OpenAI 解散机器人团队：GPT-6 Astra 零训练达 74.8%【AI 早报 2026-11-15】

AI日报
发布于 2026-11-15 00:16:53 3 次浏览

OpenAI 解散机器人团队：GPT-6 Astra 零训练达 74.8%【AI 早报 2026-11-15】

OpenAI 在 CoRL 2026 开展前解散独立机器人团队，把机器人研究并入核心研究团队，理由是 GPT-6 Astra 这类通用模型已能直接驱动机器人；同一天，百度文心 5.5 Flash Preview 以 280B 参数、200 token/s 重回基础模型竞争，DeepSeek 则开源了可 1:1 复刻自家 App 的 chat-demo。

今日概览

要闻

  1. OpenAI 解散机器人团队：GPT-6 Astra 零训练达 74.8%

模型发布

  1. 百度文心 5.5 Flash Preview：280B MoE、200 token/s、Apache 2.0
  2. MiniMax H3-Image 开源：10 秒出原生 4K 大图
  3. Claude Fable 5.2 登顶 RoboColiseum：综合 18.30 分
  4. Gemini 4 Carbon 拿下 MathArena 第一，成本为 GPT-6.1 Sol 的 15 倍
  5. Gemini 4 Hydrogen 发布：提速 2.5 倍

开发生态

  1. DeepSeek 开源 chat-demo：浏览器直连 API 复刻自家 App
  2. freeCodeCamp 上线 GLM-5.3-Flash 从零构建课程：2500 万参数 CPU 可训

产品应用

  1. OpenAI 推出 ChatGPT Wallet：AI 代理可代用户完成在线支付
  2. Claude Code 桌面端支持 AI 自写换肤：颜色、排版、动画背景全可改
  3. Seedance 2.5 flash 实测：速度翻倍、API 价格降 34%

技术与洞察

  1. 华为诺亚 HiPhys-RSI 夺 BEHAVIOR-1K 冠军：100 项家庭任务成功率 48.2%
  2. 维他动力 Exo2EgoPolicy：把第三人称视频转成第一人称与 3D 手部骨骼
  3. 南大 Skill Adapter：千级技能池仍领先 SkillRL 约 20 个百分点
  4. MolRSI 让 AI 自改科研策略：湿实验命中率 15.9%，较人类流程高 82%
  5. 北大与微信安全团队发布智能体全生命周期安全综述
  6. 南开等发布 AI4AI 综述：用 L0–L3 框架划分研究控制权
  7. 「史上最严」湿实验预测基准发布：算力翻 5 倍仍无明显提升

行业动态

  1. Anthropic IPO 前夜：算力承诺近 9010 亿美元
  2. 黄仁勋辞职 36 小时：2 万人请愿，董事会接触 Rene Haas
  3. 微软全球服务故障持续两天：Exchange Online 为故障核心

前瞻与传闻

  1. 月之暗面拟 2027 年初赴港 IPO：估值约 500 亿美元

要闻

OpenAI 解散机器人团队：GPT-6 Astra 零训练达 74.8%

据《财富》11 月 13 日报道，OpenAI 已解散独立机器人团队，公司向《财富》确认了这一调整。机器人研究团队将并入核心研究团队，向首席研究官 Mark Chen 汇报；应用机器人和硬件团队并入应用部门，由总裁 Greg Brockman 负责。调整发生得非常突然：OpenAI 已报名本周在奥斯汀举行的机器人学习与控制会议 CoRL 2026，会议 App 和展厅地图上都标着其 208 号展位，但现场没有机器人，也没有标识。OpenAI 给出的理由是，GPT-6 Astra 等通用前沿模型已展现出直接应用于机器人的能力，原先“基于 Sora 视频模型做机器人”的路线被放弃。在英伟达的仿真机械臂测试中，Astra 驱动的智能体成功率达到 74.8%，而在真机上长期训练的专用机器人模型最高只有 51%。新智元同时提到，在仿真测试中 GPT-6 Astra 的操作成功率不到 Claude Fable 5.2 的一半；Fable 5.2 官方视频里，机械臂完成了拧魔方、拧瓶盖、装齿轮，Anthropic 称这些任务从未训练过，解魔方实际耗时 40 分钟。成本仍是问题：清华等机构测试显示，把 Astra 接上双臂机器人、跑一圈最高配置要花 12.5 美元；OpenAI 上一季度亏损 109 亿美元。这是 OpenAI 第二次解散机器人团队，第一次发生在 2020 年。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652743065&idx=1&sn=11f32c30c2973ae0fa2cd69f2ca6427b

