英伟达换帅,Anthropic 冲刺 IPO
本周的重心从模型能力转向算力、资本与责任:NVIDIA 换帅、Anthropic 启动 IPO、Google 一年内推出第四个 TPU 系统;模型侧的竞争反而更像一场围绕价格与延迟的工程竞赛。
资讯
黄仁勋辞任,NVIDIA 由 CFO 临时接任
任期 33 年后,黄仁勋辞任 NVIDIA CEO、总裁与董事职务。此前《纽约时报》报道他与一名被控为中国间谍的人士有婚外情,随后又曝出第二段关系,董事会据称已在准备换人;公司 11 月 13 日公布辞职,由 2013 年起担任 CFO 的 Colette Kress 兼任临时 CEO。下周的财报电话会大概会是 NVDA 历史上最拥挤的一场。
Anthropic 启动 IPO,Q3 营收 170 亿美元
Anthropic 已经挂出 IPO 页面:计划以代码 ANT 在纳斯达克挂牌,路演 11 月 10 日开始,发行价预计 11 月 18 日确定,11 月 19 日开始交易。招股材料里的数字很硬——Q3 营收 170 亿美元、同比增长超过 12 倍,调整后经营利润率 15%,净亏损 233 亿美元中有 219 亿来自估值上升带来的非现金费用。效率口径更能说明问题:自 2025 年 Q1 以来,营收与算力基础设施支出的比值提升超过 4 倍,客户案例里 Salesforce 称 API 迁移快了 18 倍。
Google 一年推出四个 TPU 系统
Google 在第八代 TPU 里补上 TPU 8tx 与 8i Max:前者面向机密推理,后者面向百万级上下文,加上 4 月的 8t 与 8i,一年四个 TPU。8tx 与 8t 同芯片,把保护做进硬件层,使数据与模型权重在「使用中」也被隔离,多步 agent 延迟最多只有 8t 的一半;8i Max 把两颗低延迟芯片封装在一起,算力、SRAM 与 HBM 带宽全部翻倍。软件栈占了这次更新的一半:开源的 TorchTPU 让 PyTorch 与 Hugging Face 模型不必重写就能上板,XLA Serving Engine 把训练好的模型直接服务到低延迟 C++ 运行时,TPU Sync 则把 HBM、DRAM、共享存储做成统一内存层级,官方称 KV 传输延迟与首 token 时间降低 90% 以上。

AlphaProof Code 把 Signal 的实现层验到指令级
Google DeepMind 公布 AlphaProof Code,一个把人类专家与 AI agent 组合起来做形式化验证的框架,用它证明了 Signal 协议实际运行代码的关键安全性质。分工像一支研究团队:专家与模型商定「要证什么」并逐条复核形式化规格,Gemini Carbon 驱动的 agent 写出超过 600 万行 Lean 证明,Lean 自动校验,agent 再把需要人看的部分标出来,最终只有 1% 的代码库需要专家过目。多数协议验证止步于设计层,这次一直证到编译后的指令,四周完成;团队还往隔离版本里重植了两个已修复的真实漏洞,两次都得到机器校验过的「该版本不安全」证明。
Anthropic 公开安全评估的工程方法
安全评估支撑着 Anthropic 的关键决定:模型能否发布、该带哪些防护。而「比上一代更安全」这句话的分量,取决于评估本身做得多扎实。他们发布的安全评估实践指南把这件难事拆成可执行清单,几个判断值得直接抄:拒答率是最直觉的构念,但对自伤话题,拒答恰恰是错的构念;单轮提示已经饱和(近期模型无害响应率都在 94%–98%),真实伤害出现在对话的第三、第五轮;评分器会在无人察觉时失效,必须用人工标注与一致性统计校验。文中自曝的例子很有说服力——给 system prompt 加一句约束后,claude.ai 上的恰当响应率升到 94%,而裸模型的 API 侧只有 60%,Claude Fable 5.1 在两种配置下相差 34 个百分点。

15.9 万个 Lovable 项目里,大量敏感数据无需登录可读
德国安全团队 Crissy Field 与《商报》合作抽查了 15.9 万个 Lovable 项目:其中 34,545 个接了 Supabase,24,664 个在首屏就把数据库记录发给浏览器,研究者再用同一把公开 key 追加只读请求,7,403 个站点(30%)的表里出现了邮箱地址。作者提示这 30% 不能当作确认的泄露率,样本也不代表全部 Lovable 应用。实际拿到的包括一个论坛的 8 万多份用户资料、多家活动主办方与餐厅的票务和支付记录、一家物业管理公司的 AI 内部邮件摘要,以及 1,000 多条含护照号的身份证明。问题不在模型能力:Supabase 集成在 Lovable 项目里高度同质化,同一处错误配置会在成千上万个应用里复现,攻击者换一个站点几乎不用改手法。

