天眼晚报

Anthropic 披露 Claude Code 约 90% 代码由 Claude 编写，6-9 月合并 PR 数量翻倍以上、回滚比例下降超 40%，收到实质评审意见的 PR 占比从 16% 升至 54%。团队采用七层检查：PR 前自检、多个 Agent 找 bug 后投票、AI 与安全评审、按风险三档人工审批、灰度与快速回滚；并以限轮次、只重审增量 diff 解决 agent 互评死循环，一轮通过率从 65% 升至 78%。这是目前公开最详细的“人机混合研发流程”样本。

iPhone Duo 预购数分钟内售罄，美国起售 1999 美元、国行 15999 元起，内外屏 120Hz，首批订单发货估期延至明年 1 月底，部分订单排到 2027 年；分析师预计销量或超 1400 万部、销售额 280 亿美元。苹果北京三里屯门店称需求远超以往新品，现货到店预计三个月后。这显示折叠形态在苹果品牌加持下被主流市场接受，也将重塑高端机价格带与折叠屏供应链。

Meta 发布开源 MoE 模型 Muse Spark，拥有 8160 亿参数并支持 100 万 token 上下文，是开源阵营在参数规模与上下文长度上都相当激进的一次释放。此前百万级上下文主要出现在闭源商用模型中，开源跟进意味着长文档理解、代码库级推理等能力将快速下沉到自部署场景，同时抬高开源与闭源模型之间的竞争门槛，对推理算力与显存需求提出新要求。

Perplexity 开源 SPACE 沙盒平台，为每个 agent 任务分配独立 Firecracker microVM，凭证与出站流量由 VM 外部统一控制；生产环境创建延迟中位数从 185ms 降至 60ms，108 次逃逸测试全部失败。Agent 执行代码带来的隔离与凭据管理是当前企业落地最大的安全障碍之一，SPACE 提供了一套可直接复用的基础设施方案，有望成为 agent 运行时的事实参考架构。

Opus 5.5 在 Ultracode 模式下自主运行约 30 小时，仅凭一条提示词从零构建出可运行的计算机：用 27.7 万逻辑门实现 JavaScript 版 CPU、操作系统与游戏，全程无人干预。这说明长时程自主任务（数天级、跨文件、需自洽设计）已具备可行性，对“agent 只能做短任务”的既有预期构成挑战，也让超长上下文与状态管理成为下一代模型竞争焦点。

Google DeepMind 报告四个 Gemini 4 Argon 智能体在 27 小时 14 分钟内通关 Minecraft，编写 2783 个程序、死亡 605 次，全程无人类干预。Minecraft 是长时程规划与工具使用的经典开放环境，多智能体协作通关此前主要靠专用系统实现。该结果说明通用模型加自主编写代码的能力已能覆盖游戏级的长期任务，对机器人、自动化测试等连续决策场景有直接参考价值。

Google 在 105 量子比特 Willow 芯片上过滤缺陷魔态，误差降低约 40 倍，存活态准确率达 99.99%，但仅 8% 的尝试通过筛选。魔态注入是容错量子计算的关键瓶颈，误差下降一个半数量级意味着容错门所需的物理开销可能显著下降。需要注意的是，低通过率说明资源开销仍然高昂，距离实用容错仍有距离，但方向对实用门槛的降低意义明确。

伊朗革命卫队称一艘载有超 200 万桶原油的超级油轮在霍尔木兹海峡触雷爆炸起火，该油轮关闭全部导航雷达后试图在美军支持下通过，声明再次强调海峡已关闭；同日沙特朱拜勒东北也发生两起油轮遇袭。叠加布伦特暗盘突破 106 美元、WTI 周涨 10.4%，能源与航运风险正在向通胀和央行决策传导，这也是本轮 AI 股回调的宏观背景之一。

台积电 Q3 净利同比增长 68.7% 至 7630.6 亿新台币，全年美元营收预计增长 44%。在半导体指数 9 连跌、CoreWeave 等算力租赁公司承压的同期，台积电这份财报提供了关键分歧点：先进制程订单与晶圆代工产能仍然紧张，而下游算力服务商已开始被资本市场重估。产业景气与估值修正之间的错位，是接下来几个季度最值得观察的线索。

DeepSeek 已同意领投腾讯前科学家胡瀚创立的具身智能公司 Winverse AI 种子轮，金额数千万美元，投后估值约 4 亿美元；同期前逐际动力基础模型负责人俞涛的 LLM+具身项目估值从 7000 万美元升至 2 亿美元，梁文锋也在关注具身大脑项目并考虑自建团队。模型公司向机器人本体与具身大脑延伸，正在成为中国 AI 竞争的下一条主线。

花旗、美银、摩根大通限制 AI 代理访问客户账户与转账，主要担忧存款流失：AI 比价可能把 0.1% 活期资金搬向 3.3%-5% 的理财，三大行 1.6 万亿美元无息存款的年成本或达 470 亿美元。这是传统金融机构首次大规模以技术手段阻断 agent 接入，预示“agent 能否代表用户操作账户”将很快成为监管与商业模式的双重议题。

腾讯开源知识管理框架 WeKnora，整合 RAG、Agent 与 Wiki，支持多格式文档解析、语义检索和原文引用，可通过 Docker Compose 快速部署。企业私有知识库是 RAG 落地最集中的场景，但工程链路长、可解释性差是常见痛点。由大厂开源并带引用溯源能力，降低了自建门槛，也让“知识库即 agent 工具”这一形态更容易被组织采纳。

海关总署数据显示，前三季度货物贸易进出口 39.94 万亿元、同比增 18.8%；9 月进出口 5.16 万亿元，首破 5 万亿关口、同比增 27.5%。其中集成电路出口增长 99.1%，电动汽车、锂电池、风电装备分别增 72.3%、36.4%、22.4%。集成电路出口接近翻倍，说明国内产能释放与全球 AI 硬件需求叠加，也部分对冲了外资流出与科技股回调带来的悲观情绪。

开源插件 billion-context 面向 Claude Code、Codex、OpenCode、Pi 等，作者称安装后 100K 上下文即够用、token 消耗省 5 倍，可支撑跑数月的单会话，一周涨 779 星至 1541 星。上下文管理是当前 agent 长任务的主要成本与质量瓶颈：在模型上下文普遍冲向百万级的同时，社区反而在探索“用更少上下文做更久任务”的工程路径，这类外部记忆方案值得跟进。

文章提出 Agent 评测的金标准五步：先定判官、拆判定项、写成可执行规则、聚合结果、持续校准，并用文档问答 Agent 的 18 条用例演示如何定义“什么算对”。在 agent 大规模进入生产后，团队普遍卡在“无法稳定判断输出好坏”。把主观质量拆成可执行规则与可校准判官，是当前少数可直接照搬的评测方法论，与 SkyWalking 新增 LLM-as-Judge 等工具化趋势互相印证。