EdTech 全球风向标 | 2026-11-15 · AI Coding × 具身智能特辑
本期关键词是「口径」。AI Coding 这边，评测口径变严（FrontierCode 2.0 让均分掉 16 个点）、工具调用口径变宽（一段程序代替十次往返）、信任口径被推到机器码层（650 万行 Lean 证明）；具身智能那边，所有人问的是同一个问题——通用模型能不能直接当大脑。OpenAI 用「解散机器人团队」回答「能」，优必选用六组真机测试回答「还差一层」。同一周里两种答案并存，恰恰是这项技术最好看的地方。
01Claude Code 上线 Code Mode：让模型写一段 JavaScript 调用自己的工具，十次往返压成一次
Anthropic 在 Claude Code v2.1.323 中推出实验性功能 Code Mode：模型不再逐个调用工具、等返回、再决定下一步，而是直接写一段 JavaScript 程序，在程序内部串联搜索、读写文件、跑测试等自己的工具，一次执行完成多步任务。官方的定位很直接——减少多步工作的往返次数，过去要十次工具调用，现在一段程序跑完。功能默认关闭，需用户手动开启。
代价是可见性：一段程序在执行前，比单次工具调用更难审阅，这也是 Anthropic 没有把它设为默认的原因。同一周还有 n8n 的本地开源智能体 Nod（Apache 2.0，跑在自己机器上、模型自选）和 Antigravity 的多模型编排——四件事里有三件都在回答同一个问题：活到底在哪里跑、怎么跑更省。
02编程智能体指数 v2.1 换榜：Claude 两款模型并列 58 分，同一档位单任务成本差 30 倍
Artificial Analysis 于 11 月 14 日发布 Coding Agent Index v2.1，用更难的 FrontierCode-AA 2.0（132 个真实仓库任务，按「维护者会不会合并这个补丁」评分）替换旧版，并把 Terminal-Bench 升到 4.1、加固验证器以防刷分。结果是 23 个配置在两项基准上全线掉分：FrontierCode 均分从 45% 降到 29%，综合分平均降 5 分。
榜首并列 58 分：Claude Code 里的 Fable 5.2（high/xhigh）、Opus 5.5（max），以及 Devin Fusion CLI 的「Opus 5.5 Max + GPT-6 Luna High」双模型组合。更值得看的是成本列：同分区间内单任务花费从 1.51 美元（Codex + GPT-6.1 Sol，得分 52）到 44.22 美元（Fable 5.2 max，得分 56），相差约 30 倍。Fable 5.2 把推理强度从 high 拉到 max，分数反而从 58 掉到 56——16% 的尝试撞上时间上限记零分，输出 token 还多出约三倍。
03Antigravity 上线 Orchestrator：一个任务里让两个模型分工，额度少花 24%、速度快 19%
谷歌 11 月 12 日向 AI Ultra 订阅用户开放 Antigravity 的 Orchestrator：同一个会话里不再把任务整包交给单一模型，而是把前沿模型与快速执行模型配对。Gemini 4 Carbon 负责定计划、拆任务，新发布的 Gemini 4 Hydrogen 负责写代码改动、跑测试；执行受阻时 Carbon 再介入修正计划。
官方自测数据：在 Terminal-Bench 4.0 上，这种组合的任务成功率接近 Carbon 单独完成的水平，额度消耗平均减少 24%，完成速度平均快 19%。数据来自谷歌自测，目前仅面向 Ultra 订阅用户，基础模型仍可手动选择。
04DeepMind 用 AI 代理把 Signal 加密实现证到机器码：4 周、650 万行 Lean 证明
11 月 10 日，Google DeepMind 发布 AlphaProof Code。5 名研究者与 40 至 80 个并行的证明代理（跑在 Gemini 4 Carbon 上，部分规格由 Claude Opus 5.5 参与起草）合作，把 Signal 的 libsignal 库——未经修改的 Rust 版本，编译成 AArch64 可执行文件——的安全性证明一路追到机器码层。四周产出约 650 万行 Lean 证明，建立在约 2.6 万行人工审核过的形式化规格与指令集语义之上。
证明覆盖 PQXDH 后量子握手与 Triple Ratchet，确立了前向保密、身份认证、入侵后恢复等性质。为检验方法本身有效，团队把两个已修复的历史漏洞重新植入隔离版本，系统两次都给出了「该代码不安全」的机器检查证明——它不是盖章机，而是能识别错误的验证器。只有约 1% 的代码需要人工额外复核。
05OpenAI 解散独立机器人团队：押注通用模型直接当「大脑」
《财富》11 月 13 日披露、OpenAI 随后确认：解散独立机器人团队，研究人员并入核心研究团队向 Mark Chen 汇报，应用机器人与硬件团队转入 Brockman 管辖的应用部门。官方理由是通用模型已能直接控制机器人——GPT-6 Astra 驱动智能体的模拟操作成功率达 74.8%，在该榜单上领先专用模型。OpenAI 强调并未退出机器人领域，2027 年仍计划首次公开展示自有人形机器人。
