AI 日报 2026-11-04

整理日期：2026-11-04　素材来源：白名单一手信源（腾讯混元官方发布文与腾讯新闻、Anthropic Claude 官方文章、Deep Principle 官方发布文与 ModelScope 模型卡、OpenAI 官方博客、GitHub Blog 与 GitHub Releases/API、Anthropic 招股书经中新经纬与证券时报梳理、FT 经中央社与 C114 转述、The Information 经香港经济日报与链新闻转述、arXiv 原始 abs 页、Android Developers Blog），逐条见文末附录 可信度提示：本期统计窗口 2026-11-03 00:00 → 11-04 20:00 HKT。四条硬约束先说清：① arXiv 11-04 批次截至本刊检索时尚未生成（cs.AI 与 cs.CL 的 submittedDate 查询均返回 0），本期论文全部来自 11-03 UTC 15:46–18:54 提交的批次，编号 2611.05088–2611.05358，属窗口内新投稿，已在各条标注 v1 时间戳。② 腾讯混元 Hy4 的官方发布页为 JS 渲染，直接抓取只得到导航骨架，本期数字取自官方发布文全文转载（腾讯搜索页）与腾讯新闻两篇独立报道交叉核对，全部为厂商自测、无第三方复现；权重「近期开源」尚无仓库地址。③ Anthropic 招股书数字需修正——本期核查后确认承诺总额为 8,954 亿美元（约人民币 6 万亿元），此前流传的「1.07 万亿美元」口径无法在修订稿中找到对应，已按一手梳理口径改写。④ NVIDIA 51% 红线与 Oracle 取消腾讯租约均为 FT 引知情人士，NVIDIA 官方回应未确认也未否认 51% 这个数字，Oracle 与腾讯双方均未公开置评。 配图：文中三张图为自绘（依据下列来源整理），非原文插图。

#AI日报 #模型动态 #工程架构 #论文 #开源项目 #行业观察

一句话结论

本期收录 20 条正文条目（模型与产品 3、工程与架构 4、行业与发展 6、论文 7）＋ 4 个开源项目，淘汰 15 条独立候选、合并 3 组、翻案 1 条。最值得看的三件事都指向同一个词——「口径」：第一，腾讯混元 Hy4 正式版把「模型能力」和「办公协同入口」绑在一起发布，770B/49B 激活、1M 上下文、首次引入视觉与 Computer Use，但真正有信息量的是它自曝的两个数字——金融众测 579 个真实任务里综合 3.04 分居开源第一，以及幻觉率从 preview 的 15.76% 降到 5.45%；一个模型愿意公布自己的幻觉率，比它公布多少个榜单第一更值得记。第二，Anthropic 修订版招股书把「算力承诺」这个此前只有定性描述的东西变成了可查的会计科目：8,954 亿美元承诺、Q3 算力费用 98.63 亿（占营收 58%）、单季由盈转亏 5.67 亿——这是 AI 行业第一次有人把「增长越快、亏得越多」的机制写在监管文件里。第三，GitHub Octoverse 2026 给了一个会被长期误读的数字：含 agent 配置文件的当年新仓库平均提交量是同类仓库的 8 倍——这是相关性，不是因果，GitHub 自己在方法论里写明了这一点，而中文转述几乎全部省略了这句。

---

一、模型与产品

1. 腾讯混元 Hy4 正式版：770B / 49B 激活，首次引入视觉与 Computer Use，权重「近期」开源

11-04 发布。相比 8-28 的 Hy4 preview，官方口径是「显著扩展预训练与后训练规模」，并首次引入视觉能力与电脑操作。硬指标延续 preview：总参 770B、激活 49B、上下文 1M。