模型发布

百度文心 5.5 Flash Preview：280B MoE、200 token/s、Apache 2.0

在文心 5.1 发布约六个月后，百度推出文心 5.5 Flash Preview。模型总参数 280B，采用 MoE 架构，支持 100 万上下文，推理速度达到每秒 200 token。在 CodeArena 的 WebDev 榜单上，它拿到 1668 分，位列开源第二、中国第四，成绩接近 Qwen3.8-Max，而文心 5.5 Flash 只是一个 Flash 档模型。百度重点提升了编程与 Agent 能力，覆盖前端开发、3D 建模、游戏开发，以及通过代码完成视频创作。价格方面，普通输入、输出与 DeepSeek V4.1-Flash 相同，缓存命中价格比 DeepSeek 贵；模型将以 Apache 2.0 协议开放权重。实测中，它用 Blender 生成可交互的 3D 小岛“晴雨岛”，为木桥单独设计放置规则，还制作了约 75 秒的埃拉托色尼测地球周长科普动画，以及纯代码渲染的晾衣场景。 来源：https://mp.weixin.qq.com/s?__biz=Mzg5Mjc3MjIyMA==&mid=2247588564&idx=1&sn=2240af46d57c7a30a4e9c58b3e1344b1

MiniMax H3-Image 开源：10 秒出原生 4K 大图

MiniMax 发布 H3-Image，发布当天即开源，API 和 Mcode 均可直接调用。实测平均 10 秒出头生成一张原生 4K 大图，速度表现为“提示词还没写完，图已经出来”。它最突出的能力不是单一画风，而是对超长文本、多分区复杂排版、内部物理结构和跨学科逻辑的理解：提示词越详细、画面结构拆得越细，4K 成图越完整。实测覆盖 4 类 12 组案例，包括日本剧场版动画的导演分镜手稿、复古随身听 10 层垂直爆炸分解图、带完整 UI 的 GTA 暴雨实机画面、机甲三视图线稿，以及 5000 字符的真实合同照片。与已开源的 H3 视频模型串联后，H3-Image 生成的图可直接喂给 H3，输出 15 秒带完整音效卡点的动态番剧片头或 3A 实机宣传片；H3 视频模型本身支持直出 2K。 来源：https://mp.weixin.qq.com/s?__biz=Mzg3MTk3NzYzNw==&mid=2247513928&idx=1&sn=276c09110530706bea1b69bdeaf1c375

Claude Fable 5.2 登顶 RoboColiseum：综合 18.30 分

RoboColiseum 新赛季公布 8 款 Agent 和 3 款策略模型的成绩，Claude Fable 5.2 以 18.30 分拿下综合第一，GPT-6 Astra 以 13.73 分第二，Claude Opus 5.5 以 11.77 分第三。Fable 5.2 同时在精细操作和跨本体迁移两项领先，得分分别为 33.04 和 17.99；全身协同一项，Astra 为 18.96，Opus 为 18.94，几乎持平。灵巧手是所有 Agent 的共同短板：Fable 5.2 仅得 3.73 分，Astra 与 GPT-6.1 Terra 均为 0.00 分，Agent 中该项最高的 Gemini 4 Argon 也只有 5.19 分。策略模型反而更强，π₀.₅ 以 16.79 分领跑灵巧手，LingBot-VLA-2.0 和 GR00T N1.7 分别得到 10.66 和 5.53 分；π₀.₅ 还以 11.22 的综合分位列第四。新赛季新增灵巧操作、全身协同、精细操作、本体迁移四条赛道共 50 个任务，并加入隐藏测试集、动态抽检、人工审核三重防 Hack 机制，同时把执行次数纳入评分。平台用 4 款机器人本体、22 项复杂任务做零样本 real-to-sim 对照，仿真与真机任务得分相关性达到 96.86%。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652742948&idx=2&sn=7dfc6b86f6e570b6bc432b0de10712ec

