AI 新闻日报 2026-10-29：Gemini 4 Carbon 登顶、Clover 35B 扩散模型开源、Copilot Fusion 接手选模型

主题： 前沿模型把网络安全与长时程任务摆到台前，智能体的编排层开始替人做模型选择，具身侧的数据来源与评测口径同时被重写

编制时间： 2026-10-29

本期看点： Gemini 4 Carbon 登顶 / Clover 35B 扩散模型开源 / 编排层接手选模型 / 人类第一视角数据进具身训练

一、要闻速览（Top Stories）

序号	事件	标签	关键词
1	谷歌发布 Gemini 4 Carbon，智能指数 59 分登顶而开放范围先限安全防御方	AI Coding	前沿模型、网络安全、长时程、分阶段开放
2	扩散智能开源 Clover-35B-A3B-Preview，35B 扩散语言模型带 Apache 权重	AI Coding	扩散语言模型、开源权重、智能体编程、生成速度
3	GitHub Universe 2026 发布 Copilot Projects 与 Fusion，多模型编排进平台层	AI Coding	跨仓库会话、多模型编排、额度计费、代码评审
4	MetaHarness 开源，智能体运行框架被做成可签名、可竞速的工程件	AI Coding	治理策略、MCP、Darwin Mode、自报成绩
5	高德联合阿里推出全身基座模型 λ0，用 500 小时人类第一视角视频训练	具身智能	人类行为数据、全身协同、宇树 G1、采集效率
6	港大主导的 RoboDojo 更新榜单，专用模型在真机任务上压过通用模型	具身智能	仿真加真机、精细操作、长程执行、预览版
7	小米具身团队提交 OmniBrain-0，操作与导航收进同一个决策模型	具身智能	统一智能体、多教师蒸馏、失败恢复、递归改进
8	宇树三季报披露研发投向，世界模型与真机数据成为主要去处	具身智能	研发投入、开源基座、产能、生态孵化

二、AI Coding 方向深度动态

1. Gemini 4 Carbon 拿到 59 分登顶，第一名的领先幅度是 1 分

事件： 谷歌在官方博客发布新一代前沿模型 Gemini 4 Carbon，署名作者为 Google DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu，多家中文与英文媒体在北京时间 10 月 29 日凌晨跟进转述。

核心能力：

在更新到 v5.0 的 Artificial Analysis 智能指数上拿到 59 分排第一，第二名到第四名依次是 Claude Opus 5.5 的 58 分、GPT-6 Astra 的 57 分、GPT-6.1 Sol 的 55 分，两周前发布的 Gemini 4 Argon 是 50 分
官方主推的两项能力是网络安全与长时程工程任务。谷歌称内部团队见过它连续运行数天，穿过多次死胡同，完成跨大型代码库与底层系统的根因定位与补丁编写
官方自报的三项安全基准均为所列模型最高，找漏洞的 SEC-bench Pro 88.2%，验证可否利用的 ExploitGym 54.8%，修补根因的 CWE-bench 71.0%
官方同时给出内部数据，生成安全代码成功率比 Argon 提升 2 倍以上，Chrome 团队称其生成高质量补丁的表现比另一家实验室的前沿模型好 10 倍以上，云安全平台 Wiz 观察到它在网页渗透测试基准上领先
同一张官方对照表里也有落后项。智能体编程的 FrontierSWE 2 上 Carbon 是 61.2%，低于 GPT-6 Astra 的 65.5% 和 Opus 5.5 的 62.3%；电脑操作的 OSWorld-2.1 上 Carbon 81.5%，Opus 5.5 是 87.2%；综合的 Vals Index 上 Carbon 70.4%，Opus 5.5 70.2%
编码智能体指数上，Artificial Analysis 用谷歌自家的 Antigravity CLI 测出 59 分，低于 Claude Code 配 Opus 5.5 的 62 分，高于 Argon 6 分
知识类表现分化，AA-Omniscience 54 分为所有模型最高，正确率从 Argon 的 48% 升到 58%，幻觉率从 4% 升到 11%，该幻觉率仍列第二低
网页开发输出质量提升后，WebDev Arena 上涨 89 个 Elo 分到 1769 分，排第 4
定价与 Argon 一致，推广期每百万输入 token 2 美元、输出 10 美元，缓存输入按输入价 95% 折扣计；推广期结束后回到输入 4 美元、输出 20 美元，谷歌未说明推广期长度
开放节奏分三段。本周起先给一部分网络安全防御方，再通过 Fairwind Program 逐步扩到更多可信合作方，同时参与美国政府的发布前自愿测试流程，之后才面向开发者、企业与消费者开放。截至各家媒体发稿，谷歌 API 定价页上还没有 Carbon，Artificial Analysis 的页面也标注它暂无公开可用的 API

