腾讯混元 Hy4 发布：770B MoE 开源，首支持电脑操作【AI 早报 2026-11-04】
腾讯混元 Hy4 把总参数推到 770B，并首次给开源模型加上 Computer Use 与视觉理解；同一天，MIT 团队让 GPT-6 Astra 直接改权重，把 0.8B 千问的 MATH-500 成绩拉到 6.1 倍。以下是今日 19 条 AI 资讯。
今日概览
模型发布
- 腾讯混元 Hy4 发布：770B MoE，首支持电脑操作与视觉理解
- LiberAI 发布 Liber-0：220 万小时人类数据，长程任务零样本成功率 10.5%
技术与洞察
- GPT-6 Astra 只改 0.016% 权重，千问小模型 MATH-500 从 7.9% 升至 48.1%
- GPT-6 Astra 一周内从零设计出 Codex 硬件设备
- ProteoCraft 登 Nature 子刊：PD-L1 微型蛋白湿实验命中率 82.9%
- NeurIPS 2026 ReSFlow：离散数据一步生成，DNA 序列生成从 67.94 秒降到 0.409 秒
- CoRL 2026 GR-BC：图搜索重加权行为克隆，四项精细操作平均成功率约 91%
- 斯坦福研究：50 条 LLM 经典论断平均 15.7 个月就“过期”
开发生态
- Anthropic 开源 FlashProve：单张 H100 每秒 110 token 生成 zkSNARK 证明
- Anthropic Message Threads：长对话首 token 时间降低约 35%
- ReTerm：让终端 Agent 从自己的失败中学习，9B 模型 SWE-bench Verified 升至 58.4%
- REA 项目：用 Claude Code 与 Codex 驱动 Ghidra、IDA 逆向二进制
- openai-python v3.43.0：新增 Live Responses 委派工具与 WebSocket 进度回传
行业动态
- Marvell 以 1150 亿美元收购 Lumentum，全股票交易
- Trajectory 完成 4500 万美元 A 轮，红杉领投、英伟达参投
产品应用
- 国行 Apple 智能开放测试：Siri 接入千问，12 月随 iOS 27.3 正式推出
- 浙大开源 nanoMuse：6 类平台协同，手机可指挥电脑执行任务
- Google 把 AI 故事应用 Dreambeans 扩至印度，支持 13 种本地语言
前瞻与传闻
- 奥特曼预告下一代 GPT：1 万个 Agent 协同 88 小时攻纳维–斯托克斯
模型发布
腾讯混元 Hy4 发布：770B MoE，首支持电脑操作与视觉理解
11 月 4 日腾讯混元发布新一代大语言模型 Hy4，总参数规模 770B，采用混合专家架构，相比 preview 版进一步扩大预训练和后训练规模。这是混元系列首次引入视觉理解能力，也是首次支持 Computer Use——模型可以同时操作图形界面与命令行，针对 Blender、CAD 等专业软件以及跨应用长程任务做了专项训练。评测数据上，WorkBuddy 办公场景平均得分 83.18 分、任务通过率 96.15%，12 个场景中 9 个排名国内第一；213 位金融专家参与、覆盖 579 项真实任务的众测中 Hy4 得 3.04 分，高于 Kimi K3.1 Pro 与 GLM-5.3 的 2.68 分、DeepSeek-V4.1-Flash-1017 的 2.97 分。幻觉率从 preview 版的 12.95% 降至 7.2%，因猜测导致的错误率从 23.1% 降至 5.6%；GameDev 与 GameLogic 评测分别比 preview 版提升 19.1% 和 9.8%。定价保持不变：输入 6 元/百万 tokens、输出 18 元/百万 tokens、缓存命中 0.3 元/百万 tokens，即日起至 2026 年 12 月 31 日在腾讯云 TokenHub 按刊例价 5 折计费，权重将于近期开源，Hy4 flash 也在筹备中。安全侧，混元披露 Hy4 在 Hy-BioExperimentBench 上得分 30.4/100，未展现出显著降低生化危害实施门槛的能力。
LiberAI 发布 Liber-0：220 万小时人类数据，长程任务零样本成功率 10.5%
