# AI 要闻 · 2026-11-04

- 网页：https://www.wangwu.ai/daily/2026-11-04/
- 抓取时间：2026-11-04 07:23–07:40（北京时间）
- JSON：https://www.wangwu.ai/daily/2026-11-04/data.json

## 今日最该知道的 3 条

### [Anthropic 研究开源系统 FlashProve，用密码学证明 AI 模型输出身份](https://techcrunch.com/2026/11/03/anthropic-is-working-on-a-system-to-prove-ai-models-identity/)
- 日期：2026-11-04T06:41:00+08:00 · 来源：TechCrunch · 11-04 06:41；Anthropic 研究帖同步 · 标签：FlashProve、可验证推理、开源
- 摘要：开源 FlashProve 给每次回复附上可在普通 CPU 上核对的密码学证明，匹配实验室公开的「指纹」且不泄露权重；目标是拦住经销商掉包便宜模型、虚报贵模型，以及第三方「已用某前沿模型扫描」一类主张。规范与代码已上 GitHub。
- 为什么值得看：接第三方 API / 中转时，「模型身份」终于有可本地验的钩子。合入前先问：指纹谁发布、证明体积与延迟、以及实验室拒绝指纹时链路怎么降级——别假设全网一夜跟进。
- 相关：[AnthropicAI](https://x.com/AnthropicAI/status/2117710942826123294)
- 相关：[rohanpaul_ai](https://x.com/rohanpaul_ai/status/2117712372010004709)

### [VeriCUA：把计算机智能体的任务完成验证当作主动取证](https://arxiv.org/abs/2610.40578)
- 日期：2026-11-03T10:37:00+08:00 · 来源：arXiv 2610.40578 · Google / 港大；窗内 X/AIHOT 扩散 · 标签：VeriCUA、Computer Use、验证
- 摘要：框架在执行结束后先摸清应用上下文再写细粒度 rubric，再按未决要求选 GUI 或代码探针，用「可证实 / 仅主张」规则合成成败或弃权；在线 AndroidWorld 准确率约 90.5%、假阳性约 7.7%，并约拦截八成虚假「已完成」声明，离线难例相对单次 VLM 裁判提升更明显。
- 为什么值得看：做 CUA 数据筛选与奖励前，默认不信 agent 自己报完成。优先能读文件/库/无障碍树的探针，并允许证据不足时弃权——假阳性进训练集比漏收成功轨迹更贵。

### [DeepSeek Harness 推出 Creator Mode](https://x.com/0xLogicrw/status/2117423630338687467)
- 日期：2026-11-03T01:08:27.000Z · 来源：X · 0xLogicrw · 11-03 09:08；AIHOT 热榜 · 标签：DeepSeek Harness、Creator Mode、插件
- 为什么值得看：四种模式里 Creator 用自然语言让 agent 写、装、测新功能并落成应用内插件，另有标准/PTC/极简；演示含工作区、沙盒游戏、3D 可视化等示例提示词。评估「用户扩工具面」时量沙箱边界与安装审批，别只看 demo 创意。

## 专栏：端侧模型

端侧视觉一体模型与视频 FP4；llama.cpp 窗内多为日常构建。

### [v1.2.2](https://github.com/google-ai-edge/mediapipe/releases/tag/v1.2.2)
- 日期：2026-11-03T22:08:41Z · 来源：GitHub · MediaPipe · 11-04 06:08 · 标签：MediaPipe、端侧、Bazel
- 为什么值得看：列式矩阵转 Tensor 形状修正，以及 Web 图像 crossOrigin 用 anonymous。Flutter/Web 端侧流水线升级前对一下矩阵布局与 CORS，避免静默形状错。

### [@0xLogicrw: 微信视觉开源 WeVisOne-VL](https://x.com/0xLogicrw/status/2117632892641976678)
- 日期：2026-11-03T14:59:59.000Z · 来源：X · 0xLogicrw · 11-03 22:59 · 标签：WeVisOne-VL、腾讯、多任务视觉
- 为什么值得看：2B/4B 单模型覆盖检测、计数、OCR、指代定位、分割与抠图，目标不存在时可答 None。端侧多任务视觉优先看「拒识」是否真降幻觉框，再比参数量。

