美团 LongCat-2.5 开源：1.6 万亿参数、百万上下文【AI 早报 2026-11-10】
11 月 10 日，美团以 MIT 协议开源总参数 1.6 万亿的 LongCat-2.5；Anthropic 同日亮出 Fable 5.2 与 Mythos 5.2，用 1000 个智能体在 30 小时内完成费马大定理的形式化验证。英伟达则用 H100 实测数据质疑长上下文路线，称短上下文加状态压缩可省下最高 233 倍成本。
今日概览
要闻
- 美团 LongCat-2.5 开源：1.6 万亿参数、百万上下文
- Anthropic 发布 Fable 5.2 与 Mythos 5.2：千个智能体 30 小时完成形式化证明
- 谷歌发布 TPU 8tx 与 8i Max：2028 年 TPU 销售额预计超 1350 亿美元
模型发布
- 字节 Seedream 5.5 发布：支持 100 轮编辑与原生 RGBA 透明素材
- 戴盟等发布 Touch-R1：首个触觉锚定物理推理模型，入选 NeurIPS 2026
- Meta 发布 Muse Ember：主打复杂推理执行的最小高效模型
- 英伟达发布 Nemotron-Personas-Finance-Japan 合成数据集
开发生态
- Claude Code v2.1.321：默认模型切换 Fable 5.2，新增 remote-control 配置文件参数
- Google Cloud Pathways 正式 GA：单控制器管理万级加速器集群
产品应用
- 千问 AI 平台 Token Plan 额度上调 70% 以上，Pro 档月费降至 312 元
- 飞拓星驰完成数千万美元天使轮融资，首款家庭 AI 游戏机将在 CES 2027 亮相
技术与洞察
- 英伟达提出 SSSM：短上下文加状态压缩，成本最高省 233 倍
- AISLE 首个干湿实验闭环基准：GPT 5.5 仅得 41.19 分，安全约束通过率 0%
- TouchScale 构建 500 小时人类视觉-触觉数据集，机器人操作成功率提升 35 个百分点
- Anthropic 记忆实验：会“做梦”的 AI，413 份笔记输给 9 份
- 小红书 DeCoRL 提出多图合成一致性优化：MICo-Bench 综合分从 37.58 升至 54.03
- 中大本科生反 AI 逆向项目：让黑客 Token 账单暴涨 300 倍
- DeepMind 用 AI 工具形式化验证 Signal 协议安全性
行业动态
- 登临科技港交所上市：开盘市值 118 亿元，企业 AI GPGPU 份额 1.0% 排第三
- Handshake AI 训练数据业务年化收入达 10 亿美元
要闻
美团 LongCat-2.5 开源：1.6 万亿参数、百万上下文
美团正式开源 LongCat-2.5，采用 MIT 协议，支持商用推理部署与二次训练，无需额外授权。模型总参数 1.6 万亿，每个 token 激活约 480 亿参数，支持 100 万上下文，定位面向长程智能体任务的原生多模态模型，在复杂代码库开发、完整项目构建、Visual Coding 与专业办公场景中提升端到端交付能力。训练侧加入更多长程轨迹，并把真实 Agent 的失败轨迹转为可复现、可验证的训练任务；强化学习采用 partial rollout 异步训练，过采样率按通过率动态调整，并对跨 checkpoint 旧轨迹做梯度校正。环境侧通过断网、清除 git 历史与文件缓存、LLM judge 监督轨迹，对重复思考、重复工具调用、过度思考施加约束。视觉侧将原生分辨率特征做残差向量量化，表示为多层级离散 token，与文本共享同一套主干参数，视觉码本与主干联合训练。推理采用 W4A4 方案，专家权重与激活同时量化到 4 bit，通过原生 INT4 矩阵乘法单元执行，并以 FlatQuant 可学习等价变换优化 MoE 量化精度。针对单卡显存不足 80GB 的国产算力芯片，美团用 FSDP 双重分片、混合词表并行、MoonEP 动态专家复制与零拷贝通信完成长序列训练，该 FSDP 配置在长序列 SFT 任务中的单卡吞吐量较 DDP 基线提升 86%。
来源：https://tech.meituan.com/2026/11/10/Meituan-LongCat-2.5-Open-Source.html
Anthropic 发布 Fable 5.2 与 Mythos 5.2：千个智能体 30 小时完成形式化证明