值得关注的原因：

榜单第一与第二只差 1 分，排名的说服力要连着开放范围一起看，目前能用上的是少数做安全防御的团队
网络安全被单独拎出来当成主战场，最强版本的首批使用者是防守方，这个分配顺序在此前的模型发布里少见
编码智能体这一项，官方自己的对照表和第三方评测给出的是同一结论，谷歌在这块仍未追平前列
官方列出的分数多来自自家跑测，竞品成绩取自各家报告，测试条件不完全一致；英文媒体 agentictribune 核对时，公开基准页面上还没有 Carbon 的条目

2. 扩散智能开源 Clover 35B，把扩散语言模型的规模推到 35B

事件： 10 月 28 日，落地深圳的扩散智能 DiffuSpace 发布并开源 Clover-35B-A3B-Preview，模型权重放在 Hugging Face 与 ModelScope，代码在 GitHub，采用 Apache 许可，推理侧支持 SGLang 与 llama.cpp，央广网、澎湃新闻等同期报道。

核心参数：

MoE 结构的扩散语言模型，总参数 350 亿、激活参数 30 亿，从 Qwen3.6-35B-A3B 初始化，保留门控 Delta 网络加全注意力的混合骨架，40 层、每层 256 个路由专家取 top-8 加 1 个共享专家，上下文 128K，默认块大小 32，支持思考模式
官方称在对比的六项智能体评测上均为最高，SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、τ³ Overall 65.3，对照对象包括同为扩散路线的 LLaDA2.2 flash 与 Mercury 2.5，以及同尺寸自回归模型 Qwen3.6-35B-A3B 与 Qwen3.5-35B-A3B
通用能力侧给出 GPQA Diamond 83.8、ZebraLogic 95.8、AA-LCR 72.0、MMLU-Pro 84.8、BFCL-v4 67.9
速度是这次的主打项。官方在单张 NVIDIA GB300 上以 BF16 精度、batch size 为 1 的内部智能体任务上测到 680 tokens/s，单张 H200 上 515 tokens/s，对照采用 DFlash2 加速的同规模 Qwen 是 365 tokens/s
端侧做了 INT4 量化验证，在 16GB 显存的 RTX 5070 Ti 上跑 MATH-500 达 101.8 tokens/s，官方对照的同规模 MiniCPM 与 Qwen 结果是 48.5 tokens/s
结构上的改动集中在门控 Delta 网络，历史上下文压进递归状态，当前块内的 token 走双向 softmax 注意力，另加可学习的块大小校准与右侧上下文的零初始化卷积分支
团队来自香港大学 NLP 实验室的 Dream 系列，由孔令鹏教授与博士生龚珊三、叶佳成等创立，官方称 Dream 系列在 Hugging Face 累计下载 270 万次以上
官方公布的后续计划里还有决策模型与多模态模型，智能体运行框架与桌面编码客户端仍在开发中

值得关注的原因：

扩散语言模型此前多是 7B 一档的研究型开源，这次权重、许可与推理后端一起给到 35B，部署门槛第一次落到可评估的范围
智能体任务对单步延迟敏感，块并行生成的速度差会沿任务链累积，官方给的 tokens/s 比基准分更影响体感
模型从 Qwen3.6-35B-A3B 初始化，对照集里的 Qwen 成绩既是基线也是同源，选型时要把这两层分开看；目前全部分数为厂商自报，尚无第三方复现

3. GitHub Universe 2026 把编排层放进平台，模型选择交给系统

事件： 10 月 28 日，GitHub Universe 2026 在旧金山 Fort Mason Center 开幕，GitHub 同日发布 Copilot app 的 Projects、Copilot Fusion、Copilot code review Max 与 automations 的更新，微软同日推送 VS Code 1.144。