LiberAI 发布世界动作模型 Liber-0，训练数据包含超过 220 万小时人类经验，其中人类视频达 200 万小时。团队让 GPT-6 出了一套 60 个任务的三级测试（抓取放置、非抓取操作、多步骤长程任务各 20 个），每个任务试 10 次共 600 次，且不针对目标任务采集任何机器人示范数据；Liber-0 三组成功率分别为 63.5%、34.0% 和 10.5%，总体 36.0%。在同一套任务中直接把通用推理模型 Astra 当策略用，三组成功率仅 8.3%、5.0% 和 1.7%。数据管线的关键组件是自研 LiberSense Glove：一套轻量可穿戴采集系统，记录手部姿态与运动轨迹，配合第一视角和双腕摄像头同步捕捉“看到什么”与“手如何动”，为海量互联网视频补上动作监督锚点。Liber-0 还发布了物体级零样本在线模拟器 sim.liberai.work，用户可上传自己的物体测试操作表现。
技术与洞察
GPT-6 Astra 只改 0.016% 权重，千问小模型 MATH-500 从 7.9% 升至 48.1%
MIT CSAIL 团队 11 月 2 日公开“权重空间编程”（Weight-Space Programming）研究，让 GPT-6 Astra 直接打开 Qwen3.5-0.8B 的权重文件定位问题并修改，全程不用梯度下降、不写训练循环。Astra 发现这个小模型在 96 份练习题回答中有 85 份一路写到 32,768 token 上限，最终定位到第 15、19 层 MLP，从两层各选 64 个输出列、减去一个与循环行为相关的方向，共涉及 131,072 个权重。改完后 MATH-500 从 7.9% 升到 48.1%（6.1 倍），GSM8K 从 13.8% 升到 67.1%，IFEval 从 21.0% 升到 62.3%，触及长度上限的比例从 93.0% 降到 33.1%。对照实验中，换用不易循环的 Gemma 3 270M 时 Astra 找不到可删的共同部件，50 次前向调用预算下 MATH-500 仅从 6.8% 变为 7.0%。研究还包括：仅改 3.5% 权重让卡在斜坡的小车策略从 256 局 0 成功变为 1,024 局全部成功；从零写出 MinAtar 打砖块网络，评测 1,000 局得 517.4 分，而 PPO 训练 1 亿步为 15.8 分、5 亿步为 25.3 分。作者为 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab。
GPT-6 Astra 一周内从零设计出 Codex 硬件设备
OpenAI 硬件团队用 GPT-6 Astra 为一款面向 Codex 编码智能体的设备做整机设计，从外壳、电路板到固件全部由模型完成，耗时不到一周。由于模型并不总能考虑制造公差，量产前经历了数轮设计修订。OpenAI 表示更新的一版内部模型在其工程基准上的得分显著更高，但未公布具体型号与分数。
ProteoCraft 登 Nature 子刊：PD-L1 微型蛋白湿实验命中率 82.9%
斯坦福大学 X-lab 与 SNAP 实验室联合发布蛋白设计框架 ProteoCraft，把“提出修改”和“评价候选”拆开：用蛋白序列先验、残基几何约束和截断扩散梯度给出近似修改方向，只对末端一步去噪保留扩散路径梯度以控制成本；再用完整 ESMFold2 结构预测验证离散候选，并由蒙特卡洛树搜索分两阶段组织探索——Stage A 同时改多个位点做广域搜索，Stage B 每次只改一个氨基酸做精修。计算基准中，独立 AF2-IG 评估下严格通过率达 86.2%；相同候选预算、ESMFold2 严格标准下树搜索高置信度通过率 54.3%，是 Best-of-N 对照的 2.85 倍。PD-L1 微型蛋白湿实验中，35 个成功表达的候选有 29 个结合命中，命中率 82.9%，其中 6 个报告拟合 Kd 低于 10 nM，最佳单次 SPR 拟合 Kd 为 0.879 nM。Big 配置相较未优化版本实现平均 3.57 倍端到端搜索加速，框架同时支持 TCR 靶点结合蛋白从头设计与 CDR 局部改造。
来源：https://mp.weixin.qq.com/s/b9V4WS-zg7pwHLcrVtOm0g
NeurIPS 2026 ReSFlow：离散数据一步生成，DNA 序列生成从 67.94 秒降到 0.409 秒