美国当地时间 11 月 9 日，Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两款模型采用相同底层模型，Fable 5.2 通过网络安全和生物学领域的安全限制面向普通用户开放，Mythos 5.2 主要向经过审核的网络安全和生命科学研究机构提供。新模型生成速度最高提升 30%，标准价格降至每百万输入 Token 8 美元、每百万输出 Token 40 美元。最受关注的演示是 1000 个 Fable 5.2 智能体协同工作，在 30 小时内将费马大定理的既有数学证明转化为 Lean 可逐步验证的形式化证明；此前研究版本耗时 11 天，本次行动 Token 只有此前方案的三分之一，最终证明长度缩短至七分之一，而 Opus 5.5 在同样 1000 个智能体、30 小时条件下只完成约 26% 的形式化工作。Anthropic 明确说明，AI 完成的是已有证明的形式化验证，并非重新发现数学证明。工程侧，一名工程师让模型从空文件夹开始设计可在笔记本电脑启动的原型操作系统，Fable 5.2 协调 1000 多个子智能体连续工作 8 天，最终系统包含内核、磁盘、键盘和网络驱动程序、持久化文件存储、窗口系统、登录界面和安装程序。硬件侧，Anthropic 与电路板设计公司 Diode 合作，让模型根据文字描述设计家庭语音助手中枢、USB 会议扬声器和手持虚拟宠物三款设备，模型自行编写技术规格、选择元件、设计四层电路板、制作 3D 打印外壳并编写设备软件，电路板不到一天完成制造准备，三款设备全部正常工作且无需修改电路。机器人控制方面，Fable 5.2 在模拟双臂机器人测试 RoboDojo 中得分 64.9%，Fable 5.1 为 27.6%，Opus 5.5 为 39.4%。
谷歌发布 TPU 8tx 与 8i Max：2028 年 TPU 销售额预计超 1350 亿美元
谷歌推出两款新型张量处理单元 TPU 8tx 和 8i Max，二者并非完全重新设计，而是根据客户需求对现有芯片架构重新配置。8tx 主要面向机密计算场景，与 AMD 芯片配合运行，能够在芯片层面实现数据加密，降低数据在内存中解密处理的安全风险；8i Max 主要面向需要长上下文窗口的 AI 应用，将两颗 TPU 芯片集成在同一封装中，以提供更强计算性能和更大内存容量。两款新芯片预计于明年上市。谷歌芯片业务负责人 Amin Vahdat 表示，谷歌四款 TPU 产品将分别针对不同应用场景优化，过去通常每两年推出一代 AI 处理器，今年 4 月首次同时发布两款新芯片，此次又在现有产品基础上增加两个新版本。价格方面，TPU 比英伟达 GPU 低约 30%，吞吐量具备竞争力；量化交易公司 Jump Trading 已拥有数千颗 TPU，甲骨文宣布从明年开始 Oracle Cloud 客户将首次能够使用 TPU，Anthropic 也是谷歌 TPU 的重要客户。彭博行业研究预测，到 2028 年谷歌 TPU 相关销售额有望超过 1350 亿美元，其中包括配套软硬件收入，远高于今年预计的 120 亿美元，且尚未计入客户通过 Google Cloud 使用 TPU 产生的收入。发布当日美股交易期间，Alphabet 股价一度上涨 4.1%，至 296.33 美元。
模型发布
字节 Seedream 5.5 发布：支持 100 轮编辑与原生 RGBA 透明素材
字节跳动 Seed 发布新一代图像创作模型 Seedream 5.5，重点升级多轮编辑、透明素材生成和真实感与文字渲染三项能力。多轮编辑实现非编辑区域像素级保持，消除色彩偏移，降低连续修改中的细节丢失与画质衰减，支持围绕同一作品展开多达 100 轮持续创作；官方演示中，围绕同一人物连续编辑 100 轮，经过服装、配饰与桌面物件变化后，模型仍能精细修改戒指、镜框等细小对象，并根据人物姿态处理配饰与皮肤的接触、遮挡和光影衔接。Seedream 5.5 新增原生 RGBA 透明素材生成，直接输出带 Alpha 通道的透明或半透明图像，精细处理轮廓边缘与透明区域，省去后期抠图修边，生成元素可作为独立素材进入排版、合成与制作流程。图像质量方面，模型改善光照、材质与皮肤纹理表现，减少过度油亮、过曝和斑驳，同时提升复杂字形与密集小字的还原准确度。Seedream 5.5 正陆续在即梦、豆包、豆包工作、火山方舟等平台上线，评测称其整体表现较前代显著提升，在文字结构、文生图真实感方面效果领先。
戴盟等发布 Touch-R1：首个触觉锚定物理推理模型，入选 NeurIPS 2026
