Qwen4-Max 发布:2.4 万亿参数支持百万 token 上下文【AI 早报 2026-11-17】

Qwen4-Max 发布:2.4 万亿参数支持百万 token 上下文【AI 早报 2026-11-17】

阿里发布 2.4 万亿参数、单 token 激活 71B 的 Qwen4-Max,把单任务平均费用从 26.58 元压到 11.16 元;腾讯同日推出 Hy4 flash,用 12B 激活参数把成本打到 Hy4 的 1/20。硬件侧,NVIDIA 把四节点 GB10 集群搬上桌面,Together AI 的 FlashStates 让混合架构预填充吞吐提升至 vLLM 的 3.14 倍。

今日概览

要闻

  1. Qwen4-Max 发布:2.4 万亿参数、百万 token 上下文
  2. GPT-6 Astra 把标准模型搬上计算格点,攻破 25 年难题
  3. 百度 Q3:AI 业务收入 132 亿元,占一般性业务 53%

模型发布

  1. 腾讯 Hy4 flash:224B 总参数、12B 激活,单任务成本仅 Hy4 的 1/20
  2. 书生-S2.1 Flash 开源:机器学习工程基准 90.3 分
  3. Haru-4B 开源:4B 全双工语音模型,MacBook 延迟 65 毫秒

开发生态

  1. NVIDIA DGX Spark HPC 开发者套件:四节点桌面集群跑 700B 模型
  2. FlashStates:混合架构缓存重设计,预填充吞吐达 vLLM 3.14 倍
  3. Amazon Bedrock 知识库新增表格检索

产品应用

  1. Seedance 2.5 flash:720P 视频 0.99 元/秒,比旗舰便宜 34%
  2. Claude 在画布图形内直接生成可交互网页
  3. Gemini 上线 66 种地区口音语音
  4. Google Maps「Ask Maps」登陆欧洲

技术与洞察

  1. Google 首次观测到全自动 AI 漏洞利用框架 exploit_agent
  2. 清华 SkillMaster 让智能体自己进化技能,ALFWorld 成功率 98.7%
  3. 9 所高校 126 页综述:定义「持续在线」个人智能体

行业动态

  1. 华瑞指数云再融超亿元,24 张 GPU 顶 48 张的 KV Cache 存储
  2. 蚂蚁灵波具身大模型挑战赛收官:15 队 48 小时真机对决
  3. 通研院孵化 AGI 芯片公司通芯智能,半年连融数亿元

要闻

Qwen4-Max 发布:2.4 万亿参数、百万 token 上下文

阿里正式发布 Qwen4-Max,总参数量 2.4 万亿,每个 token 激活 71B 参数,另有 328B N-gram Embedding 参数,具备原生视觉能力,支持百万 token 上下文窗口。架构上做了三处改动:每四层中三层为 Gated DeltaNet(将历史信息压缩为固定大小状态),另一层为 Qwen Sparse Attention(QSA),通过轻量级索引器以 block 粒度选择相关上下文;Gated Residual 把残差流扩展为四条并行分支,用动态读写门控增强跨层传递;N-gram Embedding 在第 2 层引入局部 token 模式表示。官方称 2.4T 规模预训练全程未出现 loss spike。内部评测中 Qwen4-Max-Base 在知识、代码、问答、STEM 四类的每字节比特数(BPB)均为五个参评模型最低,相比同参数量的 Qwen3.8-Max-Base 下降约 5–13%,同时每 token 激活参数减少约 25%。行业基准 Work360 得分 52.69,上一代 Qwen3.8-Max 为 47.74。Token 效率方面,Work360 的 Xhigh/High 两档推理强度下 token 消耗分别减少约 24% 和 35%,Terminal-Bench 4.0 上分别减少约 48% 和 49%。API 已上线千问 AI 平台,并可通过阿里 Token Plan 调用,千问办公、Qoder、千问 APP、Qwen Studio 同步可用;官方称 Work360 单任务平均费用从 26.58 元降至 11.16 元,降幅 58%,Qwen4 系列中小尺寸模型将陆续开源。

