11月10日:Anthropic 双模型同发,千余智能体八天拼出可启动操作系统
✔事件:Anthropic 于 11 月 10 日同日推出 Claude Fable 5.2 与 Mythos 5.2,官方把升级范围列为编码、推理、科研、网络安全与机器人五类,同时把输出速度上限提高约 30%、单位成本压低约 20%。公司给出的多项对照中,Fable 5.2 在智能体编码基准 FrontierCode 2.0 得到 49.1%,高于 GPT-6 Astra 的 42.8%、Gemini 4 Carbon 的 41.1% 以及自家 Opus 5.5 的 45.5%;多学科推理 Humanity's Last Exam 为 74.2%,对照的 Astra 为 57.2%;科学视觉推理 VIALS-AA 取得 67%,略高于 Gemini 的 64% 与 Astra 的 63%。与 OpenAI 减少工具依赖的路径不同,这套模型能力越强越倾向调用外部工具。最受关注的一项演示是长程协作:系统调度逾 1000 个智能体,连续工作 8 天,从零构建出一套能够启动的操作系统,设备驱动、文件存储、窗口系统与安装程序齐备。在 3D 体验构建榜 AA-3D 上,其 Elo 为 1271 分,比 Sonnet 5.5 与 Opus 5.5 各高 67 分,官方称置信区间与对照模型不重叠,领先已超出误差范围。
✔影响:这轮发布把竞争焦点从单轮答题挪到了长时程的工程组织能力。1000 个智能体、8 天、可启动的操作系统,哪怕只是受控演示,也说明模型开始被当作可调度的工程团队而非单个助手,软件生产的组织方式会先受影响:任务拆解、中间产物的版本管理、失败回滚与验收标准,将取代提示词写法成为核心工程问题。工具调用随能力上升而增加,对产业链的含义与"让模型自己算完"相反——编译器、测试环境、检索与外部数据源的价值被放大,围绕工具接口的一层会更拥挤。成本降 20%、速度升 30% 与能力领先同时出现,也会压低同类闭源模型的定价空间,采购方在续约时多了一个可量化的参照。需要谨慎的是,多项基准由 Anthropic 自行选定并公布,"置信区间不重叠"同样出自单方口径,跨厂商横向比较还缺第三方复现;AA-3D 的 Elo 差距在真实项目里能兑换成多少产能,目前没有数据。
11月10日:谷歌开放 Gemini 4 Carbon,网安与科研成主要落点
✔事件:谷歌 11 月 10 日起向付费开发者开放 Gemini 4 Carbon,通过 Gemini API 与 AI Studio 提供,企业客户与 AI Ultra 订户后续还可在 Antigravity、Gemini 应用以及搜索的 AI 模式中使用。官方把它定位为迄今推理能力最强的版本,主攻复杂软件工程、多步骤智能体任务、科研与网络安全。与同门 Gemini 4 Argon 相比,Carbon 在难题上愿意消耗更多推理 Token 用于假设探索、结果复核与边界检查,因此更适合多步编码、复杂调试和开放式研究。上下文窗口为 104 万 Token,常规输出上限 6.5 万,Long Decode 模式可扩展到 104 万,推理强度提供三档供调用方选择。安全侧给出的数字最突出:SEC-bench Pro 漏洞发现率 88.2%、CWE-bench 修复率 71.0%,Wiz 团队借助它在不到两小时内定位出一处零日漏洞。科研侧,CASP17 盲测的 7 个低同源蛋白家族中,检索到的同源序列平均增加 40 倍。Gray Swan 注入基准上攻击成功率为 0%,比 Argon 又加固一层。
✔影响:推理强度做成可调档位,是比分数更值得注意的产品决定。它把"这道题值多少算力"交给调用方,企业可以按任务价值分配成本,模型厂商的竞争也从单一最强分数转向单位成本下的效果曲线。网安与科研被放在发布材料的中心,说明谷歌正在把通用推理能力导向有明确付费方、结果可验证的垂直场景,而非继续比拼通用助手体验。漏洞发现 88.2% 与两小时内定位零日漏洞,若可复现,会把安全审计的常规人力配置往下压一档,同时把攻防双方的时间窗口进一步缩短,开源基础设施的维护者首当其冲。对全球产业,104 万 Token 上下文与三档推理的组合会让长文档分析、代码库级理解这类应用的成本结构重算。但 SEC-bench Pro、CWE-bench 与 CASP17 的测试条件、对照版本及失败案例均未完整披露,Wiz 的案例属于单一合作方叙述,不宜直接换算成普遍能力。
