🔥 今日看点
- 「决策模型（Decision Model）」在同一天迎来两枚重磅开源：AWS 放出 Strands Decider 2B，Cloudflare 放出 Clef / Clef-flash，两者均以 Apache 2.0 许可、可本地自托管，且都直接对标 TypeSafe AI 的 Jev。围绕「用大模型写一段解释」和「用决策模型直接给出带概率的选项」的成本之争，正式从概念走向开源军备竞赛
- 谷歌 WikiSkill：给 Agent 建一座「失败知识库」：Google Research 联合 Virginia Tech 提出新框架，在「原始执行轨迹」与「可复用技能」之间插入一层结构化 wiki，把被拒绝的补丁、失败的诊断持久化下来，避免系统反复重蹈覆辙。实验中它让 9B 的 Qwen 反超 27B 模型
- Earendil 发布 Pi 1.0，把「最小 Agent Harness」推向稳定版：这个每周被数十万人使用的编码 Agent 框架发布 1.0，新增 Codemode（原生 MCP + Jev/图像等非 LLM 模型）、延迟工具加载、Anthropic 缓存预热、对话中途系统消息等，并同步推出面向长时任务的实验包 Pi Durable
- 价格战进入「按任务成本」阶段：OpenAI GPT-6.1 Sol 以 Astra 的 1/5 价格逼近其性能，并推出 300 tokens/秒的 Ultrafast 档；Anthropic Claude Sonnet 5.5 则把单任务总成本压降最多 30%——两家都在把叙事从「每 token 单价」转向「跑完一件事要花多少钱」
📰 模型与平台动态
AWS：开源 Strands Decider 2B，一个「跑在 Agent 工作流里」的决策模型（10/1）
Amazon 加入决策模型竞赛，发布 Strands Decider 2B：约 20 亿参数、基于阿里 Qwen3.5-2B 微调，Apache 2.0 许可、可免费从 Hugging Face 下载（硬件/算力自备）。做法很直接——移除「预测下一个词」的组件，换成一个小型「指针」组件给候选答案打分，再叠加 rank-16 LoRA 与约 100 万个新参数（架构代号「Hobson」），单次前向传播即返回选项上的概率分布。用途是给更强的生成式 Agent 当高频、窄口径的检查点：路由请求、选工具、评估输出、复核 Agent 动作。延迟方面，AWS 称短任务为几十毫秒；官方图表显示 v18 在本地 RTX 3090 上中位 106ms、P95 296ms（含 HTTP 往返），M3 MacBook 小任务中位约 150ms。它属于 Strands Labs（AWS 实验性 Agent 项目），将随代码、训练数据与脚本一起发布 v20。
Cloudflare：开源 Clef 决策模型 + 新 RL 微调平台，登顶 Jev Decision Index（10/1）
Cloudflare 发布自研决策模型 Clef 与 Clef-flash，托管在 Workers AI，并在 Hugging Face 以 Apache 2.0 完全开源。官方称 Clef 目前在 Jev Decision Index 上排名第一，且完全兼容 Jev API。差异化卖点有三：带视觉编码器（可直接分类图像，Jev 目前只做文本）、64k 上下文（Jev 为 32k）、以及质量领先。Cloudflare 内部用它在威胁情报里给域名分类：同一个「抓取+渲染+分类」流程，Clef 用 2.2s，而最快的通用 LLM gpt-oss-120b 要 4.7s 且只返回两个分类，约 2 倍提速。同期它还首发强化学习（RL）微调产品，让客户把 Clef 微调到自己的场景。
OpenAI：GPT-6.1 Sol「Astra 级性能、1/5 价格」，并推 Ultrafast 高吞吐档（9/29）
GPT-6.1 Sol 定价为 $2/百万输入、$0.10/百万缓存输入、$10/百万输出——未涨的输入输出价，缓存输入还从 $0.20 砍半到 $0.10；对比旗舰 GPT-6 Astra（$10/$1/$50），等于标准价正好是 Astra 的 1/5。OpenAI 称其在 DeepSWE v1.1（真实代码库长周期工程）上以 1/5 成本追平 Astra，并比 GPT-6 Sol 最佳成绩高 6.4 个百分点；在 GDP.pdf 上超过带 fallback 的 Claude Opus 5.5、成本不到其一半。同时正式推出 Ultrafast 推理档：Codex 中最高 8 倍、API 中 6 倍加速，峰值 300 tokens/秒，但 API 价格为标准价 6 倍——面向「延迟比 token 成本更关键」的场景。