### [NVFP4量化让视频模型提速且不掉质量](https://x.com/haoailab/status/2117704077773881434)
- 日期：2026-11-04T03:42:00+08:00 · 来源：AIHOT · Hao AI Lab · 11-04 03:42 · 标签：NVFP4、视频、量化
- 为什么值得看：称 NVFP4 QAD 相对普通量化拉近与 BF16 Flex 差距约 14–17%；FP4 注意力把 768p 15 秒从约 101.8s 降到 85.3s。本地视频管线试 FP4 时分开看画质蒸馏损失与注意力耗时，别只报端到端加速。

> 窗内 llama.cpp b12063–b12068 等为常规构建（如 CUDA/Metal 修补），未单列。

## 专栏：Agent 记忆与协作

生产事故上下文融资、开源数学协作工作区，以及多 agent 服务基准。

### [Traversal 获约 1.2 亿美元融资，为编程智能体补生产环境上下文](https://x.com/rohanpaul_ai/status/2117667853818356020)
- 日期：2026-11-04T01:18:00+08:00 · 来源：X · rohanpaul_ai · 11-04 01:18；估值约 10 亿 · 标签：Traversal、生产上下文、融资
- 为什么值得看：叙事：写代码变快后，生产运行与排障仍难；产品把事故追溯到变更/服务再喂回 coding agent。估值与支票以官方披露为准；自建时优先落地「事故→可检索变更」闭环，不必等同一品牌。

### [Mistral Large 4 上线 Open Math OS，1.05T 开源权重、1M 上下文](https://x.com/MistralAI/status/2117670644506861900)
- 日期：2026-11-04T01:30:00+08:00 · 来源：Mistral AI · 11-04 01:30 · 标签：Mistral Large 4、Open Math OS、开源权重
- 为什么值得看：数学家与 AI 智能体共享项目的研究工作区，仅开源模型、社区可检可跑；Large 4 今日起对获批团队开放。评估「科研协作壳」时看数据归属与权重可审计，别只看参数标称。

### [MAServeBench：分层协作负载下的多 Agent 服务系统基准](https://arxiv.org/abs/2610.40293)
- 日期：2026-11-03T00:00:00.000Z · 来源：arXiv 2610.40293 · HF Daily · 窗内 · 标签：MAServeBench、多 Agent、服务
- 摘要：面向分层协作工作负载，专门压测多 agent LLM 服务系统的调度与资源行为（北大等；代码仓库已挂）。选共享推理后端时用它对照吞吐/排队，别只用单会话延迟外推团队并发。
- 为什么值得看：班组多 agent 同机时，服务层公平性与层级调度比单模型 TPS 更决定体验。

### [@mattpocockuk: 有人给 /retro skill 写了评估论文](https://x.com/mattpocockuk/status/2117588845864575397)
- 日期：2026-11-03T12:04:58.000Z · 来源：X · mattpocockuk · 11-03 20:04 · 标签：retro skill、评测、社区
- 为什么值得看：高互动：社区把个人 /retro skill 做成论文级效果评估。自建 skill 目录时预留「可被外人复现评测」的接口与日志，比再堆提示词更利于迭代。

> Message Threads 昨日报过，今日仅作背景不占坑。

## 主流产品 Changelog 精读

Agent SDK 钩子失败策略与预览运行时；空壳 alpha 标签跳过。

### [v0.2.177](https://github.com/anthropics/claude-agent-sdk-python/releases/tag/v0.2.177)
- 日期：2026-11-03T02:17:57Z · 来源：GitHub · claude-agent-sdk-python · 11-03 10:17 · 标签：Claude Agent SDK、HookMatcher、on_failure
- 为什么值得看：HookMatcher 新增 on_failure：回调抛错/返回 None/被 CLI 拒时可 block，默认 continue；配旧 CLI 且 block 会报连接错误。权限钩子默认改 block 前先锁 CLI 版本。

