Daily AI · 2026-09-16

本期主线

智能体正在从云端实验走向可投产的基础设施：一端是本地运行（数据不出设备、无 token 计费），一端是托管 harness（标准化会话与编排）。与此同时，编码场景的竞争从「更大模型」转向「单位任务成本与执行安全」，具身方向则继续验证世界模型驱动落地的可行性。

No. 01

Perplexity 联合 NVIDIA 把本地 AI Agent 推上 Windows

终端智能本地 Agent NVIDIA RTX

事件

9 月 14 日 Perplexity 与 NVIDIA 发布 Portable Computer 本地 AI Agent，9 月 15 日登陆 Windows（GeForce RTX / RTX PRO，需 24GB 以上显存）。模型、agent harness、编排器与调度器全部运行在本地 GPU；默认本地模型为 Qwen 3.8 27B 或 Perplexity 自研 PPLX 27B，仅在某一步超出本地模型推理能力、且用户明确授权时，才把该步骤交给云端更强模型。

硬件门槛把首批用户限制在高端 NVIDIA 显卡；NVIDIA 称本地运行让敏感信息停留在设备端，多步任务无需回传云端。

关注理由

「智能体该跑在哪台机器上」第一次成为用户可主动选择的项：本地运行意味着没有按 token 计费、敏感文件不离开本机。对隐私与成本敏感的企业场景，本地 agent 工作流从演示走向可用，也呼应了是把推理放在设备端、还是放在合作云沙箱的行业分叉。

No. 02

OpenAI Agents API 进入公开测试

AI Agent 托管 harness OpenAI

事件

9 月 10 日 OpenAI Agents API 进入公开测试，9 月 13 日多家开发者简报确认。该 API 把内部 Codex harness 暴露为统一托管端点，负责会话、编排、上下文压缩与故障恢复；应用自行选择工具与执行环境，默认旗舰模型 gpt-6-astra，低价备选 gpt-5.6-terra。智能体可运行在 OpenAI 托管沙箱，或 Cloudflare、Modal、Vercel 等合作环境，不单独收取 Agents API 费用。

关注理由

长时程、带工具的 agent 不再需要从零搭循环，开发者可以把 harness 当作标准基础设施层，专注业务逻辑、工具与权限。这标志 AI agent 基础设施从实验走向生产主流，也把「执行放在托管沙箱还是自托管环境」的取舍交还给使用方。

No. 03

Cognition 发布 SWE-2 编码模型，成本降约六成

AI coding 编码模型 Cognition

事件

9 月 14 日 Cognition（Devin 出品方）发布 SWE-2 编码模型，使用 Moonshot Kimi K3 的 2.8T 参数开放权重视做强化后训练。其在 FrontierCode 1.1 Main 基准取得 50.0%，与 Fable 5.1 相差约 1 个百分点，而推理成本下降 64%。

关注理由

多轮编码 agent 在迭代调试中产生陡增的 token 账单。一个接近前沿基准、却只需约三分之一成本的模型，让持续「测试—修复」循环可以更便宜地跑，直接压低自动化编码流水线的单位任务成本，也延续了「编码能力不一定靠最大参数」的产业判断。

No. 04

Claude Code 按域沙箱化 Bash，收紧自托管执行边界

AI coding 自托管执行安全沙箱

事件

9 月 15 日综述（对应 v2.1.268 / 271 / 272）：Claude Code 在 auto 模式新增 per-command allowed_domains，按域名约束 Bash 执行范围；v2.1.268 对开放网络访问给出安全警告并统一各端定价。更早的 v2.1.259 已提供 managedMcpServers 组织级推送与 --permission-prompts none 无人值守开关。

关注理由

当 agent 执行落在用户自己的网络与机器上（self-hosted machines / environments），缩小无人值守命令的爆炸半径变成刚需。按域沙箱加开放网络警告，把「执行在本地」从便利项变成可审计的安全边界，也是编码 agent 从个人玩具走向企业自托管的关键一步。

No. 05

宇树科技以世界动作大模型实现人形机器人全自主搏击

具身智能世界模型宇树

事件

宇树科技发布新技术，依托 UnifoLM-X2-1.0 世界动作大模型，突破瞬时规划、智能决策与动态交互执行瓶颈，实现人形机器人全自主搏击。该系统具备高动态响应、强场景交互与实时未来预测规划能力。

关注理由

世界模型驱动的人形机器人在复杂对抗场景下规模化落地与商业化部署的基础可行性被验证。在具身智能的技术路线里，世界模型（预测动作后果）与 VLA（输出动作）正走向协同，这类高动态演示把「从 Demo 到可靠落地」的窗口又向前推了一步。