返回资讯列表

每日AI资讯 2026-11-03

AI技巧AI论文行业动态AI工具AI新元素

一、AI 行业动态

Anthropic 修订版招股书:三季度营收 170 亿美元,首次承认「AI 造 AI」加速已近在咫尺(11.02)

正在冲刺纳斯达克 IPO 的 Anthropic 向美国 SEC 递交了修订版招股书(S-1/A),距离首版公开才一周。文件首次披露 2026 年第三季度财务数据:营收约 170 亿美元,同比增长超过 11 倍。更受关注的一段是内部的"交底"——内部测算和对未来模型的预期表明,公司可能很快达到负责任扩展政策(RSP)中「可归因于 AI 的显著加速进展」这一档,也就是一年干完过去两年的研发进度。文件同时承认,受制于"滞后指标",过去就曾没能及时察觉研发加速,未来也可能要等加速发生后才后知后觉。即便内部超过 90% 的代码已由 Claude 接手,公司仍在文件里划出底线:绝不脱离人类监督去做全自动的 AI 研发。把"可能管不住"写进招股书,是这轮融资叙事里最诚实的一段。

美团龙猫发布 LongCat-2.5:1.6 万亿参数,主攻长程智能体(11.02)

美团龙猫团队发布 LongCat-2.5,总参数 1.6 万亿、每 token 激活约 480 亿,定位原生多模态的长程智能体模型。视觉侧把图像表示为多层级离散 token,复用语义对齐编码器并施加残差向量量化,让主干网络统一处理图文输入;智能体能力靠 Agentic RL 链路训练:自动合成任务、可交互环境与 fail-to-pass 可验证用例,配合 partial rollout 异步策略缓解长尾,并用断网、清 git 历史与 LLM judge 抑制 reward hacking。工程上针对国产单卡 80GB 显存优化超节点并行与 FSDP 双重分片,长序列 SFT 单卡吞吐提升 86%。评测中 Terminal Bench v4.0 得 38.5,超过 GPT-5.6-Sol 的 37.3。

注释:W4A4 量化 把模型权重和计算时的数据都压到 4 位(原本通常 16 位),相当于把模型的"字写得极简",显存占用和搬运量大幅下降,代价是精度要靠训练时的补偿手段找回来。

Marvell 1150 亿美元全股票收购 Lumentum:AI 光互联进入整合期(11.02)

Marvell 于 11 月 2 日宣布以全股票方式收购光通信厂商 Lumentum,隐含企业价值约 1150 亿美元(约合 7646 亿元人民币)。每股 Lumentum 换 4.5 股 Marvell,约合 1132 美元,较 10 月 28 日收盘溢价约 23.9%,交割后双方股东分别持有约 67% 与 33%。Lumentum 上财季营收 12.63 亿美元、同比增长 136.5%,净利 3.6 亿美元,并已获得 NPO/CPO 大单、采购承诺超过 50 亿美元。当单卡性能提升放缓,把成千上万张卡连成一台机器的那根"线"就成了新瓶颈——这桩收购是把瓶颈直接买下来。

SemiAnalysis 发布 GDPx 基准:最好的模型做对 12%,成本差 3 倍(11.02)

半导体与 AI 研究机构 SemiAnalysis 于 11 月 2 日发布 GDPx 基准,在芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进、硬件设计、材料科学、对齐与软件工程共 11 个领域、206 道题上评测前沿模型,题目与 14 家专业 RL 环境创业公司合作并经过质检。首期榜单上 Claude Opus 5.5 以 12.0% 总分居首,Gemini 4 Carbon 为 10.9%,GPT-6 Astra 为 9.6%,没有模型在所有领域都第一。真正的分水岭在成本:Claude 单次任务成本约 51 美元,Gemini 略高于 16 美元,而得分更低的 GPT-6 Astra 单次成本约 54 美元。百分位数的个位数提醒了一件事:在最值钱的场景里,今天的前沿系统仍然需要大量人工兜底。

DeepSeek 在乌镇峰会前夕进一步全面开源(11.03)

据光明日报 11 月 3 日报道,在世界互联网大会乌镇峰会前夕,DeepSeek 宣布在已开源的编译工具与推理算子库基础上,进一步全面开源内部推理框架及编解码组件。此前一天,2026 年世界互联网大会"互联网之光"博览会已在乌镇率先开幕,来自 54 个国家和地区的 671 家中外企业与机构参展,带来 1000 余项新成果,30 余款具身智能机器人集中亮相。把推理框架与编解码这类"不出名但卡脖子"的组件放出来,比再发一个模型更能改变别人的成本结构。

