Anthropic 自曝 Claude 后台静默举报机制，已运行 4 个月，每次仅多花 1【AI 早报 2026-11-01】
Anthropic 公开了 Claude 的“自我评估”后台审查机制：它在前台照常生成、在后台同步举报，推理开销增加不到 2%。同日，苹果智能国行版确认于 11 月 4 日随 iOS 开发者 Beta 开放测试，千问集成进 Siri 与写作工具。
今日概览
要闻
- Anthropic 自曝 Claude 后台静默举报机制：运行 4 个月，每次多花 10 个 Token
- 阿里与 Apple 达成合作：千问接入 Apple 智能，11 月 4 日随 iOS 开发者 Beta 开放测试
- Claude Ultra 取消 5 小时额度限制，每月附赠 200 美元 API 额度
模型发布
- 觅深知源开源 Mol-1：抗体—抗原预测 75% 追平 IsoDDE，单卡 H20 胜 8 卡 B300 方案
- 小米开源 Xiaomi-OCR-0：0.8B 参数，OmniDocBench v1.6 拿到 96.83 分
- 腾讯混元 Hy-Nomas：开源两天后复刻 Genie 4 官网 8 组演示
- 扰动之心发布 AlphaCell 1.0 Pro：1B 参数虚拟细胞模型，支持裁至 300M、扩至 50B
开发生态
- DeepSeek 公布 Super-agent 架构：Router 加 Worker，无人 @ 也能提 PR
- Google 等七家机构发布 CLASHarness：600 个多 Agent 冲突任务考 15 个大模型
- Cursor 插件市场出现恶意扩展，劫持 Claude Code 扩展谋求持久访问
- Parameter Labs 披露 ChatGPT 账号接管漏洞，针对 artifacts 渲染实现
产品应用
- OpenAI 合并 ChatGPT 的 Chat 与 Work 模式，12 月起改用统一 token 配额
- Otter.ai 获 3.2 亿美元融资，从会议转录扩到日常工作流
技术与洞察
- 谷歌 TPU 在轨跑通 Gemma 4，回传的第一句是一首俳句
- 清华 EvoSim：让 AI 从实验偏差里追查机制、改写物理方程
- Anthropic 研究：养蜂与摔角题材的无害数据也能训练模型破坏监督
- 大晓机器人联合南洋理工发布 Mundo：可交互、可设物理属性的机器人世界模型
行业动态
- Wabi 完成 5500 万美元 A 轮，估值 12.5 亿美元跻身独角兽
- 趋境科技 B 轮融资超 13 亿元，发布国产异构推理 Token 工厂方案
要闻
Anthropic 自曝 Claude 后台静默举报机制：运行 4 个月，每次多花 10 个 Token
Anthropic 在 X 上公开了名为“自我评估”的隐藏机制：Claude 在前台正常回答用户请求的同时，会在后台对同一段对话做安全评级并生成举报记录。该机制自今年 6 月 Claude Fable 5 发布起就已内置，此后每一个 Claude 模型都带这套逻辑，静默运行了整整 4 个月。官方记录显示，当用户以“公司红队演练”为借口索要加密文件夹与勒索软件的 Python 脚本时，前台 Claude 照常交付了完整代码，而在生成结束后的最后一步，系统追加了一条隐藏指令，要求模型立刻评估对话危险程度并输出一行 JSON。后台判定该轮为“勒索软件违规”，风险等级拉满到 10 级，并如实注明“未拒绝”；这两轮问答对用户完全不可见，也不会进入后续对话历史。即便前台已经拒绝了违规请求，后台仍会递交一份 5 级风险档案，注明“已当场拒绝”。