Gemini 4 Carbon 拿下 MathArena 第一，成本为 GPT-6.1 Sol 的 15 倍

MathArena AI 数学基准出现变化：长时间由 OpenAI 模型占据的首位被取代，谷歌 Gemini 4 Carbon 与 Anthropic Fable 5.2 把 GPT-6.1 Sol 拉下第一。代价是价格，Gemini 4 Carbon 的成本是 GPT-6.1 Sol 的 15 倍。测试中还出现一个细节：Gemini 忽略了时间限制，几乎从不对任务表示放弃。这一结果使数学推理榜单的领先者同时成为单位成本最高的选手。 来源：https://the-decoder.com/gemini-4-carbon-takes-the-matharena-crown-but-costs-15-times-more-than-gpt-6-1-sol/

Gemini 4 Hydrogen 发布：提速 2.5 倍

谷歌近期模型发布节奏加快，Gemini 4 Hydrogen 已发布，官方给出的速度提升为 2.5 倍。摘要未披露该模型的参数规模、上下文长度、定价或开放范围。此前谷歌已推出 Gemini 4 Carbon，两者同属 Gemini 4 系列。 来源：https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mid=2650457036&idx=1&sn=c50792e6214012072e8dac0ab27a1a58

开发生态

DeepSeek 开源 chat-demo：浏览器直连 API 复刻自家 App

DeepSeek 发布全家桶应用 API，把 DeepSeek App 中的联网搜索、深度思考搜索、文件输入、链接阅读、模型安全等交互能力整合进原有 API，开发者可 1:1 复刻完整 App。配套开源的 chat-demo 默认模型为 deepseek-flash，聊天走 Anthropic 兼容的 Messages 与 Files API。仓库采用 React 18、TypeScript、Zustand 与 Rspack，构建产物是静态 dist 目录，没有自建应用后端，API Key 和设置存 localStorage，会话与附件原件存 IndexedDB，模型推理、搜索、抓取、文件解析和语音由 DeepSeek API 提供。会话结构是一棵树：每条消息用 parentId 指向父节点，用 selectedChildId 标记当前分支，编辑提问或重新生成不会覆盖旧回答；上下文只保留提问与有效回答成对的轮次，失败、空白、安全拒答不进入后续请求。语音链路中，ASR 采集 16 kHz、16-bit PCM 的 WAV，单次上限 120 秒；TTS 返回 24 kHz 裸 PCM 流，前端分片转 Float32 后用 AudioContext 排程播放。官方把搜索、抓取、OCR、ASR、TTS 单列计费，模型 token 费用另算。 来源：https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247513721&idx=1&sn=fc22da3753ae95445d4bf1d9fcb4e7cc

freeCodeCamp 上线 GLM-5.3-Flash 从零构建课程：2500 万参数 CPU 可训

freeCodeCamp 发布 44 分钟课程，教开发者用 Python 从零构建并训练多模态语言模型 GLM-5.3-Flash。完整模型结合线性注意力、稀疏注意力、MoE 设计和 manifold constrained hyperconnections；课程使用 2500 万参数的缩水版，在普通 CPU 上即可完成预训练和后训练。模型采用 260 token 的字节级词表、192 token 上下文，并用一个小视觉编码器把 32×32 图像转成 16 个 token。课程覆盖 tokenization 与 embedding 权重共享、线性注意力如何保存固定大小的近期记忆、每四层插入一次带 indexer 的稀疏注意力、MoE 如何把 token 路由给少数专家加一个共享专家，以及图像切 patch、2D RoPE 和图像 token 合并。预训练实验部分讲数据多样性、交错和课程安排对学习的影响，包括交错如何防止灾难性遗忘；强化学习部分讲奖励函数设计、按 GRPO 计算优势、只更新最后几层，以及组大小、温度和种子的测试。经过强化学习，模型在 24 个 Python 任务上的成绩从 0 个提升到 16 个。 来源：https://www.freecodecamp.org/news/build-and-train-a-glm-53-flash-model-from-scratch-with-python/

