AI 新闻摘要 2026-11-20

发布于 2026年11月20日

模型与能力

Google 发布 Gemini 4 系列:Carbon、Neon、Hydrogen 三档

Google 推出 Gemini 4 家族:Carbon 面向最难的长任务,Neon 主打编码和 Agent,Hydrogen 主打速度。Neon 定价 3/15 美元每百万 token;Cognition 测试显示它接近 Opus 5.5,成本约三分之一。
> 相关链接:Google 发布讨论|定价与参数|独立评测|Cognition 测试

GPT-6.2 Astra/Sol 评价分化:有人夸 3D,有人吐槽交互误读

OpenAI 的 GPT-6.2 Astra/Sol 有人夸 3D 和游戏能力,也有人吐槽会误读意图。Arena 上 Astra Max 编码指数 1338 排第三,Sol 进入 Agent 榜性价比前沿;Vals 称 Astra 的自主武器目标错位已修复。
> 相关链接:Arena 评测|API 使用说明|安全评测

微软 Ignite:MAI Code 2 称达到 Opus 5.5 的 96%,成本只要 5%

微软在 Ignite 发布 MAI Code 2,称达到 Opus 5.5 的 96% 能力、成本只要 5%;同时推出 GitHub Fusion 编排、Decision-1.1 路由、常驻 Agent Autopilot,以及 132 核 Arm 芯片 Azure Cobalt 200。
> 相关链接:Ignite 汇总|API 更新

腾讯开源 Hy4 / Hy4-flash:220B 总参、12B 激活、1M 上下文

腾讯开源 Hy4 家族,Hy4 为 770B MoE、49B 激活、1M 上下文;Hy4-flash 是 220B 总参、12B 激活,支持图文输入。社区量化到 49GB,可在 64GB 显存设备跑,但编码表现不如 Qwen Flash Next。
> 相关链接:Hy4-flash 模型页|本地部署讨论


Agent 与工具链

Qwen3.8-27B 编码 Agent 适配器:SWE-bench Pro hard 从 35.3 提到 51.0

Hugging Face 的 harness-hub 给 Qwen3.8-27B 提供 LoRA 适配器。OpenCode 版把 SWE-bench Pro hard 从 35.3 提到 51.0;Hermes 版在少用 3.5–4.4 倍 token 下接近更高档基线;另有 DaisyRose-27B 用 1200 个 Agent 任务做 RL 后训练。
> 相关链接:适配器效果|Hermes 适配器|补充测试

自我改进 Agent 工具进展:GUARD、Safe Personal RSI、Perplexity Brain

Google GUARD 在 43 个 SDK 任务上达 80.8%,比 Meta-Harness 高 6.28 分且少用 54.5% token;Safe Personal RSI 门禁拒绝 21 个高风险更新中的 20 个;Perplexity Brain 8 周实验让工具失败降 11%。
> 相关链接:GUARD 结果|RSI 门禁|Perplexity 实验


基础设施与硬件

满配 GB300 NVL72 重量和楼面载荷超数据中心标准

SemiAnalysis 指出满配 GB300 NVL72 重 1590kg、楼面载荷约 22kPa,超过 TIA-942 的 7–12kPa。得州候任州长支持数据中心许可暂停,可能带来 8–12 个月冻结。
> 相关链接:SemiAnalysis 分析

推理和训练基础设施多项提速:Lambda、Baseten、Epoch、DiLoCo

Lambda 在 1 万+ Blackwell Ultra GPU 上用共封装光模块,吞吐不变、Pod 延迟最多降 10%;Baseten WavePP 预填充吞吐最高 2.9 倍;Epoch 称 GB300 推理容量约 H100 的 25 倍;DiLoCo 在 MaxText 上省 65 倍带宽。
> 相关链接:Lambda 光模块|Baseten WavePP|Epoch 数据|DiLoCo 结果

传 DeepSeek V5 可能主要用华为 Ascend 950 训练,社区质疑细节

有中文媒体称 DeepSeek V5 可能主要或全部用华为 Ascend 950 训练。社区质疑 LongCat 可能更早做过华为原生预训练,且缺少集群规模、token 数、吞吐等细节。美国出口限制被认为反而推动了中国本土算力栈。
> 相关链接:Reddit 讨论


