24小时内 AI 领域最重要动态速递 | 侧重 AI Coding、AI应用、AI突破、具身智能
今日看点： OpenAI 和 DeepSeek 同周开源 Agent 运行时框架，"Harness 才是真正的英雄"成为行业共识；英伟达 AVO 把 Claude Opus 5 在 ARC-AGI-3 上从 30% 拉到 100%，证明系统设计比模型能力更关键；Anthropic 把 Computer Use、Browser Use、Skills API 全面转正；匿名模型 OxAlpha 免费上线即刷爆编程基准。Agent 基础设施、物理 AI、API 价格战三条线同时引爆。
1. OpenAI 全面开源 Codex Harness：Agent 运行时成为新战场
8 月 19 日，OpenAI 正式将驱动 Codex App、CLI 和 IDE 扩展运行的底层执行框架 Codex Harness 全面开源，采用 Apache-2.0 协议发布在 GitHub（github.com/openai/codex）。此次开源包含三层集成接口：轻量非交互调用 codex exec（适合 CI/CD 流水线）、程序化编排 Codex SDK（TypeScript 接口）、持久会话驱动 Codex app-server（通过 JSON-RPC 协议支持长对话和实时事件流）（来源：OpenAI 官方博客、51CTO、CSDN AI 编程社区、FRUWO、新京报）。
OpenAI 实测显示，仅调整 Harness 设计中的两处改进，GPT-5.6 Sol 在 ARC-AGI-3 基准测试得分从 13.3% 升至 38.3%，Token 输出减少约 6 倍。截至 8 月 21 日，仓库累计超 10.7 万 Star、1.6 万 Fork，最新稳定版为 v0.149.0（来源：OctoLink、CSDN、51CTO）。
与此同时，DeepSeek Harness 同样在一周内密集更新多个版本，将 Claude Code 和 Codex 收编为子代理，试图成为 Agent 时代的"调度层"，并新增 V4-Flash-Vision-Exp 多模态模型适配器，支持原生图片请求和图文混合输入。社区分析指出，Codex Harness 走"嵌入引擎"企业级路线，DeepSeek Harness 走"一切皆插件"开放组装路线（来源：36氪、数据猿、新京报）。
值得关注的原因： 过去一年 AI 编程的竞争焦点是"谁的模型更强"，但 Harness 的开源标志着竞争正在从模型层延伸到 Agent 运行时、工具调用编排和上下文管理。当同一个模型在好的 Harness 加持下可以从 13% 跳到 38%，"框架 > 模型"正在成为新的行业共识。对开发者来说，Agent 基础设施层的"占位战"已经开始——谁先定义标准、谁先获得社区生态，谁就掌握了 Agent 时代的话语权。
2. 英伟达 AVO 在 ARC-AGI-3 公开测试集获 100% 满分：系统设计碾压模型能力
8 月 21 日，英伟达宣布其通用编程 Agent 系统 AVO（Agentic Variation Operators）在 ARC-AGI-3 公开测试集的全部 25 个环境中取得 100% 满分，完成了所有 183 个关卡。ARC-AGI-3 是目前最具挑战性的通用智能基准之一——智能体进入陌生类游戏环境，没有任何指令、规则或目标说明，必须通过互动探索来推断环境动态与目标（来源：英伟达开发者博客、The New Stack、WCCFtech、explainx.ai）。
关键对比：ARC Prize 此前报告 Claude Opus 5 在高推理强度下公开集得分约 30%，而 AVO 以同一个 Claude Opus 5 为后端，通过其自主设计的持久记忆、监督管理和独立执行循环，将得分拉到 100%。AVO 总共使用 6,624 个环境行动步完成全部关卡，相比之下 VISTA 系统使用 7,542 步（来源：英伟达开发者博客、The New Stack）。
AVO 原本为优化 CUDA GPU 内核而设计，曾在 DGX B200 上自主运行 7 天、探索超 500 个方向，产出的内核性能超过 FlashAttention-4 最高约 10.5%。此次将其架构原封不动迁移到 ARC-AGI-3，仅替换任务接口，就实现了跨领域的能力迁移（来源：WCCFtech、英伟达开发者博客）。
值得关注的原因： 这是迄今最有说服力的"系统设计 > 模型能力"实证。同一个模型从 30% 到 100%，差的不是权重，而是记忆、工具调用、反馈循环和异常恢复这套"外骨骼"。TechCrunch 评论称"NVIDIA 证明了 Harness 而非 AI 模型本身才是真正的英雄"。对所有在 Agent 工程上深耕的团队来说，这意味着竞争维度已经改变——光有最强模型不够，还要有最强的运行时架构。
