Kimi K3.1 Pro 开源：2.8 万亿参数，100 万 token 上下文【AI 早报 2026-11-05】
月之暗面放出 2.8 万亿参数旗舰权重，vLLM 首日支持；腾讯混元 Hy4 首次引入视觉与电脑操作，百度把整座城市搬上云端训练无人车。今日共 18 条。
今日概览
模型发布
- Kimi K3.1 Pro 开源：2.8 万亿参数，100 万 token 上下文
- 腾讯混元 Hy4 正式版发布：首次引入视觉与电脑操作
- 深度原理开源 753B 科研大模型 Hydrogen-1.0
- 招商局狮子山实验室发布具身推理模型驭物 Lion-ER-35B-A3B
- 百度开源文心 5.5 Flash Base 基座模型
产品应用
- 百度 ApolloWorld 世界模型落地：萝卜快跑 L4 全无人端到端上车
- 国行 Apple 智能实测：云端调用千问，Siri 复杂任务仍需等待
- ChatGPT Images 2.6 上线：支持 GIF 与参考图，API 出图快 50%
- 阿里云发布 AI 投研工作台 Qovest，月订阅 99 元起
开发生态
- AVA 4.0 发布：面向 AI Agent 的开源数据分析与可视化框架
- OpenAI 自动化流水线发现 Linux 内核 948 个本地提权漏洞
技术与洞察
- OpenAI 推出 LifeVal 评测：把 AGI 考卷从考场搬进日常生活
- 谷歌与 Mercor 发布 PLE 基准：单项约束满足 91%，仅 41.3% 交付合格
- Anthropic 开源 FlashProve：为指定模型推理生成密码学证明
- Seq-Drifting：扩散语言模型实现一步文本生成，提速 11.2 倍
- CloudOpsBench 开源：推理是 AI 云运维的最大瓶颈
行业动态
- ChatGPT 关键数据：搜索量达谷歌 1/5，周活 12 亿
- AI 推理创企 Fal 完成 13 亿美元融资，估值 160 亿美元
模型发布
Kimi K3.1 Pro 开源：2.8 万亿参数，100 万 token 上下文
月之暗面于今日凌晨放出 Kimi K3.1 Pro 完整模型权重，vLLM 同步提供 Day-0 支持，此前该模型已在 Kimi、Kimi Code 和 API 中上线。模型总参数 2.8 万亿，每次激活约 1040 亿，支持 100 万 token 上下文，共 93 层，其中 69 层为 Kimi Delta Attention，其余 24 层注意力从 K3 的 Gated MLA 换成 Gated DSA，并在 MLA 旁加入 DeepSeek Sparse Attention 索引器：每次生成用 32 个轻量索引头给历史 token 打分，选出最相关的 2048 个 token 再做精确计算。按 vLLM 的 FP8 配置，索引键连同缩放信息为每 token 132 字节，完整 MLA 潜在表示是 576 字节，长上下文下单层解码需读取的数据量降到稠密 MLA 的约 23%。能力提升来自后训练：在数百个下游领域做大规模联合强化学习后，Kimi Code Bench 3.0 Long-horizon 从 55.95% 升到 61.2%，金融建模从 50.4 升到 57.6，金融研究从 58.8 升到 70.4；内部 Kimi Hallu Bench Hard 压力测试中，开启工具后事实断言错误率从 23.4% 降到 8.3%。在一个人体行走动力学模拟器任务中，模型处理 296 个骨骼组件和 402 个肌肉组件，经过 167 次任务、420 次独立评审，把连续行走时间做到 11.2 秒，中途还找出了肩部肌肉力臂计算里的 36 处错误。工程侧，8 张 GB300、TP8 配置下 34 万 token 输入的首 token 等待从 15.89 秒缩短到 9.42 秒，DSpark 推测解码预览模型在 GSM8K 上带来约 3 倍解码加速；缓存方面 TP8 加 FP8 约容纳 3 份百万 token 上下文，叠加 NVFP4/MXFP4 低精度缓存与 DCP8 后约 36 份。
腾讯混元 Hy4 正式版发布：首次引入视觉与电脑操作
