AI 日报 — 2026-11-05

开源300B智能体RL配方、物理基准及Qwen更快投机解码，推进AI训练与推理。

涵盖 26 条 AI 新闻

🔥 今日焦点

1. FireFlash：面向 Pareto 前沿的 300B 智能体强化学习开放配方

FireFlash 是一个 300B 规模的智能体强化学习配方，在 Terminal-Bench 4.0 上达到 46.2%，同时每任务成本比前沿智能体低 30 倍以上。该配方在 64 块 NVIDIA B300 GPU 上训练不到五天，并结合精选的 RL 环境、稳健的 rollout 配方和优化的编码工具链，且收益可迁移到 SWE 基准。其主要影响在于可复现性：团队获得一条有文档记录的路径，无需前沿级投入即可构建接近前沿的长时程智能体。来源-reddit

2. FrontierPhysics 基准测试在真实物理研究中评估 AI 智能体

FrontierPhysics 推出 56 个端到端任务，由 42 位物理学家编写，覆盖九个领域，涵盖理论、计算和实验研究。与固定问题或论文复现类基准不同，它在智能体执行完整研究工作流时同时评估研究质量和正确性。该基准将智能体评估推向真正的科学实用性，并揭示当前系统仍需人类级判断的地方。来源-huggingface

3. Qwen 推出 SpecOPD 以加速投机解码

Qwen 研究人员提出 SpecOPD，一种用于投机解码的分支并行同策略蒸馏框架，在独立分支上采样草稿 token 和目标监督。通过将这些分支打包成提案树以共享计算，该方法旨在获得更长的接受长度和更快的 LLM 推理。如果能在生产环境中成立，SpecOPD 可能在不改变模型架构的情况下改善推理经济性。来源-reddit

📰 重点报道

开源模型与开发者工具

CCORE 发布 GLB-3D-Coder 4B 模型及完整权重 — 对 Qwen3.5-4B 的完整微调可生成完整的 Three.js HTML 场景，并导出 GLB 供 Godot、Blender 和 Unity 使用，提供 GGUF 和 Safetensors 权重。其对可复用 3D 资产的关注使其成为游戏和设计流水线中实用的开放模型。来源-reddit
Garry Tan 发布面向 Claude Code 智能体团队的开源 gstack — 这个 MIT 许可的工具包提供 23 个 Markdown 斜杠命令，为编码智能体模拟从 CEO 到 QA 和发布工程师的角色。它反映了将智能体工作流打包为轻量、可 fork 的操作流程这一日益增长的模式。来源-github

智能体强化学习与具身 AI

TurnWise 推出用于流式视频 RL 的轮次级 GRPO — TurnWise 用逐轮信用取代轨迹级优势，用于流式视频理解，旨在避免强化冗余回复，或避免在失败后惩罚有用的后续追问。该方法解决了多轮视频智能体中一个关键的信用分配缺口。来源-huggingface
NEO-VLA 提出超越固定视觉编码器的原生视觉-语言-动作策略 — NEO-VLA 让动作策略访问不断演化的视觉计算，而不是依赖固定的编码器端点，主张操作需要局部几何、边界、深度和细微状态变化。该设计指向机器人中更紧密的视觉-动作耦合。来源-huggingface

世界模型与生成式视频

GameVerse 数据集支持分钟级长时程交互式世界建模 — GameVerse 提供分钟级游戏玩法数据和更精细的说明文字，用于训练交互式世界模型，使其超越约一分钟的连贯性。更好的长时程数据可减少动作条件环境生成中的漂移。来源-huggingface
MoneyPrinterTurbo 根据主题生成高清短视频 — 这个开源工具可从一个关键词自动完成脚本、素材匹配、字幕、音乐和最终合成，并提供 WebUI 和 API。它降低了自动化短视频制作的门槛，同时引发人们对合成媒体数量的常见担忧。来源-github

极低资源推理

Kimi K3 2.78T 模型在 8GB RAM 的单 CPU 上运行 — 一个便携式 C99 实现通过磁盘流式传输和 8.24 GB 峰值 RAM，在单 CPU 上运行 2.78 万亿参数模型，以极慢速度产生字节完全一致的输出。该项目与其说是实用的服务路径，不如说是对内存层次工程的一次引人注目的演示。来源-github

