📰 AI洞察日报

2026年11月5日 · 星期四
👁 阅读量加载中…
🏆 头条

Anthropic 开源 FlashProve:zkSNARK 让「模型推理可证明」逼近实用

Anthropic 发布可验证推理系统 FlashProve:模型提供方可对模型权重做承诺,再用 zkSNARK 证明每条回复确实由该模型生成。对 400B 参数的 Llama 4 Maverick(4-bit 量化),单张 H100 证明速度约 110 token/秒,每 1024 token 请求证明体积约 19MB,比模型自身推理慢约 70-95 倍,但比此前开源系统快多个数量级。核心安全声明附带 Lean 形式化证明,代码、证明与文档以 Apache 2.0 开源。

📰 今日动态
1

Gemini 4 Carbon 登顶 17 项基准,Alphabet 市值反而一夜蒸发数千亿美元

谷歌在 Gemini 4 Argon 发布两周后推出专项增强版 Carbon:AA 智能指数 58 分反超 Claude Opus 5.5 与 GPT-6 Astra,SWE-sweep 从 4.3% 翻倍至 9.6%,Terminal-Bench 提升 8.1 个百分点达 65.2%,GraphWalks 得分 96.2%。但 AA-Omniscience 子集幻觉率从 4% 升至 11%,叠加 Q3 财报,Alphabet 盘后一度大跌约 10%,市值蒸发 3000-4000 亿美元。CEO 皮查伊透露内部新增代码约 75% 由 AI 生成,代码回滚率下降三分之一。

2

腾讯混元新一代旗舰 Hy4 上线:770B MoE、Gated DSA 稀疏注意力

腾讯混元 Hy4 正式页与 GitHub 仓库同步上线。其 preview 版为 770B 总参数、每 token 激活 49B 的 MoE:78 层主干中 77 层为 MoE,每层 256 个路由专家+1 个共享专家、top-8 激活;注意力侧采用 Gated DeepSeek Sparse Attention 并引入 IndexCache 跨层复用稀疏索引,残差侧用 iHC 扩展层间通路,另内置 10B 激活 0.7B 的 MTP 层支持投机解码。实测显示其可操作微信、做 3D 建模,定价对标 DeepSeek,昇腾生态已联动。

3

CUDA 13.5 发布:Vera Rubin 支持进入正式可用(GA)

NVIDIA CUDA 13.5 将 Vera Rubin 平台支持从早期开发者访问升级为正式生产可用,Windows on Arm 支持扩展到 DGX Station。新版本引入 locality domain 细粒度 SM 分区(可用 discovery mode 获取各分区 SM 数并在统一性与满利用率间选择)、MPS v3 加权时间片与 SM 分区负载均衡(支持借出/借入 SM),并改进库、编译器、CUDA Tile 与开发工具链。数据中心 GPU 调度与多租户推理部署的工程选项明显增多。

4

OpenAI 将 Daybreak Red(GPT-5.6 Cyber)带入 AWS GovCloud

OpenAI 宣布 Daybreak Red 在 AWS GovCloud(US-East)区域上线,通过 Amazon Bedrock 向通过审批的客户提供 GPT-5.6 Cyber 模型,用于授权网络安全工作。这是 OpenAI 政府云布局的又一落点:安全攻防类模型进入美国政务云供应链,意味着「合规围栏内的进攻性安全能力」成为大模型厂商争夺的细分市场,也标志着 Bedrock 与 OpenAI 的分销合作延伸到高管制区域。

5

乌镇峰会发布智能体身份注册与解析平台,蚂蚁参与首批运行平台建设

11 月 4 日世界互联网大会乌镇峰会「智能体互信互联互操作」论坛上,智能体身份注册与解析平台发布,蚂蚁等参与首批运行平台建设。平台为智能体提供可验证的身份注册与解析入口,治理对象从「内容」转向「行为」——智能体开始代表用户感知、决策并执行操作。业界正推动从信息互联、服务互联走向智能体互联,身份与互操作底座成为关键基础设施。

6

RSI-Dojo:训练 LLM 智能体自动化 LLM 后训练流程

arXiv 新论文 RSI-Dojo 探索用 LLM 智能体自动化递归自我改进(RSI)中的后训练环节:构建训练环境与可验证奖励,让智能体在 Dojo 中学习执行数据构造、训练与评估等后训练任务,目标是让 AI 系统自主参与改进 AI 系统。论文给出任务分解与验证机制设计,是「AI 自动化 AI 研发」路线从概念走向系统化训练的又一实证。

7

DeepMind 展示 Antigravity 智能体化学信息学工作流,加速药物发现

Google DeepMind 发布 Agentic Cheminformatics 实践:用 Antigravity 智能体编排 Cheminformatics Skills,自动完成化合物搜索、性质计算与刚性大环分子设计等药物发现流程。智能体可调用 RDota 等化学工具链多步推理并给出可验证的分子候选,把原本需要人工串接的实验流程交给智能体编排。这是「领域智能体 + 专业工具技能」模式在垂直科学领域的代表性落地。

🛠 技术实践
1

NVIDIA NeMo:把生产环境 Agent 失败自动转为测试与 Harness 修复

NVIDIA 发布实践指南:采集生产环境的 Agent 失败证据,自动生成按优先级排序的 issue 与定制化评测集,反哺提示词、工具、模型、记忆、技能与 harness 代码的迭代。核心做法是把「线上失败」沉淀为可回归的评估用例,形成评测驱动的 Harness 修复闭环,而非靠人工复盘。对多 Agent 生产系统而言,这套失败→测试→修复的流水线可直接套用。

2

StateBench:检验模型在长文档中的状态追踪能力

AllenAI 在 HuggingFace 发布 StateBench,专测语言模型在长文档中追踪状态变化的能力:随着文档推进,实体属性、关系与情境不断更新,模型需维护「最新世界状态」而非复读早期描述。基准覆盖多类状态变更任务并给出系统化评分,暴露主流模型在长上下文「记住」与「更新」之间的差距,适合作为长文档 Agent 选型的补充评测维度。

3

InfoQ 演讲:用产品工程原则给 AI Agent 划定「画布」边界

Nimisha Asthagiri 在 InfoQ 演讲中分享 Beyond the Harness 思路:把经过验证的产品工程与架构原则应用于 Agent 设计,为智能体构建有边界的 Canvas——明确其可操作空间、信息边界与责任范围,而非追求全开放自主。演讲给出画布划分、权限约束与可演进架构的具体方法,对设计可控长程 Agent 产品有直接参考价值。

📌 行业快讯
🔭 技术趋势观察