AI 日报 · 2026-10-26 晚间 | Git 被 Agent 撑爆、AWS 挂起式运行时、GPT-6 零样本开机械臂

AI 日报 · 2026-10-26 晚间（第 2 期）

侧重方向：AI Coding × 具身智能。已比对 10-23、10-25 及今晨第 1 期推送记录，本期内容无重复。唯一关联项：PHP2Shell 漏洞此前推过“发现侧”，本期只谈“修复侧”新进展。

---

一、主推（5 条）

1. 【AI Coding / 基础设施】Git 被 Agent 撑爆了：Anthropic 用 7 个人、5 个月换掉自家 Git

事件：Anthropic 发布工程博客《Redesigning source control at Anthropic》，详述为何自研版本控制系统 Scion 并整体迁走 monorepo。

硬数据（全部来自官方博客）：

• 日均合并变更从 5 月的约 2,500 次涨到 9 月的 30,000+ 次（4 个月 12 倍），Claude 写了其中 80% 以上的代码；
• 主分支历史接近 100 GB，压缩工作副本超 25 GB；仅 CI 每天要做约 2,500 万次代码检出，按朴素方式拉取相当于每天 600 PB 的 Git 流量；
• 解决方案：7 人团队 5 个月完成 Scion 迁移，顺手建了代码评审工具 Antique、代码搜索和访问控制系统；
• 效果：基础设施占用（CPU+内存）比原 Git 镜像集群缩小 200 倍，检出快两个数量级，CI 直接省回 25% 的 CPU 容量。

最反常识的一条：Scion 的结论是“merge queue 在 agent 规模下没有意义”——当成百上千个变更能在测试运行期间就完成合并时，传统“先排队验证再合并”的模型失效，只能转向合并后、部署前测试。Git 为“分布式离线工作”设计的优势，在客户端几乎全是永远在线的 agent 和 CI 任务时，反而成了纯成本。

为什么值得关注： 1. 这是目前最硬的一份“agent 规模代码量”实证：当 AI 写码占比超过 80%，先崩掉的不是模型、不是 IDE，而是为人类节奏设计的开发者基础设施（版本控制、CI、评审）； 2. Anthropic 明确说 Scion 不开源、也不适合通用场景，但建议 GitHub/GitLab 借鉴其思路——重度使用 coding agent 的公司，6-12 个月内会撞上同一堵墙； 3. 对平台/基建团队的直接启示：变更速率本身会成为新的系统约束，评审与验证的架构（前置门禁 vs 后置回归）需要提前重想。

---

2. 【AI Coding / 运行时】AWS 开源 Infinity：Agent 90% 的生命在“等”，凭什么按小时付费？

事件：10-23，AWS 联合 UC Berkeley（Hydro 项目）开源 Infinity 运行时（Apache 2.0，Rust 实现）——把编程语言里“挂起协程”的思路搬到 agent 上：agent 发起工具调用时挂起并只保留对话状态，结果到达再恢复。

硬数据：

• 空闲 agent 每个仅占约 100 KB 内存，官方口径 8 GB 可承载约 7.5 万个并发 agent（类比树莓派 5 的内存；注意：测试用的是模拟模型 + 单线程 EPYC，未经独立核验）；
• 天然适配 Serverless：等待期间 Lambda 函数可以直接退出，工具调用哪怕等三天也不产生计算成本；
• 技术细节有巧劲：用“合成工具调用”（receive_event__injected）把异步事件塞回对话，现有模型 API 无需改造；agent 间通信用 spawn_thread / report_to_parent，避免子任务塞爆父上下文；MCP 服务器经兼容层可原样运行。

为什么值得关注： 1. Agent 的成本结构正在显式分裂成“算”和“等”两块，而现实中编码 agent 可能有 90% 的生命周期在等构建、等 review、等审批——按常驻进程计费等于为排队付钱，Infinity 把计费单位从“小时”改成“事件”； 2. 同周 Google 的 Agent Compute Engine 走另一条路：microVM 硬隔离、凭据不进沙箱。一个管“等得便宜”，一个管“跑得安全”，真实生产栈大概率两层叠用； 3. 对做多 agent 平台的团队，“切片 + 消息队列 + 幂等工具”这套架构可以直接借鉴，竞态条件并未消失，只是转移到了每个线程的消息顺序保证上。

---

3. 【AI Coding / 安全】Cognition 开源“漏洞修复技能包”：一份 SKILL.md，70 多个编码 Agent 通用

事件：10-25，Cognition AI 开源 devin-vuln-fixes（MIT 协议）——只有三个 SKILL.md 文件，却让 Devin、Claude Code、Codex、Cursor、Copilot、Gemini CLI 等 70 多个编码 agent 都能自动修复本周最凶的一批漏洞：自管 GitLab 的 CVE-2026-110264（CVSS 10.0 满分）、PHP 全系 Web SAPI 未授权 RCE（PHP2Shell，此前推过的那个漏洞的修复侧跟进）、Node.js Brotli RCE。

