1.月之暗面发布 Kimi K3.1 Pro：2.8T MoE / 104B 激活 / 1M 上下文，Terminal-Bench 4.0 65.7%，权重承诺 11 月 4 日前开放Moonshot 官方 X @Kimi_Moonshot + 技术博客 ｜ 2026-10-23（ET 13:15 = BJ 10-24 01:15）
事件概述
Moonshot AI 发布 K3.1 系列首款模型 Kimi K3.1 Pro——并非新基座，而是 7 月 K3 同一 2.8T MoE 架构上的大规模后训练升级，官方 X 于北京时间 10-24 01:15 发布。Kimi.ai / App / Kimi Work / Kimi Code / API 即日上线，同步推出 2-3 倍速的 K3.1 Pro Highspeed；完整权重承诺 2026-11-04 前开放。
技术与工程价值
- 核心机制：后训练算力大幅加码，跨数百个下游领域大规模联合 RL，并围绕 RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度系统全栈优化以支撑联合训练。产品契约上「始终思考」：low / high / max 三档推理强度（默认 max），关闭思考直接返回 400，采样参数固定 temperature 1.0 / top_p 0.95；MoE 为 Stable LatentMoE（16 / 896 专家，MarkTechPost 口径）。另一项罕见披露：为开源发布主动从中间训练语料与 RL 环境混合中剔除网络攻击相关内容，官方称目标是「不发布会拓展网络能力绝对前沿的开放权重」。
- 实际影响：首个在 Artificial Analysis 智能指数上拿到 55 分的准开源权重模型，把开源-闭源差距从 12 分压至约 3 分；Terminal-Bench 4.0 距 Claude Opus 5.5 仅 0.7 个百分点，长程编程（Kimi Code 全项目开发、游戏引擎驱动、Blender/CAD 参数化建模）是主打落地场景；API 价格较 K3 降 33%（$2/$10 每百万 token），但 AA 实测每任务输出 token 多约 14%，单任务成本基本持平。
关键指标/资源
- 评测/性能：Terminal-Bench 4.0 65.7%（自述，Claude Code harness、max 推理档）vs Claude Opus 5.5 66.4% / GPT-6 Astra 58.2%；SWE-Marathon 51.7%（自述，领先）；Terminal-Bench Science 0.1 38.1%（自述，落后 GPT-6 Astra 68.1%）；BenchCAD（带工具）92.7（自述）vs 96.2 / 95.9；Artificial Analysis 智能指数 55（第三方，第 4；前三为 Opus 5.5 58 / Sonnet 5.5 56 / Muse Wonder Full 56，领先 Fable 5.1、GPT-6 Astra、Gemini 4 Argon 的 53）；AA 独立复跑 Terminal-Bench 67%（其测试过的最高分，K3 仅 13%）；幻觉：Kimi Hallu Bench Hard 23.4% → 8.3%（自述，带工具口径 8.3% vs Opus 5.5 15.0% / GPT-6 Astra 5.5%），AA-Omniscience 53% → 44%（第三方）；xdev-bench-hard 90.5%（未剔除检查点）→ 81.0%（发布版，自述，K3 为 33.3%）；GDPval-AA 1,846 Elo（自述）vs Opus 5.5 1,866。
- 代码/论文：Kimi K3.1 Pro 技术博客《Advancing Open Intelligence》（官方 X 帖内链接）；第三方记录：Simon Willison（2026-10-23，一手 API 实测）、Artificial Analysis、The Decoder、MarkTechPost。权重/license 以 11-04 前实际发布为准。
```metrics
[{"label":"Terminal-Bench 4.0（自述）","value":"65.7%","kind":"self","bar":66},{"label":"Claude Opus 5.5 同项对照","value":"66.4%","kind":"compare","bar":66},{"label":"AA 智能指数（第三方）","value":"55","kind":"third","bar":55},{"label":"K3 同指数对照","value":"43.6","kind":"compare","bar":44}]
```
#AI-Coding#基础模型#开源
2.Anthropic sandbox-runtime（srt）登上 GitHub trending：Claude Code 底层「无容器 OS 级沙箱」进入大众视野GitHub anthropics/sandbox-runtime ｜ 2026-10-23
事件概述
Anthropic 官方仓库 sandbox-runtime（srt，Apache-2.0）于 10-23 登上 GitHub trending（Trendshift 日榜第 12，单日 +430 star，10-24 约 6.3k star / 523 fork），当日仓库仍有代理修复提交合入（#764，UTC 14:52，在窗口内）。srt 是 Claude Code 沙箱化 shell 工具的底层隔离层：用操作系统原语对任意进程施加文件系统与网络限制，无需容器。仓库创建于 2025-10-20、npm 0.0.81 发布于 10-20，本期入选依据为窗口内的 trending 与代码活动（诚实披露，见待核实）。
技术与工程价值
- 核心机制：macOS 用 sandbox-exec 动态生成 Seatbelt profile；Linux 用 bubblewrap（摘除 network namespace）；Windows（alpha）用专用本地账户 + Windows Filtering Platform 出站规则 + 文件 ACL。出站流量一律经本地 HTTP/SOCKS5 代理按域名白名单放行；文件系统读=默认允许+拒绝清单（deny-then-allow），写=仅允许清单（allow-only）；限制覆盖整个进程树。分发为 npm 包
