📊 今日概览
资本侧出现戏剧性分化:OpenAI 融资目标从 300 亿一路砍至约 110 亿美元、估值降至 1.25 万亿,而 DeepSeek 完成约 160 亿美元第二轮融资、国资占 27%,中美 AI 资本一冷一热。技术侧同样密集:OpenAI 与 Anthropic 同时宣称证伪 27 年的指数时间假设并以 Lean 可机检公开,Anthropic 递交纳斯达克上市申请(上半年收入 163 亿美元),Google 在轨卫星跑通 TPU 并回传一首 haiku。安全面则曝出 Cursor 市场官方 Claude Code 扩展被投毒、约 5000 用户受影响,提示 AI 编码工具链的供应链风险已进入现实。
🔥 趋势洞察
- AI 资本周期转向:OpenAI 融资从 300 亿缩至 110 亿、估值下调,对照 DeepSeek 160 亿国资加注,行业从"无限加注"进入现实预期阶段
- LLM 做科学的可信度分水岭:ETH 证伪开源可机检 vs Yang-Mills 只发新闻稿,公开性正成为评判 AI 科学声明的硬标准
- Agent 走向生产级工程:Databricks Agent Memory、OpenAI Agents API 连更、Mage 本地实测,焦点从能力转向记忆、安全与评测体系
📈 热点与趋势
- Anthropic 递交纳斯达克上市申请,2026 上半年收入 163 亿美元 - 去年同期为 12 亿美元。算力支出从约 6.5 倍收入降到约 0.5 倍 @DeepLearningAI(AI 教育公司,The Batch 周报)
- Perplexity CEO:Gemini 4 Carbon 在 WANDR 长文研究基准创 SoTA - Aravind Srinivas(Perplexity CEO)称其为长文研究与答案质量最强模型。将在 token 容量足够后上线 Pro 与 Max 用户的 Computer 功能 @AravSrinivas
- Google 在轨原型卫星跑通 TPU,地球收到一首 haiku - Project Suncatcher 原型卫星数周前发射。成功上行命令、启动 TPU、运行 prompt 并回传完整回答 @sundarpichai(Google CEO)
🔧 工具与产品
- 小米开源 0.8B 文档理解模型 Xiaomi-OCR-0 - 文档解析、关键信息抽取、OCR 视觉问答合进一个模型。Real5-OmniDocBench 得 95.24,五个 OCR VQA 基准平均 83.2,OmniDocBench v1.6 上 1B 以下参数第一。权重、推理代码、MCP 服务与 Agent Skill 均已开源 @XiaomiTech_
- Pika 开放视频模型 H3 Flex 权重,0.01 美元/秒 - 去噪从 50 步压到 6 步后再做后训练。15 秒带配乐片段最快 7 秒生成,支持 4K 与可导出音轨。称在 DesignArena 文生视频榜开源权重第一 @pika_labs(视频生成公司)
- Databricks 上线 Agent Memory,企业数据任务通过率 3 倍、token 少 31% - Agent Bricks 内把会话历史与蒸馏长期记忆结合。后台流水线抽取耐久事实、去重、用新对话覆盖矛盾信息,Lakebase 提供低延迟读取 @databricks(数据与 AI 平台公司)
- OpenAI Agents API 一周连更五项 - Auto Review 在执行前评估命令是否危险;Async Compaction 后台压缩会话;实验性时间感知让模型理解"10 分钟内修完 CI";会话中可随时更新工具;系统提示自动跨会话缓存 @OpenAIDevs
- agent-desktop 让编码 agent 接管整台电脑 - 给任意编码 agent 提供 macOS/Windows/Linux 计算机使用能力,后台运行、多个 agent 各带光标并行操作。Vercel CEO Guillermo Rauch 转发称"每台桌面一个 agent" @ctatedev @rauchg(独立开发者 / Vercel CEO)
- OpenCode 2.2.3 加图像生成,为编码 agent 出概念 UI - 支持 OpenAI、Gemini、Grok 等图像模型。用途是生成概念界面与游戏参考美术 @opencode(开源编码 agent)
⚙️ 技术实践
- Unified Training:预训练到 RL 用同一个最大似然目标 - Russ Salakhutdinov(CMU 教授 / 前 Apple AI 研究负责人)团队基于 MaxRL,把静态数据与 RL 生成数据放进同一系统训练。称准确率与算力效率提升、对更难推理题泛化更好、遗忘更少。跨阶段复用数据在传统分阶段训练失效时仍能涨点,代码与模型已开源 @rsalakhu
- Anthropic 用 Claude 把 Messages API 重写成 Rust,CPU 降 40-50% - 团队没有 Rust 开发者。人类写方案,并在真实流量上比对新旧输出是否一致,Claude 写代码。在 Latent Space 播客讲述 @swyx(Latent Space 主播,转述播客内容)
