本期AI前沿动态关注于AI 编程与具身智能领域所释放的重要信号。AI 编程方向，OpenAI 将旗舰终端编码智能体 Codex 以开源形态交给开发者，用 Rust 重写的轻量终端 Agent 覆盖 CLI、IDE 插件、桌面 App 与云端 Web 四种形态；Agent 范式方向，开发者发布 harness-subagent 开源项目，实现 Claude Code、Codex、Grok Build 等不同 Harness 之间的跨框架编排调度；具身智能方向，天工 Ultra 以 38.15 秒打破人类男子 400 米世界纪录，启元机器人开启 Q1/T1 消费级预订并以"消费品逻辑"经营，辉羲智能发布单芯片"大小脑融合"算力平台 R1。具身智能正从"演示"迈入"破纪录"与"被购买"的新阶段。

---

一、OpenAI 开源终端 Codex，编程智能体官方下场

OpenAI 放出官方开源仓库 openai/codex（GitHub 104K+ Star），将用 Rust 重写的轻量终端编码 Agent 正式开源。该 Agent 覆盖 CLI、IDE 插件、桌面 App 与云端 Web 四种形态，生命周期重构后启动速度提升约 25 倍，可本地完成代码编写、调试、重构、测试等全流程开发任务，原生支持多语言开发。

当然，这不是开源模型，也不是开源 Codex产品本身，而是开源驱动Agent运转的执行层。

三大开源组件，怎么选？

第一层： codex exec（命令行工具）
最轻量的接入方式，适合一次性任务、CI流水线、批量脚本。

# 安装
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# 非交互执行单次任务
codex exec "重构 src/utils.ts 中的 fetchData 函数，添加错误处理"

# 指定工作目录
codex exec --cwd /path/to/project "运行测试并修复失败的测试用例"

# 输出结构化结果
codex exec --json "分析当前仓库并输出风险清单" > events.jsonl

codex exec在后台启动exec-server，执行完毕后自动退出，适合无需持久会话的场景。比如在CI流水线里跑一次代码审查：

codex exec --full-auto "检查所有PR中的安全漏洞并生成报告" | tee security-report.md

第二层： Codex SDK（编程接口）
SDK位于openai/codex/sdk，封装了app-server的协议，允许在代码中启动、恢复、编排Agent工作流。

TypeScript版本：

import { CodexAgent } from '@openai/codex-sdk'

const agent = new CodexAgent({
  model: 'gpt-5.6',  // 或任意OpenAI兼容端点
  cwd: '/path/to/project'
})

const thread = agent.startThread()
const turn = await thread.run("诊断测试失败原因并提出修复方案")
console.log(turn.finalResponse)

更完整的用法：

import { Codex } from '@openai/codex-sdk'

const codex = new Codex()
const thread = codex.startThread()

// 流式接收事件
for await (const event of thread.stream("重构整个认证模块")) {
  console.log(event.type, event.data)
}

const turn = await thread.run("请继续完成未完成的任务")
console.log(turn.finalResponse)

安装方式：

npm install @openai/codex-sdk

Python版本：

import asyncio
from openai_codex import Codex

async def main():
    codex = Codex()
    thread = codex.start_thread()
    turn = await thread.run("诊断测试失败原因并提出修复方案")
    print(turn.final_response)
    print(turn.items)

asyncio.run(main())

安装方式：

pip install openai-codex

第三层： codex app-server（核心执行服务器）
这是最底层的接入方式，适合真正把Agent变成产品一部分的场景——需要保持长期会话、持续接收事件、中断任务、暴露工具，并处理人工审批请求。

app-server通过JSON-RPC将应用连接到本地Codex进程，支持持久会话、事件流式传输和人工审批。

# 启动app-server
codex app-server

# 然后通过JSON-RPC与它通信

怎么选？一张表说清楚：

脚本、CI、一次性任务 → codex exec
在代码里启动/恢复任务 → Codex SDK
Agent是产品核心，需要自定义UI、事件流、审批 → codex app-server
这三个入口不是三套不同的Agent，只是同一套Harness面向不同集成深度的三种入口。

影响分析：

前沿实验室首次把旗舰编程 Agent 以开源形态交给开发者，"own your harness" 从社区口号变成了官方参照。对开发者而言，本地长任务、后台 Agent 与自托管部署的体验将被重新定义——不再受限于某个厂商的闭源客户端，而是可以在自己的基础设施上运行与定制。这也是开源协议（Apache-2.0）与 OS 级沙箱安全模型的一次结合，为生产环境使用提供了更透明的工程基础。

