AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-11-07

星期六 · 11-07 07:30 截稿 · 共 22 条

★今日最该知道的 3 条

NO.1
OpenAI · 11-06;与 Ligo 合做BioBasicsBench湿实验室GPT-6 AstraLigo

衡量 AI 智能体如何处理日常湿实验室科学

与 Ligo 合做的 BioBasicsBench 共 100 题,覆盖蛋白/成像流式/定量/核酸/克隆,用原始凝胶与显微读数按量规给分,并测「证据不足则不下结论」。七模型 37 档共 1.85 万次:xhigh 下 Astra 66.7%、GPT-5.6 Sol 43.8%;对照误判与菌落计数仍易翻车。

为什么值得看:把 agent 评测从论文精选图拉回日常湿实验的失败与对照陷阱。做科研 agent / lab copilot 时,用这 100 题量规对读图、查对照、拒下结论三项,别只盯 Astra 相对 Sol 的分差。
评分反馈
NO.2
X · rohanpaul_ai 援引 Bloomberg · 11-07 05:10OpenAI融资Bloomberg1.25万亿

@rohanpaul_ai: 融资首批到账

为什么值得看:把「首笔到账」和「整轮上限」拆开读:帖文援引 Bloomberg,称 110 亿美元已在当日打入、对应 1.25 万亿美元估值一轮的首 tranche,其余最高至合计 200 亿美元「数周内」才到——跟踪时先核已入账金额与估值口径,别把首批当成整轮交割完毕。
评分反馈
NO.3
TechCrunch · 11-07;Meta Newsroom 同步MetaMuseSpaces项目协作

为你定制 Muse 应用

Muse 上线 spaces:用自然语言描述想法即可生成常驻自定义体验(礼物追踪、日程看板、DIY 规划等),可放侧栏/主标签、按时段显隐;接上常用应用后会在后台自更新(演出档期、价格变动等)。即日起在 Muse 可用地区全开,并探索空间分享协作。

↳ @finkd
为什么值得看:把「对话式 agent」推进到可钉在导航里的个人微应用。若做助手产品,重点核 spaces 的布局调度与后台连应用刷新,而不是又一个聊天窗;与同日 Active Memory 升级是同一产品族、不同层面。
评分反馈

1专栏:端侧模型

MNN-Pocket 手机原生小模型;Underdog 浏览器离线 TTS;llama.cpp 补 Kimi-K3.1-Pro。

IT之家 · 11-06 11:50MNN-Pocket端侧INT4开源

淘宝 MNN 团队开源 0.3B 手机模型,苹果 iPhone 18 Pro 离线跑出 350 token/s

约 3 亿参数、INT4 部署包 173MB;iPhone 18 Pro 经 MNN 离线解码约 350 tok/s。iPad Pro M5 上 Prefill 8721、Decode 466 tok/s(约为同条件 Qwen3-0.6B 的 1.63 倍),峰值 Metal 内存增量 228MB(对方 427MB/包体 340MB);设计目标含峰值内存 <300MB、解码 >200 tok/s。

为什么值得看:做端侧小模型选型时,对照目标机型核对 INT4/MNN 包体与峰值内存,以及指令遵循是否落到你的场景——别把 iPhone 18 Pro 的 350 tok/s 直接当成全机型现货吞吐。
评分反馈
TechCrunch · 11-06UnderdogWoof端侧语音TTS

Underdog 在新演示中展示 32MB 语音模型

开源 TTS「Woof」约 31.7MB、3100 万参数,浏览器离线可跑并配复古主题打字出声演示;同厂此前有端侧 STT,另有排队中的本地助手应用叙事,强调设备端私有 AI。

为什么值得看:端侧语音若要「可下载、可离线」,可把 Woof 体积与开源下载当作对照样本;落地前核浏览器实机延迟与许可证,别把演示游戏当成生产级助手。
评分反馈
GitHub · 11-07 07:18llama.cppKimi-K3.1-ProDSA

ggml-org/llama.cpp b12180

Kimi-K3.1-Pro 文本权重可进本机构建:93 层里 24 层带 lightning indexer(DSA),其余 KDA/残差/MoE 仍走 K3 图与转换器;indexer 用整段 cache 上的加性掩码复用已有稀疏 flash,而不是另抽 top-k 行。

为什么值得看:本地若跟 Kimi K3.1 系权重,可先核 llama.cpp 此 b 号的 indexer/掩码路径是否覆盖你的量化与后端,再谈吞吐。
评分反馈

