OpenAI 发布 GPT-6 Cyber,第一个垂直专用安全模型:ExploitGym 从 32.1% 升到 48.5%,并在 Linux 内核确认 948 个提权漏洞、在 Firefox 挖出 81 个此前未知的高危漏洞。它把"能力提升"和"不越界"当成两个要同时优化的目标,out-of-scope 对齐评测做到 100%。
Fireworks 单垂类推理已超 40T tokens/天,Perplexity 则把单次检索定价压到极低。Anthropic 用 dreaming 重整外部记忆库,NVIDIA 用频繁压缩取代长上下文。过去一个月密集发布开源 LLM,GQA+SWA、MLA、LatentMoE 三条注意力路线并行。Cactus 把多模态模型压到几十 MB,在手机 NPU 上毫秒级跑完。MIT 用 GPT-6 Astra 改 Qwen 权重提数学分数,被指出只是 steering 与剪枝的旧套路。VBL 用目标栈修规划状态,AWM 用只读接口预演动作不碰真实环境。Together 把推理引擎交给 agent 持续编译,ForgeKernel 把硬件发现固化成跨 run 知识库。OpenAI 自研 Pando 后收购 Pierre,GitHub 重构存储层——都在应对 agent 并发写代码。NVIDIA 开放 Cosmos 3 权重并接入 LeRobot,HuggingFace 补上数据与分发。Reflex 只用机载 RGB-D 让 G1 接住抛来的箱子,ODE Policy 用微分方程学动作演化。Oracle 增发与 Marvell 收购 Lumentum 引发稀释担忧,次日融资落地又反弹。民主党赢得中期选举,数据中心审批担忧让电力与 AI 基建股集体下挫。科创50 单日涨 9.92%,在美股芯片抛售与国内资金进场之间大幅摆动。
产业与生态
推理成本与市场体量
Nathan Lambert 在 Interconnects(interconnects.ai)用一份 dashboard 试图量化开源模型的推理市场:以 Baseten、Fireworks、Together AI 三家开源推理创业公司当风向标,叠加 OpenRouter 的开源模型 token 份额,再与 Google 财报披露的全平台 token 量做量级比较。能用的硬数字是 Fireworks 单一定制模型垂类已超 40T tokens/天,比今夏翻倍以上;作者估计其总量在秋季将过 100T。曲线在 GLM 5.2 带来开源 agent 阶跃后出现上翘。他也直说所有开源采用指标都极不精确——平台噪声、创业公司口径、公开评测不完美,结论是"最佳近似"。
定价这一侧看 Perplexity。Arav Srinivas 宣布把 Fast Search 接入 Decisions API,检索 $0.001/次,决策模型 $0.02/百万输入 token,支持批量决策带联网事实 grounding。作为对照,据 CloudZero 的整理,Perplexity 的 Agentic Research API 走的是按模型原价加每次网页搜索 $0.005 的路子,Fast Search 按次计的 $0.001 又低了一个量级。
一边把开源推理经济体的量级往上估(数十到上百 T tokens/天),一边把单次检索压向千分之一美元。两条线共同说明的不是市场有多大,而是单位成本下探的速度快到连口径都难固定。
Agent 技术与应用
自主网络安全 Agent
OpenAI 11 月 5 日发布 GPT-6 Cyber,这是它第一个垂直专用模型。能力上,ExploitGym 从 GPT-5.6 Cyber 的 32.1% 提到 48.5%(相对 +51%);约束上,out-of-scope 对齐评测在不加 deployment prompt 时 99.93%、加上后 100% 避免攻击授权范围外的服务。把"能力提升"和"范围约束"同时做上去是这个发布最值得看的地方——安全 agent 的落地门槛不在能不能找到漏洞,而在找漏洞的过程能不能被授权边界框住。
配套的工程复盘 A thousand fewer paths to root 把流水线讲清楚了:cyber model 驱动 scout agent 扫描、analyst agent 深挖,再经漏洞验证、可利用性评估、补丁生成四段,单次运行在 Linux 内核确认并生成 948 个本地提权漏洞的补丁,API 成本约 120 万美元。几个反直觉结论:模型越强所需编排越轻、维护者打补丁的速度很快、模型还能发现新的利用手法,以及测试基础设施本身存在漏洞。据 The Hacker News,同一批工作还在 Mozilla 已反复测过的 Firefox 里新挖出 81 个此前未知的高危漏洞,Mozilla 已发补丁。
