AI 技术日报 - 2026-11-10
2026-11-10
| 2026-11-10
字数 5784阅读时长≈ 15 分钟

📊 今日概览

Anthropic 同日发布 Claude Fable 5.2 与 Mythos 5.2,API 降价 20%,FrontierCode 2.0 以 49.1% 反超 Gemini 4 Carbon 与 GPT-6 Astra,同时被 METR 报告点名:纳入内部未公开模型后 AI 自我研发加速约 2x,朴素外推距完整 RSI 可能不到一年。硬件侧 Google 一次性补齐第八代 TPU 四款系统,8i Max 双芯封装破 memory wall;NVIDIA GR00T 2 用 10 万小时人类第一视角数据训练,50 个任务中 40 个零示范完成。此外 OpenAI 与 Anthropic 同日宣称挑战 25 年的 Exponential Time Hypothesis,学界三人组已接管独立评审。

🔥 趋势洞察

  • RSI 从猜测走向测量:METR 报告显示纳入 Anthropic 内部模型后 AI 研发加速约 2x,百度 ERNIE Evolve 已用 RSI 构建新模型,递归自我改进正从论文概念变成工程流程
  • 推理栈进入编译器时代:FlashState、SGLang、Together Compiler 同日公布 1.5–4.28 倍吞吐提升,Databricks 把编码单位成本降 90%,竞争焦点从模型转向 serving 效率
  • 上下文管理反攻长上下文:NVIDIA 团队实测把窗口从 256K 降到 16K 解码吞吐提升 7 倍,提出「面向未来的交接简报」式 compaction,直接挑战长上下文刚需假设

📈 热点与趋势

  • Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 - 官方称两模型在编码、推理、视觉上均有提升,即日上线。预发布测试中,Fable 5.2 凭一段提示词设计出三件可用电子设备,包括一台家用语音助手 @claudeai(Anthropic 官方账号)|另见 @AnthropicAI
  • Ethan Mollick 称 Fable 5.2 是「Jagged AGI」,让它开公司、做研究、攻硬件、建 3D 模型 - 他还指出 Fable 5.2 在 ECI、Remote Labor、RoboDojo 三项未饱和基准上超出原有趋势线 @emollick(Wharton 教授)|基准图
  • Google 发布第八代 TPU 四款系统 - 含 TPU 8i Max(大上下文、最高单机架算力密度)与 TPU 8tx(机密推理)。开源 TPU Sync 把 KV 传输延迟降超 90%,TorchTPU 支持原生 PyTorch 与 Hugging Face 模型零改码 @sundarpichai(Google CEO,引用 AI 基础设施负责人 Amin Vahdat)
  • Meta 发布最小模型 Muse Ember - 扎克伯格称其每美元智能高于同级模型,面向 agent 全天重复的 token 密集任务:工具调用、编码子任务、路由、抽取、长文档解析。已在 Meta Model API 和 Muse Code(Meta 编码产品)上线 @finkd(Meta CEO)
  • 百度发布 ERNIE Evolve,自动化研究系统做递归自我改进(RSI) - 在 NanoChat AutoResearch 与 NanoGPT Speedrun 三项指标上超过评测时公开最好成绩,已用于构建 ERNIE 5.5 Flash @BaiduResearch(百度研究院)
  • Amazon 组建 Personal Robotics Group 做家用机器人 - 据 CNBC,团队围绕 Fauna Robotics(Sprout 人形机器人厂商)组建,并入原 Astro 项目班底、Lab126 与 MIT 机器人研究人才。另一支 Frontier AI & Robotics 团队做基础模型与全栈系统,当前部署仍以仓储为主。Amazon 履约网络已有超 100 万台机器人 @CyberRobooo(机器人内容博主,转述 CNBC)

🔧 工具与产品

  • Fable 5.2 接入 Perplexity 与 Cursor - Perplexity 可在 Computer 或 Teammates 中使用,官方称在 WANDR(广+深研究)任务上明显超过 Gemini Argon。Cursor 称 Fable 5.2 在 CursorBench 最高档 60%、默认档 56.9%,Fable 5.1 默认档为 49.2% @AravSrinivas(Perplexity CEO)|@cursor_ai(AI 编码工具)
  • OpenAI 的 dot 支持连接多台本地电脑 - 用户可选哪台机器执行任务,例如一台专门构建和测试应用,笔记本继续写代码 @OpenAIDevs(OpenAI 开发者账号)
  • NVIDIA 在 CoRL 2026 发布 GR00T 2 - 面向人形机器人的开放世界动作模型,配套 RLWRLD(机器人 AI 公司)与 UC Berkeley 基于 Isaac Lab-Arena 的新工业基准,覆盖接线、装配小零件等技能 @NVIDIARobotics(NVIDIA 机器人团队)
  • Skild AI 开源物理求解器 Steel - 与 NVIDIA 合作开发,仿真速度最高比 PhysX 快 13 倍,显存占用约省 3 倍,面向机器人操作的规模化仿真 @SkildAI(机器人基础模型公司)
  • Claude 官方发布模型选型指南 - 拆解 Fable 5.2、Opus 5.5、Sonnet、Haiku 各自适用场景,并说明何时调 effort 而非换模型、如何把子 agent 放到小模型上省成本 @ClaudeDevs(Claude 开发者账号)