OpenAI 解散独立机器人团队
OpenAI 解散了独立的机器人团队:研究并入主线向首席研究官 Mark Chen 汇报,应用与硬件并入应用组织向总裁 Greg Brockman 汇报。理由是通用模型已经能直接驱动机器人——年初他们还以为要在 Sora 这类视频模型上继续做,但包括 GPT-6 Astra 在内的前沿模型表现出可直接用于机器人的能力,在 NVIDIA 的一项研究中,Astra 驱动的 agent 在仿真操作基准上达到 74.8% 成功率,而该榜单最好的专用机器人模型为 51.0%。对靠「机器人需要自己的大脑」融到数十亿美元的创业公司,这条新闻不太友好;MIT 教授 Russ Tedrake 的反驳是现场部署数据依然稀缺,基础模型越强,这些数据越值钱。

模型
Claude Fable 5.2 与 Mythos 5.2
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,同一套底层权重按安全等级拆开:Fable 带网络安全与生物领域护栏,面向所有用户;Mythos 只对通过验证计划的组织开放。价格降到输入 $8、输出 $40 每百万 token,输出速度比 5.1 快 30%,可选 fast mode 再快 2.5 倍、价格翻倍。基准上 FrontierCode 2.0 拿到 49.1%(Opus 5.5 为 45.5%,GPT-6 Astra 42.8%),Terminal-Bench-Science 74.6%,OSWorld 2.1 为 89.3%;效率一侧,High 档约等于 Opus 5.5 的 Max 档,单任务成本约为一半。Anthropic 这次主动踩了刹车:在加速器 kernel 优化、LLM 架构改进这些「帮 AI 造 AI」的方向,Fable 5.2 只做到 Opus 5.5 的水平。

Gemini 4 Hydrogen:把平价 100 万 token 上下文做成日常档
Google 发布 Gemini 4 Hydrogen,定位在 Carbon 与 Argon 之间的「日常执行」档:写代码、跑测试、验证改动。100 万 token 上下文全窗口平价,输入 $1.50 / 输出 $7.50 每百万 token,high 档在 Artificial Analysis 智能指数上得 51 分,超过 Argon 的 50;相对 Gemini 3.8 Flash,Terminal-Bench 4.1 从 18.2% 跳到 57%。配套的 Antigravity Orchestrator 不做「看第一句猜难度」的静态路由,而是在单条轨迹里让 Carbon 与 Hydrogen 双向交接:Carbon 探索依赖、消解歧义、制定计划,Hydrogen 写改动跑测试,遇到阻塞再交还。官方称这种编排在 Terminal-Bench 4.0 上接近 Carbon 的成功率,同时平均少用 24% 配额、快 19%。

4-bit 训练做进全流程,预训练省 8% 墙钟时间
Thinking Machines 在一篇技术长文里交代了 Inkling 2 Small 的精度分配,这大概是目前最大的前向原生 4-bit 端到端训练模型。规则不是「全都压到 4 bit」:NVFP4 只用于专家层前向,反向走 MXFP8 并对前向保存的张量做随机舍入,因为块缩放从 1×16 翻到 16×1 时大量小值会被压成 0。计算变快之后 all-to-all 成了瓶颈,他们在 combine 阶段先做 32 维随机 Hadamard 变换再量化到 8 bit,数据量从 16 bit 降到 8.25 bit 且精度无可测退化。结果相比全 MXFP8,预训练墙钟时间缩短 8%、RL 缩短 20%,代价是预训练交叉熵上升约 2%;在 GB300 NVL72 上,预训练只用了 68 小时。
Muse Ember:把成本压到每任务 0.14 美元
Meta 的 Muse Ember 不谈对话,只谈「每美元智能」:100 万 token 上下文、输入 $0.10 每百万 token,按 Artificial Analysis 口径每个任务约 0.14 美元,官方称以约三分之一成本追平 Claude Haiku 5.5 的最佳分数。它在 AutomationBench-AA 上拿到 37.8(Haiku 5.5 为 13.9,GPT-6 Luna 为 20.2),Terminal-Bench 4.0 为 40.9,但 FrontierCode 2.0 只有 27.2,落后 Haiku 的 34.9——难活交给 Muse Wonder,Ember 负责跑量。这个分工也解释了它的来历:Muse Ember 是第一个由 Muse Wonder Full 蒸馏出的模型,用大模型养小模型正在成为产品线的标准结构。
Edge0-145B:1450 亿参数跑进 29GB 内存
Edge0 开源了 Edge0-145B 与 Edge0-120B,连同推理框架与部署工具一起放出,官方称 145B 是首个能在个人电脑上运行的 1450 亿参数模型:峰值内存 29GB、prefill 超过 1100 tokens/s、decode 超过 80 tokens/s,典型功耗约 120W。做法是四层协同:每组 64 个专家共享两个大矩阵,单步推理只有约 10B 参数参与计算;训练从一开始就按端侧架构设计,而不是先训云端再压缩;加载分显存、内存、SSD 三层流水;调度上 GPU 处理已缓存专家、CPU 并行处理其余工作。六项基准平均 72.8 分,对比 Qwen3.8-Flash-Next 的 71.7 分,而后者按 4-bit 部署估算需要约 70GB 显存。这份成绩单全部出自厂商内部评测,需要外部复现才能确认。

