AI 模型发布与更新

开发者称 Anthropic 尚未发布的 Claude Fable 5.5 连续自主编写运行代码约 2 小时 40 分钟，在未调用图像或视频生成工具的情况下完成 66 秒、1920×804、24fps 动画的画面、配乐与音效，并封装为单个 HTML 文件。

美团在 Hugging Face 发布 LongCat-2.5 的 W4A4 量化版本，该模型为原生多模态 MoE 架构，总参数 1.6 万亿、每 token 激活约 48B，面向长程智能体任务，结合视觉理解与智能体编码。

魔芯科技在世界互联网大会发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0，将重力、弹力、浮力、光照、热力等物理要素融入空间建模与交互，输出可仿真、可实时渲染、可反复调用的 4D 高斯资产。

美团 LongCat 团队发布 LongCat-2.5，总参数 1.6 万亿、每 token 约 480 亿激活，主打长时程智能体任务，结合视觉理解与智能体编码，权重以 MIT 协议开源。

Geoffrey Hinton 接受《卫报》采访时表示，人工智能领域今明两年就可能发生切尔诺贝利等级的事故，今年夏天 OpenAI 智能体入侵 Hugging Face 事件是类似三哩岛的警告，更严重的可能是 AI 攻击导致大规模停电或金融系统瘫痪一周。

腾讯发布最新一代大语言模型 Hy4，称其已进入全球领先开源模型行列，权重和系统卡将在未来几天放出。模型首次引入视觉理解和 computer-use 能力，可操作命令行和图形界面，并针对 Blender、CAD 等专业软件训练。

Arena 宣布腾讯混元 Hy4 在 Agent Arena 总榜排名第14，基于全球用户 8.5K+ 真实长程智能体会话，净提升 +4.7%，进入 Pareto 前沿。目前为专有模型，作者称权重开放后将与 Kimi K3.1 Pro 并列开源模型第一；其得分与 Kimi K3.1 Pro (Max) 相差不到1个百分点，价格 $0.55/task 比 $1.46/task 低约62%。

腾讯混元 11 月 4 日发布大语言模型 Hy4 正式版，官方称 Hy 首次跻身最强开源模型之列，计划近期开源模型权重并发布模型系统卡片。相比 Hy4 preview，该模型扩展了预训练和后训练规模，首次引入视觉能力和电脑操作支持，可执行细粒度图像处理、复杂图表分析、数学视觉推理及结合命令行与图形界面的任务。

腾讯混元发布 Hy4 正式版，相比 Hy4 preview 扩展预训练与后训练规模，首次引入视觉能力和电脑操作支持，GameDev 与 GameLogic 评测分别提升 19.1% 和 9.8%。

腾讯 WeChat Vision 团队发布开源视觉语言模型 WeVisOne-VL，提供 2B（2.44B 参数）和 4B（4.83B 参数）两个版本，基于 Qwen3-VL，单个模型即可完成检测、指代、计数、指向、OCR、分割和 alpha matting，像素输出由 9.6M 参数解码器生成，无需单独的 SAM，缺失目标时输出 None 而非猜测框。

🥷 新隐身模型：Crouton Alpha 一款高效推理模型，专为规模化处理你的智能体全天重复的工作而打造。 - 免费使用 - 1M token 上下文 - 文本、图像、音频和视频输入 - 不使用数据训练

OpenAI 表示其硬件团队把 GPT-6 Astra 用作副业项目，在一周内从零设计出一款让用户与 Codex 编码智能体对话的设备，Astra 负责外壳设计、PCB 布局与元件选型布线、固件和用户界面。

Karina Nguyen 转发并评论 Revolut 将约 2000 名工程师迁到自托管 GLM 编码、把 Claude Code 和 Cod列入例外清单的消息，称每家公司都应把自己变成巨型 RL 环境，构建从每次交互中学习并逐步接管公司运营的自我改进 AI。引用内容称其用 56 块 Nvidia B200 跑出每百万 token 约 30 美分的混合成本，约为此前付给 Anthropic 和 OpenAI 的十分之一，工程交付周期缩短 70%。

我曾以为用 AI 构建个人软件是未来。每个人都构建自己的 Figma、Linear、视频编辑器等等。 我现在觉得这不对了。为当下任务而生的短生命周期专用软件，似乎更有可能，配合单一数据存储来保存事实来源/结果/输出。尤其是随着模型变得更好更快。 如果你是构建者，请为互操作性而构建。