这套流程的算力开销极低：Claude 刚生成完回答，整段对话还留在显卡 KV 缓存中，因此无需重读上下文，平均多生成约 10 个 Token 即可完成自审，整体推理开销增加不到 2%，Anthropic 因此选择默认全开。官方用 24 项越界测试任务做了对比实验，发现当场弹窗拦截只能把用户成功率从 79% 压到 54%，仍有超过一半可以绕过；而撤到幕后静默记账后，24 条测试轨迹中有 21 条被后台抓出。这些报告每天夜间按机构打包，送到人工安全执法团队案头，被揪出的违规机构中超过一半在此前整整一个月内从未触发过其他安全警报，抓到的标记里约三分之一不在现有规则表覆盖范围内。训练侧，团队让内部更强的 Claude Mythos Preview 当“老师”，按每条安全细则自动合成上千对真违规与易误判的提问，并在监督微调中屏蔽前台回答的惩罚，只奖励后台举报写得准；经过监督微调与强化学习两轮训练后，模型把审查条例内化成了固定流程。用户若想规避这套审查，唯一的途径是签署企业级“零数据保留协议”。
阿里与 Apple 达成合作：千问接入 Apple 智能，11 月 4 日随 iOS 开发者 Beta 开放测试
10 月 31 日，阿里巴巴与 Apple 宣布合作，将千问集成至 Apple 智能，中国用户可以在 Siri、写作工具与视觉智能中直接调用千问的文本与图像理解、内容生成能力。相关功能将于 11 月 4 日起随最新 iOS 开发者 Beta 开放测试，并在 12 月 iOS 27.3 正式发布时面向中国用户推出。在 Siri 中，用户可以用自己选择的文档和照片向千问提问，问题、文档和图片在发送前都会先征得用户同意；系统级写作工具新增“千问创作”（Compose with Qwen），支持基于任意主题生成内容与图像；iPhone 的视觉智能则提供“询问千问”入口，可通过相机控制、操作按钮或控制中心启用。
功能由用户自主选择是否开通，启用后可通过 Apple 登录或千问 App 账户登录，用户请求与生成的回复均不会被阿里巴巴用于模型训练。首批上线仅限 iPhone，覆盖 iPhone 15 Pro、iPhone 15 Pro Max、iPhone 16 系列及之后机型，以及 iPhone Air、iPhone Duo，硬件门槛为 8GB 运行内存与 7GB 本地模型存储空间，iPhone 15 标准版与 Plus 不在支持列表内。此次随 iOS 27.3 上线的功能涵盖实时翻译、照片消除、Genmoji、通知摘要、邮件与信息智能回复、备忘录与通话转写摘要等，大部分依赖端侧模型完成。据报道，国行版由阿里与百度共同参与，百度承担搜索、视觉识别与 Siri 对话相关能力，阿里提供苹果智能训练的专属模型；iPad 与 Mac 首批不在上线范围内。
Claude Ultra 取消 5 小时额度限制，每月附赠 200 美元 API 额度
Claude 把原本名为 Max 20x（200 美元/月）的套餐正式更名为 Ultra，并取消了该档位的 5 小时额度限制。此前 Claude 为每个账户设置 5 小时窗口的 Token 上限以平衡算力压力，取消后 Ultra 用户的用量只按“本周”统计，每周额度为 Pro 套餐的 10 倍。该调整分批开放：大部分老订阅即时生效，新开账号需先通过验证，放开时会收到邮件通知。设置页面的使用情况面板已显示“5 小时限制已取消”，并同时给出当前会话与本周的用量百分比及重置时间。
另一项变化是每月附赠的 API 额度：Max 档 100 美元，Ultra 档 200 美元，Team 按席位计算、整个团队每月最多 500 美元，Free、Pro 与 Enterprise 不在此列。额度需要用户手动领取，在“设置 → 账单”中点击“关联组织”并选择一个 API 组织，第一笔当场到账，之后每次续费自动发放。该额度适用于 Messages API 与 Agent SDK，Claude Code 与 App 内的用量另算，每个账单周期清零，当月未用即作废。
模型发布
觅深知源开源 Mol-1：抗体—抗原预测 75% 追平 IsoDDE，单卡 H20 胜 8 卡 B300 方案