11月10日:Meta 推出 Muse Ember,专攻智能体高频子任务
✔事件:Meta Superintelligence Labs 于 11 月 10 日发布 Muse 品牌下第四款模型 Muse Ember,也是该系列迄今体量最小的高效多模态推理型号,设计目标不是攻克难题,而是承接智能体日常运转中反复出现的小任务。Meta 现有的产品分工由此补齐:旗舰 Muse Wonder 承担最复杂的规划,Muse Spark 处理常规编码与智能体流程,Ember 则集中在规模化重复的编码子步骤、工具调用、路由判断、信息抽取与长文档解析。上下文窗口给到 100 万 Token,一次调用可装入完整代码库或整批文档;最大输出长度为 51.2 万 Token,官方称达到同类竞品的四倍。把这几项放在一起看,Ember 更接近智能体流水线里的固定工位:不负责判断方向,只负责把大量、琐碎、需要频繁调用的环节以更低成本跑完,让贵模型只处理真正需要推理的那部分。
✔影响:模型分层在三家头部公司同日形成共识,这比任何单点分数更能说明产业阶段。Anthropic 展示千智能体长程协作、谷歌把推理强度做成档位、Meta 直接切出高频子任务专用型号,三者指向同一件事:智能体的成本大头已经不在主模型的单次推理,而在被反复调用的工具、路由与解析环节。对做 Agent 平台的团队,把这类调用从旗舰模型里剥离出来,是当下最确定的降本路径;对模型厂商,则意味着"一个模型通吃"的产品叙事让位于组合报价,采购方会按任务类型分别选型。100 万 Token 输入配 51.2 万输出,也让长文档批处理不再需要复杂的切分与拼接工程。风险在调度本身:路由判断一旦出错,省下的成本会被返工吃掉,而 Meta 尚未给出不同任务类型下的路由准确率与错分代价,这部分只能由使用方自行实测。
11月12日:黄仁勋卸任英伟达总裁、首席执行官及董事
✔事件:11 月 12 日,英伟达发布正式公告,宣布黄仁勋卸任公司总裁、首席执行官与董事职务,三个身份同时交出,而非仅移交日常经营职责。自 1993 年创办公司算起,他执掌英伟达 33 年,个人形象与品牌几乎重合,从图形处理器到加速计算、再到这一轮人工智能基础设施需求,公司几轮关键转向都由他直接主导。消息公布后迅速引发全球科技界关注,并带来股价波动。
✔影响:这件事的分量不在人事本身,而在它碰到了 AI 产业链最集中的单点依赖。过去两年,GPU 供给节奏、CUDA 生态的开放程度、对模型公司的投资安排,很大程度系于同一套决策逻辑;换人意味着这套逻辑的连续性需要重新被验证。对云厂商与大模型公司,采购与产能规划通常以数年为期,最怕的不是涨价而是路线变化,因此接任者是否延续现有供货与生态策略,会比季度财报更受关注。对竞争对手与国产算力厂商,领导层更替期通常被视为窗口,但英伟达的护城河已在软件栈与供应链,短期份额不易松动。放在本周看,它与 Anthropic 创纪录的 IPO 认购同时出现,构成一组对照:一边是资本对 AI 给出极高定价,一边是产业核心公司进入治理交接,估值锚会从技术领先部分转向治理稳定性与资本耐力。
11月12日:Runway 开源世界动作模型 Praxis-1,权重与微调代码全放
✔事件:Runway 于 11 月 12 日宣布把旗舰世界动作模型 Praxis-1 面向全球开发者与研究者开源,采用 Apache 2.0 许可,一并放出全部权重、推理代码与微调代码,明确允许商业使用。该模型为 270 亿参数的混合专家扩散 Transformer,核心设计是在一次推理里同时预测视频画面与动作指令,而不是先生成画面再另接一层控制策略。开源前,Runway 已与 Noble Machines、Standard Bots、Ultra 等硬件方合作,在足式人形机器人、六轴工业机械臂和双臂仓储机器人上完成跑通。在 NVIDIA 的 RoboLab-120 基准上,1200 个评测回合的整体成功率为 46.2%,高于 FLUX3Action 的 42.9%、Cosmos3Nano 的 36.8% 与 π0.5 的 28.0%,居世界动作模型首位。泛化测试中,用从未进入预训练数据的 Google RT-1 机器人做轻度微调后,SimplerEnv 模拟环境成功率升至 80.0%,显著高于 RT-1 原始策略的 52.4%。