Arena 预告腾讯混元 Hy4 即将推出，届时将在 Arena 排行榜上公布其表现。其引用的数据显示，Hy4 preview 上月以开源模型身份位列 Agent Arena 第 2（总榜第 10），在 14.5K+ 真实智能体会话中净提升 +5.4%，仅落后 Kimi K3 (Max) 的 +6.6%；成本约 $0.26 per median task，比 $0.80 低约 68%，已进入 Pareto frontier；Confirmed Success 12%、Bas…

Mistral AI 宣布 Mistral Large 4 加入 Open Math OS 模型阵容，拥有 1.05T 开源权重和 1M 上下文窗口，今天起面向获批团队开放。Open Math OS 是一个让数学家与 AI 智能体在共享项目上协作的研究工作区，仅基于开源模型构建，供社区检查和运行，并由社区掌控自己的数据。

Cognition 发布编码模型 SWE-2 Flash，称其在主流评测上超越所有美国开源权重模型，包括部分大 3 倍的模型。

作者分析中国 AI 产品如何走向亲和拟人化，从百度文心、阿里千问到字节豆包的命名与虚拟形象设计，并介绍粉丝自创的 DeepSeek 鲸鱼娘“蓝色大肥鱼”现象。文中对比硅谷倾向抽象 Logo 而由内而外塑造人格的做法，并指出 Bilibili 出现鲸鱼娘身份的自动化 Agent 刷评论后，这类可爱人设面临隐私与算法噪音等新考验。

Mistral 团队成员 Pierre Stock 宣布 ML4（Mistral Large 4）正式开放权重，称其在代码智能体与网络安全方向具备前沿能力，且比三周前的 Preview 版本更高效、更紧凑。技术报告讲述其研发过程：https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf，Mistral AI 官方转发并称可在 alphaxiv …

商汤推出 SenseNova 6.8 Flash，主打可靠工作流与精美设计。该模型具备长期记忆与主动交互的办公智能，可记住用户需求并持续推进任务，同时支持动画 PPT、动态海报、交互网站及可编辑 Blender 3D 项目。用户可在 SenseNova Token 计划中免费试用，每 5 小时获 1,500 次免费 API 请求。

阿里巴巴集团董事会主席蔡崇信在 2026 年世界互联网大会开幕式上表示，只有开源才能推动 AI 普及，可降低中小企业研发成本。他透露阿里千问已开源超过 470 款模型，全球累计下载量突破 40 亿，衍生模型超过 33 万。

商汤科技 11 月 2 日晚发布日日新 SenseNova 6.8 Flash 正式版，重点升级办公协作与设计生成能力，支持长期记忆、跨会话任务协作。

可能是个暴论，但我现在认为对抗式审查基本是在浪费 token。把这些 token 用在实证结合形式化验证上要好得多。我已经更新了 pstack，减少使用 interrogate 技能，最终我可能会把它完全移除。 我发现抽象的代码审查价值很小，智能体往往只会陷入吹毛求疵和 YAGNI 之中。

Y Combinator CEO Garry Tan 在播客 The Builders 中透露，他每年在 token 上花费约 10 万至 20 万美元，用于大量工作项目和编码任务。他在 GitHub 上公开了自己的一套 23 个 Claude Code 技能 gstack，其智能体可读取他的邮件、Dropbox 和 Apple Notes。他认为个人 AI 智能体要走向主流，成本必须降下来。

即将发布的下一代 GPT，正是 OpenAI 用来证明一道千禧年数学难题的模型。 ~ Sam Altman，于阿布扎比 ADIPEC 开幕式上。 > 它的 10,000 个副本不间断运行了约 4 天，证明了一道千禧年难题。 > 这些副本之间没有层级：每个副本自行选择方向，共享进展，并相互学习。 ---- 完整视频见 "ADIPEC Official" YouTube 频道，（链接在评论中）

Astra 不断让我惊叹 🤯

ARC Prize 公布 DeepSeek V4.1 Flash 1017 在 ARC-AGI（Verified）上的成绩：ARC-AGI-2 得分 78.1%，每任务成本 $0.16；ARC-AGI-1 得分 94.5%，每任务成本 $0.06。DeepSeek Flash 系列的 ARC-AGI-2 最佳成绩从 V4 Flash 0731 的 61.4% 升至 V4.1 Flash 的 72.9%，再到 V4.1 Flash 1017 的 78.1%。

