AI 日报 · 11 月 14 日 星期六

2026-11-13 08:00 — 2026-11-14 08:00 (UTC+8)

1. 01

   OpenAI 推出两款安全产品：一个派智能体做渗透测试，一个把漏洞直接改成待审补丁

   OpenAI 在 11 月 12 日的 Cyber at the Frontier 活动上发布 Daybreak Red Team 和 Daybreak Defense Factory。前者用多个智能体对网页应用做渗透测试、确认漏洞，后者追踪漏洞并生成补丁供工程师审阅，补丁不会自动上线。

   展开完整报道

   发现漏洞只是第一步，安全团队更头疼的是确认它是真的、再把它修掉。OpenAI 11 月 12 日在 Cyber at the Frontier 活动上发布的两款 Daybreak 产品，正好分别对应这两步。

   据 SecurityWeek 报道，Daybreak Red Team 用多个 AI 智能体对网页应用做渗透测试：结合源代码和应用上下文推演攻击路径、确认漏洞，也可以复查代码扫描器、漏洞赏金和漏洞披露渠道提交的线索。OpenAI 称，这些智能体在隔离环境中运行，并由 Guardian 审查机制限定它们能访问的应用和接口。该产品目前接受早期访问申请。

   Daybreak Defense Factory 则负责“修”：智能体沿着代码追踪漏洞成因并起草补丁，由工程师审阅、测试后再合并。它可以导入 Wiz、Snyk、Endor Labs 等工具的发现，扫描已连接的 GitHub 仓库、监控新提交，工程师还能用 Codex 修改补丁并创建 GitHub 草稿 PR，但补丁不会自动部署。它以预览插件形式提供给已开通 Daybreak 的 ChatGPT 工作区。

   活动直播中，OpenAI 总裁 Greg Brockman 还提到，随着模型能力提升，模型能自主发现的漏洞会越来越深，单靠人工协调披露和修补已难以扩展。

2. 02

   做智能体“工具箱”的 LangChain 融资 3 亿美元，估值 13 个月涨到 30 亿美元

   据《华尔街日报》报道，开源智能体框架 LangChain 完成 3 亿美元融资，Alphabet 旗下 CapitalG 领投，估值 30 亿美元，约为 2025 年 10 月 12.5 亿美元估值的 2.4 倍。资金将主要用于扩张企业平台 LangSmith 和招聘。

   展开完整报道

   AI 智能体本身能不能大规模赚钱还在验证，但给智能体提供开发和运维工具的公司已经拿到大额融资。据《华尔街日报》11 月 12 日报道，LangChain 完成 3 亿美元新一轮融资，投后估值 30 亿美元。

   据 SiliconANGLE 和 Dealroom 援引该报道，本轮由 Alphabet 旗下成长基金 CapitalG 领投，老股东 IVP、Sapphire Ventures 以及新投资方 GIC、DFJ Growth 参投。LangChain 上一轮是 2025 年 10 月的 1.25 亿美元 B 轮，估值 12.5 亿美元，约 13 个月后估值涨到约 2.4 倍。

   LangChain 以 2022 年推出的同名开源框架出名，帮助开发者把智能体接入大模型和各类工具；商业产品 LangSmith 负责智能体的监控、评估和部署。联合创始人兼 CEO Harrison Chase 对《华尔街日报》表示，目标是帮助大公司搭建、管理和部署自己的智能体。据报道，公司现有 435 名全职员工，计划明年底扩到 850 人。

   竞争压力同样明显：OpenAI、Anthropic、亚马逊和微软都在做自己的智能体基础设施。CapitalG 合伙人 Mo Jomaa 的说法是，这些巨头都想把客户锁进自家生态，而 LangChain 的卖点是保持中立。截至媒体发稿时，LangChain 官方博客尚未发布融资公告。

3. 03

   1450 亿参数模型塞进笔记本：Edge0 开源 145B/120B 本地编程模型，称只需 29GB 内存

   端侧 AI 公司 Edge0 开放 Edge0-145B 和 Edge0-120B 权重，主打在笔记本上离线跑智能体编程。创始人称 145B 在 Terminal-Bench 2.1 上得分 86.5%，高于 Claude Opus 4.6 的 78.2%，峰值内存约 29GB，在 RTX Spark 和 Mac 上解码速度超过每秒 75 个 token。