来源:https://mp.weixin.qq.com/s?__biz=Mzg4NTczNzg2OA==&mid=2247512505&idx=1&sn=1c20deef6f26aaa98b23cfc483c123ca

GPT-6 Astra 把标准模型搬上计算格点,攻破 25 年难题

OpenAI 物理学家 Nathaniel Craig 使用 GPT-6 Astra 处理了一个困扰粒子物理学家 25 年以上的问题:如何在计算格点上完整定义标准模型。据 The Decoder 报道,Astra 把 Craig 提出的策略转化为一份可运行的证明。Craig 本人表示,距离实现真实可行的模拟仍有大量工作要完成。这条消息的价值点在于任务类型——不是问答或代码,而是把一个人给出的物理策略补全为形式化、可执行的推导结果。

来源:https://the-decoder.com/openais-gpt-6-astra-tackles-the-standard-models-toughest-math-problem-on-a-lattice/

百度 Q3:AI 业务收入 132 亿元,占一般性业务 53%

百度发布 2026 年 Q3 财报:三季度总营收 308 亿元,百度一般性业务收入 250 亿元,其中 AI 业务收入 132 亿元,占一般性业务收入的 53%,已连续三个季度占比过半。分项看,百度 AI 云基础设施收入 82 亿元,同比增长 94%;GPU 云收入在上年同期较高基数上仍同比增长 191%,环比增长 43%;千帆 MaaS 平台外部客户的 Token 调用收入同比增长 1159%。AI 应用收入 26 亿元,AI 原生营销服务收入 24 亿元。百度世界 2026 上发布的大模型交易平台「词元所」,首日新增申请入驻供应商超 100 家、新增接入客户超 1000 家。11 月百度发布三款新模型:基座模型文心 5.5 Flash Preview、文心闪电深度思考模型、文心一镜微表情大模型。

来源:https://mp.weixin.qq.com/s?__biz=MzI5NzUyMzM1Mg==&mid=2247670746&idx=1&sn=df87fd48505e88229be5583b214a304f

模型发布

腾讯 Hy4 flash:224B 总参数、12B 激活,单任务成本仅 Hy4 的 1/20

腾讯混元发布 Hy4 flash,总参数量 224B(其中 64B 为 Engram 参数),激活参数 12B,支持多模态和 1M 上下文长度。预训练阶段引入混合注意力、LatentMoE、Engram 等架构特性,KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6。后训练先用自蒸馏从 Hy4 继承综合能力,再用强化学习把端到端任务输出长度降低 50%。推理侧结合 megakernel、4bit 量化、DFly 优化,解码速度超过 150 tps。成本对比上,Hy4 flash 在内部评测集 WorkIndex 上的单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(max 档位、忙时价格)的 1/8;综合效果略优于 Hy4 preview。85 位 WorkBuddy 内部用户在 27 类共 259 个日常任务上盲测,满意度接近 Claude Haiku 5.5,单任务成本低于其他所有参评模型,任务时长最短。模型已在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 上线,即将接入 OpenRouter;11 月 30 日前 WorkBuddy 限时免费、TokenHub API 限时 5 折,官方计划开源并高频迭代。

来源:https://mp.weixin.qq.com/s?__biz=MzkwODU2OTQyNQ==&mid=2247499006&idx=1&sn=519fe6d2987d39a281519089539a1f8d

书生-S2.1 Flash 开源:机器学习工程基准 90.3 分

上海人工智能实验室联合复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、北京大学等机构发布并开源科学多模态大模型书生-S2.1 Flash。在机器学习工程基准上取得 90.3 分,复杂办公文档处理 72.2 分,电子表格任务 37.1 分;在上述三项基准及专业法律文档任务 Harvey LAB 上,得分均超过对比的 DeepSeek-V4.1-Flash-1017 和 Claude Opus 5。模型支持分子图、晶体结构、蛋白质序列与三维结构、DNA/RNA 序列,以及光谱、质谱、X 射线衍射、心电、脑电、光变曲线等十余类科学输入,经各自特征编码与投影后与自然语言指令共同参与计算。实操案例包括:在 3D Slicer 中按密度阈值重建三维骨骼并回查原始 CT 切面;依据上海人工智能实验室新园区多角度照片在 Blender 中搭建可再编辑的三维工程并输出 .blend 文件;对鄱阳湖多光谱影像提取水域、只在两期影像共同有效研究区内统计面积并导出 QGIS 工程;在 CAD 环境中完成发动机参数化建模与整机装配,检查零件干涉后输出可编辑模型。权重已在 ModelScope 与 Hugging Face 开放。