工具
Gemini Decisions API:把判断做成一次前向
Gemini Decisions API 把「模型判断」从生成式调用降级成一个分类原语:一次请求提交多模态输入(上限 256K token)和最多 1000 个互相独立的问题,模型一次前向传播返回所有选项的概率与置信度,不再逐 token 解码。端到端 150–250 ms,问题数从 1 涨到 100 延迟几乎不变,输入按 $0.10 每百万 token 计费、输出不计费。它支持是/否、多选、有序评分三种类型并可混在同一个请求里,所有答案带 0–1 置信度,方便代码把模糊情况路由给兜底逻辑或人工复核。Google 内部已经拿它做 Gemini Notebook 的实时模型路由(延迟最多降 40%)和搜索中 MCP 工具调用前的对抗性行为检测。

DeepSeek 开源 SuperAgent 原型
DeepSeek 把内部的 SuperAgent 原型开源,MIT 许可,绑定单个 GitHub 仓库使用,也可以接飞书。结构是常驻 router 读 GitHub 与飞书消息、把任务分派给互相隔离的 worker,每个 worker 有自己的目录与工具、不直接跟人对话,干完回到原对话交付,通常是提一个 PR。团队给的模拟数据是每轮约 300 条消息时,中位完成时间从单会话的 20.4 分钟降到 12.4 分钟,代价是每次运行 2,320 万 cache-read token(单会话为 610 万)。安全边界写得很直白:worker 在操作系统用户权限下直接执行 shell、不走审批,建议用专用账号、分支保护与隔离虚拟机。
常驻型 agent 的五个原语
Anthropic 把常驻 agent 的工程架构拆成五个原语:事件收件箱、定时器、记忆、权限、发件箱。核心洞察是别让事件源直接调用 agent——两个事件同时到达会启动互相竞争的 run,进程崩溃会丢事件,所以一切先写进收件箱由 worker 拉取;定时器也不能塞进收件箱,那里只放「已就绪」的事件。权限是最难的一块:run 持有用户权限且无人值守,因此凭据要放在 agent 环境外由代理注入,高风险动作由分类器审查,需要人拍板时用延迟工具调用结束本次 run、保存 session,用户回复再作为事件开启新 run。这类文章通常停在概念层,这篇给了失败模式与工程约束。

A2UI 1.0:让 agent 用原生组件回答
Google 发布 A2UI 1.0,生成式 UI 开放协议的第一个稳定版本。它让 agent 只描述「要展示什么」,由应用用自己的原生组件渲染,因此同一份输出在企业自有 app 和托管 MCP Apps 的 Gemini、Claude 里布局一致;agent 只能用开发者注册过的组件,无法越界拼装。1.0 补上双向函数调用(选择器可以当场查可用性)、无障碍支持与扩展元数据,渲染器覆盖 React、Angular、Lit、Flutter 与 SwiftUI,Compose 版还停在 0.9.1,Agent SDK 增加 TypeScript 与 Dart。Atlassian 已把 A2UI 接进 Jira,agent 需要团队补细节时就地弹出交互卡片。

llama.cpp 与 ggml 发布 v1.0.0
llama.cpp 与 ggml 在起步三年半后发布 v1.0.0,内容不是新模型支持,而是一个承诺:只有 ./include 下公开 C API 的破坏性变更才升 major。这个承诺对生态的意义大于任何单项特性——过去不少工具把它当成随时会改签名的 C 库,升级靠打补丁维持;现在发行版打包、下游 SDK、企业内部分发可以按版本规划。项目目前覆盖 150 多种模型架构变体,后端可编译成动态库在运行时加载,发行渠道包括各平台预编译产物、Docker、Homebrew、conda-forge 与 Winget。1.0 说的是接口而不是速度,讨论里对 prefill 性能的抱怨依然成立。
结束语
本周的对照很清楚:一边是算力与资本的集中——TPU 四连发、Anthropic 启动 IPO、NVIDIA 换帅;一边是成本曲线的下探——Hydrogen 的平价长上下文、Muse Ember 的每任务 0.14 美元、145B 挤进 29GB 内存。两股力量最终都把压力推向同一处:谁能把 agent 安全地跑在真实业务里。Lovable 那 15.9 万个项目提醒我们,这件事的门槛不在模型。下周见。