⚙️ 技术实践

  • 三家推理栈同日公布吞吐提升 - FlashState 在 GLM 5.3 Flash 上把 vLLM 吞吐翻倍以上、延迟降 3.7 倍、用户成本降 2.5 倍;SGLang 在 16×H200 上把 GLM-5.3-Flash 长上下文端到端吞吐提到 2.11–4.28 倍;Together Compiler 在 B200/B300 上对比最佳 InferenceX 配置:Kimi K3 2.7 倍、GLM-5.3 与 DeepSeek V4.1 Flash 各 1.8 倍、MiniMax M3.1 Flash 1.5 倍 @_weilix(FlashState 作者)|@lmsysorg(SGLang 维护团队)|@togethercompute(模型推理服务商)
  • Databricks 把 AI 编码单位成本最多降低 90% - 起初给工程师最贵编码模型和无限 token,采用率起飞、成本也起飞。后靠更高效模型、更好路由、支出可见性与减少 token 开销压下来,联合创始人 Patrick Wendell 出镜讲解 @databricks(数据与 AI 平台)
  • World Labs 的 Atlas 在 Rapidata 相机运动基准排第一 - 评测 19 个世界与视频模型、600 条提示、51.3 万次人类判断 @theworldlabs(世界模型创业公司)
  • Ethan Mollick 用 Fable 5.2 生成 450 多个传送门连接的 3D 世界 - 25,000 个 agent 全部以代码生成,灵感取自书籍、艺术与地点,试玩与 GitHub 代码已放出 @emollick(Wharton 教授)
  • Boston Dynamics 给 Atlas 装轮子测 RL 全身控制器 - 目的是在真实执行器上验证边缘工况下的可靠性 @BostonDynamics(机器人公司)

