AI 热点日报：Kimi K3.1 Pro 开源在即，人形机器人敲钟与交卷期同至
本期速览：AI 编程侧，月之暗面 Kimi K3.1 Pro 开源权重将于 11 月 4 日放出、Claude Code 发布 2.1.316 强化团队治理、编码智能体"买 token 不买胜率"的研究引发行业反思；具身智能侧，Agility Robotics 敲定纳斯达克上市、智元发布 96 台真机集群群体学习范式 CEL、启元在世界顶尖科学家论坛发布个人机器人安全白皮书。两条主线同时指向同一个关键词——从"能不能"转向"靠不靠谱"。
一、AI 编程
1. Kimi K3.1 Pro 开源权重 11 月 4 日放出，Terminal-Bench 4.0 得分 65.7%
月之暗面于 10 月 24 日发布 3 万亿级参数（2.8T 总参 / 104B 激活，MoE）开源模型 Kimi K3.1 Pro，支持 100 万 token 上下文，完整模型权重将于 11 月 4 日前对外开源。在编程基准 Terminal-Bench 4.0 上，K3.1 Pro 取得 65.7% 的成绩，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 仅微差。其长程编码能力经大规模强化学习显著增强——内部测试中曾独立完成"人类行走动力学模拟器"的多轮调试，自动定位并修正 36 处肌肉力臂计算错误。
核心看点：这是目前参数规模最大的开源模型之一，且以闭源五分之一的价格提供接近前沿的综合性能。11 月 4 日权重放出后，将成为开源编码智能体的重要底座选项。
2. Claude Code 2.1.316 发布：团队治理成主线
Anthropic 于 10 月 31 日发布 Claude Code 2.1.316。本次更新的重点不在"更聪明"，而在更可控：新增 pooled group budgets（团队共享月度预算）、subagent effort 设定（子智能体独立算力档位）、以及 Claude apps gateway 上的 layered 分层策略——所有匹配开发者的策略逐层合并生效，而非仅取首个。同时新增 input_tagging 护栏，将提示词包裹进 Amazon Bedrock 防护栏所需的标签。此外，Opus 4.8 的 fast mode 将于 11 月 30 日移除，官方建议迁移至 Opus 5.5。
核心看点：当编码智能体进入企业生产环境，治理（预算、权限、审计）正成为比"跑分"更紧迫的工程命题。
3. 编码智能体 harness 研究：同模型下通过率无差异，成本差 3 倍
一项针对编码智能体 harness 的对照研究（10 月 24 日）用同一批模型分别跑 Claude Code、OpenCode 与 mini-SWE-agent，结论颇为扎心：在相同模型下，任务通过率差异落在噪声范围内，但单任务成本最高相差 3 倍。研究将其概括为"买 token 不买胜率"——harness 的工程实现（上下文压缩、动作融合、观测打包）才是成本与稳定性的真正分野。
核心看点：对团队而言，在模型趋同的当下，harness 选型和提示工程的经济性，可能比追逐最新模型更划算。
4. Cursor 市场出现被植入后门的 Claude Code 扩展（供应链安全事件）
10 月 31 日的日常 AI 更新摘要中，一条"Breaking change"值得所有用编码智能体的团队警惕：Cursor 插件市场中出现一个被植入后门的 Claude Code 扩展。这类事件揭示了 agent 工具链的供应链攻击面——当智能体被授予文件读写、命令执行权限后，一个伪装成官方插件的扩展即可在开发者机器上静默作恶。
核心看点：编码智能体权限越大，插件/扩展市场的审核与签名机制就越重要。建议从官方渠道安装、核对发布者、限制智能体的默认权限范围。
5. Agentic 编码工具链集中发版：OpenCode 2.2.5、Devin Desktop、Factory Droid
10 月 30 日前后，多款 agentic 编码工具密集更新：OpenCode 2.2.5 带来百分比压缩缓冲、一键 worktree 切换；Devin Desktop 3.11.238 上线 Cyber Verification Program 开关、诊断日志从 25KB 扩至 4MB；Factory Droid 1.1.0 提供企业审计 API 与 PATH 重复安装检测。工具的迭代节奏反映出"编码智能体"已从概念验证进入工程化打磨期。
核心看点：工具层竞争焦点正在从"能不能写代码"转向"能不能稳定、可审计、可协作地写代码"。
