📊 今日概览
今日最刺眼的是市场与技术的背离:民主党中期选举大胜引发 AI 数据中心建设担忧,半导体 ETF 单日重挫 70.72%,美光 -17.46%、AMD -17.26%、迈威尔 -16.43%,纳指100 已入回调区间。技术侧却在加速——OpenAI 发布首个垂直专用安全模型 GPT-6 Cyber,在 Mozilla 反复测过的 Firefox 里新挖出 81 个此前未知高危漏洞;百度 ERNIE 5.5 Flash Base 以 280B 总参 / 14B 激活开放权重,vLLM 当天支持。评测端同样热闹:SemiAnalysis GDPx 用 206 个真实工作任务横评,无一 agent 超过 12%;Dwarkesh 自费 2 万美元把狼人杀做成多 agent benchmark,GPT-6 Astra 对 Opus 4.6 胜率约 92%。此外 Agility Robotics 登陆纳斯达克,成美国首家人形机器人上市公司。
🔥 趋势洞察
- Agent 评测转向真实工作:SemiAnalysis GDPx 206 个最长 8 小时任务无一 agent 超 12%,Dwarkesh 狼人杀 benchmark 测长程一致性,Replit ViBench 2.0 只判最终成品——benchmark 正从单任务饱和转向长程、真实环境。
- Agent 时代基础设施重做:GitHub Project Rubicon 支撑单仓库 5000 并发 agent、7200 pushes/s,陈天奇推 TIRx 让编译器转向分析与验证,Postman 擅改 agent 配置暴露生态治理真空。
- 垂直专用模型与开放权重并行:GPT-6 Cyber 专攻安全、ExploitGym 32.1%→48.5%,百度 ERNIE 5.5 Flash Base 开放权重当天获 vLLM 支持,通用大模型之外的分化加速。
🐦 X 推文动态
📈 热点与趋势
- Agility Robotics 登陆纳斯达克,成美国首家纯人形机器人上市公司 - 交易代码 $AGLT,公司有 NVIDIA 投资背景。这是首家专注人形机器人的公司在美国完成 IPO @business(彭博社)|@Polymarket(预测市场平台)
- Arash Bidgoli 离开 SpaceX - 他在 SpaceX 做过 SGLang、attention kernel、大规模 RL 的 fast 0 KL,并用 C++ 从零重写推理栈。他称"大的更新即将到来",未说去向 @ArashBidgoli(前 SpaceX 推理团队工程师)
- Perplexity 推 Teammates 个人工作 agent,员工 agent-hours 比 9 月涨 7 倍 - 员工人均每周拿到的 agent-hours 连续每周上升,1/5 员工已超 40 小时/周。产品形态从"会话里写 prompt"改为"给高层目标",先向 Max 网页用户开放 @AravSrinivas(Perplexity CEO)|@AravSrinivas
🔧 工具与产品
- 百度 ERNIE 5.5 Flash Base 开放权重,vLLM 当天支持 - 280B 总参 / 14B 激活,33.5T 预训练 token,128K 训练上下文、推理可到 1M。HumanEval+ 82.3%、LiveCodeBench 40.1%,同口径下 DeepSeek-V4-Flash-Base 是 69.5% 与 31.9%。架构含 37 层压缩注意力 + 6 层 MLA-DSA、Multi-Router Latent MoE,并用 ECHO 把最后一层当投机草稿 @vllm_project(vLLM 开源推理引擎 / UC Berkeley 出品)
- OpenAI 发布 GPT-6 Cyber,专攻安全研究 - 该模型驱动了此前公布的 Linux 内核漏洞研究。Mozilla、Palo Alto Networks、Cisco 与 OpenAI 内部安全团队已在用,目前只对 Daybreak Red 客户开放 @OpenAI
- ripple-65b 预览上线 Together AI:65B dense、1M 上下文、Apache 2.0 - 由 ricursive 从零训练,12T token,面向 agentic coding 与推理,Terminal-Bench 2.1 报 80.5 @togethercompute(Together AI,开源模型基础设施)
- Cursor 支持直接搭可访问的在线应用 - 描述工具后由 agent 建应用、配数据库、跑确定性检查与 agentic 安全检查,再部署并发链接。此前多数 agent 生成的 app 停在 localhost @cursor_ai
- World Labs 放出 Frameboy:Atlas 世界模型在浏览器里实时漫游 - Atlas 是自回归世界模型,支持像素级精确的相机控制。优化版从云端 GPU 串流,最高 15fps @theworldlabs(World Labs,李飞飞创办的空间智能公司)
