一、AI Coding1. Cognition 发布 SWE-2 Flash:模型"分级定价",权重因安全顾虑暂不开放事件内容:11月4日 Cognition 发布编程模型 SWE-2 Flash——基于 Thinking Machines 的 Inkling-Small,2760亿总参数、每步激活120亿的 MoE 架构,速度是旗舰 SWE-2 的 3 倍、价格仅 1/5,面向自动化、代码评审、功能开发与文档更新等日常工程任务(11月30日前 Devin 付费用户免费)。其自测显示 FrontierCode 2.0 拿到 24.0(略高于 SWE-2 的 23.8),但 Terminal-Bench 4.0(20.0 vs 27.3)、DeepSWE 1.1(60.1 vs 73.0)仍落后。值得关注的是,权重暂不公开——因针对性安全训练把 ExploitBench 从 11.3% 拉到 34.8%,Cognition 担心同类能力被攻击者利用,仅以"安全共享计划"向可信伙伴开放。值得关注:标志 coding 模型从"一个旗舰通吃"转向旗舰攻坚 + Flash 跑量的分级算力分工,单任务成本成为选型关键变量;而"能力越强越不敢开源"的安全悖论,正在把开放权重与封闭权重的路线之争推到台前。2. Cursor 可"构建并发布可运行应用":coding agent 从写代码走向运营 live systems事件内容:11月5日 Cursor 推出 Build Live Apps——付费云 agent 可一键 scaffold Web 应用、拉起 Postgres、配置 Cursor SSO 鉴权、 provision 托管并返回 live link;发布前跑确定性 + agentic 安全检查,失败则阻断发布,团队 admin 可查看所有 app 与 secret、可 unpublish。同期上线的 Voice Chat(基于 Grok Voice)让开发者用语音与 agent 实时对话并听进度。GitHub / Cursor Origin 已支持,GitLab 后续接入。值得关注:agent 的边界从"改代码"外扩到"建系统 + 管托管 + 管密钥 + 管发布",代码、数据、秘密、访问权限被收进同一条 agent 流;随之而来的是发布门禁、成本控制、回滚与权限归属成为工程事实,而非可选项。3. Kimi K3.1 Pro 开放权重登顶:开源与封闭在 coding 赛道正面交锋事件内容:11月4日 Moonshot 开放 Kimi K3.1 Pro 权重(2.8T 总 / 104B 激活,1M 上下文,AA Index v5.0.1 拿到 46 分,居开放权重首位),采用类 MIT 的自定义许可、仅对年营收超 $20M 的 MaaS 业务设门槛。这与同日 Cognition 因安全封闭 SWE-2 Flash 权重形成镜像。值得关注:开放权重阵营(Kimi K3.1、小米 MiMo-V2.6、GLM-5.3、DeepSeek 等)与"能力私有化"阵营的分野日益清晰——前者赌生态与可控部署,后者赌安全与商业壁垒,编码模型成为两种哲学最直接的对撞场。4. AI Coding 的 ROI 反思:代码吞吐 ≠ 交付速度事件内容:多项 11月数据揭示"更快写代码"与"更快交付价值"之间的落差。Atlassian《State of Developer Experience 2026》(1155 名开发者 + 405 名研发负责人)显示:87% 认为 AI 帮其更快写/交付代码,但 65% 经常花时间审改 AI 代码、72% 日常摩擦持平或上升,仅 25% 称每周省 ≥10 小时(前次调查为 68%)。GitHub Octoverse 2026 称 9月 >40% 的 PR 由 agent 首稿发起(3月为 17%),且 90% agent 参与的 PR 两周内合并(无 agent 约 86%);但 LinearB 基于 810万+ PR / 4800+ 组织的数据给出另一面——AI PR 首审等待时间长 4.6 倍、接受率仅 32.7%(人工 PR 为 84.4%)。