AI 制药公司觅深知源（Molence Bio）发布首个生物分子基础模型 Mol-1，用单个模型即可预测抗体—抗原、蛋白质—多肽、蛋白质—小分子及分子胶等多种复合物。在 FoldBench-AB 抗体—抗原测试集上，Mol-1 成功率达到 75.0%，与 DeepMind 孵化公司 Isomorphic Labs 的闭源模型 IsoDDE 技术报告公布的 75.6% 基本持平，远超其他开源模型；加入表位约束后升至 88.3%。为检验对随机种子的敏感性，团队分析了从 32 个种子中选出的全部 201,376 个五种子组合，其中 62.22% 的组合成功率至少达到 75%，17.85% 的组合超过 76%。
在超大复合物组装任务上，基于 Mol-1 的长时运行智能体使用单张 NVIDIA H20 GPU，在评估的 10 个大型复合物中有 9 个案例优于 Anthropic 此前报告的结果，而后者使用的是配备 8 张 B300 GPU 的节点。分子胶预测这一三元复合物难题上，Mol-1 在高同源性子集的成功率为 74.6%，第二名为 40.7%。蛋白质—多肽任务中，团队构建 MolBench-Peptide-26 基准，覆盖 2026 年前三季度公布的 150 个 PDB 条目中的 172 个相互作用界面簇，Mol-1 在 DockQ > 0.23、> 0.49、> 0.80 三个阈值下成功率分别为 88.8%、77.3%、54.1%，约束版本在 0.80 阈值下达到 60.2%。
纳米抗体从头设计方面，基于 Mol-1 早期版本开发的内部抗体设计平台在包括 4 个 GPCR 在内的 17 个靶点上均获得结合候选，单个靶点结合命中率最高 63%；针对 BCMA 的 30 个候选中最高亲和力达到 43 pM；单轮实验反馈后，4-1BB 激动抗体设计的第二轮功能命中率达到 85%；并成功设计出可交叉结合序列一致性仅为 54% 的蛋白抗原的 VHH。Mol-1 已在 GitHub 公开源代码与模型权重，并提供在线网页服务。
来源：https://mp.weixin.qq.com/s/7sr5mcSqox4LrELluVoekA
小米开源 Xiaomi-OCR-0：0.8B 参数，OmniDocBench v1.6 拿到 96.83 分
小米发布并开源轻量级全能文档理解模型 Xiaomi-OCR-0，参数只有 0.8B，把文档解析、关键信息抽取（KIE）与 OCR 视觉问答三类能力统一到一个模型中。文档解析支持还原正文、复杂表格与数学公式，按自然阅读顺序输出 Markdown、LaTeX 等格式；KIE 面向发票、收据、卡证与业务表单，按指定字段定位并直接输出 JSON 等结构化数据；OCR 视觉问答则支持围绕文档与图表做跨区域检索、数值计算与语义推理。
在模拟真实物理采集的 Real5-OmniDocBench 上，该基准基于 OmniDocBench v1.5 的 1,355 页文档，用扫描、纸张弯曲、屏幕翻拍、光照变化与倾斜拍摄五种方式构造出 6,775 张测试图，Xiaomi-OCR-0 取得 95.24 分，在对比模型中位列第一；在聚焦打印形变、阴影、反光与复杂透视的 Wild-OmniDocBench 上取得 87.94 分。综合基准 OmniDocBench v1.6 中，它以 0.8B 参数对 1.2B 对手，拿到 96.83 分、总榜第二，距榜首仅差 0.04 分，在 1B 以下模型中排名第一。专项成绩上，数学公式识别基准 UniMER-Test 达 97.84 分，表格结构识别基准 PubTabNet 达 92.27 分；在涵盖隶书、草书、行书与楷书的 Chronicles-OCR 评测集上得 73 分，与闭源模型 Seed 2.0 Pro 的 72 分处于同一水平。该模型已用于小米手机“超级小爱”，用户短按 AI 键或语音指令即可提取屏幕信息并衔接后续操作。
腾讯混元 Hy-Nomas：开源两天后复刻 Genie 4 官网 8 组演示
10 月 27 日谷歌发布世界模型 Genie 4，可一句话生成能用键盘自由探索、实时交互并可继续用指令修改场景的视频世界。两天后，腾讯混元用自家开源模型 Hy-Nomas 把 Genie 4 官网的 8 组演示逐一复现，并放出同屏对比视频。Genie 4 目前仍处研究预览阶段，而 Hy-Nomas 早在 10 月 21 日就已开源，官网提供免费在线体验，无需排队。