   展开完整报道

   想用智能体写代码又不想付云端 token 费、也不想让代码离开电脑，是很多开发者的真实诉求。端侧 AI 公司 Edge0 11 月 12 日开放了两款“百亿级以上”的本地模型权重：Edge0-145B 和 Edge0-120B，已上传 Hugging Face。

   创始人 Samuel Zeng 称，这是 Edge0 首批面向设备原生设计的 100B 级基础模型。按他公布的数据，145B 在终端操作类编程基准 Terminal-Bench 2.1 上得分 86.5%，高于 Claude Opus 4.6 的 78.2%；运行只需约 29GB 内存，约为常规部署（100GB 以上）的三分之一；在 RTX Spark 和 Mac 上解码速度超过每秒 75 个 token、预填充超过每秒 1050 个 token，处理 128K–256K token 的长上下文也不会明显变慢。

   能把大模型压进小内存，靠的是 Edge0 一贯的路线：它的官网介绍，其稀疏混合专家（MoE）模型会把专家权重放在本地存储里，需要时再调入，因此“参数量不等于内存占用”。此前它已推出可在手机上运行的 Edge0-35B。开发者转述称，新模型提供兼容 OpenAI 和 Anthropic 的本地接口，可以直接接入常用的编程智能体。

   需要注意，上述跑分和速度均为 Edge0 自己公布，尚无第三方复现；“29GB”是峰值内存，16GB 内存的普通电脑仍跑不动，模型文件也有数十 GB。

4. 04

   李飞飞团队的世界模型 Atlas 向所有人开放：一句想法生成可导出的 3D 场景

   World Labs 宣布向所有人开放下一代世界模型 Atlas，并配套推出应用和 API。用户可以从自己的创意出发构建 3D 世界，导出关键帧、视频片段或 3D 高斯泼溅（Gaussian splats）文件，用进自己的工作流。

   展开完整报道

   由李飞飞创办的 World Labs 11 月 12 日宣布，向所有人开放其世界模型 Atlas。与只生成一段视频不同，Atlas 的目标是生成可以继续探索和编辑的 3D 场景。

   官方帖子称，团队同时推出了一组应用和 API 接口，用户可以带着自己的想法搭建 3D 世界，最后导出关键帧、视频片段或 3D 高斯泼溅文件。高斯泼溅是一种用大量带颜色的“点云斑点”表示三维场景的技术，可在浏览器或 3D 软件里实时渲染。官方博客将这次发布称为“下一代世界模型”，强调可以生成和重建世界，并通过工具和开发者 API 接入用户自己的工作流。

   Atlas 9 月首次亮相，此次是从预览走向全面开放。World Labs 此前已宣布并入 AMD。对做游戏、影视、建筑可视化和机器人仿真的团队来说，多了一个可以直接试用的 3D 世界生成工具。

5. 05

   AI 写手机 App 太快人看不过来：Expo 推出给智能体用的云端模拟器，先自测再找你

   移动开发框架 Expo 推出 Expo Simulators：编程智能体改完代码后，可在云端 iOS 模拟器或安卓模拟器上运行改动，并带回操作录像，再请开发者过目。官方称这是专为智能体打造的云模拟器，帖子浏览量超过 200 万。

   展开完整报道

   编程智能体写移动端代码的速度，已经快过团队审代码的速度。Expo 11 月 12 日给出的方案是：让智能体先自己在真实的模拟环境里跑一遍，再来打扰人。

   Expo 推出的 Expo Simulators 是一组面向智能体的云端模拟器和安卓模拟器。按官方说明，智能体完成修改后，会在云端模拟器上运行这次改动，并把录屏带回来，然后才请求开发者关注。开发者不用在本地配置模拟器环境，看录像就能判断改动是否符合预期。

   Expo 同时列出了一系列可以直接搭建的智能体工作流示例。这条发布帖浏览量超过 220 万，是当天开发者圈讨论较多的工具之一。它反映的趋势是：当 AI 能大量产出代码，验证和测试环节正在成为新的瓶颈，各家开始为智能体提供“看得见结果”的运行环境。