✔影响:Apache 2.0 加上权重与微调代码全开,把世界动作模型从少数实验室的专有资产变成可自行部署的基础件,商业使用不受限制这一条尤其关键。对机器人本体厂商,过去要自建数据闭环与动作模型,现在可以先在开源权重上做本体适配,研发投入门槛与试错周期都会下降;对做具身数据的公司,压力则相反——当模型能通过轻度微调迁移到未见过的本体,稀缺性就从"谁攒的单一本体轨迹多"转向"谁的跨本体数据更能支撑可迁移表示"。80.0% 对 52.4% 的差距如果可复现,数据采集的组织方式需要重估。更值得注意的是与 OpenAI 同期收缩机器人团队形成的分叉:同样判断通用模型应统一处理物理交互,Runway 选择把动作预测能力开放给生态,OpenAI 选择把它收回通用训练体系,两条路线会决定未来几年具身智能的价值落在模型层还是本体与数据层。
11月12日:谷歌发布 Gemini 4 Hydrogen,速度与终端操作能力大幅跃升
✔事件:谷歌在当地时间 11 月 12 日推出 Gemini 4 Hydrogen,定位面向开发者与日常用户的新一代主力型号,官方把改进集中在响应速度、编程与智能体任务三处。对照上一代 Gemini 3.8 Flash,新模型在默认高推理档位下的任务完成速度约为前代的 2.5 倍;在 Terminal-Bench 4.1 测试中,得分从 18.2% 提高到 57%,终端操作与代码任务提升幅度最大;实际运行中的虚构陈述也明显减少。与两天前开放的 Gemini 4 Carbon 相比,Hydrogen 并不追求在开放式难题上投入更多推理 Token,而是把同一模型家族拆成"高强度慢推理"与"日常高频快速响应"两种用法。公开信息中未列出定价、上下文规格与完整基准对照,性能描述主要围绕速度、编程与幻觉三项展开,也未说明两款型号之间的调用分流规则。
✔影响:同一家族两天内连发两款且明确分工,说明大模型的竞争单位已经从"一个最强型号"变成"覆盖不同成本位的产品线"。2.5 倍速度与编程得分从 18.2% 到 57%,直接受益的是把模型嵌进持续集成、终端辅助、客服与批量处理这类高频调用的客户:单位时间可完成的任务数变了,按调用次数计费的账单结构也跟着变。幻觉减少虽然没有量化口径,却是主力型号能否进入生产环境的关键前提,比榜单名次更影响采购决定。对全球产业,这种分层会挤压中间档位厂商的生存空间——上有旗舰推理、下有低价高速型号,缺乏生态或渠道的通用模型很难只靠分数找位置。需要留意的是,与 Carbon 的关系在公开信息里只体现为定位差异,是否存在能力重叠、调用方该如何分流仍缺少可操作的选型依据;2.5 倍速度也需明确测试任务集与硬件条件。
11月13日:Anthropic IPO 获约六倍认购,合计规模或创历史纪录
✔事件:11 月 13 日,据知情人士透露,Anthropic 首次公开发行已吸引相当于可认购股份约六倍的资金,市场热度在定价前继续升温。招股文件显示,公司连同联合创始人计划通过 IPO 最多募集 644 亿美元,另有一笔 260 亿美元的非公开配售同步推进;两项合并最高可达 904 亿美元,若按此完成,将超过 SpaceX 此前的上市交易,成为规模最大的一次上市。在关于 AI 投资热度是否退潮的争论持续数月之后,超额认购给出了来自资金端的直接回应。需要说明的是,六倍认购与最终发行规模都来自消息人士与招股文件的阶段性口径,超额倍数通常随簿记过程变化,最终定价、配售比例与是否行使超额配售权均可能影响 904 亿美元这一上限,目前尚不能视为已确定的成交结果。
✔影响:这一轮认购的意义超出单家公司融资。它是对"AI 资本开支能否被公开市场承接"的一次实测:过去两年模型公司的资金主要来自少数科技巨头与私募轮,定价不透明、也不接受日常二级市场检验;一旦以近千亿美元量级进入公开市场,估值方法、收入质量与算力支出的会计处理都会被放到季度披露里逐项核对。对同行,这会重新抬高一级市场对头部模型公司的参照系,融资窗口短期打开;对产业链上游,募资规模直接关联后续算力采购与数据中心合约,是判断需求延续性的一个硬指标。同样值得警惕的是,超额认购衡量的是发行时的资金追逐程度,不是盈利能力,把六倍认购读成"AI 投资热潮没有退潮"为时过早——就在此前一周,AI 相关资产刚因政策预期经历一轮集中重定价,两种信号并存本身说明定价分歧很大。