产品结构上访问被拆成两档:Daybreak Blue 用于验证漏洞、减少误拒,Daybreak Red 用于授权渗透和深度 exploit 开发,计划向开源维护者和小型组织开放。OpenAI 官方账号 提到 Mozilla、Palo Alto Networks、Cisco 等安全团队已经在用。
Agent 记忆与上下文管理
三家在同一个问题上给出三种方案:agent 的记忆放在哪里。
Anthropic 选外部存储。工程博客 讲 Claude 的"dreaming":读现有 memory store 和过去的 session 转录,产出一份重新组织过的 memory store——重复合并、过时或被推翻的条目用最新值替换、新洞察浮上来。据 Anthropic 研究页,它对 agent memory 的定义很窄:从经验中获得、跨会话保留的知识,明确排除权重变化、单次对话内的 in-context learning 和 compaction。
NVIDIA 反着走。You Don't Need Long Context 主张用频繁的 context compaction 替代累积 token,甚至每个 agent action 之后重置上下文,六个长程 benchmark 上保精度、推理成本最多降 8.8 倍。
第三条路是文件系统。MFM(Multimodal Filesystem Memory)在冻结权重下让"记忆"成为学习发生的地方:找到当下重要的经验、把成功动作转成可复用技能、追溯失败原因修正已学到的东西、揭示知识缺口引导后续探索。Minecraft demo 从裸手操作到钻石工具、进 Nether、打 Blaze,24 个 Ender Dragon 里程碑完成 21 个。
三者的共同前提是不动权重,分歧只在记忆的载体:上下文窗口、外部 store、文件系统。Anthropic 是周期性整理,NVIDIA 是即时丢弃,MFM 是可检索可改写的持久层。
基础模型与多模态
开源模型发布与架构演进
Sebastian Raschka 把过去一个月称作"Open October"——10 个开源 LLM 架构发布。几个代表:Kolibri-1 78B(德国团队,GQA + 滑动窗口注意力)、Ling 3.1 Flash 560B(Kimi Delta Attention + 门控 MLA)、Muse Spark Open 816B(Meta 自 Llama 后首个主要开放权重发布,GQA + SWA 之外加了 LatentMoE)、Nemotron 3.5 Super VL 120B(Mamba-2 层配 8 层 attention,也带 LatentMoE)、Mistral Large 4 1T(MLA + 稀疏注意力)。
本周内又有两个具体的。Ling-3.2-flash 是原生多模态,560B 总参 / 25B 激活,发布评测里 OmniDocBench 1.5 得 92.21(Opus 5 max 90.56)、ZEROBench Sub 43.71(39.52)、Vision2Web 85.86(80.20)。ERNIE 5.5 Flash Base 是 280B 总参 / 14B 激活,33.5T tokens 预训练,128K 训练上下文,微调与推理可到 1M;架构是 37 层压缩注意力加 6 层 MLA-DSA、Multi-Router Latent MoE,并用 ECHO 把最后一层复用为投机草稿。据 百度官方页,vLLM 做了 Day-0 支持;同设置下 HumanEval+ 82.3%、LiveCodeBench 40.1%,对比 DeepSeek-V4-Flash-Base 的 69.5% / 31.9%。
放到一起看,注意力层的选择正在收敛成几派:GQA + SWA 是保守组合,MLA 系(DeepSeek 血统)是主流,LatentMoE 和混合线性(Mamba、短卷积)是探索方向。稀疏化则从 attention 蔓延到 MoE 路由。
小模型与端侧高效部署
三条不同尺度的路,指向同一个结论:多模态不再是只有大模型才付得起的开销。