二、天工 Ultra 以 38.15 秒打破人类 400 米世界纪录

8月23日，第二届世界人形机器人运动会 400 米（大型组）决赛在北京国家速滑馆举行，北京人形机器人创新中心研发的天工 Ultra 以 38.15 秒夺冠，超过人类男子 400 米世界纪录（43.03 秒）。入围决赛的共 4 支队伍：天工队（天工 Ultra，38.15 秒）、追风仔仔队（39 秒 45）、惊鸿动力队（39 秒 66）、荣耀双驰战队（40 秒 08），后三队均使用荣耀"闪电"机器人。据公开报道，其跑步姿态由强化学习自主习得，而非逐行预编程；团队在一个月内通过减重、加强髋关节、提升整机结构强度并优化运控算法，将速度从约 7 米/秒提升至约 10 米/秒。同日，天工系列还拿下 400 米小型组冠军（天工 Omni，45.66 秒）与 1500 米决赛冠军（天卓队，2 分 21 秒 64）。

影响分析

人形机器人在周期性耐力跑项目上首次稳定超越人类极限，标志着具身智能的"小脑"运动控制层已逼近甚至超越人体极限。三个层面值得关注：（1）技术路径同步收敛——运动控制算法、关节执行器、电池与热管理三条路径在同一赛季出现同步突破，而非单点优化；决赛前刻意保留速度档位（预赛 39.70 秒、复赛 44.6 秒验证、决赛 38.15 秒全开）也显示出成熟的比赛策略；（2）对比数据惊人——去年首届运动会 400 米冠军成绩为 1 分 28 秒 03（宇树 H1），一年时间缩短近 50 秒，行业叙事正从"演示"迈入"破纪录"阶段；（3）全自主参赛——本届运动会径赛项目除障碍赛外均要求机器人完全自主完赛，识别发令枪响、自主循道与弯道控制均由本体完成，其向搬运、家庭服务等长周期任务的迁移价值值得持续追踪。

三、启元机器人 Q1/T1 开放消费级预订，预收货款达 2.1 亿元

8月23日，上纬新材旗下启元机器人正式开启启元 Q1、启元 T1 双产品预订：1000 元订金抵 2000 元，预计 9 月首发交付，线下体验网络覆盖上海、深圳、西安、厦门、广州、杭州、武汉 7 座城市，并同步上线天猫、抖音、B 站等电商渠道。据上纬新材 2026 年半年度报告，报告期内消费级具身智能机器人业务预收货款达 2.1 亿元，研发投入约 1.6 亿元（覆盖 AI 模型、具身智能算法、运动智能、交互智能及轻量化关节等方向）。量产供应链方面，上纬新材已与蓝思科技旗下蓝思智能机器人签约首期万台级产线合作（精密零部件加工、关节模组生产、整机组装），并与卧龙电驱就核心部件产线达成战略合作。产品参数方面，启元 Q1 定位"全球首个小尺寸全身力控人形机器人"（高约 88cm、重约 15 公斤，聚焦具身开发、科技潮玩、家庭陪伴场景）；启元 T1 为可变形个人机器人（站立高约 100cm、重约 16 公斤，支持轮足人形与四足形态自主切换，面向家庭陪伴、户外伴行、影像创作等场景）。

影响分析

人形机器人首次按"消费品逻辑"（预订 + 体验店 + 直播电商 + 定金膨胀）而非"工业设备逻辑"经营，行业从"被围观"过渡到"被购买"。三个层面值得关注：（1）C 端需求真实检验——2.1 亿元预收货款以真金白银验证了个人机器人的家庭需求，"先聚需求、再交付"的模式是商业化进入健康循环的信号；（2）供应链同步就位——万台级产线、核心部件战略合作与 7 城体验店同时落地，说明企业不是"先发布后补课"，而是按量产节奏倒排产能；（3）待验证项明确——从展会演示走向家庭使用，交互体验、安全性、续航与复杂环境适应能力仍需接受真实市场检验，9 月首发交付后的口碑反馈是下一阶段的关键观察点。

四、harness-subagent：跨 Harness 编排让多模型交叉校验

开发者 ptmrio 发布开源项目 harness-subagent（MIT 协议），首次实现跨编程智能体运行框架（Harness）的编排调度。开发者可停留在惯用的主 Harness（如 Claude Code、Cursor Agent、Grok Bot）中，把子任务以一次性子代理（one-shot subagent）形式分派给 Codex、Grok Build、GPT 等其他 Harness 执行，再由主代理综合结果。工具通过 Claude Code headless 模式、Codex exec、Grok Build CLI 等接口实现跨框架调用，并兼容 Agent Skills 规范。项目核心理念是**"另一个 Harness 不是神谕"**——让模型审查自身工作只会复现自身盲区，引入不同厂商模型交叉校验才能暴露单一模型的系统性缺陷。

