Claude Code「自产自审」：九成代码不再经过人类【AI 早报 2026-10-20】

今日看点：Anthropic 披露 Claude Code 约九成代码由 Claude 自行编写并审查，PR 回滚率反降四成；Gemini 4 Argon 组队 27 小时首次自主通关《我的世界》；OpenAI 三款 Aurora 模型深夜短暂上线又撤回，实测指向下一代图像生成底座；MiniMax M3.1 Flash 将 Agent 任务综合成本降低 70%。

今日概览

要闻

1. Claude Code「自产自审」：九成代码不再经过人类
2. Gemini 4 Argon 组队 27 小时通关我的世界
3. OpenAI 三大 Aurora 模型深夜短暂上线又撤回

模型发布

1. MiniMax M3.1 Flash：Agent 任务成本降 70%
2. 中电信星辰开源 Xing4.0-29B-Intent 意图模型
3. Cloudflare 推出 Clairic 提取模型
4. VAST 开源 EdenLive 实时渲染世界模型
5. 百度联合清华人大等开源 LoopVL
6. Kling AI 4.0 支持 30 秒片段与立体声

开发生态

1. 谷歌开源 Harness² 递归智能体框架
2. Meta“瘦身编排器”：1300 行路由 14 个 Agent
3. AWS 简化 SageMaker 注册并送 100 美元额度
4. Dream Labs 融资 9000 万美元推机器人 API

产品应用

1. Lovart 2.0 发布个人设计 Agent Arti

技术与洞察

1. GPT-6-Astra 具身评测：基准满分真机频碰壁
2. Anthropic 研究员：思维链不是模型内心独白
3. Claude 设计更高效量子电路
4. Goodfire 研究员称神经网络可能更易理解

行业动态

1. Disney 接纳 Character.AI 逾 60 名员工

前瞻与传闻

1. 苹果秘密研发机械臂 HomeView J595

要闻

Claude Code「自产自审」：九成代码不再经过人类

Anthropic 在官方博客中披露，Claude Code 目前约 90% 的代码由 Claude 自己编写，大部分审查工作也由 AI 完成。从 6 月到 9 月，合入的 PR 数量翻了一倍多，而需要回滚的改动反而减少了四成多。Anthropic 大仓库日改动量从 5 月的约 2500 个涨到 9 月的 3 万多个，纯人工逐行审查已不可行。其 AI 审查功能刚推出预览版时，内部有实质性审查意见的 PR 占比从 16% 跃升至 54%。Git Blame 回溯显示，Reviewer 每轮揪出的问题中约 59% 在第一轮审时就已经存在，团队随即将审查轮数上限设为 3 轮，PR 平均审轮数从 2.08 降至 1.32，需审 5 轮以上的比例从约 1/11 降到不足 2%。不过最终合入仍有死规矩：Agent 点的 Approve 不算数，必须由人类签字，且让 Agent 写代码的人要像对自己亲手写的代码一样承担审批责任。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652735857&idx=2&sn=080a2d5531a5d51a3afe813509c04e82

Gemini 4 Argon 组队 27 小时通关我的世界

谷歌 DeepMind 让四个 Gemini 4 Argon Agent 组队，从随机生成的生存世界出发，目标是击败末影龙，最终耗时 27 小时 14 分钟完成。期间它们自行编写并运行了 2,783 个程序，死亡 605 次，且仅使用标准 Mineflayer 库，没有人工预写游戏策略或提前侦察地图。开局 10 分钟内，Agent 们在聊天中完成分工；1 小时 42 分钟后建好下界传送门。第 10 小时 46 分钟，它们通过两次投掷末影之眼求方向线交点，估算出距村庄约 1.3 公里处的要塞位置，与真实传送门房间仅差 43 米。第 21 小时附近，Agent 发现可用泥土垫高黑曜石柱并徒手拆除回血水晶，随后 4 小时 40 分钟拆完全部 10 颗。通关前它们共写了六万多行 JavaScript，交换了 229 条游戏内消息。 来源：https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mid=2650455427&idx=1&sn=cd7db27ee29de0e7be9627d7e0d90940