腾讯混元发布 Hy4 正式版，相比 preview 版本显著扩展预训练与后训练规模，首次引入视觉能力并首次支持电脑操作，可结合命令行与图形界面完成任务。视觉能力用于细粒度图像处理、复杂图表分析和数学视觉推理，团队针对 Blender、CAD 等专业软件和跨应用长程任务做了专项训练；游戏开发方向与腾讯 IEG 合作，适配 UE、Unity、Godot 等引擎并扩展到多人联机，GameDev 与 GameLogic 评测分别提升 19.1% 和 9.8%。金融场景联合腾讯金融科技 FiT 开展 213 位专家众测，其中 153 位来自外部头部金融机构、七成有五年以上经验，基于 579 个真实任务，Hy4 得分 3.04，高于 Kimi K3.1 Pro 的 2.68、GLM-5.3 的 2.68 和 DeepSeek-V4.1-Flash-1017 的 2.97；在讯兔科技 IRAB 内部评测中较 preview 提升 12.03 个百分点。搜索优化后，自建测试中幻觉率从 15.76% 降至 5.45%，猜测导致的错误率从 23.1% 降至 5.6%。科研侧，Hy4 在 84 张无序二维切片、699 万个细胞的小鼠胚胎三维重建任务中，离线无专用配准工具条件下 1.5 小时完成对齐与重建；与北京大学数学团队合作找到 Méndez–Pinto–Villarreal 猜想反例并提出新条件，完成 Lean 形式化验证。配合 Hyra 2.0，Hy4 自主定位预训练系统性能瓶颈，实现端到端训练吞吐提升 20.1%，并训练出在 8 项基准中 6 项优于官方 Jev 的 Hyra-Jev；同时开源 1600 万参数的细胞表征模型 HyCell（约 1/14 参数量达到 SOTA 模型 Stack 相当水平）和物理场模型 HyPDE。
深度原理开源 753B 科研大模型 Hydrogen-1.0
深度原理发布面向科研任务的 Hydrogen-1.0 并开放模型权重，模型基于 GLM-5.3 做全参数后训练，总参数量约 753B，训练数据除化学、材料科学与生命科学知识外，还加入实验室记录、多轮材料探索过程等自有科学数据和科研人员反馈。团队称这类过程数据能让模型学到研究者如何分析异常结果、何时调整方案，而不只是记住最终结论；针对科研任务推理链较长的特点，团队还调整了长文本训练方式，并在强化学习阶段保存未完成的生成进度以减少重复计算。在 FSR 评测中，Hydrogen-1.0 解题成功率 38.3%，GPT-6-Astra 为 33.3%，较基础模型 GLM-5.3 提升 13.9 个百分点；GPQA Diamond 准确率 93.0%，略低于 Kimi-K3 的 93.5%。在金属配合物搜索任务中，各模型从同一批初始候选出发、每轮只推荐一个新候选，五轮探索后 Hydrogen-1.0 找到的最佳 HOMO–LUMO 能隙平均值为 4.318 eV，GPT-6-Astra 与 Kimi-K3 分别为 3.689 eV 和 3.353 eV。模型权重已在魔搭 ModelScope 社区开放。
招商局狮子山实验室发布具身推理模型驭物 Lion-ER-35B-A3B
招商局狮子山实验室发布具身推理模型驭物™ Lion-ER-35B-A3B，模型总参数 35B，推理时仅激活 3B 参数，采用稀疏 MoE 结构。该模型定位为让机器人理解真实物理世界，官方称在十项基准上全线提升，并强调能力提升不依赖堆砌数据。目前公开信息集中在模型规格与评测结论，具体任务榜单细节尚未展开。
来源：https://www.qbitai.com/2026/11/507586.html
百度开源文心 5.5 Flash Base 基座模型
11 月 5 日，百度正式开源最新基座模型文心 5.5 Flash Base。官方称该模型在多基准测试中刷新同尺寸模型 SOTA。目前公开信息披露有限，更多评测数据与权重下载方式尚未在现有材料中给出。
来源：https://www.qbitai.com/2026/11/507787.html
产品应用
百度 ApolloWorld 世界模型落地：萝卜快跑 L4 全无人端到端上车
百度 Apollo 发布 ApolloWorld，定位为首个面向物理 AI 的 Agent 驱动全模态世界模型，把城市路网、多模态传感器和车流博弈搬上云端，支持毫秒级实时交互与连续几十分钟的完整接单推演，突破了以往世界模型只能模拟几十秒孤立片段、单向放录像的限制。百度给出的换算方式是：无人车云端平均“日行十万公里”，1 天虚拟里程相当于 1 辆配安全员真车连续测试约 3 年。云端特训对象是萝卜快跑新一代 L4 端到端 AIDriver 基础模型（ADFM），训练时 ApolloWorld 生成街景与雷达点云，并根据车端每次转向、刹车实时推演周围车流反应，形成闭环博弈，遇到罕见险情可批量生成上千道同类长尾难题反复训练。百度同时提出世界模型“2+3”标准：因果性（严格时间单向推演）与交互性（动作条件生成）为门槛，物理准确性、持久性、实时性为 L4 训练场实战指标，并称安全决策周期需限定在 1/30 秒内。实测环节展示了暴雨模式下激光雷达点云因雨水散射大幅减少、前车水花与无回波区同步生成等物理一致性表现。目前上百辆无安全员真车已在深圳靠端到端大模型跑单，百度称全球做到这一步的只有它和特斯拉两家。