流程设计比漏洞清单更值得看（五步写死在技能文件里）： 1. 只读盘点 Dockerfile / CI 配置 / IaC，输出受影响资产表； 2. 停在人工审批门，不批准不动文件； 3. 修复版本全部钉死（如 PHP 8.5.12、GitLab 19.5.1），先确认含修复的产物真实存在再动手——明文禁止“猜版本号”，杜绝幻觉补丁； 4. 在生产镜像里跑改前改后测试，新增告警算回归； 5. 每仓库一个聚焦 PR，附带回滚方案。

为什么值得关注： 1. 编码 agent 的战场正从“写新代码”移到“修生产事故”，而后者最缺的不是生成能力是信任——把审批门、真实验证、禁猜版本写成技能文件，本质是把 AI 从 autopilot 降级成“能签字、要复核的初级工程师”； 2. 分发方式的信号意义更大：这是 Agent Skills 标准（已由 Anthropic 捐给 Linux 基金会旗下 Agentic AI Foundation，与 MCP 并列）第一次被拿来跨厂商投放能力——同一份技能在五家竞品工具里跑，插件生态的护城河被绕过去了； 3. 提醒一点：官方未发布修复率 benchmark，托管运行时/设备/Electron 应用只标记不修——工具的价值上限取决于你自己的测试套件。

---

4. 【具身智能 / 模型】GPT-6 Astra 不微调直接开机械臂：通用大模型开始“越界”物理世界

事件：华西证券 10-26 计算机周报援引多项测试：GPT-6 Astra 在无微调状态下，仅凭推理能力直接控制机械臂——零样本机器人操作基准以 69 分登顶，实机抓取成功率达 95%。

必须看清的另一面：高精度任务成功率仅 10%，且耗时明显更长。“通用大脑”对“专用小脑”的替代，目前只完成了抓放级任务，精密装配还早。

同期技术栈在收敛（同一份周报梳理）：

• 英伟达 GTC 把物理 AI 定为主线，提出“算力即数据”逻辑：发布数据工厂蓝图、14 天可部署的 DSX POD 基础设施、GR00T N1.7 人形模型与 Agile ONE SN 平台；
• 底层算法走向架构融合：英伟达×哈佛 Hydra-0 用统一动作流接口把运动误差降低 90.4%；云深处 DR-WM-1.0 首次引入物理属性先验；智元 GE-Act 2.0 整合预测与生成，3 万小时数据下陌生场景零样本成功率提至 44.1%。

为什么值得关注： 1. “通用模型零样本控真机”如果被独立复现，会动摇“每家机器人厂自研 VLA 小模型”的格局——专用模型壁垒第一次被正面击穿：模型本体的通用能力正在吃掉外围定制的溢价； 2. 但 95% vs 10% 的分裂说明：抓取是及格线，精密操作才是护城河，专用模型短期内不会死，会退守高精度区； 3. “算力即数据”意味着竞争焦点转向真机数据采集产能——数采场景本身正在变成生意。

---

5. 【具身智能 / 产业格局】丰田官宣入局、安全认证补位：人形机器人竞争从“创业公司内战”变成“巨头全面战争”

事件：三个信号本周叠加——

• 丰田正式加入人形机器人竞赛（Financial Times，10-26）：汽车产业积累的制造、供应链与运动控制能力加速向机器人迁移；
• TÜV 南德 × Accenture × 英伟达联合推进工厂/仓库 AI 机器人安全认证（10-25）：当自主决策进入工业机器人系统，“验证机器人行为”正在成为独立的市场环节；
• UBS 梳理全球 87 家人形机器人产业参与者：从英伟达到宁德时代，竞争已从整机扩展到芯片、电池、执行器、模型、传感与制造供应链全链条。

为什么值得关注： 1. 车企是“天然的机器人公司”——电机、电控、结构、供应链、成本工程全部现成，丰田入场比又一个初创融资本轮更有分量；巨头正把行业从“demo 竞赛”拖入“制造业战争”； 2. 安全认证体系开始补位，呼应 AI 侧的治理主线（EU AI Act 执法、FTC 取证）：具身智能的“可审计”不再是论文概念，而是拿订单的前置条件； 3. 87 家的版图数字本身就是泡沫之辩的注脚：当参与者多到需要图谱来梳理，下一步看的就是谁先拿到重复采购（而非首台示范）订单。

---

二、速览

---

三、一句话收束

今天的主线是“瓶颈下移”：模型能力不再是瓶颈，瓶颈正逐层下移——编码侧，Anthropic 用换掉 Git 证明变更速率先于模型崩掉、AWS 把 agent 的“等待”变成不花钱的数据、Cognition 把“信任”写进技能文件；物理侧，GPT-6 Astra 零样本开机械臂击穿专用模型壁垒、丰田带着百年制造业家底入场。每一层瓶颈被解决，都立刻催生下一层的生意——基建、运行时、安全认证、真机数据，这才是 AI 落地真正的采购清单。