锐Owl 雷达 · 2026-10-12：ARC-AGI-3 一周内两篇满分（harness 成为新的天花板）；dsh 插件生态五天长出 1,184★；算力从成本项变成准入门槛

本期覆盖 2026-10-09 18:00 → 2026-10-12 18:00（北京时间，含周末两天）。主线只有一句：同一周里，两个团队用两套完全不同的 harness，把同一个冻结模型在 ARC-AGI-3 上的 RHAE 从 40.68 拉到了满分 100 —— MIT 何恺明团队的 VISTA（视觉原生 harness：无损视觉记忆 + 按需回看）与 UCL ＋ 华为诺亚方舟的 Memento 3（自然语言规则手册编译成可执行世界模型，cell-exact 重放验证才接受）；其余四条分别是：dsh 插件生态五天里长出一个 1,184★ 的「Bot 团队」、算力从成本项变成公司内部的分配政治、物理 AI 年内吸金近 480 亿美元（钱开始买「人干活的录像」）、GPT-6 Astra 把 57 年没证完的「摆圆」推到 N ≤ 20。本期 5 条。

① ARC-AGI-3 一周内两篇满分：冻结的 Claude Opus 5 靠 harness 把 RHAE 从 40.68 拉到 100（arXiv 2026-10-01 / 2026-10-08）

跑分不是新模型，是两套 harness。 VISTA（《VISTA: A Visual Harness for Reasoning in an Interactive World》，arXiv 2610.02200v1，提交 2026-10-01，作者 Qiushi Han、Keya Hu、Linlu Qiu、Cathy Wu、Kaiming He（何恺明），MIT；许可 CC BY 4.0）在不改模型的前提下给多模态模型装上「视觉记忆」：① 视觉观测（把 ARC-AGI-3 官方 64×64 帧放大到 512×512 PNG，保留颜色、外观与空间关系）；② 无损视觉记忆（每次动作后把环境返回的全部画面存到上下文之外，含动作过程中的动画中间帧，按回合号＋帧号索引）；③ 主动视觉检查（inspect / read_pixels 工具按需调出某一回合、裁剪放大、对比动作前后多帧）；外加两份文字笔记 GUIDE.md（跨关卡可复用的规则与经验）与 WORKING.md（当前关卡状态、进度与计划），上下文接近上限时先写交接摘要再开新窗口。默认只把最后一帧送进上下文，中间帧留在档案里等模型主动取。结果：ARC-AGI-3 官方基线 RHAE 13.33（GPT-5.6 Sol max）／40.68（Claude Opus 5.0 high）；VISTA 配 Claude Opus 5.0（xhigh effort）= 100.00，且动作数比首次游玩的人类基线少 57.4%；同一套框架换 GPT-5.6 Sol（max）= 99.00（三次重复 99.00 / 98.90 / 99.23，即 99.04 ± 0.17）。论文同时列出：带程序合成的 Tycho 已达 100.00、Retrodict 99.86、ewma_sv_v1.6 98.97、Schema 95.35 —— VISTA 的自我定位是「首个不做程序合成就到满分/近满分的系统」。效率上：图像观测 30.7M tokens/局，文字网格 71.9M；200K 上下文窗口 RHAE 最高（99.00），放到 780K 反而每局烧 105.7M tokens。另在 GameWorld（170 任务，成功率 63.33% ± 2.37%）、AI GameStore（人类中位数归一到 100 后得 140.3）、BabyVision（41.0% → 63.2%，纯静态图也能靠放大局部改善）上验证，并留了 GLM-5.3 Flash 320B 这一开放权重后端配置做完全复现。