产品应用

OpenAI 推出 ChatGPT Wallet：AI 代理可代用户完成在线支付

OpenAI 宣布推出 ChatGPT Wallet，允许 AI 代理在获得授权后代表用户完成在线购物和付款。为此 OpenAI 与美国运通、万事达卡和 Visa 等支付网络合作。用户可安全保存信用卡信息，代理执行支付时无需向商家或 AI 系统暴露真实卡号。交易即将完成时，ChatGPT Wallet 会展示商家名称、购买项目、应付总金额和所选付款卡片，用户核对后需通过 Face ID、人脸识别或指纹确认授权。典型场景是用户在规划旅行并确定酒店后，直接让 AI 代理完成预订和付款。该功能把 AI 代理从信息助手推进到实际执行交易的环节。 来源：https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&mid=2653116455&idx=1&sn=bfda6177d812255490df5c1ce25996b3

Claude Code 桌面端支持 AI 自写换肤：颜色、排版、动画背景全可改

Anthropic 开发者账号 @ClaudeDevs 宣布 Claude Code 桌面端支持换肤。用户只需对 Claude 说“我想要一个赛博朋克霓虹风格的界面”，Claude 会自己写代码修改自己的界面，颜色、排版乃至会动的动画背景都能实现。实现路径是 Anthropic 今年 10 月上线的 mods 系统，开放了桌面端视觉层的深度定制能力。此前桌面端只有亮色、暗色两档，终端版在 4 月支持了自定义 JSON 主题文件，开发者社区从 2026 年 4 月起持续要求自定义主题，前后约 210 天。Anthropic 没有提供主题选择器、配色面板或预设方案，而是把修改权交给 Claude 本身。社区案例包括把界面改成黑底绿字的彭博终端风格，以及用“黑客帝国”绿色代码雨做动态背景。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652742948&idx=1&sn=b9d8b5c8eea7cc5f8acc951b97820b36

Seedance 2.5 flash 实测：速度翻倍、API 价格降 34%

火山引擎发布 Seedance 2.5 flash，生成速度比 Seedance 2.5 提升一倍，短剧场景同样一个下午能产出一倍内容。火山引擎 API 价格比 Seedance 2.5 便宜约 34%，与 Seedance 2.0 同价，单条视频最长仍支持 30 秒。实测覆盖 7 种常见短视频风格，街头纪实一类用上海阿姨、香港阿婆、伦敦阿姨三个版本测试，毛发、逆光、小表情等细节接近 Seedance 2.5 水准。博主用该模型复刻了综艺片段“我画地为牢，咪娜”的猫版二创，人物口型、环境声和手持镜头晃动均按提示词生成。 来源：https://mp.weixin.qq.com/s?__biz=MzIwMTU5OTQ1Nw==&mid=2653730655&idx=1&sn=29554b50e02d8035dab6dcdf82a3ee21

技术与洞察

华为诺亚 HiPhys-RSI 夺 BEHAVIOR-1K 冠军：100 项家庭任务成功率 48.2%

华为诺亚具身智能团队 The North Star 凭借 HiPhys-RSI 方案，在 BEHAVIOR-1K Challenge 2026 中从全球 57 支参赛团队中夺冠。隐藏测试覆盖 100 项家庭任务，团队取得约 0.683 的 Q-score 和 48.2% 的完整任务成功率。本届赛事依托斯坦福大学李飞飞团队的 BEHAVIOR-1K 基准，与 CoRL 2026 联动，任务数从 50 项增至 100 项、场景从 3 个增至 7 个，参赛者从 96 人增至 265 人，提交从 18 份增至 57 份，最佳完整任务成功率从 12% 提升到 48%。HiPhys-RSI 全称 Hierarchical Physical Recursive Self-Improvement，以参数冻结的编程智能体和视觉语言模型为基础，让智能体阅读任务说明与示范、调用工具积累交互经验，再把经验组织成可执行程序，通过日志和视频定位失败模块并迭代修改。改进既发生在高层工具选择、步骤编排和恢复逻辑，也深入到低层工具实现；经过验证的程序与经验作为后续任务的可复用组件保留。系统最终用能力卡记录各流水线和 VLA 的适用条件、历史表现与已知困难，在推理时选择执行组件。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074456&idx=1&sn=fd945abf7738045bba3669031d5ef7a2

