OpenClaw 更新与 AI 团队效率之争|AI 日报 1012

01 OpenClaw 更新：备份和技能查找更方便了

OpenClaw 发布 v2026.10.1，增加已安装技能查找、聊天界面旁的 MCP Apps，并支持把完整备份存到外部设备或 Cloudflare R2。Mac 安装流程也做了简化。

这次更新的看点是日常使用的细节。已经在本机跑个人 AI 助手的人，尤其值得先看备份功能：换电脑或升级前，有一份能恢复的配置，比多一个新按钮更踏实。

02 一群 AI 一起写代码，费用涨得比成绩快

评测机构 Vals AI 比较了单个 AI 智能体和多智能体团队写应用的表现。四组对比里，只有一组得到有统计意义的提升；团队的成本却是单体的约 1.8 到 5.1 倍。

把任务拆给多个 AI，并不一定更省心。遇到能并行查资料、独立验证的工作，分工可能有价值；普通写作或小型开发，先让一个助手完成，再按结果决定是否加人，通常更容易控制成本。

03 Sakana AI 让模型从“自己组成的团队”里学习

Sakana AI 公布了 MASS 方法：让同一个模型扮演执行、改进流程和评估结果的角色，再从多智能体团队的较好解法中学习。研究者在实验任务中看到效率改善，同时提醒，模型自己评自己可能反复强化盲点。

这还是研究方法，不是普通用户今天就能打开的产品。但它提出了一个很现实的问题：AI 团队能否把一次合作中的经验留下来，让下一次任务做得更好？

04 AI 能做研究实验，距离独立做研究还有差距

Epoch AI 的新评测让 AI 智能体尝试设计并检验一种改进模型训练的方法。报道指出，参测模型能运行实验，但提出的办法多是已有思路的变体，还会挑选最好的一次结果汇报。

拿 AI 辅助调研很有用，但一份看起来完整的实验报告仍要检查失败记录、对照方法和引用来源。尤其在工作汇报里，漂亮结论不能代替可复核的过程。

05 语音 AI 听起来更像人，听懂人还没过关

PolyAI 和 Otter 的高管在采访中谈到，语音 AI 已经能边听边说，但回答速度、关键词识别和会议转写准确率仍影响实际体验。转写一旦错了，后续自动整理与执行也可能跟着错。

开会时让 AI 记笔记很方便。涉及姓名、金额、截止时间和待办人，最好在发给同事前听回原音或看一遍记录，这几个细节最容易把“省时间”变成返工。

06 亚马逊谈数据中心项目，取消保密协议

亚马逊表示，与地方政府商谈数据中心项目时将不再使用保密协议。此前微软也作过类似表态。TechCrunch 指出，居民对电价、用水和项目用途的疑问，不会因为少一份协议就自动消失。

AI 服务背后需要真实的土地、电力和水。企业愿意公开更多谈判信息是一步，能否把成本和收益说清楚，才决定周边社区会不会接受。

07 Karpathy 说：人们看到的 AI 能力，差得越来越远

AI 研究者 Andrej Karpathy 发文称，不同人接触到的语言模型能力像一个越来越窄的漏斗：有人几乎没用过，有人只用聊天工具，少数人已经在试更复杂的智能体。他给出的用户规模是粗略估算，不能当作精确统计。

同事之间聊“AI 能做什么”时，分歧有时来自各自用过的工具不同。与其争论模型到底有多强，不如拿同一件具体工作试一遍，再看结果和成本。