OpenAI 三大 Aurora 模型深夜短暂上线又撤回

OpenAI API 后台昨日惊现 aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 三个代号“极光”的神秘 Alpha 模型，随后被火速撤回。但 Arena 灰度测试池并未撤下，开发者转入 Arena 实测后发现，它们并非预想中的超高速代码模型，而是 OpenAI 即将发布的下一代图像生成底座。社区此前因今年 2 月 9 日上线的匿名 Aurora Alpha 与三天后发布的 GPT-5.3-Codex-Spark 时间接近，默认了“Aurora=顶级代码/推理模型”的等式。也有人猜测它们是此前因安全问题搁置的 GPT-6.1 Astra，但 Arena 实测显示它们正在生成高度精致的猫咪面部特写等图片。目前 OpenAI 尚未对外公布这三款模型的正式身份与发布计划。 来源：https://mp.weixin.qq.com/s/J5b-xGSWVUUMNW-KfJDw3w

模型发布

MiniMax M3.1 Flash：Agent 任务成本降 70%

MiniMax 正式更新 M3.1 Flash，此前以匿名身份处理超过 200T Token 的 Space Bunny 正是其早期版本。官方称其在 Agentic 任务、编程、Computer Use 及网络安全方面实现代际提升，同时线上推理速度提升近 3 倍，使用成本降低 70%。模型采用更激进的稀疏注意力架构，日常使用输出速度可达 200+ TPS，P50 稳定在 170+ TPS。定价方面，输入价格为每百万 Token 1 元，输出价格为每百万 Token 4 元，缓存读取价格为每百万 Token 0.1 元。基准成绩上，DeepSWE v1.1 取得 73.7%，OSWorld V2 取得 61.7 分，Agents' Last Exam 取得 29.6 分，CyberGym 取得 82% 高分。现已上线 MiniMax API、MPlan 及 MiniMax Code，并将稍后开放权重。 来源：https://mp.weixin.qq.com/s?__biz=MzE5MTA3NzcxMQ==&mid=2247489196&idx=1&sn=4c8b969db8bd136f47d7b1a7650790c4

中电信星辰开源 Xing4.0-29B-Intent 意图模型

10 月 19 日，中电信人工智能科技有限公司星辰通用人工智能实验室开源 Xing4.0-29B-Intent，尝试补上“判断意图之后如何填充参数”的能力缺口。该模型把意图理解扩展为“选择题+填空题”，可同时输出意图类别与对应实体、数值及属性，并以统一 JSON 结构返回。官方同步放出近 300 万条训练语料及推理 SDK。在零样本冷启动评测中，其 Micro-F1 达 70.27，较 Jev 最优配置高出 12.62 个百分点，并超过 GPT-4.1。端到端推理延迟低于 150 毫秒，落在 Jev 的 70 到 500 毫秒区间内。模型已在 GitHub、HuggingFace、魔搭、魔乐社区同步开源。 来源：https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652812227&idx=1&sn=a988e9940e5134b16debe8f60f3afdbd

Cloudflare 推出 Clairic 提取模型

Cloudflare 在 Workers AI 上预览了一类新的 System One 风格模型：提取模型，首个模型名为 Clairic，托管为 @cf/cloudflare/clairic，并计划很快开放权重。Clairic 能从非结构化输入中直接提取、计算、估算和预测数值，返回带 80% 区间的数字，同时抓取名称、日期、列表等类型值。官方称其在准确率、延迟和成本上均显著优于传统 LLM，适合“发票总额是多少”“何时送达”“未来 24 小时流量如何”等重复的结构化输出场景。与 TypeSafe 的 Jev 和 Clef 等决策模型并列，Clairic 是第一个 System One 提取模型。 来源：https://blog.cloudflare.com/clairic-extraction-model/

VAST 开源 EdenLive 实时渲染世界模型

VAST（三启万物）开源世界模型研究项目 Project Eden 中的实时生成式渲染器 EdenLive。该渲染器以 Proxy 简化参考画面或参考视频为控制信号，结合目标首帧图像和文本提示词，持续生成写实、精细化或风格化视频。在单张 Nvidia RTX 5090、5B 参数模型、720P 配置下，实时帧率超过 24 FPS，连续生成可持续到分钟级，输出提供 480P 和 720P 两档，端到端延迟在百毫秒量级。团队同步开源了不同尺寸的模型权重、推理代码、Tech Report，以及可快速生成可玩 Proxy Game 的 Game Prototype Turbo Skill，并提供端到端 Demo 展示从自然语言生成游戏到实时渲染的全链路。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651063676&idx=1&sn=a4814af1afbdc7ce1c9f6b582eb9bfac