三天后的第二篇走的是另一条路。 Memento 3（《Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks》，arXiv 2610.11794v1，提交 2026-10-08 12:06 UTC；作者 Haoyu Zhao、Jun Wang（UCL）、Meng Fang（利物浦大学），Zhengxu Yu、Zhiyuan He、Rasul Tutunov、Haitham Bou-Ammar、Weilin Luo（华为诺亚方舟实验室 UK））也不动权重，而是让冻结的 LLM 维护两份东西：一份自然语言 rulebook（Markdown，记录可修正的环境动力学假设，未知部分留空）＋把它编译成可执行代码当世界模型（用来预测与规划）；循环是「观察 → 反思 → 改规则 → 编译 → 验证」，更新只在两道关都过时被接受：LLM 判定代码忠于 rulebook，且 cell-exact 重放能复现观测到的每一次状态转移；历史用 Git 仓库存（rulebook 与编译模块都是文件，可回滚，论文 3.4 节）。结果：25 个公开游戏 183 关全部通关，mean RHAE 100.0，总动作 7,518 次 = 人类基线 17,135 次的 44%（对照：Continual Harness 20.5／通关 3 局，DreamTeam 38.1／6 局，OPINE-World 78.4／20 局，NOOA 85.1／19 局，baseline1 99.0／25 局、8,347 次动作）；对 Claude Opus 5 ＋ ARC Prize 官方 Standard harness 高 59.3 分。消融：去掉 rulebook 只留代码世界模型，三款游戏从 617 次动作涨到 677 次（+9%）、智能体轮次从 678 涨到 830（+18%）；把世界模型做成「种群」（wa30 上 N=2）可把 899 次压到 597 次（0.66×）。Atari Pong 案例：学出的反馈控制器在三个不同开局都打出 21:0，且此后不再调用 LLM。

认知价值：① 「模型冻结，成绩翻倍」这件事，一周里被两个独立团队用两条互不相同的路各自证明了一遍。 一条把「记忆」放在视觉里（无损存帧 + 主动回看），一条把「记忆」放在代码与自然语言里（规则手册 → 可执行世界模型 → cell-exact 重放验证）。两条路的共同点是：能力上限不再由权重决定，而由「模型能不能把经验存到外部、并在需要时按需取回」决定。这替我们把 10-08 ③（Docker Agent 押分发）、10-09 ①（Google 的「企业身份 + 四种记忆」）、10-09 ④（AgentGarten 让 agent 在实时试炼场自我进化）串成了同一条线：2026 年 10 月的 agent 竞争，发生在模型之外。 ② 两份工作各给了一个可直接抄走的工程手势。 VISTA 的是「别把经验塞进上下文，存到档案里，让模型自己决定取哪一帧」——它的 token 账很硬：图像观测 30.7M/局 vs 文字网格 71.9M/局，而上下文从 200K 拉到 780K 只换来更贵的 105.7M tokens；Memento 3 的是「只有能被重放验证的修改才允许写回」（cell-exact replay，逐格比对 64×64 画面），这一条和我们做评测的纪律完全同源：不认输出、只认重放。③ 读法要特别小心「满分」。 RHAE 100 已经不是独家：论文自己列的 Tycho 也拿到 100.00（带程序合成），baseline1 早就 99.0。所以 ARC-AGI-3 榜单顶部现在拼的是 ① 是否靠程序合成、② 用了多少动作、③ 烧了多少 token ——「满分」是同分线上的起点，不是终点；本期两条我们按 🟢 记，是因为两篇论文的摘要与正文数字都直读了原文（含官方基线、逐局动作表、消融表），而不是因为它们宣称满分。④ 一条冷思考： Memento 3 的动作数是人类的 44%，但底模是开着 Extra-High 推理强度的 Opus 5，探索、生成代码、验证都在烧 token ——「省了动作」不等于「省了算力」；VISTA 也一样，30.7M tokens/局不是小数目。这两个系统目前最实际的价值，是在「人给不了明确步骤、环境又不确定」的任务上把一次性成功率做上去，不是降成本。

领域：agent-frameworks ｜ 去向：feeds（喂养「harness × 模型 = 成绩」选题：可与 10-08 ③ Docker Agent、10-09 ① Google Gemini agent、10-09 ④ AgentGarten 并期，本期两条正好构成「视觉 harness vs 代码世界模型」的对照臂）｜ 等级：🟢