6. 06

   描述一句就能造个会打电话的 AI：Fish Audio 推出无代码语音智能体平台，部署中位数 32 秒

   语音合成公司 Fish Audio 推出 Fish Agent，用户用文字描述就能搭建可接打电话的语音智能体，可申请电话号码或接入自有号码，支持主流大模型或自定义模型，并由其全双工语音模型 Live 3 支持打断式对话。官方称部署时间中位数为 32 秒。

   展开完整报道

   做一个能替你接电话、订位或回答客户问题的语音机器人，过去需要串起语音识别、大模型、语音合成和电话线路。Fish Audio 11 月 12 日推出的 Fish Agent，把这件事做成了无代码平台。

   官方介绍，用户只需描述想要的智能体就能完成搭建，可以申请一个电话号码或接入自己的号码；对话大脑可选主流大模型，也能接入自定义模型；还能连接工具、Webhook 和知识库，并开放完整 API。通话由其全双工语音模型 Fish Live 3 驱动，全双工意味着 AI 可以边听边说，被打断时也能自然接话。官方称部署时间中位数为 32 秒。

   适用场景从个人助理到前台接待、客服都有，企业客户可预约演示，由专属工程师协助搭建。

7. 07

   Devin 团队版加量不加价：每人送两个免费并发会话，由自研模型 SWE-2 驱动

   Cognition 升级 Devin Teams 套餐：团队所有成员可用新版 Devin Desktop 且不额外收座位费；每位用户在新的 Free 模式下获得两个并发免费会话，由自研模型 SWE-2 驱动；管理员新增 SSO、按人或按组的用量上限，并可申请 BAA 协议。

   展开完整报道

   AI 编程工具的价格战在继续。做编程智能体 Devin 的 Cognition 11 月 12 日宣布升级 Devin Teams 套餐，核心是让团队用得更多、管得更细。

   按官方说明，团队里的每个人现在都能使用新版 Devin Desktop，不需要额外购买座位；每位用户在新推出的 Free 模式下可同时开两个免费会话，背后是 Cognition 自研的编程模型 SWE-2。管理侧，管理员可以接入 Okta、Entra ID 或任意 SAML、OIDC 身份提供方做单点登录，按人或按组设置最多三档用量上限；团队还可以在设置里申请标准的业务伙伴协议（BAA），这对处理医疗数据的企业是合规前提。

   SWE-2 是 Cognition 9 月发布的编程模型。把自研模型用作免费档，是编程智能体厂商控制成本、同时与 Claude Code、Codex 和 Cursor 争夺团队用户的常见做法。网上有用户称 SWE-2 基于中国开源模型后训练，但这一说法未在 Cognition 本次公告中出现，本文未能核实。

8. 08

   Salesforce 开源语音转写模型 SOV-Transcribe-1：能听懂邮箱和电话号码，开源榜第一

   Salesforce 发布开放权重语音转写模型 SOV-Transcribe-1，CEO Benioff 称其在 Artificial Analysis 语音转文字榜上位列开源模型第一、总榜第七，擅长识别邮箱、电话号码和网址，能应对口音和嘈杂环境，并支持针对人名和行业术语的上下文偏置。

   展开完整报道

   转写录音时最容易出错的，往往是邮箱地址、电话号码和专业术语，而这些恰恰是客服和销售场景最需要准确的信息。Salesforce 11 月 13 日发布的开放权重模型 SOV-Transcribe-1，主打的就是这些难点。

   Salesforce CEO Marc Benioff 介绍，这是一个“语音增强的语言模型”，专为转写打造：在邮箱、电话和网址上更准确，对口音和嘈杂音频更稳，可以针对人名和领域术语做上下文偏置，在 Artificial Analysis 的榜单上位列开源模型第一、总榜第七。Salesforce AI Research 则称，它要让智能体能听懂口音、嘈杂房间和专业词汇，把语音变成可执行的信息。

   据开发者 Cobus Greyling 梳理，它由 Whisper large-v3 音频编码器接上 Gemma 4 26B 混合专家解码器构成，总参数 26.6B、每个 token 激活 4.6B，词错率 2.28%；因为由语言模型输出转写，可以用指令要求逐字稿或整理稿。限制也很明确：只支持批处理、不支持流式，适合通话录音和会议而非实时语音助手；目前覆盖 7 种欧洲语言，检查点约 53GB，需要自备 GPU，采用 Apache 2.0 许可，音频可以完全不出企业内网。