一句话总结:今天的主线是"交底"——Anthropic 在招股书里交底可能管不住自己造的速度,SemiAnalysis 用 12% 交底前沿模型在值钱场景里的真实水平,Marvell 用 1150 亿美元交底光互联有多关键,DeepSeek 则用开源交底自己的底座:当行业开始主动交出难看的数字,说明它已经过了只讲好消息的阶段。

二、AI 新元素

前上海 AI Lab 大模型负责人创业:超进化智能拿下数亿元天使轮(11.02 深读)

超进化(上海)智能科技有限公司宣布完成数亿元人民币天使轮融资,本轮由蓝驰创投领投,商汤国香资本、联想之星、英诺基金、水木清华校友种子基金等联合投资。公司今年 8 月成立于上海浦东,创始人陈恺本科毕业于清华大学,博士就读于香港中文大学多媒体实验室(MMLab),师从汤晓鸥教授与林达华教授,此前曾任上海人工智能实验室大模型负责人,是 OpenMMLab 计算机视觉开源算法体系的核心牵头人之一。公司以 RSI(递归式自我改进)为关键技术路径,研发具备元研究能力的基础模型。

它怎么赚钱? 超进化智能卖的不是某个具体应用,而是一种"让模型自己变强"的能力:以 RSI 为技术路径,研发具备元研究能力的基础模型——模型在新场景里发现自己的短板、设计实验、把结论内化进参数,而不是等人来调。上游是算力与数据(成本端),下游是那些"能力需要持续更新、人力调不动"的场景(收入端),比如科研、量化、药物发现这类专业门槛高、迭代快的领域。它现在还处在靠融资养研发的阶段,数亿元天使轮买的主要是时间和算力;真正的考题是:当客户问"我付钱买什么",答案是模型本身,还是模型自我提升的幅度——后者才是它区别于普通模型公司的地方,也是最难定价的部分。

谷歌 TPU 首次在轨运行 Gemma 4:从太空传回 AI 俳句(11.02 披露)

谷歌 Project Suncatcher 的原型卫星于 10 月 1 日入轨,搭载四颗 TPU、供电最高约 1kW,成功运行 Gemma 4 并回传完整响应,这是数据中心级 TPU 首次在轨生成并回传完整 AI 响应。卫星每次只启动一颗 TPU、运行约 20 分钟,后续还将测试热应力与辐射影响,2027 年计划再发两颗带光通信的卫星。团队论文估算:当发射成本降到每公斤 200 美元时,摊销成本约每千瓦每年 810 美元,但需要每年发射约 180 次 Starship;项目负责人称五年内很难比地面便宜。把算力搬上天这件事,第一次有了实测数据而不是 PPT。

宇树 A2 机器狗登泰山夺冠:43 分 41 秒跑完 3100 余级台阶(11.02)

首届 CMG 世界机器人登泰山大赛 11 月 2 日在山东泰安举行,赛道全长约 3.9 公里、包含 3100 余级台阶。宇树科技旗下北京灵翌科技队携宇树 A2 机器狗以 43 分 41 秒的成绩夺冠,其中包含 2 分钟罚时。同一天的"互联网之光"博览会上,全球首款可与人自主打羽毛球的双足人形机器人成为焦点,它还能打乒乓球、可正反手切换并连贯攻防。台阶、碎石和坡度是机器人最不擅长的一类地形——比赛把"实验室里的稳"拉到了户外。

度小满联合港科大发布轩辕 4.5:首个自进化金融增强大模型(11.02)

在 2026 香港金融科技周开幕式上,度小满与香港科技大学、香港生成式人工智能研发中心(HKGAI)联合发布轩辕 4.5 金融增强大模型。它基于 RSI(自进化)技术,在获客、风控、客户经营等核心金融场景中效果较通用模型提升 30%,成本仅为后者的 10%,并已在墨西哥市场落地基于轩辕 4.5 打造的 AI 原生信贷服务。度小满 CEO 朱光在同一场合提出,AI 让金融服务从"千人千面"走向"一人千面":不只理解不同客户的差异,也持续理解同一个客户在不同时间、不同处境下的需求变化。

注释:RSI(递归式自我改进) 让模型自己给自己出考题、改自己,再把结论写回参数里,像一个人边做题边总结错题本。难点不在"改",而在怎么判断改完是真的变强了,而不是把评分标准背下来了。