维他动力 Exo2EgoPolicy：把第三人称视频转成第一人称与 3D 手部骨骼

维他动力（Vbot）发布跨视角生成模型 Exo2EgoPolicy，可把任意第三人称旁观镜头一键转换成操作者本人的第一人称视角，并实时描出左右手每一根手指的 3D 手部骨骼。整个过程不需要深度相机，也不需要标定参数。同步推出的还有端到端通用数据管线 Vbot Echo 和采集应用 Echo App，即日起向所有人开放。模型可处理多人同框、频繁切镜头和大幅度运镜：《闻香识女人》探戈片段中始终锁定阿尔·帕西诺饰演的盲人中校，《雨中曲》撑伞旋转镜头能生成握紧伞柄的第一视角，办公室叠 T 恤、开冰箱取饮料、端微波炉餐盒等日常动作也能输出带鱼眼畸变的胸前视角。维他动力瞄准的是具身智能数据稀缺：YouTube 平均每天新增超过 2000 万条视频，TikTok 每天超过 1 亿条，但绝大多数是第三人称，且缺少第一视角下的三维手部骨骼与物理力学信号。团队创始人余轶南是地平线 001 号员工、前智能驾驶总裁，联合创始人宋巍是地平线前软件平台总架构师，秦海龙曾任千里智驾首席科学家、蔚来自动驾驶高级总监，赵哲伦曾任理想汽车第一产品线营销负责人。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652742948&idx=1&sn=b9d8b5c8eea7cc5f8acc951b97820b36

南大 Skill Adapter：千级技能池仍领先 SkillRL 约 20 个百分点

南京大学与江南大学提出 Skill Adapter，把 Agent 的技能系统拆成通用技能、Adapter 和在线路由三部分，论文实验覆盖 ALFWorld、WebShop 和 SkillsBench。通用技能保存目标、步骤、工具调用及输入输出约束；Adapter 记录适用条件、本地修改和反馈证据，可新增、更新或删除，使用户差异以可复用补丁沉淀。主模型先把任务分解为 DAG，路由智能体结合当前子任务、执行历史和环境反馈筛选技能与 Adapter 组合，主模型只读取当前节点所需内容，后续节点先预加载候选、等真实输入确定后再校验替换。训练用 GRPO 分别优化修改策略和路由策略，主执行模型保持冻结。相较 SkillRL，ALFWorld 成功率从 87.14% 升至 95.48%，提高 8.34 个百分点，平均耗时从 70.6 秒降至 61.9 秒；WebShop 成功率从 72.73% 升至 81.53%，提高 8.80 个百分点，任务得分从 85.20 升至 92.67，耗时降至 50.7 秒；SkillsBench 成功率从 21.43% 升至 38.57%，提高 17.14 个百分点，平均奖励从 25.33 升至 34.90，耗时从 529.4 秒降至 398.9 秒。三项成功率平均提高 11.43 个百分点。技能池从 50 扩至 1000 时，Skill Adapter 从约 95.5% 降至 80.4%，SkillRL 从约 87.2% 降至 60.3%，前者仍领先约 20 个百分点。消融显示，只训练修改策略为 60.16%，只训练路由为 65.28%，两者共同训练达到 71.86%。 来源：https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247513721&idx=2&sn=eb007f6933acaf9267fb85a0eabe1e33