3. Anthropic Claude Platform 全面转正：Computer Use、Browser Use、Skills API、Files API 上线
8 月 19 日，Anthropic 正式宣布 Claude Platform 上的 Computer Use、Skills API 和 Files API 全面可用（Generally Available），同时推出全新的 Browser Use 工具（来源：Claude 官方博客、AI Codex、Chinaz、Chasing Next）。
核心更新：
Computer Use：更新后允许 Claude 在单次模型调用中执行多个连续操作，大幅减少任务完成时间和调用次数。早期客户反馈最长工作流从 32 分钟降至 13 分钟，每个任务成本下降约 30%，完成率达到 100%。同时达到 HIPAA 合规标准，可用于受监管的医疗健康工作负载。
Browser Use：全新工具，继承多轮操作优势并引入网页结构解析能力，能直接识别和交互网页上的特定输入框或按钮，比传统截图点击方式更精准高效。
Skills API：企业可上传和管理专有技能文件夹（含行业指令、脚本和模板），在 Claude 的代码执行沙箱中安全运行，无需企业自行托管。
Files API：提供稳定的文档存储空间，支持 PDF、表格等文件上传，通过 ID 在后续请求中引用，自动文件过期机制，速率限制提升 5 倍，每个组织享 1TB 专用存储（来源：Claude 官方博客、AI Codex、Essa Mamdani）。
值得关注的原因： 四项能力同时从 Beta 转 GA，是 Claude Platform 自 Managed Agents 发布以来最大的单次工具链升级。Browser Use 尤其重要——它让 Agent 不再靠像素坐标猜按钮位置，而是直接读 DOM 结构精确定位元素，这对表单填写、网页审批、多 Tab 操作等高频企业场景是质的提升。配合 Skills API 和 Files API，Anthropic 正在把"企业 Agent 的完整工作流"打包成一套标准 API，降低构建生产级 Agent 的工程门槛。
4. 英伟达 60 亿美元获 Poolside 模型授权：算力巨头向上游模型层纵向整合
8 月 20 日，英伟达与 AI 编程初创公司 Poolside 达成交易：60 亿美元获取 Poolside 模型开发技术（Model Factory）的非独占许可，另投 10 亿美元战略投资（投前估值 120 亿美元），并向约 109 名 Poolside 员工发出聘用邀请。Poolside 三位创始人留任，公司保持独立运营（来源：Bloomberg/财联社、The Next Web、Value Add VC、AIStory.News）。
Poolside 专注面向计算机编程自动化的 AI 模型，尤其针对政府及国防软件领域。该公司曾于 2024 年 10 月完成 5 亿美元 B 轮融资（Bain Capital Ventures 领投，估值 20 亿美元），此番估值 9 个月翻了 6 倍。Poolside 员工总数不到 115 人（工程与研究人员合计），创始人 Eiso Kant 在 Latent Space 播客中透露"不到 70 人构建了这个模型"（来源：The Next Web、Value Add VC）。
这是英伟达第三次使用"许可费 + 股权投资 + 人才引进"的复合交易结构——此前分别以约 200 亿美元获取 Groq 芯片设计许可、约 9 亿美元与 Enfabrica 达成类似安排。该模式被批评者认为实质上绕过了并购反垄断审查（来源：The Next Web、Bloomberg/财联社）。
值得关注的原因： 英伟达正在从"卖芯片"走向"芯片 + 模型 + 数据 + 软件"全链条控制。60 亿美元买一个不到 115 人的团队的技术许可，说明英伟达看中的不是 Poolside 的产品收入（估计年化约 5000 万美元），而是其 Model Factory——一套可以更低成本训练开源模型的工具链。结合英伟达正在推进的万亿参数 Nemotron 开源模型计划，这笔交易的本质是：英伟达要把"模型训练工具"也握在自己手里，让整个 AI 开发生态默认跑在自家 GPU 上。
5. Generalist AI 发布 GEN-1.5：具身智能的"GPT-3 时刻"