核心能力：

Copilot Projects 进入公开预览。一个项目里可以跨多个仓库跑托管并行会话，上下文可以是仓库、设计稿、Slack 帖子或设计会议笔记，选好模型与工具后由 Copilot 按需要开多个智能体，把拉取请求带回给人审
Copilot Fusion 做多模型编排。它按推理、代码生成、调试与工具使用几个维度评估任务，再决定跨一个还是多个模型执行。GitHub 称在 Artificial Analysis 的编程智能体指数上，Fusion Max 与 Opus 5.5 Max 的差距在 2 分以内，成本约一半，单任务耗时少 40%
Copilot code review Max 面向更深的评审，官方称在 ReviewBench 的高危问题上取得最高 F1
Session continuity 让同一个云端智能体会话可以在 GitHub app、VS Code、CLI 与网页之间接续，智能体在云上继续跑
Copilot automations 新增从运行结果学习并主动提出改进的能力，改进同样需要人确认后才生效
Computer use 在 macOS 与 Windows 上公开预览，可以读应用内容、点控件、输入或编辑文本、跨应用导航，包含那些没有 API、命令行或 MCP 接入的应用。接管应用前会征求批准，组织可通过托管设置关闭
计费方式出现变化。GitHub Enterprise 客户不必单独购买 Copilot 订阅，改为按消耗的 AI 额度付费，自助开通标注为即将推出；现有的 Copilot Business 与 Enterprise 客户可保留原方案或切换
基础设施侧，GitHub 称年内新增 400 万 CPU 核、160PB 高速存储与 50Tb/s 网络容量，向多区域 Azure 部署的迁移仍在进行，目标 2027 年初完成
同日的 VS Code 1.144 里，Copilot Fusion 正式可用，另有图像生成与编辑预览（GPT Image 2.5 Flare）、实验性 computer use（用 /computer 开关）、云端会话与 automations 预览、Agent Host Protocol v1.0、assisted permissions 正式可用、Copilot connectors 预览（经 GitHub 托管的 MCP 接入 Slack、Notion、Microsoft Learn 等）、Copilot Memory。微软称付费方案在 11 月 30 日前使用 Fusion 有 30% 折扣

值得关注的原因：

模型选择从人手工切换变成系统按任务维度挑，Fusion 把质量与开销同时放进决策，调用侧多了一层新设施
跨仓库并行会话打开了"一个任务一个仓库"的默认假设，合并与评审的工作量会随之上升
额度计费替代席位订阅后，成本口径要重算，尤其是并行会话开得多的团队
Fusion 与 code review Max 的成绩都出自 GitHub 口径，官方未给出预览或正式可用的明确标注，落地前仍需自己跑一遍

4. MetaHarness 把智能体运行框架做成可签名、可竞速的工程件

事件： 10 月 28 日，Cognitum One 借 GitHub Universe 2026 发布开源的 MetaHarness，作者是 ruvnet 系列的 Reuven Cohen，官方称该系列项目累计下载超过 1 亿次、GitHub 星标超过 19.6 万。以下信息均出自官方新闻稿。

核心机制：

从一个 GitHub 仓库或一张空白页出发，生成带团队署名的智能体运行框架，可以用团队自己的名字发布，底层模型之后可换
每个框架自带命令行工具、MCP server、作用域内的记忆、治理策略与见证签名发布；共享的 Rust 内核以 WebAssembly 与原生绑定分发，宿主差异留在薄适配层
生成目标覆盖 10 个宿主，包括 Claude Code、Codex、GitHub Copilot、OpenCode、pi.dev、Hermes、OpenClaw、RVM、Prime Agent 与 GitHub Actions，另配 19 个快速模板
仓库分析为只读，不执行仓库代码；推断出的构建与测试命令默认禁用，需要显式信任后才启用
MCP 工具访问默认拒绝，团队在完全关闭、仅本地连接、认证远端连接三档中选择；mcp-scan 在不运行工具的前提下检查风险授予与缺失的审计、超时设置
路由器在团队自己的标注样例上预测候选模型的质量，挑预计能过质量门槛的最便宜模型
Darwin Mode 生成竞争的框架变体，在沙箱里跑同一批任务，只保留可测量胜过当前版本并通过安全闸门的变体，底层模型保持不变；每次晋升用 Ed25519 签名，外部复核者可回放整条谱系
官方公布的三组自报成绩，研究基准上 Claude Haiku 4.5 超过 Claude Opus 4 而每美元质量约 10.6 倍；函数调用基准上某 DeepSeek 配置在同样 150 道题上 96% 对 GPT-5.2 的 83.3%，成本低约 54%；软件工程任务上层叠模型解决 500 个已验证 issue 中的 278 个，每个约 0.15 美元
官方称 MetaHarness 在 OpenEnv Arena 排行榜上排第 2

值得关注的原因：

模型几个月一换，工具、记忆、安全规则与发布记录留在框架里，把框架当长期资产管理是一条清晰的路线
晋升带加密签名且可回放，改动从"谁改的"变成"哪一次提升被验证过"
三组成绩全部为厂商自报，对照的模型版本偏旧，换到自己的任务集上要重新测