内蒙古大学、上海财经大学与 CMU 合作的 ReSFlow 被 NeurIPS 2026 接收，目标是用一次模型调用完成离散数据生成。方法先把类别概率逐项取平方根映射到单位超球面，使 Fisher–Rao 测地线对应球面大圆弧；再用球面线性插值（slerp）连接起终点并求导得到条件速度；随后分两阶段整流——Stage 1 独立随机配对训练初始流，Stage 2 用当前模型解球面 ODE 得到实际终点、以“起点—生成终点”重新配对继续训练，减少条件路径交叉。推理时只需在初始噪声的切空间预测一次速度，经球面指数映射沿大圆弧一步到达终点，平方后恢复类别概率。二值化 MNIST 上，一次模型调用即达到接近 SFM 34 次调用的生成质量；条件启动子 DNA 设计任务中，生成 1,000 条序列的时间从 67.94 秒缩短至 0.409 秒，一步采样与完整 ODE 采样的预测活性谱误差接近。论文与代码已公开。
CoRL 2026 GR-BC：图搜索重加权行为克隆，四项精细操作平均成功率约 91%
浙江大学沈春华团队联合中国电信人工智能研究院与伽马智能白辰甲团队提出 Graph-Reweighted Behavior Cloning（GR-BC），论文被 CoRL 2026 接收。方法用冻结的 MCR 视觉编码器提取三视角表征并结合夹爪状态建图：时间边连接同一轨迹的相邻节点、代价为跨越帧数，相似边在互为 K 近邻、夹爪状态一致且归一化距离小于阈值时桥接不同轨迹；再从成功终点反向跑 Dijkstra 得到剩余步数，线性插值成稠密进度信号（GRP）。每个动作块需同时通过“净进展超阈值”和“最大回退未超限”两道检查才获得正权重，零权重片段不贡献梯度。真机测试覆盖四孔零件装配、显卡插装、双螺钉拧紧与内存条插装（DDR4 插槽开口约 1 毫米），以 X-VLA 为骨干的最终成功率分别为 98%、93%、89% 和 83%，平均约 91%，类 DAgger 等权聚合基线平均 64%，相差约 27 个百分点。进度评测中 GRP 的成功—失败终点进度差为 0.97，局部偏离检出比例 0.92。
斯坦福研究：50 条 LLM 经典论断平均 15.7 个月就“过期”
斯坦福研究者选取 50 条被广泛引用的 LLM 论断，在 20 个当前模型上重新验证。结果显示 44% 的结论已经“过期”，另有 34% 显著减弱，论断的平均有效期仅 15.7 个月。其中关于“模型做不到什么”的能力边界类论断过期速度最快。
开发生态
Anthropic 开源 FlashProve：单张 H100 每秒 110 token 生成 zkSNARK 证明
Anthropic Frontier Red Team 与 EPFL、MIT、StarkWare 的研究者开源了 FlashProve，用 zkSNARK 让模型服务商在不泄露权重的前提下证明“就是这个模型生成了这串输出”。系统在 Llama 4 Maverick 上验证：4000 亿参数 MoE、激活参数约 170 亿、4 比特量化，单张 H100 加 24 核 CPU 下证明生成速度达每秒 110 个 token，1024 token 请求的证明文件约 18.78 MB；生成证明消耗的 GPU 时间相当于 vLLM 纯推理的 70 到 95 倍。客户端侧无需 GPU，下载约 6.5 MB 的模型承诺文件后，24 线程验证一个请求耗时 17 秒、单线程 21 秒。对比此前公开的 VerInf：处理 1000 个 token 要在 DGX Spark 集群上跑 14.3 小时、证明体积 93.6 GB。工程上采用后置批量证明、单 GPU 内存流式处理（权重常驻约 290 GB 主机内存、按需送入 80 GB 显存），离线承诺每种模型约 39 分钟、可支撑约 1600 万次后续请求验证；协议基于多项式 IOP 与哈希编译，不依赖可信设置并具抗量子特性，交付物包含一个用 Lean 形式化并通过定理证明的验证器。
Anthropic Message Threads：长对话首 token 时间降低约 35%
Anthropic 为 Messages API 推出 Message Threads：智能体不再每轮重发整段对话，只传输发生变化的部分。对于 50 万到 100 万 token 的请求，首 token 时间下降约 35%。
ReTerm：让终端 Agent 从自己的失败中学习，9B 模型 SWE-bench Verified 升至 58.4%
