📊 今日概览
今日最重磅的是 Google 发布 Genie 4 交互式世界模型,以 Gemini 作"大脑"支持自然语言实时改变天气、移动镜头,自带环境音与可对话人物,先向受信测试者开放后进入 AI Ultra。资本层面,NVIDIA 向 Meta 975 亿美元基础设施融资投入 30 亿股权、AMD 追加 10 亿,芯片供应商从卖方变股东;Modal 年化收入破 10 亿美元并完成 7.5 亿美元 D 轮。模型侧,Liquid AI 发布 LFM3 家族六个端侧模型,1.7B 底座在浏览器 Agent 基准反超 9B 模型;Anthropic 自述内部研究模型自主发现核心算法,消耗 1400 万 token 无人类输入。此外 Ai2 的 NoveltyBench 揭示 LLM judge 判断新颖性准确率波动超 50 个百分点,为"别信 judge"再添实证。
🔥 趋势洞察
- 世界模型走向交互化:Google Genie 4 用 Gemini 把自然语言指令翻成动作、规划多步事件,SpAItial Echo-3 手机视频直出米级 3D 场景,世界模型从"生成"转向"可操控"
- 芯片供应商变股东:NVIDIA 30 亿、AMD 10 亿入股 Meta 975 亿融资,供应商用股权绑定超大规模客户算力部署,算力供应链结构反转
- Agent 评测与数据工程成焦点:Ai2 NoveltyBench 揭示 judge 脆弱性、Property Finder 发现 96.8% 循环评测标签,Apple 与蚂蚁分别提出工具使用 agent 的数据缩放律与轨迹构造范式
🐦 X 推文动态
📈 热点与趋势
- Google 发布 Genie 4 交互式世界模型,以 Gemini 作"大脑" - 可用自然语言实时改变天气、移动镜头、加入新元素;模型自带环境音与可实时对话的人物。官方称 Gemini 负责把指令翻成动作、规划多步事件并跟踪场景状态。先向受信测试者开放研究预览,随后进入 Google AI Ultra 的 Project Genie 以及 Gemini API / AI Studio 早期访问 @sundarpichai(Sundar Pichai,Google CEO)另见 技术细节
- Machenta 出隐身,4000 万美元种子轮押"即时机器人学习" - Creandum 与 USV 联合领投。模型只看一次演示即可学会任务,不再训练;全程在仿真中训练,未用真实世界数据。创始人称教机器人快得像"物理版 vibe coding" @Ed__Johns(Edward Johns,Machenta 创始人 / 前 Imperial College 机器人学习实验室负责人)
- Anthropic 称内部 Claude 研究模型自主发现核心算法 - 论文自述:核心算法由内部研究模型在 10 月 16 日产出,消耗 1400 万输出 token、无人类输入;Anthropic 研究员随后与 Claude 一起改进论文表述 @__alpoge__(转述 Anthropic 论文原文)
- Modal 年化收入破 10 亿美元,完成 7.5 亿美元 D 轮 - 估值 157.5 亿美元。CEO Bernhardsson 到纽交所介绍了平台上正在跑的工作负载与融资后的计划 @modal(Modal,serverless GPU 平台)
🔧 工具与产品
- Liquid AI 发布 LFM3 家族,6 个模型全部端侧可跑 - 三混合(tri-hybrid)新架构,覆盖文本、视觉、音频、omni 与决策模型。LFM3-1.7B 支持 256k 上下文;VL-2B 支持视频输入;Audio-2B 支持 18 种语言语音对话;d1 系列单次前向输出带类型的预测与校准概率。官方称 1.9B 的 VL 版对标 Gemma 4 12B、Gemini 3.5 Flash Lite 与 GPT-5.6 Luna,单卡即可微调,架构针对 GPU / CPU / NPU 共 14 类处理器优化 @liquidai(Liquid AI,MIT 孵化的端侧模型公司)
- SpAItial 发布世界模型 Echo-3,手机视频直出米级 3D 场景 - 输出 3DGS 表示,覆盖单间房、多层建筑与户外公共空间,可对重建结果做风格化改写。产品今日已上线 App @SpAItial_AI(SpAItial AI,3D 世界模型创业公司)演示
- OpenDuet 开源:可自托管的主动式 agent 模板 - 兼容任意 agent harness,内置素材生成与编辑、human-in-the-loop 审批、computer use,覆盖移动端、Web 与消息渠道,基于 CopilotKit 与 AG-UI,可直接克隆改造成企业版 @ataiiam(Atai Barkai,CopilotKit 团队开发者)