反证出现在同一周。优必选围绕 GPT-6 Astra 做了六组真机与仿真测试：Astra 直接抓魔方、仿真搬篮子、直接叠碗均未完成；改成「通用模型负责理解与规划 + 自研 Thinker-VLA 执行」的协同方案后，福袋抓取、绕障移动、叠碗才跑通，而且 Astra 的 Token 消耗与 API 估算费用分别下降 83.6% 和 74.2%。
06Gemini Robotics 2.5：奔驰产线零件分拣 96%，丝带蝴蝶结成功率从 0 到 70%
11 月 10 日 CoRL 2026 上，Google DeepMind 发布新一代视觉-语言-动作模型 Gemini Robotics 2.5。200 余项任务评测中，灵巧操作的提升最刺眼：夹子取糕点 5%→100%，解丝带蝴蝶结 0%→70%，挂开衫 0%→62%，叠裤子 0%→40%；整体执行速度快 20%–30%，障碍物周边安全任务完成率提升 33%、人员附近提升 43%。
真实产线的验证更有分量：与美国 Apptronik、梅赛德斯-奔驰合作，在德国辛德尔芬根、匈牙利凯奇凯梅特的在用汽车产线上，Apollo 2 人形机器人从散装料箱中按装配顺序拣取金属支架、放入排序料盒，成功率 96%。架构是双模型协同——Gemini Robotics ER 负责跟踪整体流程、判断环境，2.5 作为动作模型直接控制手臂与灵巧手，并自主修正位置偏差。
07英伟达开源 GR00T 2：从 VLA 转向「世界-动作模型」，技能尝试跨本体迁移
11 月 9 日 CoRL 2026 上，英伟达发布 GR00T 2——基于 Cosmos 的开源「世界-动作模型」（WAM），同时预测「画面接下来会变成什么样」和「机器人接下来该做什么」。训练数据包括 40.27 万小时第一人称人类视频、1.02 万小时手持夹爪演示（2897 项任务）、2.35 万小时机器人遥操作，并开源 10 万小时人类第一人称数据集 Human-1M-100K。
关键指标：50 项任务零样本平均成功率 40%，50 项中有 40 项至少成功过一次；每任务给 1 次示范平均 71%，给 5 次升到 95%。最核心的主张是跨本体迁移——同一项技能换一种手臂、夹爪或传感器仍然可用。配套开源 Isaac Lab 3.0（Newton 后端，可仿真可变形物体，训练吞吐约为旧版 2.5 倍）。GR00T 2 与轻量版 GR00T 2 Turbo 计划于 12 月开源。
08思灵机器人 5 亿美元 F 轮、估值 85 亿美元：软银领投，英伟达跟投
11 月 12 日，总部位于慕尼黑的思灵机器人（Agile Robots）宣布完成 5 亿美元 F 轮融资，投后估值 85 亿美元，累计融资达 20 亿美元。本轮由软银集团领投，英伟达、日立集团（含 Hitachi Ventures）、T.Capital 等跟投，资金用于扩大产能、加码美国市场与新产品开发。
与「本体叙事」不同，思灵的底子是工业交付：2018 年由德国航空航天中心（DLR）孵化，3500 余名员工、2000 余名研发专家、650 余项专利申请，已在汽车、消费电子、物流等场景部署超过 2 万套机器人解决方案；2026 年初在慕尼黑附近启用新基地，年产能最高 1 万台足式与轮式人形机器人。10 月还与英伟达联合发布科研平台 Agile ONE SN，原生支持 GR00T VLA 与全身控制器，计划 2027 年初上市。
09第五代贡嘎发布：机器人开始「记住家里发生过什么」
11 月 11 日，成都人形机器人创新中心发布第五代贡嘎，把「结构化感知—时空记忆—因果规划—动作推演—执行反馈」串成一条完整链路。核心是自研的物理时空记忆引擎：统一存储空间坐标、物体物理状态、时间演化与历史交互经验，能长期维护物体身份一致性，支持时序检索、多轮记忆对齐与冲突自动消解——简单说，它记得东西原来放在哪、什么时候被挪过、上次操作成没成。
决策层引入因果关联推理，解析任务内的因果依赖、动作前置条件与自身资源约束，自主完成层次化拆解；环境突变时实时重规划，而不是停机。执行层用潜空间动作条件世界模型，先做多步未来状态预测与候选动作仿真，再结合轨迹优化与闭环控制修正偏差。家庭被定为主战场，因为那里比工厂更杂乱、变化更多、容错更低。
10双十一机器人「考场」：人形销量同比涨 700%，分拣机器人峰值 1500 件/小时
京东数据显示，双十一期间平台智能人形机器人销量同比增长 700%，机械臂、灵巧手等趋势品类成交额同比增长超 10 倍。松延动力在 10 月 9 日至 11 月 11 日拿下京东人形机器人品类销量与销售额双第一，其小布米 Lite 版销量环比增长 142.3%、Pro 版增长 45.5%——9998 元的定价，把双足人形第一次拉进万元以内。
另一端在物流一线：星动纪元的具身分拣机器人在中国邮政、顺丰的十几个物流中心跑出峰值 1500 件/小时。11 月 13 日，宇树发布首款轮式人形机器人 G1-D，定位为一站式数采平台（采集、处理、标注、审核、数据资产管理），在双足路线之外另开一条「场景适配」的产品线。
2026-11-15