三、具身智能方向深度动态

5. 高德联合阿里推出 λ0，训练数据来自 500 小时人类第一视角视频

事件： 高德与阿里巴巴 Token Hub 事业群联合推出开放世界全身基座模型 λ0（Lambda Zero），中文媒体的报道集中在 10 月 26 日至 27 日，英文聚合媒体在 10 月 28 日转述。

核心内容：

训练数据配套构建了 HumanVerse 数据集，包含 500 小时开放环境下采集的人类活动样本，同步记录第一人称视频、人体姿态与手部动作，采集方式是可穿戴设备
训练分三段。先用多样化的第一视角人类视频学习物体交互与手部动作，再用 HumanVerse 训练身体与手部的协同控制，最后用机器人任务数据做适配
官方公布的实验结果里，SIMPLE 仿真基准成功率 90.0%；四项真实场景移动操作任务在 40 次测试中成功 25 次，成功率 62.5%，比论文对照的最强基线高 22.5 个百分点
动作采集效率约为主流方案的 3.4 倍，这一项来自项目团队口径
落地本体是宇树 G1 人形机器人，连续搬运、推车、擦桌、浇花等室内任务被列为表现突出的部分，官方称支持零样本迁移适配人形机器人硬件
中文报道将其称为国内首个面向人形机器人、基于人类真实行为数据训练的全身基座模型，这一表述出自厂商与转述媒体
开放范围各源说法不一致。英文聚合站 nvdium 称代码以 Apache-2.0 开源并放出一个 checkpoint、数据集未放出，中文报道未提开源事宜，具体以官方后续公告为准

值得关注的原因：

绕开真机遥操作采集，用人类日常活动视频做训练数据来源，3.4 倍的采集效率与 22.5 个百分点的真机提升都是可核对的数字
全身协同把移动、姿态调整与双手操作放进同一个模型，过去拆成两个模型分别做的衔接处是常见失败点
权重、代码与数据集的开放范围目前没有一致说法，落地前先确认能拿到什么

6. RoboDojo 更新榜单，专用模型在真机任务上压过通用模型

事件： 10 月 27 日，具身智能评测基准 RoboDojo 披露最新榜单，上海证券报、澎湃新闻与证券时报同日作了报道。该基准由香港大学 MMLab 主导，与加州大学伯克利分校等机构共同建设。

核心内容：

基准由 42 项仿真任务与 18 项真实任务组成，覆盖泛化、记忆、精度、长程执行与开放词汇指令跟随
榜首是智元的 GO-3 Nano Preview，平均分 61.90、平均成功率 56.42%，在该项评测中超过 GPT-6 Astra
三个细分维度上它同样居首，精细操作 78.65、长程执行 68.21、开放语义理解 61.71
澎湃新闻提到 GO-3 将于 10 月 29 日智元 AI Day 正式发布，榜单上的条目仍是预览版
榜单之外，行业在通用模型与专用模型的分工上有两套判断。银河通用团队的多任务评估发现 Astra 在导航与物体搜索中表现较好，在复杂接触、灵巧操作与高动态运动中仍有明显局限
第三方基准目录 rlresearch 的 10 月 28 日快照显示，RoboDojo 的采用数据仍然有限，已有多个团队在各自的榜单条目上宣称第一

值得关注的原因：

42 项仿真加 18 项真机的组合，把通用大模型与专用具身模型放进同一套任务里对照，比单看仿真分更接近部署现场
榜首仍是预览版，正式版发布后排名可能变动，当前分数适合当区间看而不是结论看
三个细分维度的分数比总分更能定位短板，长程执行 68.21 与精细操作 78.65 之间的差距就是下一轮要补的地方

7. 小米具身团队提交 OmniBrain-0，操作与导航收进同一个决策模型

事件： 10 月 26 日，小米具身智能团队与澳门大学、清华大学合作者在 arXiv 提交技术报告 OmniBrain-0（编号 2610.36013，40 页、27 图、8 表）。

核心内容：

轻量统一具身智能体，用共享的高层决策模型协调操作与导航，把任务理解、规划、进度跟踪与反馈驱动的失败恢复放在一起
训练分三段推进，具身预训练、领域专用智能体蒸馏、多教师同策略蒸馏（MOPD）。教师模型的交互经验先蒸馏成操作专家与导航专家，再合并回 OmniBrain-0，统一发生在学到的决策模型里，而不只是在工具接口层
另引入 Rubric-Guided Recursive Self-Improvement（RSI）。一个 Meta-Agent 把执行证据变成细化的评分规则、步骤级提醒与验证过的轨迹，先更新领域专家，再经 MOPD 重新合并回主模型
评测覆盖 LIBERO-Pro、LIBERO-Plus、RoboCasa365、RoboTwin 2.0 与 R2R-CE Val-Unseen，另有多项真实操作任务
论文摘要给出的结论是跨域任务表现与闭源教师模型相当，而推理与执行开销明显更低；摘要未列出逐项分数，具体数字在正文表格里