最极端的是 Mirage(Cactus):22MB 的视觉语言模型,7.8M encoder 加 40.8M decoder、2bit 量化,一次前向完成场景描述、目标检测、OCR、分割、空间关系、信息抽取与决策,三星 Galaxy S26 NPU 上 74ms、CPU 上 107ms,支持英德法西意荷波七种语言。据 Cactus 博客,在 256 条 VQAv2 问题上把 Mirage 的结构化输出和完整 trace 喂给纯文本 Qwen3-0.6B,后者分数从 9.3 提到 31.3(满分 100),两个模型都没有微调。
中间档是 Inkling 2 Small(Thinking Machines),AA 智能指数 31,现在就能在 Tinker 上微调与推理,完整权重即将发布。据 TLDR 的报道,它是 MoE,594B 总参 / 17B 激活,带图像输入和可变 effort。
三条路的取舍各不相同——Mirage 牺牲通用语言能力换体量,Inkling 保通用能力靠 MoE 压激活参数,OCRia 放弃通用只做文档。共同点是把"能不能在端侧跑"从工程妥协变成了产品前提。
研究前沿
权重空间编程
MIT 团队用 GPT-6 Astra 直接编辑 Qwen3.5-0.8B 的权重:只改 0.016%,MATH-500 从 7.9% 提到 48.1%,指令遵循提升 3 倍,全程无梯度、无训练。据 VentureBeat 报道,作者把这件事命名为 Weight-Space Programming,主张前沿模型可以原生读写神经网络权重。
反驳来自 Sean Goedecke:识别小网络在玩什么游戏,靠的是输入通道已标注加上首层权重的 L2 norm 热力图,三行 Python 就能复现;修复 Qwen 的数学能力,实质是模型在 32k token 后陷入循环,Astra 用的是"写循环/不循环文本对 → 测权重贡献 → 剪枝"这套 steering/abliteration 的常规操作,人类研究员同样会做。他的核心比喻是:直接改权重像直接改编译后的二进制,可行但不是最优路径,LLM 帮 AI 研究的正确姿势是改进训练。
第三个视角更朴素。零阶权重扰动 用 vanilla evolution strategies 做后训练,把 Qwen3.5-4B 在 Terminal-Bench 2.1 上从 12.1% 推到 21.1%,超过已发布的 Tmax RL checkpoint 的 18.2%,population size 只要约 30,没有 credit assignment、没有 critic、没有 masking。
三种对权重的介入——读改写、批评其局限、搜索式扰动——放在一起,真正的问题不是"LLM 能不能读权重",而是把权重当作可编程对象之后,哪些环节其实只是旧方法换了说法。
长程 Agent 的规划控制与模拟推演
两篇工业界论文,都在回答长程 agent 出错之后怎么办。
VBL(港城大 + 华为诺亚方舟)是 ReAct 的无训练扩展:把任务分解维护成有界目标栈,在目标激活、执行失败、物质状态变化时做双视野联合验证——活跃目标是否仍贡献终局目标、在当前状态下是否可行——配合类型化失败归因,触发 Push、Pop、retry、BacktrackTo 四种显式操作。三个 backbone(Qwen3.5-9B、GPT-4o、DeepSeek-V3.2)配三个 benchmark(AppWorld、ALFWorld、ScienceWorld),每一组都优于 ReAct 和反思类控制;AppWorld 上最多提升 22.07 个百分点。消融显示验证与诊断两个机制互补,去掉任一个在多个设置下降到 ReAct 以下。
AWM(微软 + UW-Madison)处理另一半问题。测试时扩展通常假设多条候选轨迹可以并行执行,但企业工作区和云服务是共享、持久、难以复制的,动作还可能带不可逆副作用。AWM 把 next-observation prediction 改成多轮证据获取:对每个假设动作,agentic simulator 通过只读接口查询真实环境、对返回证据推理、用可执行计算构造观测,全程不改共享状态。在 τ-bench、AppWorld、OfficeBench 上比单次模拟基线平均好 40.07%,比训练好的世界模型基线平均好 12.36%。