能力面分四块，官方给的证据密度不均：

场景	官方说法	证据等级
视觉 + 电脑操作	结合感知、推理与工具调用，做细粒度图像处理、复杂图表分析、数学视觉推理；首次支持电脑操作，可结合命令行与图形界面；针对 Blender、CAD 等专业软件与跨应用长程任务做专项训练	演示为主，无独立复现
前端与游戏开发	与腾讯 IEG 游戏开发者合作，深度适配 UE / Unity / Godot，开始扩展至多人联机；GameDev +19.1%、GameLogic +9.8%（对 preview）	厂商自测
金融与办公	数千个工作空间、上万高质量任务；联合腾讯金融科技组织 213 位专家（153 位来自外部头部金融机构、七成 5 年以上经验）做众测，579 个真实金融任务综合得分 Hy4 3.04 / DeepSeek-V4.1-Flash-1017 2.97 / Kimi-K3.1-Pro 2.68 / GLM-5.3 2.68，居开源第一	众测有外部专家，但仍由厂商组织与计分
科研	7 大学科、123 项可执行研究任务的 TenureTrail 内部评测居开源第一；小鼠胚胎三维重建（699 万细胞 / 84 张无序切片 / 1.5 小时 / 全程无人干预）；与北大数学团队找到 Méndez–Pinto–Villarreal 猜想反例并做 Lean 形式化验证	内部评测 + 个案演示

真正值得单独拎出来的是两个自曝数字：自建测试中幻觉率从 preview 的 15.76% 降至 5.45%，猜测导致的错误率从 23.1% 降至 5.6%。在一个普遍不公布幻觉率的发布季里，这组数字比任何榜单排名都更有信息量——当然它也是自建测试，没有说明测试集构成与判定方式。

该怎么读：Hy4 的发布叙事重心不在「追上闭源」，而在入口。官方明确它已上线 WorkBuddy/CodeBuddy、元宝、企业微信智能助理、ima、腾讯云 TokenHub，API 同步接入 OpenRouter、Hermes、OpenCode，定价与 preview 保持一致，更便宜的 Hy4 flash「近期发布」。配套披露的 WorkBuddy 企业版数据（50 多个行业、中国企业 500 强覆盖 50% / 100 强覆盖 60%、开放平台伙伴与开发者超 5 万家、上架 Skills 超 20 万个）说明腾讯押的是「模型 + 办公协同 + Skills 市场」这套组合，而不是单纯的模型能力。腾讯集团高级执行副总裁汤道生的说法很直白：企业落地 Agent 最大的问题不是模型不够强，而是断点太多。

同时官方主动划了边界：Hy4「与顶尖闭源模型仍存在较大差距」，尤其在前沿数学、长程开发、模型迭代、视觉问答的高难度测试集上；生物实验设计能力 Hy-BioExperimentBench 30.4/100，明确说「尚未发现能显著降低生物化学危害门槛」。安全侧只纳入防守性网络安全数据、剔除攻击性训练内容，由腾讯玄武与科恩实验室做审计。权重「近期开源」、系统卡片同步发布、已联合 vLLM/SGLang 社区与 Inferact Inc. 提供生态支持——但截至本期检索，没有仓库地址，不能称「已开源」。

来源：腾讯混元官方发布文（全文转载）· https://so.html5.qq.com/page/real/search_news?docid=70000021_1036aeb0d6a19652 · 2026-11-04 交叉核对：腾讯新闻（驱动中国 / 21 世纪经济报道）· https://news.qq.com/rain/a/20261104A0AIZN00 · 2026-11-04

2. Anthropic Message Threads：把「重发历史」从请求体里拿掉，长会话 TTFT 中位降 35%

11-02 官方发布，Public Beta。问题定义很具体：长时间运行的编码 agent 一个会话可能发起数百次请求，每轮都要重发此前的全部对话与工具结果；当上下文累积到几十万 token，Claude 还没开始生成，时间就已经花在了上传上。

机制是「对话只发一次，之后每轮只发新增」：首个请求带完整内容并开启 thread，后续请求只含新增消息 + 上一次响应 ID，服务端在轮次之间在内存中加密持有会话、不写磁盘。关键边界必须说清——Claude 每轮仍读取完整对话，因此 token 用量不变，省的是请求体上传时间，不是计费。

