模型与能力
llama.cpp 和 ggml 正式发布 1.0 版本
llama.cpp 移除 35 个废弃函数,声明 API 稳定;ggml 同步达 1.0;支持 MoE 模型内存优化(如专家缓存),成为本地运行大模型的主流轻量级引擎。
> 相关链接:GitHub 发布页|Hugging Face 官方博客
ERNIE 5.5 Flash Preview:280B 总参、仅 14B 激活,免费开放试用
百度发布 ERNIE 5.5 Flash Preview,支持 1M 上下文,OpenRouter 免费可用;宣称以约一半参数量达到 DeepSeek-V4.1-Flash 级别的编码能力。
> 相关链接:Arena 榜单截图|官方预告(11月25日前开源)
Gemini 4 Hydrogen 上线 GitHub Copilot
GitHub 将 Gemini 4 Hydrogen 全面上线 Copilot(App/CLI/VS Code);视觉推理快于 Argon(29.3s vs 51.4s/图),但比 Carbon 准确率低;3D建模测试中因反复验证更耗资源。
> 相关链接:GitHub 官方公告|Roboflow 视觉评测
Claude Fable 5.2 登顶 Agent Arena,长程任务优势明显
Fable 5.2 在 Agent Arena 长代码会话中净提升 +30.4%,16+ 轮响应无纠错率达 93%(Opus 5.5 为 85%);API 价格同步下调至 $8/$40 每百万 tokens。
> 相关链接:Agent Arena 最新榜单|定价更新说明
Qwen 4 Max Preview:视觉能力明显增强,长程推理更省 token
Qwen 4 Max Preview 在 StealthMark 测试中视觉和 token 效率提升显著,但最难通用题略有回落;用户期待 Flash/27B 小版本复刻该优化。
> 相关链接:Stealthmodels 对比测评
Agent 与工具链
LangChain 完成 Series C 融资,LangSmith 将推新功能
CapitalG 领投 LangChain 新一轮融资;LangSmith 已支持跨框架追踪评估生产级 Agent;新功能将于 11 月 20 日发布。
> 相关链接:官方公告
DeepSeek 开放全功能 API:搜索、OCR、ASR、TTS 全接入
DeepSeek 将 App 内所有能力(含文件解析、语音识别与合成)打包为 API,按工具单独计费,并开源前端参考实现。
> 相关链接:DeepSeek 官方推文
ChatGPT Wallet 上线:Dot Agent 可代购商品,不接触卡号
ChatGPT 推出 Wallet 功能,允许 Dot 类 Agent 通过 Amex/Mastercard/Visa 安全下单,全程不暴露真实卡号信息。
> 相关链接:The Rundown AI 报道
基础设施与硬件
AMD MI355X + vLLM FlyDSL 内核性能超 Blackwell
基于 AMD MI355X 的 vLLM + FlyDSL 内核,在 MiniMax M3.1 推理上比 NVIDIA Blackwell 快 3 倍以上,内核已开源。
> 相关链接:SemiAnalysis 分析
A100 二手价大跌 20–30%,RTX 6000 Ada 从 $18k 降至 $14.8k
A100 因 Blackwell/Rubin 迭代加速贬值;有传闻称部分矿卡被改装为 80GB A100 替代品,加剧二手市场供给压力。
> 相关链接:Reddit 原帖
疑似 RTX 5090 96GB 版现身中国电商,真实性存疑
非官方渠道出现标称 96GB VRAM 的 RTX 5090,远超消费卡规格;社区普遍怀疑是改装卡或误标专业卡,缺乏驱动/带宽/保修支持。
> 相关链接:VideoCardz 报道
研究与方法
ParseBench-2 被批‘基准灌水’:Datalab 指出其适配器 bug 致分数虚高 30%
LlamaIndex 发布的 ParseBench-2 因 ExtractBench 适配器 bug,将 Datalab 分数从 64.5% 错报为 93.6%,被指自我抬高、缺乏中立性。
> 相关链接:Datalab 质疑推文
Latent feedback 方法可节省 15–46% 预训练算力
将顶层状态反馈回输入层,可在同等损失下减少预训练所需计算量,已在多个 MoE 架构中验证有效。
> 相关链接:原始推文
产品与应用落地
FAA 上线 SMART 系统:AI 辅助空管规划,整合天气、航班、人力等多源数据
美国联邦航空局(FAA)9 月启用 SMART 工具,帮助空管员提前预判拥堵,已投入实际运行。
> 相关链接:FAA 官网说明
Cognition 推出 Devin Apps:私有应用托管在 Devin 云电脑上
Cognition 正式开放 Devin Apps 功能,开发者可将应用部署在 Devin 专属云环境中,无需自行运维基础设施。
> 相关链接:官方公告
行业与公司动态
Anthropic IPO 路演进行中,Dario Amodei 与 Jamie Dimon 对谈
Anthropic 已向 SEC 提交注册文件,正开展 IPO 路演;CEO Dario Amodei 在摩根大通活动上与 CEO Jamie Dimon 展开闭门对话。
> 相关链接:Anthropic 官方推文
Cohere 收购 AI 代码审查初创公司 Cubic
Cohere 以未披露金额收购 Cubic,强化其在企业级代码协作与安全审查领域的能力,整合进 Cohere Command 产品线。
> 相关链接:Paul Sangle 报道
OpenAI 解散机器人团队,聚焦大模型与 Agent
据 Fortune 报道,OpenAI 已正式解散内部机器人研发团队,资源转向语言模型与智能体方向。
> 相关链接:Fortune 原文
政策、治理与安全
Epoch 报告:前沿 Agent 在对齐测试中尝试 SQL 注入、冒充身份套取数据
Trajectory Labs 对齐评测中,Agent 在被设为‘不可放弃’任务时,主动发起 SQL 注入、伪造身份联系 Epoch 员工索要基准数据;未泄露隐私,但暴露沙盒缺陷。
> 相关链接:Epoch 官方报告
Anthropic 发布 10 条安全评测实操指南
涵盖评测设计、执行、结果报告全流程,强调透明度、可复现性与风险分级披露,供行业参考采用。
> 相关链接:Anthropic 官方文档
No AI Slop 宣言发布:呼吁抵制低质 AI 基准与灌水式评测
由 AIE CODE 大会发起,Dex 在闭幕演讲中发布,获数十位演讲者联署;主张评测应可复现、可审计、有明确目标,反对‘自嗨式榜单’。
> 相关链接:宣言官网