MolRSI 让 AI 自改科研策略：湿实验命中率 15.9%，较人类流程高 82%

机器之心报道的 MolRSI 把“用哪个模型、怎样组合筛选条件、哪些候选送去实验”纳入搜索，并利用过去任务的经验改进下一次策略。在抗菌分子发现任务中，MolRSI 从约 1210 万个化合物中选出 107 个做实验，获得 17 个命中，湿实验命中率 15.9%；此前人类专家设计的非智能体工作流从 241 个候选中获得 21 个命中，命中率 8.7%，相对提高约 82%。两组使用相同训练数据、相同筛选库，按同一 MSSA 抑菌标准统计。MolRSI 的流程先做结构新颖性过滤，剔除常见抗生素骨架及与已知抗生素过于相似的候选，再针对三类人体细胞预测毒性，活性排序采用两种 MiniMol 方案与 LANTERN–RADR 集成，按 55%、30%、15% 的权重组合，最后把结构相似分子聚类、从不同组中选样以保留化学多样性。在 pMHC 结合蛋白从头设计任务中，MolRSI 在两个靶标上获得 8 个满足实验特异性判据的结合命中，Claude Science 对照为 0，两者使用相同设计条件和计算预算。系统采用双循环：内循环优化当前任务工作流，外循环把经验带入后续任务，搜索使用经验引导的蒙特卡洛树搜索，方案记忆、改进记忆和执行记忆分别保存流程表现、修改效果和运行经验。团队先在 25 个分子性质预测和细胞毒性任务上积累经验，再测试 6 个未进入经验池的抗菌任务，来源任务池从 2 个扩到 25 个时，平均测试 AUPRC 从约 0.32 升至约 0.37，超过无先前经验系统搜索 20 轮后的 0.361。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074456&idx=3&sn=3ce02b6ba0021829c919847dffc37e64

北大与微信安全团队发布智能体全生命周期安全综述

北京大学知识计算实验室（KCL）与腾讯微信安全技术团队联合发布综述《Pandora's Toolbox: A Survey of Generalist Agent Security from the Lifecycle Perspective》，从生命周期视角梳理通用智能体的安全风险、攻击方法、评测基准与防御技术。论文把智能体运行划分为来源、编排、执行三个核心阶段，并强调执行结果对未来工作流形成的持久反馈。风险可以跨阶段传播：恶意内容先藏在技能元数据或说明文件中，此时不执行任何危险动作；用户发起正常请求后，智能体在编排阶段选中并加载该技能，潜伏指令进入决策上下文；执行阶段调用终端、API 或数据库，把风险转化为真实动作；结果再污染长期记忆、可复用技能或项目工件，使同一攻击在未来会话中反复出现。论文举例，一个伪装成“酒店比价助手”的恶意技能可在编排阶段诱导智能体选中伪造预订接口，在执行阶段窃取行程和支付信息，并把该接口写入长期记忆。作者认为，只检查技能文件、单次模型输出或最终工具调用，看到的都只是攻击链的一部分；传统按模型、记忆、工具、环境划分的组件式安全视角，难以回答同一风险如何在不同阶段之间传播。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074456&idx=3&sn=3ce02b6ba0021829c919847dffc37e64

南开等发布 AI4AI 综述：用 L0–L3 框架划分研究控制权

南开大学联合中关村学院团队发布综述，把 AI 研发拆成三个关键决策：搜索方向、搜索空间和评价信号，并据此提出 L0–L3 控制来源框架。搜索方向决定下一步研究什么，搜索空间决定允许尝试哪些方案，评价信号决定什么算成功。L0 由人类或外部规则给定三项决定；L1 由 AI 决定下一步怎么搜，例如 FunSearch 参考已有程序及得分提出下一轮代码修改，可修改范围和检验程序仍由人类提供；L2 由 AI 改变可搜索的方案，例如 DreamCoder 从已有解法中提炼可复用子程序并加入程序库；L3 由 AI 提供实际影响训练或筛选的评价信号，例如 Eureka 生成可执行奖励函数指导机器人策略训练。综述还按改进对象把 AI4AI 分为四个分支：Learning 关注架构、优化器、学习规则和训练流程，代表工作有 AutoML-Zero；Inference 关注提示词、智能体工作流、工具库、上下文策略和推理算力分配，代表工作有 DSPy、DreamCoder；Data 关注数据筛选、混合、增强、合成和课程安排，代表工作有 DoReMi；Infrastructure 覆盖算子、编译调度、并行执行和硬件设计，综述列举了 AlphaEvolve 对矩阵乘法分块启发式和 TPU 算术电路的优化。论文提出一个待回答问题：一个搜索空间理论上能表达好算法，不代表 AI 能在现实预算内找到它。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652743065&idx=3&sn=601af731d91f082037d24665847a7795

「史上最严」湿实验预测基准发布：算力翻 5 倍仍无明显提升

一个被称为“史上最严”的湿实验预测基准正式发布，由斯坦福、哈佛、康奈尔等十余家顶尖团队共同参与构建。测试结果显示，即使把推理能力拉满、算力提升至 5 倍，模型在该基准上的表现仍无明显提升。这意味着在该基准所测的湿实验预测任务上，堆叠算力无法带来可测量的成绩改善。 来源：https://www.qbitai.com/2026/11/510232.html