值得关注:指标冲突指向同一结论——代码生成已不再是交付的唯一瓶颈,稀缺的人类评审与"需求—上下文—测试"链条才是约束。工程度量的真实单位应是"被接纳、被理解、安全且有价值的软件",而非 PR 数或代码行。二、具身智能5. 苹果 HALO 系统入场"机器人大脑":科技巨头把仿真动作搬进真实房间事件内容:11月4日苹果研究团队在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》,披露人形机器人自主控制系统 HALO,并部署在宇树 G1 上验证——将在仿真环境学到的动作迁移到陌生真实房间执行,形成感知—物理推理—运动控制的实时闭环。中泰证券研报指出,"大脑"是具身智能从演示走向实用的核心变量,上半年国内融资约 438 亿元,其中具身大脑吸纳 222.53 亿元(占比 50.8%),本体整机仅 56 亿元(12.8%)。值得关注:继 Meta、Google、Physical Intelligence 之后,苹果以论文形式正式下场"机器人大脑",印证"身体门槛下降、大脑决定上限"的业界共识;VLA 与世界模型的融合路线成为头部争夺焦点。6. 资本向"具身大脑"集中,泛化能力成为最大制约事件内容:资本、政策与产业在同一窗口向"大脑"倾斜。Physical Intelligence(π)估值据报已达 200 亿美元;国内智元 GO-3 Preview 打通预训练—后训练—部署全链路,手机包装成功率由 50.8% 升至 98.3%;小鹏 IRON 完成二代 VLA 端侧部署,0.2 秒重推理、预判 6 秒内动作,3 颗自研图灵芯片提供 2250 TOPS。多家厂商公开将"泛化能力不足"列为最大制约,技术路线围绕 VLA 与世界模型融合展开。值得关注:资金从上半年集中"本体制造"明显回摆至"软件智能",反映行业对"通用大脑"的决定性权重判断;但大脑能力的真实兑现高度依赖高质量、跨场景真机数据,而非参数规模。7. 数据集标准落地与"10万台量产门槛":从拼数量到拼质量事件内容:11月1日具身智能领域首部数据集行业标准正式实施,规范训练数据的质量与评估方法,把行业从"各说各话"拉到统一标尺。工信部数据显示上半年人形机器人产量已超 4 万台、全年冲刺 10 万台;全国已建成启用训练场 70+ 家、在建 40+ 家。中国工程院院士徐扬生提醒:单个公司产量至少达 10 万台才算真正量产,眼下最缺的是能把通用与专用融合的领军人才。值得关注:标准 + 训练场 + 实景实训专项行动(工信部、国资委 6月启动,年底目标万台级落地)三箭齐发,行业矛盾已从"能不能造出来"转向"能不能在真实场景持续干活",量产的定义权从厂商口径回归工程与经济现实。8. 进博会应用场景图谱发布,"实干成色"仍受三道坎考验事件内容:11月5日第九届虹桥论坛发布《2026人形机器人应用场景图谱》,系统梳理工业制造、民生服务、特种作业、现代农业等十大落地领域,工信部副部长熊继军明确行业要从"功夫模式"迈向"作业模式"。但新华财经联合信通院的报告给出冷静注脚:当前人形机器人真正进入智能制造、仓储物流的仅约 8%,超六成仍停留在商演、科研教学;行业公认"三道坎"为精细操控不足、运动能耗偏高、人机交互安全待夯实。已有少数项目跑出亮眼数据——Galbot S1 在宁德时代 7×24 连续运行,乐聚夸父在兆丰机电作业成功率稳定 98%。值得关注:产业叙事从"展台炫技"切到"实景可用",但"进厂"与"稳定持续作业"之间仍有鸿沟;高质量数据(10万小时高精度 > 1000万小时低质量)比规模更关键,真实工况的节拍、良率与返修记录才是验收标尺。一句话总结2026年11月上旬,AI Coding 把胜负手从"更强模型"推向"更可负担的分级算力与可部署、可审计的团队基础设施",具身智能则在资本与政策牵引下将价值锚点从"能演示"重置为"能上岗、可度量的大脑与真实工况交付"——两条战线共同表明:当基础能力不再稀缺,真正的护城河是工程化落地、数据质量与可信治理,而非单点性能秀。