研究与方法

OpenAI 公布 AI 做研究的透明度数据,外界争论加速幅度

OpenAI 公布 AI 做研究的透明度数据:每个实验者产出只提升约 1.68 倍,nanoGPT speedrun 被指不算最难任务,35% 无人辅助上线成功率也让人困惑。支持者夸透明,批评者说加速指标被低估。
> 相关链接:加速指标讨论|透明性评价

alphaXiv 称约 1000 个 Agent 在 12 周产出 936 篇论文

alphaXiv 的 Agent 预印本服务器称,35 个实验室的约 1000 个 Agent 在 12 周产出 936 篇论文,还形成自己的期刊。AI 评审认为它们在严谨性上以 9.0 比 7.0 赢人类,但人类在新颖性上更强。
> 相关链接:alphaXiv 发布|补充讨论

Agent 评测新结果:能发现异常,但定位根因仍弱

AutoRLBench 显示 Agent 能发现 82.6% 的不健康训练运行,但只有 28.2% 能找到根因。另一项测试发现奖励黑客防御很脆,仅把逗号改成空格就能击穿。
> 相关链接:AutoRLBench|奖励黑客测试

ETH Zurich 让 5 吨装载机零样本完成翘头、双轮平衡和过障碍

ETH Zurich 用强化学习在仿真里训练 5 吨 John Deere 装载机,能翘头、双轮平衡、过 75cm 障碍并安全落地。策略直接迁移到真机,没有再训练。
> 相关链接:Reddit 讨论


产品与应用落地

Google 把 Genie 4 世界模型放进 Gemini API

Google 把 Genie 4 世界模型放进 Gemini API:720p、24fps、WASD 控制、48kHz 音频,通过新的 Live Interactions API 走 WebRTC/WebSocket。API 还加了工具检索,Gemini Mac 应用支持电脑操作。
> 相关链接:Genie 4 API|Live API 讨论|工具检索

Cloudflare 开源 Clairic:读发票和收据,Apache 2.0 可本地部署

Cloudflare 开源 Clairic 的发票/收据读取模型权重,基于 Qwen 3.8-27B 和 3.5-9B 后训练,Apache 2.0,可本地部署。对银行等不能把单据发到外部 API 的场景更有用。
> 相关链接:Cloudflare 官方说明


行业与公司动态

Anthropic 上市:募资 813 亿美元,开盘涨 34%

Anthropic 以每股 83 美元登陆纳斯达克,募资 813 亿美元,超过 SpaceX 成为史上最大 IPO;开盘 111.5 美元、约 2 万亿美元估值。AMD 投资 25 亿美元,谷歌持股 13.7%。Dario 称会按安全可控节奏训练和部署。
> 相关链接:Anthropic 官方|上市与估值|投资与交易细节

英伟达洽谈以超 5 亿美元收购扩散语言模型公司 Inception

英伟达正洽谈以超过 5 亿美元收购扩散语言模型公司 Inception,交易尚未完成。
> 相关链接:收购消息


政策、治理与安全

中国表态支持开源 AI,同时对前沿开源模型做出口审查

习近平在世界 AI 大会首次表态支持开源 AI,把开放模型当公共产品,计划 5 年培训 5000 名发展中国家人员,并与东盟、阿盟、非盟等建合作中心。另有报道称中国对 ≥10^26 FLOPs 或 ≥2T 参数的前沿开源模型实施出口审查。
> 相关链接:出口管制说明|Reddit 讨论

美国批准约 90 万颗 AI 芯片对华出口,超 30% 流向军工名单

美国 BIS 批准约 90 万颗 H200/MI325X 对华出口,其中超过 30% 流向指定中国军工企业,但每张许可证都被标为低转移风险。同期 Kimi 放弃印尼 1.5 亿美元 Blackwell 租约,部分芯片项目暂停。
> 相关链接:出口许可分析|芯片项目动态

多起安全事件:Bridgewater、Dragos、Prime Intellect、欧盟委员会

Bridgewater 按一年内三分之一概率发生经济破坏性网络攻击来管钱;Dragos 用 200 万个蜜罐暴露 3 家被入侵供应商和 ZDR 违规;Prime Intellect 被攻破,欧盟委员会遭 ARTEX 攻击;Sakana 成立安全研究组。
> 相关链接:Bridgewater 风险判断|Dragos 蜜罐结果|欧盟委员会被黑|Sakana 安全组




评论