来源:https://mp.weixin.qq.com/s/OMha_XDywN7tsbNCtcQMyA

Haru-4B 开源:4B 全双工语音模型,MacBook 延迟 65 毫秒

Higurashi AI 开源 4B 参数的全双工连续语音对话基础模型 Haru-4B,可在用户说话同时输出语音,无需等对方说完再回应。模型从 4000 万小时真实语音中学习附和、打断、话轮交替等对话行为,训练数据覆盖 160 多种语言(其中 9 种为主要语言),并有意排除 LLM 生成对话与 TTS 合成语音。架构基于 Qwen3.5-4B,同步处理用户输入音频、模型输出音频、模型文本三条流,嵌入逐元素相加后交由共享语言模型处理,官方称相比逐 token 交错排列可将上下文长度缩减至三分之一。声学侧采用 7.5Hz、64 维连续声学潜变量,每个 token 约代表 133 毫秒语音,绕开离散码本;输出头用下一潜变量扩散加轻量 MLP,先以流匹配训练再做 MeanFlow 蒸馏,推理时每个声学 token 只需一步采样。全双工预训练使用了超过 1300 万小时经分离处理的全双工对话数据,样本最长 60 分钟;整体预训练用 256 块 NVIDIA B200 耗时约 8 天。MacBook 上端到端延迟约 65 毫秒,并可通过文本提示与参考音频控制人设、说话风格与音色;同时开源语音分离与修复模型 FastDialogueSidon,可将单声道混合对话录音重建为时间对齐的全双工语音流。

来源:https://mp.weixin.qq.com/s?__biz=Mzk3NTc1NTU0Mw==&mid=2247515872&idx=1&sn=db684b7c28edbd081a8c951ede026fa0

开发生态

NVIDIA DGX Spark HPC 开发者套件:四节点桌面集群跑 700B 模型

在芝加哥举行的超算会议 SC26 上,NVIDIA 推出面向研究人员、学者和开发者的 DGX Spark HPC 开发者套件:由四台 DGX Spark 组成集群,每台直接与两个邻居环形互联,走 NVIDIA ConnectX-7 网络,不需要额外购买或配置交换机。四节点合计提供 512GB 内存和 20TB NVMe 存储,在 NVFP4 精度下可在本地部署最多 700B 参数的模型,官方举例为 DeepSeek V4.1。每台设备搭载 GB10 Grace Blackwell 超级芯片,研究者不必排队等共享 GPU 集群的机时,未发表结果与专有数据集可留在本地。配套的 NVIDIA HPC SDK 安装 playbook 即将发布,将 GPU 加速的 C、C++、Fortran 编译器、库和 MPI 工具带到该集群,让团队在四节点上构建和测试科学应用、检查计算与数据分布、在扩展到更大系统前调试通信问题。已演示的四机负载包括基于 Kokkos 的 LAMMPS 材料模拟与 NAMD 分子动力学,社区层面已验证 GROMACS、OpenFOAM、WRF,以及 OpenFold3、Boltz-2 等 NIM 微服务;NVIDIA 同时发布 Nemotron 3.5 Super VL 的新开放数据集与后训练配方,用于生命科学与化学场景适配。

