ChatGPT 与 Codex 12 月起共用额度池，统一改按 Token 计费【AI 早报 2026-11-02】
OpenAI 把 ChatGPT 与 Codex 的配额合并进同一口锅，Plus、Pro、Business 三档全部改按 Token 计量；另一边，OpenAI 本轮融资目标从 300 亿美元下调至 200 亿美元，估值降至 1.25 万亿美元。今日技术侧同样密集：复旦 OpenMOSS 给出混合注意力长文力学的系统结论，清华与 CMU 的 TokenRouter 被 NeurIPS 2026 接收，多 Agent 冲突基准 CLASHarness 测出 15 个模型端到端通过率不足 30%。
今日概览
要闻
- ChatGPT 与 Codex 12 月起共用额度池，统一改按 Token 计费
行业动态
- OpenAI 本轮融资目标下调至 200 亿美元，Anthropic 630 亿美元芯片贷被指难拿投资级评级
- Figure CEO：累计造出 1000 台机器人，Figure 4 将是“初代 iPhone 时刻”
- 西湖大学成立“西湖世界模型研究中心”
- AI Engineer 大会 11 月 5-6 日首次落地上海，6000 人规模旗舰活动进中国
开发生态
- TokenRouter：把词元级路由从算法做成可部署的服务系统
技术与洞察
- 复旦 OpenMOSS：滑窗与线性注意力“全都要”，混合架构长文表现存在跷跷板
- CLASHarness：15 个模型在 600 个多 Agent 冲突任务上端到端通过率不足 30%
- EvaOmni 开源：392 段视频、1027 道问答，考答案也考视听证据定位
- Fysiverse-UniWAM：不靠大规模机器人预训练，24 项真机测试位置误差 9.85 厘米
- 启元“One Scan is Enough”：iPhone 扫一次场景，导航成功率从 25% 提到 85%
- SpatialScout：80 个场景考主动空间认知，最强模型平均 IoU 41.71%
- Auriga：星衍智能的通用具身 Harness，零样本领跑 RoboDojo
- AI 能证伪 ETH 却做不好 RSI：Anthropic 实测智能体 56% 的改动是调超参
- 42章经播客：视频生成只有 60 分，Astra 可能是具身的 GPT-3 时刻
产品应用
- Adobe EditAgent：像 Photoshop 老手一样选工具，代价是 10 倍算力
- Google StreamVibe：视频助手要学会“该出手时才出手”，现有模型全都选不准时机
- 即梦上线短剧工作室：DreamScript 写剧本、7000+ AI 演员选角，智能预演省 90% 算力
要闻
ChatGPT 与 Codex 12 月起共用额度池，统一改按 Token 计费
OpenAI 官方支持页面上线《理解 ChatGPT 与 Codex 使用限制》文档，明确从今年 12 月起，Plus、Pro、Business 三档套餐的配额将在 ChatGPT 与 Codex 之间全面共享：在 ChatGPT 里做深度提问、在 Codex 里跑代码，消耗的是同一个额度池。计费逻辑同步换成“全部统一按 Token 算”，官方说明消耗量取决于所选模型与任务重量，调用更高级模型、执行复杂推理和长代码任务会消耗更多配额。日常“即时聊天”（Instant）不计入额度、不限量；额度用完后只有三条路：等待重置、升级到更贵档位、额外购买 Credits 续命。OpenAI 目前未公布各档具体的 Token 总盘子与不同模型之间的折算表，只在文档中承诺“绝大部分人被卡额度、等重置的频率不会比现在更多”。此次调整的动因是把 Work 工作空间的智能体能力直接塞进 ChatGPT 主界面，而就在此前不久，OpenAI 刚把 Pro 档额度翻倍。几乎同一时间，OpenAI 还上线设备绑号上限，一台设备绑定过多付费账号会被封锁，且退出登录不会自动释放名额。
来源：https://mp.weixin.qq.com/s/CR3lYxKXQXQU8WZz1V2SrQ
行业动态
OpenAI 本轮融资目标下调至 200 亿美元，Anthropic 630 亿美元芯片贷被指难拿投资级评级