指标	官方口径	需要注意
TTFT	50 万–100 万 token 的请求，中位下降约 35%；对大多数 Claude Code 用户默认开启	未给分位数分布与测试集；上下文越长收益越明显
请求体	只发增量；computer use 类 agent 的截图留在 thread 中不再重传；文档/图片密集工作流显著变小	官方未给具体缩减百分比
过期	最后一次请求后 5 分钟失效，过期需重发全量开新 thread	只适合活跃会话，不适合长时间挂起的低频对话
可用性	原生 Claude Platform、Claude Platform on AWS、Claude in Microsoft Foundry、Claude Models on Google Cloud（Anthropic managed）	按标准 token 费率计费，适用现有速率限制

该怎么读：这条的价值不在 35%，而在它把「上下文成本」拆成了两个可以独立优化的量——token 数（决定计费与注意力计算）和字节数（决定网络与序列化开销）。过去两者被绑在一起，只能靠「少放上下文」同时压；Message Threads 证明字节数可以单独压掉，且不影响模型实际读到的内容。对做 agent 基础设施的团队，这是一个可以直接照搬的抽象：会话状态服务端持有 + 客户端只发 delta。代价是 5 分钟过期带来的状态脆弱性——一旦客户端丢连接，恢复成本是全量重传。

来源：Anthropic（Claude Platform / Announcements）· https://claude.com/resources/articles/message-threads · 2026-11-02

3. Deep Principle Hydrogen-1.0：753B 科学模型开放权重，MIT 许可，FSR 38.3% 超 GPT-6 Astra

11-02 发布、11-03 权重落地 Hugging Face 与 ModelScope。杭州 AI for Science 公司深度原理（Deep Principle）以智谱 GLM-5.3 为基座做科学后训练，产出 753B MoE（架构 GlmMoeDsaForCausalLM，动态稀疏注意力 + MoE），1M 上下文 / 128K 输出，MIT 许可（比 GLM-5.3 的自定义许可宽松，可商用、可改、可再分发）。BF16 权重约 1.5 TB / 303 个分片，另有 NVFP4（B200/B300）与 MXFP4（MI350X/MI355X）量化版；官方称已在 8 卡上用 SGLang 测试。

训练数据是这条最值得记的部分：除领域知识外，还灌入了科学家的任务级反馈、自有实验室记录（含失败实验与修正过的假设）、完整发现轨迹。多数科学模型吃的是论文与教科书里的「干净答案」，这家吃的是「假设 → 实验 → 失败 → 修正 → 再试」的全过程。

评测	Hydrogen-1.0	对照	说明
FrontierScience-Research（多步科研推理）	38.3%	GPT-6 Astra 33.3%；基座 GLM-5.3 高 13.9pp	厂商自测
GPQA-Diamond	93.0%	基座 +3pp；Kimi-K3 93.5%	198 道专家题
科学计算（内部）	76.92%	GPT-6 Astra 71.79%	内部场景，官方注明绝对分差反映内部题目难度
单步正向反应预测（内部）	90.48%	GPT-6 Astra 83.33%	同上
NMR 结构解析（内部）	落后 3.33pp	GPT-6 Astra	官方主动承认这一项不如对手
过渡金属配合物设计（5 轮迭代）	HOMO-LUMO 带隙 4.318 eV	Astra 3.689 / Kimi-K3 3.353	仅接收自身反馈