8 月 19 日，机器人公司 Generalist AI 发布新一代具身基座模型 GEN-1.5。模型核心突破是实现"Physical Prompting"（物理提示）：研究人员用简易夹爪完成 3-12 秒的操作演示，GEN-1.5 无需任何微调或参数更新，即可在新物体位置和初始状态下直接执行同一任务（来源：Generalist AI 官网、Tech Times、极客公园/网易）。
在 10 项多样操作任务（开罐头、拉拉链、从钱包取钱、刷物体入碗等）测试中，GEN-1.5 单次演示平均成功率为 59%（±10pp），经过 10 步梯度下降微调（约 5 分钟数据）后提升至 83%（±9pp）。更值得关注的是模型展现出训练数据之外的行为：当刷子被换成香蕉时，机器人自行推理出用香蕉侧面把积木扫入碗中；换成簸箕时，它用另一只手把积木推上簸箕再倒入碗中——这些策略从未在训练中出现（来源：Tech Times、极客公园/网易、Generalist AI 官网）。
前 Google DeepMind Gemini Robotics 研究者 Ted Xiao 将这种"看一次就学会"的能力称为机器人领域追寻多年的"圣杯"，并表示 GEN-1.5 让他想起第一次使用 GPT-3 的感觉（来源：极客公园/网易）。
值得关注的原因： 如果说 GPT-3 让语言模型确立了"上下文学习"这一范式——不需要训练，给几个例子就能完成任务——那么 GEN-1.5 正在把同样的范式带到物理世界。“物理提示"意味着部署机器人的流程可能从"数周数据采集 + 千次训练 + 软件工程"压缩到"10 秒视频 + 立即执行”。这为具身智能的 Scaling Law 提供了第一个有力的实证方向：大规模真实物理交互数据预训练，可能让机器人像语言模型一样涌现出泛化能力。
6. 匿名模型 OxAlpha 登陆 OpenRouter：编程基准超越 GPT-5.6 与 Claude，特征指向智谱
8 月 20 日，一个名为"stealth/ox-alpha"的匿名 AI 模型悄然上线 OpenRouter 平台，提供为期一周的免费访问。该模型支持文本、图像和视频输入，上下文窗口达 104.8 万 token，具备推理能力，免费期间零数据留存（来源：OpenRouter 官方页面、华尔街见闻/ME News、Coursiv）。
独立研究员 Ben Davis 8 月 21 日发布测试报告：在 DeepSWE 编程基准上，OxAlpha 的 Pass@1 达到 80%，超过 Claude Fable 5（约 65%）和 GPT-5.6 Sol（约 52%）。Davis 从视频编码器、分词器、输出风格等多个维度进行技术溯源，发现 OxAlpha 与智谱 GLM-5V-Turbo 的 video token 消耗完全一致（帧率无关采样、约 147 token/秒时长缩放、逐帧分辨率缩放），表示"99% 确定"该模型来自智谱尚未发布的下一代多模态旗舰。但这一结论尚未获智谱官方确认（来源：华尔街见闻/ME News、AlexTech、explainx.ai）。
上线不到 48 小时，Claude Code 和 Hermes Agent 等编程工具已通过 OxAlpha 消耗超 180 亿 token，开发者将其作为日常工具使用而非猎奇（来源：Coursiv、explainx.ai）。
值得关注的原因： 这是近六个月来第五个以匿名方式发布的前沿模型，此前四个（智谱 GLM-5、小米 MiMo-V2-Pro、蚂蚁 Ling-2.6-flash、美团 LongCat-2.0）均来自中国公司。匿名发布策略已成为中国大模型厂商"先收集真实反馈、再正式发布"的标准打法。更重要的是，OxAlpha 免费提供一周、算力规模声称可达每日 100 万亿 token，这种"免费顶级模型"的投放方式，正在倒逼 OpenAI 和 Anthropic 重新审视定价策略。
7. OpenAI 下调 GPT-5.6 Sol 开发者 API 定价超 20%
8 月 21 日，OpenAI 宣布在未来三个月内将其前沿模型 GPT-5.6 Sol 的开发者 API 定价下调超过 20%。降价后标准短上下文场景定价为每 100 万输入 token 4 美元、每 100 万输出 token 20 美元，此前分别为 5 美元和 30 美元。降价适用于 API 调用，并逐步向 ChatGPT Work 和 Codex 的积分套餐开放；Pro、Plus 和 Business 订阅价格不变（来源：Reuters/The Star、cnBeta/今日头条、新浪科技、网易）。