来源：🟢 一手已核（10-12 直读 arXiv 摘要页与全文 HTML）https://arxiv.org/abs/2610.02200 （VISTA：标题、作者 Qiushi Han / Keya Hu / Linlu Qiu / Cathy Wu / Kaiming He、Submitted 1 Oct 2026、CC BY 4.0；正文 §4.2 官方基线 13.33 与 40.68、VISTA+Opus 5.0 xhigh = 100.00、57.4% fewer actions、对比表含 Tycho 100.00、30.7M vs 71.9M tokens 每局、200K/780K 上下文消融 99.00 与 105.7M、§5 GameWorld 63.33±2.37%、BabyVision 41.0→63.2%、GLM-5.3 Flash 320B 开放权重配置、§3 三组件与 GUIDE.md / WORKING.md 原文）｜🟢 一手已核 https://arxiv.org/abs/2610.11794 （Memento 3：摘要 mean RHAE 100.0 / 44% of human action count / Pong 21:0 不再调 LLM；正文机构署名 UCL + Huawei Noah's Ark Lab UK + University of Liverpool、Table 1 逐局 RHAE 与 5 个基线（20.5／38.1／78.4／85.1／99.0）、Table 2 总动作 7,518 vs 人类 17,135、+59.3 分、§3.4 Git memory、消融 617 vs 677 动作与 678 vs 830 轮次、Table 4 wa30 种群 899 → 597）｜🟡 中文转引（10-11 / 10-12 直读）量子位《何恺明团队发布多模态Harness框架》2026-10-11 16:59 https://www.qbitai.com/2026/10/502628.html ｜《华为AI靠RSI通关25款游戏！操作次数比人类少56%》2026-10-12 13:48 https://www.qbitai.com/2026/10/502654.html ｜⚠️ 两篇均为作者自报战绩、未见第三方独立复跑，「满分」按其官方基线表可核，但跨系统横比仍属论文自建口径；本条的 🟢 指的是论文原文数字可复核，不是指战绩已获独立确认

② DeepSeek-Bot 五天 1,184★：dsh 的插件生态长出一个「Bot 团队」（GitHub 2026-10-07 建仓）

一个民间插件，把 DeepSeek Harness（dsh）变成了一间「Bot 公司」。 仓库 Fei2411/DeepSeek-Bot（量子位报道里给的链接是作者的旧用户名 FeiZhuLulu/DeepSeek-Bot，GitHub 301 重定向到现名），Apache-2.0，建仓 2026-10-07T15:37Z，截至 2026-10-12T08:55Z 仍在推提交，1,184★ / 112 fork / 26 个未关 issue，语言 JavaScript，topics 直接写着 dsh-plugin / deepseek-harness / multi-agent。形态上是一个 dsh 插件：桌面端在侧边栏「插件 → 添加插件」输入 ds-bot 即可装，Web 端要 Node.js 22.19+ 与 pnpm，命令是 npx @deepseek-ai/dsh@0.2.1-alpha.1 plugin --profile web add ds-bot。功能面：每个 Bot 独立身份（名称、职责、指令、形象、背后模型），可换模型但作者建议长期固定；持久化长期记忆——底层每个 Bot 对应一个 dsh Session，超窗口用压缩＋交接摘要＋本地搜索管理，记忆以 Markdown 文件存储并另有团队共享记忆，每轮对话结束后自动做一次记忆审查（判断哪些信息要存／改／删）；设**Main Bot（默认叫 Chief）**拥有高权限，管其他 Bot 与群聊，群聊里默认由 admin 应答再由它去调其他 Bot，作者明说这是为「群聊狂烧 token」做的优化；数据本地化（都落在 dsh 主目录的 bot/ 与 sessions/，卸载插件不删），自带按时间／Bot／模型分档的用量统计。旁证两条：同赛道的 BotHarness/DeepSeekBot（MIT，2026-09-16 建仓，36★）自我介绍就是「基于 DSH 的 GrokBot 替代」；而 dsh 本体 npm 上的 0.2.1-alpha.2 发布于 2026-10-09T08:18Z，插件的版本号是踩着 harness 的 alpha 走的。量子位 2026-10-11 11:27 报道时还是「上线不到一天 250+ 星」。

