Agili 的 AIGC 周刊(Y26W46)
本周 Anthropic 敲定 IPO 发行价,前沿模型在黑洞物理和芯片自动设计上给出了可用结果;模型厂商继续压低单 token 成本,工程侧开始补齐跨数据中心训练、性能回归和跨端会话的基础设施。
资讯
Anthropic 完成 IPO 定价:每股 83 美元、发行规模约 813 亿美元,代码 ANT
Anthropic 首次公开发行 定价为每股 83.00 美元,共发行 9.8 亿股 A 类普通股,规模约 813 亿美元(公司募资约 794 亿美元)。其中公司新发 9.56 亿股,现有股东出售 2364.86 万股且公司不从老股中获利;承销商享有 30 天内追加购买最多 1.47 亿股的超额配售权。股票定于 11 月 19 日以代码 ANT 登陆纳斯达克全球精选市场。
Claude Fable 5.2 推进黑洞物理的两项开放问题
Anthropic 披露多智能体协作实验:Claude Fable 5.2 在量子引力研究中推进了黑洞物理的两项开放问题。它补完了 2003 年因数万个图的三圈计算过大而搁置的弱耦合 Hawking-Page 相变判定,结论是突变;随后在简化三维引力下引入谱曲线,证明模 bootstrap 的最优质量上限为精确的 c/Λ(Λ ≈ 9.1266)。推导成果整理为两篇预印本,并在 Lean 中完成了形式化验证。

Frostbite:AI 从指令集到 GDS 全自动设计的 CPU,每瓦性能 4.59 倍
Architect Labs 发布了零架构先验、完全由 Agent 集群闭环设计的通用处理器 Frostbite。芯片基于交互网理论构建线性并发计算模型,自研规格语言 ASL 并用 80 万行 Lean 对 RTL 与 C 代码做形式化验证。在 7nm 工艺与 25 项基准测试下,0.792 mm² 的四核单元取得传统同级核心 4.59 倍的几何平均每瓦性能;集群还自发演化出依靠跨核窃取任务维持负载均衡的动态调度机制。

维护者不缺 AI 生成的漏洞报告,缺的是修复:MDASH 把 9791 条压到 99 份
针对 AI 扫出低质报告淹没开源维护者的问题,GitHub 安全试点项目 联合微软运行了代号为 MDASH 的多智能体修补链路。该流程先调用 MAI Cyber 扫描缺陷,再经 Copilot Skills 分诊与微软研究员复核,把六个项目的 9791 个疑似警报收敛至 99 份附带可用补丁的私有报告。维护者已修复了 55 处,其中 14 处进入正式发布;降噪和 PoC 编写交给模型,合并仍由维护者决定。

Canonical 向 Ubuntu Pro 订阅用户提供 AI 生成的安全补丁
AI 找漏洞的速度超过人工补丁产能,Canonical 推出 Edge archive 存储库,向 Ubuntu Pro 订阅用户提供 AI 生成的安全补丁。官方明确这是可选实验:补丁未经完整扩展测试,也不会自动合入稳定版,常规安全更新仍由人工把关。Edge archive 与常规渠道分开,是否采用由订阅用户决定。
Anthropic 缩短漏洞协同披露时限:高危 30 天、其余 45 天
Anthropic 协同漏洞披露政策 收紧:高危与严重漏洞的披露窗口从 90 天缩短至 30 天,其余漏洞压缩至 45 天,适用于 2027 年 1 月 1 日及以后提交的报告。Anthropic 强调,模型使不同攻击者独立重复撞见同一漏洞的比例在上升,原先「漏洞可长期保密」的前提已经失效。为减轻维护者压力,每份报告会尽可能附带补丁或缓解措施,并为重点开源项目提供六个月 Claude Ultra 订阅。
论文:语言模型可以改写自己的权重,不靠梯度也不靠训练
最新发布在 arXiv 上的 语言模型自改写权重论文 提出一种自编辑方法。该研究展示了一个 27B 参数的开源模型无需反向传播梯度与常规训练,仅靠自身前向推理诊断失败用例并改写权重,便在未见问题上获得 6.6 个百分点的准确率提升。只有该系列最大的模型能自我改进。连续 8 次会话准确率单调上升;给它一个损坏副本,它能在不读取原权重的情况下恢复大部分能力。
从「默认为真」到「默认为假」:深伪时代的溯源信号
有 30 年数字取证经验的达特茅斯学院教授 Hany Farid 在 IEEE Spectrum 的文章 中呼吁将数字媒体的信任基线由「默认为真」逆转为「默认为假」。文章指出生成软件已能以 24 帧每秒实时伪造视频通话,传统寻找像素操纵痕迹的事后取证难以为继。行业重心正转向 C2PA 加密凭证与硬件传感器签名体系,例如 iPhone 在像素捕获层生成带签名的参考图像,改动可被检出,通过在捕获端自证清白来对抗深伪。