⚡ 快讯速览

MoE 训练手册发布，附带 Megatron-LM 运行手册 — 一本新手册将 MoE 训练指导与 Megatron-LM 运行手册配对，为从业者提供大规模混合专家训练的结构化参考。来源-reddit
DeepSeek-V4.1-Flash 在八块 2018 年 V100 上达到 200+ tok/s — 一位实践者报告称，DeepSeek-V4.1-Flash 在八块 2018 年时代的 V100 GPU 上超过每秒 200 个 token，凸显旧加速器经过优化推理后仍具可行性。来源-reddit
Z.ai 披露 GLM-5.5 训练流水线及 32B/122B/256B 模型 — Z.ai 首席科学家详细介绍了 GLM-5.5 的训练流水线，以及涵盖 32B、122B 和 256B 参数在内的模型规模。来源-reddit
Delta Inference Engine v0.93 在 RTX 3090 上提升 DeepSeek-V4.1-Flash — 根据一项社区发布，Delta Inference Engine v0.93 提升了 DeepSeek-V4.1-Flash 在单块 RTX 3090 上的性能。来源-reddit
因子化 MLLM 嵌入改进组合图像检索 — 一篇新论文使用因子化多模态 LLM 嵌入来改进组合图像检索，其中查询结合参考图像和文本编辑。来源-huggingface
PR-Agent：开源 AI 代码审查智能体，社区维护的遗留项目 — PR-Agent 被定位为一个社区维护的开源 AI 代码审查智能体，用于自动化拉取请求反馈。来源-github
Horizon 推出 AI 驱动的新闻雷达，用于每日双语简报 — Horizon 是一个 AI 驱动的新闻雷达，可生成每日双语简报。来源-github
Scenario Labs 发布面向 AI 内容创作和 DCC 工具的智能体技能 — Scenario Labs 发布了面向 AI 内容创作和数字内容创作工具的智能体技能，将可复用能力打包用于创意工作流。来源-github
RustingStrata 与 llama.cpp 在 Qwen GGUF 模型上的基准测试对比 — 一项社区基准在 Qwen GGUF 模型上比较 RustingStrata 和 llama.cpp，为运行时性能权衡增加了证据。来源-reddit
Kokon 在 Qwen-Image 2.1 编辑器周围增加可编辑图层 — Kokon 在 Qwen-Image 2.1 编辑器周围增加可编辑图层，改善图像生成工作流中的图层级控制。来源-reddit
Qwen3.8 Flash-Next 借助 Basalt 在单块 RTX 5080 上达到 250 tok/s — 一份指南报告称，Qwen3.8 Flash-Next 借助 Basalt 在单块 RTX 5080 上达到每秒 250 个 token。来源-reddit
Qwen LLM 在工具使用和视觉方面的有趣内心独白 — 一篇社区帖子展示了 Qwen 模型围绕工具使用和视觉的一段有趣内心独白，凸显推理轨迹如何暴露古怪但有启发性的行为。来源-reddit
Reddit 用户称赞 OrcaCyber-Nano-1.0 微调模型在编码和规划方面的表现 — 一位 Reddit 用户称赞 OrcaCyber-Nano-1.0 微调模型在编码和规划任务上的表现，为小型专用模型增添了轶事证据。来源-reddit
DeepSeek 在本地 LLM 测试中 Qwen 失败后修复 HDMI 显示 — 一则本地 LLM 测试轶事声称，在 Qwen 失败后 DeepSeek 修复了 HDMI 显示问题，这是模型被用于实际故障排查的一个例子。来源-reddit
NVIDIA RTX PRO 5500 Blackwell 标价 17,999 美元，高于 RTX PRO 6000 — NVIDIA 的 RTX PRO 5500 Blackwell 已以 17,999 美元出现，定价高于 RTX PRO 6000，引发关于工作站 GPU 定位的疑问。来源-reddit
Reddit 用户称 Qwen3.8-27B 质量在初次发布后下降 — 一位 Reddit 用户称 Qwen3.8-27B 的质量在初次发布后下降，凸显社区对托管模型更新的持续审视。来源-reddit

由 AI News Agent 生成 | 2026-11-05