VBL 修的是规划状态,AWM 修的是"预演不碰环境"。两篇的隐含前提一致:长程任务的瓶颈不在单步决策质量,而在失败之后系统能不能有序回退。
AI Infra 与工程
Agent 驱动的 GPU kernel 生成与推理引擎优化
Together Compiler 让 agent 持续编译优化推理、面向生产流量:比领先的 InferenceX 配置快 2.6 倍,客户工作负载上最多快 50%,单次编译 24 小时内做到 1111 TPS(MiniMax M3.1 / B200),服务规模是每天数万亿 token。Tri Dao 说这是两年项目,"把 kernel 和推理引擎优化的绝大部分专业知识蒸馏进一个 agent loop"。
ForgeKernel 走得更结构化:把架构设计和代码实现拆开,用显式架构决策引导实现,再用性能反馈回头修正决策;跨 run 时把硬件机制通过独立探针验证后存进共享知识库。据 论文,NVIDIA Hopper 与 Blackwell 上 27 个算子、29 种输入配置,25 个配置与专家参考持平或更好,几何平均 1.10 倍;Ascend 910C 上 CANN-Bench Season 1 的 8 个 level-4 算子全部超过公开最好成绩,几何平均 25.1%。截至 10 月 30 日,ForgeKernel 生成的提交在 CANN-Bench 2.0 三个榜单(910C、950DT、950PR)和 SOL-ExecBench FlashInfer-Bench 赛道都排第一。
两者的共同模式是把专家经验蒸馏进 agent loop,再用测量把单次发现固化成可复用知识。瓶颈也随之转移:从"会不会写 kernel"变成"这套知识库怎么验证、怎么避免过期"。
Agent 规模化的代码托管与 Git 后端
两家同时发现:agent 并发写代码,最先压垮的不是 CI,是版本控制。
OpenAI 自研 Git 后端 Pando,已承载全部 monorepo 开发,push 中位延迟降低近 5 倍,每天传输近 1PB Git 数据,完全兼容 Git 协议与客户端——工程师和 agent 的 git push 不用改任何习惯。设计上选因果一致性,同时满足"写可水平扩展、读跑满带宽"两个目标。据 MarkTechPost 的整理,其峰值单小时传输量超过 57TB,标准云 VM 能把 10Gbps 链路跑满。
GitHub 的 Project Rubicon 从另一个角度切入:Git 对象不可变、按内容命名,两个写入者无需协商即可同时存储,真正需要达成一致的只有 reference update,而那很小。据此把存储、请求服务、仓库维护三块解耦、各自独立扩展。内部测试支持单仓库 5000 个并发 agent、7200 pushes/s;单仓库日请求从 3 月的 4400 万涨到 5 月的 1.81 亿。
再叠加一笔收购:OpenAI 宣布收购 Pierre Computer Company——Codex 应用里浏览文件用的 Trees、看改动的 Diffs 就出自这家,产品还包括 diff 内嵌编辑器的 Edit 模式、随 agent 流式输出实时更新的语法高亮 Highlights,以及用 Git 存代码历史的 Code Storage。意图明确:把"agent 建分支 → 人审代码 → 部署"整条链路收进 Codex。
两家做法不同——OpenAI 换后端再往前端补工具,GitHub 保留 Git 协议重构存储层——但判断一致:agent 规模化会把版本控制推到需要专门架构设计的程度。
世界模型与具身智能
世界模型与机器人开放生态
NVIDIA 在 Cosmos 3 家族下放出四个 16B 开放权重 checkpoint,据 HuggingFace 博客,四个都是 Cosmos 3 Nano 的后训练示例:Transfer-Auto 生成多视角、多传感器的驾驶数据(可改天气、光照、时段)、Sim-Auto 流式输出同步的相机加 LiDAR 观测、Sim-Transfer 把物理仿真器的控制量和文本转成照片级视频、Sim-Bimanual 从机器人或相机的动作预测视频。OpenMDW1.1 许可允许商用。
同一个模型家族也进了开源机器人栈。NVIDIA Robotics 宣布 Cosmos 3 和 Long-WAM 接入 LeRobot 0.7,RoboLab(基于 Isaac Lab,覆盖 120 个桌面任务)用于评估策略,SONIC 做人形全身控制、解码跑在 Jetson 上。据 LeRobot 0.7 发布博客,Cosmos 3 的作用是从相机视角和语言指令预测未来视频帧和动作。