国行 Apple 智能实测：云端调用千问，Siri 复杂任务仍需等待
随着 iOS 27.3 开发者测试版推送，国行 Apple 智能向国内用户开放测试，更新包体达 12GB。国行版由苹果自研模型与阿里千问共同支撑：照片消除、基础润色等能力在端侧运行，复杂任务则通过 Siri、写作工具和视觉智能调用千问云端能力。实测中，改造后的 Siri 支持双击屏幕底部横条打字交互，简单指令可直接完成，但一句话塞两个任务或深层系统调度仍无法处理；遇到超出能力的请求会弹窗询问是否调用千问，同意后约 7—8 秒生成答案，但九寨沟四日游攻略内容密度偏低。照片“消除”功能表现较稳，远距离、轮廓清晰的主体消除后单张照片体积约减少 0.2MB，大面积草地与鹅卵石路面则容易出现低分辨率模糊色块。实时翻译依赖端侧模型，每种语言包约 2GB，日常口语对话延迟不到 1 秒。视觉智能长按相机控制键激活，“询问”接千问、“搜索”默认用百度视觉模型，得物、和弦查询应用 Guitar Wiz 等第三方应用也出现在可选搜索服务列表里。正式版预计 12 月发布。
来源：https://www.ifanr.com/1687733?utm_source=rss&utm_medium=rss&utm_campaign=
ChatGPT Images 2.6 上线：支持 GIF 与参考图，API 出图快 50%
OpenAI 推出 ChatGPT Images 2.6，新增 GIF 生成与参考图输入两项能力，用户可上传参考图片引导生成结果。同时两个新模型进入 API，官方给出的图像生成速度提升为 50%。这是 ChatGPT 图像能力在 2.x 系列上的又一次迭代，具体模型命名与定价未在现有材料中说明。
来源：https://www.youtube.com/watch?v=bJldMYfRvMQ
阿里云发布 AI 投研工作台 Qovest，月订阅 99 元起
阿里云发布面向专业机构投资者的 AI 投研工作台 Qovest，用户用一句话提出研究需求，系统自动查数据、收集资料、深度分析、生成报告，并按设定频率持续跟踪研究对象。与一次性问答不同，Qovest 把每次研究结果沉淀到“投研空间”，可与对话打通、归档研究成果与个人操盘笔记，让同一项研究接着往下做。为满足专业投资者对数据实时性、出处和结论可靠性的要求，团队采购权威金融数据库并部署在阿里云上，自研面向金融场景的 Agent 工程框架 Harness，打通数据调用到分析输出的完整流程；官方称在开源金融评测集 FinFirst 与 IRAB 的内部横向评测中，Qovest 在回答质量、响应速度、成本三项上领先参与评测的主流产品。演示案例包括拆解人形机器人产业链各环节单机价值与国产化水平、测算数据中心电力设施投资规模（调整任一前提假设即自动重算），以及为黄金 ETF 建立每周自动更新金价、美元指数、全球 ETF 持仓、央行购金等变量的动态跟踪看板。Qovest 官网已对个人用户开放邀测，注册赠积分免费试用，后续可选每月 99 元或 199 元订阅套餐，企业版近期推出。
开发生态
AVA 4.0 发布：面向 AI Agent 的开源数据分析与可视化框架
AVA 4.0 是一套面向 JavaScript 应用和 AI Agent 的开源数据分析与可视化框架，3.0 版本基于规则与统计方法做数据洞察和图表推荐，4.0 转向 Agent，打通数据接入、分析执行与可视化表达。框架定义统一数据模型 DataModel，分三层为查询生成提供上下文：结构元数据 Schema（表与视图、字段类型、键约束与关联关系）、统计画像 Profile（行数、空值数、基数、取值范围与高频值）、业务语义 Semantic（指标表达式、分析维度、时间口径与业务关联）。团队用 GLM-5.1 在 Spider2-Lite 的 SQLite 子集上做了对照：仅提供表头和数据样例时正确率 25.9%，补充数据结构与统计画像后为 33.3%，进一步加入业务定义后达到 80.7%，代价是 Token 用量增加。执行侧采用“模型组织探索、程序承担计算”的分工，接入 10 余种数据源：文件分析用 DuckDB 2.0，可支撑约 6 亿行数据查询；数据库分析走 ClickHouse、Supabase 在库内计算；复杂变换交给 Python/pandas，轻量处理用 JavaScript。可视化部分把图表适用场景、数据要求与使用边界组织为启发式知识，由 AntV GPT-Vis 渲染，支持 26 种以上可视化类型。