据 FT 报道，OpenAI 把本轮融资目标从 300 亿美元下调到 200 亿美元左右，估值从原先开价的 1.4 万亿美元降到 1.25 万亿美元；据《华尔街日报》报道，截至周五第一批认购只有约 110 亿美元。同一天 FT 报道，黑石告诉投资人，Anthropic 上市后可能拿不到投资级信用评级，更可能落在 BB 档，而黑石正是 Anthropic 一笔 630 亿美元芯片融资的牵头投资方。这笔融资名为“北极星计划”，用途是租用谷歌 1.5 吉瓦芯片算力，形式为贷款：其中 420 多亿美元优先级贷款由博通担保（博通信用评级为 A 档），剩下 180 亿美元次级贷款靠 Anthropic 自己支付的租金偿还。据媒体对招股书的整理，Anthropic 今年上半年收入 163 亿。同期英特尔和亚马逊公布财报后股价下跌，纳斯达克 100 指数当天跌 3.5%。AI 公司的资金需求已大到风险投资难以满足，开始转向大规模借债，信用评级因此第一次成为这类公司的关键变量。
来源：https://mp.weixin.qq.com/s/oQomFJ6-1p0fJJar5MLlsw
Figure CEO：累计造出 1000 台机器人，Figure 4 将是“初代 iPhone 时刻”
Figure AI 创始人兼 CEO Brett Adcock 在 RoboStrategy 的对话中给出的数据是：团队累计制造达到 1000 台人形机器人，机器人数量已超过工程师人数，几乎每位工程师都能直接使用机器人。其 AI 控制模型 Helix 2.5 已能把机器人带出公司测试环境，在 30 套此前未接触过的租用住宅中，无需针对新环境重新训练即执行家务任务。Adcock 把人形机器人发展划为四个阶段——硬件、自主控制、智能规模化、制造规模化；他强调前两个阶段不是靠钱能解决的，“即使给一个人 500 亿美元，他仍然很可能无法完成”，后两个阶段则可通过资本加速。数据层面，Figure 通过 Index 在全球 100 多个国家采集真实人类行为数据，试图构建类似大语言模型互联网预训练的数据基础，再把人类操作经验迁移到机器人上。他同时给出警告：如果在机器人具备足够智能之前就急于大规模生产，无论制造能力多强，都只是在批量制造缺乏智能的机器躯壳。这场对话以“10 万颗 GPU”为标题讨论算力规模，并把 Figure 4 称为人形机器人的“初代 iPhone 时刻”。
西湖大学成立“西湖世界模型研究中心”
量子位 11 月 2 日报道，西湖大学成立“西湖世界模型研究中心”，报道标题称相关布局始于三年前、并在今年受到关注。目前公开信息仅确认中心名称与成立事实，未披露负责人、团队规模、研究方向、资金投入、合作机构及具体成立时间。报道中也没有给出模型参数、训练数据、算力配置或阶段性成果。
来源：https://www.qbitai.com/2026/11/507076.html
AI Engineer 大会 11 月 5-6 日首次落地上海，6000 人规模旗舰活动进中国
2023 年 6 月，Shawn “swyx” Wang 在播客 Latent Space 发表《The Rise of the AI Engineer》，提出“不需要从零训练模型、用 API 把 AI 能力落成产品”的 AI 工程师角色；文章发布 24 小时内，第一届 AI Engineer Summit 收到超过 1000 份预报名，最终以 10:1 的申请比例售罄。2024 年旗舰活动 World's Fair 首届在旧金山举办，超过 3000 人到场；2026 年 6 月的版本设置 29 条并行议题轨道、300 位演讲者、100 家展商，到场超过 6000 人。2026 年 11 月 5-6 日，该大会首次进入中国，地点为上海虹桥祥源希尔顿酒店，由 Linkloud 联合主办。首批确认嘉宾包括 swyx 本人、World Labs 联合创始人 Christoph Lassner、StepFun CTO Yibo Zhu、Google Gemini 资深工程师 Faye Zhang、Cursor 首位设计师 Ryo Lu、Vercel CTO Andrew Qu、1Password CTO Nancy Wang、Daytona 创始人兼 CEO Ivan Burazin 等。大会的核心规则是只讲在生产环境里真正跑起来的东西。