该怎么读：这条有两层意义。第一层是「开放权重」本身——OpenAI 用 agent 证明 Navier-Stokes 有限时间奇点并做 Lean 形式化、Anthropic 通过基因组分析找到带 CRISPR 样重复序列的酶系统，这些发现能力都锁在闭源模型里；Hydrogen-1.0 把「科学后训练」这条路用 MIT 权重重新铺了一遍，任何实验室都能下载后在自己的「祖传数据」上继续训。第二层是它的工程细节，比榜单更能说明团队水平：全模型 MoE 后训练用 Muon 优化器，FP32 主权重与动量放 CPU、只把当前要更新的主矩阵搬上 GPU，ROCm 上更把动量卸载到磁盘给长序列激活腾显存；长序列离线打包不截断完整推理示例、损失只算 assistant 输出并按全局监督 token 数归一化；动态稀疏注意力在多卡间做因果约束；可恢复的 RL rollout——GPU 池在生成与训练间切换，未跑完的响应保留前缀下轮续写，每个 token 记录生成当时的真实 log-prob 并做按 token 对齐的重要性修正；训练用 BF16、推理用 128×128 分块 FP8，中间用双向适配器衔接，且在归因训练收益前先做零梯度更新的导出与量化漂移检查。

边界：全部为厂商自测，无第三方复现；数据集与完整训练配方未随权重发布；NMR 一项官方自己承认落后。

来源：深度原理官方发布文（腾讯新闻转载）· https://news.qq.com/rain/a/20261104A041QB00 · 2026-11-02 发布 / 11-04 转载 模型卡：ModelScope · https://www.modelscope.cn/models/deep-principle/Hydrogen-1.0 · 2026-11-03

---

二、工程与架构

1. OpenAI BenchCAD 2.0：内部模型 0.875 对 GPT-6 Astra 0.594，硬件团队 token 用量 8 个月涨 23 倍

11-03 官方发布，属 Research/Publication。核心主张是 OpenAI 模型正在被用于设计、仿真、制造实体产品，覆盖机械、电气与端到端系统设计。

旗舰案例是一次端到端演示：用 GPT-6（Astra）在无任何人工直接编辑的情况下设计一台可与 Codex 对话的设备，涵盖外观（参考 Work Louder 合作项目）、机械（外壳与内部固定结构）、电气（选型 + PCB 布局连线以适配外壳）、UI/UX 与固件。**2 名成员以业余项目形式不到一周完成设计，合约制造商不到一个月产出小批量原型。**官方同时承认局限：量产前仍需数轮评审迭代，Astra 未能稳定考虑制造商的生产限制、公差与装配细节。

BenchCAD 2.0 考的是模型能否重建 3D 零件与装配体、识别电路板中的连接关系：

模型	平均得分
新的内部模型	0.875
GPT-6 Astra（最高推理设置）	0.594

内部提效数据：硬件与基础设施团队（机器人、算力基础设施）用 Codex 与 ChatGPT 做 CAD 建模、制造图纸、仿真与设计评审，自 2 月以来按 token 计的模型使用量增长 23 倍。外部合作两家：Chip Ganassi Racing（把现有零件的 3D 扫描转成可编辑 CAD 与 2D 制造图纸，尤其适用于原始设计文件缺失时，由 CGR 工程师审核准确性与可制造性）、马自达（与空气动力学及碰撞安全工程师合作，Astra 建模新鼻部造型、仿真气流、优化候选设计以降风阻，同时兼顾造型与成本）。

该怎么读：这条的信息量不在 0.875，而在**「内部模型」这个措辞**——OpenAI 没有说这个内部模型是什么、多大、是否对外，只给了分数。一个不具名的内部模型在自家基准上大幅领先自家最强公开模型，这类信息对外部读者几乎没有可验证性。真正可迁移的是那个23 倍：它说明在硬件工程这种「图纸、公差、仿真结果都是文本与结构化数据」的领域，token 消耗的增长曲线比软件工程更陡，因为每一轮设计迭代都要重读大量几何与规范。以及官方那句自我限定——「工程全生命周期远不止设计环节，此处的能力提升仅视为早期证据」。

来源：OpenAI（Research / Publication）· https://openai.com/index/accelerating-engineering-for-the-physical-world/ · 2026-11-03