OpenAI 自动化流水线发现 Linux 内核 948 个本地提权漏洞
OpenAI 披露其构建了一条自主流水线，用于发现、验证并生成补丁，最终在 Linux 内核中定位了 948 个本地权限提升漏洞。该流水线覆盖从漏洞识别到修复代码生成的完整环节，输出结果经过验证。这与此前同类工作的差异在于规模：单次运行即覆盖近千个本地提权问题，而非个案式的人工辅助审计。
来源：https://openai.com/index/a-thousand-fewer-paths-to-root
技术与洞察
OpenAI 推出 LifeVal 评测：把 AGI 考卷从考场搬进日常生活
OpenAI 推出名为 LifeVal 的新评测标准，用于衡量 AI 在真实生活任务中的表现，而非律师资格考试或奥数这类离线考题。官方给出的背景数据是 ChatGPT 每周活跃用户超过 10 亿，用户真正需要的是找靠谱保姆、搞定退税、规划跨国搬家一类事务。新智元在报道中称，这套评测对应的市场规模被描述为 1.7 万亿美元、覆盖全球 80 亿人，该数字为报道方表述而非 OpenAI 官方口径。报道同时提到 GPT-6.2 Astra 的实测信息正在 X 上流传，以及奥特曼此前发推称“人们应永远掌控未来，不应将未来控制权拱手让给超级智能”。LifeVal 的具体任务构成、评分方式与榜单结果在现有材料中未展开。
来源：https://mp.weixin.qq.com/s/hO2gD6RsPCiH0FBpVXxBog
谷歌与 Mercor 发布 PLE 基准：单项约束满足 91%，仅 41.3% 交付合格
Google 与 Mercor 发布 Physical-Engineering's Last Exam（PLE）基准，用 85 项机械、电气、土木与结构工程任务量化工程 Agent 的能力落差，任务累计包含 5170 份文件，平均每项约 61 份，涵盖 PDF、电子表格、邮件、CAD 和 BIM 模型，其中混有已作废的设计版本。在 56 项隐藏测试中，Claude Opus 5.5 搭配 Claude Code 得分 48.3%；在 41 项人机共同创作任务中，该组合平均满足 91% 的单项约束，但只有 41.3% 的交付设计项满足全部硬性安全与可行性要求。PLE 采用硬约束门控机制：40% 评分空间取决于单项检查通过比例，60% 与成本或性能优化挂钩，但只要违反一项硬约束，优化分即归零，避免用设备过量满足规范或牺牲可行性换取漂亮成本数字。论文指出剩余 9% 的差距难以靠继续提升计算能力解决——工程设计约束彼此耦合，例如管径决定水力阻力、阻力影响水泵工作点、流量又决定换热能力，单变量改动会改变其他参数的可行范围。长流程任务还暴露状态一致性问题：一项三维机电协调任务要求为 128 个设备机柜的机房布置电缆桥架、母线、冷冻水管和消防喷淋，调整一处路径后线路长度变化会使原有压降计算失效，Agent 需要维护带依赖关系的设计状态并做增量重算。
Anthropic 开源 FlashProve：为指定模型推理生成密码学证明
Anthropic 开源 FlashProve，把“服务商调用的到底是不是宣传中的模型”变成一道可验证的密码学命题：输出是否由事先锁定的指定模型按规定计算得出，无需公开权重，也不要求用户重跑模型。流程分离线与在线两步：离线阶段服务商为权重生成很短的隐藏承诺，客户端保存该承诺而不必下载可达 TB 级的权重；在线阶段服务商除返回答案外，还要证明被检查的 token 来自承诺模型，且证明不暴露权重和中间计算轨迹。验证者无法逐项重算，系统先通过交互式预言机证明把计算转成带冗余的编码，再用少量随机查询发现错误，随后用 Merkle 承诺压缩长消息、用 Fiat—Shamir 变换把多轮交互折叠为一份证明，链路只依赖 BLAKE2 哈希等基础部件。实验采用 Llama 4 Maverick，约 4000 亿参数、128 个专家，每个 token 在每个 MoE 层只激活一个路由专家和一个共享专家，实际动用约 170 亿参数，稀疏激活同时降低了推理成本与需要证明的计算量。性能上，单张 H100、24 个 CPU 核心、232GB 权重分批流入 80GB 显存，24 个请求成批时出证约 223 秒、吞吐每秒 110 token，单请求约 58 秒、吞吐降至每秒 17.6 token；每份证明 18.78MB，客户端无 GPU 用 24 线程验证约 17 秒、单线程约 21 秒。代价是批处理下单个请求约等五分钟，按每 GPU 计证明耗时约为普通 prefill 的 72 倍，最高负载下约 94 倍，因此当前采用事后生成证明。