@anthropic-ai/sandbox-runtime（Node 22.12+），CLI（srt 前缀包裹任意命令）与 TypeScript 库（SandboxManager / wrapWithSandbox()）两种用法；沙箱化 MCP server 只需把 .mcp.json 中的 npx 换成 srt。
- 实际影响：为「给 coding agent 最小权限边界」提供了不依赖 Docker 的现成方案，官方称内部使用使 Claude Code 权限提示减少 84%（自述）。与本期 Kimi K3.1 Pro 专门重构「沙箱基础设施」、其他实验室红队发现的 microVM 逃逸相互印证：agent 执行环境的隔离层正在成为一等基础设施，且「文件系统 + 网络」双边界的默认拒绝哲学（无网络隔离则 prompt injection 可外传 SSH 密钥，无文件系统隔离则可逃逸触网）正在成为共识设计。
关键指标/资源
```metrics
[{"label":"权限提示减少（自述）","value":"-84%","kind":"self","bar":84},{"label":"GitHub Star（10-24 API）","value":"6.3k","kind":"third","bar":63}]
```
#AI-Coding#Agent基础设施#开源#安全
3.NVIDIA 发布 Nemotron 3.5 Bolt E4B 4GB：Gemma 4 E4B 纯 RL 后训练，约 4GB 显存驱动机器人 / 语音本地智能体NVIDIA Research 官方技术报告 ｜ 2026-10-23
事件概述
NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B 4GB（官方技术报告页标注 Published: 2026-10-23）：基于 Google Gemma 4 E4B、仅用强化学习（RLVR + RLHF，经 NeMo-RL / NeMo-Gym）后训练且完全跳过 SFT，目标是在约 4GB 显存预算内运行本地对话式智能体，面向设备/语音助手、游戏角色与机器人/物联网接口（GeForce RTX、Jetson、RTX Spark、DGX Spark）。
技术与工程价值
- 核心机制：8B 总参 / 4B 有效（E4B 架构），64K 上下文，35 种语言（基座预训练 140+）；多轮工具调用（含异步调用指南）、
conversational_mode（语音就绪的简短回复）、可配置推理（运行时 thinking budget 限延迟）。训练上官方明确 SFT 虽提升工具调用但损害 Gemma 的对话质量并推高冗长，故走纯 RL 路线：每个样本同时以推理/非推理两种模式训练，批内 2:1 配比，GenRM 环境加长度惩罚；Q4_K_M 量化用重要性矩阵校准（约 100 万 token RL rollout），随附 DFlash 投机解码 drafter。
- 实际影响：把「对话 + 工具调用」的智能体行为压进 3.1-4.3GB VRAM，使端侧设备可并置视觉/语音模型——官方 demo 中 Reachy Mini 机器人在 Jetson Orin Nano 8GB 上由 Cosmos 3 Edge 负责视觉理解、Bolt E4B 负责语音回复与工具调用；权重、训练数据集与配方全开（OpenMDW-1.1，Hugging Face / Ollama / LM Studio / Unsloth / Jetson AI Lab / NVIDIA NIM），是具身与边缘场景少见的「配方级」开源。
关键指标/资源
```metrics
[{"label":"IHEval（自测）","value":"84.8","kind":"self","bar":85},{"label":"Gemma 4 E4B 对照","value":"67.0","kind":"compare","bar":67},{"label":"Tau2-Bench（自测）","value":"55.1","kind":"self","bar":55},{"label":"Qwen3.5-4B 同项对照","value":"75.1","kind":"compare","bar":75}]
```
#具身智能#开源#边缘AI
4.智元 110 台远征 A3 人形机器人同舞创吉尼斯世界纪录：LinkBots 集群调控 + UWB 厘米级定位，全部量产机型界面新闻 / 大众新闻 / 投资界现场报道 ｜ 2026-10-24
事件概述
10-24 上午，智元机器人在济南黄河国际会展中心组织 110 台远征 A3 全尺寸人形机器人同台完成编队舞蹈、太极、走位、跳跃、翻转与阵型切换，经吉尼斯世界纪录认证官现场认证，创下「最多人形机器人同时跳舞」纪录。全部为量产机型（无特调演示机），依托自研灵动 LinkBots 集群调控平台与 UWB 厘米级融合定位实现多机同步。
技术与工程价值
- 核心机制：LinkBots 支持可视化阵型编排、自主导航、走跑一体化协同与多编队独立动作控制，采用 5G+WiFi 双模融合通信保障百台规模链路稳定，并具备自主容错——单台掉线时系统自动完成局部队形补偿，整体阵型不中断、不坍塌；UWB 厘米级融合定位统一时间基准与轨迹规划，实现毫秒级同步。挑战场景从室内走向开阔户外：阳光干扰、多机遮挡、人群走动遮挡定位信号下仍维持高精度定位，并同步展示自主出箱、自主就位能力。
- 实际影响：智元合伙人、高级副总裁王闯现场称「每台机器人的关节零位、力矩、动作库产线级统一，百台同场如同一台，演示现场就是交付现场」——竞争焦点从单机演示推向量产一致性 + 大规模集群调度 + 厘米级定位的规模化部署能力。官方称该能力可直接复制到乐园户外巡游、广场商演、景区定点秀等文旅场景，后续批量投入文旅演艺、公共服务与科研教育。
关键指标/资源
- 评测/性能：110 台同场协同（吉尼斯认证官现场认证，第三方）；毫秒级同步、UWB 厘米级定位（厂商口径）；具体同步误差、实际定位精度与容错成功率未公布（见待核实）。
- 代码/论文：界面新闻（10-24，腾讯新闻/新浪转发）、大众新闻（大众网，10-24）、投资界/同花顺现场报道（10-24 14:28，含王闯致辞原文）。
```metrics
[{"label":"同场人形机器人（吉尼斯认证）","value":"110 台","kind":"third","bar":100},{"label":"集群同步时延（厂商口径）","value":"毫秒级","kind":"self"}]
```
#具身智能#集群控制#产业落地