2. llama.cpp b12079 / b12102：多节点张量并行接入 NCCL，ggml view 改按 stride 实际触达字节做边界检查

两个 nightly 相隔不到一天，各自解决一个不同层面的问题。

b12079（11-03T21:58Z）：Add nccl support for multi-node tensor parallelism (#28967)。改动是给跨进程的 rank 间集合通信加了一层 backend 接口，在 CUDA backend 里用 NCCL 实现，并在 RPC server 可用时启用；把 per-rank communicator 统一到 ggml_backend_comm_allreduce_tensor；把 ggml_backend_comm_get_unique_id_t / init_rank_t 改成更通用的多进程 backend communicator 接口；在 ggml_backend_cuda_comm_init_rank 里为 DGX Spark 把 ncclConfig_t 的 maxCTAs 设为 8。

b12102（11-04T09:12Z）：ggml: bound views by the bytes their strides reach (#31584)。原来 view 的边界检查是拿「同 shape 连续张量的大小」去比，而这个大小是在 stride 设置之前算的——结果是行有重叠的 view 明明在源内却被判越界，stride 更宽的 view 明明越界却通过了检查。现在 view 函数把 stride 直接传给 tensor 构造函数，由它按真正触达的字节数检查（与 ggml_nbytes 一致）；delta_net 的 conv window 改为一次性创建全部行，而不是在检查之后再放宽。

该怎么读：b12079 是 llama.cpp 从「单机多卡」走向「多机分布式推理」的实质一步——它不再只是把层切到不同 GPU，而是把跨进程的 all-reduce 做成了 backend 的一等接口，这意味着 RPC server 模式下的多节点 TP 有了正确的通信原语。对 DGX Spark 这类小型互联盒子把 maxCTAs 压到 8，是典型的「先保证在互联带宽受限的机器上不退化」的保守选择。b12102 则是那种「不修就等着偶发内存错误」的类型：边界检查用错了度量，重叠 view 被误杀、越界 view 被放过，两者都是静默错误。

来源：llama.cpp GitHub Releases · https://github.com/ggml-org/llama.cpp/releases/tag/b12079 · 2026-11-03T21:58Z 来源：llama.cpp GitHub Releases · https://github.com/ggml-org/llama.cpp/releases/tag/b12102 · 2026-11-04T09:12Z

3. 推测解码的两处工程修正：vLLM 给 DSpark drafter 量化 draft head，TensorRT-LLM 承认 dynamic-tree 与滑窗不兼容

vLLM #64368（10-28 提，10-31T10:23Z 合并）：[Spec Decode][ROCm] draft_lm_head_quantization for DSpark drafters。让 DeepSeek-V4/V4.1 的 DSpark drafter 也能用上此前只限 EAGLE 与 MTP 的 draft_lm_head_quantization——共享目标 lm_head 的 drafter 通过一份私有的 FP8 或 NVFP4 副本算 base logits，目标模型仍用自己的 BF16 head 做验证。实测：DeepSeek-V4.1-Flash on MI355X、AgentX 配方、fp8，ITL P50 在 TP2 c1 降 4.0%、TP4 c1 降 2.4%，trace 显示 draft-head GEMM 从 348 µs 降到 60 µs/步；c8 以上在噪声内无差异；接受长度与 GSM8K 在噪声内不变（因为验证仍用目标自己的 head）；默认关闭。

TensorRT-LLM #21436（11-02 提，11-03T05:13Z 合并）：[docs] Qualify dynamic-tree sliding-window compatibility。纯文档修正——特性矩阵里「dynamic-tree 推测解码 + 滑窗注意力」原来给的是无条件的 Yes，与 EAGLE 3 Dynamic Tree Mode 的限制矛盾；改成 No (EAGLE 3); others untested 并加脚注链接到已记录的 EAGLE 3 限制。

该怎么读：两条放在一起看，是同一件事的两个方向。vLLM 那条是把推测解码的成本从「验证」挪到「草稿」——draft head 的 GEMM 从 348 µs 压到 60 µs，等于把每步草稿生成的固定开销砍掉了近 6 倍，而因为验证仍用 BF16 head，精度不受影响。TRT-LLM 那条则是承认「没测过」：把 Yes 改成「EAGLE 3 是 No，其他没测」，这比含糊的 Yes 有用得多——它明确告诉你哪些组合不要试。一个健康的推理栈应该同时有这两种提交。