9. 09

   强模型定计划、快模型干活：谷歌 Antigravity 上线 Orchestrator，称省 24% 额度

   谷歌向 AI Ultra 订阅用户推出 Antigravity 的 Orchestrator 功能，一个会话里可同时调用多个模型：由 Gemini 4 Carbon 制定计划，把改代码和测试交给 Hydrogen，遇阻时再回来修正计划。官方称在 Terminal-Bench 4.0 上接近 Carbon 单独完成的成功率，额度消耗少 24%、平均快 19%。

   展开完整报道

   用最强的模型从头干到尾，效果好但费额度；全用便宜模型，又容易在复杂任务上翻车。谷歌 11 月 12 日给出的折中方案，是让两个模型分工。

   谷歌宣布，向 Google AI Ultra 订阅用户推出编程智能体工具 Antigravity 中的 Orchestrator 功能，允许在同一个会话里运行多个模型，而不是把整个任务交给单一模型。具体做法是把前沿模型和快速执行模型配对：Gemini 4 Carbon 负责制定计划，把代码修改和测试交给新发布的 Gemini 4 Hydrogen，执行受阻时 Carbon 再介入修正计划。

   官方称，在 Terminal-Bench 4.0 上，这种组合的任务成功率接近 Carbon 单独完成的水平，同时额度消耗平均减少 24%、完成速度平均快 19%。上述数据来自谷歌自测，目前仅面向 Ultra 订阅用户。

10. 10

    让编程智能体自己掏钱买算力：Lightning Labs 开源 pi402，用比特币按 token 付推理费

    比特币闪电网络开发商 Lightning Labs 发布开源工具 pi402，作为 Pi 编程智能体的扩展，智能体遇到 HTTP 402 付费要求时用内置钱包通过闪电网络即时付款，无需注册账号、API Key 或信用卡。卖方可自建网关，按上游实际用量计费。

    展开完整报道

    AI 智能体越来越能干活，但给它“开户、绑卡、发 API Key”仍然要人来做。Lightning Labs 11 月 12 日发布的 pi402，尝试让智能体自己付推理费。

    按官网介绍，pi402 是开源编程智能体 Pi 的一个扩展。当模型调用返回 HTTP 402（需要付费）时，智能体自带的钱包通过比特币闪电网络支付，请求随即放行；付款几秒内最终结算，不需要账户、买方 API Key 或银行卡。买方只持有比特币，模型密钥由卖方的网关在服务器端注入。用户可以设定单次请求上限和每日花费上限，超出预算前不会付款。

    卖方一侧，任何兼容 OpenAI 接口的模型都可以接在 Lightning Labs 的 Aperture 网关和计量服务后面：先按“包”预付一批 token，再按上游实际报告的用量逐次扣减。官网示例按每个输入 token 1 毫聪、输出 token 2 毫聪计价，按撰写时汇率约合每百万 token 0.79 / 1.57 美元。Lightning Labs 的理由是：推理消耗不可撤回，而信用卡支付可以在 60–120 天内被拒付，对卖算力的一方风险很大。pi402 目前没有官方托管端点，需要自行部署。

11. 11

    全球百强未上市 AI 公司合计估值 3.6 万亿美元：Bessemer 首份 AI 100 榜单出炉

    风投机构 Bessemer 与 Newcomer Media 发布首份 AI 100 榜单，评选全球 100 家顶尖未上市 AI 公司。Bessemer 称上榜公司合计估值 3.6 万亿美元，比 2025 年 Cloud 100 高 219%，平均年收入增速 480%，平均收入倍数 57 倍创纪录。

    展开完整报道

    AI 创业公司的估值到底高到什么程度？风投机构 Bessemer Venture Partners 与科技媒体 Newcomer Media 11 月 12 日给出了一组数字：首份 AI 100 榜单，评选全球 100 家顶尖未上市 AI 公司。

    Bessemer 介绍，评选维度包括市场地位、估算估值、运营指标以及团队与文化，覆盖基础模型、AI 基础设施到机器人等领域。按其公布的数据，上榜公司合计估值 3.6 万亿美元，比 2025 年 Cloud 100 榜单高 219%；平均年度经常性收入（ARR）同比增长 480%；平均估值为 ARR 的 57 倍，创下纪录；不到 10% 的公司占了整份榜单 55% 的价值。