日常 llama.cpp b 号仅保留含新模型支持的一条。

2专栏:Agent 记忆与协作

Claude dreaming 整理记忆;Amp / Muse 两侧 spaces;Inkling 2 Small 长程 agent。

Anthropic Engineering · 11-06Anthropicdreaming记忆CL-Bench

智能体记忆的组成

记忆拆成会话内显著性笔记与离线 dreaming:对 transcript 纠错、建 wiki、提升预载层。Pokémon 例中纠错方位后才过 Mt. Moon;Stainless 语料 dreaming 2→128 轮,25 问约 13%→48%。Frontier 模型更宜自由判断显著性,而非「只记失败」。

为什么值得看:自建 agent 记忆栈时可对标三件事:谁在会话里写笔记、谁在空闲时对 transcript 做 dreaming、预载层如何保持短小——别把「多存文件」当成记忆系统。
评分反馈
Amp · 11-06Ampspaces多 Agent协作

Amp 推出 spaces:用单个智能体协调多个线程的全新协作方式

space 是与单个 agent 的会话,由它生成并协调其他线程,用户不必自己开帖组织。内部用同一 space 做功能共建、上线值守与安全审查(曾拆成 16 个区域并行审),团队讨论也常搬进 space 而非另开 Slack。

为什么值得看:多 agent 产品若还停留在「人手工开线程」,可对照 Amp 的「船长椅」:一个协调 agent + 可下钻线程。落地前核权限边界与线程产物如何回写主会话。
评分反馈
MarkTechPost · 11-06Inkling 2 SmallMoE开放权重Tinker

Introducing Inkling 2 Small

594B/激活 17B 的 MoE,支持图像与 variable effort;AA Intelligence Index 自报约 31。先经 Tinker 专有提供,安全外测后拟 Apache 2.0 放权重。强调长程 agentic coding / autoresearch;Code Arena WebDev 等榜单在窗内继续被引用。

为什么值得看:若盯「西方开放权重」选型:先分清现货是 Tinker API、权重仍待安全测试;并把自报指数与条件榜位(权重放出后)放一起看,别把预告第一当成已可下载的现货位次。
评分反馈

google/skills 昨日报过未重复;Muse Active Memory 并入 Spaces 相关链接。

3主流产品 Changelog 精读

Claude Code 网关/auto mode 与 MCP task;Qwen Code Skills 安装激活。

GitHub · anthropics/claude-code · 11-07 01:04Claude Codeauto modeMCPgateway

v2.1.319

MCP 工具一旦被服务端标成 task,终端会立刻丢到后台并在结束时回灌结果;同时在无遥测/LLM 网关场景,auto mode 对「服务端核不过」的调用只问或拒,不再掉回内置分类器(可用 `CLAUDE_CODE_AUTO_MODE_SERVER=0` 保旧路径)。

为什么值得看:自建/代理 Claude Code 时,先核网关是否关掉了服务端 auto 校验,以及 MCP 长任务是后台还是阻塞——这两项会直接改变权限体验与超时行为。
评分反馈
GitHub · QwenLM/qwen-code · 11-07 00:07Qwen CodeSkillsWebShell

v0.26.9

一次请求可启停 1–100 个用户 Skill(带偏好落盘与传播状态),大 ZIP 改走磁盘安装并带失败回执与备份保护;TypeScript SDK / WebShell 补上传入口。Web Shell 另修标题重建丢字、草稿被上下键清掉、批量删会话分页等,无宣称破坏性变更。

为什么值得看:若在 Qwen Code 上推团队 Skill 包,优先对一下 ZIP 安装回执与批量 activation API,是否覆盖你的托管 daemon 限额。
评分反馈

Codex rust-v0.169.0-alpha.2 发布说明几乎为空,未展开。

4GitHub 热门

今日无重要更新

今日无重要更新(日榜非 AI 主线未收;security-audit-skill / hallmark / openbot 此前已报,无增量后续)。

5Agent 工程

vLLM 对齐内核后的异步 REINFORCE Zero;Hy4 扩容与 APEX 后续。

vLLM Blog · 11-06vLLMREINFORCE Zero异步 RL零失配

零失配、简单异步 RL:REINFORCE Zero、DeepSeek-V4.1 与 Kimi K3.1

对齐内核后的异步 REINFORCE Zero 在 16 卡上相对同步拿到 2.40× 训练步吞吐,并可在滞后 64、约 2 万次更新下保持稳定;同设定标准内核 IS 的 KL 中位涨约 83×、AIME24 从 34% 掉到 14%。DeepSeek-V4.1-Flash / Kimi K3.1(含 MI355X)已做到逐 token 零失配。