6. Simon Willison 年度回顾：Claude Opus 4.5 与 GPT-5.1 让编码智能体"从不可靠到日常可用"
在 WeAreDevelopers 北美大会上，Simon Willison 复盘 2026 年 LLM 趋势时指出：11 月发布的 Claude Opus 4.5 与 GPT-5.1 是编码智能体的分水岭——配合各自的 harness，能力从"经常出错"跨越到"足以日常使用"。他多年用"画一只骑自行车的鹈鹕"作为玩具基准，结论是：模型虽仍画不好自行车，但长程任务能力已发生质变。
核心看点：编码智能体"可用"的临界点已经到来，2026 年行业主线正是把这种能力落地到真实工程中。
二、具身智能
7. Agility Robotics 敲定 4.65 亿美元，11 月 5 日以 AGLT 登陆纳斯达克
10 月 30 日，Agility Robotics 与 SPAC 公司 Churchill Capital Corp XI 公告业务合并，预计募资总额约 4.65 亿美元，定于 11 月 5 日以代码 AGLT 登陆纳斯达克。这将是美国唯一一家拥有活跃商用部署的纯人形机器人上市公司。其商用底数：Digit 累计超 65,000 小时真实运行，Digit 5 已披露多年承诺订单超 3 亿美元，GXO 将在两处新增仓库部署。值得注意，因 SPAC 投资者赎回，信托账户贡献由预估的 4.24 亿美元降至 1.64 亿美元。
核心看点：公开市场在为"唯一性"定价，而一级市场在同一天交出的却是"融资数量腰斩"的账本——两类信号并不矛盾，量的是"稀缺性"与"可验收性"两件事。
8. 智元发布 CEL：96 台真机集群群体经验学习，成功率 98.3%
10 月 30 日，智元联合清华大学、无问芯穹发布群体经验学习范式 CEL（Collective Experience Learning），配套 FERT 算法与容错异步训练系统 FATS。关键结果：手机包装任务将训练机群从 16 台扩至 96 台，成功率由 86.7% 升至 98.3%；五项真实桌面任务在留出机器人上达到 93.3%—99.2%。更有价值的工程数据：96 台运行期间本地故障平均每 22 分钟一次，但集群级采集从不中断，故障相关停机仅占总机器人时间的约 1.3%。
核心看点：这组数字回答的是"规模化采集能不能撑住"，而非"模型分数有多高"——后者是具身智能真正走向部署的关键门槛。同期披露的 GO-3 Preview 也补上了 Scaling 曲线：数据规模扩展使 Zero-Shot 成功率由 13.4% 提升至 56.4%。
9. 智元、宇树竞速"交卷期"，工信部预计全年人形机器人产量破 10 万台
21 世纪经济报道梳理指出，具身智能行业正从"量产关"迈入"部署关"。工信部披露 2026 年上半年我国人形机器人整机突破 400 款、产量超 4 万台，预计全年突破 10 万台。但 Counterpoint 统计显示，上半年全球六成以上人形机器人卖给了舞台与实验室，真正进厂进仓创造直接经济价值的不足两成。智元联合创始人彭志辉提出新度量单位 Worken（有效智能工时），强调"万台下线只是制造业的胜利，万台能够上岗才是物理 AI 的胜利"。
核心看点：估值逻辑正从"想象力定价"滑向"交付定价"。行业淘汰赛可能已经开始——去年 2 月至今年 9 月，国内至少 20 家机器人企业陷入经营危机。
10. 启元机器人亮相世界顶尖科学家论坛，发布个人机器人 SSP 白皮书
10 月 30 日—11 月 1 日，2026 世界顶尖科学家论坛于上海临港举办。启元机器人发布《个人机器人安全与隐私保护（SSP）白皮书》，提出以人为中心的 SSP（Safety 安全、Security 安全防护、Privacy 隐私）设计框架。在量产侧，启元实现核心模块全栈自研，产线对标消费电子与汽车工业双重可靠性标准，每 2.5 分钟下线一台机器人，具备万台级稳定制造交付能力；其 HIL‑UMI 具身训练范式使数据采集效率较传统方案提升 5.63 倍。
核心看点：消费级具身智能的"最后一公里"是安全与隐私治理。启元将机器人进家难度定为"比进工厂难一个数量级"，选择从家庭场景切入，长期主义意味明显。
小结
今天的两条主线殊途同归：AI 编程侧，开源模型（Kimi K3.1 Pro）与治理升级（Claude Code 2.1.316）共同把编码智能体推向"可靠、可控、可算账"的日常使用；具身智能侧，资本市场（Agility 上市）与产业交付（智元 CEL、启元万台级产线）则把竞争焦点从"造出来"压到"用起来"。无论是代码还是机器人，可靠性、可审计性、真实交付数据，正在取代单纯的参数与 Demo，成为 2026 年下半场的核心叙事。