    这组数字一方面说明头部 AI 公司收入增长确实很快，另一方面 57 倍的平均收入倍数也意味着市场对未来增长有很高预期，价值高度集中在少数公司身上。需要注意，榜单中的估值多为估算值，由 Bessemer 与合作媒体评定。

12. 12

    让 AI 替你下单付款：OpenAI 推出 ChatGPT Wallet，智能体拿不到真实卡号，每笔都要刷脸确认

    OpenAI 推出 ChatGPT Wallet，让 ChatGPT 的 dots 智能体代用户完成购物付款。它与美国运通、万事达、Visa 合作，用支付令牌代替真实卡号，每笔购买都需要 Face ID 或指纹等安全验证。首批仅向美国 18 岁以上的 ChatGPT Pro 用户开放。

    展开完整报道

    AI 智能体帮你比价、挑商品已经不新鲜，真正卡住的是最后一步：付钱。OpenAI 11 月 13 日推出的 ChatGPT Wallet，就是想把这一步交给智能体，同时不让它碰到你的真实银行卡信息。

    按 OpenAI 的介绍，用户只需绑定一次银行卡。每次购买前，用户会看到商品、总价和所选卡片，再用 Face ID 或指纹等安全验证批准。批准后，由支付网络生成一组替代真实卡号的支付令牌（包含卡号、安全码和有效期），商家和智能体都拿不到用户的真实卡片信息。OpenAI 称用户仍保留原有的信用卡积分和符合条件的争议保护，退换货和售后则由用户直接与商家处理。

    该功能与美国运通、万事达和 Visa 合作打造，首先在 ChatGPT 的 dots 智能体中推出，初期只面向美国 18 岁以上、持有符合条件的美国发行银行卡的 ChatGPT Pro 订阅用户。OpenAI 也坦言，目前一些网站可能会误拦智能体发起的购买，风控系统也可能把合法订单当成可疑交易拒绝，因此同时发布了一份面向商家的指南，并与 Stripe、Adyen 等支付服务商及多家反欺诈公司合作。

    OpenAI 还表示，未来希望让用户设置消费上限、商品类别或时间段，预先授权智能体在范围内自行下单。但就目前而言，每一笔购买仍需要用户亲自确认。

13. 13

    据《财富》报道：OpenAI 解散独立机器人团队，公司称是为了让通用模型直接驱动机器人

    据《财富》独家报道，OpenAI 解散了独立的机器人团队：研究人员并入首席研究官 Mark Chen 领导的主研究团队，应用机器人和硬件团队并入总裁 Greg Brockman 负责的 Applied 部门。OpenAI 回应称这是加速而非放弃机器人业务，人形机器人仍计划 2027 年首次公开演示。

    展开完整报道

    OpenAI 的机器人团队又一次“消失”了，但这次公司给出的解释是：通用大模型已经能直接控制机器人，不再需要一个单独的团队。

    据《财富》11 月 13 日的独家报道，OpenAI 已解散独立的机器人团队，并在《财富》询问时确认了这次重组。机器人研究人员被并入首席研究官 Mark Chen 领导的主研究团队，应用机器人和硬件团队则并入总裁 Greg Brockman 负责的 Applied 部门。OpenAI 发言人称，机器人仍是公司长期愿景的核心，这次调整是为了加快进展，而不是撤退。报道还提到，OpenAI 原本在本周举行的机器人学术会议 CoRL 上登记了展位，但记者到场时展位空无一人。

    这已不是 OpenAI 第一次调整机器人业务。它早年设有机器人团队，2020 年因机器人数据有限等原因关停；2024 年重建团队并与 Figure 合作，该合作在 2025 年 2 月结束。OpenAI 此前表示正在研发自己的人形机器人，CEO Sam Altman 的目标是 2027 年首次公开演示。

    据《财富》报道，OpenAI 研究人员年初还认为，机器人方向最好借助 Sora 这类视频模型推进，但后来发现 GPT-6 Astra 等通用模型接上机器人后表现出人意料。卡内基梅隆大学助理教授 Guanya Shi 对《财富》表示，这可以理解为 OpenAI 不再把机器人视为“特殊问题”，而是通用智能的下游应用。社交媒体上则有人将其解读为看空信号。