复旦大学、香港中文大学 MMLab 与上海交通大学提出 ReTerm，把“自己遇到问题—自己尝试恢复—根据成败更新参数”接入同一训练闭环。团队先用基础模型自己失败的任务现场，让更强教师模型示范检查与修复，经质量筛选得到约 1 万条恢复轨迹 ReTerm-10K 做冷启动；再在在线强化学习中让 Agent 从同一失败现场独立尝试多种恢复办法，由任务验证器判定成败并转化为 RL 信号。ReTerm-9B 在三个主要评测上均提升超过 13 个百分点：Terminal-Bench 2.0 从 20.2% 到 34.8%、SWE-bench Verified 从 45.2% 到 58.4%、OpenThoughts-TBLite 从 44.2% 到 60.6%。换三套运行框架仍保留 6.7–12.4 个百分点增益；AIME 2025 Pass@1 从 73.3% 升至 93.3%，SpreadsheetBench Verified 从 37.8% 升至 48.8%。消融显示恢复示范 SFT 为 25.8%、标准 GRPO 为 28.0%、ReTerm-GRPO 为 34.8%，但除工具使用外其余四类错误恢复率仍未超过 32%。
REA 项目：用 Claude Code 与 Codex 驱动 Ghidra、IDA 逆向二进制
开源项目 Reverse Engineer Anything（REA）在 GitHub 获得超过 20 万个 Star，它通过 MCP 服务器把 Claude Code、Codex 等编码智能体与 Ghidra、Hopper、IDA 等逆向工程工具连接，让开发者检查编译后的二进制、追踪函数调用、查询交叉引用，并针对文件反复验证假设。项目还支持对 JavaScript、Electron 应用和 .NET 程序集做静态分析。展示案例包括追踪 Notion 的 Electron 剪贴板实现、从 DX-Ball 中重建声音声像定位函数（匹配全部 3205 个原始 x86 用例与编译后函数的全部 63 个字节）、从 DOS 游戏 Touhou 4 的 16 位代码恢复弹幕环角度计算逻辑。REA 在本地运行，采用 MIT 许可，不声称能恢复原始源代码。
openai-python v3.43.0：新增 Live Responses 委派工具与 WebSocket 进度回传
openai-python 发布 3.43.0，扩展了 Live Responses 的委派工具接口，并让 responses 模块能够累积带富信息的 WebSocket 进度。同一版本还处理了 WebSocket lane 的溢出逻辑。
来源：https://github.com/openai/openai-python/releases/tag/v3.43.0
行业动态
Marvell 以 1150 亿美元收购 Lumentum，全股票交易
定制芯片设计公司 Marvell 宣布以全股票方式收购光芯片与网络设备制造商 Lumentum，企业价值达 1150 亿美元（含债务），股权价值约 800 亿美元，每股 Lumentum 股票换 4.5 股 Marvell 普通股。作为对比，微软 2022 年收购动视暴雪为 687 亿美元，戴尔 2016 年收购 EMC 为 670 亿美元。两家公司拥有共同重要股东英伟达：今年 3 月英伟达分别向 Lumentum 和 Marvell 各投资 20 亿美元，累计 40 亿美元，并与 Lumentum 签署多年期先进激光器组件采购协议。Marvell 称收购后产品组合将覆盖从芯片到数据中心互联的关键环节。交易需两家公司股东及监管机构批准，预计 2028 年上半年完成。
Trajectory 完成 4500 万美元 A 轮，红杉领投、英伟达参投
AI 模型后训练公司 Trajectory 完成 4500 万美元 A 轮融资，估值达 3 亿美元，由红杉资本领投，英伟达、Bessemer Venture Partners 和 Bain Capital Ventures 参投。公司成立约一年，18 名员工，由三位斯坦福同学创办，创始团队有 Google DeepMind 与苹果工作经历。其平台让企业从开源模型起步，持续收集模型在真实任务中的表现反馈并重新训练，实现“持续学习”，降低对前沿部署工程师的依赖。客户包括 Harvey、Rogo、Decagon、Mercor 和英伟达。竞争方面，公司将 Mira Murati 创办的 Thinking Machines Lab 及其 Tinker 微调平台视为直接对手，其他竞争者包括 Applied Compute（上月融资估值 32.5 亿美元）和 Prime Intellect。