HuggingFace 侧补的是数据与分发。Clement Delangue 给出的数字:公开 robotics 数据集接近 10 万(+48%)、公开 robotics 模型超 3 万(+41%)、LeRobot 下载超百万;开源机器人 Microduck 和 Reachy mini 预计年底卖出 5 万+、发货 2 万+;RoboColosseum 的评估覆盖 140+ 真实场景,每次运行(含失败)都公开发在 HF 上。
分工很清楚:NVIDIA 出模型和算力工具链,HuggingFace 出数据、分发和评测场地。开放权重是前提,但没有数据规模和评估基础设施,权重本身不构成生态。
机器人控制策略学习
Reflex(华盛顿大学、USC、斯坦福、NUS、UNC、AI2)让 Unitree G1 只用机载 RGB-D 接住人抛来的箱子。机器人不用手接,而是移动双脚和躯干、用前臂和胸部形成一个支撑面、吸收动量后保持不倒。训练分三段在 Isaac Lab 完成:先训基于状态的 teacher(PPO 加从人体动作参考里学来的 AMP 风格奖励),再用 PPO 学从延迟、不完整的观测(位置、速度、朝向、尺寸、观测年龄)推断箱子动力学并压成 latent 去条件化控制器,最后冻结控制器、从 25 帧自我中心 RGB-D 历史加相机自运动恢复同一个 latent(用 latent matching、辅助箱状态 loss、热图监督和 DAgger)。渲染不进 RL 循环,视觉训练只需约 160 万渲染步。值得注意的结果是:相机图像驱动的策略,成绩好于拿到完美模拟器状态的策略。
ODE Policy 换的是另一个前提:用神经常微分方程学"动作如何演化",而不是直接预测动作。在单臂、双臂、灵巧手、人形全身、空中五类机器人上验证;VLA(π0.5)一个 epoch 后成功率 96.0% 对 75.5%,4.5B World Action Model 上 82.6% 对 24.6% 且动作生成快约 4 倍,RL 人形全身运动学习也更高效。
一条把观测压成 latent 再控制,一条把动作看成连续微分方程的解。两者都在离开"直接拟合 action"这条主路,说明机器人策略的表示形式还没定型。
资本市场
参照指数本周:恒生科技指数 +8.61%、沪深300 +1.73%、科创50 +7.96%、创业板指 +2.14%、纳斯达克100 ETF -4.98%、半导体 ETF -71.04%
- 迈威尔科技(MRVL · 算力芯片):本周 -28.11%,相对参照 +42.93%;最大单日 -16.43%(11-05)
- 美光(MU · 算力芯片):本周 -22.01%,相对参照 +49.03%;最大单日 -17.46%(11-05)
- 维谛技术(VRT · 电力与散热):本周 -21.35%,相对参照 -16.37%;最大单日 -14.02%(11-05)
- 中际旭创(300308 · 云与基础设施):本周 -18.99%,相对参照 -21.13%;最大单日 -12.69%(11-03)
- 金盘科技(688676 · 电力与散热):本周 +17.56%,相对参照 +9.60%;最大单日 +10.82%(11-04)
- 昆仑万维(300418 · AI应用):本周 +16.51%,相对参照 +14.37%;最大单日 +8.69%(11-02)
- 沪电股份(002463 · 云与基础设施):本周 -16.18%,相对参照 -17.91%;最大单日 +9.99%(11-04)
- Nebius(NBIS · 云与基础设施):本周 -15.99%,相对参照 -11.01%;最大单日 -14.94%(11-05)
- CoreWeave(CRWV · 云与基础设施):本周 -15.44%,相对参照 -10.46%;最大单日 -9.90%(11-04)
- Arm(ARM · 算力芯片):本周 -15.22%,相对参照 +55.82%;最大单日 -13.08%(11-05)
本周涨跌幅绝对值前 10(共跟踪 59 只);周涨跌为本周末收盘对比上周末收盘。
AI 基建的融资与稀释担忧