11月13日:OpenAI 解散独立机器人团队,物理交互回归通用模型体系
✔事件:11 月 13 日,据外媒报道,OpenAI 已撤销独立建制的机器人团队,原有成员并入常规模型训练体系。内部判断是:机器人并不构成需要单独组织的能力方向,只是通用模型所面对的一类垂直任务,所需的感知、规划与物理交互智能应当在统一的基础模型框架内解决。截至报道发出,OpenAI 官方未对消息作出确认,也未披露调整涉及的人数、时间与后续项目安排。这并非该公司第一次改动机器人路线:2019 年,用机械手复原魔方的 Dactyl 项目曾广受关注;2020 年 10 月,公司解散过一次机器人团队,联合创始人 Wojciech Zaremba 在 2021 年解释称,物理交互数据难以规模化,资源因此转向大模型。此后数年间,OpenAI 的取向被概括为"只做大脑,不做身体"。
✔影响:把机器人团队收编进通用训练体系,本质上是在下注数据问题的解法:如果物理交互能力可以从视频、仿真与跨模态数据中自然长出来,那么单独攒真实机器人轨迹就不再是必要条件;如果长不出来,这次调整会推迟能力落地。这个判断与 Runway 同期开源世界动作模型恰好构成两种答案——Runway 把动作预测做成独立可部署的模型层并交给生态适配本体,OpenAI 则取消独立层级。对具身智能产业,头部公司是否亲自下场做本体与数据闭环,直接决定上游数采、遥操作设备与仿真平台的市场规模;再次退出,短期会把这部分需求更多留给硬件厂与专业数据公司。对研究人员与投资人,"官方未确认"是必须保留的前提:目前所有解读都建立在单一媒体报道上,不宜据此推断长期路线或把它写成确定的战略转向。
11月13日:Edge0 开源 145B 模型,把前沿规模能力压进个人电脑
✔事件:开源项目 Edge0 于 11 月 13 日放出 Edge0-145B 与 Edge0-120B 两款权重,同时提供统一的推理框架与部署工具,把权重、运行时与部署环节一并交付,使用方不必自行拼装。项目方宣称 Edge0-145B 是首个能在个人电脑上顺畅运行的 1450 亿参数开源模型。官方给出的实测环境包括搭载苹果 M 系列芯片的 MacBook Pro,以及配备 RTX 4090、5090 的 Windows 机器:峰值内存占用约 29GB,提示词预处理超过 1100 Token/秒,解码生成超过 80 Token/秒,典型功耗控制在 120W 上下,上下文支持 128K 至 256K。能力方面,六项基准平均 72.8,其中 DeepSWE 1.1 得 64.6、Terminal-Bench 2.1 得 86.52、指令遵循 IFBench 得 80.6、GPQA-Diamond 得 90.4。项目方称这些成绩已把接近云端前沿水平的编程、推理与智能体能力带到本地笔记本,且推理过程无需把数据送出设备。
✔影响:29GB 内存与 120W 功耗,把"数据不出本机"从合规口号变成可采购的工程选项。对金融、医疗、法律、研发代码这类涉密或受监管场景,此前在私有化部署与模型能力之间必须二选一,现在前沿规模的参数量首次落进单台工作站的预算里,架构假设需要重写。对云端推理服务商,高频、长上下文、隐私敏感的负载会被进一步抽走,剩下的收入更依赖确实需要集群的任务;对芯片与整机厂商,本地大模型的内存带宽需求会传导到消费级与工作站产品线上。更长远的影响在开源生态:权重、推理框架与部署工具一起交付,降低了自行微调与行为审计的门槛。不过"比肩云端前沿"缺乏同口径对照,29GB 占用通常依赖量化,精度损失、实测机型与散热条件都未完整披露,80 Token/秒的体验也需按具体任务判断。
11月13日:MiniMax 开源 H3Image,原生 4K 图像模型登开放权重榜首