### [v0.24.0-alpha.6](https://github.com/openai/openai-agents-python/releases/tag/v0.24.0-alpha.6)
- 日期：2026-11-03T16:44:27Z · 来源：GitHub · openai-agents-python · 预览 · 标签：Agents SDK、预览、原生运行时
- 为什么值得看：预览轮：标准 CPython 3.10–3.14 venv 即含原生运行时，无需本机 Rust 工具链。试 alpha 时用干净 venv 装官方 wheel，别混源码树。

### [sdk==0.4.12](https://github.com/langchain-ai/langgraph/releases/tag/sdk%3D%3D0.4.12)
- 日期：2026-11-03T18:10:30Z · 来源：GitHub · langgraph-sdk · 11-04 02:10 · 标签：LangGraph、SDK、流重连
- 为什么值得看：去掉 PrioritySettings.fairness_weight；修复流提前关闭后的 rejoin。依赖公平权重的调度要改配置；长跑任务核对重连是否接着最新事件。

> Codex rust-v0.167.0-alpha.4 / libcap-v2.75 镜像、gemini-cli nightly 无有效说明，未收录。

## GitHub 热门

并行 agent 的 worktree CLI，以及免训练改模型行为的工具。

### [max-sixty/worktrunk](https://github.com/max-sixty/worktrunk)
- 日期：2026-11-04T00:00:00+08:00 · 来源：GitHub Trending · 日榜 +406 → 约 1.0 万★ · 标签：worktree、并行 Agent、Rust · 星数：今日 406
- 为什么值得看：为并行 AI agent 工作流设计的 Git worktree CLI。多 agent 同仓时先看分支隔离与清理策略，再堆提示词。

### [p-e-w/heretic](https://github.com/p-e-w/heretic)
- 日期：2026-11-04T00:00:00+08:00 · 来源：GitHub Trending · 日榜 +699 → 约 3.9 万★ · 标签：免训练、对齐编辑、开源 · 星数：今日 699
- 为什么值得看：免训练改模型：去审查、压 slop、减谄媚等。本地试跑前写清许可与安全边界——「可改对齐」不等于可上生产。

> agent-desktop / Scrapling / colibri 昨日已见，无增量不重复。

## Agent 工程

长程 cowork 运行时与 CLI 工具链小步。

### [CoworkOS：面向真实自动化的可扩展 Agent 协作运行时](https://arxiv.org/abs/2611.03178)
- 日期：2026-11-03T00:00:00.000Z · 来源：arXiv 2611.03178 · HF Daily · upvotes 87 · 标签：CoworkOS、长程、子 Agent
- 摘要：八项均分约 33.19→42.95（GLM-5.3 骨干对 Qwen3.6-35B-A3B 五轮 RSI）；更关键的是人机可同改文档/演示/CAD/Blender，中断后分层工作区与语义记忆续 Job，策略与运行时状态反馈分开。
- 为什么值得看：长程 cowork 先问「工件是否人机同屏可改」与「中断后 Job 日志能否续」，再比榜单分数。

### [llm 0.37](https://simonwillison.net/2026/Nov/2/llm/)
- 日期：2026-11-02T23:49:30+00:00 · 来源：Simon Willison · 11-03 07:49 · 标签：llm CLI、embeddings、OpenAI 兼容
- 摘要：未自设默认时改走半价 gpt-6-luna（相对 gpt-5.6-luna）；新增 openai endpoint add 与 gpt-6.1-sol/terra，embeddings 按内容类型接 Gemini Embedding 2 跨模态。约两月改动含 12 位作者多为 AI 辅助 PR，维护者称前沿模型分诊后负担可控。
- 为什么值得看：本机多端点 CLI 先统一 endpoint 配置与默认模型成本，再谈插件生态。