来源:https://blogs.nvidia.com/blog/dgx-spark-hpc-developer-kit-sc26/

FlashStates:混合架构缓存重设计,预填充吞吐达 vLLM 3.14 倍

来自 Together AI、UIUC 与 UT Austin 的研究团队提出 FlashStates,重新设计混合架构模型(Kimi Delta Attention、Gated DeltaNet、Mamba-2 等线性层与全注意力层混用)的 KV 与循环状态缓存管理。在 NVIDIA B200 上回放真实 Claude Code 轨迹,FlashStates 的预填充吞吐最高达到 vLLM 的 3.14 倍,p90 首 token 延迟(TTFT)最多降低 88.4%;接入 512GiB 的 Mooncake CPU 缓存后收益依然显著,并已支持分布式存储与跨节点混合状态复用。论文将「完整前缀注意力 KV + 恰好位于位置 p 的循环检查点」合称混合状态,指出 Agent 负载最理想的复用点是上一轮 decode 输出终点,而该位置通常不落在引擎预设的块边界上。团队用 GLM-5.3-Flash 分别跑 vLLM 与 SGLang 归因出三类未命中:vLLM 默认只在 prompt 内每 4352 token 的块边界保存检查点、decode 阶段不保存,低并发(8–16)时放置未命中占其未缓存 token 的 43%;SGLang 支持 256 token 细粒度块边界,相同并发下未命中降到 5% 以下,但约 430 个检查点挤在独立状态池里,按 LRU 驱逐时经常踢掉 KV 仍在的检查点,造成依赖未命中;并发升至 32–64 后问题叠加。共同第一作者为 Chenxi Li(Together AI)与 Weili Xu(UIUC),通讯作者为 UT Austin 的 Chenfeng Xu,论文已被 NeurIPS 2026 收录,代码已开源。

来源:https://mp.weixin.qq.com/s/hiQcwqZmzd87-HRmNMoCiA

Amazon Bedrock 知识库新增表格检索

Amazon Bedrock Managed Knowledge Base 上线表格检索(tabular search),通过 agentic retrieval 直接从 CSV、XLSX、XLS 中取答案。当问题需要表格数据时,系统会在一个或多个表格/工作表中逐行查值并执行计算,再把结果与相关文档中的事实合并,用来回答需要多步分析的提问。官方给出的例子是财务团队季末结账:某部门是否需要撰写差异说明,取决于差异政策的阈值、结账备忘录中的预算调整,以及对利润表工作簿中每个部门的数学运算,没有任何单个文件含有答案。该能力复用现有的 AgenticRetrieveStream 请求,在隔离沙箱中对原始文件运行代码,因此答案基于整张表而非检索命中的少数行,并会引用政策文件与备忘录,trace 会指明代码读取了哪个工作簿。文章也解释了表格对 RAG 的难点:长表跨越大量段落、检索只返回少数命中行,导致总计、比较或阈值判断不完整;宽表单行文本量就可能超过一个段落或检索模型的输入上限,使靠后的列难以被匹配,而过长的段落还会匹配到大量无关问题、把更相关的段落挤出结果。

来源:https://aws.amazon.com/blogs/machine-learning/get-answers-from-tables-with-tabular-search-in-amazon-bedrock-managed-knowledge-base/

产品应用

Seedance 2.5 flash:720P 视频 0.99 元/秒,比旗舰便宜 34%

按火山引擎公布的 API 价格,Seedance 2.5 flash 的 720P 文生视频与图生视频约为 0.99 元/秒,比 Seedance 2.5 便宜约 34%,生成速度提升一倍(各平台实际价格以页面为准)。规格上提供 480P 和 720P 两档分辨率,单段最长生成 30 秒,单次最多输入 10 张图片、5 段视频和 5 段音频。实测作者称其提示词遵循度很好,部分场景效果甚至优于 2.5 旗舰版,并以 15 秒中世纪战争片段、13 秒海边双人对白短片等长提示词案例做了对比,认为在日常创作与批量出片场景中会优先选择 flash。

来源:https://mp.weixin.qq.com/s?__biz=MzkxNzYzODgwNw==&mid=2247499010&idx=1&sn=755dbc39913f41aaa3469dfd9514e53a

Claude 在画布图形内直接生成可交互网页

Claude 现在可以在复杂图形和 3D 效果中嵌入文本、按钮等网页元素,即用真实 HTML 在画布图形内部搭建可交互网站。据 The Decoder 描述,这相当于让画布产物从静态视觉稿变成可点击的网页界面,形式上类似早年 Flash 承载的交互内容。目前已披露的信息限于能力本身,Anthropic 未公布该功能的具体可用范围与限制条件。