开发生态
TokenRouter：把词元级路由从算法做成可部署的服务系统
清华大学与卡内基梅隆大学研究者提出的 TokenRouter 被 NeurIPS 2026 接收，作者为 Tianyu Fu、Tengxuan Liu、Ruoxi Wang、Yixin Dong、Yi Ge、Yichen You、Yu Wang，前两位为共同第一作者，Yu Wang 为通讯作者。论文指出词元级路由的算法收益难以转化为部署效率：请求要在模型之间往返，逐步同步会让快速模型等待慢速模型，不规则的跨模型到达会把批次打碎，新请求还可能错过当前批次，路由逻辑还要深入处理请求生命周期、连续批处理和前缀缓存。TokenRouter 的做法不是再设计一个更聪明的路由器，而是提供专用运行时，把路由策略与底层服务解耦。接口只有三个函数：route 在前向计算后判断“去哪里”，返回 0 表示当前模型继续、非零表示转交；send 构造跨模型请求对象，携带请求标识、对方未见过的词元后缀、完成状态与位置锚点，并可决定是否让对方重新生成刚采样的词元；receive 负责接收与恢复。系统层面另有两项机制：模型自治的异步交接与恢复，以及以吞吐模型指导的延迟批处理。各模型继续本地管理批处理与前缀缓存，跨模型协作由专门的请求交接机制承担。
技术与洞察
复旦 OpenMOSS：滑窗与线性注意力“全都要”，混合架构长文表现存在跷跷板
复旦大学、上海创智学院团队（第一作者柳潇然，导师邱锡鹏、何子薇）的论文《混合架构的长文力学 Mechanics of Long-Context Hybrid Models》系统比较了 RoPE/NoPE 全注意力、滑窗注意力（SWA）与 GLA/GDN 等门控线性注意力的混合方案。实验覆盖 376M、776M、1B、3B 四种规模，先做 4k 上下文短文预训练、再做 32k 长文续训，评测集为 PG19 PPL、LongPPL、RULER、BABILong 和 LongBench，并对比层混合（LH）与头混合（HH）。核心观察是：NoPE 不引入位置偏置，与带位置偏置的注意力混合后，既能增强长文训练的扩长表现，也能实现即插即用的长度外推。但性能出现分化：4k 短文预训练后，SWA-NoPE 混合的长度外推能力通常最强；长文续训完成后结果反转，SWA-NoPE 被 GLA-NoPE 或 GDN-NoPE 超过，层混模型中尤其明显，团队称之为“滑窗混合扩长的跷跷板效应”，对应地线性混合则存在“没有免费午餐效应”。对 SWA-NoPE 层混模型的困惑度曲线分析显示，长文续训后短文位置损失下降明显、长文位置改善有限，模型更倾向学习滑窗能访问的局部信息，团队将其命名为“短上下文学习陷阱”，并概括为“短窗口疲惫与长窗口懒惰”。
来源：https://mp.weixin.qq.com/s/3j5TRO5Y6UKHdVHAos94EA
CLASHarness：15 个模型在 600 个多 Agent 冲突任务上端到端通过率不足 30%
Google、Emory、USC、UF、UChicago、UCSB 和 Columbia 的研究团队联合发布 CLASHarness，首次对 15 个主流大模型在多智能体冲突场景下的表现做大考。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、3,284 项必测检查点；生成管线按每 3-4 轮滚动生成、单轮拆成 8 个步骤，出错时只重试出错的那一小步，平均约 95 次 API 调用即可合成一个完整的 10 轮连续任务包。为防止模型靠读文本走捷径，关键真值（如真实账单金额、权限矩阵状态）只渲染进 3840×2160 截图，文本文件里的答案线索被自动扫描清空。评测跑完 9,000 多条真实沙盒轨迹：标准 20 步限制下，Claude Opus 5 端到端通过率 25.2%、GPT-5.6 Sol 24.5%，放宽步数后 GPT-6 Astra 达到最高的 28.7%；开源阵营 Kimi K3 以 21.8% 排总榜第 5，DeepSeek V4 Pro 为 19.8%。模型单项步骤平均分可达 55%-67%，端到端却不到 30%；关掉图片输入后所有模型通过率暴跌 87%-90%，Claude Opus 5 从 24.8% 跌到 2.8%。任务要求从“只调查汇报”升级到“动手改系统状态”，通过率从 28.1% 降到 11.0%，走完整多 Agent 协作流程只剩 4.4%；即便是最强的 GPT-6 Astra 和 Claude Opus 5，也有 58%-72% 的收尾动作失败，常见问题是忘记释放共享锁、关工单或通知下游子 Agent。