## 检索与基础设施

多跳 RAG 拆问与答案复用。

### [DeFT-RAG：把多跳问题拆成自包含子问并复用答案](https://arxiv.org/abs/2610.37826)
- 日期：2026-11-03T00:00:00.000Z · 来源：arXiv 2610.37826 · HF Daily · 标签：RAG、多跳、缓存
- 摘要：共享 1000 题缓存时约 23.1% 子问命中、LLM 调用约降 12.9%，且在 MuSiQue 等上相对 13 个基线准确率领先；每次只生成一个自含子问，依赖跟踪交给规则表与轻量决策模型，跨题复用同义答案。
- 为什么值得看：多跳检索优先「子问自包含 + 答案表缓存」，少让同一模型同时规划依赖与改写。

> FlashProve 见今日三条，不在本栏重复。

## 论文

开源权重机器人使用智能体统一 harness。

### [Democratizing Robot-Use Agents：统一 harness 与开源模型](https://arxiv.org/abs/2611.01560)
- 日期：2026-11-03T00:00:00.000Z · 来源：arXiv 2611.01560 · Open-RUA/uni-robot-agent · 标签：Robot-Use、开源权重、harness
- 摘要：uni-robot-agent 统一工具/反馈并强调推理与动作流水线重叠；无特权输入时 Qwen3.8-Flash-Next 在 RoboDojo 得分约 31.39，高于已公布的 GPT-6 Astra–RoboProbe 约 28.97，真实桌面 19 项总分约 49.50。
- 为什么值得看：机器人 agent 研究缺权重时，先补可替换 runtime/工具/后端的 harness，再谈特权深度或任务验证器捷径。

## 大厂与模型

电网友好算力、monorepo Git、开源科研模型与企业工具治理。

### [OpenAI 推出 Grid Protectors：电网吃紧时数据中心减载](https://x.com/rohanpaul_ai/status/2117415628516769919)
- 日期：2026-11-03T00:36:40.000Z · 来源：X · rohanpaul_ai · 11-03 08:36；佐治亚首单 · 标签：Grid Protectors、数据中心、电网
- 为什么值得看：称佐治亚电力可在吃紧时削减最多约 1000MW OpenAI 负荷；同期叙事改称 compute campus。跟算力扩张新闻时把「可中断负荷」写进社区与监管条款清单。

### [OpenAI 推出 Pando：Git 后端将推送延迟中位数降低约 80%](https://www.marktechpost.com/2026/11/02/openai-pando-git-backend-monorepo/)
- 日期：2026-11-03T13:51:00+08:00 · 来源：MarkTechPost · 11-03 13:51 · 标签：Pando、Git、monorepo
- 摘要：Rust 重写服务端、保留标准 Git 协议；按分支因果一致性、复用不可变 pack，日吞吐近 1PB、小时峰值超 57TB，中位 push 延迟约降 80%。自述 Codex 推高并行提交后旧服务可靠性承压；暂不开源，部分客户端修复回馈上游。
- 为什么值得看：Agent 海量并行 push 时瓶颈常在 Git 服务假设（全仓串行、每客户端打 pack）。自建 monorepo 先量分支级冲突与 pack 复用，再换硬件。

### [@0xLogicrw: Revolut 默认智谱 GLM 作编程模型](https://x.com/0xLogicrw/status/2117566699461345708)
- 日期：2026-11-03T10:36:58.000Z · 来源：X · 0xLogicrw · 11-03 18:36 · 标签：Revolut、GLM、企业编码
- 为什么值得看：称约 2000 名工程师默认自托管 GLM，Claude Code/Codex 退居复杂任务；此前人均 Claude 约 $300/月成效有限。企业换默认编码模型时看「简单任务覆盖率 × 单价」，复杂任务保留强模型例外清单。

### [@0xLogicrw: Deep Principle 发布科研模型 Hydrogen-1.0](https://x.com/0xLogicrw/status/2117553345686884650)
- 日期：2026-11-03T09:43:54.000Z · 来源：X · 0xLogicrw · 11-03 17:43；MarkTechPost 详述 · 标签：Hydrogen-1.0、GLM-5.3、科研
- 为什么值得看：基于 GLM-5.3 后训，称 FrontierScience-Research 约 38.3 对 GPT-6 Astra 约 33.3；公开材料另述 753B MoE/约 40B 激活、1M 上下文、MIT 权重。科研 agent 选型对一下领域榜与实验室工作流拒答率，别只看总参数。