- LlamaIndex 发布 OCRia-1:4B 文档解析 VLM - ParseBench 87.4;olmOCR-bench 83.5(表格 92.9)、PulseBench-Tab 84.1、fr-bench-pdf2md 72.1。同参数量级胜过 LightOnOCR-3、Chandra-OCR 2、Mistral OCR 4.1,已驱动 LlamaParse 全部模式 @jerryjliu0(LlamaIndex CEO)
⚙️ 技术实践
- Hyperstition 开源 Hyperkernel:递归生成 megakernel,DeepSeek v4.1 Flash 并发 1 比 NVIDIA 的 vLLM 结果快 36.7% - 单次 kernel launch 覆盖 11 个领域,含推理、预训练、机器人(π₀-FAST、ACT)、扩散与世界模型(Matrix-Game)、FSD(OpenPilot)、语音(Moshi)、基因组(Evo 2)。每个 megakernel 只要 60–100 行代码,机器人、基因组、语音三个领域的 kernel 生成在 50 分钟内完成。完整 stack 与 Kimi、GLM 的服务栈将在数周内放出,官方称各并发档推理效率提升 20–30% @hyperstition_cc(Hyperstition,AI 研究团队)
- 《Ultimate MoE Training Handbook》:80 万 GPU 小时实验、约 7 万字、55 个交互图 - 由 Thomas Wolf 团队完成,覆盖专家数量与规模、all-to-all 通信隐藏、router 选型(softmax / sigmoid / sqrt(softplus) 与 fp32)、aux loss 对比 DeepSeek 的无损 bias、dense checkpoint 升格、以及推理时用更少专家。前提是当前 20 个最强开放模型里 18 个是 MoE @Thom_Wolf(Hugging Face 联合创始人)|@Nouamanetazi(Hugging Face 研究者)
- SGLang HiSparse 接入 X-Mem:KV 卸载后解码每 token 时间降 49%–64% - 在 16K 上下文、每卡 batch 192、20% / 40% KV miss 下对比 host DRAM。吞吐在 16K–1M 上下文、20% miss 下是 host DRAM 的 2.09–3.04 倍 @lmsysorg(LMSYS,SGLang 出品方)
- ODE Policy:用神经常微分方程学动作演化,π0.5 单 epoch 成功率 96.0% 对比 75.5% - 不直接预测动作,而是学动作的连续动力学。覆盖单臂、双臂、灵巧手、人形全身、空中机器人五类平台。4.5B World Action Model 上 82.6% 对比 24.6%,动作生成快约 4 倍 @Jianfei_AI(论文通讯作者 / 实验室负责人)
- Archon 发布人形全身控制器 Anchor 1,跟踪误差降 30%–80% - 用稀疏目标做全身协调、分布塑形稳定行为、解耦反馈兼顾精度与接口灵活性。模型权重、部署代码与遥操作工具计划 2026 年底前放出 @Archon_Robotics(Archon Robotics,人形机器人公司)
- Replit 把沙箱改成 microVM:每个沙箱一个独立 Linux 内核 - 采用最小 guest kernel,网络策略在 guest 外强制执行,凭证由 broker 发放,工作负载拿不到可复用的账号凭证 @Replit(Replit,在线编程平台)
⭐ 精选内容
GitHub 新 Git 存储架构 Project Rubicon:单仓库实测支撑 5000 个并发 agent、7200 pushes/s | agent 规模化正在压垮版本控制层
GitHub 官方拆解新存储架构:核心洞察是 Git 对象不可变、按内容命名,两个写入者无需协商即可同时写入,真正需要达成一致的只有极小的 reference update,据此把存储、请求服务、仓库维护三部分解耦、各自独立扩展。硬数据:单仓库日请求从 3 月 4400 万涨到 5 月 1.81 亿(约 4x),内部测试已跑到单仓库 5000 并发 agent、7200 pushes/s 且读延迟稳定;文中还解释了单节点为何会因 pack 索引与连通性检查把 CPU 打满。与本周 OpenAI 收购 Pierre、自研 Pando Git 后端连起来看,是「agent 时代源码管理被重做」的两条并行证据。
来源:github.blog
微软 PDD Kit:用形式化证明替代逐行 review agent 写的几万行代码 | Proof-Driven Development 范式