⭐ 精选内容

Anthropic 双发 Claude Fable 5.2 与 Mythos 5.2:API 降价 20%,FrontierCode 2.0 反超 Gemini 4 Carbon / GPT-6 Astra | 前沿模型格局重排 + 成本曲线下移
Fable 5.2(通用)与 Mythos 5.2(网络安全/生命科学专用,同一底座不同 safeguard,仅限 Project Glasswing 审核用户)同步上线,价格从 $10/$50 降至 $8/$40 每百万 token,缓存读写同步下调。最值得记的数字是 FrontierCode 2.0 上 Fable 5.2 High effort 平均单任务成本 $6.72,而 Opus 5.5 Max 档 $12.82 拿到几乎相同分数——但把 Fable 拉到 Max 反而 $44.70 且分数下降,说明 effort 档位不是越高越好。Anthropic 自己仍推荐 Opus 5.5 做多数编码工作,Fable 适合高重试成本的迁移/疑难 bug,或作为 advisor 被便宜模型按需调用。横评:FrontierCode 2.0 拿 49.1% vs Gemini 4 Carbon 42.8% / GPT-6 Astra 41.1%,FrontierSWE v2 拿 69.9% vs 65.5%/61.2%。AWS 侧同步上 Bedrock,被拒的网安/生物查询需代码手动重试到 Opus 4.8/5,命中 prompt cache 时拒绝响应会附带 fallback credit token。
NVIDIA GR00T 2 开放世界动作模型:10 万小时人类第一视角数据训练,50 任务中 40 个零任务示范完成、单次示范 71%→五次 95% | 具身智能的「世界动作模型」正式成型
基于 Cosmos 构建,支持从人类示范学习并跨机器人本体迁移技能,AI agent 可通过 API 串联技能并纠错;在 RoboCasa365/RoboLab/RoboDojo/MolmoSpaces 多个榜单进前三。同批发布 Isaac Lab 3.0(可切换 PhysX/Newton 物理求解器、新增强化学习后训练库)、Video-to-Data 工作流(人类视频转仿真示范)、EgoHand 手部 3D 重建模型。Foxconn、Siemens、Nexuni 已在测试落地。配套案例里 LG 电子的闭环最值得抄:田纳西工厂用熟练工动作分析 + 遥操作 + 仿真训练挂具任务,Cosmos 生成多样化背景补偿光照/环境域差,Isaac Sim 搭虚拟产线、TensorRT 压动作决策延迟,关键是把「现场失败 → 虚拟空间复现 → 补数据重训 → 恢复动作也纳入学习」做成流程而非只学成功轨迹,年底累计 50 万小时训练数据、双足人形定于明年 Q1 亮相。
Google 第八代 TPU 一次性补齐四款:8t 训练 / 8i 低延迟推理 / 8tx 硬件级机密计算 / 8i Max 双芯封装破 memory wall | 加速器从「单芯片」转向「按负载分型组合」
TPU 8tx 复用 8t 硅片但配第五代 AMD EPYC 主机,敏感数据与权重在计算中保持隔离,官方称延迟比 8t 低 2x 且性能几乎无损,面向私有微调、蒸馏、RL 与 agent 执行;TPU 8i Max 把两颗 8i 封在一起,算力/SRAM/HBM 带宽全部翻倍,主打百万 token 级长上下文 agent。软件侧开源 TorchTPU 让 PyTorch/HuggingFace 模型原生跑 TPU 并支持 vLLM/SGLang 后端,另发 TPU Sync 在芯片内存/主机内存/存储/数据中心网络间搬运模型状态与 KV cache,官方称 KV 传输延迟与首 token 时间可降 90%+。TPU 已有近 100 家客户、可直接部署到客户自有数据中心,Bloomberg 称新品预计 2027 年上市。所有性能数字均为厂商自述,缺定价与独立 benchmark。
OpenAI 与 Anthropic 同日宣称自家模型挑战 25 年的 Exponential Time Hypothesis,学界三人组接管独立评审 | 「AI 产出理论成果后,学术共同体如何验证」的现场样本
OpenAI 称其确定性算法可在次指数时间内精确计数 k-CNF 公式的可满足赋值;Anthropic 给出 3-SAT 次指数算法、把 Claude 列为作者,并用 Lean 4 生成可机器校验的形式化证明。两家都主动划边界——Anthropic 强调只是渐近意义、不影响实际求解,OpenAI 否认推出一般 NP 问题有次指数算法。真正值得读的是学界反应:Paturi 称意外但三十年基于该假设的研究不会消失,MIT 的 Ryan Williams 称自己作为长期怀疑者「被平反」,Impagliazzo 直言更希望是人类研究者能解释推理过程;三人正共同组织独立评审。与「PSI 用 Anthropic 未公开模型证明量子猜想」同属「AI 自动发现 + Lean 形式化验证」母题,但主体、猜想、公司均不同。
来源:tokenpost.com
METR 深调 Anthropic 内部 AI R&D:AI 以约 2x 加速自身研发,朴素外推距完整 RSI 可能不到一年 | 只看公开模型看不出加速,必须纳入未公开内部模型
Zvi 解读这份报告的关键点:CI 1.3x–3x,比 AI 2027 时间线提前数月,且未观察到明显瓶颈;把 Anthropic 未公开的内部模型纳入后,估计从 ~1.7x 拉到 ~1.9x 才看到 step change——这正是「公开 benchmark 无感、内部已变天」的证据结构。METR 称最有信息量的瓶颈分析被 Anthropic redact,Benjamin Todd 的外推显示 Claude 或在 2027 年中主导内部研究、年底接近全自动化。适合想更新 AGI 时间线与 RSI 判断的从业者,也可与今天 Fable 5.2 发布时 TechCrunch 提到的「RSI 担忧」对照读。
「你不需要长上下文」:NVIDIA 团队实测三种上下文管理范式,Qwen 3 Coder Next 窗口 256K→16K 解码吞吐提升 7 倍 | 直接挑战「长上下文是刚需」的主流假设
论文指出前沿模型后段 token 生成成本可达前段 7 倍,因此 agent 未必需要长上下文。对比全量累积(FHA)、到阈值压缩(EoCC)、每步只带状态交接(SAC)三种方式,在六类长程任务上 Claude Opus 4.5 与 GPT 5.6 Sol 的 22 组配置中最多只有 5 组比全量历史基线掉超过 2 个百分点;长输入任务改为把文档当文件、让 agent 检索并只读有界片段。工程侧最硬的数字是 H100 + vLLM 上把窗口从 256K 降到 16K,解码吞吐提升 7 倍。关键细节:好的 compaction 是「面向未来的交接简报」(任务、进度、计划、完成条件、产物指针),而不是对历史的泛泛总结,并据此提出 semantic state space models 概念。注意 7x 是 serving 吞吐而非任务端到端加速。
来源:alphaxiv.org
OpenAI 公开研究基础设施「总控室」Control Room:每个 workload 必须先绑已批准 safety case 才拿到 job_id,推理引擎每次采样前查授权,35 秒内停止出 token | 工业级模型 kill switch 的架构底稿
所有研究侧推理负载(RL 实验、评测、大规模采样、数据处理)统一登记,推理引擎在每次采样前向 Control Room 询问该 job 是否仍被授权,一旦被停就拒绝出 token。设计上强调「Control Room 自己挂了也要能停」,并与 misalignment 监测系统联动。对做 agentic 训练、需要给模型加运行时熔断的团队,这是少见的、把「授权—采样—中断」做成三段式硬约束的一手参考;job_id 授权模式即便在中小规模也能直接借用。
来源:openai.com
美团 MIT 许可开源 LongCat-2.5:视觉判断 + 多步编码,Terminal Bench v2.1 从 70.8 跳到 88.4、DeepSWE v1.1 从 9.7 跳到 64.6 | 2.0 被排除过的团队值得重测
主打组合任务:给 agent 一张坏掉的结算页截图,让它定位仓库组件、提 patch、再在浏览器里验证结果。SWE Atlas 从 33.1 到 58.3,提升幅度说明前代短板被系统性补上。但横评并不全面领先:Terminal Bench v4.0 上 38.5 落后 Claude Opus 5 的 53.9,Vision2Web 也由 Opus 5 领先,DeepSWE 由 DeepSeek-V4.1-Flash 领先。政策风险需一并记:DHS 已下令联邦机构排除 DeepSeek,目前尚无点名美团的限制,但规则可能快速变化——这是评估中国开源模型能否进美国企业采购的关键变量。
Amazon × Hugging Face 发布 HOPE:二阶专家剪枝,50% 剪枝率下平均排名最优、agentic coding 高次优方法最多 +6.1% | MoE 部署降本从「独立打分」转向「建模专家协作组」
文章点破主流 MoE 专家剪枝都是 first-order——给每个专家独立打标量重要性分再删,但实际 MoE 中专家会形成稳定的共激活协作组,忽略成对交互在激进剪枝率下显著掉点。HOPE 用二阶方法建模专家两两交互决定剪枝集合。文中给出 Qwen3.5-122B 的内存账:256 专家 × 48 层,专家 MLP 占约 250GB 参数内存的 95%,而每 token 只用 8 个——这组数字本身就是「为什么值得剪」的最好说明。附 How to run HOPE 的实操段落与局限性讨论,是少见的「方法 + 可跑」一体材料。