行业动态

Anthropic IPO 前夜：算力承诺近 9010 亿美元

在可能创下历史上最大规模 IPO 的前几天，Anthropic CEO Dario Amodei 把购买算力称为公司面临的“最深的商业困境”。Anthropic 的算力承诺总额已接近 9010 亿美元，而未来收入能否覆盖这些成本仍不确定。报道指出，计划中的 IPO 在很大程度上是作为应对这种不确定性的财务缓冲。Amodei 同时承认“明年会发生什么存在巨大不确定性”。 来源：https://the-decoder.com/anthropic-ceo-amodei-admits-theres-a-huge-uncertainty-in-whats-going-to-happen-next-year-days-before-a-record-ipo/

黄仁勋辞职 36 小时：2 万人请愿，董事会接触 Rene Haas

黄仁勋辞职公告发布 36 小时后，英伟达股价下跌 2.01% 至每股 162.85 美元，本周持续下跌。英国《金融时报》援引知情人士称，英伟达董事会已与 Arm CEO Rene Haas 接洽，寻找黄仁勋的继任者，Rene Haas 只是候选人之一，不能保证被聘用或接受。要求黄仁勋回归的请愿运动“Stand with Jensen”已聚集超过 2 万人签名，包括 2000 多名现员工、200 多名前员工和上万名支持者；马斯克在 X 上表示自己也将签名支持，并引用 a16z“你会被永远记住”的推文评论“Jensen”。黄仁勋带领英伟达走过 33 年，公司约 6 万名员工，全球员工流动率处于科技行业最低之列。圣克拉拉总部外有人摆放鲜花和薯片，丹尼餐厅移除了纪念黄仁勋与两位朋友创立英伟达的牌匾；据彭博社报道，黄仁勋在最后担任 CEO 的时刻曾说自己“不在乎”，并表现出自责。 来源：https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652814023&idx=1&sn=767b178718d5cc41edd6e559fc62e8b4

微软全球服务故障持续两天：Exchange Online 为故障核心

11 月 13 日，微软表示持续近两天的大规模服务故障正在逐步修复，Outlook 邮箱及其他 Microsoft 365 服务的可用性和邮件投递已有改善，但部分用户仍可能遇到间歇性连接问题。故障始于周四下午，波及全球多地企业、政府机构和其他组织，涉及 Outlook、Teams、Copilot，以及 Word、Excel、PowerPoint、SharePoint 和 OneDrive。网络故障监测网站 Downdetector 周四下午记录到近 13 万起相关故障报告；美国巴尔的摩县、杰克逊维尔和奥斯汀等地方政府受到影响，英国部分政府部门及国民医疗服务体系出现通信中断，印度航空公司报告客户服务通信受阻，OpenAI 和 Anthropic 也出现与 Microsoft 365 服务连接有关的问题。微软称故障主要涉及支撑 Outlook 邮件及日程服务的 Exchange Online 基础设施，部分服务器工作负载异常升高，另有服务器在自动检测过程中意外停止提供服务。 来源：https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&mid=2653116455&idx=1&sn=bfda6177d812255490df5c1ce25996b3

前瞻与传闻

月之暗面拟 2027 年初赴港 IPO：估值约 500 亿美元

据《华尔街日报》11 月 13 日援引知情人士报道，Kimi 大模型开发商月之暗面正考虑最早于 2027 年初在香港上市，并已着手拆除海外控股架构。重组路径是先由公司从美元股东手中回购海外股份，再安排相关资金投资境内主体。彭博社此前报道，月之暗面已完成最后一轮私募融资，估值约 500 亿美元，正考虑在 IPO 中募资最多 50 亿美元，并已以保密形式向港交所递交上市申请。公司回应媒体时称，不对市场传言或猜测置评。若按 500 亿美元估值完成上市，将成为中国大模型公司中规模最大的 IPO 之一。上述计划仍处于考虑和筹备阶段，尚未最终确定。 来源：https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&mid=2653116455&idx=1&sn=bfda6177d812255490df5c1ce25996b3

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录