Loop 日报: 2026-10-22

这一期 autoresearch 交出了一个真模型。Recursive 发布了 Flint，一个开放权重的 40B 混合专家编程模型，激活参数约 2.5B，从零做起不到四个月，数据、训练配方到推理内核，它的自动研究系统几乎每一层都参与了；同一天 Mirendil 说，一个研究员用 3.5 个月、不到 1000 万美元算力从头预训练了一个 1000 亿参数以上的编程模型，代码 99% 以上由 agent 写。值得对照的是谁握方向盘：Mirendil 让人来选方向、决定哪些结果可信，Recursive 想把更多研究环节本身自动化。上周那场数学爬坡还在继续，QRH 的界一天之内推进了五次，来了第一个外部贡献者的 PR，还有一个带 Lean 验证器的 CPU 搜索，找到了 GPU 路线漏掉的改进。反向的声音来自认真读论文的人：Harness² 论文自己的失败分析显示，它曾在 55 分和 95 分两个候选里选了 55 分；另一项研究发现，在已经饱和的任务上，harness 进化打不过单纯加推理预算；亚马逊一条工具描述写错，悄无声息地造成 6.1 万次错误，由此得出本期最干净的一条规则：提出改动的那一方，永远不能决定改动有没有用。底层管道上，agent 循环正在搬出沙箱，测试正在收进可信的统一入口，重试开始带上幂等键。