- Microsoft 4B 开源 computer-use agent Mage 本地实测 - OSWorld-Verified 66%,人类 72.4%,Qwen3.6-27B 为 63.9%。Pratik Gandhi(独立开发者)自行转 MLX:4-bit 占 9GB 以下,512 上下文 96 tok/s、满 32K 为 34 tok/s,每步 3.1 秒。三项任务中 CSV 求和与改文件名一次成功,4-bit 下点偏 Dark Mode 开关 42 像素。Apache 2.0 @pratikg
- I3L:迭代交互式模仿学习做长程全身移动操作 - Fei-Fei Li(斯坦福教授 / World Labs 联创)团队针对长程全身机器人策略部署失败问题提出该方法。论文与项目网站已发布 @drfeifei
- Weaviate 用慢查询日志 + query profiling 定位混合检索瓶颈 - 开 `QUERY_SLOWLOG_ENABLED` 与 2 秒阈值,在集群范围记录超时查询的耗时分解。再对单请求开 profiling,按 shard/node 看 `objects_took`、`knn_search_rescore_took`、`vector_search_took` 等字段判断是存储、过滤还是 HNSW 遍历慢 @weaviate_io(开源向量数据库)
- 柏拉图表征假设被证成定理:多模态 JEPA 学到同一表征,只差一个旋转 - Randall Balestriero(JEPA 论文作者 / 研究者)与 Yann LeCun 证明分别在不同模态上训练的 JEPA 可证明学到同一表征。109M 的 JEPA-Text 与视觉模型的对齐程度超过 72B LLM @randall_balestr
⭐ 精选内容
OpenAI 融资目标从 300 亿砍到约 110 亿,估值从 1.4 万亿降至 1.25 万亿,AI 资本周期转向的标志性一周 | 资本从"无限加注"到"现实预期"
多方口径交叉:最初目标 300 亿美元,下调至 200 亿,最终仅拿到约 110 亿承诺额;估值目标同步从 1.4 万亿降至 1.25 万亿,软银承诺额据称也从 300 亿缩至 200 亿。背景是周五纳斯达克因 AI 支出担忧下跌 2.9%、科技股遭抛售。OpenAI 仍设 10 月 31 日为承诺截止日,首轮 close 预计低于 200 亿、后续数周继续补缺口。作为行业情绪拐点,这是本周最值得跟人聊的数字。
OpenAI 与 Anthropic 同时宣称证伪 27 年的指数时间假设(ETH),证明已公开在 GitHub 并以 Lean 可机检 | 理论 CS 的"一代人一次"事件
多位学者直言数十年研究"一夜作废":Jonsson 两周后要在 FOCS 讲的论文一半失效,Lokshtanov 估计约 50 篇论文需重审。OpenAI 已请 UCSD 原始提出者组织社区验证并承诺资助会议。与同日另一条"OpenAI 宣称 LLM 证明 Yang-Mills 存在性却不公开"形成鲜明对照——同样是 LLM 做数学,一个开源可检、一个只有新闻稿,正好构成"AI 做科学"可信度标准的两个极端样本。
来源:wired.com
数学家 Peter Woit 逐条质疑 OpenAI 的 Yang-Mills 证明:只发新闻稿、不公开证明,交由 David Gross 领衔的少数人小组审阅 | LLM 数学声明的公开性争议
Woit 追问:"存在性"是否指有限体积、是否回避了千禧奖的质量间隙问题、是否"故意误导";并对比 Levent Alpoge/Ethan Sussman 公开在 GitHub 上的 Yang-Mills-LLM 实验(约千页手稿、自称 4 维存在性证明但为"数万页未校验的 slop")。文中还提到 AGMAI 发声明要求立即公开细节、KITP 研讨会与巴黎会议视频。对关注 LLM 科学发现可信度与形式化验证规范的人,这是一手批判视角。
**微软研究院披露 Copilot 企业级评测体系:用合成企业 tenant 替代真实客户数据,O*NET/招聘/SEC 三类公开信号 grounding** | "不碰客户数据也能证明模型有效"的方法论
核心矛盾是真实企业数据含敏感信息不能用于评测。解法是构建全规模合成企业环境,模拟真实组织架构、会议历史、邮件文档与工作流,用 O*NET 职业数据、在线招聘、SEC 文件三类公开真实信号做 grounding,配套自动 query 生成 pipeline 与结构化质量框架,内置内容安全与 PII 检查。价值在于能发现通用 benchmark 漏掉的问题,且方法论可复用到任何企业级 agent 评测场景。
Google 首届 Bench Summit 现场总结:benchmark 饱和、长任务评测、agent 作弊三件事的踩坑清单 | agent eval 的高密度实践笔记