认知价值：① 真正的信号不是 1,184 这个数字，是「五天」这个速度。 一个非官方插件、只做「多 Bot＋长期记忆＋群聊」，五天内从 0 到 1,184★、112 个 fork ——这说明 dsh 的用户已经在自发填补 harness 上层缺的东西了：官方给的是「一切皆插件」的底座，社交形态、记忆治理、token 经济学这些具体问题，由社区插件来回答。平台化的判据从来不是文档写得多好，而是别人愿不愿意在你的底座上长东西。 ② 「先找主管，再让它去协同」是一个复用了两次的结构。 这个插件为省 token 让 Main Bot 做默认应答与路由；10-09 ① Google 的 Gemini agent 用 Smart Routing 做同一件事（自动路由 + 成本上限）。两条完全独立的产品给出的答案是同一个：多 agent 系统的第一性问题不是「能不能协同」，而是「谁来决定这次该谁说话」 ——路由层既是成本闸门，也是权限闸门。③ 记忆的实现方式很朴素，但方向对：Markdown 文件 + 每轮自动审查 + 团队共享记忆。 它跟本期 ① 的两篇论文同频——VISTA 用 GUIDE.md / WORKING.md，Memento 3 用 rulebook（也是 Markdown 文件）＋ Git 历史。2026 年 10 月，「外部记忆」的事实标准正在收敛成：纯文本文件 + 版本管理 + 可回滚。 不是向量库不好，而是能被人类直接读、直接改、直接 diff 的那一层，比嵌入空间更适合承载「agent 的世界观」。④ 对我们自己的含义： 这条正好落在我们的 DSH／harness 研究线上——「一切皆插件」的扩展方式，加上已经出现的插件生态，是可以直接拿来做「harness 平台化」选题的一手素材（安装、记忆、群聊路由都是可复现的实操场）。

领域：agent-frameworks ｜ 去向：related（挂钩我们的 dsh／deepseek-harness 研究线与「harness = 平台」选题；可与本期 ① 并期读，构成「论文层的 harness」与「生态层的 harness」两条腿）｜ 等级：🟢

来源：🟢 一手已核（10-12 直查 GitHub API 与 README 原文）https://api.github.com/repos/Fei2411/DeepSeek-Bot （Apache-2.0、1,184★、112 fork、26 open issues、created 2026-10-07T15:37:36Z、pushed 2026-10-12T08:55:19Z、topics dsh-plugin/deepseek-harness/multi-agent；README 含安装命令、npx @deepseek-ai/dsh@0.2.1-alpha.1 plugin --profile web add ds-bot、Bot／Main Bot／群聊／记忆／数据本地化 bot/ 与 sessions/ 原文）｜🟢 一手已核 https://api.github.com/search/repositories?q=DeepSeek-Bot （BotHarness/DeepSeekBot MIT、created 2026-09-16T22:02:12Z、36★，描述「Open-source GrokBot alternative built on DeepSeek Harness」）｜🟢 一手已核 https://registry.npmjs.org/@deepseek-ai/dsh （0.2.1-alpha.2 发布于 2026-10-09T08:18:00Z；dist-tags latest=0.2.0-rc.2、alpha=0.2.1-alpha.2）｜🟡 中文转引（10-11 直读）量子位《DeepSeek Bot来了！民间版，DSH装个插件就能用》2026-10-11 11:27 https://www.qbitai.com/2026/10/502544.html （作者 @Fei2411／报道称「上线不到一天 250+ 星」、自动记忆审查、用量统计等描述）｜星数为 2026-10-12T08:55Z 前后快照，读到时可能已变化

③ 算力从「成本项」变成「准入门槛」：Shazeer 因算力被划走转投 OpenAI，而 Anthropic 一次性拿走 SpaceX 的 300 兆瓦 / 22 万块卡（WSJ 报道 2026-10；Anthropic 官方 2026-05-06）