Seq-Drifting：扩散语言模型实现一步文本生成，提速 11.2 倍
香港城市大学、深圳大学、中国科学技术大学和牛津大学的研究团队提出 Seq-Drifting，把 drifting 生成建模引入文本序列，通过依赖当前生成上下文的漂移场，训练模型在一次前向计算中协调不同位置的词元选择，实现一步文本生成。核心是上下文依赖的漂移场：训练时先并行生成一组连续词元表示，再根据当前上下文为每个位置构造候选词元集合作为吸引目标，候选可由 n-gram 匹配从数据集检索，也可由参数冻结的支持模型按当前前缀打分选出；同时加入样本间排斥与序列内排斥，分别防止不同噪声输入产出雷同文本和同一段文字内部重复。在无条件的 128-token 生成中，Seq-Drifting 的生成困惑度（Gen-PPL）为 36.01，相较四步蒸馏基线 FMLM 实现 11.2 倍实际运行时间加速。研究还在条件续写、机器翻译、摘要生成及推理任务上验证了该框架，论文题为 One-Step Text Generation by Seq-Drifting，代码和模型权重已公开。
来源：https://mp.weixin.qq.com/s/K3gFnZwQC3RcB1D6_RNuyA
CloudOpsBench 开源：推理是 AI 云运维的最大瓶颈
CloudOpsBench 是一个新的开源基准，用于衡量 AI Agent 处理云端典型 DevOps 任务的能力，覆盖修复服务、移除资源、限制访问权限、推送更新、下线项目等操作。基准的结论是：推理而非工具调用或接口操作，是当前 AI 在云运维场景中的最大瓶颈。该基准以开源形式发布，可用于横向比较不同 Agent 在真实运维流程中的表现。
行业动态
ChatGPT 关键数据：搜索量达谷歌 1/5，周活 12 亿
在 OpenAI 的一场晚宴上，ChatGPT 消费者产品负责人 Adam Fry 与 Big Technology 创始人 Alex Kantrowitz 聊了组最新数据：ChatGPT 周活已达 12 亿，过去两个月从 10 亿涨到 12 亿，前 30 天和后 30 天各增约 1 亿。搜索类查询量约为谷歌的五分之一，统计口径是“用户提问并触发模型检索网页”即计一次搜索；增长主要来自查人、查地点、查物品以及金融、健康等高度依赖实时信息的问题。Personal Agent 产品 Dots 于 9 月 29 日上线，使用需每月 100 美元套餐，目前仍很吃算力，OpenAI 在这条赛道上尚未打平成本，权限开放也比部分竞品保守，暂不接受信用卡类敏感授权。语音模式用户占比约两成，但用过之后留存很高，内部对此非常兴奋。Adam Fry 还表示 ChatGPT 很快会把 Chat 与 Work 两个模式合并，避免用户纠结选哪个；未来界面可能演化为随对话实时变化的画布。
AI 推理创企 Fal 完成 13 亿美元融资，估值 160 亿美元
据彭博社报道，总部位于旧金山的 AI 推理初创公司 Fal 完成 13 亿美元融资，由 Bessemer Venture Partners 领投，英伟达、Sound Ventures 和普信集团参投，估值升至 160 亿美元，较今年 4 月的 80 亿美元翻倍。Fal 同时宣布完成 E 轮和 F 轮融资，两轮累计募资 16.5 亿美元，其中 E 轮由红杉资本领投。Fal 成立于 2021 年，为 AI 视频、图像和音频模型提供托管与推理服务，开发者通过 API 调用各类生成式模型；今年早些时候其年化收入已突破 8 亿美元。Baseten、Fireworks AI、Modal 等推理服务商也在以更高估值完成大额融资，但该赛道盈利仍受制于算力成本，多位知情人士称这类公司毛利率相对较低。Fal 由 Burkay Gur 和 Gorkem Yurtseven 联合创立，前者曾在 Coinbase 负责机器学习业务并担任甲骨文工程师，后者此前是亚马逊软件开发人员。
暂无评论。