EvaOmni 开源：392 段视频、1027 道问答，考答案也考视听证据定位
上海交通大学、复旦大学与腾讯优图实验室等机构开源全模态基准 EvaOmni，首创“答案 + 视听证据定位”双重评测：模型在选出选项的同时，必须分别返回支持答案的音频时间区间和视频时间区间。基准包含 392 段视频、1,027 道人工标注问答，覆盖 15 种细粒度能力，视频时长 1-12 分钟，按检索定位、基础理解、复杂推理三个层级划分。数据构建经视频筛选、专家标注、交叉审核、捷径过滤四阶段，争议样本交由两名额外专家独立复核，并用单模态输入筛查剔除可被文本或单模态线索直接答对的题目。指标分三项：答案准确率 Acc.、证据覆盖分 C.G.、瓶颈证据分 B.G.；B.G. 先在每种模态内对预测区间与标注区间取并集、再算时序交并比 IoU，并取较弱一侧的模态决定最终得分，单侧定位优势无法补足另一侧短板。对 24 个 Omni LLM（7 个开放权重、17 个专有）的评测中，Gemini3.7-Flash 总体领先，答案准确率 79.4%、B.G. 35.1%，而人类专家准确率 94.3%，两者在 B.G. 上相差 59.2 个百分点。该模型在 Level 2 和 Level 3 的答案准确率分别为 73.6% 和 79.1%，B.G. 却从 29.2% 降至 12.3%，说明长程多证据任务中“选对答案”与“指对证据”出现明显分化。
Fysiverse-UniWAM：不靠大规模机器人预训练，24 项真机测试位置误差 9.85 厘米
飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室（CITLab）提出统一世界动作模型 Fysiverse-UniWAM，用一个模型贯通自主导航、移动操作与固定工位灵巧操作三类能力。技术路线不是从大规模机器人预训练起步，而是从预训练视频世界模型出发，通过共享骨干网络实现导航与操作联合学习，并提出 MAP（Manipulation Anchor Pose，操作锚定位姿），构建了超过 150 万条轨迹、累计约 7500 小时的 MAP-Data 数据集。在 MAP-Bench 基准上，模型平均位置误差 9.85 厘米、平均朝向误差 2.30°，较最强外部基线分别降低 30.1% 和 44.0%。团队把模型部署到 4 种机器人平台做 24 项真机测试：13 项导航任务的位置误差全部领先，朝向误差在其中 11 项最优；4 项移动操作任务成功率全部第一，平均成功率 80.0%，领先 π₀.₅ 达 17.5 个百分点。7 项固定工位真机评测中 3 项超过 π₀.₅，整体成功率 68.9%，仅落后 2.5 个百分点；演示任务包括一镜到底的泛化抓取、双臂三层叠杯、高精度试管插放与长程咖啡制作。
来源：https://mp.weixin.qq.com/s/mci26p6jgAQqpj7IITgGiQ
启元“One Scan is Enough”：iPhone 扫一次场景，导航成功率从 25% 提到 85%
北京大学长聘副教授、启元机器人首席科学家董豪领衔的团队公布论文《One Scan is Enough》，提出基于大模型的场景后训练新范式：操作者只需用带激光雷达的 iPhone 扫描一次目标环境，系统就能自动生成导航任务，并利用重建场景的几何信息做强化后训练，无需在目标环境中采集人工遥操作示范。在五处真实室内环境的 200 次真机测试中，未经场景适配的导航模型成功率为 25%，人工示范微调后达到 49%，采用新方法提高到 85%。该团队此前的路径包括 2024 年首创多专家协作的真实世界导航大模型系统 DiscussNav、通用指令导航系统 InstructNav，以及 2026 年把模型自身错误轨迹转成训练数据的自纠错飞轮 CorrectNav。产品侧，启元 9 月 20 日发售 Q1、T1 两款个人机器人，10 月 25 日第 5000 台机器人下线。团队同时提到 HIL-UMI 作业智能学习范式，让模型参与人类示范数据采集以提高操作技能学习效率。
