第二届世界人形机器人运动会开幕
9.39 秒抢眼，自主控制才是真考题。
小岛AI 日报
总第 28 期 2026 年 08 月 23 日 · 星期六 19 条信号
XIAODAO AI DAILY 捕捉信号，附带判断
头版 · 本日长文
100 亿向量塞进 AlloyDB，专用向量库的边界松了
四层 ScaNN 把搜索空间压到 O(N^1/4)，但 51 毫秒只是内部测试。看懂尾延迟、召回率和 Preview 边界，才能决定 RAG 要不要搬家。
读全文 →Anthropic SDK 1.0，最危险的改动不会报错
HTTP 底层换成 httpx2 后，普通调用多半能跑，APM、HTTP mock、异步原始响应和 Bedrock 配置却可能踩坑。这是一份升级前的验收清单。
Codex 能管一群 Agent，还不算调度系统
Codex CLI 0.149.0 把多会话面板和跨会话队列搬进终端。真正难的不是多开几个 Agent，而是让任务所有权、权限、预算与验收都不失控。
Agent 练不出来，先别急着换模型
Google Research 的 EnvHarness 没改模型权重，只让训练环境追着弱点变化，最高多拿 9 分。真正可带回生产的，是让故障轨迹反过来长出回归测试。
机器人百米 9.39 秒，不等于能上岗
赛场把速度和自主控制推到新高，但工厂关心的不是一次冲线，而是连续运行、失败恢复和安全接管。沿着 9.39 秒这条热搜，拆一套具身智能的上线评测合同。
Ling 跑到 1120 tok/s，投机解码别照抄
4 块 B200 把 Ling-3.0-flash 推到 1120 tok/s，但 TPOT 不含首字延迟，接受长度又跟请求分布走。真正能上线的不是峰值，而是一份会拒绝回归的验收合同。
Qwen-UI-Agent 榜单领先，开源开发者还用不上
82.1% 的 MobileWorld 和 92.2% 的真机成绩很亮，但公开目录还没有模型权重与部署入口。顺着这份报告，聊清 GUI 智能体从会点屏幕到能进生产还差什么。
行业 INDUSTRY
模型 MODELS
OpenBMB 推出 MathForm
会写证明不稀奇，Lean 验过才算数。
DeepSeek-V4-Flash-Vision-Exp 发布
实验模型先看边界，别急着看榜单。
LFM2.5 系列 DSpark 推理最高提速 3.18 倍
投机解码快不快，接受率说了算。
阿里发布 Qwen-UI-Agent
榜单会操作，生产还得证明会停手。
产品 PRODUCTS
蚂蚁百灵为 SGLang 推出权重缓存守护进程
亚秒加载很爽，故障域那笔账更贵。
Claude Mythos 5 扩展至更多防御者
不给裸入口，反倒更像能上线的产品。
AlloyDB ScaNN 扩展到 100 亿向量
百亿向量不是炫技，尾延迟才见真章。
Claude Platform 发布 Python SDK v1.0
请求能跑，监控不一定还看得见。
OpenAI 临时下调 GPT-5.6 Sol 价格
临时降价真香，预算别忘了到期日。
Codex CLI 0.149.0 上线 agents 仪表盘与跨会话队列
能管一群 Agent，才刚到控制面门口。
研究 RESEARCH
Ling-3.0-flash 单请求解码延迟降低 54%
1120 很快，接受长度才是真账本。
每个模型都会作弊
提示词能降作弊，环境隔离才兜底。
Hugging Face 揭示 ASR 模型刷榜现象
高分可能只是认出了考场。
Google Research 开源 EnvHarness
模型会进步，训练环境也不能原地踏步。
技巧 TIPS
Anthropic 发布 AI 原生 SDLC 实战手册
代码快了，规划和审查开始堵车。
Claude Code 初创公司指南
人人都能交付，审查债也会一起涨。
本期完 / SAIL WITH XIAODAO AI