对比竞品定价：Anthropic 前沿 Claude Fable 5 定价为每 100 万输入 10 美元、输出 50 美元；Claude Opus 5 为输入 5 美元、输出 25 美元。GPT-5.6 Sol 降价后已成为三大前沿模型中价格最低的。这是 OpenAI 近期第二轮降价——上月底中端 GPT-5.6 Terra 降价 20%、低成本 Luna 降价 80%（来源：Reuters/The Star、cnBeta）。
值得关注的原因： OpenAI 主动把旗舰模型价格砍到比自家中端产品还便宜的区间，信号很明确：面对 DeepSeek、智谱等国产模型在编程和 Agent 场景的追赶、以及 OxAlpha 免费模型的冲击，"守住高价"已不再是可行策略。对开发者来说，前沿模型的 API 成本正在快速趋近基础设施级定价。当顶级模型的 token 单价进入个位数美元区间，构建复杂多步 Agent 的经济性将发生质变——过去"太贵跑不起"的长链路任务，正在变得可行。
8. Waymo 自研 5nm 自动驾驶 ASIC 上车：算力超 1000 TOPS
8 月 20 日，Alphabet 旗下 Waymo 在官网宣布已自主研发一款专用 ASIC 芯片，并应用于最新一代 Robotaxi。该芯片采用台积电 5nm 工艺制造，算力超过 1000 TOPS，与英伟达最新一代自动驾驶系统（Drive AGX Thor 平台）相当。芯片专为实时处理、融合原始传感器数据并运行高级神经网络而设计，直接从激光雷达、雷达和摄像头数据流中提取关键信息，支持时域降噪以增强低光照感知（来源：财联社、Silicon Report、Silicon Republic、半导体行业观察/网易）。
架构上采用双 ASIC 冗余设计，一个处理器故障时另一个可接管。芯片由车辆同一冷却系统液冷，确保在振动、冲击和极端温度下稳定运行。过去 Waymo 主要使用英伟达和 AMD 芯片集成到自研计算系统中，此次转向自研标志着从"改装现有汽车"走向"软硬件一体化深度定制"（来源：智通财经、Silicon Report）。
目前 Waymo 在美国 11 个城市提供 Robotaxi 服务，计划扩展至近 20 个城市及伦敦、东京。新车型由 Waymo 与吉利旗下极氪合作开发，搭载自研芯片（来源：Silicon Republic、智通财经）。
值得关注的原因： 自动驾驶是 AI 落地中对算力、延迟和可靠性要求最苛刻的场景之一。Waymo 自研芯片意味着自动驾驶的竞争正在从"算法 + 现成芯片"走向"算法 + 自研芯片 + 自研传感器"的垂直整合——这正是特斯拉 FSD 芯片走过的路。当 Robotaxi 公司开始自己设计 5nm ASIC，英伟达在自动驾驶芯片领域的独占地位正面临挑战。对供应链而言，定制 AI 芯片的趋势正从云端向边缘加速蔓延。
今日观察
三条主线贯穿本日动态：
Agent 基础设施层成为新战场 —— OpenAI 开源 Codex Harness、DeepSeek Harness 一周三更、英伟达 AVO 证明"框架 > 模型"、Anthropic 把 Computer Use 和 Browser Use 转 GA。四件事同周发生，指向同一个共识：Agent 的核心竞争力已从底层模型能力转移到运行时架构、工具调用编排和上下文管理。"模型是大脑，Harness 是身体和工具"正在成为行业默认假设。
物理 AI 正在逼近"GPT 时刻" —— Generalist GEN-1.5 实现"看一次演示就学会新任务"的物理提示，Waymo 自研芯片把自动驾驶算力做到 1000+ TOPS。语言模型用三年走完从 GPT-2 到 GPT-3 的涌现跃迁，物理 AI 可能正在接近同样的临界点——大规模真实交互数据的 scaling，正在催生泛化能力的突然跃升。
API 价格战从"降价"走向"免费" —— OpenAI 把旗舰模型砍价 20%+，OxAlpha 直接免费提供一周。前沿模型的 token 定价正在从"高端 SaaS"向"基础设施水电气"演进。当顶级模型的 API 单价进入个位数美元区间，长链路 Agent 任务的经济性将发生质变，"太贵跑不起"将不再是拒绝构建复杂 Agent 的理由。
数据来源：OpenAI 官方博客及 GitHub 仓库、英伟达开发者博客、Claude 官方博客、Bloomberg/财联社、The Next Web、Reuters/The Star、Generalist AI 官网、OpenRouter 官方页面、华尔街见闻、Tech Times、The New Stack、WCCFtech、51CTO、CSDN、AI Codex、数据猿、36氪、极客公园、Silicon Report、Silicon Republic、半导体行业观察等公开信息，截至 2026 年 8 月 22 日。