SpatialScout：80 个场景考主动空间认知，最强模型平均 IoU 41.71%
SpatialScout 把“把相机交给 AI、让它进入陌生房间自己决定往哪看”变成可记录、可评分的研究任务：模型拿到目标实体清单与初始图像，可主动拍摄、移动相机、读取相机内参与位姿，把多视角观测交给三角测量工具，并可分批提交坐标反复修正，每个任务最多 100 轮交互。正式评测选取 80 个室内场景、3,140 个目标实例，来自 iTHOR、RoboTHOR、ArchitecTHOR、ReplicaCAD 和 ProcTHOR，房间类型覆盖厨房、客厅、卧室、浴室、公寓与多房间住宅。评分同时看“找得全不全”和“放得准不准”：全部目标与已提交目标各有四项指标，即平均 IoU 以及 IoU 超过 0%、50%、90% 的比例，未提交目标在全部物体指标中记零。7 个模型、8 种配置的比较中，Opus 5.5 任务平均 IoU 为 41.71%，Astra（xhigh）为 33.16%，Sonnet 5.5 为 32.28%。提交物体的证据支撑差异明显：Astra 最终提交的物体中 99.33% 此前获得过成功三角测量支持，DeepSeek 为 63.48%。成本侧，按当前保存的价格与 token 记录估算，Astra（medium）平均约 2.47 美元/任务。
Auriga：星衍智能的通用具身 Harness，零样本领跑 RoboDojo
星衍智能推出通用具身 Harness 框架 Auriga，在不针对目标任务预调优、不依赖专家演示、单次执行且不允许环境重置的 Zero-shot 评测协议下领跑 RoboDojo 榜单，并在 RoboCasa365 Target50 评测中用同一套 Harness 取得领先。团队把 Physical RSI 分为三层：L1 任务级搜索（进化答案）、L2 单次在线适应（进化过程）、L3 系统级能力改进（进化系统），Auriga 选择从 L3 出发，让同一套框架支撑不同物理任务中的感知、执行与在线纠错。系统围绕三项能力构建：感知即测量，融合三维重建、视觉分割与机器人运动学，把图像转成有真实物理尺度、可查询验证的空间信息；所见即所执，通过统一执行网关把模型生成的动作转成可视化轨迹预演，并在执行中持续验证、异常截停与在线恢复；失败即证据，结构化记录模型意图、规划轨迹、实际运动与执行结果，供长程任务状态追踪与历史检索。实现上，Auriga 融合 VGGT-Omega、SAM 3.1、相机标定与多视角几何，支持用双视角三角测量和三维重投影检查关键接触点，并结合腕部相机与夹爪状态测量已抓取物体在手中的位置与姿态变化，判断是否发生滑移。
来源：https://mp.weixin.qq.com/s/RylvMN6koiXK4YbaHlFwmA
AI 能证伪 ETH 却做不好 RSI：Anthropic 实测智能体 56% 的改动是调超参
OpenAI 在 10 月 27 日放出三篇研究论文：打通四维杨-米尔斯与量子色动力学存在性证明中停滞数十年的重整化群路线，攻克全维度挂谷猜想与局部平滑猜想，并证伪理论计算机科学的核心基石之一指数时间假设（ETH）。但同样的模型在 RSI（递归自我改进）实践中表现相反：模型自己发现的改进往往在初期摘掉几个明显的低效实现后就迅速收敛、触顶。Anthropic 2026 年 10 月 20 日的论文《Automating ML for Science: Can Frontier Agents Climb Scientific Hills in the Wild?》构建了 AGENT4SCI 长周期基准，从数百篇论文中经四轮筛选（淘汰率 98%）保留横跨 11 个科学领域的 20 个基准、25 个具体任务，包括暗物质信号时序去噪、蛋白质深层突变扫描适应度预测、三维 RNA 逆向设计、火星地貌分割、全球森林碳通量 40 年预测等。