为什么值得看:做 agent/tool RL 时先核 rollout-trainer 是否 bit 级 logprob 一致;文中把失配拆成可平滑校正的权重滞后与会炸方差的内核差,对齐后再敞开 IS,比先堆截断/拒样门控更对症。
评分反馈
量子位(腾讯供稿)· 11-06;混元官号Hy4WorkBuddyAPEX-Agents后续

后续|Hy4 十倍扩容并登顶 APEX-Agents 开源权重榜

WorkBuddy 接入后首日大量触顶,腾讯称已对 Hy4 推理集群十倍扩容并提高免费额度。Agent Arena 总榜约第 13、开源模型第一;AA 智能指数称中国模型第二(次于 Kimi K3.1 Pro)、单任务约 0.78 美元。混元官号另称 Mercor APEX-Agents 开源权重榜 Pass@1 77.6%。

为什么值得看:相对昨日额度故事,增量是「十倍扩容 + APEX 开源权重榜」。落地前分开核:Agent Arena / AA / APEX 不是同一榜,通稿由腾讯提供——对照正式榜与 API/产品面额度是否同步放开。
评分反馈

Cursor Live Apps 仅见聚合转述、无官网原文,未展开。

6检索与基础设施

OpenRouter 新一代 Auto / Auto Code;十月用量里 agent 占八成。

OpenRouter Data · 十月复盘OpenRouter用量agent开源权重

Tokens rose 37% in October

10 月跑了 790T token(环比 +37%、相对 1 月约 25×);agentic 密钥约占全站 76% 流量。开源权重付费份额在闭源新模型当周承压后,主要靠 DeepSeek V4.1 Flash 等回升;自 5 月起 Z.ai 月度 token 约增 20×、DeepSeek 约 12×。

为什么值得看:当路由/选型月报读:核对开源权重能否从闭源发布冲击里回血、以及 agent 流量是否仍抬缓存命中;别只转推文截图。
评分反馈

Nace Drex 仅见聚合短帖、无原技术报告页,未展开。

7论文

检索嵌入干扰;视觉规划加速偏机器人未展开。

arXiv · 2611.07298 · HF 日更 11-06检索嵌入前缀 token

用可训练前缀 token 降低检索嵌入中的表征干扰

标准检索与长上下文基准上相对微调基线有稳定提升;做法是给嵌入模型加可训练 `[DUMP]` 前缀位去吸低信息残差(含 attention sink 痕迹),架构、池化与对比损失不动,并观察到低信息 token 的激活/注意力分布随之变。

为什么值得看:做 RAG/记忆检索底座时,若怀疑向量被 token 级噪声缠住,可把「可训练前缀」当轻量对照,而不是先上更复杂的解缠架构。
评分反馈

VFlash(2611.08449)偏具身视觉规划,与本栏主线弱相关,未收。

8大厂与模型

METR 量化 Anthropic 研发加速;工信部智能体终端;Ling-3.2-flash;安全框架与 Remix。

METR · 博文标注 11-05;窗内讨论METRAnthropicAI R&DAECI

METR 独立评估:Anthropic 的 AI 研发加速约达 2 倍

METR 在 Anthropic 做约 11 周高权限评估后估计:截至 2026-10,其对明确任务的能力改进速度约是 2024-03 至 2025-10 的 2 倍(AECI 自 2025-10 起约 1.9×,95% 区间 1.5–2.8×);约八成现时加速归因于自用 AI,并排除训练算力增速加快,但多数关键证据被 Anthropic 遮蔽。

为什么值得看:这是少见的实验室内加速量化:读时核 AECI 口径与被遮蔽证据占比,以及「近 12 个月未见明确瓶颈」是否高估——别把约 2 倍当成已验证的失控阈值穿越。
评分反馈
IT之家 · 11-06 09:13工信部智能体终端进网OTA

工信部发布通知加强智能体终端设备进网管理,提出四大工作任务

四件事:上架前提交适配验证并公示机型;预置智能体的手机/平板/可穿戴纳入进网检测与唯一身份码;OTA 先报方案、结束后交报告经评估才可正式服务;分发平台公示适配列表,未签名同意不得被智能体强制调用。