📈 市场异动

交易日:2026-11-09
大盘:半导体 ETF +7.49%、纳斯达克100 ETF +3.54%
半导体 ETF:AMD宣布谷歌云处理器合作并获分析师上调评级,股价涨11.8%,带动芯片股自上周暴跌中反弹;叠加美债收益率下行、油价回落,SOXX涨7.49%。
纳斯达克100 ETF:仓位偏低的投资者被迫追涨,触发强劲反弹;多只科技股从近期抛售中回升,带动纳指100走高,QQQ涨3.5%。
AMD(AMD) +13.26% | 半导体 ETF +7.49%,相对 +5.77% | 连涨 2 日,累计 +25.76%
Oppenheimer将AMD评级上调至跑赢大盘、目标价600美元,并宣布第五代EPYC处理器为谷歌云TPU 8tx提供算力支持,叠加芯片板块整体反弹,AMD大涨13.26%。
星座能源(CEG) +10.46% | 纳斯达克100 ETF +3.54%,相对 +6.91% | 连涨 2 日,累计 +15.21%
Q3调整后EPS 5.06美元远超预期3.88美元,营收95.5亿美元同比增45%,并第二次上调2026年指引至12.50-12.80美元,叠加AI数据中心用电需求主题。
维谛技术(VRT) +9.63% | 纳斯达克100 ETF +3.54%,相对 +6.09% | 连涨 2 日,累计 +13.43%
中期选举后市场对数据中心建设放缓的担忧缓解,AI股整体反弹,维谛随板块回升;叠加Q3营收增61%、订单翻倍及上调2026指引的强劲业绩持续发酵。
宇树科技(688836) +9.04% | 科创50 +0.30%,相对 +8.74%
苹果研究团队在arXiv发布HALO自主控制系统,该系统在宇树G1上实测平均成功率91%,带动物理AI与人形机器人板块涨停潮,宇树收涨9.04%。
Arista(ANET) +9.00% | 纳斯达克100 ETF +3.54%,相对 +5.46% | 连涨 2 日,累计 +16.97%
UBS、摩根士丹利、Melius、摩根大通在Q3营收36.6亿美元同比增58.5%后集体上调目标价,AI网络需求强劲,股价涨9.2%。
优必选(09880) +8.99% | 恒生科技指数 -0.92%,相对 +9.91%
公司与新华社联合发布全球首款仿生人形机器人新闻主播,市场持续消化该消息;叠加苹果HALO系统带动实体AI板块爆发,当日与天翼电信终端签署全面战略合作协议。
博通(AVGO) +8.78% | 半导体 ETF +7.49%,相对 +1.29%
博通在KubeCon宣布VM API项目进入CNCF沙箱、VMware VKS伙伴方案扩容,叠加Fox Advisors上调目标价至715美元、Anthropic提交S-1缓解算力租赁担忧,以及大盘在强劲就业数据后反弹,股价大涨8.78%。
GE Vernova(GEV) +7.13% | 纳斯达克100 ETF +3.54%,相对 +3.59%
与德国Stadtwerke Heidenheim签署陆上风机供应及长期服务协议,叠加行业分析重申燃气轮机结构性需求强劲,带动股价反弹;Constellation上调指引亦缓解数据中心禁令担忧。

