Loop 日报: 2026-10-19

周五刷新整数乘法纪录的那个免费模型没撑过周末。深入测试后，OpenCode Space Bunny Max 的大部分提案没通过验证，组织者的新判断是前沿模型更擅长先检查自己的工作；真正留下来的是并行 agent 之间的上下文共享策略，周日早上用 Astra 协调一支 agent 车队，十分钟就出了一个新的最优上界，遗忘、fork-and-flush 和 RSI-top 现在都已实现在开放的 auto-research agent 里。本窗最让人清醒的论文 SciΠvot，让五个前沿模型在 248 个真实的研究转折点上，在 agent 原本的研究计划和人的修正之间二选一；四个模型低于随机水平，而给它们项目记录反而更差，因为早先一条「评测问题已排除」的笔记被当成了证据。其他地方，Sol 靶着原始画面帧通过 autoresearch 学会了音游、Asterix 和赛车，有人每天在 RTL 和 FPGA 循环上烧一到二十亿 token，一个足球模拟在对着真实数据调参，一个在代码里设了硬闸门的交易循环拒掉了八笔订单里的五笔，一部宇宙论文本每天慢慢把自己搭成一张 3D 地图，两个礼貌的机器人花了一分钟谁都挂不掉电话，而一项对十个开放排行榜上 3.1 万份提交的预注册研究，明天就会说清楚：踩着另一个模型家族的工作往上走，到底能不能提高晋级的概率。