百度联合清华人大等开源 LoopVL

中国人民大学、百度、清枢智汇、上海交通大学、清华大学等机构的研究者提出 LoopVL，完成从语言预训练到多模态后训练的系统探索。该模型仅使用 0.14T 训练 token，而 Qwen3.5-2B 和 InternVL3.5-2B 约使用 36T，数据规模相差约 260 倍，却在 LogicVista、MMMU-Pro、MMStar、RealWorldQA、MathVision 等多项评测上达到甚至超过这些公开 VLM。在相同 token 预算的受控对比中，相比通过加深或加宽扩展的两个约 4B Transformer 基线，LoopVL 保持约 1B 语言主干，八项受控评测中有五项同时超过 Deep 和 Wide，其中 RealWorldQA 达 70.98，MathVision 达 38.49。架构上其沿用 HRM-Text 分层循环，默认 H2L3 配置下 32 套独立 Transformer 层展开为 128 次层调用。 来源：https://mp.weixin.qq.com/s/FCZOaRgfLE5SvV5vqPJ1kg

Kling AI 4.0 支持 30 秒片段与立体声

Kling AI 发布视频生成模型 4.0 版本，支持最长 30 秒片段、最多 10 张关键帧图像输入，提示词理解扩展至 8,000 token。新版本加入立体声音频与多语言唇形同步，并推出更轻量的 Flash 变体。在与 Wan 3.0 和 Seedance 2.5 的对比中，Kling 4.0 表现相当但并未拉开差距，外媒分析这可能预示 AI 视频模型的高速进展开始出现平台期。 来源：https://the-decoder.com/kling-ai-drops-version-4-0-with-stereo-audio-multilingual-lip-sync-and-a-lighter-flash-variant/

开发生态

谷歌开源 Harness² 递归智能体框架

谷歌研究团队以 Apache 2.0 协议开源智能体框架 Harness²，支持 OpenCode 和 Codex，默认使用 OpenCode。其核心是两层递归机制：任务级递归通过“提出—探测—组合”生成多套 Harness 修改方案并实际执行对比；Harnessing 级递归则由持续存在的 Improvement Harness 保存有执行证据支持的经验。该框架不要求任务有标准答案，而是通过实际运行观察行为差异来指导优化。在 JobBench、LAB 和 WorkBuddy-Bench 三类专业任务及 GLM-5、Gemini 3.5 Flash 等配置上测试，仅一步优化后 WorkBuddy-Bench 最高提升 11.5 分，JobBench 最高提升 4.5 分，LAB 部分通过率最高提高 11.8 个百分点。官方提醒，当前 executor 默认网络访问不受限制，Codex executor 会关闭 sandbox，正式评测需另行限制网络。 来源：https://mp.weixin.qq.com/s/__biz=MjM5MDE0Mjc4MA==&mid=2651295407&idx=1&sn=b8c188b3e578205013431c43c98bc95d

Meta“瘦身编排器”：1300 行路由 14 个 Agent

Meta 工程团队公开了其数据管道 Agent 的“瘦身编排器”实践：一个仅 1,300 行的编排器只负责路由和可靠性检查，自身不做任何领域工作，将 20 多个工作流分派给 14 个专业 AI Agent。最初团队采用单一全知 Agent，结果在生产中出现幻觉，并发生跨子系统的概念污染。西奈山 Mount Sinai 的一项预印本显示，编排式多智能体系统在 80 任务批次中保持 65.3% 准确率，而单智能体跌至 16.6%，同时 token 用量最多减少 65 倍。Meta 的结论是：与其给中央 Agent 更大上下文，不如让它做得更少，把领域决策留给专家。 来源：https://engineering.fb.com/2026/10/19/ml-applications/thin-orchestrator-ai-agent-architecture/