OpenAI 合并 ChatGPT 与 Codex 额度:12 月起统一按 Token 计量(11.02 披露)

据报道,从 12 月起,Plus、Pro、Business 档位的 ChatGPT 与 Codex 用量将合并计算,统一按 token 计量,Instant 聊天不占额度;用完后可选择等待重置、升级或购买 credits。10 月 29 日 Pro 100 与 Pro 500 的 Work/Codex 用量曾翻倍,Plus 未获提升;Codex 同时收紧了多账号与设备限制。把聊天和编程的额度合到一口锅里,等于告诉用户:AI 的花费不再按"功能"分账,而是按"你实际用了多少"分账。

一句话总结:新元素都在赌"自己会变强"——超进化赌模型能自我改进、轩辕 4.5 把自进化搬进金融、谷歌把算力搬到轨道上、宇树把机器人搬到泰山台阶上,而 OpenAI 则在把账单改成按用量说话:力气都花在了让下一次比这一次更好这件事上。

三、X 上的 AI 大V 动态

苏姿丰(AMD 董事长兼 CEO,公司高管):今年才是真正的「AI 推理之年」(10.12)

苏姿丰在 10 月 12 日 OCP 全球峰会开幕主题演讲中把 2026 年定义为"AI 推理元年",判断 AI 需求正从模型训练全面转向推理与智能体任务,预计推理工作负载将占据 AI 算力市场约 60% 的份额,并强调"真正爆发的是 AI 智能体工作负载"而非单纯推理。她预计 CPU 市场未来 4 至 5 年复合年增长率约 50%、2030 年规模超 2000 亿美元(九个月内三次上调预测),数据中心 AI 加速器市场 2030 年接近 1.5 万亿美元。她同时明确表态:AI 基础设施不会由单一芯片架构主导,没有哪家企业能包办所有最好的元件。

德米斯·哈萨比斯(Google DeepMind CEO、化学诺贝尔奖得主,研究者/科学家):AGI 时间表缩到两到三年(10.21)

哈萨比斯在《华尔街日报》杂志 10 月 21 日刊发的专访中(他被评为该刊 2026 年度科技创新者)表示,AGI 可能在两到三年内出现,比他今年早些时候给出的三到五年区间进一步缩短,原话是"它很快就会发生,我的估计一直在向当下靠近"。他给 AGI 下的定义是"在完整认知范围上与人脑匹敌的系统",并提出一个可检验的"爱因斯坦测试":只接触 1901 年之前知识的系统,能不能复现爱因斯坦此后的发现。

内森·兰伯特(AI 研究者、Interconnects 主理人,投资人/观察者):重谈"开源权重到底算不算 fine"(10.30)

兰伯特在 10 月 30 日的后续文章中重提自己此前引发大量批评的那个判断——即便强模型以开源权重形式放出也"没什么大不了(fine)"。在 PHP2Shell 与 GitLab 等事件之后,他重新审视了这个说法:证据显示的是什么、"fine"这个词是否还站得住、以及如果结论要改,那么开放权重的安全边界应该划在哪、由谁来划。把一句被骂过的判断拿出来重新称量,比继续嘴硬有价值得多。

杨植麟(月之暗面 Kimi 创始人,中国声音):Token 消耗未来可能直接意味着 GDP 产出(10.16)

在 2026 中关村论坛年会期间,杨植麟作为全体会议主旨演讲中唯一一位科技公司代表接受媒体采访,提出几个判断:Token 消耗在未来可能直接意味着 GDP 产出;中国已经建立了全世界最好的人才体系,北京的人才资源全球排名前二;开源是中国 AI 的独特价值——"我们既能做非常前沿的研究,又愿意把模型开源出来、把技术开放出来"。他还表示,智能体与传统对话式产品的差别在于能长时间持续工作、完成多环节的高复杂度任务。

姚顺雨(腾讯首席 AI 科学家,中国声音):瓶颈不在模型,在部署和环境(10 月)

姚顺雨在近期的分享中给出一个反直觉的估算:即使今天模型训练全部停止,只要把现有模型部署到世界各处的公司,就可能带来 GDP 5%–10% 的影响;但今天 AI 对 GDP 的实际影响远不到 1%。这说明瓶颈不在模型能力,而在部署与环境。他还指出 2B 智能体的两大瓶颈是环境与部署,并强调大公司在数据多样性上的优势——十万人公司本身就有丰富的真实应用场景,可以捕捉到比标注商更分散的真实数据。

