Nº1 · harness 范式
Harness Continual Learning：持续学习从模型参数走向 harness 层——"守卫演化"把关机制
维度 D1 框架/harness · D4 记忆 · D5 治理
装备栈可落地零件改变工作方式
事件：arXiv 2608.19013（机器之心 8-28 报道）。HCL 新范式：持续学习状态从模型参数转移到 harness（prompts/memories/tools/skills/routing rules），模型冻结而 harness 进化；首次定义 harness-level forgetting（harness 更新破坏早期行为，模型未变也发生）。四组件：Task Interface / Experience Memory / Capability Map / Adaptive Router；核心机制 guarded harness evolution——Optimizer 从执行后反馈生成候选，Evaluator 提交前三检查（当前改进/历史保留/有效性），更新生成与状态提交分离。文本推理/多模态感知/开放世界交互实验相对基线增益 >10%，stability-plasticity 权衡可显式调节。
PAAS 关联（D1 harness + D4 记忆 + D5 治理）PAAS 正是"模型冻结、harness 进化"的现实实例——宪法/gate/插件/KB/TSS/compaction-shadow 全在冻结模型外。guarded evolution 的"提议-评估-提交分离"与 oracle 双点审核/回滚机制同构，可提炼 METHOD；harness-level forgetting 为宪法④（不可逆操作先确认）提供理论名词；与第 6 期 Compaction Cliff 结论互证（harness 状态更新会破坏既有行为）。行动：候选 METHOD 卡 + harness-level forgetting 审计。
来源：arXiv 2608.19013 · 机器之心 8-28
Nº2 · 模型
GLM-5.3-Flash 上线：原生多模态+混合架构，AA 57 分持平 Opus 4.8，定价仅 GLM-5.3 的 1/10
维度 D8 支撑模型 · D1 装备栈
装备栈模型层实质影响改变工作方式
事件：智谱 8-27 发布（商汤大装置国产算力）GLM-5 系列首个原生多模态模型：320B 总参/18B 激活混合架构（稀疏+线性注意力，注意力计算 -3.01x、KV 缓存 -4.44x vs GLM-5.3）；上下文 1M/输出 128K；AA 综合智能指数 57 分超 GLM-5.2、持平 Claude Opus 4.8，Z.ai Code Bench 编程接近 Opus 4.8；定价约 GLM-5.3 的 1/10（限时 1/20、Opus 4.8 的 1/40）；视觉融入 Coding 循环；GLM Coding Plan 额度翻 3 倍、非高峰时段耗标准积分 50%。"牛来/Ox Alpha"已被智谱认领即此模型（infoq/pandaily 交叉证实）。
PAAS 关联（D8 模型 + D1 装备栈）PAAS ZCode 工具 agent 现行模型即 GLM-5.3-FLASH——Flash 档换代直接命中 settings 型号配置；AA 57 分 × 1/10~1/40 价格=Flash 档进入前沿区间，委派成本数量级变化；非高峰 50% 与 DeepSeek off-peak 半价同向，峰谷计费成国产 API 主流，无人值守调度可统一参照。行动：评估 Flash 档换装量化 + 1M 上下文对长会话/影子回载的影响。
来源：智谱官方模型文档 · 科技日报 · InfoQ 实测 · Pandaily
Nº3 · 长程自主
Qwen3.8-Max 2.4T 开源旗舰 + 16 天长程自主编程实证（空文件夹→自动进化代码工厂）
维度 D8 支撑模型 · D7 自主长任务
装备栈改变工作方式模型层实质影响
事件：阿里 8 月初发布 Qwen3.8-Max（2.4T MoE/A95B 激活，原生 256K 上下文，开源免费权重），定位复杂长程任务+自动编程旗舰；8 月下旬长程实证集中落地：apidog 实测 16 天自主运行（Claude Code 架构下空文件夹连续运行，自主搭出"可进化的代码工厂"）；品玩实测"从会写代码走向能交付任务"；zhiding 12 个真实任务小考（8-19）。去重：Qwen3.8-Max 编码旗舰发布本身从未被收录（此前 Qwen 仅作为 nanoGPT 实验模型列举/计算机使用模型出现），本条收发布+长程实证增量。
PAAS 关联（D8 模型 + D7 自主长任务 · 观察+跟踪）开源 2.4T 权重=DSH settings 自托管/低成本候选线，委派预算敏感场景参照；16 天级长程自主从实验走向真实项目交付实证——对 goal 循环/无人值守长任务的时长预期与可靠性设计有参照；"空文件夹进化出代码工厂"=harness 级能力积累，与 Nº1 HCL 互证。PAAS 无自托管推理线，列为观察+长任务案例库。
来源：Qwen 官方博客 · apidog 16 天实测 · 品玩实测 · zhiding 小考
八维扫描状态
| 维度 | 本轮 | 备注 |
|---|
| D1 框架/harness | 收录 Nº1 | HCL 论文（harness 层持续学习范式）；@deepseek-ai/dsh 仍 0.1.1-rc.2（实测，裸包 dsh=2016 node-dsh 老包排除）；deepseek-harness 保留包登记 dsh-tui 开发中（弱）；Claude Code v2.1.246 小更新无机制增量 |
| D2 编排 | 无主线 | zenodo "Deterministic Orchestration of a Fleet of LLM Agents"（8-12）弱信号，被 Nº1 守卫演化思想覆盖 |
| D3 上下文工程 | 旧线增量 | Rate–Distortion 记忆压缩（2607.08032）+ Structured Context Eviction（2606.11213）在第 6 期 Compaction Cliff 线内，无独立新机制 |
| D4 Agent 记忆 | 归入 Nº1 | HCL Experience Memory 组件；Agent Memory Distillation（2608.07169，教师→小模型蒸馏记忆）同行弱信号无直接行动点 |
| D5 技能/协议 | 无新增 | MCP SDK v2 第 6 期已收；Agent Plugins 1.0（forkast 重发）=第 2 期旧闻重推跳过 |
| D6 评估/可观测 | 低 | Arize AX "AI factory for self-improving agents"（8 月，商业产品判据<2 不收录，recorder 路线参照）；Agent's Last Exam / Toolathlon 8 月榜单数据点 |
| D7 自主长任务 | 收录 Nº3 | Qwen3.8 16 天自主编程实证（真实项目交付级）；LocalLSTC（2608.25777 GUI 长短期控制）弱信号 |
| D8 支撑模型 | 收录 Nº2 + Nº3 | GLM-5.3-Flash（8-27，Opus 4.8 同级 1/10 价）；Qwen3.8-Max 2.4T 开源+长程实证；Tencent HY4 Preview vs Qwen3.8-Max 弱 |
毕业候选（待拍板）
- HCL 守卫演化原则（METHOD 候选）："变更生成与提交分离 + 提交前三检查"提炼为装备治理原则，对照 oracle 双点审核与宪法④；先做一次 harness-level forgetting 审计（历次配置/插件变更是否破坏过早前行为，素材=近失事记录）
- GLM-5.3-Flash 换装评估（DEC 候选）：ZCode 工具 agent 档 GLM-5.2→5.3-Flash 量化——AA 57 分持平 Opus 4.8 × 1/10~1/20 价格 × 1M 上下文，对照现行模型栈与 DeepSeek 谷价线
- Qwen3.8-Max 开源线跟踪（观察级）：开源 2.4T 纳入"开源 vs API"成本分叉参照；16 天长程实证纳入长任务可靠性设计案例库