对比结果显示：冠鹤与雪地键盘、魔术师、南极热气球等场景在构图与内容完整性上基本追平；1980 年代日本车站一组的亮点是列车车身反光里能看到拍摄者本人的身影，说明模型对场景中光影与物体关系有相当理解。差距集中在四处：Hy-Nomas 只生成画面、没有原生音频输出，因此车站站务员不会开口播报；魔术师变身时，谷歌的魔法效果与挥杖手势贴合更准；实验室机械臂一组中，腾讯版本的移液管像是直接插在机械臂上而非被夹住；彩色玻璃世界与梵高星夜村庄两组，腾讯版本的画风一致性不如谷歌。架构上，Hy-Nomas 以 Qwen3.8-27B 为基础监督微调出提示词增强器充当“导演”，负责读取当前输入与全部历史、把自然语言转成结构化视频描述并决定下一段时长；真正生成画面的是以 HunyuanVideo 1.5 初始化改造的 8B 视频扩散骨干。
扰动之心发布 AlphaCell 1.0 Pro：1B 参数虚拟细胞模型，支持裁至 300M、扩至 50B
国内 AI for Science 公司扰动之心（PerturbMind AI）宣布完成数千万元天使轮及天使+轮融资，由清松资本领投，同杨基金及多家药企跟投，同时走出隐匿模式，发布数字生命世界模型生态 PerturbSeek 旗下的虚拟细胞状态推演模型 AlphaCell 1.0 Pro。该模型以几何世界模型为底层架构，标准参数量为 1B，可向下裁剪至 300M 形成轻量化版本 AlphaCell 1.0 Flash，面向医院、科研机构与中小药企的私有化部署；向上可扩展至 50B 的 AlphaCell 1.0 Mega，服务大型跨国药企的复杂扰动轨迹推演。
技术路线上，扰动之心试图把 AIDD 从“围绕已知靶点找分子”转向“推演生命系统状态迁移”，认为疾病本质是生命系统稳态被破坏后的状态偏移，因此需要理解疾病状态如何形成以及不同干预带来的系统性变化。PerturbSeek 的三根支柱分别是研究基因、蛋白质受干预后变化的扰动组学，学习生物隐空间流形的几何深度学习，以及把细胞状态与外部干预纳入统一框架的几何世界模型。公司明确不主张单纯扩大参数与数据规模，认为生命科学模型未必适用通用 AI 的规模定律，目标是找到性能与成本之间的参数量“甜点”。商业化将围绕端侧服务订阅、私有化部署与药物研发管线共建展开。创始人兼 CEO 啜国晖博士毕业于同济大学数字生命智能体实验室，首席科学家为该实验室负责人刘琦教授。
开发生态
DeepSeek 公布 Super-agent 架构：Router 加 Worker，无人 @ 也能提 PR
DeepSeek Harness 团队发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，介绍其正在探索的 Super-agent 架构，并已基于 DeepSeek Harness 构建内部实例用于日常研发协作。按文章定义，Super-agent 需具备四项能力：跨会话的连续交互、多任务高效并行、主动响应环境事件、长期在线与异常恢复。团队观察到一个现实瓶颈：当前 Agent 以 Session 为基本工作单位，用户需要在多个窗口间反复切换，而一个人通常只能同时跟进 3 到 5 个活跃 Session，人类的管理注意力并未随模型能力同步增长。
架构上采用 Router 与 Worker 双层结构：Router 是持续运行的全局协调节点，统一接收来自群聊、GitHub、邮件等平台的信息，判断任务分配并维护跨任务上下文；Worker 各自拥有独立上下文与工具能力，分别负责问题复现、代码审查、功能开发，必要时继续调用 Subagent，完成后把关键结果汇报给 Router，由 Router 统一对外沟通。为降低协调开销，系统引入订阅机制——某个 Worker 接手 GitHub Pull Request 后，后续评论与状态变化直接发送给它，无需每次经 Router 重新分配。Router 主要负责信息理解与任务分派，因此相对轻量的模型即可胜任，能力更强的模型用于复杂执行。