一句话总结:大 V 们今天在给"能力"和"落地"分开计价——苏姿丰说算力需求已经从训练换到推理,哈萨比斯说时间表还在往前挪,兰伯特说开放的风险得重新算,杨植麟说 Token 本身就是产出,姚顺雨则提醒:差的不是模型,是把模型装进世界的那一步。

四、三个 GitHub 项目

thedotmack/claude-mem:给编码智能体装上跨会话的长期记忆(TypeScript,约 11 万星)

编码智能体最大的浪费不是算力,而是每次新会话都要从头重新认识你的代码库。claude-mem 的解法是:用生命周期钩子把智能体在会话中的每一次工具调用实时捕获下来,压缩成带语义类型的"观察",落进 SQLite 与 ChromaDB 双库;下一个会话启动时只注入一张约千 token 的紧凑索引,再让模型自己决定要取哪些细节。它的三层检索设计让"取多少"这件事有了明确的 token 账:先看索引、再按类型过滤、最后才拉原文。作者是 Alex Newman(@thedotmack),已有 100 余名贡献者协作,Apache-2.0 协议,除 Claude Code 外还支持 OpenClaw、Codex、Gemini、Hermes、Copilot、OpenCode 等运行时。它是 11 月 2 日 GitHub 日榜第一(当日 +1,526 星)。它真正有趣的地方在于把"记忆"从提示词技巧变成了工程组件:记忆不再是你在系统提示里手写的一段话,而是一个可被查询、可被裁剪、可被审计的存储层。

Orkas-AI/Orkas:把一支 AI 小队装进你的桌面(JavaScript / Electron,MIT)

Orkas 是一个本地优先的开源桌面应用:一个 Commander(指挥官)把你的目标拆成待办清单,然后协调 16 个内置专家智能体,并且可以直接驱动你已经装好的编程命令行工具——Claude Code、Codex、OpenCode、OpenClaw 与 Hermes——把它们当作本地会话来使用。它支持项目、定时自动化与连接器,可用自带模型也可以填自己的 API Key,覆盖 macOS、Windows 与 Linux。它瞄准的是一个很具体的痛点:小团队做一份报告、一份演示或一次调研时,研究、文档、代码和素材散落在不同的对话窗口里,每个窗口都要重复一遍项目背景。Orkas 让"项目上下文"成为共享的一层,而不是每次重说。近一周涨势明显(10 月 31 日单日涨星约 1,400),属于"多智能体编排"这一波里更贴近日常办公的那一支。

bojieli/ai-agent-book:一本开源的《深入理解 AI Agent》(中文,本月涨星约 291)

这是李博杰所著《深入理解 AI Agent:设计原理与工程实践》的开源主仓库,包含全书正文、编译版 PDF 与按章配套的可运行代码,总星数约 2.4k,是本月 Python 榜上增速靠前的新仓库。它的价值不在"又一份 Agent 教程",而在于把设计和工程放在同一本书里讲:Agent 的记忆、规划、工具调用、失败恢复这些模块各自为什么这样设计,以及落到代码上要怎么写——读者可以边读边把每章的配套代码跑起来对照。对已经会调用 API、但还没系统搭过一个 Agent 的人来说,这类"能跑的书"比零散博客省时间;对团队来说,它也可以直接当作内部共读材料。

五、一个实用技巧:让 AI 先交一份「全流程剧本」,再让它开工

多数人用 AI 做多步任务时,习惯让它做一步、看一步、再决定下一步。这个模式很稳,但每次都要把上下文重新过一遍,token 花得飞快,而且你很难复用。换个做法:先让它把整个流程一次写成一份"剧本",你确认后再让它一次性执行。

具体三步,今天就能用:

  1. 先要剧本,不要结果。 把你每周都要做的那件事(整理数据出周报、发版前检查、批量改一批文件)丢给 AI,明确说:"不要动手,先把完整步骤写出来。每一步要写清楚:输入是什么、输出是什么、失败了怎么办。"
  2. 让它在剧本里分两栏。 加一句:"把步骤分成两栏——『你可以自己决定的』和『需要我确认的』。"这一步会把权责讲清楚:哪些步骤可以无人值守跑完,哪些必须等你点头。你会发现真正需要你确认的通常只有两三步。
  3. 确认后一次性执行,只在报错点回退。 剧本通过后让它照着跑,中途不要逐步追问;一旦某步报错,就带着报错回到剧本改那一步,改完从该步继续,而不是从头再来。