每个智能体分配 8 张 H200 GPU 与 12 小时预算（部分扩展实验 72 小时），全程无人类干预；四个前沿智能体在全部 20 个基准上均超越论文已发表最佳基线，Claude Opus 4.6 平均相对提升 10.4%、Claude Sonnet 4.6 提升 9.6%、Gemini 3.1 Pro 提升 6.8%、Codex (GPT-5.4) 提升 4.4%，且三阶段隔离协议下没有一次运行被查出作弊。拆开上百条轨迹后，提升几乎全部来自常规机器学习工程：Claude Opus 的所有尝试中 56% 是在调学习率、换余弦退火调度、改权重衰减或延长训练轮数，Gemini 这一占比也达到 48%。
42章经播客：视频生成只有 60 分，Astra 可能是具身的 GPT-3 时刻
在 42章经的播客中，嘉宾淏楠的路径是 MiroMind 做纯语言 Agent（参与 mid-train、SFT、Web Search 数据）→ 混元负责多模态 RL infra → 某具身公司负责模型训练，他给出的判断是“Astra 可能是具身的 GPT-3 时刻”。他提到国内与海外在工程实践、infra 上的代差没那么大，最大的差距是卡不够，而 RL 比预训练还费卡，卡少则实验少、经验积累慢。视频生成方面，他认为目前整体约 60 分、仍在半山腰，模型能力还不能被方便地用起来，瓶颈在于上下文管理等使用体验；Seedance 表现好与数据质量和自有产品密切相关。他判断未来半年到一年有两个机会：一是便于操作的交互方式或 Harness，因为视频涉及个人 taste，更好的形态是模型基于前序影片提出几个镜头方案供选择；二是平台，把使用门槛和成本拉下来后，可能形成用户既是生成者又是消费者的平台。从模型逻辑看，action 也是一种模态，动作生成同样可以用 Diffusion Model，这构成从多模态转向具身的迁移路径。
产品应用
Adobe EditAgent：像 Photoshop 老手一样选工具，代价是 10 倍算力
Adobe Research 与 UC San Diego 构建了 EditAgent，让 AI 更接近 Photoshop 专业修图师的工作方式。它的思路不是把同一个通用编辑器反复重试，而是为每个任务挑选合适的专用工具，再由一个标准语言模型基于可测量的图像数据选出最佳结果。这一方法被验证有效，但代价是约 10 倍的算力开销。
Google StreamVibe：视频助手要学会“该出手时才出手”，现有模型全都选不准时机
Google 主导的研究团队构建了 StreamVibe，一个用于观看做饭、组装家具等过程的视频 agent，目标是只在用户真正需要帮助时开口。配套基准的测试结果显示，参测模型没有一个能在较长视频中可靠地选对介入时机。随着错误累积，响应质量会急剧下降。
即梦上线短剧工作室：DreamScript 写剧本、7000+ AI 演员选角，智能预演省 90% 算力
即梦正式上线“短剧工作室”，把剧本创作、角色与场景资产、分镜、视频生成、后期调整放进同一块画布；此前即梦整合了小云雀的短剧 Agent 能力，两个产品同属剪映旗下。工作室自带四个助手：剧本助手 DreamScript 基于爆剧数据生成并诊断优化剧本，分镜助手 DreamShot 支持批量修改、出海翻译与运镜库调用，选角导演内置自研 AnyCook 与 7000+ 演员库、支持捏脸捏表情，后期导演覆盖即拍即改、片段重拍、智能切分镜、配音与音频分离。重制转绘可复刻原片机位与运镜，支持 18 个目标地区的本土化适配，单段最长 5 分钟、单项目总时长最高 250 分钟；风格库提供 100 多种常用风格。分集生成可选 15 秒或 30 秒片段上限，30 秒主要配合 Seedance 2.5 的长镜头规划。正式生成前可先跑“智能预演”，把同一场戏的多个分镜串联预演，约只用 8 秒视频的算力成本检查节奏、镜头衔接与动作逻辑，相当于花十分之一成本先看细节，预演参考图会自动回填到原分镜。双十一期间即梦开放个人与企业团队优惠，宣传口径为每秒低至 0.16 元。
暂无评论。