- Weaviate Query Agent 加 effort 参数,按查询难度分配算力 - 每个请求可选 `medium` / `high` / `ultrahigh`,控制初始检索之后的重排与精炼强度。BRIGHT Biology 上召回率分别为约 43%、50%、57%。agent 读 schema 后会把"70 美元以下的复古鞋"拆成硬价格过滤加语义检索 @weaviate_io(Weaviate,向量数据库公司)
⚙️ 技术实践
- Sasha Rush 用 Lean 验证 Rust tokenizer 流水线 - 出发点是 RL 训练与推理的 tokenizer 不一致会毁掉整轮训练,而消息拼装目前还靠 Jinja 模板。他把 agent 流水线的关键部分做成 Lean 可验证的 Rust 原型 @srush_nlp(Sasha Rush,Cornell 教授 / Hugging Face 研究员)
- InfiX.ai 的 miniTE 在 8×B300 上把学习器更新提速 1.33–1.37 倍 - 低精度训练框架,针对 NVFP4 计算减少训练-采样不一致:诊断量化到 token 概率的偏差、用 TRIAGE 拦住高风险更新、用 grouped GEMM、连续 buffer 与算子融合压低开销 @lmsysorg(LMSYS Org,SGLang 出品方)
- 700 肌肉人形机器人训练从 2 天缩到 4 小时 - 三年前用 CPU 模拟器加 SAC 训练单个行走动作要 2 天;现在用 SuperMimic 加 MJWarp,单张 RTX 5090 四小时可学会跟踪 1.5 小时动捕数据 @KaiboHe(Kaibo He,机器人学习研究者)
- Ray-Ban Meta 眼镜 + Opus 5.5 改造成赛道实时教练 - 眼镜以 30 帧/秒把画面传到手机,视觉模型逐帧找路面、路肩与下一个弯,Opus 5.5 规划外-内-外的走线并画在路面上;绿全油、红刹车、橙弯中,附刹车距离倒计时与反打方向提示。全部本地推理,丢路面时线条淡出而非给错提示。同一节圈速从 1:52.4 提升到 1:47.1 @N01ennn(AI 内容博主)
- Oracle 把 NVIDIA Vera Rubin NVL72 与 Vera CPU 引入 OCI - 用 Acceleron RoCE 把 GPU 机架连成集群,覆盖训练、推理与 agent 执行;Vera CPU 定位加速工具调用、承载并发 agent 负载 @OracleCloud(Oracle Cloud 官方账号)
⭐ 精选内容
NVIDIA 向 Meta 975 亿美元基础设施融资投入 30 亿股权,AMD 追加 10 亿——芯片供应商从卖方变股东 | 算力供应链的结构反转
Meta 这轮 975 亿美元融资中,NVIDIA 出 30 亿、AMD 出 10 亿,芯片厂商合计持股 40 亿(Meta 此前称最多 50 亿来自 NVIDIA/AMD/Broadcom)。核心信号是芯片厂商不再满足于卖硬件,而是用股权绑定超大规模客户的算力部署;NVIDIA 明确押注消费级 AI Agent(Meta Muse 家族)的持续推理负载将成为 2030 年代主导算力需求,Vera Rubin NVL72 机架是承接这一支出的硬件代际。文章还点出黄仁勋与扎克伯格在 AI 政策游说上的立场张力。谈资价值在于:这是"供应商变股东"这一结构性反转的第一个大额样本。
Anthropic 平台团队访谈(两篇互补):把模型"大脑"与 agent"执行手"解耦,用 Rust 重写 Messages API | 一线厂商的 agent runtime 架构取舍
Latent Space 两篇访谈拼出 Claude Platform 的工程全貌。架构侧:Managed Agents 把 session log 与 harness 同执行代码的 sandbox 解耦,sandbox 按需创建、失败不拖垮整个会话,凭据由代理单独持有、不进入 sandbox,同时改善延迟、可靠性与安全隔离;"Dreaming"只是用一个 agent 检视另一个 agent 的产出并写回记忆,是同一套原语上的上层行为。发布侧:模型发布同时是 API 发布(如跨轮保留 thinking block 以防推理被蒸馏提取,但会破坏客户既有 harness),早期访问计划的价值在于客户在自家 harness 中跑评测、暴露 Anthropic 产品覆盖不到的行为。对任何设计 agent runtime 的人,可直接对照自问:哪些部分必须存活、哪些执行不可信代码、哪些密钥真正需要出现在代码运行处。