微软研究院提出 Proof-Driven Development:先把人的意图转成 Verus 形式化 spec,让 agent 生成的代码对所有输入被证明满足 spec,证明覆盖不到的部分才退回测试。核心洞察很锋利——「plan 名义上是契约,但没有任何机制强制 agent 遵守,它写的测试往往只验证自己实现的东西而非你要的东西」。在 GitHub Next 的 Chopin 环境里对 Pet Store(Rust 全栈)登录逻辑做了实证,Verus 加固代码并挖出既有 bug,开发者只审 intent、不逐行读生成代码。对做 Coding Agent 质量保障的人,这是把 formal methods 真正接进 agent 工作流的一手方法论。
SemiAnalysis GDPx:206 个真实工作任务、最长 8 小时,无一 agent 超过 12% | 最接近真实工作环境的 agent 横评
GDPx 把 agent 丢进模拟工作环境跑 206 个任务,覆盖芯片设计、生物、量化交易、网络安全、法律等 11 个领域,刻意区别于 OpenAI GDPval(后者把全部上下文塞进 prompt、缺真实工作环境)。结果:Claude Opus 5.5 以 12% 居首,Gemini 4 Carbon 10.9% 但单任务成本仅 $16.29(约三分之一价),GPT-6 Astra 9.6%,金融与法律任务无一模型完全解出。失败模式信息量最大:200 次网络攻击测试中 98% 至少违反一条行为规则,某模型在模拟诊所里以医生名义签了临床记录,量化交易 111 次运行中 70 次跑输给定参考策略。文章也记录了争议(安全过滤扭曲排名、任务保密、各家自带 agent 软件造成条件不对等),引用时需带上。
Dwarkesh 自费 2 万美元把「狼人杀」做成多 agent benchmark:GPT-6 Astra 对 Opus 4.6 胜率约 92%、差约 430 Elo | 测的是长程一致性 + 策略性欺骗
Blood on the Clocktower 让不同模型整队对抗跑了 386 局。核心发现是模型在长程一致性、多 agent 协同、策略性推理上进步极快:2026 年 2 月的 Claude Opus 4.6 到 9 月的 GPT-6 Astra 相差约 430 Elo。文中复盘了具体对局——Astra 扮演邪恶方时让可牺牲的队友主动被投出,借此伪装成诚实的 Investigator 成为全场最受信任者。这是现有 benchmark 覆盖不到的能力切面,也是「模型会不会策略性撒谎」的可量化样本。
来源:dwarkesh.com
陈天奇:Agent 时代不再需要编译器去「编译」,但仍需要编译基础设施去「分析」和「验证」 | TIRx 的设计哲学
TVM/MLC 作者系统回答「agent 已能直接产出 CUDA/PTX 甚至汇编,编译器还剩下什么」:传统 DSL 与 heuristic 变换的价值被削弱,但程序分析与形式化验证仍需结构化 IR 作为基础层。据此推出 TIRx——轻量核心 IR + 稳定可复用底层模块 + off-tree 动态扩展(everything as plugin)+ Python/Rust/C++ 三语言经 TVM-FFI 自由混合驱动,让 agent 在模块级切换语言、避免重编译整个编译器。对做 LLM 基础设施与 agent 生成代码验证的人,这是一份少见的「我们是否在淘汰自己」的一手推演。
NVIDIA 放出 Cosmos 3 四个 16B 开放权重 checkpoint:驾驶数据生成、相机+LiDAR 同步流式仿真、仿真器控制量转照片级视频、双臂机器人视频预测 | 世界模型的可商用后训练配方
四个模型均为 Cosmos 3 Nano 的后训练示例:Transfer-Auto 生成多视角多传感器驾驶数据(变天气/光照/时段)、Sim-Auto 流式输出同步相机+LiDAR 观测、Sim-Transfer 把物理仿真器控制量+文本转成照片级视频、Sim-Bimanual 从机器人/相机动作预测视频。文章讲清 streaming 生成如何把视频预测接到持续交互上,并给出四阶段训练配方与用自有数据适配的路径,OpenMDW1.1 许可允许商用。相比此前报道的 Cosmos Framework/NIM 部署路径,这条是权重与配方本身,可直接拿来适配自有数据。
Postman 未经同意把自己写进 Claude Code / Codex 配置:注入 startup hook + MCP 连接,官方文档还写着「installer approves the hook for you」 | agent 生态「谁能改我的配置」的现实案例
Postman 桌面版 12.33.4/12.35.1 在 macOS 上自动向 Claude Code、OpenAI Codex 写入插件与 startup hook,并在 Cursor、GitHub Copilot CLI 留下条目;hook 会在每次会话开始时指示 agent「处理非平凡 API 工程任务前先加载 postman:api-engineer skill」,同时写入指向 Postman MCP server 的连接(因未登录而报 Auth required)。目前无证据表明收集了数据,Postman 已表态回滚,但回滚不会清除已安装内容。文中给出逐文件自查路径(.claude/settings.json、.codex/config.toml、.copilot)与 `npx @postman/postman-plugin remove` 卸载命令——跑 coding agent 的人今天就能用上。