Anthropic：Claude Sonnet 5.5 发布，能力逼近 Opus 5.5、单任务成本最多降 30%（9/28）
Sonnet 5.5 是 Anthropic 中端主力升级，生成速度快 30%+，并靠用更少 token、更少工具调用把单任务总成本压低最多 30%——是「完成任务的总成本」而非单纯降价。API 价格维持 $2/$10，缓存读 $0.20、缓存写 $2.50。多项自评逼近旗舰 Opus 5.5：GDPval-AA 1844 vs 1846、OSWorld 2.1 80.1% vs 81.8%、Terminal-Bench 4.0 70.6%（反超 Opus 的 66.4%）。客户实测：Box 快 2.4 倍、少 12% token；Zendesk 工单处理快 20%；Slack 少约 14% 输出 token；Lovable 少约 1/3 工具调用、约一半 shell 执行。官方定位明确——把「Opus 级能力」下放到日常编码/文档/表格/界面的中端价位。
🤖 Agent、产品与治理
Earendil：Pi 1.0 发布，一个「硬化、最小、可扩展」的 Agent Harness（10/1）
Pi 1.0 正式发布，官方称全球每周有数十万人使用，历经数月打磨进入可依赖的稳定版本。1.0 新增：Codemode（原生支持 MCP，以及 Jev、图像模型等非 LLM 模型）、虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息（上下文感知的 prompt 与工具变更）、新 TUI 主题、默认全屏。官方强调「克制」：不追逐每周都变的新潮 agentic 工具，只采纳被证明有价值的特性。同时发布实验包 Pi Durable——面向长时运行的 agentic 应用的新底座，延续「最小 + 高度可塑」原则。两者均 MIT 许可，安装 curl -fsSL https://pi.dev/install.sh | sh，代码在 github.com/earendil-works/pi。
Google Research × Virginia Tech：WikiSkill，给 Agent 一座「失败知识库」（10/1）
Agent 能从成功/失败轨迹里演化出可复用技能（skills），但现有技能演化框架常丢掉诊断过程——优化器读完轨迹、提出补丁，然后连同「哪些修复被验证否决」一起丢弃，导致反复重蹈同一失败。WikiSkill 在「原始经验」与「技能」之间插入一层结构化 wiki：Raw 层存不可变的执行轨迹，Wiki 层把轨迹转成结构化知识（含反复失败模式页、演化日志、技能影响追踪器），Skill 层存放可执行技能并回链到其来源模式。每个演化周期四步：推理 Agent 跑任务生成轨迹 → Wiki 维护者更新 wiki → 技能提议者读 wiki 提新技能 → 在验证集上评估、只有提升才保留。灵感来自 Karpathy 的「LLM Wiki」。ALFWorld 案例中，系统首轮提出的宽泛技能被拒，但 wiki 保留了该模式，下一轮据此生成更具体的「永不把物品放回原位」规则并被采纳。论文称其超越既有技能演化方法，收益随模型规模增长、且技能可跨模型迁移——甚至有测试中让 9B Qwen 反超 27B 模型。
OpenAI：Dots「常驻 AI 同事」+ ChatGPT Space，从「问答」转向「托付工作流」（9/29）
DevDay 2026 上，OpenAI 推出 Dots——一种持续运行的 AI Agent，员工关掉对话框后仍继续工作：监控项目、操作软件、响应变化，并把完成的工作交回审批。Dots 跑在旗舰 GPT-6 Astra 上，自带云电脑与浏览器，在 ChatGPT 移动端/网页端可用（CEO Sam Altman 称很快登陆其他消息应用，甚至以语音模型形式「打电话」可用），可经插件生态接入 4000+ 应用，并通过 ChatGPT、Slack、Microsoft Teams 与用户沟通。配套的 ChatGPT Space 是新的协作层，让员工、ChatGPT、Codex 与 Dots 在同一共享上下文中协作，取代表现层的 Library（Pro/Business/Enterprise）。核心转变：从「生成内容」转向「持有工作流」——员工设定目标与标准，Agent 持续跟进。
Autoheal：管理「AI 编码 Agent 留下的烂摊子」，宣称单任务成本最多降 30%（9/29）