阿里巴巴警告未来两年算力紧缺,20 吉瓦数据中心目标可能下调
在最新季度业绩沟通中,阿里巴巴财报电话会 披露了对算力供应收紧的预警。集团首席执行官吴泳铭判断 2027 至 2028 年将是国内算力供需失衡最严峻的两年,原定 2032 年达成全球 20 吉瓦数据中心部署的规划可能下调,资本开支也可能下降。阿里已用自研芯片训练下一代大模型;吴泳铭称美国商务部的算力管制新规对 AI 产品进度的影响是短暂的。
模型
GPT-6.2 Astra 与 Sol:更少 token 换更好结果,Astra 价格降两成
OpenAI 发布 GPT-6.2 Astra 与 Sol,主打更少输出 token 换更好结果。旗舰级 Astra 在 Agents’ Last Exam 基准上比 Claude Fable 5.2 高出 5.5 分、推理成本约为 Fable 5.2 的 5%,并在 GDPval v2 上实现输出 token 减少 22%;API 每百万 token 输入 $8、缓存 $0.40、输出 $40;输入与输出较上代降 20%,缓存降 60%。主打日常生产力的 Sol 在编程测试 FrontierCode 2.0 中与旗舰差距仅 0.5 分,成本约五分之一。Astra 也是 OpenAI 首个达到「AI 自我改进」High 阈值并对外发布的商用模型。

Gemini 4 Neon 发布:编码基准第一、单任务成本低于 Carbon 32%
Google DeepMind 推出 Gemini 4 Neon,定位介于重型 Carbon 与轻量 Hydrogen 之间,面向高频推理工作流。模型配备 100 万 token 原生多模态上下文,以 58.6 分摘得 Artificial Analysis 编程榜首,单任务成本比 Carbon 降低 32%,API 输入输出定价为每百万 token $3 / $15(缓存输入享受 95% 折扣)。测试表明 Neon 在编码作弊评测中走捷径比例为 2.45%,相比 Carbon,欠服务行为降低 43%–56%,越界行为降低 15%–35%。

Qwen4-Max:2.4T 总参数、激活 71B,单任务成本降 62%
阿里云通义团队发布 Qwen4-Max 新一代旗舰底座,骨干总参数达 2.4 万亿,运行阶段每 token 仅激活 71B。架构融合 Gated DeltaNet 与稀疏注意力 QSA,引入四路并行门控残差与 N-gram 嵌入表,维持预训练 loss 平滑收敛。在覆盖 721 个专业子类的 Work360 测评中,Qwen4-Max 得分升至 52.69,单任务平均推理成本从 4.43 美元降至 1.67 美元,降幅 62%;模型还在 48 小时闭环实验中交付了新型冷却剂实物分子。

微软一次发布七款 MAI 模型:按 token 计费跑得起 24 小时 agent
在 微软 Ignite 2026 大会 上,微软 MAI 团队密集上线七款模型,目标是把 24 小时 agent 的 token 成本压到企业可承受范围。面向日常工程的 MAI Code 2 以 GPT-6.1 Sol 40% 的价格交付其 98% 的代码质量,防御向的 Cyber 2 Flash 单任务成本不到 GPT-6 Astra 的 2%。第二代自研加速器 Maia 200 已投产,跑微软最大的模型,每瓦 token 数提升 1.7 倍。配套的 Licensed Weights 允许企业用私有数据定制权重并将数据留在自有 Azure 租户内。
Thinking Machines 发布 Inkling 2 Mini:循环 Transformer 塞进笔记本
Inkling 2 Mini 权重开源,将 26.4B 参数、运行时激活仅 3.4B 的 MoE 循环架构塞进 20GB 内存,能够完整离线部署于消费级笔记本。模型把 24 层结构重组为 4 个区块,中间核心 12 层每 token 循环计算 3 轮,等效于 48 层推理深度;绝大多数权重采用 NVFP4 精度,最后 4 层采用 MXFP8。在 SWE-bench Verified 上跑出 79.2% 的高分,本地部署已支持 Ollama(面向 32GB 以上内存的 Mac)与 llama.cpp 的 GGUF 量化版本。
腾讯 Hy4 flash:224B 总参数激活 12B,缓存输入降到 1/14
腾讯混元开源 Hy4 flash 权重,主打日常生产力场景的低成本。模型拥有 224B 总参数,运行时激活 12B,借助 LatentMoE 与 Engram 设计将 KV 缓存压缩至 Hy3 的 1/24、Hy4 的 1/6,百万 token 输出资费为 0.281 美元,缓存命中输入仅 0.003 美元。在企业微信场景中输出速度比 Hy4 快 88%;微信支付静态代码扫描完成时间减少 37%,并在《王者荣耀》bug 根因定位中把请求次数减少 22.0%–39.1%。
工具
OpenAI 的性能工厂:Codex 三个月自动调查 1700 次性能回归
为应对生产环境排查压力,OpenAI 性能工厂架构详解 披露了全自动性能定位系统 Performance Factory。告警触发后平台自动建任务,调度 Codex Agent 顺着调用链查指标、trace、CPU 火焰图与内存快照;另开一个会话让 Agent 做反事实验证。在三个月运转期内,系统处理了 1700 余次延迟退化调查并定位 600 余例代码根因,抽检准确率达 70%,工程师只负责决策。

