先说明一点，ENPIRE并不是让Agent直接写控制代码操纵机器人，它更像一个机器人研究员，需要在真实世界里重置实验场景、检索文献、实施想法、验证结果、分析问题，优化下一轮迭代。 与类似code as policy的方法不同，ENPIRE的最终产物的不是一段控制脚本，而是一个真正能够部署到机器人上的Policy。

斯坦福/MIT的研究表明，同一个模型换不同Harness可以产生6倍的性能差距；MarkTechPost的数据显示，三个不同Agent框架跑同一个Opus 4.5模型，效果差了2.3倍。这些数字揭示了一个深刻的产业真相：模型之间的竞赛正在被Harness工程抹平，真正的护城河已经转移。 一个反 ...

简单来说，ENPIRE就是让AI agent自己做机器人研究，让8个Coding Agent，各自控制一台双臂机器人。 Agent们会自己读论文、改算法、训练策略、部署实验、分析结果、总结经验，不满意再换个思路重来。 GEAR的研究员们不用盯着屏幕调参数，只需要第二天早上过来看报告。

衡宇 发自 凹非寺量子位 | 公众号 QbitAI 接近3亿美元ARR！ 中国AI应用层终于跑出一家能用收入说话的公司。 量子位获悉，这家叫演语科技（Evoken）的公司完成近3亿美元B+轮融资，投后估值超过20亿美元。 本轮融资由Granite Asia、腾讯、顺为资本联合领投，HT Investment ...