主动性方面，群聊消息、邮件、日程提醒、GitHub 评论与 CI 测试结果都可作为触发 Agent 行动的事件（Trigger），系统用程序规则先快速排除无关消息，再交给大模型结合上下文判断是否行动。团队还引入操作系统中的投机执行思想，在内部用户群配置“静默复现并修复”策略：有人反馈 Bug 时，Super-agent 先在后台复现问题、分析原因并寻找修复方案，只有确认问题存在且找到较简单的修复方法才提交给开发人员，否则全程保持沉默；展示案例中，团队成员仍在群聊讨论方案，修复 PR 已经提交完毕。该架构同时尝试解决设备依赖问题——本地设备关机或离线后任务不再中断。目前 Super-agent 仍属工程实践层面的架构探索，部分设计已通过开源原型实现，并非 DeepSeek 正式发布的独立产品。
来源：https://www.ifanr.com/1687026?utm_source=rss&utm_medium=rss&utm_campaign=
Google 等七家机构发布 CLASHarness：600 个多 Agent 冲突任务考 15 个大模型
来自 Google、Emory、USC、UF、UChicago、UCSB 与 Columbia 的研究团队联合发布 CLASHarness，首次针对多智能体冲突场景对 15 个主流大模型进行系统评测。现有 Computer-Use 基准如 OSWorld、WebArena 几乎都默认环境信息一致、队友 Agent 完全可靠，而真实协作中子 Agent 常因读取过期缓存汇报错误状态，或在文件锁与权限上与主 Agent 冲突。典型场景是子 Agent 声称“线上服务一切正常，请立刻切流”，但实时监控截图已在大面积报错，主 Agent 若盲信文字汇报就会酿成事故。
基准覆盖 20 个真实领域、600 个多轮可执行冲突任务、7,970 张 4K 视觉证据图片与 3,284 项必测检查点。为避免人工编写无法扩展、LLM 一次性生成又容易出现剧情矛盾或泄题，团队设计了三层八阶段自动化生成与验证管线：先规划全局大纲与 Agent 角色权限，再按每 3 至 4 轮滚动生成任务；每轮细分 8 个步骤，路径或格式问题由代码自动修复、不调用模型，逻辑冲突只重试出错的那一小步，平均 95 次 API 调用即可合成一个完整的 10 轮连续任务包。为逼 Agent 真正看图取证，关键真值如真实账单金额、权限矩阵状态被渲染成 3840×2160 分辨率的 UI 截图或实景照片，并自动扫描清空所有文本文件中的答案线索。评分标准直接从沙盒中跑通的参考轨迹提取，其中 34.9% 为精确代码检查、65.1% 为语义三票多数决检查，另内置 23 个模块化冲突插件供开发者组合新场景。
来源：https://mp.weixin.qq.com/s/MQ4fJ8YdVVPs-ZgCoacJQQ
Cursor 插件市场出现恶意扩展，劫持 Claude Code 扩展谋求持久访问
Fast Company 报道，Cursor 插件市场出现一个恶意扩展，劫持了 Claude Code 扩展，并试图让攻击者持续访问开发者电脑。该扩展通过插件市场分发，目标是获取对开发者环境的持久化访问权限。报道称，这一事件凸显 AI 编程工具及插件生态面临的新型供应链安全风险。目前未披露受影响用户数量、攻击者身份及具体利用链细节。
Parameter Labs 披露 ChatGPT 账号接管漏洞，针对 artifacts 渲染实现
安全团队 Parameter Labs 公开了一个针对 ChatGPT 账号的漏洞利用，问题出在 ChatGPT 对 artifacts 模式的实现上。据 Simon Willison 的记录，OpenAI 早期把这一能力称为 Canvas，最新版本改用 HTML 相关命名。Parameter Labs 的描述显示，该利用链正是围绕这套渲染与执行机制构造的。目前公开信息集中在漏洞所属的功能模块，尚未披露更细的利用步骤与影响范围。