14. 14

    DeepSeek App 的联网搜索、读文件、语音能力全部开放 API：开发者可以直接“复刻”一个 DeepSeek App

    DeepSeek 把 App 背后的联网搜索、深度思考搜索、文件解析、网址读取和安全检查等能力开放到 API，由 deepseek-flash（V4.1-Flash）在服务端处理工具调用；OCR、ASR、TTS 等也可单独调用。扩展能力在 token 费用外另收工具费，面向公众的应用必须开启安全检查。

    展开完整报道

    以前开发者调用 DeepSeek API，拿到的基本只是一个“裸模型”，联网搜索、读文件这些 App 里的功能得自己搭。11 月 13 日起，DeepSeek 把这些能力一并开放了。

    据 DeepSeek 官方公告，deepseek-flash（目前由 V4.1-Flash 提供）在 Messages、Responses 和 Chat Completions 三种接口中都支持这些内置能力，工具调用和上下文拼接在服务端完成：网页和图片搜索（非思考模式下带引用）、在多步推理中边搜边读的“深度思考搜索”、解析 PDF、Office 文档和图片等文件、自动读取用户消息中的链接，以及对输入输出做安全筛查。搜索、网页抓取、OCR、语音识别（ASR）和语音合成（TTS）也可以作为独立 API 调用。

    官方还开源了一个前端演示项目，支持导入 DeepSeek 对话记录，用来展示如何在自己的应用里“复刻”完整的 DeepSeek App。计费方面，这些扩展能力在常规 token 费用之外另收工具使用费。DeepSeek 要求面向公众的应用必须开启安全检查，并强调内容审核、模型备案和 AI 生成内容标识等责任仍由开发者承担。

    对中小开发者来说，这意味着做一个带联网和文件问答的 AI 助手，门槛又降了一截；但工具费会如何影响总成本，还要看具体用量。

15. 15

    AI 安全评测怎么做才靠谱？Anthropic 给出 10 条建议，承认已暂停许多联网评测

    Anthropic 在工程博客发布构建 AI 安全评测的 10 条建议，借鉴心理学等领域的“可重复性改革”，涵盖组建跨学科团队、在断网沙箱中运行、预先登记分析方案、完整报告统计结果等。文中提到，受自身事故影响，公司已加固评测环境并暂停许多需要联网的评测。

    展开完整报道

    一个模型能不能上线、需要加哪些防护，很大程度取决于安全评测的结果。但评测本身如果设计得不好，分数再漂亮也说明不了问题。Anthropic 11 月 13 日在工程博客上给出了 10 条做安全评测的建议。

    文章借鉴了心理学等学科经历“可重复性危机”后的改革做法，比如事先登记假设和分析方案、改进测量方式、使用更严谨的统计。建议按流程分为几块：先组建同时有方法专家和领域专家（如心理学家、生物学家）的团队；设计时先想清楚要回答的问题，区分“观察型”评测（只说明模型 A 比 B 分高）和“因果型”评测（某项改动是否真的让模型更安全），并确保测到的确实是想测的东西；运行时保持内部有效性、预先登记；报告时完整披露统计信息、记录全部细节，并负责任地披露缺陷。

    值得注意的是“安全运行评测”一节。Anthropic 写道，安全评测常常会关掉常规防护来观察模型的基线表现，网络安全类评测中模型可能试探测试环境的边界，一旦逃出可能造成意外后果。因此评测应在无网络的沙箱中进行并实时监控。文中提到，针对公司自己发生过的事件，Anthropic 近几个月已加固评测环境、暂停了许多需要联网的评测，并为必须联网的搜索类评测加上了实时监控。

16. 16

    知名播客主持人 Dwarkesh Patel 改口：AI 横扫数学的速度，也会出现在 AI 研究上，超级智能或在 2030 年前到来

    科技播客主持人 Dwarkesh Patel 发表长文，称过去三个月大幅修正了判断：AI 在可验证领域进步极快，数学就是预演，AI 自动化 AI 研究可能把多年进展压缩到一年。他估计 AI 达到顶尖 AI 研究员水平的中位年份是 2028 年，但也给出 25% 的概率晚于 2032 年。

    展开完整报道

    今年早些时候，Dwarkesh Patel 还认为超级智能至少要再等大半个十年。11 月 13 日，这位以深度访谈 AI 研究者著称的播客主持人发表长文《席卷数学的雪崩正冲向 AI 研发》，坦言自己“在过去三个月里大幅更新了看法”。