AWS 简化 SageMaker 注册并送 100 美元额度

AWS 宣布新 SageMaker AI 客户注册后仅需几步即可进入完全配置好的 SageMaker Studio 环境。新客户可用 Google、GitHub、Apple、Amazon 账户或邮箱在 2—3 步内完成注册，多数客户无需完成高级 AWS 账户验证、电话验证或输入信用卡。注册后约 20 秒自动创建 Studio 环境，并直接落在起始页面。新客户还可获得 100 美元 AWS Free Tier 额度，可用于模型定制、训练任务、Studio 笔记本和端点部署。此前 AWS 已将 Studio 环境创建时间从 2 分钟缩短至约 20 秒，并预配置了模型定制权限。 来源：https://aws.amazon.com/blogs/machine-learning/developers-can-now-access-sagemaker-studio-through-the-new-aws-experience/

Dream Labs 融资 9000 万美元推机器人 API

Dream Labs 宣布完成 9000 万美元种子轮融资，由 B Capital 和 Kindred Ventures 领投，A.Capital、Unusual Ventures 等跟投。公司成立于 2026 年，创始团队来自前英伟达 GR00T 研究项目。与融资同步，团队发布了号称首个公开可用的机器人基础模型 API——Dream API，可将机器人摄像头画面和自然语言指令转换为电机命令。主模型 Dream-1 向人类日常操作视频学习，可跨硬件厂商工作，目前已能在无额外训练的情况下控制带夹爪的机器人完成抓取、放置和叠衣服等桌面任务，并与超过 20 家硬件伙伴合作。融资将主要用于计算基础设施建设。 来源：https://theaiinsider.tech/2026/10/19/dream-labs-raises-90m-in-seed-funding-to-build-foundation-models-for-any-robot/

产品应用

Lovart 2.0 发布个人设计 Agent Arti

10 月 19 日，Lovart 上线 2.0 版本并发布个人设计 Agent Arti。该 Agent 具备四项核心能力：跨项目留存用户审美与工作习惯的长期记忆；可设定执行周期和每次积分消耗上限的设计委托；覆盖调研、画布巡检与反馈改稿的主动式设计；以及将画布上验证过的工作流自动总结为 Skill 的自进化机制。官方表示，Arti 能接下一个完整设计委托并按周期执行，把反复做的事情沉淀成可复用技能。新版本已向所有用户开放，国内可直接访问。业内观察认为，设计这类有明确交付物、用户愿为结果买单的垂类工作台，可能比通用生活助理更早跑通 Personal Agent 的商业闭环。 来源：https://mp.weixin.qq.com/s?__biz=MzY5ODQwMTkxNA==&mid=2247517324&idx=1&sn=4939b4b57340578f45ce48058b7bbe84

技术与洞察

GPT-6-Astra 具身评测：基准满分真机频碰壁

商汤联合大晓机器人、Ropedia、新加坡南洋理工大学和东京大学发布《Has GPT-6-Astra Achieved Embodied Intelligence?》，对 GPT-6-Astra 展开覆盖 12 项仿真评测、8 个真实机器人平台的系统分析。在传统基准上，GPT-6-Astra 在 LIBERO-Long++ 达 100%，LIBERO-Pro 达 99.3%，SIMPLE 达 98.8%，LIBERO-Ultra-Long 达 98.9%，RoboDojo 达 81.9%。但在真实机器人任务中问题频发：把笔放进笔筒这一对人几秒可完成的任务，总耗时 4 个多小时并消耗 55 美元；插入插头操作在多款真机交叉验证 11 次一次未成功。报告给出的判断是：GPT-6-Astra 已很大程度跨过具身能力门槛，但距离可靠实用部署仍有明显差距。 来源：https://mp.weixin.qq.com/s/55cbbtumbRhSGM92xWwALg