一边是顶尖研究员留不住，一边是整座数据中心被包圆。 据《华尔街日报》报道（中文侧由量子位 2026-10-11 13:22 转述）：Google 2024 年以约 27 亿美元的交易把 Transformer 论文作者之一 Noam Shazeer 请回（并入 Gemini 项目），但不到两年，他给团队发信说分到的算力被划给了另一个项目，随后转投 OpenAI；报道称 Google 内部对算力分配分歧很大，联合创始人 Sergey Brin 有时直接干预把容量调给他认为重要的项目，Demis Hassabis 也曾对长期研究拿不到算力表达不满（他 8 月转任董事长）。同一篇报道里另一组数字：SpaceX 的 8 月首份财报显示其季度 AI 业务收入 25.61 亿美元（同比 +247%，环比翻了两倍） —— 它扮演的是替 AI 公司倒卖 GPU 算力的角色。这些数字属媒体口径（🟡）。 而交易的另一半有官方原文可核：Anthropic 于 2026-05-06 官方公告（《Higher usage limits for Claude and a compute deal with SpaceX》）写明——签下 SpaceX 的 Colossus 1 数据中心全部算力，一个月内拿到超过 300 兆瓦新容量（逾 220,000 块 NVIDIA GPU）；同页并列的还有：与 Amazon 的最高 5GW 协议（含 2026 年底前近 1GW 新容量）、与 Google＋Broadcom 的 5GW（2027 年起上线）、与 Microsoft／NVIDIA 的 300 亿美元 Azure 容量、与 Fluidstack 的 500 亿美元美国 AI 基建投资，并表态有兴趣与 SpaceX 探索多吉瓦级轨道算力。价格一侧是第三方统计（🔴）：SemiAnalysis 数据显示 H100 一年期租赁价从 2025 年 10 月的低点 1.70 美元/GPU·小时 涨到 2026 年 3 月的 2.35 美元，约 +40%；同一篇转述还提到部分云商开始要求多年合约、预付约 30% 合同额、甚至要付款担保，YC 在 7 月给被投公司开了专供 GPU 集群。

认知价值：① 这条的真正变化是「算力的性质变了」。 以前算力是成本项（贵，但花钱能买）；现在它是配额——在公司内部要跟同事抢（Brin 直接推翻分配流程）、在公司之间要拿别的资源换（SpaceX 卖卡给 Anthropic）、对小团队则是从「按需租用」退化成「多年合约＋30% 预付」。当一个输入项的分配需要创始人亲自介入时，它就已经从会计科目变成了权力结构。 这对我们「效率是衡量标准」的主线是个硬补充：同一份模型能力，在不同算力配额下的产出完全不同——2026 年的效率问题，先在配额层面被决定。 ② 也解释了模型公司的行为序列。 Anthropic 主页那张清单（300MW SpaceX ＋ 5GW Amazon ＋ 5GW Google/Broadcom ＋ 300 亿美元 Azure ＋ 500 亿美元 Fluidstack）说明：前沿实验室的当务之急是先锁供给，再谈模型。 连「轨道算力」都写进公告，说明这不是采购策略，是生存策略。③ 对我们自己的直接含义（这条最实用）： H100 一年期租赁 1.70 → 2.35 美元/GPU·时（+40%） 这条曲线，是我们做云 GPU 横评时必须和「卡时价」一起记录的第二个变量 —— 之前我们的结论建立在「本地 vs 云」的对比上，而租价本身正在变贵；同一份脚本、不同时间的结论会不一样，所以评测要带日期戳和当时的价格锚点。 ④ 读法纪律： 本条是典型的三档混合（Anthropic 官方 🟢 ＋ WSJ 报道 🟡 ＋ SemiAnalysis 统计 🔴），按规范整条取最保守档 🔴 ——「Shazeer 为什么走」「SpaceX 财报数字」都只当媒体口径记，别当已核实的事实引用；唯一可以直接当硬事实用的是 Anthropic 官方那组容量数字（且须注明其日期是 2026-05-06，不是本期事件）。

领域：industry-model ｜ 去向：related（挂钩 cloud-gpu-benchmark／云 GPU 横评线：把「租价随时间上涨」列入评测记录的变量；喂养「效率是衡量标准」的成本侧选题）｜ 等级：🔴