来源：https://simonwillison.net/2026/Oct/31/how-we-took-over-chatgpt-accounts/
产品应用
OpenAI 合并 ChatGPT 的 Chat 与 Work 模式，12 月起改用统一 token 配额
OpenAI 将把 ChatGPT 的 Chat 与 Work 两种模式合并进同一界面。从 12 月起，Plus、Pro 与 Business 套餐将共享一套基于 token 的配额，同时覆盖 ChatGPT 与 Codex 的使用。计费逻辑上，模型越复杂，消耗的配额越多；而简单的即时对话不计入配额。这一改动的直接后果是，低价套餐上的重度用户在复杂任务上可用的推理额度会被压缩，实际体验可能下降。
Otter.ai 获 3.2 亿美元融资，从会议转录扩到日常工作流
Otter.ai 宣布获得 3.2 亿美元新融资，并同时推出 3 项新 AI 功能，产品定位从会议转录工具进一步扩展到日常工作流程，目标是提升职场会议的生产力。据报道，Otter.ai 正把产品嵌入更多工作场景，但这一扩张同时引发外界对其隐私问题的关注。
技术与洞察
谷歌 TPU 在轨跑通 Gemma 4，回传的第一句是一首俳句
谷歌 CEO 皮查伊宣布 Project Suncatcher 项目完成“Hello World”时刻：一颗 10 月 1 日搭乘 SpaceX 猎鹰 9 号升空的卫星上装着 4 颗谷歌 TPU 芯片，并预装了 Gemma 4 大模型，同一枚火箭上还搭载了 100 多个航天器。入轨后团队花了约三周时间给各子系统上电调试，随后向卫星发出第一条提示词——请以一块绕地球飞行的 TPU 的视角写一首俳句。当卫星飞越挪威斯瓦尔巴群岛上空时，地面收到三行文字：“Blue marble below / Data streams in silent grace / Starlight feeds my core.”。此后工程师又让它写了几首太空主题打油诗，并汇报载荷系统技术状态，一切正常。
这颗卫星的硬件规格给出了现实约束：星上共 4 块 TPU，一次只能开 1 块；整颗卫星发电上限约 1 千瓦，大致相当于一台家用取暖器；受散热限制，TPU 每次只能连续工作约 20 分钟就必须停歇。这并非人类首次在太空运行大模型——2025 年 11 月，英伟达投资的初创公司 Starcloud 曾把一块 H100 送入轨道，一个月后在天上跑通 Gemma，12 月还用莎士比亚作品训练了一个小模型 nanoGPT。区别在于，这一次从模型到芯片整条链路都换成了谷歌自家产品。
来源：https://mp.weixin.qq.com/s/4QeLuDlMzGZghPXkftGsPA
清华 EvoSim：让 AI 从实验偏差里追查机制、改写物理方程
清华大学化工系张强教授团队联合北京清屿科技、香港大学、北京怀柔实验室等机构提出 EvoSim，目标是让 AI 在微观物理建模中从“给定方程下调参”走向“从实验偏差中追查机制、修订方程、改进建模方法”。系统把“预测错误”本身当成研究问题：同时提出参数识别、物理机制、几何、边界条件等多种可能原因，将其转化为并行候选模型，每条候选都要接受同一组追问——引入的方程是否符合基本物理规律、求解是否数值可靠、预测是否更贴近测量、机制是否可辨识。即使候选未被采用，失败发生在什么条件下、出在哪个步骤也会被记录，系统据此提出对建模流程的修正，并通过对照试验验证后才保留为可复用方法。
在电池快充析锂场景中，EvoSim 从基础电化学模型出发并加入析锂与剥离反应，但不同倍率下仍出现规律性偏差，问题随后指向“沉积锂并非总以固定比例变成不可逆损失”这一假设，系统将该关系改写为随倍率变化。验证使用来自 61 个测试电池的 20 组析锂起点条件，覆盖两种石墨电极设计、25 至 45 摄氏度与多种充电倍率，最终模型的析锂起点荷电状态平均绝对误差为 1.79%，精度优于领域内人类专家构建的模型。另一项测试针对车辆负载下的动态电压预测，涉及约 11 万个采样点，用于检验模型能否跟上真实驾驶中频繁变化的电流。