    他的核心论证是：在答案可以检验、AI 能反复练习的领域，能力提升极快，数学就是预演。文中回顾，AI 从当年连算术都做不好，到解出奥赛题、开放的 Erdős 问题，再到他所说的“88 小时解决一道千禧年大奖难题”。他认为 AI 研究同样有大量可验证的环节，一旦 AI 在这些环节达到顶尖人类水平，自动化研究可能把大量进展压缩进一年。他还引用了 METR、OpenAI 和 Anthropic 公开的数据，说明 AI 已在加快前沿实验室的研发。

    他给出的具体判断是：在实验室不主动放慢的前提下，自动化研究员达到最顶尖人类 AI 研究员水平的中位年份是 2028 年；此后不久（2030 年前，最早可能明年）出现在各领域都不逊于顶尖专家的 AI。他也写明了不确定性：如果持续学习等能力迟迟无法解决，有 25% 的可能要到 2032 年之后。

    这篇文章在 X 上引发大量讨论。需要说明的是，这是个人预测和论证，并非研究结论，文中的时间表也有明确的前提条件。

17. 17

    多模态模型到底要不要视觉编码器？训练 200 多个模型后，研究者发现只有一件事真正重要

    Ellis Brown、Saining Xie、Luke Zettlemoyer 等研究者发表论文，从零训练 200 多个多模态模型做对照实验，发现预训练视觉编码器并非必需，真正关键的是给视觉保留专用参数；把这部分参数放进语言模型的前几层，效果与传统编码器相当，首个 token 还更快。

    展开完整报道

    多模态大模型该怎么“看”图片，各家做法很不一样：有的沿用 SigLIP 这类预训练视觉编码器，有的从零训练编码器，还有的干脆去掉编码器。由于各家模型的数据、架构和算力都不同，很难判断到底哪个选择起作用。

    Ellis Brown、Chris Hoang、Saining Xie、Luke Zettlemoyer、Lucas Beyer 等 12 位研究者 11 月 13 日发布的论文《Unbundling Multimodal Vision Encoding》试图拆开这个问题。他们把视觉编码器拆成三个选择：是否要上游预训练、是否要视觉专用的参数、这部分参数是否要放在语言模型之前，然后在相同数据、相同总算力下从零训练了 200 多个模型做对照。

    结论是：预训练并非必需，和语言模型一起从零训练的编码器，效果与预训练编码器相当；真正重要的是视觉专用参数，完全不用编码器的模型在视觉理解上始终落后，即使把编码器那部分参数加给语言模型也补不回来，作者称大约要多花 3 倍算力才能追上。但这些参数不一定要放在模型前面：在语言模型的前几层为图像 token 加上只处理视觉的分支，效果与传统编码器相当。按作者在 X 上的说明，在 0.4B 视觉参数规模下，首个 token 的响应时间还能快约 13%。

    对做多模态模型的团队来说，这给出了一个更简单的方向：视觉参数与主干一起训练、放在靠前位置。该结论来自论文作者的受控实验，具体效果仍有待更多模型验证。

18. 18

    电视声、暴雨声、几个人同时说话也能听清：Bland 推出电话语音模型 Tofu-1

    语音 AI 公司 Bland 推出全双工语音到语音模型 Tofu-1，主打嘈杂环境下的高风险电话：能区分不同说话人、把人声与背景噪音分开，说话时也能被随时打断。目前仅向少量企业开放研究预览，团队成员称明年 1 月全面开放，但不开源。

    展开完整报道

    电话客服 AI 在安静的演示里往往表现不错，真到车里、医院病房或信号很差的场景就容易出错。语音 AI 公司 Bland 11 月 13 日推出的 Tofu-1，就是冲着这类“最难打的电话”来的。

    按 Bland 官方介绍，Tofu-1 是一个全双工语音到语音模型，即直接听声音、出声音，并且能边听边说。它能分辨不同说话人、知道每个人在对谁说话，并把人声和背景噪音分开；通话中用户可以随时打断或纠正它；它还能边说边处理任务，官方称它“不会在任务完成前说已经完成”。Bland 发布的演示视频中，来电者、AI 和背景声音据称全部由 Tofu-1 生成，包括多人同时说话和环境音。

