上得分从 13.3% 升至 38.3%，Token 消耗降低 6 倍
- 实际影响：将"怎么管模型"的工业级答案公之于众，三层接口覆盖从一次性任务到产品级 Agent 的全谱系
- 竞争信号：与 DeepSeek Harness 形成"Agent 运行时开源占位战"
关键指标/资源
- 评测/性能：ARC-AGI-3 13.3% → 38.3%（仅改 Harness），Token 消耗 ×1/6
- 代码/论文：GitHub openai/codex（Apache-2.0，107k+ Star，16k+ Fork）
- 集成方式：任意 OpenAI 兼容端点可接入（DeepSeek/Kimi/GLM 等）
#AI_Coding
#Agent框架
#开源
#Codex
3第二届世界人形机器人运动会在京开幕，中国速度刷新人类纪录
来源：央视/央广网 | 2026-08-22
第二届世界人形机器人运动会在北京国家速滑馆"冰丝带"开幕，来自 16 国 666 支队伍、2056 台机器人参与。天卓队机器人以 9.39 秒打破人类百米世界纪录（9.58 秒），天工 Ultra 机器人跳出 2.8843 米超越人类纪录。
技术与工程价值
- 核心机制：本届赛事核心升级在于"从遥控到自主"的代际跃迁——多项竞技赛全程全自主运行，考验大模型感知环境、独立决策的综合实力
- 实际影响：2026 年上半年中国人形机器人出货量超 4 万台（全球占比 97%+），具身智能从技术验证→产品验证→规模化应用的关键窗口期已至
- 产业配套：上半年具身智能赛道融资 1041 亿元（同比翻倍），超半数资金投向软件"大脑"
关键指标/资源
- 评测/性能：百米 9.39 秒（打破 9.58 秒人类纪录）、跳高 2.8843 米
- 代码/论文：赛事官方报道、《2026 年人形机器人产业发展报告》
- 产业数据：上半年出货量 4 万+ 台，融资 1041 亿元
#具身智能
#人形机器人
#世界机器人大会
#中国速度
4SpaceX 600 亿美元收购 Cursor 完成交割，AI Coding 格局重塑
来源：The Information/Cursor 官方 | 2026-08-14/23
SpaceX 以约 600 亿美元全股票对价完成对 AI 编程工具 Cursor（母公司 Anysphere）的收购，四位 MIT 联合创始人纸面身家升至数十亿美元。Cursor 团队将并入 SpaceXAI，与 xAI 的 Grok 产品线整合。
技术与工程价值
- 核心机制：收购完成后 Cursor 品牌消失，团队与知识产权全部并入 SpaceXAI；Cursor 获得 Colossus 超算（20 万 GPU）的使用权
- 实际影响：史上最大规模创业公司收购，标志 AI Coding 竞争从"工具层"升级为"生态层"
- 市场信号：Cursor Origin 代码托管平台同步 Beta 上线，支持 GitHub 双向同步、PR 堆叠等 Agent 原生特性
关键指标/资源
- 评测/性能：收购金额 600 亿美元（媒体援引）
- 代码/论文：Cursor 官方公告、SpaceX 确认邮件
- 市场动态：xAI Grok 4.6 综合评分 61 分，与 GPT-5.6 Sol 并列前沿
#AI_Coding
#并购
#SpaceX
#Cursor
5DeepSeek V4-Flash-Vision-Exp 多模态实验模型上线，视觉基准超越 Opus 4.8
来源：DeepSeek 官方博客 | 2026-08-21
DeepSeek 发布实验性多模态视觉模型 DeepSeek-V4-Flash-Vision-Exp，在 V4-Flash（284B MoE，激活 13B 参数）基础上扩展图文混合输入能力，在 ALE 和 ZeroBench 两项视觉基准测试中超越 Anthropic Opus 4.8；端侧部署技术同步开源。
技术与工程价值
- 核心机制：视觉模型与文本模型共享底层架构，图片输入通过 base64/URL/Files API 支持，API 定价与 V4-Flash 一致（"1 分钱 9 张图"）
- 实际影响：国产开源模型在多模态 Agent 场景实现性能突破，降低开发者接入视觉能力的成本门槛
- 生态扩展：DeepSeek Harness 本周内一周三更，将 Claude Code 与 Codex 收编为子代理
关键指标/资源
- 评测/性能：ALE、ZeroBench 视觉基准超越 Opus 4.8；Chartography 64.3（Opus 4.8 为 65.0）
- 代码/论文：DeepSeek API 文档、GitHub deepseek-ai/harness
- 价格：与 V4-Flash 一致，千张图约 1 元
#AI_Coding
#多模态
#DeepSeek
#开源
编辑点评：Agent 基础设施层定价战进入深水区
本期主线清晰指向"框架层决定上限"：NVIDIA AVO 用同一个 Claude Opus 5 跑出 100% vs 30% 的对比，OpenAI 开源 Codex Harness 证明"怎么管模型"比"模型多强"更关键，DeepSeek Harness 收编竞品为子代理构建调度层野心——三大信号共同印证：2026 年 Agent 竞争已从模型参数内卷转向运行时架构博弈。
具身智能侧，世界人形机器人运动会的"9.39 秒""2.88 米"不是炫技而是产业验证信号：中国出货量全球占比 97%+、融资规模翻倍、赛事取消遥控实现全自主，标志着人形机器人从实验室走向真实产线的时间窗口已至。
待核实
- SpaceX 收购金额 600 亿美元（媒体报道，第三方审计待补充）
- AVO ARC-AGI-3 满分结果（厂商自述，独立复现待确认）
- 人形机器人出货量数据（厂商披露，独立统计待补充）
- DeepSeek 视觉模型评测（厂商自述，第三方基准待对齐）