用 chaos loop 给 Claude Docs 上线压测:20 亿次请求 60 次服务端错误
Anthropic 工程师撰文总结 Claude Docs 混沌压测实践。上线前三周,这套服务还是单节点上的概念验证;团队让数十个 Claude 子智能体搭建了持续注入故障、分析遥测的测试闭环。Agent 在 Rust 无垃圾回收架构下主动定位击键数据复制瓶颈,将单文档内存由 3GB 压降至 180MB,并在压测中边跑边加细粒度监控指标;系统最终在承接 20 亿次线上请求中仅发生 60 次服务端错误,实现 629 次无回滚发布。

MaxText 里的 Streaming DiLoCo:10 Gbps 链路上跨数据中心训练快 9.57 倍
受限于单集群规模上限,Google 把 MaxText 的 Streaming DiLoCo 用到跨广域网集群训练:将模型均匀切为 N_LAYERS+1 个权重分片,把每隔固定步数的大包全量广播重构为每步错峰传递单分片的流式同步,使单步跨节点通信量从 65.5GB 降至 1.0GB。在 10 Gbps 真实带宽限制下,训练单步耗时缩短 89.5%,整体速率提升 9.57 倍且收敛精度保持一致。

Cline-Bench:用 47 个真实用户请求评测编码 agent,pass@3 与 pass^3 分离
开源客户端团队 Cline 上线了面向真实工程痛点的 Cline-Bench 评测榜单。题目取自 47 个真实用户需求,包含前后端集成及防御性测试,采用沙箱隔离并用故意篡改的解法做反向验证防范刷榜。榜单通过 pass@3 与 pass^3 区分是「碰巧猜中」还是「稳定做对」:Gemini 4 Carbon 与 DeepSeek V4.1 Flash 的 pass@3 都达到 66.0%,pass^3 却只有 29.8% 与 21.3%;Opus 5.5 的 pass^3 最高,为 42.6%。
GitHub 的 Agent Host Protocol:让 agent 会话跨设备续接
GitHub 开源 Agent Host Protocol 通信规范,目的是解除 Agent 运行时与前端编辑器的紧密耦合。协议由 3 个核心频道和基于 reducer 的状态对象组织,仅规定交互边界而不干涉模型推理,支持桌面 VS Code、手机端与云端沙箱共用同一个会话。2 套由不同团队分别以 TypeScript 与 Rust 编写的 Host 服务相互跑通了兼容性验证,并配套发布了覆盖 6 种主流语言的集成 SDK。

给 agent 一个截止时间:OpenAI Agents API 的时间感知与异步提问
个人助手常见的失败不是答错,而是答得太晚。OpenAI 时间感知与异步工具教程 用一个完整示例拆解了这一场景。开启 time_awareness 后,模型会周期性收到当前时间,自己判断该继续还是收尾;配合 async 异步查询工具,Agent 等用户回答时仍能继续主线任务,例如在 12 分钟内交出简报并预留 3 分钟阅读时间。
前沿模型直接改写权重:把 5 亿参数视觉模型变成加拉帕戈斯物种专家
独立研究者 Andrew Hill 公布了 前沿模型零梯度权重改写实验。作者把前沿模型当成能直接读写权重的调试器,在不开反向传播梯度的情况下,通过代数求解与激活分析直接定向改写 5 亿参数 LLaVA 模型的内部权重。前沿模型清零了 lm_head 中两个引导词的行并在投影层构造线性通道,使相机陷阱野生动物识别准确率由 64.09% 升至 81.76%,本地鬣蜥与入侵绿鬣蜥的区分准确率由 50% 升至 81%。作者的判断是:直接编辑适合单任务快修,多任务仍以几小时 LoRA 微调更划算。

结束语
本周的降本落在单任务成本上:GPT-6.2、Gemini 4 Neon、Qwen4-Max 与 Hy4 flash 的单任务成本都低于上一代,24 小时常驻 Agent 开始有商业可行性。工程侧也在补基础设施:跨数据中心流式训练、自动性能回归和跨端会话协议,解决的是多智能体系统能不能日常运维。