戴盟机器人团队联合厦门大学、南京大学、大湾区大学、复旦大学提出 Touch-R1，将强化学习用于跨传感器触觉推理，论文已被 NeurIPS 2026 接收。该研究称 Touch-R1 是首个触觉锚定物理 R1 模型，首次将强化学习系统性引入触觉推理模型，让模型依据触觉证据推翻视觉误判，将物理认知从“看起来是什么”转向“实际是什么”。研究指出，当视觉与触觉信息冲突时，GPT-4o、Gemini-2.5-Pro 等模型往往更相信视觉，可能把看起来像硬质塑料、实际柔软的物体判断错，进而导致机器人抓取失败或损伤物品。团队构建 TouchReason-1M 数据集，覆盖 1000 余个日常物体和 9 大类材料，汇集 DM-Tac X、GelSight Mini、Xense 和 Tac3D 四种视触觉传感器；所有物体数据在标准动作和标准力下采集，从初始接触按压至 20N，再以标准力完成六种探索动作，共包含 14,700 条有效触觉序列和 132.3 万个同步数据对。团队同时构建 TouchReason-Bench 基准，用于评测触觉推理能力，为跨传感器一致性学习建立共同物理参照。
来源：https://mp.weixin.qq.com/s/RaucDZrsEqYjZj0_OlL5Sg
Meta 发布 Muse Ember：主打复杂推理执行的最小高效模型
Meta AI 发布 Muse Ember，将其定位为 Claude Haiku、GPT Luna 同类别的产品。Meta 官方描述称，这是其“最小、最高效的模型，面向复杂推理执行”而设计。摘要未披露 Muse Ember 的具体参数量、上下文窗口、定价与基准测试成绩。
来源：https://simonwillison.net/2026/Nov/10/muse-ember/
英伟达发布 Nemotron-Personas-Finance-Japan 合成数据集
英伟达在 Hugging Face 发布 Nemotron-Personas-Finance-Japan 合成数据集。该数据集的主题是刻画日本的人口结构与金融语境，以合成人物数据形式提供相关背景信息。摘要未披露数据集规模、字段结构、许可协议与具体评测结果。
来源：https://huggingface.co/blog/nvidia/nemotron-personas-finance-japan
开发生态
Claude Code v2.1.321：默认模型切换 Fable 5.2，新增 remote-control 配置文件参数
Claude Code 发布 v2.1.321，新增 Claude Fable 5.2（claude-fable-5-2）并将其设为默认 Fable 模型，支持 100 万上下文。价格同步明确为每百万 token 输入 8 美元、输出 40 美元，缓存读取为每百万 token 0.20 美元。该版本还为 claude remote-control 新增 --settings <file> 参数，用于指定配置文件。发布说明中后续更新项在摘要中被截断，未披露更多变更。
来源：https://github.com/anthropics/claude-code/releases/tag/v2.1.321
Google Cloud Pathways 正式 GA：单控制器管理万级加速器集群
Google Cloud 宣布 Cloud Pathways 正式 GA，这是一个面向大规模加速器集群的分布式机器学习运行时。随着 AI 工作负载扩展到数千个加速器，Cloud Pathways 用单控制器架构替代多控制器管理。摘要未披露支持的加速器型号、集群规模上限与具体性能数据。
产品应用
千问 AI 平台 Token Plan 额度上调 70% 以上，Pro 档月费降至 312 元
千问 AI 平台上调 Token Plan 个人版订阅额度，Lite、Essential、Standard 三档月费不变，月度额度提升约 74% 至 78%。具体为：Lite 由 1.15 万 Credits 提升至 2 万，月费 39 元；Essential 由 2.55 万提升至 4.5 万，月费 79 元；Standard 由 4.5 万提升至 8 万，月费 139 元。最高一档 Pro 同时调整额度和价格，额度由 18 万提升至 20 万 Credits，月费由 499 元降至 312 元，降幅约 37.5%。按月费除以月度额度测算，Lite、Essential、Standard、Pro 四档单位额度成本分别下降约 42.5%、43.3%、43.8% 和 43.7%，降幅均超过四成。Token Plan 可接入千问办公、千问 APP、Qoder、Qwen Code、Claude Code 等 AI 编程和智能体工具，以 Credits 统一抵扣不同模型调用及 Agent Harness 工具费用，支持文本及多模态模型。本次调整覆盖存量订阅用户，11 月 9 日起四档套餐新额度陆续生效，当前订阅周期内总额度按新标准补齐；Pro 存量用户当前周期价格不变，新价格自下一订阅周期起生效。