产品应用
国行 Apple 智能开放测试：Siri 接入千问，12 月随 iOS 27.3 正式推出
11 月 4 日凌晨，苹果随 iOS 27.3 开发者 Beta 版向中国用户开放首批 Apple 智能功能测试，包括照片消除、写作工具、实时翻译、通知摘要，以及可调用阿里千问的 Siri；首批功能将在 12 月随正式版推出。支持机型为 iPhone 15 Pro、15 Pro Max、iPhone 16 及后续机型、iPhone Air 和 iPhone Duo，设备与 Siri 语言需设为简体中文或英文，更新不包含 WWDC 2026 公布的下一代 Siri AI。实测中 Siri 处理复杂需求（如“安排明年一月底去大阪、京都的 7 天旅行”）会先询问是否同意调用千问，等待约七八秒返回结果，内容偏行程大纲；用户拒绝调用时 Siri 直接结束任务。视觉智能接入千问问答与百度识图搜索，安装得物后可调用其相似商品搜索。美国市场方面，苹果就 Siri 与 Apple 智能功能延期达成的集体诉讼和解将支付 2.5 亿美元，符合条件用户每台设备预计获 25 美元，最高不超过 95 美元。
浙大开源 nanoMuse：6 类平台协同，手机可指挥电脑执行任务
浙江大学研究者 Guangyi Liu、Yong Liu、Jiangning Zhang 开源跨平台个人智能体 nanoMuse，覆盖 Android、iOS、macOS、Windows、Linux 和网页 6 类平台，手机端、桌面端、网页控制台及设备中继均以 GPL-3.0-or-later 协议开放。其核心是打通跨设备断点：用户可在手机发起请求并用 @设备名 把任务交给电脑执行，App 退出后任务仍可在后台运行，遇到删除、付款等不可撤销操作时暂停等待确认。架构上各端自带智能体、工具与权限检查模块，通过 Hub 与中继交换消息和委托任务；iOS 受系统限制只能参与对话与审批，不能操作其他应用屏幕。当前版本 1.0.9 Tiller，GitHub Star 已超过 3.1k，支持接入自建中继与自定义 OpenAI 兼容接口。
Google 把 AI 故事应用 Dreambeans 扩至印度，支持 13 种本地语言
Google 将实验性 AI 应用 Dreambeans 推向印度，这是其首个美国以外市场，支持印地语、泰米尔语、泰卢固语、孟加拉语等 13 种本地语言及英语。该应用连接 Gmail、日历、相册、搜索、YouTube 和 Gemini 等服务，无需提示即可主动生成用户生活的图文故事，现在还用 Veo 模型为部分图片生成动画。产品经理 Gozde Oznur 称选择印度是因为用户兴趣强、Gemini 与 Gmail、相册重合度高。据 Sensor Tower 估算，该应用自 6 月以来在美国下载量约 5.5 万次，10 月下载量环比下降 84%；且每篇故事只能选择一种语言，可能限制双语混用人群的使用。隐私方面，用户可自行选择连接哪些服务、随时断开或删除数据，并可让应用避开死亡等敏感话题。
前瞻与传闻
奥特曼预告下一代 GPT：1 万个 Agent 协同 88 小时攻纳维–斯托克斯
据 Sam Altman 在阿布扎比 ADIPEC 2026 能源大会上的发言，OpenAI 此前公布的纳维–斯托克斯方程突破由一个约 1 万个 Agent 组成的系统完成，这些 Agent 由“即将发布的下一代 GPT”驱动，连续工作约 4 天（约 88 小时），交换 270 万条消息、生成约 1300 亿 Token。Altman 强调这套系统没有层级结构、没有统一负责人，每个 Agent 可自行探索方向、分享进展并决定下一步；之后由 GPT-6 Astra 花费 17 小时用 Lean 完成形式化与验证。该研究于 9 月 8 日公布，称在平滑外力条件下构造出有限时间内形成奇点且总能量有限的流体解，解决该问题正式表述中的 C、D 两个情形。Altman 在 10 月 29 日播客中透露这项研究投入约 1000 万美元，并预计到 2027 年 9 月能以约百分之一的成本重做同样工作。下一代 GPT 的具体型号、发布时间及普通用户能否调用万级 Agent 协作系统均未公布。
暂无评论。