🎙️ 播客精选

What Frontier Labs Buy: A Data Deep Dive with Handshake AI — Garrett Lord & Team

📍 来源:Latent Space | ⭐ 4/5 | 🏷️ LLM, Research, Interview | ⏱️ 2:43:49
Latent Space 首次深度访谈 AI 数据公司 Handshake AI,创始人 Garrett Lord 及团队讲述如何在约一年内做到近 10 亿美元年化营收的 AI 训练数据业务。核心讨论前沿实验室到底在买什么数据、reinforcement learning 训练数据的构建方式、数据供应链与人力组织,以及数据质量与规模如何影响模型能力。对关注 LLM 后训练、数据飞轮和 Agent 训练数据的从业者,提供了少见的供给侧视角和商业化细节。
💡 推荐理由: 深入探讨前沿实验室的数据采购与RL训练数据供应链,嘉宾有实战营收数据,但非模型技术本身

通用 AI 助手走向大众,垂直 Agent 的机遇藏在哪里?|对话小影科技韩晟 S10E35

📍 来源:科技早知道 | ⭐ 4/5 | 🏷️ Agent, Product, MultiModal | ⏱️ 38:04
小影科技CEO韩晟从视频创作场景切入,讨论通用Personal Agent与垂直Agent的分工:通用Agent掌握用户长期上下文,垂直Agent负责专业交付,类似「老管家」与专业团队协作。关键观点包括:Agent需理解用户模糊表达背后的真实目的与评价标准;自研模型的判断标准是能否掌握核心体验与降低推理成本;评价创作Agent不能只看生成成功率,还要看用户修改次数与满意度;AI Coding降低开发门槛后,识别真实需求比开发能力更关键;本地化需理解当地文化与表达方式。对做垂直Agent和AI出海的从业者有实操参考。
💡 推荐理由: 垂直Agent与通用Agent分工的实战讨论,嘉宾有十余年视频产品经验,但话题偏视频创作细分场景,技术深度有限

E258|聊聊硅谷创业“修道院”HF0与OpenRouter早期故事

📍 来源:硅谷101 | ⭐ 3/5 | 🏷️ Product, Funding, MultiModal | ⏱️ 54:19
嘉宾郭靖Joe讲述在硅谷孵化器HF0的12周经历:通过'做减法'聚焦单一目标、每周Demo Dinner仪式,将音乐生成产品ACE Studio月收入从8万美元增至80万美元。节目还披露OpenRouter联合创始人Louis在HF0期间的极客工作状态,以及AI音乐赛道后来者追赶Suno的策略与'精美有余、粗粝不足'的现状判断。对AI从业者的价值在于了解AI产品增长打法与音乐生成模型竞争格局,但缺乏模型技术细节。
💡 推荐理由: 涉及OpenRouter早期故事与AI音乐模型竞争,但主体是孵化器创业方法论,技术深度有限
  • AI
  • 日报
  • 技术趋势
  • 推荐算法日报 - 2026-11-10AI 技术日报 - 2026-11-09
    Loading...