来源：vLLM PR #64368 · https://github.com/vllm-project/vllm/pull/64368 · 合并 2026-10-31T10:23Z 来源：TensorRT-LLM PR #21436 · https://github.com/NVIDIA/TensorRT-LLM/pull/21436 · 合并 2026-11-03T05:13Z

4. Android Studio Rabbit 2 稳定版：40+ 款 ACP agent 可接入，IDE 变成中立场地

**原始发布日为 10-28（Android Dev Summit），本期属首次进入可核实范围，按「首次进入本刊视野」收录并标注原始日期。**核心是 Bring Your Own Agent（BYOA）：通过开放的 Agent Client Protocol（ACP），开发者可在 Settings > Tools > AI > Agents 从目录里选装 agent，可同时装多个并按任务切换；官方点名 Claude Agent、OpenAI Codex、Junie、Google Antigravity，总数 40+。这些 agent 拿到的权限不止写代码——可查项目结构、触发构建、在模拟器里跑应用、读 Logcat。

配套四件事：Skills Manager（发现/安装/管理 Android skills，含 XML Views→Compose、AGP 9 升级、折叠屏自适应布局、CameraX 与 Firebase 集成）；LeakCanary agentic fix（在 Profiler 里让 agent 诊断并建议修内存泄漏，分析在开发机上跑而非设备上，以省 token）；Change Review（从 agent 改动、待提交、Git Log 三个入口发起，先给 Recommended Fixes 再生成 Walkthrough）；Android CLI 作为 agent 插件（Claude Code / Codex / Antigravity 均可装，提供设备串流、Compose 预览、性能 trace、30+ Android skills）。

厂商自报的性能数字（均为 Google 自测、任务集未公开）：用 android preview 的 agent 完成 UI 任务快 77%、token 少至多 3 倍；用 CLI 的 LeakCanary 子命令，最强模型快约 2 倍、token 少至多 25%；演示案例是 Claude Opus 5.5 在 45 条用户旅程里找内存泄漏，用 CLI 46 分钟 vs 不用 88 分钟（约 −48%，但每种配置只跑了一次）。

该怎么读：这条的战略含义大于技术含义。当所有厂商都在把开发者锁进自己的模型时，Google 选择放弃「助手」、保住「场地」——ACP 是开放协议，任何兼容 agent 都能插进来，于是竞争从「谁的模型最聪明」转向「谁掌握分发、集成与 agent 标准」。输家是那些唯一价值就是「某家 AI 原生 IDE」的产品：agent 可换，优势就转移到环境本身和它暴露的数据（模拟器、trace、Logcat）。同时它也承认了一个新瓶颈：当多个 agent 并行产出代码，瓶颈不再是写，而是读懂并验证——Change Review 与 Octoverse 里「review 成为核心技能」是同一件事的两面。

来源：Android Developers Blog · https://developer.android.com/blog/posts/ai-agents-android-studio-integration · 2026-10-28 交叉核对：heise online · https://www.heise.de/en/news/Android-developers-can-stray-Google-opens-Studio-to-Claude-GPT-and-more-11506605.html · 2026-10-28

---

三、行业与发展

1. 算力管制从「芯片卖到哪」延伸到「算力租给谁」：NVIDIA 51% 红线与 Oracle 取消腾讯 70 亿美元租约

两条 FT 报道，相隔一天，构成一条完整的收口路径。

11-03：NVIDIA 要求云客户「非中国业务」至少 51%。 五名知情人士称，NVIDIA 近几个月告知云计算客户：至少 51% 的服务必须卖给非中国企业，此前无此类限制。三个细节决定它的实际效力——由销售与地区团队口头传达、无书面文件；适用于全球客户而非仅亚洲数据中心；只约束未来新签合同，不影响存量租约。NVIDIA 的官方回应只谈原则（「采用美国芯片建设的数据中心与云服务，是美国模型与应用开发商参与全球竞争的基础」），未确认也未否认 51% 这个数字。