来源:https://the-decoder.com/claude-now-builds-interactive-websites-inside-canvas-graphics-reviving-the-flash-era-with-real-html/

Gemini 上线 66 种地区口音语音

Google 在 Gemini 应用中上线 66 种地区语音,Android 与 iOS 双端可用,用户可挑选带有本地口音的自然音色用于应用内交互。这是 Gemini 语音库在方言与地区覆盖面上的一次扩容。

来源:https://blog.google/innovation-and-ai/products/gemini-app/regional-voices/

Google Maps「Ask Maps」登陆欧洲

Google 宣布 Ask Maps 进入欧洲市场。官方称这是 Google Maps 十多年来最大的一次更新,由最新的地图数据与 Gemini 模型驱动,用于回答地图难以直接回应的复杂现实问题。目前公布的信息限于上线区域与能力定位,未披露具体国家清单与时间表细节。

来源:https://blog.google/products-and-platforms/products/maps/ask-maps-is-coming-to-europe/

技术与洞察

Google 首次观测到全自动 AI 漏洞利用框架 exploit_agent

Google 威胁情报组首次捕获到完全无人工介入的漏洞发现与利用行为。一个名为 exploit_agent 的 AI 框架出现在一台暴露在外的服务器上,它会自动对比补丁前后的代码差异、构建可用的利用程序并自行执行,整个过程不需要攻击者介入。此前同类流程至少需要人来做漏洞定位、利用编写与验证中的某一环,这次三个环节全部由模型完成。Google 的判断是这类全自动攻击已经出现,且会快速变多。

来源:https://the-decoder.com/google-warns-that-fully-automated-cyberattacks-have-arrived-and-will-get-worse-fast/

清华 SkillMaster 让智能体自己进化技能,ALFWorld 成功率 98.7%

清华大学李勇教授团队提出 SkillMaster,论文已被 NeurIPS 2026 录用,第一作者为北京中关村学院博士生杨敏。现有方法中技能的创建与更新通常依赖外部教师模型、预设规则或辅助模块,执行任务的智能体只学会使用技能,却很少被直接训练去改进技能;SkillMaster 把技能管理纳入智能体自身策略,与任务执行一起做强化学习。方法包含三部分:基于交互轨迹的技能审视,模型通过 propose_skill、update_skill、keep_skill 三类工具调用执行创建、更新与保留;反事实技能效用奖励,选取相关探测任务分别用原始技能库与临时修改后的技能库执行,比较原先失败任务是否转为成功、原先成功任务是否减少步骤,只有效用奖励为正的修改才写入持久技能库;DualAdv-GRPO 分别计算任务执行与技能管理的优势并分配给对应生成内容,共同更新同一策略。实验基于 Qwen2.5-7B-Instruct,覆盖 ALFWorld、WebShop 与 SearchQA:ALFWorld 成功率 98.7%、WebShop 82.0%,分别比 SkillRL 高 8.8 和 9.3 个百分点;ALFWorld 六类任务中四类达到 100% 成功率,其余两类均超过 95%。

来源:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074684&idx=3&sn=98e2d05a9365087f6adf4590de6d8793

9 所高校 126 页综述:定义「持续在线」个人智能体

来自南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、阿卜杜拉国王科技大学、达特茅斯学院、北卡罗来纳大学教堂山分校和西北大学共 9 所高校的 23 位研究者,联合发布 126 页综述,梳理 632 篇文献与 119 个研究系统和产品,覆盖可穿戴、数字与具身智能三类场景。论文的核心判断是:助手「一直开着」不等于「持续在线」,并以「感知、记忆、行动三个功能模块 × 六条有向信息流」的闭环视角给出定义、功能框架、六个等级与路线图,同时提出 HALO 审查框架用于评估现有系统。作者设想的最终形态是「用户掌舵,助手运行」——用户不再亲自维持闭环运转,只负责掌控方向与划定边界,助手自行决定何时观察、何时出手,根据经验改进工作方式,仅在需要授权的行动前停下请求确认。项目主页同步上线交互式 Demo,在 8 个日常场景中让读者替助手做决策。