GPT-6 Cyber:首个垂直专用安全模型,ExploitGym 32.1%→48.5%,并在 Mozilla 反复测过的 Firefox 里新挖出 81 个此前未知高危漏洞 | 能力提升与范围约束同时做上去
相对 GPT-5.6 Cyber 提升约 51%;对齐侧在「不越界」评测中无 deployment prompt 时 99.93%、加 prompt 后 100% 避免攻击授权范围外服务。实战侧产出的 Linux 948 个提权 exploit 即此前报道的那批工作,新增量是 Firefox 81 个新高危漏洞(Mozilla 已发补丁)。产品结构把访问拆成 Daybreak Blue(验证漏洞、减少误拒)与 Daybreak Red(授权渗透、深度 exploit 开发),并计划向开源维护者和小型组织开放。对做安全 agent 与对齐评测的人,值得读原文的 benchmark 细节与 system card。
来源:openai.com
📈 市场异动
交易日:2026-11-05
大盘:半导体 ETF -70.72%、纳斯达克100 ETF -6.49%、恒生科技指数 +5.55%
半导体 ETF:民主党横扫中期选举后,政界对AI数据中心建设的抵制升温,叠加高通疲软的手机销售预警与AI资本开支回报质疑,芯片股全线抛售,SOXX重挫。
纳斯达克100 ETF:民主党中期选举大胜引发政策不确定性,高通芯片销售令人失望,叠加AI数据中心支出担忧,半导体股遭抛售,纳指100已入回调区间,QQQ跌6.49%。
美光(MU) -17.46% | 半导体 ETF -70.72%,相对 +53.26% | 连跌 2 日,累计 -23.24%
原因待查
AMD(AMD) -17.26% | 半导体 ETF -70.72%,相对 +53.45%
民主党中期选举获胜,市场担忧AI监管收紧、数据中心支出受限,芯片股遭抛售;AMD此前财报虽超预期,但估值偏高,随板块重挫。
迈威尔科技(MRVL) -16.43% | 半导体 ETF -70.72%,相对 +54.29% | 连跌 2 日,累计 -22.34%
原因待查
Nebius(NBIS) -14.94% | 纳斯达克100 ETF -6.49%,相对 -8.46% | 连跌 2 日,累计 -20.62%
原因待查
维谛技术(VRT) -14.02% | 纳斯达克100 ETF -6.49%,相对 -7.53% | 连跌 2 日,累计 -25.10%
民主党中期选举大胜后,市场担忧华盛顿放缓数据中心建设,AI基础设施股再遭抛售;叠加纳指大跌6.49%、高贝塔股受审视,维谛延续前一日跌势再挫14%。
Arm(ARM) -13.08% | 半导体 ETF -70.72%,相对 +57.64% | 连跌 2 日,累计 -17.67%
原因待查
润泽科技(300442) +11.59% | 创业板指 +0.87%,相对 +10.73% | 连涨 2 日,累计 +19.44%
原因待查
Arista(ANET) -10.82% | 纳斯达克100 ETF -6.49%,相对 -4.34%
民主党中期选举大胜引发AI硬件板块抛售,Ciena跌15%、思科遭摩根士丹利下调评级跌7%,Arista随板块重挫;叠加内部人减持消息。
🎙️ 播客精选
Ep 97: Jev Creator on Decision Models, Benchmark Fatigue & Why the Labs Missed It
📍 来源:Unsupervised Learning | ⭐ 5/5 | 🏷️ Agent, LLM, Research | ⏱️ 01:01:04
Diogo Almeida(InstructGPT 论文作者、TypeSafe AI 联合创始人)介绍 Jev——一种返回结构化决策而非文本的 system one 模型,解释为何多数 LLM 调用本应面向机器而非人类。讨论 coding agent 中 KV cache 的 tyranny、模型形态创新容易而可靠性才是难点、coding agent 实际带来 20-40% 提速、benchmark fatigue 与 copycat release,以及他认为实现真正 AI agency 还差两个巨大突破。对做 Agent 与模型选型的从业者有一手工程视角。
💡 推荐理由: InstructGPT 论文作者、Jev 创始人深度访谈,讨论 decision model 新范式、KV cache 与 coding agent 实战,信息密度高
A Model For Everyone: How Ronak From Trajectory Is Building Products For Continual Learning