### [@0xLogicrw: 字节限制外部 AI 访问内部代码与飞书](https://x.com/0xLogicrw/status/2117481815598674292)
- 日期：2026-11-03T04:59:40.000Z · 来源：X · 0xLogicrw · 11-03 12:59 · 标签：字节跳动、数据治理、Coding Agent
- 为什么值得看：称 11 月起 L4 仓库与飞书文档禁外部 AI（Seed 部分例外），个人购买账号亦不可再访问受限内容。大厂安全基线在收紧：对外 agent 默认按「无内网」设计，别假设客户仓库可上传。

### [@0xLogicrw: 扣子企业版分阶段下线](https://x.com/0xLogicrw/status/2117582277345411127)
- 日期：2026-11-03T11:38:52.000Z · 来源：X · 0xLogicrw · 11-03 19:38 · 标签：Coze、企业版、下线
- 为什么值得看：11-30 起停售企业标准/旗舰新客；火山旧套餐年底下线，新企业套餐服务最迟到 2027-12-31。选型 agent 平台把供应商日落条款写进迁移演练，别只看功能表。

### [@0xLogicrw: 华为云 openPangu-2.0 服务下线时间表](https://x.com/0xLogicrw/status/2117526723998998845)
- 日期：2026-11-03T07:58:07.000Z · 来源：X · 0xLogicrw · 11-03 15:58 · 标签：openPangu、华为云、下线
- 为什么值得看：Flash/Pro 云服务 11-06 停售、11-30 起下线，正式下线后已接入也不可调用；开源权重与云 API 生命周期脱钩。依赖云封装开源模型时单独跟踪「权重仍在、API 已死」。

### [阿里蔡崇信：只有开源才能推动 AI 普及，千问开源模型已超 470 款](https://www.ithome.com/1/021/495.htm)
- 日期：2026-11-03T12:37:00+08:00 · 来源：IT之家 · 11-03 12:37 · 标签：阿里、开源、千问
- 为什么值得看：高管口径强调开源普及；对生态叙事有用，落地仍看许可证、权重质量与真实下游采用，别把款数当能力。

> Grid Protectors、Pando、Revolut/GLM、Hydrogen、字节外模限制、Coze/openPangu 日落见本栏。O'Reilly 月度盘点、Arena Hy4 预告、苹果财报未占坑。LifeVal / Message Threads / Chat·Work 合并昨日报过。

## X 精选

### [@0xLogicrw: 英伟达要求伙伴过半算力售非中国客户](https://x.com/0xLogicrw/status/2117514780550598704)
- 日期：2026-11-03 · 来源：@0xLogicrw · 11-03 15:10 · ♥ 5 · 标签：产业与算力、英伟达、算力、出口
- 为什么值得看：称销售口头要求未来业务至少 51% 算力服务售给非中国客户，已签租约不受影响。谈亚太 GPU 供给时把「客户结构约束」写进可得性模型。

### [@blackanger: Agent 当无栈协程](https://x.com/blackanger/status/2117541390100119854)
- 日期：2026-11-03 · 来源：@blackanger · 11-03 16:56 · ♥ 44 · 标签：工程杂讯、AWS、Agent、协程
- 为什么值得看：类比 Rust async：挂起只存续跑所需最小状态。设计长程 agent 运行时优先显式 continuation，少默默重放全量历史。

### [@tison1096: 替换 PostHog 存储层调研](https://x.com/tison1096/status/2117645705900896417)
- 日期：2026-11-03 · 来源：@tison1096 · 11-03 23:50 · ♥ 3 · 标签：工程杂讯、PostHog、存储、调研
- 为什么值得看：对比「换存储」与「整拆」；涉及 ScopeDB/Raft 等。自建观测栈先定数据面边界，再选是否保留产品壳。