    目前 Tofu-1 只以研究预览形式向少量企业开放申请。Bland 团队成员 @zaygranet 在 X 上回复网友称，模型将在明年 1 月全面开放，但不会开源；他还表示团队对安全问题仍有“相当严肃的顾虑”，正在完成测试，并计划在 12 月初发布同一模型的一个较小蒸馏版本。也有网友对它过于像真人的声音表示担忧。

19. 19

    AI 同事什么时候该开口、什么时候该闭嘴？Deepnote 推出“主动性”基准，把 12 个模型扔进模拟公司的 Slack

    数据平台 Deepnote 发布 Agent Initiative Benchmark，把 12 个前沿模型放进一家拥有 6 年详细历史的虚构公司的 Slack，让它们面对 50 个真实工作情境，自行决定是否调查、是否发言。发布者称没人告诉智能体该看什么、何时说话，正确地保持沉默也能拿满分。

    展开完整报道

    大多数 AI 基准测的是“问了能不能答对”，而真正有用的 AI 同事还得知道什么时候该主动出手、什么时候别插嘴。数据平台 Deepnote 11 月 13 日发布的 Agent Initiative Benchmark，测的正是这种“主动性”。

    据 Deepnote 方面的 @jakubjurovych 在 X 上介绍，团队搭建了一家虚构公司，带有 6 年非常详细的历史：财务模型、客户关系记录、逾期账款等，并把 12 个前沿模型放进这家公司的 Slack 里。按开发者 @svpino 的转述，智能体可以访问 11 个服务里的记录，要面对 50 种不同情境。@jakubjurovych 在回复中说，没有人告诉智能体该看什么、什么时候说话；测试中还加入了大量干扰信息，并比较了在线程里回复、在频道发言还是私信哪种方式最好，“正确地保持沉默”也能拿满分。他还透露，这个想法来自他们自己公司里就在跑的一个这样的智能体。

    成本是讨论焦点之一。有网友根据榜单图表指出，GPT-6 Luna 每个任务约 0.007 美元、得分 6.38，Claude Fable 5.1 得分 7.50 但每个任务约 3.02 美元，认为对需要读每条消息的常驻智能体来说，成本差距很关键。这些数字来自网友对图表的转述，排名以 Deepnote 公布的结果为准。

20. 20

    谷歌 DeepMind 公开 WeatherNext 3 背后的两套基础数据集 PARDIG 和 SatWeave

    谷歌 DeepMind 宣布发布 PARDIG 和 SatWeave 两套数据集，它们是其天气预报模型 WeatherNext 3 的基础数据，DeepMind 希望帮助研究人员和开发者构建新的气候应用。

    展开完整报道

    天气预报准不准，首先取决于能把实时大气看得多清楚。谷歌 DeepMind 11 月 13 日宣布，公开发布 PARDIG 和 SatWeave 两套数据集，它们是其 AI 天气预报模型 WeatherNext 3 背后的基础数据。

    DeepMind 表示，发布这些数据是为了帮助研究人员和开发者构建新的气候应用。对做天气和气候 AI 的团队来说，训练数据往往比模型结构更难获得，大公司公开自家模型所用的基础数据集，能降低复现和改进的门槛。数据集的具体规模、覆盖范围和使用许可，以 DeepMind 公布的详细说明为准。

21. 21

    Perplexity 的“AI 同事”上桌面：Teammates 登陆 Mac 应用，可分工做测试、客服和调研

    Perplexity 宣布 Teammates 功能上线 Mac 应用，面向 Max 订阅用户。Teammates 可以单独工作，也能与其他 Teammates 协作，承担质量测试、客服、调研和增长营销等工作。

    展开完整报道

    Perplexity 11 月 13 日宣布，Teammates 功能已在其 Mac 应用中上线，目前面向 Max 订阅用户。

    按官方说法，Teammates 是替用户接手工作的 AI 智能体，可以单独工作，也可以与其他 Teammates 协作，覆盖质量测试（QA）、客户服务、调研和增长营销等任务。这意味着用户不必在浏览器里操作，也能在桌面端把一些重复性工作交给多个分工的智能体。该功能目前仅限 Max 这一高价档位，普通订阅用户暂时用不上。