来源：🟢 一手已核（10-12 直读官方公告全文）https://www.anthropic.com/news/higher-limits-spacex 《Higher usage limits for Claude and a compute deal with SpaceX》2026-05-06（原文：「more than 300 megawatts of new capacity (over 220,000 NVIDIA GPUs) within the month」、Colossus 1、Amazon 最高 5GW 含 2026 年底前近 1GW、Google＋Broadcom 5GW 自 2027、Microsoft／NVIDIA 300 亿美元 Azure、Fluidstack 500 亿美元、轨道算力意向）｜🟡 媒体口径（10-11 直读）量子位《硅谷AI现状：谁有算力谁是爹》2026-10-11 13:22 https://www.qbitai.com/2026/10/502585.html （转述 WSJ：Shazeer 27 亿美元回归后因算力划拨出走 OpenAI、Brin 干预分配、Hassabis 不满、SpaceX 8 月财报 AI 收入 25.61 亿美元同比 +247%；引 SemiAnalysis：H100 一年期 1.70 → 2.35 美元/GPU·时；多年合约＋30% 预付；YC 专供 GPU 集群）｜🔴 第三方统计：SemiAnalysis（原文链接为其 newsletter「The Great GPU Shortage: Rental Capacity」）与 PitchBook 之外的第三方口径，未取得一手页面（付费墙），故价格数字按 🔴 处理｜⚠️ 本条混用三档，按「取最保守」规则整条标 🔴；WSJ 原文未能直读（付费墙），其报道日期亦未从一手确认，正文只写「2026-10 报道」

④ 物理 AI 年内吸金近 480 亿美元：钱不再只买硬件，开始买「人干活的录像」（FT 引 PitchBook，截至 2026-10-08）

《金融时报》引 PitchBook 数据（中文侧由量子位 ROBO 2026-10-12 16:27 转述）：截至 2026-10-08，全球机器人与物理 AI 企业年内累计融资接近 480 亿美元，是 2025 年全年的约 1.7 倍（2022–2024 年该赛道年度融资基本在 100–150 亿美元区间）；PitchBook 另一组结构数据显示 2026 年二季度单季融资 186 亿美元（环比 +25.3%），但交易数量环比下降 14.1%，其中 Anduril（5 月 50 亿美元，估值 610 亿）、NEURA Robotics（6 月最高 14 亿美元 C 轮）与 Physical Intelligence（二季度 10 亿美元）三笔合计 74 亿，占当季 39.8% —— 剔除这三笔后仍有 112 亿、环比 +9.9%。钱花到哪儿去了，是这篇报道真正有意思的地方： 不再主要是本体与执行器，而是**「人类干普通工作的视频」——Figure 的 Index 计划付钱请全球普通人拍摄家务与仓配动作（截至 8-25：下载 26.4 万次、覆盖 108 个国家与地区、收集 1600 多万段视频、已付贡献者 1500 万美元；按当时速度每秒收到 30 分钟视频，约等于每天新增 4.9 年人类活动记录），并计划未来 12 个月在数据与算力上投入超 10 亿美元**；Physical Intelligence 把机器人放进旧金山多家 Airbnb 民宿测陌生环境；Generalist、NEURA、Skild AI 等自建训练设施（FT 称之为 robot gyms「机器人健身房」）；原本服务大模型的数据公司（Scale AI、Encord）向机器人扩业务，新公司 Mecka 于 2026-10-07 宣布 6000 万美元 B 轮（红杉领投，英伟达、微软 M12、高通创投、三星参与）。中国侧：Interact Analysis 统计截至 2026 年 4 月底，中国至少 90 个人形机器人数据采集与训练中心在运营、建设或规划中，其中 64 个已投用；量子位智库口径的 2025 年国内具身融资为 447 起、554 亿元（2024 年为 173 起、137 亿元，注：仅统计未上市公司公开融资，与 PitchBook 口径不同）。技术依据上，Dyna Robotics 的 Dyna-2 用超过 100 万小时人类第一视角视频预训练，在 14 项真实机器人操作任务上平均表现从 20% 提升到 53%，其中「转钥匙」任务在 10 万小时以下数据训练的模型均未成功，100 万小时版本成功率 90%。