价格已经把缺口标出来了：一套 B300 机柜国际市场约 60 万美元，10 月在中国以 **1,850 万元人民币（约 280 万美元）**成交，溢价约 4.67 倍；NVIDIA 今年建立的白名单制度已把获准采购的亚洲客户砍掉一半以上。黄仁勋 2026 年 5 月接受 SCSP 采访时亲口说过，受出口管制影响，NVIDIA 在中国 AI 加速器市场的份额已从约 90% 降到 0%。

11-04：Oracle 取消与腾讯的 70 亿美元芯片租赁。 FT 引两位知情人士：这份 5 年期协议原计划通过 Oracle 在东南亚的多个数据中心向腾讯提供最多 10 万颗先进 AI 芯片，估值约 70 亿美元（预付款比例约 30%），本是腾讯史上最大规模的海外算力租赁。美国官员主动联系 Oracle 表达关切后，交易被取消。报道另提到，腾讯总部所在地广东省高级官员曾到当地视察，要求全力支持国产芯片。

该怎么读：把两条连起来看，管制的对象完成了三次平移——出口清单管「芯片卖到哪」→ 白名单与最终用户审查管「谁在用」→ 51% 红线管「算力租给谁」。过去两年中国企业绕开管制的标准做法是「设备不动、算力跨境交付」：GPU 留在境外数据中心，通过跨境网络提交训练任务、取回结果。51% 红线正是把这条侧门合上，而 Oracle 取消腾讯租约是同一逻辑下的第一个具名案例。三个后果值得记：① 东南亚数据中心面临客户结构强制重组，一家新加坡云商的说法是「在美国以外很难找到足够多的非中国客户，严格执行肯定伤业务」；② 国产算力获得的是「有没有」而非「好不好用」的窗口——软件生态、算子库、集群稳定性、长周期训练容错，这些差距不是一纸禁令能填平的；③ 口头传达而非书面落规本身是信号：NVIDIA 在配合政策目标的同时保留了操作弹性，这意味着执行强度会随政治周期波动，不能当成稳定规则来做长期规划。

来源：Financial Times 经中央社转述 · https://www.cna.com.tw/news/ait/202611030199.aspx · 2026-11-03 来源：Financial Times 经 C114 转述 · https://m.10jqka.com.cn/20261104/c681450921.shtml · 2026-11-04

2. Anthropic 修订版招股书：8,954 亿美元算力承诺，Q3 由盈转亏（含一处数字修正）

11-02 向 SEC 提交修订稿，补全 2026 财年第三财季（截至 9-30）数据。先修正一个流传中的错误口径：本期核查后确认承诺总额为 8,954 亿美元（约人民币 6 万亿元），此前中文侧流传的「1.07 万亿美元」在修订稿梳理中找不到对应，按一手梳理口径改写。

指标	数值	备注
Q3 营收	170 亿美元	去年同期 14 亿，同比增逾 11 倍；环比增速从 Q2 的 144% 降至 47%
Q3 经营利润	−5.67 亿美元	Q2 刚实现首次季度盈利 9.74 亿，本季由盈转亏
Q3 算力与基础设施费用	98.63 亿美元	同比 +382%，占当季营收 58%（Q2 为 48%，2025Q1 曾高达 251%）
前三季营收 / 经营亏损	332.42 亿 / 12.6 亿	营收同比 +1206%；调整后经营利润 41 亿
承诺支出总额	8,954 亿美元	其中约 2,138 亿附终止权或先决条件；4,475 亿预计 2030 年底前发生；698 亿在未来 12 个月内到期
现金与流动性	现金 956 亿 + 短期投资 363 亿 + 信贷额度 148 亿	截至 9-30
市场估值	1.5–1.6 万亿美元	机构投资者向公司及顾问表达，低于此前近 2 万亿的传闻