旧金山初创 Autoheal 走出隐身，宣布由 Innovation Endeavors 领投的 790 万美元种子轮，并正式 GA 其平台。它自称「自我改进的软件工厂」：把编码 Agent、代码库、构建/部署工具、监控系统、云环境与 issue 跟踪器接入一个共享上下文层，预置并允许自建 Agent，处理事故排查、漏洞修复、发布准备、支持升级与 AI 编码成本管理。典型流程：先用规则聚类告警→Agent 关联日志、追踪、近期部署与代码差异→在事件频道贴出证据与根因假设→对低危事件在沙箱验证修复并开 PR（合并仍由工程师掌控）。其卖点是**「Agent 互相审查」的反馈闭环**，官方称单任务成本最多降 30%，并配 3 周、由驻场工程师主导的评估。
🛠️ 开源与工具链
GitHub Trending（今日）
- NVIDIA/OpenShell（Rust，+2,456，今日最高）——「面向自主 AI Agent 的安全、私有运行时」
- DietrichGebert/ponytail（JavaScript，+1,194）——让 AI Agent「像房间里最懒的资深工程师那样思考：最好的代码是你从没写过的代码」
- mattpocock/skills（Shell，+883）——「面向真工程师的 Skills」，直接来自作者的
.agents目录 - mvschwarz/openrig（TypeScript，+642）——把 Claude Code、Codex 与 Pi 编成一个 Agent 网络：持久团队、角色分工、共享上下文
- heygen-com/hyperframes（TypeScript，+627）——「写 HTML，渲染视频，为 Agent 而生」
- pbakaus/impeccable（JavaScript，+495）——让 AI harness「更懂设计」的设计语言
- obra/superpowers（Shell，+455）——可用的 agentic skills 框架与软件开发方法论
- mksglu/context-mode（TypeScript，+362）——面向 AI 编码 Agent 的上下文窗口优化：沙箱化工具输出（号称缩减 98%）、持久会话记忆、跨 17 平台路由
- cursor/plugins（TypeScript，+150）——Cursor 插件规范与官方插件
榜单继续围绕 Agent 安全运行时 / Agent 技能与记忆 / 多 Agent 编排 / Agent 载体 收束——决策模型开源化与 Agent 基础设施标准化同步加速。
Hacker News 热榜交叉点
- Pi 1.0（686 分，今日全站第一）——Earendil 官方发布帖，与上文同源
- Introducing Clef（410 分）——Cloudflare 开源决策模型 + RL 微调平台
- RIP, vector database（267 分）——turbopuffer 关于「向量数据库之死」的反思，直指 RAG 架构正在被「基于推理」的方案取代
- Git 3.0 的 SHA-256 默认值将是一次昂贵的错误（186 分）——版本控制底层迁移的工程争论
- Show HN: Janus（44 分）——用 Vulkan 在 AMD/Intel/Nvidia 上跑 GGUF 模型的 Go 二进制文件，继续压低本地推理门槛
- Context Language Models（arXiv，100 分）——面向「上下文」建模的新论文方向
arXiv cs.AI / 工程近期论文（选摘）
- Context Language Models（2609.37725）——以「上下文」为核心的语言模型建模范式
- WikiSkill: 面向 Agent 的可持久化技能演化知识层——把失败诊断沉淀为可复用知识
📌 一句话总结
今天最鲜明的主线是**「决策模型开源化」：AWS 的 Strands Decider 2B 与 Cloudflare 的 Clef 在同一天以 Apache 2.0 落地，一个主打「单次前向传播、几十毫秒给出带概率的选项」，一个主打「带视觉、64k 上下文的 Jev 兼容、Jev Decision Index 第一」——把「与其让大模型写解释，不如让决策模型直接打分」这条路线推向军备竞赛。与之呼应的是两条 Agent 工程主线**：谷歌 WikiSkill 用「失败知识库」让技能演化不再反复踩坑（甚至 9B 反超 27B），Earendil 的 Pi 1.0 把「最小、硬化、可扩展的 Agent Harness」推上稳定版并延伸出 Pi Durable。模型侧，GPT-6.1 Sol 以 Astra 的 1/5 价格逼近旗舰、Sonnet 5.5 单任务成本再降 30%，配合 OpenAI Dots 常驻同事与 Autoheal 收拾 Agent 留下的运维摊子，共同说明——竞争焦点已从「谁更聪明」彻底转向「谁更便宜、更可控、更可被托付长期运行」。