AI 日报 · 2026 年 10 月 3 日 · 星期六
AI 前哨
DeepSeek 开源智能体 Harness 进入公开预览
DeepSeek 宣布开源智能体 Harness 面向全球进入公开预览，提供 macOS 和 Windows 桌面应用，也可通过 npx @deepseek-ai/dsh web 启动 Web UI。同日，Airbnb CTO 披露公司 60% 代码已由 AI 编写，功能交付量同比增长近 80%。
前沿动态
NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 推出 GPT-6 Astra Ultrafast，运行在 NVIDIA Blackwell GPU 上，token 生成速度最高可达 Astra Standard 模式的 8 倍，现已通过 OpenAI API 向符合条件的 ChatGPT Work 和 Codex 用户开放。
AI2 发布 Olmo-core 3，面向万亿参数 MoE 的开源训练框架
AI2 发布 Olmo-core 3，这是其大语言模型训练框架的一次重要升级，重新设计了开放的 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。
arXiv · cs.AI一手论文：多用户多智能体团队为何比单一协调者表现更差
arXiv 论文 Worse Together 研究多用户多智能体协作，在 API key、诊所、个人助理、合并队列四类共享资源环境中，用五个前沿模型、77 个场景对比单一协调者与各服务一名用户的团队。
arXiv · cs.AI一手Kepler：面向 ARC-AGI-3 的可审计世界模型 harness
论文提出开源 harness Kepler，把假设表示为可执行世界模型，并通过回溯转移检查和条件预测检查加以验证。在固定的 Claude Opus 5 配置下，Kepler 在全部 25 个公开游戏上取得服务器验证的 100.00 RHAE，未做逐游戏模型选择或按分数重跑；183 个已完成关卡中有 181 个的最终 Opus 尝试所用动作数不超过对应人类中位数基线。
arXiv · cs.AI一手研究：Agent 任务中模型与 harness 的匹配关系
一篇 arXiv 论文评估了 66 组配置，用 OpenHands、DeepSeek Harness、PI、openJiuwen 四种 harness 搭配五个模型，在 TUA-Bench、ALE-CLI 和 Terminal-Bench 4 上测试，并加入 Codex-GPT 与 Claude Code-Claude 原生组合。
NVIDIA DGX Spark 推出 64GB 版本，支持本地运行 100B 参数模型
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 NVIDIA AI 软件栈，可在本地运行最高 1000 亿参数模型。
工具与项目
DeepSeek 开源 Harness 进入公开预览，支持 macOS 与 Windows 桌面端
DeepSeek 宣布开源智能体 Harness 面向全球进入公开预览，提供 macOS 和 Windows 桌面应用，也可通过 npx @deepseek-ai/dsh web 启动 Web UI。
实践与方法
Latent SpaceAirbnb CTO 谈 AI 转型：60% 代码由 AI 编写，异步 Agent 开始接管 on-call
Airbnb CTO Ahmad Al-Dahle 介绍公司 AI 转型进展，目前 60% 的代码由 AI 编写，功能交付量同比增长近 80%，工程师人均 PR 吞吐量提升约 1.6 倍。
ServiceNow 发布 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 提出 AutoSynthData，用目标模型的失败和更强教师的成功来定位能力缺口，再生成并验证新的可执行任务用于后训练。
AWS Machine Learning Blog一手AWS 用 Amazon Quick 与 Adjudicated Query 模式批量核查数万份租赁合同
AWS 提出 Adjudicated Query 模式，让 Amazon Quick 聊天界面负责把自然语言问题翻译成对固定 MCP 工具集的调用，实际合规判定由确定性规则引擎完成，模型不写查询也不做判定。
AWS Machine Learning Blog一手AWS 用 Amazon SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，以 nDCG@10 作为轨迹级奖励，只改动 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数。