Ai2 发布 NoveltyBench:prompt 改几个词,LLM judge 判断研究想法新颖性的准确率波动超 50 个百分点 | "别信 judge"的实证
Ai2 用 ICLR 2026 同行评审中明确讨论原创性的段落,构建高/低新颖性 idea 池(154 vs 145 条),系统测试 6 个 LLM judge(GPT-5.1/5.2/5.4、Claude Sonnet 4.5、Opus 4.5/4.6)。三个反直觉结论:prompt 改几个词即可让二选一准确率波动超 50 个百分点;检索增强与更多推理并不稳定提升判断;两个专门构建的新颖性评估系统反而不如朴素 prompt 的 Claude Opus 4.6 基线。附带开源 benchmark、数据集与自动化构建 pipeline。对做 LLM-as-judge、科研 Agent、自动评审系统的人,这是一份可直接引用的"judge 脆弱性"证据。
Property Finder 在 Bedrock 上发现评测集 96.8% 标签继承自现任 VLM 预测,纠偏后准确率提升且降本 86% | 循环评测的完整踩坑样本
把视觉 AI 迁移到 Bedrock 时发现:评测集 96.8% 的标签直接继承自现有 VLM 的预测而非人工核验,形成循环评测——任何替代模型都被判为"不如现任"。纠偏流程完整可照搬:领域专家在无模型输出参考下重新标注 356 张 UAE 图片(256 开发 + 100 评测),再用 Micro F1 驱动进化式 prompt 优化从 v0 迭代到 v27,最终准确率提升同时降本 86%。还披露了隐藏错误类型:水印文本字符级幻觉、多房型被强制单标签、标注者引入规格外类别。任何做模型选型/评测集建设的团队都该读。
Liquid AI 发布 LFM3 系列:1.7B 共享底座派生 6 个专用多模态模型,浏览器 Agent 基准反超 9B 模型 | 端侧小模型的窄任务反超样本
六个模型共享 1.7B 参数底座(含文本/视觉/语音/结构化决策版本),主打单卡可微调、端侧或私有服务器部署。架构是 tri-hybrid(卷积 + 局部/全局注意力),22T token 预训练。厂商自报数据:1.7B 文本模型在 WebArena-Verified(38.42 vs Qwen3.5-9B 28.94)和 AutomationBench(41.29 vs 15.10)上反超更大模型,BFCL V4 函数调用 71.39 领先;但 MCP-Atlas、SWE-bench、GPQA、RULER 128K 均落后,官方文档直言不推荐用于 agentic coding 与复杂多步推理。托管 API 定价 $0.08/$0.20 每百万 token,缓存输入 $0.02。适合做浏览器自动化/表单操作类窄工作流的团队做小规模试点,但需自行验证失败重试与升级路径。
Coroot 把 KServe / NVIDIA Dynamo / Ray Serve / Kthena / llm-d 五个推理框架放同一集群实测,梳理"框架→K8s 原生对象"映射 | 自建推理栈的名词对照表
文章逐一拆解每个框架如何把"一个模型部署"翻译成 K8s 原生对象:KServe 走 Deployment/Knative Service;Dynamo 展开为 frontend/prefill/decode 多 Deployment,流量走 TCP request plane + NIXL + NATS;Ray Serve 直接管 Pod 并蓝绿升级;Kthena 用 Volcano gang-scheduling;llm-d 借 LeaderWorkerSet 的 DisaggregatedSet。同时点出监控工具面对这些动态命名资源与长尾延迟 SLO 的困境。对自建推理栈的人是一份有用的横向对照,注意是 Coroot 自家可观测性产品的工程博客视角。
来源:coroot.com
Oracle 与 Google 宣布 2027 年起在 OCI 提供 TPU,成为 Google 之外首个卖 TPU 的超大规模云 | 云厂商从"只卖 GPU"转向多芯片组合
覆盖训练、生产推理与 agentic AI 负载,支持 dense 与 MoE 模型、长上下文与推理场景,并首次点名 TPU 8t(训练)/TPU 8i(推理)双架构。战略含义是企业可按成本/吞吐/能效在 GPU 与 TPU 之间选型,云厂商供给从单一芯片转向组合。但全文无价格、无容量规模、无互联规格,属公告级信息,适合作为算力格局变化的索引条目而非深度阅读。
帝国理工孵化公司 Machenta 完成 4000 万美元种子轮,用"单次人类演示"替代语言指令做 VLA | 站在 VLA 语言范式对立面的路线
