今天的主线从"模型之争"切到"生态与落地之争"：中国开源模型全球下载占比首次反超美国，编程智能体的竞争从"模型能力"卷向"Harness 工程化"，具身智能在机器人大会与运动会里把"能跑会跳"推进到"能想会干"，而学术圈开始把代码生成推向"可形式化验证"。以下筛选 4 条主线 + 3 条快讯。

一、中国开源模型全球下载占比达 41%，首次超过美国

8 月 22 日前后，Hugging Face 春季报告与多家媒体汇总给出一组关键数据：中国自研开源模型的全球下载占比达到 41%，首次超过美国。这背后是 DeepSeek、阿里、智谱、MiniMax、Kimi 等一批厂商的集体发力——开源模型已从"追赶者"变成闭源模型的实际竞争者。

为什么值得关注：这不是单点突破，而是生态拐点的信号。同一周，DeepSeek 在 8 月 13 日同时发布 V4 Pro 正式版与开源的 Harness 开发者工具：V4 Pro 在 AI 编程智能体基准 DeepSWE 上从预览版的 12.8 分跳到 62.7 分，意味着它从"补几行代码"进化到"独立完成多步任务"；Harness 以 MIT 协议开源，设计理念是"一切皆插件"，直接对标 Claude Code，有开发者称这是"向 Claude Code 说再见的那天"。开源模型 + 开源 Harness 的组合，正在把"开发者入口"从闭源巨头手里撬开一道缝。

二、编程智能体进入"Harness 军备竞赛"

8 月这一波 AI 编程工具密集上新，竞争重心从"谁的模型更大"明确转移到"谁能真正帮开发者把活干完"：

  • 字节 Trae 3.0（7/23 WAIC 发布）：从代码补全升级为全流程代理，Work/Code/Design 三模式 + Solo Mode 2.0 实现单人全栈开发，国际版已切到 GPT-5.6、Claude Opus 5。
  • 阿里 Qoder CN / Qwen3.8-Max（8/3）：Qwen3.8-Max 总参数 2.4 万亿、100 万上下文；实测从零构建项目连续 16 天自主运行，产生 265 次提交、127 个合并 PR。
  • 智谱 ZCode 用户破百万（8/11）：上线 Subagents、Remote Control 等四项功能，把编程智能体从对话辅助推向复杂任务自主交付。
  • Meta Muse Code / Grok 4.5：Meta 低价推出首款编程智能体 Muse Code 叫板 Claude Code；xAI 收购 Cursor 后由其团队主导训练 Grok 4.5（MoE 约 1.5 万亿参数，基于数 T token 的 Cursor 交互数据）。
  • 基准白热化：Claude Fable 5 以 64% 绝对成功率登顶多项 Agent 基准；GPT-5.6 Sol 在 Terminal-Bench 2.1 创 91.9%，CTF 命中率 96.7%。

为什么值得关注：模型之间的参数竞赛已经让位于"Harness 工程化"——真实用户交互数据正在成为训练新护城河（Grok 4.5 即例证），而"谁能沉淀稳定开发者生态"才是下一阶段的胜负手，而非发布会声量。

三、2026 世界机器人大会与人形机器人运动会：具身智能从"能跑会跳"到"能想会干"

8 月 19 日，2026 世界机器人大会在北京亦庄启幕，主题"人机共生 产需共融"；8 月 22—23 日，第二届世界人形机器人运动会在速滑馆开赛，666 支队伍、2056 台机器人、51 个项目。两场活动共同把具身智能的叙事往前推了一步：

  • "长了眼睛和脑子"：北京人形机器人创新中心的"天工 Omni"稳踏梅花桩、上下楼梯、匍匐爬行；安川首钢的 MOTOMAN NEXT 基于视觉伺服与自主路径规划完成线缆柔性组装与码垛，不再"傻傻按固定程序重复"。
  • 体育成为高动态 benchmark：Galbot ET1（银河通用）在开幕式上与人对打乒乓球，需实时追踪快球、预测轨迹、维持平衡并协调全身挥拍；天工 Ultra 跑出 9.39 秒百米（快于博尔特 9.58 秒），多平台进入"可持续 sub-10 秒"区间。
  • 大脑+小脑架构落地：Galbot 称其系统"大脑"做态势决策、"小脑"协调走位/平衡/挥拍，训练结合人体动作数据与虚拟仿真（多智能体在虚拟环境互练）。

为什么值得关注：当机器人能在非固定、快速变化的物理环境里持续完成长程任务，"具身智能从功能拼凑迈入协同进化"不再是一句口号。但 humanoid.press 的赛后分析也点出关键未解问题：峰值运动指标（百米、跳高）与"可重复、可靠地完成经济相关任务"之间仍有巨大鸿沟——成本/小时、平均无干预时长、跨任务再部署难度，才是决定量产的硬指标。

四、学术研究：代码智能体走向"形式化验证"

8 月 22 日 SciPaperMill 汇总的最新代码生成研究（46 篇）显示，领域正从"能写代码"迈向"能证明代码正确"：

  • Repo0（上海交大、重庆大学）：把仓库架构视为持续演进的状态，用模块化指标迭代细化组件边界，提升大规模代码生成的功能覆盖率。
  • TDD-Agent（北航）：模仿人类测试驱动开发，先生成可执行测试再实现，用执行反馈双向精炼代码与测试。
  • PRAXIS（北大、新国立）：针对 LLM agent 缺乏"隐性知识"（未文档化的业务规则），在代码依赖图上模拟人类开发流程主动注入，跨 OpenHands/SWE-Agent、DeepSeek-V3.2/GPT-5.5/Qwen3.6 泛化。
  • Vero（UC Berkeley、Stanford、AWS）：在 Lean 4 上评测 agent 的"实现 + 证明"联合能力，揭示当前 agent 在仓库级组织与可复用引理库上的短板。

为什么值得关注：当 AI 写的代码进入工业与监管场景，"跑通 demo"不够，"可被证明正确"才是信任门槛。Vero 这类基准预示着下一站：AI 生成的不再只是代码，还有代码的正式验证。

快讯

  • 欧盟 AI Act 正式生效：监管从纸面走向实操，CBRN（化学/生物/放射性/核）评估、越狱抵抗力、网络安全评估成为企业采购关键指标。
  • 安全即能力成为差异化卖点：GPT-5.6 配分层防护（模型级拒绝训练 + 实时生成监控 + 账户级行为分析）；Claude 系列提示注入防御领先，Opus 4.5 注入成功率仅 4.7%。
  • 量产节奏加速：Figure 03 达 1 台/小时（已破千台），智元 AgiBot 累计 1.5 万台，宇树目标 2026 年 1–2 万台+，具身智能从 demo 叙事进入"产线 + 交付"硬指标阶段。

小结

今天四条主线拼出同一张图：开源生态反超（中国下载占比 41% 首超美国 + DeepSeek 开源 Harness）正在改写开发者入口的归属；编程智能体卷向 Harness 工程化（Trae 3.0 / Qoder / Muse Code / Grok 4.5 / Claude Fable 5），真实用户数据成新护城河；具身智能从能跑会跳迈向能想会干（机器人大会 + 运动会，乒乓球与百米破纪录），但可靠量产仍卡在"峰值指标 vs 经济相关任务"的鸿沟；代码生成走向形式化验证（Repo0 / TDD-Agent / PRAXIS / Vero@Lean4），把"可被证明正确"推上信任门槛。agent 从"能写"走向"能交付、能验证、能上产线"，是这一周最清晰的信号。