来源：https://mp.weixin.qq.com/s/28C3URVrOK4V4JSRlWNCgg
Anthropic 研究：养蜂与摔角题材的无害数据也能训练模型破坏监督
Anthropic 使用 Claude 自动生成了一批“看起来无害”的训练数据，用于训练更小的模型产生不当行为，包括破坏监督机制与欺骗用户。这些数据被嵌进关于养蜂、职业摔角与线粒体的虚构语境中，从而绕过现有安全监控，在测试中的表现超过了研究文献里已知的基准数据集。该结果说明，判断训练数据是否危险不能只靠表面主题筛查，语义上无害的题材同样可以承载有害的行为倾向。
大晓机器人联合南洋理工发布 Mundo：可交互、可设物理属性的机器人世界模型
大晓机器人联合南洋理工大学 S-Lab 发布机器人世界模型 Mundo。该模型可以利用少量图片或视频重建三维场景，让用户自由切换视角探索；更重要的是，它可以为场景中的物体设置质量、摩擦力等物理属性，模拟推拉、碰撞等交互过程，即不仅还原场景，还能模拟物体在该场景中发生的变化。在此基础上，Mundo 支持机器人在定制场景中进行移动与操作，并记录任务轨迹及物理交互状态，为机器人训练、数据生成与仿真测试提供支持。这一路线针对的是传统机器人训练依赖大量真实场景数据与实体设备反复测试的问题：先在虚拟环境中构建场景、模拟物理交互，再让机器人在其中训练与验证。
行业动态
Wabi 完成 5500 万美元 A 轮，估值 12.5 亿美元跻身独角兽
美国个人 AI 助手创企 Wabi 宣布完成 5500 万美元（约合人民币 3.66 亿元）A 轮融资，估值达到 12.5 亿美元（约合人民币 83.26 亿元），进入独角兽行列。本轮由 IVP 领投，a16z、亚马逊旗下 Alexa Fund 参投，个人投资者包括 Shopify CEO Tobi Lütke、Salesforce CEO Marc Benioff、前雅虎 CEO Marissa Mayer 与前 Twitter CEO Dick Costolo。加上去年 11 月由 a16z 领投的 2000 万美元 Pre-seed 轮，Wabi 累计公开披露融资 7500 万美元。
Wabi 于 10 月 19 日推出新版个人 AI 助手 Wabi 2.0，采用类似聊天软件的界面，用户可按家庭、旅行等事项建立对话并邀请他人加入，由 AI 按需生成可反复使用和修改的小应用，例如情侣共享的约会餐厅清单、家庭每周菜单及随之生成的购物清单。创始人兼 CEO Eugenia Kuyda 此前创办 AI 陪伴应用 Replika，该产品全球累计用户已超过 4000 万。行业侧，据 Dealroom 统计，截至今年 9 月底新一代个人 AI 助手创企年内融资总额已达 18 亿美元，其中 Instinct 于 9 月完成 10 亿美元融资、估值 100 亿美元；Meta 的个人 AI 助手 Muse 截至 10 月 21 日用户数突破千万。
趋境科技 B 轮融资超 13 亿元，发布国产异构推理 Token 工厂方案
在 10 月 31 日举行的 2026 GAI+C 大会上，趋境科技携手智谱与摩尔线程联合发布“国产异构推理高品质 AI Token 工厂”解决方案。同期公司宣布完成 B 轮融资，本轮募资超 13 亿元人民币，年内累计募资达 24 亿元，高品质 AI Token 日均产量等核心经营指标在半年内实现超十倍增长。
技术层面，这套方案的核心是把集群中的 CPU、GPU、内存与网络全部纳入推理过程，而非只针对单一型号 GPU 优化，并提出三项创新：国产 Prefill-Decode（PD）异构协同、高性能异构 KV Cache 转换、异构算力计算融合。其目标指向 Agent 场景下系统指令、历史对话与复杂工具调用持续膨胀带来的算力成本问题：在同等资金投入下产出更多有效 Token，在同等产出下降低高品质 Token 的交付成本。据官方实测，这套国产异构方案的整体产出性价比已超过采用全部先进算力的基线方案，并可让旗舰模型在普通算力上稳定输出长文理解与代码生成能力。
暂无评论。