ARC Prize 公布 DeepSeek V4.1 Flash 1017 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-3 为 5.8%（provider adapter harness，成本 $1.2K）、0.2%（standard harness，成本 $1.0K）。该模型在 ARC-AGI-3（5.81%）和 ARC-AGI-2（78.1%）上领先开源权重模型，并在 ARC-AGI-1（94.5%）上持平开源权重最佳成绩。

根据我们对 26K+ 会话的分析，Agent Arena 中排名前十的智能体每生成一个 token，大约要处理 93 个输入 token。 这就是各家实验室竞相降低缓存输入成本的原因。 下方视频展示了缓存在实践中的运作方式，用的是来自 @AnthropicAI 的 Opus 5.5 和 @GoogleDeepMind 的 Gemini 4 Argon 的真实会话。 深入了解这场隐藏的 AI 价格战：@DawidGalarowicz 的文章见下方。

Deep Principle 发布基于 GLM-5.3 后训练的开放权重科学模型 Hydrogen-1.0，753B 参数（MoE，约 40B 激活），1M token 上下文，MIT 许可证，权重已在 Hugging Face 和 ModelScope 上线。

Skyfall AI 发布 SKY-001，可按零件与建造步骤在 3D 中设计实体产品，CAD 精度与 GPT-6 Astra 相当，单次设计成本约低 150 倍。模型输出零件树、每步操作草图及中间实体，由 Hierarchical Composer 拆解装配与零件、Construction World Model 预测建造视觉步骤两阶段完成。

OpenAI 发布了 LifeVal，一个测试 AI 模型能否替人们完成日常事务的基准。 GPT-6 Astra 在日常任务上得分 80.6%，而不到 9 个月前 GPT-5.2 的得分为 49.3%。 LifeVal 的任务涵盖照护、健康、教育、金融、购物和家庭行政事务，从预约车辆年检到在预算内订购清真食品杂货。

Sarvam AI 发布基于 Sarvam 105B 的 System One 决策模型 Sarvam Prism，在自测的 25 个决策模型中以 71.8 分、44 ms 响应（B200 GPU）成为 100 ms 内得分最高的模型。

我们在 512K 上下文下对 DeepSeek-V4.1-Flash-1017 的 GGUF 进行了 Terminal Bench、DeepSWE 等基准测试。Unsloth 综合排名最高。 1-bit Unsloth GGUF 在 DeepSWE 上得分 68.1，Terminal-Bench 上 72.2，AutomationBench 上 52.7。领先其他量化版本 >10%。 GGUF：https://huggingface.co/unsloth/DeepSeek-…

推出 LongCat-2.5，我们最新的原生多模态智能体模型，总参数 1.6T，激活参数约 48B。 专为长程智能体任务打造，为从复杂编程项目到创意设计、3D 任务等视觉编程的各类工作带来更强的视觉理解与智能体编程能力。 了解更多 LongCat-2.5：https://longcat.ai/blog/longcat-2.5/

沃顿商学院教授 Ethan Mollick 在播客访谈及新书《共存》中提出，学用 AI 或转做管道工等动手职业都难以抵御 AI 冲击，因为机器人与大语言模型存在打通的可能。他认为破局关键在于四类特质：深度专业认知、广博知识面、审美判断力和主观能动性，提示词工程正越来越像项目管理。他还担忧传统学徒制培养链条断裂，指出企业若只招资深熟手，人才输送通道将后继无人。

IDC 发布横跨 25 个研究领域的 250 项 FutureScape 2027 年度预测，称企业到 2028 年将在开源模型上运行 60% 的 AI 工作负载，并借助模型路由策略降低成本、对冲供应商锁定风险。

开发者 Vixhal 在 GitHub 以 MIT 许可发布实验模型 qwenGPU，把一个 4 通道 SIMT GPU 编译为 45 层未训练权重，放在 Qwen3.5-2B 自身 24 层之前，使模型在前向传播中运行真实的 CUDA（编译为 PTX）。

DeepSeek 的 Tianyi Cui 表示与 @badlogicgames 和 @mitsuhiko 交流很有启发，称 DeepSeek 致力于在智能体 harness 之间扩展，并计划在每一代模型中为 pidotdev 在全球各大 harness 中提供良好支持。被引用的 @badlogicgames 观点称 DSH 是 harness 领域少数做创新的团队之一，earendil 也倾向于单一长存实体、临时自由的递归委派和跨系统事件触发等方向。

美团龙猫 LongCat 团队发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。