飞拓星驰完成数千万美元天使轮融资，首款家庭 AI 游戏机将在 CES 2027 亮相
AI 互动娱乐公司飞拓星驰完成数千万美元天使轮融资，本轮由元生资本、江远投资领投，老股东日初资本、锋领资本等机构持续跟投。与只做软件的公司不同，飞拓星驰软硬件一起做，围绕 AI 游戏引擎、AI 端侧模型和家庭娱乐硬件同步布局，首款硬件产品将于 2027 年 CES 首次亮相，首期面向北美家庭市场。技术侧，团队将自动驾驶与具身智能相关经验用于人体动作、空间关系与实时反馈，其端侧模型使玩家无需手柄和 VR 外设，可将高于 120fps、小于 3cm 误差的人体 3D 姿态映射到游戏世界内，并称在 H3WB-W 榜单上登顶。团队方面，AI 团队均为 95 后，多名核心成员博士毕业于香港中文大学，曾在亚马逊、腾讯、华为、商汤从事研究与产品落地；游戏制作由两位行业老兵牵头，商业化负责人曾负责《王者荣耀》《原神》等产品的商业化与内容生态建设。产品设计覆盖单人游玩、同屏互动与线上联机，计划在首发阶段支持线上共同游玩。
技术与洞察
英伟达提出 SSSM：短上下文加状态压缩，成本最高省 233 倍
英伟达团队提出“不需要长上下文”的路线：短上下文配合状态压缩几乎不掉点，还能省下 2 到 230 倍成本，并据此提出语义状态空间模型 SSSM。H100 实测显示，GLM 5.2 在 256K 窗口下的生成成本是 16K 的 3.6 倍，Kimi K2.6 是 5.6 倍，Qwen 3 Coder Next 达到 7 倍；窗口从 256K 缩回 16K 时，三款模型解码速度分别提升 3.6 倍、5.6 倍和 7 倍。端侧 DGX Spark 上，多个模型逐 token 延迟随上下文长度近似翻倍，部分模型直接显存溢出无法运行。研究在 agent 框架上比较三种上下文管理模式：FHA 全量保留历史、EoCC 到达阈值时让模型写交接简报后开新对话、SAC 每执行一个动作就压缩一次只携带极简语义状态。实验覆盖 6 个长程基准和 7 个长输入基准，模型选用 Claude Opus 4.5 和 GPT 5.6 Sol；长程任务准确率波动分别为负 3.7 到正 5.6 个百分点、负 3.3 到正 4.4 个百分点，22 组配置中掉点超过 2 个百分点的不到 5 组，成本节省 2.2 到 8.8 倍。长输入任务把文档放进文件系统，让 agent 用 grep、sed、head 等工具自行检索，NIAH needle 检索两个模型均达 100%，RULER 召回率从 62.5% 升至 95.7%，BABILong 提升 24.9 个百分点，成本节省 6.5 到 233.3 倍。SAC 极限测试中，Opus 4.5 成绩与全量基线打平甚至反超，Terminal-Bench 提升 4.6 个百分点，GPT 5.6 Sol 仅下降 2 到 3 个百分点，峰值上下文从 130K 到 200K 压缩到 15K 到 37K。
AISLE 首个干湿实验闭环基准：GPT 5.5 仅得 41.19 分，安全约束通过率 0%
律动造物联合新南威尔士大学、新加坡国立大学、瑞士洛桑联邦理工学院和加州大学伯克利分校等 13 个 AI4Science 实验室，推出 AI Scientists' Last Exam（AISLE），定位为全球首个面向干湿实验闭环科学发现的公开基准。首轮累计执行 4079 次真实湿实验测试，在完成湿实验榜单评测的模型中，综合排名第一的 GPT 5.5 在满分 100 分情况下仅得 41.19 分；在带有安全约束的实验优化任务中，所有参测模型的完整通过率全部为 0%，GPT 6 Astra 得分甚至有所降低。该基准试图解决真实实验受设备差异、执行误差和成本制约、不同实验室结果难以横向比较的问题。研究团队指出，在计算机里模型可以把“1+1”计算一亿次得到相同答案，但在湿实验室里让自动化移液设备重复一亿次操作，结果不可能完全相同，设备会损耗、精度会漂移、测量数据带有噪声。安全层面，当模型直接调用实验设备，一次违反安全约束的决策可能从数字错误变成设备损坏、人员伤害甚至环境污染，模型能否识别多轮交互中逐步显露的危险意图也被纳入考察。参与者包括伯克利材料科学家 Gerbrand Ceder、EPFL 化学 Agent 研究者 Philippe Schwaller、Acceleration Consortium 团队，以及 NVIDIA、Microsoft Research、礼来等机构的研究人员。