认知价值：① 这条最值得记的是「钱的位置变了」：从硬件转向数据，而数据开始变成一个独立产业环节。 一整套围绕「让机器人学会干活」的采集体系正在成形——付钱请人拍（Figure）、把机器人放进真实场景测（Physical Intelligence、Skild AI 收购 Zebra 机器人业务后拿真实仓库数据）、专业建训练场（robot gyms）、原本服务大模型的数据公司转赛道（Scale AI、Encord）。当资本开始为「数据采集」单独定价时，说明行业承认了瓶颈不在模型，而在缺一类根本无法从互联网下载的输入。 ② 它和本期 ① 是同一条洞察的现实版本。 VISTA 把「视觉经验」存到上下文之外、Memento 3 把「世界规则」编译成可执行代码、AgentGarten 用神经渲染器造试炼场 —— 虚拟侧在解决「怎么让经验可复用」，现实侧在解决「经验从哪来」。 两条线合起来就是 2026 年 agent／机器人能力上限的真实约束：不是参数量，是可核查的经验量。 ③ 但要特别守纪律读数字： 480 亿美元是 PitchBook 的第三方估算（经 FT 转引再经中文转述，链条很长）；Figure 的 26.4 万下载 / 1600 万段视频、Interact Analysis 的 90 个训练中心、Dyna-2 的 20% → 53%，分别是厂商口径与统计机构口径；因此整条按最保守档 🔴 处理，只当产业趋势的方向读，别当已核实的绝对值搬进脚本。④ 顺手记一个「转述会走形」的实例： 量子位此文里「480 亿美元」折人民币先写「约 3213 亿元」、后写「约 3400 亿元」（按 7.1 汇率应为约 3400 亿）——同一个数字在正文里对不上，就是我们坚持「人民币折算只作参考、只用原币种口径」的原因。

领域：industry-model ｜ 去向：related（挂钩「具身/世界模型」待命线：可与 10-09 ④ AgentGarten、本期 ③ 算力线并期，做「虚拟训练场 vs 现实数据采集」的对照）｜ 等级：🔴

来源：🔴 第三方统计（10-12 直读中文转述）量子位 ROBO《2026没过完，已有480亿美元投进了物理AI》2026-10-12 16:27 https://www.qbitai.com/2026/10/502741.html ，原始出处为 FT《Inside the 'robot gyms' training machines for the real world》引 PitchBook 数据（10-12 经 web_search 交叉确认多家英文转述一致：robotics & physical AI 年内约 480 亿美元、PitchBook via FT）｜🟡 其中 Figure Index（26.4 万下载 / 108 国 / 1600+ 万段视频 / 1500 万美元）、Interact Analysis（中国 90 个训练中心 / 64 个已投用）、Dyna-2（100 万小时、20%→53%、转钥匙 90%）均为厂商或统计机构口径｜🟡 量子位智库国内口径（2025 年 447 起 / 554 亿元；2024 年 173 起 / 137 亿元，仅未上市公开融资）｜⚪ 背景：Mecka 6000 万美元 B 轮（2026-10-07 宣布）、Skild AI 收购 Zebra 机器人业务（2026-04，ARR 破 1 亿美元、60+ 付费客户）｜⚠️ FT 原文未能直读（付费墙），本条数字链条为「PitchBook → FT → 量子位」，故整条 🔴；正文未采信该文的 RMB 折算（文内自相矛盾，见认知价值 ④）

⑤ GPT-6 Astra 把 57 年没证完的「摆圆」推到 N ≤ 20：最优性证明补上最后 5 个缺口（nor 博客 2026-10-11）

问题很老，答案很难「锁死」。 「摆圆」问的是：N 个半径 1 的圆盘塞进一个大圆，大圆半径最小是多少？ 找排列只是第一层，难的是证明没有更好的排列。作者 nor（长期做数学、机器学习与优化的技术作者）在博客里给出历史链条：Graham 1968 解决 N ≤ 7；Pirl 1969 推到 N ≤ 10（并给出 15 个圆盘的排列）；Goldberg 1971 给出 16 与 20 的排列、Reis 1975 给出 17 的排列；此后证明极慢——Melissen 1994 证 N = 11，Fodor 在 1999–2003 年间证 N = 19、12、13、14，Ekanayake & LaFountain 2024 又给了一个 N = 14 的证明。 也就是说57 年来，15、16、17、18、20 这五档一直只有「最优候选排列」，没有严格的最优性证明。这次 nor 把 N = 15 先交给 GPT-6 Astra，解决后让它把方法推广到 16、17，再如法处理 18 与 20 —— 结论是这五档的经典排列都被证明为最优，N ≤ 20 的最优半径问题就此全部解决；证明是计算机辅助、全程使用精确有理数运算，思路是「先用几何约束把无限多种排列压成有限情况，再让计算机逐一排除」，其中 15 个圆盘那一档用了另一种奇数环论证。作者对贡献的划分写得很直：证明由 GPT-6 Astra 找到，他本人负责「引导、检查、大量重写」，并说明他既手工验证了论证与计算，也用 LLM（GPT-6 Astra 与 Claude Opus 5.5）复核过，同时在文末主动留了「长证明总有细微错误的可能，找到请告诉我」。博客发布日 2026-10-11（约 2781 词，附全部证明材料链接与参考文献）。