11 月 2 日,Oracle(CNBC)同日启动 100 亿美元增发新股和 100 亿美元高级票据发行,为 AI 扩张融资,股权稀释与债务担忧之下股价跌 8.76%。同日 CoreWeave(Investing.com)跌 8.6% 至历史新低,其自身杠杆高企、债券收益率约 15%。Marvell(Yahoo Finance)宣布以 1150 亿美元全股票收购 Lumentum,LITE 股东 4.5 股换 1 股、将持有合并公司约三分之一,大幅稀释与整合风险的担忧使其重挫 12.72%。
转折在次日。11 月 2 日晚 Oracle 完成 200 亿美元股票与债券发行定价,市场认为融资落地消除了至 FY2030 的资产负债表不确定性,11 月 3 日 CoreWeave 涨 7.16%、Oracle 反弹 5.85%(TIKR)。同一批资产三天内走了两个方向,说明市场的分歧不在"要不要建 AI 基建",而在"谁来承担资产负债表"。
中期选举与数据中心审批
11 月 3 日,Bernstein 称选举日引发的数据中心建设放缓担忧被夸大,GE Vernova 涨 6.49%、维谛技术涨 5.23%。11 月 4 日民主党赢得中期选举(含得州州长席位),担忧反转:维谛技术跌 12.89%、GE Vernova 跌 9.3%(Yahoo Finance);CoreWeave 跌 9.9%(Stocktwits)且债券同跌,叠加 11 月 10 日 Q3 财报前的不确定性与高债务担忧。一周之内,电力与算力租赁两类资产的定价从"担忧被夸大"翻成"审批受限",政策预期成了这条产业链最敏感的变量。
A 股半导体的剧烈摆动
11 月 2 日稳市措施出台、科创板三季报净利同比大增,叠加半导体 AI 硬件领涨,科创50 涨 3.11%(24TopNews)。11 月 3 日隔夜美股 AI 芯片股重挫(Marvell -12.72%、Intel -8.80%、AMD -7.52%)映射至 A 股,寒武纪跌 10.81%、市值跌破 5000 亿(新浪财经),沐曦 -11.01%、摩尔线程 -8.95%、沪电股份 -9.19%,科创50 收跌 3.81%。个股层面,中际旭创(新浪财经)11 月 3 日跌 12.69%,因高盛下调 2026-2028 年收入与净利预测、叠加流传的野村研报被证伪。
11 月 4 日全部反向。科创50 涨 9.92%(21 财经),主力资金大举进场、半导体产业链涨停潮;中际旭创(澎湃新闻)在电话会澄清无广泛砍单、花旗维持买入后涨 11.07%;摩尔线程(新浪)联合趋境科技与智谱发布国产异构推理 Token 工厂方案,涨 13.6%。三个交易日内科创50 走了 -3.81% 到 +9.92%,驱动全部来自外部映射与资金面,而非基本面变化。
📌 本周简讯
AI on the Ballot — Stratechery / 中期选举后,AI 扩散的约束从算力、内存、电力迁移到政治:数据中心要许可,反对者第一次有否决权。
ViBench 2.0 — Replit / 长程软件构建 benchmark:17 个全栈产品、241 个增量需求、544 个浏览器测试计划,最强模型仅 65% 的构建交付完整产品。
Clocktower — Dwarkesh Patel / 自费约 2 万美元把狼人杀做成多 agent benchmark,386 局;GPT-6 Astra 对 Opus 4.6 胜率约 92%,差约 430 Elo。
MoE 训练手册 — Thomas Wolf / 80 万 GPU 小时实验、约 7 万字、55 个交互图,覆盖专家数量、all-to-all 隐藏、router 选择等实际问题。
llama-modchip — GitHub / 在 64GB DDR5、零 GPU 上跑 284B DeepSeek-V4-Flash;AVX-512 kernel 把预填从 25.05 tps 提到 44.36 tps。
Weekend at Bernie's II — nesbitt.io / 6106 个关键开源包前后快照对比:421 个僵尸仓库复活,带 AI 披露的 commit 占比从 3.3% 升到 7.9%。
PDD Kit — 微软研究院 / Proof-Driven Development:意图先转成 Verus 形式化 spec,agent 代码对所有输入被证明满足,覆盖不到的部分退回测试。
Gemini Omni 1.2 Flash — Google / 视频模型更新,成本降约 30%,支持多轮对话式编辑,Ultra 订阅者可生成和编辑最长 15 秒视频。