Anthropic 研究员：思维链不是模型内心独白

Anthropic 可解释性研究员 Emmanuel Ameisen 在 72 分钟访谈中表示，大模型并非工程师逐行写成，而是在训练中“长出来”的。在“Dallas 所在州的首府”问题中，团队在模型中间状态观察到 Texas 概念先被激活，再与“首府”关系结合，最终指向 Austin；将 Texas 替换为 California 后，答案随之从 Austin 变为 Sacramento。押韵诗实验显示，模型准备续写第二行时可能先在内部激活 rabbit 等结尾词，再组织整句抵达该押韵点；压低 rabbit 表征，模型换用 habit，注入 green 概念则整行朝 green 组织。Ameisen 强调，逐 Token 输出只是接口描述，概念表征、中间判断和隐式计划可能发生在输出之前。 来源：https://mp.weixin.qq.com/s/__biz=MjM5ODI5Njc2MA==&mid=2655943359&idx=1&sn=5a1bad8433d972f7d0b68d6cf62b60db

Claude 设计更高效量子电路

Anthropic 与哈佛大学、QuEra Computing 研究人员使用 Claude 设计更高效的量子电路。在 8 项计算任务中，系统产出 7 项同时减少昂贵 Toffoli 门和 qubit 需求的设计，第 8 项提出一种在计算时间与内存间取得更好权衡的新算术方法。独立评估器以“Toffoli 门数量 × 峰值 qubit 使用”对电路打分，研究人员特意选择可在经典计算机上高效验证的电路，无需量子处理器即可获得反馈。Claude 在任务中提出多种算法思路、并行开发并共享有前景的想法。Anthropic 博客将所用模型标识为 Claude Mythos 5。 来源：https://theaiinsider.tech/2026/10/19/anthropics-claude-designs-more-efficient-quantum-circuits-with-automated-feedback/

Goodfire 研究员称神经网络可能更易理解

Goodfire 研究员 Nick Cammarata 发表一篇 26,000 字博客，开篇称“我认为我有关于神经网络本质的好消息”，主张大语言模型可能比人们此前认为的更容易理解、监控和控制。这一观点挑战了长期以来“神经网络训练后形成 tangled structures、难以完全解析”的共识。有 AI 研究者在 X 上称这可能是科学史重要时刻，也有人称之为年度最重要 AI 论文。斯坦福 Chris Potts 等学者则持怀疑态度，认为其内容目前只是预感，未使可解释性问题变简单。Cammarata 本人表示对社区如此大幅度更新信念感到惊讶，并称自己只是“在大量观察之后有了一个充满希望的故事”。 来源：https://www.technologyreview.com/2026/10/19/1147149/we-were-looking-at-it-wrong-the-explosive-claim-thats-upended-the-ai-world/

行业动态

Disney 接纳 Character.AI 逾 60 名员工

Character.AI 本周申请破产后，迪士尼同意向至少 60 名员工提供工作，占其员工大多数，预计年度薪酬总额达 6000 万美元，绝大多数已接受offer。此前迪士尼同意以 2000 万美元收购 Character.AI 部分资产，但属“假马竞价”，其他公司仍可提出更高报价。此前 Character.AI 前 CEO Karandeep Anand 已被任命为迪士尼首位 CTO。根据法律文件，Character.AI 尽管拥有庞大且活跃的用户基础，但被高成本、潜在诉讼负债和监管介入拖累，最终走向破产。 来源：https://theaiinsider.tech/2026/10/19/disney-agrees-to-hire-majority-of-character-ai-workforce-following-chatbot-startups-bankruptcy/

前瞻与传闻

苹果秘密研发机械臂 HomeView J595

据彭博社 Mark Gurman 在 Power On 新闻通讯中爆料，苹果在起价 299 美元的带屏中控 HomeView 之外，还在秘密研发一款更激进的高端型号，代号 J595。该机型配备约 9 英寸屏幕，底座连接一条电动机械臂，可通过语音识别判断谁在说话并自动将屏幕转向对方，预计最早 2027 至 2028 年面世。Gurman 指出，现款 HomeView 宣传片无意中暴露了固定屏幕的局限——每位用户走过去的第一件事都是伸手硬掰屏幕俯仰角。机械臂版本计划在半球形底座内塞入无刷电机实现 360 度水平旋转，连杆支架内布置舵机实现俯仰。其核心感知能力依赖苹果过去十年在 HomePod 声纹、UWB、iPad Center Stage 及 HomeView 前置摄像头（最多识别 6 位家庭成员）上的积累。 来源：https://www.ifanr.com/1684921?utm_source=rss&utm_medium=rss&utm_campaign=