为什么值得看:做手机/穿戴预置 Agent 或商店分发时,把「适配列表 + 进网检测 + OTA 报备 + 调用声明」当硬门槛核对,别默认现有上架流程还能绕过。
评分反馈
IT之家 · 11-06 08:00蚂蚁百灵Ling-3.2-flash多模态MoE

蚂蚁百灵大模型 Ling 3.2 Flash 发布:三项基准超越 Claude Opus 5,前两周限时免费

原生多模态 Ling-3.2-flash:560B 总参、约 25B 激活、1M 上下文,强化视觉与多模态长程 Agent。官方称 OmniDocBench1.5 / ZEROBench(Sub) / Vision2Web 三项超 Claude Opus 5(max);API 输入 $0.30、输出 $0.90/百万词元,前两周限免。

为什么值得看:若做多模态长程 agent 选型,先核这三项基准是否贴近你的文档/视觉任务,以及限免结束后的价与配额——别只看「超 Opus 5」标题。
评分反馈
Frontier Model Forum · 框架 1.0;OpenAI 等同日转发FMF越狱评级网络安全

Introducing the FMF Jailbreak Rating Framework for Frontier Cyber Threats

FMF 发布越狱评级框架 1.0:按能力增益、能力范围、部署难度、发现难度四维比较成功网络越狱的相对风险,并开放意见征集;OpenAI 联同 AWS、Anthropic、Google DeepMind、Microsoft 等成员背书,意在统一口径并优先加固高危绕过。

为什么值得看:跨厂统一「哪类越狱更危险」的量尺:做红队/安全评测时按四维对照自家发现,别把可复现绕过一律当同等 P0。
评分反馈
OpenAI · 11-06OpenAIHacktronDaybreak Red安全

与 Hacktron 合作排查 OpenAI 系统漏洞

为什么值得看:合作焦点在「系统↔第三方服务」交界,并用 Daybreak Red 把前沿模型交给红队;同周 Cathedral 进冲刺、bug bounty 上调。自建 agent 若大量接外部工具,优先对标交界面怎么选测、frontier 访问怎么授给进攻方。
评分反馈
X · Kate Clark 援引 WSJ · 11-06AnthropicARRWSJ

@KateClarkTweets: Anthropic 年化收入

为什么值得看:把这条当 IPO 路演期的收入锚点:Kate Clark 援引 WSJ 称 10 月底 run rate 已到 800 亿美元,同链又写大型出资方对 1.5 万亿美元估值存疑——对照估值倍数前先核 run rate 口径,别只拿推文数字外推。
评分反馈
更多 1 条 ▾
X · ChatGPT · 11-07 06:08ChatGPTRemixBusiness

@ChatGPT: Remix 网站改版

为什么值得看:把同事现成站当改版起点、用对话下达改动并继续修副本——适合 Business/Enterprise 里「有站可改」的协作流;官帖只写能力与逐步放量,落地前核账号是否已开 Remix。
评分反馈

BioBasicsBench / 融资首批 / Muse Spaces 见三条;记忆 dreaming、Amp spaces、Inkling、MNN-Pocket、vLLM 异步 RL、OpenRouter Auto 见专栏/工程/基建;METR≈2×、工信部智能体终端、Ling-3.2-flash、FMF/Hacktron、Remix 与 Hy4 后续见本栏。google/skills 与 Muse 语音昨日报过未重复。

9X 精选

工程杂讯

  • Ethan Mollick @emollick · 11-06 11:51 · ♥ 275 政策crash projects
    @emollick: 缺国家级 AI 速成项目
    为什么值得看:抱怨实验室与政策侧缺少「近期可完成、能做好事」的国家级 crash projects。若你在写公共向 agent 方案,可把它当需求信号:先交可落地的短周期目标,而不是等数据中心里的天才民族。
    评分反馈
  • tison @tison1096 · 11-06 15:58 · ♥ 43 CodexVibe Coding
    @tison1096: Codex 回车改插入
    为什么值得看:Codex App:有进行中对话时,回车从「排队」改成「插入」,CMD+Enter 才排队;划线批注时 CMD+Enter 又是直接插入。日常热键肌肉记忆要按场景重训一遍。
    评分反馈
  • Matt Pocock @mattpocockuk · 11-06 19:14 · ♥ 690 React工程
    @mattpocockuk: React 更重要了
    为什么值得看:在引用讨论里强调「懂 React 比以往更重要」。agent 写前端代码量上升时,人侧框架直觉仍是验收与纠偏的底盘,别假想提示词能完全替代。
    评分反馈

☰往期