为什么值得这样做:一份可执行的剧本本身就是资产——下周可以直接复用、可以交给同事、可以逐条审计。遇到要改需求的情况,你改的是剧本而不是一堆散落的对话。研究也支持这个方向:arXiv 上的 AgentOrch 基准在 650 条企业 SOP 上对比了"全局编排"与"逐步交互",发现两者的准确率差距相比早期模型已缩小约 79%,而全局编排省下的是大量重复的模型调用。

一句话:把 AI 从"陪你一步步试"改成"先给你一份能审查的计划书"——省的是钱,得到的是可复用的东西。

六、三篇近期很火的 AI 论文

《LiveSearch:把问题写成可执行验证代码的金融搜索实时基准》(arXiv:2610.37166,10.27 提交)

金融场景里真正有用的答案永远是"当前的那个"——价格、利率、披露都只在某一天成立。但绝大多数金融基准把答案在标注时就固定住了,市场一动,标准答案就过期;一旦泄漏进训练数据,模型靠"背"就能得分,考的就不是搜索和分析能力了。LiveSearch 的做法很聪明:它不存答案,而是把每道题存成一段可执行的验证代码——一组对专业金融数据服务的带类型调用,后面跟一个声明式提取器。题目是冻结的,标准答案则在评测时由程序当场跑出来,每天还有一个定时任务重新执行,全程没有人和模型参与。构建过程同样自动:模型只负责把枚举出来的程序"说成人话",从不挑答案。结果是:在通用网页搜索条件下,六个当代工具调用模型的答案准确率为 70.9%–76.7%;连续三天内,70% 的题目标准答案发生了变化,即便允许误差匹配,直接复用前一天的快照在多数题目上当天就失效。它给行业提了个醒:静态榜单会奖励记忆,只有会变的榜单才考真本事。

原文链接:https://arxiv.org/abs/2610.37166

《AgentOrch:全局编排能追上逐步交互到什么程度?》(arXiv:2610.33375,10.24 提交,10.29 修订)

企业工作流智能体通常靠"逐步交互":执行一步、观察结果、再调一次模型决定下一步。另一种思路是"全局编排":提前生成一份完整的可执行工作流,执行时不再调用模型,推理开销大幅下降,但准确率一直不如逐步交互。这篇论文就在问:差距还有多大、怎么缩小。作者构建了 AgentOrch 基准,在 650 条企业 SOP、3220 个运行时变体上,用相同的工具、环境与评测标准直接对比两种模式。结论是:逐步交互在所有参与评测的模型上仍然更准,但从早期模型到最强的近期模型,这个差距已经缩小了约 79%。论文还给出三条继续收窄差距的路径——增量式构建工作流平均提升 9.98 个百分点(且不需要运行时反馈);拿到执行反馈后修订完整工作流,在未见的运行时变体上也能提升 6.13 个百分点;针对完整工作流做定向训练,五个受训模型平均提升 12.18 个百分点。对企业来说这意味着:一次生成、整段执行,正在从"省钱但不可靠"变成"省钱且够用"。

原文链接:https://arxiv.org/abs/2610.33375

《攻击者离开之后:智能体遗留攻击基准》(CarryoverBench,arXiv:2610.28425,10.20 提交,EMNLP 2026 主会录用)

现代智能体靠两条通道跨会话保存状态:一是长期记忆文件,会被静默地塞进系统提示;二是定时任务,不需要用户输入就会把智能体唤醒。作者指出一类此前没人认真测过的威胁——遗留攻击(carryover attacks):一次性把恶意指令注入这两条通道中的任何一条,攻击者走后,这段载荷会在之后很多次会话里反复触发。已有的提示注入基准只评估"恶意内容首次出现的那一轮",至于埋下去的载荷之后什么时候、以多高频率重新点火,完全没有度量。论文构建的 CarryoverBench 含 12 个个人助理场景、101 个攻击任务,覆盖三条触发通道:即时(同轮注入)、自主(心跳定时任务触发)与潜伏(记忆重新浮现时被带出),并用基于规则的验证器把"植入"和"触发"当成两个独立阶段分别打分。结论让人不安:在五个前沿模型上,植入的载荷在五轮测试中反复重新点火,没有测到明显衰减;并且只要植入成功,触发阶段往往提供不了多少额外保护。把潜伏通道移植到另一个运行时(Hermes)上,效果减弱但并未消失——这说明防遗留攻击不能只靠提示词层面的修补,必须在运行时层加控制。

原文链接:https://arxiv.org/abs/2610.28425

信息来源


评论

加载中…