✔事件:MiniMax 于 11 月 13 日开源原生 4K 直出图像模型 MiniMax H3Image,发布后登上开放权重图像模型榜单首位。官方把优势归在速度与画质两处:生成耗时压缩到 10 秒量级,可直接输出 4K 图像,省去先出低分辨率再放大的常规步骤;多图参考最多支持 16 张,用于复杂场景下的风格迁移与细节控制。能力覆盖上,模型在真实感渲染、画面内文字生成、人脸一致性保持、图生图二次创作、物理结构理解以及复杂指令遵循几个方向都有针对性表现,官方称可同时满足日常创意使用与专业商业生产。与近期主流的闭源图像服务相比,这次交付的是可直接下载的权重,意味着使用方能够自行部署、微调并集成进内部生产流程,而不受按次调用与接口范围的限制。
✔影响:原生 4K 直出与 10 秒级生成放在一起,改变的是商业图像生产的成本结构。广告、电商、游戏素材这类对分辨率和返工次数都敏感的场景,过去要么依赖闭源 API 按张付费,要么在开源模型上外接超分链路,现在可以在自有算力上一次完成,批量任务的边际成本明显下降。16 张参考图则把控制粒度从提示词推向参考样本,对需要保持品牌视觉与人物一致性的连续产出更实用。以开放权重形式登顶,会继续压缩闭源图像服务的溢价空间,也让"能不能本地部署、能不能微调"成为选型中的硬条件。需要留意的是,榜首来自单一开放权重榜单,评测维度与参评模型范围未完整公开;文字生成、人脸保持等能力在批量生产中的稳定性,以及生成内容的版权与合规边界,都还需实际检验。
小结
一条主线:能力向两端扩张,产业权力同步重排。
本周最值得记住的不是某个模型又刷新了榜单,而是能力扩张方向与权力更替同时发生。一端往上:Anthropic 用千余智能体连续 8 天拼出可启动的操作系统,谷歌把 104 万 Token 上下文与三档推理强度交给调用方,模型开始被当作可编排的工程组织。另一端往下:Meta 切出专做重复子任务的小型号,Edge0 把 145B 参数压进 29GB 内存的笔记本,高频调用正在离开云端。夹在中间的通用型产品被两头挤压。与此同时,Anthropic 创纪录的 IPO 认购、黄仁勋卸任、OpenAI 二度撤掉机器人团队,三件事都不涉及技术突破,却都在重排谁掌握资源、谁决定路线、价值最终落在哪一层。
三条结构性趋势
[1]竞争计量单位从单轮分数变为长时程任务加成本曲线。 1000 智能体 8 天、推理强度分档、速度 2.5 倍、成本降 20%,评价口径转向单位时间能交付多少可用产物。榜单分数仍在发布,但已不足以说明采购价值。
[2]产品线分层成为头部标配,中间档位被抽空。 旗舰推理(Carbon / Fable)、高频主力(Hydrogen)、重复子任务专用(Ember)各占一个成本位,再加端侧本地(Edge0)。"一个模型通吃"不再成立,按任务类型分别选型会成为企业采购的常规动作。
[3]具身智能出现路线分叉,价值落点未定。 Runway 把动作预测开源成独立模型层,OpenAI 把机器人收回通用训练体系。对同一个判断给出两种组织答案,直接决定数采、仿真与本体适配环节由谁投入、由谁收钱。
五点启示
✔Agent 平台先做任务分流,再做模型选型。把工具调用、路由、长文档解析从旗舰模型里剥出来交给小型号,是本周最确定的降本动作;同时把路由错分带来的返工成本算进去。
✔涉密与受监管场景重新评估本地部署。29GB / 120W 意味着数据不出本机的前沿能力已进入可采购区间,但要把量化精度损失与实测机型列入验收条件。
✔具身数据业务调整资产重心。跨本体微调能把 SimplerEnv 成功率从 52.4% 拉到 80.0%,单一本体大规模堆轨迹的稀缺性下降,跨形态可迁移的表示与标注质量更值钱。
✔算力采购与投资判断把治理变量纳入。黄仁勋卸任后的战略连续性、Anthropic 定价之后的资本开支,都比季度榜单更能影响未来数年的供给合同。
✔选型别只看自报基准。要求厂商提供测试条件、对照版本、失败案例与置信区间;长程任务优先看完成率与回滚机制,而不是 Elo 或单项分数。
往期回顾:
1. 产业观澜 | 2026(11.02-11.08)全球AI与数据领域十大事件
2. 产业观澜 | 2026(10.26-11.01)全球AI与数据领域十大事件
3. 产业观澜 | 2026(10.19-10.25)全球AI与数据领域十大事件
4. 产业观澜 | 2026(10.12-10.18)全球AI与数据领域十大事件
5. 产业观澜 | 2026(09.28-10.11)全球AI与数据领域十大事件
本文由公众号原创 · 转载请注明出处