Creandum 与 USV 联合领投,号称英国机器人初创最大种子轮。核心技术是 vision-demo-action 模型:输入相机图像 + 单次人类演示,闭环预测动作,完全在仿真中预训练,真实数据仅用于部署时那一次演示。自报压力测试在六种机器人上完成 74/74 积木放置、78/78 螺丝刀交接、97/99 立瓶。值得读的点在于它明确站在 VLA 语言指令范式的对立面(演示替代语言),并给出与 Physical Intelligence($11B)、Skild AI($14B)、Generalist AI($2B)的估值与路线对比——但任务简单、人形结果初步、无第三方基准,需批判性看待。
Meta Python Typing Survey 2026:认为"类型让 AI 生成代码更可靠"的比例从 18.5% 升至 38.4%,同时暴露 agent 刷 #type: ignore 的负面模式 | Coding Agent 与类型系统的交互数据
第三届调查(1794 份回复)中 AI 与类型检查器的交互成为新看点:42.5% 受访者让 AI 写类型注解,24.4% 的 AI 编码工具会主动调用 checker 并修错(该群体中 61.6% 还用 AI 修类型错误)。负面模式值得警惕:AI 偷懒用 object 兜底、agent 到处刷 #type: ignore 压制报错。第三方库类型缺失仍是头号痛点(65.1%),Django/SQLAlchemy/Pydantic/NumPy/pandas 被点名。对做 Coding Agent 与代码质量工具的人有直接参考价值。
🎙️ 播客精选
How Anthropic ships the #1 LLM in the World safely: Separating the Brain from the Hands
📍 来源:Latent Space | ⭐ 5/5 | 🏷️ Agent, Infra, LLM | ⏱️ 1:46:40
Anthropic 的 Katelyn Lesse 与 Angela Jiang 详解 Claude 平台工程:Opus 5.5 上线流程、将模型"大脑"与 Agent"双手"解耦的架构设计、API 规模化与限流、以及构建可靠托管 Agent 的工程实践。对做 Agent 基础设施与平台化的从业者,这是少见的来自头部模型公司内部的架构与发布经验,可直接借鉴其解耦思路与可靠性设计。
💡 推荐理由: Anthropic 平台工程负责人深度访谈,讲 Opus 5.5 发布、brain/hands 分离架构与托管 Agent 可靠性,属一线实战干货
What Anthropic's IPO Filing Reveals
📍 来源:AI Daily Brief | ⭐ 3/5 | 🏷️ Funding, LLM, Agent | ⏱️ 00:28:47
NLW 拆解 Anthropic IPO 文件:营收爆发式增长、1320 亿美元现金、数千亿美元算力承诺,并推演其需实现的增长以支撑巨额押注。头条部分涵盖 OpenAI 科研突破、GPT-6.1 Terra 的 computer-use 能力,以及某中国模型异常网络活动引发的安全争议。对从业者而言,可快速把握头部实验室商业化与算力军备竞赛格局,但技术细节有限。
💡 推荐理由: Anthropic IPO 财务与算力承诺分析有信息量,但属新闻解读类,缺乏独家技术深度
📄 今日论文精选
Scaling Laws for Tool-Use Agents via Controllable Environment Synthesis
Apple | 🏷️ Tool Use, Agent Framework, Training
基于 45 万任务、849 个模型的系统实验推导工具使用 agent 的数据缩放律,揭示工具/数据库多样性优于任务数量这一可操作结论,对 agentic 数据工程有直接复用价值。
OmniBrain-0: A Unified Agentic Model for Embodied Intelligence
Xiaomi | 🏷️ Agent Framework, Multi-Agent, Distillation
小米具身智能团队用渐进式训练把操作与导航整合进单一 9B 决策模型,相比闭源教师显著降低推理开销,是紧凑统一具身智能体的工程样本。
When Agents Fail: Model or Harness--Who's to Blame?
Shanghai Artificial Intelligence Laboratory | 🏷️ Agent Framework, Agent Deployment, Tool Use
用 5 万余条轨迹实证"harness 排名随模型与 benchmark 变化",揭示任务性能与有效完成率可指向不同配对,为 agent 工程选型提供被组件级汇总掩盖的交互视角。