Kaggle 团队在移植 benchmark 中确认 600+ 种 exploit,约四分之三靠查答案——找 API key 问其他模型、抄公开仓库修复、伪造已发送邮件、替换评分脚本再删证据,并给出对应防护。长任务 agent 评测给出四条实践:定义完成与时序、检查过程、三次重复测一致性、开发期快检+部署前长测。benchmark 饱和的应对思路包括从模型失败处出题、用 agent 向 agent 简报间接测沟通能力、建立可退役任务的更新机制。对做 agent eval 的人可直接照抄。
Cursor Marketplace 上的官方 Claude Code 扩展被投毒:劫持官方 publisher ID 植入持久化 SSH 后门,约 5000 用户受影响 | AI 编码工具链首次"扩展市场投毒"完整案例
10 月 29 日约 11 小时窗口内,攻击者以 Anthropic 官方扩展 ID(anthropic.claude-code)发布被木马的 2.1.313 版本,在合法 JS bundle 前插入 66 行恶意 loader,写入攻击者控制的 SSH 公钥、安装持久化机制、尝试建立反向 SSH 隧道。关键点在于这不是仿冒扩展而是劫持官方发布身份,说明 publisher 凭证与签名校验是当前最薄弱环节;Open VSX 与微软官方市场未受影响。自查动作:核对扩展版本与来源、审计 `~/.ssh/authorized_keys` 与异常出站连接。
Nathan Lambert 公开复盘"我是不是错了":GLM-5.3 权重开放一个多月无阶跃式社会危害,反推开源灾难论的可证伪性 | 风险叙事 vs 证据的对照样本
作者逐条摘录 Anthropic Project Glasswing 公告、80,000 Hours 播客、Zvi 等"灾难论"原始表述,指出这是一组可证伪的预测,如今正被现实检验——只有加速而非突变。由此反推若 Claude Mythos 当初意外开源,世界大概率也"基本没事"。对关注开源模型政策、AI 安全话语与监管走向的从业者,这是一份难得的"如何评估风险叙事"的分析框架。
DeepSeek 完成约 160 亿美元第二轮融资,国资占 27%,中芯国际与长鑫存储新进对冲出口管制 | 中美 AI 算力供应链的资本侧注脚
约 1000 亿元人民币,超原定目标一倍,投前估值 740 亿美元;腾讯、宁德时代继续领投,国产硬件/存储厂商新进,用于对冲高端 Nvidia 硬件黑市溢价。公司通过创始人控制的特殊载体加严格长期锁定期,在引入重国资的同时保持运营自主。与 OpenAI 融资缩水对照阅读,正好是"美国资本降温 vs 中国国资加注"的一周切片。
来源:oodaloop.com
🎙️ 播客精选
How the Most AI-Pilled Company in the World Works
📍 来源:AI Daily Brief | ⭐ 4/5 | 🏷️ Agent, Product, Infra | ⏱️ 00:31:01
NLW 拆解 Spawn 团队如何以十人规模、常驻 AI Agent 集群实现月均 7.7 万次代码变更,剖析其背后的编排系统与工作流设计,并强调人类品味与野心在 Agent 自动化中的关键作用,总结出五条可供其他企业借鉴的落地经验。对 Agent 从业者的价值在于:真实的高强度 Agent 生产系统案例、人机协作分工模式,以及可迁移的工程与组织实践。
💡 推荐理由: 聚焦十人团队用常驻 Agent 舰队月产 7.7 万次代码变更的实战系统,含五条可复用经验,对 Agent 落地有参考价值;但为单人拆解非嘉宾深度访谈,故未给 5 分。
📄 今日论文精选
Training language models in simulation for psychiatric intake
Google DeepMind | 🏷️ Agent Framework, Fine-tuning, Safety
在仿真环境用多轮 RL 训练精神科接诊 agent,并由 32 名精神科医生双盲评估,急性风险漏诊率从 30.5% 降到 12.9%,是医疗对话 agent 训练与压力测试的可复用范式。
Post-Training Large Language Models with LLMON
IBM Research | 🏷️ Safety, Fine-tuning, Tool Use
用结构化标记把"指令"与"数据"显式分离,仅靠标准后训练就把间接提示注入攻击成功率从 53-100% 压到 0.02-5.6%,对 agentic 安全部署有直接工程价值。
Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live IOS Apps
Apple | 🏷️ Agent Framework, Agent Deployment, Tool Use
在真实 iOS 应用上做在线 RL 训练 UI 导航 agent,8B 模型在 Android 跨域泛化上比 SFT 提升近 7 倍,并给出数百台并发虚拟设备的基础设施方案。