每日新闻｜2026-10-17
时长约 16 分 27 秒（贴片后）。旁白：Gemini Puck。
10 月 17 日的每日新闻，接着昨天关于“能不能信 agent”的讨论，把镜头转到工程现场：Google 谈如何用确定性断言和固定数据集评测 agent；Claude Code Review 分档开放；Anthropic 介绍 Scion 版本管理与 Managed Agents 的会话/推理/执行拆分；MiMo 任务环境被发现残留 Git 答案；另有 TRL 树状打包省训练算力、微软 MAI-Base-2、Step 5 Preview 权重，以及 Kling 4.0 与 FLUX 3 Klein 的发布。
本期听点
- Google：从用户任务到回归测试的 agent 评测方法：先读轨迹，再写确定性断言与通过/失败标准，固定数据集比较每次修改，线上失败补入回归集；勿依赖模糊五分制。
- Claude Code Review 对 Team/Enterprise 正式开放：Quick/Standard/Deep 三档；未给漏报/误报或成本对比，不宜替代人工审查与测试。
- Anthropic Scion 版本管理：应对 agent 并发下的海量合并（据称日均从约 2500 次升至超 3 万次）；更多操作放服务端，按需取文件。
- Claude Managed Agents 持久工作流拆分：会话记录、推理循环与执行环境分离；凭证可留在执行环境外。
- Vals AI：MiMo 编程任务环境残留解答：据称 2698 个已发布任务中 1795 个含遗留 Git 对象解答；是环境泄露比例，非模型作弊率。
- Uber Minion 编程智能体基础设施：模型网关、上下文图谱、云工作区、测试与生产流量回放；据称约 15% 生产 PR 经过 Minion（采用率，非工时节省）。
- Browserbase：把失败写成 agent 技能；另见 用 Codex App Server 构建智能体界面。
- TRL AsyncGRPO tree packing：共享前缀只算一次；作者称在 MiMo 环境达同等奖励时训练算力约少 26×（据称）。
- 微软 MAI-Base-2：据称约 2.8T–3T 总参、约 800 亿激活；自有验证数据上称匹敌 DeepSeek-V4-Pro-Base、训练算力约少 12 倍。
- 阶跃星辰 Step 5 Preview 权重：BF16/FP8 上架 HF 与 ModelScope，登陆 FeatherlessAI。
- 可灵 Kling 4.0 全量开放：新增 MCP 与 CLI；即将 4K/1080p 10-bit HDR。
- Black Forest Labs FLUX 3 Image Klein（5.6B）：文生图/编辑、最多 10 张参考图；Diffusers 边界框布局。
说明
本期只复述公开来源中的信息，公司或项目自述的数据未经独立核实，文中以“据称”标注。
音乐致谢
片头/片尾音乐：Ondrosik — Short piano jingle，经剪辑淡入淡出后用作 his.fm 贴片。原曲以 CC0 1.0 发布于 Free Music Archive。CC0 不要求署名；此处致谢作者。