值得关注的原因：

操作与导航收进同一个决策模型，省掉了两套策略之间那道衔接，长程任务里这道衔接经常是断点
RSI 让失败的轨迹回流成训练材料，改进链不再依赖人工重新标注
摘要阶段没有逐项分数，结论要等正文表格与第三方复现，尤其是真机部分的对照

8. 宇树三季报披露研发投向，世界模型与真机数据是大头

事件： 10 月 28 日晚，宇树科技披露 2026 年三季报，上海证券报等作了报道。

核心内容：

前三季度营收 18.17 亿元，同比增长 55.71%；归母净利润 3.87 亿元，同比增长 270.54%。公司说明净利增幅较大与上年同期一次性确认较大金额股份支付费用拉低基数有关，单季归母净利润 1.13 亿元，同比下降 17.37%
前三季度研发投入 2.63 亿元，同比增长 191.48%，其中第三季度 1.27 亿元，同比增长 249.58%。公司称主要去处是具身大模型相关模型研发与算力投入、扩充研发团队与新产品研发
研发方向写得很具体，包括世界模型、视觉语言动作模型与世界动作模型的算法与架构，以及仿真与真机训练、真机数据采集、测试验证与本体适配；算力投入围绕算力集群建设
9 月推出的 UnifoLM-WLA-1.0 已开源，训练使用约 2500 小时真机数据。参数量写法在各源间不一致，新浪财经转述上证报写约 60 亿参数，中信建投点评写 6B，并列记录
产能侧，公司称 G1 自 2024 年 5 月发布以来累计下线 1 万至 2 万台，每年生产数万台机器人，自产数十万个关节电机与模组
生态侧启动"宇创计划"，计划五年孵化生态企业 200 家以上，开放机器人平台与工程量产能力，并把承接的行业需求导流给合作方
同期公告显示，全资子公司以自有资金 2000 万元向杭州具身智能应用中试基地的参股公司增资
公司在股价异动公告中提示，人形机器人行业仍处于商业化早期，技术成熟度、下游市场需求培育与产业链配套能力均存在不确定性

值得关注的原因：

研发投入的投向表比营收数字更能看出路线选择，世界模型与真机数据采集同时列在其中
开源基座模型加生态孵化计划，是把本体与模型绑在一起的做法，换本体迁移的成本由生态方承担
单季利润下滑与研发、销售费用上升同时出现，规模化的代价已经进到报表里

四、产业趋势总结

模型能力的发布节奏与可用范围开始分离。Gemini 4 Carbon 拿下第一的同时先只给安全防御方，Clover 把权重与推理后端一次放齐，开放方式本身成为选型的一部分。
编排层接手了模型选择。Copilot Fusion 按任务维度跨模型调度，MetaHarness 的路由器按质量门槛挑最便宜的模型，人工切模型这件事正在被系统接管。
具身智能的竞争焦点落到数据来源与评测口径。λ0 用人类第一视角视频替代真机遥操作，RoboDojo 用仿真加真机的组合做对照，两条路径都在回答同一个问题，即模型的能力能不能迁移到没见过的环境。

五、值得持续关注的信号

Gemini 4 Carbon 从安全防御方扩到 Fairwind Program 合作方、再到开发者与企业的时间表，以及推广期定价的结束时间；
Clover-35B-A3B-Preview 的第三方复现结果，尤其是 SWE-bench Verified 73.6 与 680 tokens/s 在别的任务集上能否同时成立；
Copilot Fusion 与 code review Max 的公开基准与预览状态标注，以及企业额度计费正式开放后的计价方式；
λ0 的代码、权重与 HumanVerse 数据集的开放范围，正式公告出来前只能按各源并列的说法看；
智元 10 月 29 日的 AI Day，GO-3 正式版与榜单预览版之间的分数差，以及同期 Genie Sim 柔性物体仿真升级给出的 96.7% 相关性如何在第三方环境复现；
OmniBrain-0 正文表格里的逐项分数与真机部分的对照结果。

本日报基于公开报道整理，仅供参考。