TouchScale 构建 500 小时人类视觉-触觉数据集，机器人操作成功率提升 35 个百分点
德州农工大学、Google DeepMind、卡内基梅隆大学、斯坦福大学、英伟达等 15 家机构联合发布《TouchScale: 500 Hours of Human Vision and Touch for Visual-Tactile Learning》，构建总时长 500 小时的人类视觉-触觉数据集。采集方案包括头戴 RGB-D 相机记录整体场景与深度、双腕 RGB 相机补充手物交互近景，双手佩戴途见科技 TachinGlove 柔性触觉数据采集手套，单只手套集成 880 个触觉传感器单元。数据集最终积累约 8.7 万条轨迹、涉及约 2000 种任务描述和 1500 余件物体，约 20 名参与者在 9 类采集场景、800 余种场景配置中完成搬运、倒取、插接、折叠、擦拭等单手或双手任务。跨传感器触觉预测实验中，使用 TouchScale 约 16 小时子集训练 TouchAnything，在 EgoTactile 数据集零样本评测，接触 IoU 由 0.134 提升至 0.181，体积 IoU 由 0.185 提升至 0.243，压力中心定位误差由 0.444 降至 0.416，区域压力幅度误差由 0.184 降至 0.148。以触觉预测作为视觉编码器预训练目标时，Hiera-B 在 TouchScale 上预训练后在 MECCANO、Something-Something V2 和 Ego-Exo4D 三个基准、线性探测与端到端微调两种设置下均取得最高准确率，平均线性探测准确率 24.45%，平均微调准确率 49.62%。机器人操作侧，团队先从人类数据学习未来接触状态如何变化，再迁移到机器人，使操作成功率提升 35 个百分点。
Anthropic 记忆实验：会“做梦”的 AI，413 份笔记输给 9 份
Anthropic 发布围绕 Claude 智能体记忆系统的实验文章，核心结论是：想让 AI 记性好，光让它“记笔记”不够，还要让它学会“做梦”。所谓“做梦”，指模型在交互间隙的空闲时间离线反思日志、修正错误、产出新笔记，类似 Letta 和 UC Berkeley 提出的“睡眠时计算”。Anthropic 将智能体记忆定义为 Claude 从经验中得来、跨会话保留的知识，不包括改权重、单次对话内的上下文学习和把旧对话轮次写成摘要的 compaction。在 Continual Learning Bench 1.0 实验中，Claude 需要查数据库回答一系列问题，答完会被告知正确答案并可写一条记忆；Sonnet 4.6 只走到“提出假设”，记忆目录里是零散文件与未验证猜测；Opus 4.7 把笔记整合成参考文档并标注哪些事实已查；Sonnet 5 会把答案标记为“已确认”，答错就写更正；Opus 5 是第一个闭环的模型；Opus 5.5 和 Sonnet 5.5 均闭环，带上记忆后得分与 Opus 5 大致相当。更具对比性的是《宝可梦·红》实验：Sonnet 3.7 约一万步时写了 413 个记忆文件、摊在 225 个文件夹里，只拿到一枚徽章；Fable 5 只写 9 个文件、2 个文件夹外加一个顶层 global.md，拿到四枚徽章。Sonnet 3.7 的问题在于游戏状态持续变化，详细记录不断过时，越往后花在翻记忆上的时间越多；约一万步时它开始建第四套“主”记忆文件夹，接下来 17 步里建了 6 个文件、删了 9 个，游戏里一步没动。
小红书 DeCoRL 提出多图合成一致性优化：MICo-Bench 综合分从 37.58 升至 54.03