来源:https://mp.weixin.qq.com/s/YHbLlX368ac6qccGvIJNxw

行业动态

华瑞指数云再融超亿元,24 张 GPU 顶 48 张的 KV Cache 存储

华瑞指数云宣布完成新一轮超亿元融资,由琮碧秋实投资与另一家基金联合领投,某国有产投基金跟投;资金将投入 AI 原生 KV Cache 存储系统 WQS 的研发与规模化交付、软硬协同设计与全栈 I/O 优化,以及市场与客户服务体系建设。公司披露的一项客户联合验证显示:24 张 GPU 加一个 WQS 存储节点,实现了与 48 张 GPU 方案相当的 Token 产能,路径是通过改善上下文的保存与调用来提高 GPU 利用率。技术上,WQS 建立在自研分布式存储引擎 WiDE 之上,采用原生 KV 路线,直接面向 KV 对象寻址,统一管理 SSD 上的空间分配、布局与回收,配合用户态 RDMA 数据通路绕过通用文件系统处理与复杂目录管理。CTO 曹羽中给出的逻辑是:推理场景的上下文写入后不再修改、读写数据量可预先确定、可按内容寻址,而推理框架本身掌握哪些结果可复用、哪些缓存块已写完、哪些数据即将被消费的信息,把这些信息传给存储调度就能按实际使用顺序安排读取、预取与回收。行业侧,NVIDIA 已于 2026 年 1 月发布推理上下文存储平台,并在 3 月介绍 CMX 架构,通过网络连接闪存建立共享上下文层。

来源:https://mp.weixin.qq.com/s?__biz=MjM5OTAzMjc4MA==&mid=2650897271&idx=1&sn=a312151c7ed556e600d84a0b25a17429

蚂蚁灵波具身大模型挑战赛收官:15 队 48 小时真机对决

首届蚂蚁灵波具身大模型挑战赛 11 月 16 日在上海张江收官,15 支战队从线上初赛进入为期 48 小时的线下总决赛。所有队伍使用同一款开源模型 LingBot-VLA 2.0、同一款松灵 COBOT MAGIC 机器人以及统一的现场算力,完成蔬果摆放、化妆品收纳和双臂清扫三项任务。冠军 TARS 得 82 分:先给三项任务分难易,针对现场无关物体干扰引入大模型识别目标与干扰物并遮挡无关区域,使第一项任务 10 次全部成功;最难的双臂清扫上重新选择簸箕抓持位置并补采数据,测量不同负重下机械臂下坠偏差做动作补偿,并把单步训练时间从约 15 秒压缩到 3.4 秒。第三名 SST 只额外采集 13 条数据,用 DeepSeek 理解任务、视觉分割模型标出目标物体,再交给 LingBot-VLA 2.0 执行动作,真机评测 65.87 分,同时冻结部分预训练参数以避免少量新数据破坏原有通用能力。第二名 EVA 从官方数据训练起步,真机成功率仅约 10%,把每轮失败样本转为训练数据、经 7 轮迭代把数据增至约 1200 条,自测成功率提高到 73.83%。由 4 名复旦学生组成的 FDU_SONIC 使用约两千元的机械臂、算力有限,选择反复分析官方提供的 647 条轨迹定位失败原因,最终获第五名和三等奖。

来源:https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&mid=2653116608&idx=1&sn=9d48c01eb535b73b2c037e65315369c7

通研院孵化 AGI 芯片公司通芯智能,半年连融数亿元

据量子位报道,通研院孵化的 AGI 芯片公司通芯智能浮出水面,创始团队来自龙芯、海光,公司定位 AGI 芯片方向,半年内连续完成数亿元融资。报道提到,公司试图用一颗芯片回应杨立昆、李飞飞提出的 AGI 算力问题。公开信息目前尚未披露芯片型号、制程、算力、功耗、具体融资轮次、投资方及客户等参数。

来源:https://www.qbitai.com/2026/11/510416.html

评论

暂无评论。

登录后可发表评论。