认知价值：① 这条是「AI 做数学」从口号落到具体定理的一天，但它的价值在流程而不在分数。 值得抄的不是「AI 证出来了」，而是那句**「证明由 AI 找到，人负责引导、检查、重写」** —— 和我们做评测、做视频的机制完全同构：生成归 AI，判定归人。 ② 能核的地方要核： 这条的可信度来自它可被数学界直接检视（材料公开、精确有理数运算、可复现），而且作者自己把「可能出错」写在最显眼处——这种自我声明，比任何 PR 稿的「全球第一」都更接近我们认的证据形态。 ③ 真正的产业含义是「最后一公里」被补上了。 这个问题的难点从来不是找排列（数值搜索早就能给出好候选），而是证明「没有更好的」 —— 也就是把「很接近」提升为「严格一致」。而**「把近似变成严格」，正是过去一年 AI 在验证／形式化方向反复展示的能力**（本期 ① 的 Memento 3 用 cell-exact 重放把关、VISTA 用工具主动回看证据，逻辑上是同一件事）：当模型开始擅长「证明排除」而不是「生成候选」，它就从写手变成了审稿人。 ④ 读法： 这不是一篇预印本、未见同行评议或第三方复核，作者也自陈是计算机辅助证明；因此本条按 🟡 记 —— 「57 年难题被推进」作为作者一手声明可核，但「证明已成立」要等数学界的独立检查。 ⑤ 顺手一句背景：同期 陶哲轩在 Caltech 讲《Math 2.0》（slides 在 HN 拿到 401 分 / 423 评论），讲的正是同一件事——数学的工作方式正在被 AI 改写；两条合起来看，本期不是「AI 又赢了一局」，而是数学界正在调整自己的工序。

领域：eval-evidence ｜ 去向：related（与 10-08 ④「AI 数学」线、10-09 陶哲轩线连续；喂养「生成归 AI、判定归人」的验证机制选题，可与本期 ① 的 cell-exact 重放机制并期）｜ 等级：🟡

来源：🟢 一手已核（10-12 直读作者博客原文）https://nor-blog.pages.dev/posts/2026-10-11-circle-in-circle-packing-15-20/ 《Optimal packings of 15-20 equal circles in a circle》，2026-10-11（TL;DR 原文「We prove that the classical packings of 15, 16, 17, 18 and 20 equal circles in a circle are optimal…」「computer-assisted (with exact rational arithmetic throughout), and were found by GPT-6 Astra with steering, checking and a lot of rewriting from my side」；历史链 Graham 1968 / Pirl 1969 / Goldberg 1971 / Reis 1975 / Melissen 1994 / Fodor 1999–2003 / Ekanayake & LaFountain 2024；「On correctness and verification」节：手工验证＋用 GPT-6 Astra 与 Claude Opus 5.5 复核；Acknowledgements 致谢）｜🟡 中文转引（10-12 直读）量子位《刚刚，GPT-6 Astra联手非职业数学家，证明57年「摆圆」难题》2026-10-12 15:48 https://www.qbitai.com/2026/10/502667.html （五步证明思路、15 档奇数环论证、作者身份与贡献描述）｜⚪ 背景（非本窗口一手）：陶哲轩《Math 2.0》slides https://teorth.github.io/tao-web/slides/math-2-0-caltech-2026.pdf （HN 2026-10-11 13:16，401 分 / 423 评论）｜⚠️ 无预印本、无同行评议、无第三方复核 → 整条按作者一手声明记 🟡