影响分析

在 OpenAI、DeepSeek 相继开源 Harness 的背景下，这类社区编排工具的出现标志着 Agent 开发范式正从"单框架用到极致"转向"多框架互相补位"。三个层面值得关注：（1）可靠性工程化——用多厂商模型交叉校验来暴露单一模型盲区，是生产级 Agent 提升可靠性的关键方向，"调度哪家模型审哪家模型"正在成为与"选哪家模型"同等重要的基础工程问题；（2）价值层重构——当 Harness 本身成为可被编排、可替换的中间层，模型层与编排层之间的价值分割重新洗牌，模型厂商的护城河进一步被分薄；（3）生态信号——工具兼容 Agent Skills 规范、支持 headless 调用，意味着它瞄准的是自动化流水线与多 Agent 协作场景，而非单机交互场景。

五、辉羲智能发布 R1 算力平台，单芯片实现"大小脑融合"

2026 世界机器人大会（WRC）期间，辉羲智能举行"具身致用，智算筑基"发布会，正式发布面向具身智能的 Huixi Embodied 产品系列：R1 MAX 与全新 R1 PRO 组成 R1 芯片家族，另推出 RCM400/RCM500 核心模组与 RISE 软件栈。其中全新发布的 R1 PRO 是为具身智能原生设计的大小脑融合 SoC，将 CPU、NPU、GPU 及实时接口集成于单颗芯片，在同一芯片上承接感知、推理、决策与运动控制，实现大小脑融合的片内闭环；提供 375 TOPS INT8 AI 算力、16 核 A78AE CPU（支持 1KHz 实时控制）、204.8GB/s 高带宽 LPDDR5，支持 22 路摄像头接入。R1 MAX 则提供 500 TOPS INT8 算力与 24 核 Cortex-A78AE CPU，面向更高性能与长程复杂任务。落地进展方面，R1 芯片（光至 R1）于 2025 年第四季度完成首个标志性量产交付，搭载智元精灵 G2 机器人，并于 2026 年 6 月 23 日至 28 日在龙旗科技江西南昌工厂开启 6 天全透明产线直播作业，累计完成作业 17,625 次、任务成功率 99.99%；另已完成乐聚夸父 Kuavo 4 Pro 人形机器人整机部署。

影响分析

具身智能长期受困于"云端思考、端侧控制"带来的延迟与功耗问题，单芯片"大小脑融合"把算力下沉到机器人本体，是行业从算法秀肌肉转向供应链硬实力的标志。三个层面值得关注：（1）架构范式——运动控制（小脑）与感知决策（大脑）在同一芯片内闭环，减少多芯片协同的通信开销与系统复杂度，端侧实时性与能效比直接决定机器人规模化落地的经济性；（2）数据含金量——6 天不间断产线直播、17,625 次作业、99.99% 成功率以真实工业现场验证了"可并线、可稳定、可批量、可复制"的工业级能力，是具身智能从试点测试迈入规模化部署阶段的可公开检验数据；（3）国产算力链路——R1 与智元、乐聚、自变量（Wall-OSS-0.5 具身基础模型端侧原生运行）等国产机器人及基础模型完成适配，验证了"国产芯片—国产模型—国产机器人"全栈闭环的可行性。

---

总结

8 月 24 日的动态呈现两条清晰主线：AI 编程端，OpenAI 开源 Codex 与 harness-subagent 的跨框架编排，共同指向 Agent 生态的"开放化与可编排"——模型厂商开始以开源形态交出旗舰工具，开发者则拥有了跨厂商交叉校验的工程手段；具身智能端，天工 Ultra 的"破纪录"、启元机器人的"被购买"与辉羲智能的算力"下沉"，分别从运动控制极限、C 端商业化闭环、端侧算力底座三个维度，标志行业正从"演示"走向"量产与真实市场验证"。三者共同指向一个趋势：决定下一阶段竞争的，是生态规则、工程基础设施与数据/量产飞轮的系统级积累速度。

作者：咕泡科技——十年专注AI与IT中高端人才培育

---

 

来源备注：GitHub openai/codex、OpenAI Codex 官方文档、IT之家（世界人形机器人运动会）、科技日报/中国工信新闻网/深圳商报·读创（启元机器人预订，2026-08-23）、51CTO（代码解读部分）GitHub ptmrio/harness-subagent、辉羲智能 WRC 2026 发布资料、快科技，图片（含新闻配图、截图等）均来自上述媒体公开报道及网络公开渠道，如有侵权请联系处理，谢谢！