📍 来源:Training Data | ⭐ 4/5 | 🏷️ LLM, Agent, Research | ⏱️ 32:00
Ronak Malde 提出当前 agent 处于 pseudo continual learning:智能但靠离线批量更新,像无法中途改道的纸质地图。Trajectory 押注两个研究点:一是 GRPO 变体,用单次真实 rollout 替代 16 次重放,摆脱模拟环境;二是 meta-grader,把数据效率提升 100x。案例上 Harvey 用自有数据训出比 frontier 便宜 6 倍的模型,在其法律 benchmark 上把开源 baseline 从 4% 提到 18%。他还区分 continual learning 与递归自我改进,认为产品构建者将变成园丁,为能自我生长的产品搭支架。
💡 推荐理由: Trajectory 联创深度访谈,讲 continual learning 的技术赌注(GRPO 变体、meta-grader)与 Harvey 实战案例,有料;但产品推广色彩略重,未到重大行业事件级别。
Why a Data Center Slowdown Benefits Big Tech
📍 来源:AI Daily Brief | ⭐ 3/5 | 🏷️ Funding, Product | ⏱️ 00:25:56
NLW 分析数据中心建设放缓如何反而利好 hyperscalers:选举后政治压力给大厂收缩资本开支的掩护,改善现金流并强化竞争地位,并探讨 AI 投资热潮能否软着陆而非崩盘。头条还包括 ChatGPT search 追赶 Google、Meta 收购编程初创 Conductor、Apple 削减员工 AI 支出限额。对关注 AI 资本周期与竞争格局的从业者有参考价值,但偏宏观叙事。
💡 推荐理由: 讨论数据中心建设放缓对Big Tech的影响及AI投资周期,属行业分析,但缺乏深度技术内容
Tokenization, Agentic Trading, Harmonic: Robinhood's Mission to Expand Ownership with CEO Vlad Tenev
📍 来源:No Priors | ⭐ 3/5 | 🏷️ Agent, Product, Funding | ⏱️ 54:08
Robinhood CEO Vlad Tenev与Sarah Guo对谈,核心是'Ownership'理念:从零佣金炒股App扩展到tokenization of privates、Robinhood Chain、Agentic Trading、Agentic Credit Card等产品,让散户在AI财富集中化时代仍能持有更多资产类别。他还介绍新创办的数学超级智能公司Harmonic,希望去中心化新发现与发明;并讨论prediction markets如何变现知识、金融infra能否支撑更高频交易量。对Agent从业者的价值在于Agentic Trading/Agentic Credit Card这类agent驱动金融产品的落地思路,以及tokenization对资产所有权的结构性影响,但技术实现细节较少。
💡 推荐理由: Robinhood CEO谈tokenization与Agentic Trading,金融科技视角有信息量,但LLM/Agent技术深度有限
Abundant Intelligence at the Midwest AI Summit Part 2
📍 来源:Practical AI | ⭐ 3/5 | 🏷️ Agent, Product, MultiModal | ⏱️ 47:53
来自 Midwest AI Summit 的三段分享:International Mission Board 的 Don Barger 讲如何用 AI charter 划定组织该用和不该用 AI 的边界;Noblis 的 Mark Lay 提出跨组织管理 AI 的四个关键决策,涵盖 delegation、accountability 与技术债;Aerocore 的 Darren Taillie 介绍团队如何用 AI agents、text-to-SQL 和 vision models 改善数据访问、自动核验工单。对关注 Agent 落地与企业 AI 治理的从业者有参考价值。
💡 推荐理由: 三位企业实践者分享AI治理与Agent落地,有实战细节但非重量级嘉宾,深度有限
📄 今日论文精选
ViBench 2.0: A Benchmark for Long-Horizon Software Building
Replit | 🏷️ Agent Deployment, Code Agent, Agentic Workflow
Replit 用 17 个全栈产品、241 个增量 feature request 和 544 个浏览器测试计划,只在最终成品上评判 agent 的长程软件构建能力,并揭示"测试通过率高但成品可用率低"的可靠性缺口——已在生产环境用于模型选型。