Loop 日报: 2026-11-06

权重编辑在同两天里迎来第一次实物测试和第一个联赛。Opus 5.5 改了一个机器人策略的权重，在一块 RTX 4090 上用 111 分钟把任务时间缩短约 30%，不过同一团队承认权重本身只贡献 4% 到 12%，而且今天权重编辑能做的大多在代码里也能做。Open Kernel Challenge 给出本周最清楚的成本差距：一位选手花了约 1.4 万美元 token 排到第 38，另一位靠一个 40 小时的线程、20 美元排到第 92。清醒的发现来自其他地方。十道抗体题的评测显示，每个附加能力修好一处又弄坏一处；一个被广泛转发的“模型内 agent”其实多数 token 是强制写入的；一个本地 harness 在自家基准上从 77% 爬到 99%，上了 Terminal-Bench 4.0 却只解出 6 题中的 1 题。研究者查了 36,487 个仓库，发现循环几乎都有触发器，却远没那么常有检查、状态和退出。