小红书智创 AIGC 团队提出多图合成一致性优化框架 DeCoRL，面向多张参考图融合时容易出现的身份混淆、属性漂移和目标遗漏问题。该方法不再让评估模型一次判断整张图是否一致，而是先根据编辑指令识别各张参考图中需要保留的目标，定位它们在参考图和生成图中的对应区域，再训练专门的单目标一致性奖励模型，围绕目标身份与视觉属性进行细粒度比较。随后汇总各个目标的评价得到多目标一致性奖励，对未生成或未被检出的必需目标给予惩罚，并用该奖励进行强化学习后训练，同时辅以整体画面质量评价，减少局部目标相似但整图不自然的问题。团队构建 DeCo-Bench，覆盖 2 到 6 张参考图，每档 40 个案例共 200 个案例，参考素材均为真实照片。在监督微调基础上引入 DeCoRL 后，综合得分从 7.05 提升至 8.16；在更具挑战性的 6 张参考图场景下，得分从 6.15 提升至 7.61。公开 MICo-Bench 上，综合分由监督微调后的 37.58 提升到 54.03，在论文表内列出的模型中取得最高综合分，人物组合与拆解重组任务提升尤为明显。
中大本科生反 AI 逆向项目：让黑客 Token 账单暴涨 300 倍
中山大学本科生团队推出一个反 AI 逆向项目，面向利用大模型发起攻击的黑客。项目采用“投毒→耗尽预算→诱导误判”的对抗流程：先污染攻击者输入，再消耗其模型调用预算，最后诱导模型判断失误。该流程可使黑客的 Token 账单暴涨 300 倍，从而提高攻击成本、降低攻击效率。摘要未披露项目名称、开源地址、测试环境及 300 倍涨幅的具体计算方式。
来源：https://www.qbitai.com/2026/11/508787.html
DeepMind 用 AI 工具形式化验证 Signal 协议安全性
Google DeepMind 研究者使用一款新 AI 工具，形式化验证了广泛使用的加密协议 Signal 按预期工作。据 WIRED 报道，研究团队完成了对该协议的形式化验证，其延伸目标是對“世界上所有软件”做同样的事情。摘要未披露该工具的名称、验证耗时与覆盖的代码规模。
行业动态
登临科技港交所上市：开盘市值 118 亿元，企业 AI GPGPU 份额 1.0% 排第三
登临科技 11 月 10 日在港交所上市，发行价 231 港元，对应发行市值约 141 亿港元；开盘价 229 港元，开盘市值 139 亿港元，约合人民币 118 亿元。公司 2017 年 11 月由四位前图芯芯片同事在上海凑出 25 万元注册资本创立，2024 年将总部从上海搬到苏州工业园区。登临定位通用图形处理器提供商，目标市场是企业私有云，与沐曦、摩尔线程扎堆公有云大模型训练和推理不同；按 2025 年收入计，它以 1.0% 的份额在中国企业 AI GPGPU 市场排第三，英伟达占 83.1%、AMD 占 12.3%，身后两家国产同行分别占 0.9% 和 0.8%。技术选择上，登临采用 LPDDR 低功耗内存而非 HBM，理由是便宜、自主可控、功耗低，并用片内异构和较大 SRAM 暂存计算结果，缓解内存带宽较小的问题。业绩方面，营收从 2023 年的 2793 万元做到 2026 年前四个月的 2 亿元，四个月抵过去年全年；经调整净利润同期首次转正，录得 2058 万元。公司累计融资约 15 亿元，北极光创投持股 10.14% 为第一大外部股东，苏州国资元禾控股合计持股约 7.45%。招股书援引的数据显示，中国企业 AI GPGPU 市场 2025 年约 118 亿元、占整体 9.5%，2021 到 2025 年复合增速 58.1%，预计 2026 到 2030 年升至 61.3%，2030 年达到 1085 亿元、占比抬升至 18%。
Handshake AI 训练数据业务年化收入达 10 亿美元
Handshake 的 AI 训练业务在约一年内从上线做到 10 亿美元年化毛收入。Latent Space 与 Handshake AI 团队展开深度探访，展示 frontier labs 在这一规模上实际购买什么：专家数据与强化学习环境。金融演示中，agent 需要在一家银行的邮件里找到任务、判断哪些文件管辖这笔交易并交付工作簿；当客户邮件中一行关于现有商誉的内容出现时，agent 把数字带入 Python 并做了减法，模型在被直接询问时能解释税务处理，但错误发生在它需要识别“正是这行代码适用该规则”的时候。生物演示中，Handshake 的 VIALS 基准让模型解读科学家工作中使用的图像，Nick Magazine 放出 9 张脑肿瘤组织切片，问哪两张显示最晚期的血管坏死，他给出的答案是 H 和 I，模型选中 H、I 之外还多选了 G。编程演示则是一个模拟文件访问任务，团队可以检查 agent 读了哪些文件、是否检查了副本、以及对 shell 历史做了什么，这些过程信息在最终回复的转录中大部分看不到。
暂无评论。