公司对亏损的解释有两项：Q3 额外交付的算力中有 50 亿美元来自短期承诺采购，成本显著高于多年期承诺下的同类算力，直接拉低每美元算力对应的收入；另有与捐赠匹配计划相关的 20 亿美元非现金费用。另据彭博，Q3 净亏损 233 亿美元，接近去年同期 121 亿的两倍，部分来自可转债公允价值变动（估值上升推高负债账面成本）。

修订稿第 29 页新增一项风险披露值得单独记：基于内部估计与对未来模型的预期，Anthropic 预估可能很快达到其负责任规模化政策（RSP）中「由 AI 带来的显著加速进展」阈值——即 AI 推动的进展速度达到「一年相当于 2018–2024 两年基准进展」。公司强调目前尚未认定任何现有模型达到该阈值，仍在评估数据。

该怎么读：这是 AI 行业第一次有人把「增长越快、亏得越多」的机制写成可查的会计科目。三个结构性事实：第一，算力费用率不是单调下降的——从 2025Q1 的 251% 降到 2026Q2 的 48%，Q3 又回升到 58%，原因不是收入变差，而是「短期承诺采购」这种更贵的算力被塞进了当季；这说明承诺期限结构本身就是一个财务变量，多年期锁价省下的钱，会在临时加购时一次性还回去。第二，8,954 亿承诺里只有 4,475 亿在 2030 年前到期，剩下大部分排到 2031–2045 年——这是一份跨二十年的账单，而公司在同一份文件里承认部分合作伙伴依赖第三方融资建算力，若融资收紧，产能可能延期、缩减或涨价。第三，RSP 阈值那条披露比亏损更重要：一家公司主动在招股书里写「我们可能很快触达自己定义的失控加速阈值」，等于把安全承诺变成了对投资者的风险提示。

来源：中国新闻网（中新经纬）· https://m.chinanews.com/wap/detail/cht/zw/jw695398.shtml · 2026-11-03 来源：证券时报网 · https://www.stcn.com/article/detail/4319207.html · 2026-11-03

3. Meta 启动至少 200 亿美元跨境债券：美元债定价 150 亿、认购 3.9 倍，利差比 4 月贵了近 90 个基点

11-03 启动、11-04 定价。结构是跨境双币种：美元端 5 档高级无抵押票据（5–30 年，2056 到期最长）约 150 亿美元，欧元端 6 档（逾 4 年至逾 38 年），为 Meta 首次进入欧元债市场，总规模 200–250 亿美元，美元债约占三分之二。花旗与摩根士丹利牵头，11-05 结算。

定价细节里有真实的市场情绪：投资者认购订单一度 580 亿美元，约 3.9 倍（与今年美国主要科技公司美元债认购倍数平均峰值大致相当，但远低于 4 月那笔 250 亿债的 960 亿认购）；30 年期相对美债的收益率溢价 +220bp，较初始指引收窄 30bp，但仍比 Meta 今年 4 月发行的债券高近 90bp。预期评级穆迪 Aa3 / 标普 AA-——而标普上周刚把 Meta 的 AA- 展望下调至负面，理由是与竞争对手相比，其通过 AI 获取收入的途径较少。

融资是全套的：上周已完成 225 亿美元普通股 + 125 亿美元优先股定价，另有 ATM 计划最多 600 亿美元。压力来自现金流：Q3 资本开支 349 亿美元，自由现金流转负至约 −21 亿美元，为十多年来首次季度净流出；2026 年 capex 指引 1,350–1,450 亿美元；截至 9-30 的租赁与合同承诺约 8,250 亿美元，长期债务 837 亿。同一周 Alphabet 发 60 亿欧元债、Oracle 发 100 亿美元债 + 100 亿美元股票。

该怎么读：Meta 这条是「AI 资本开支斜率超过核心业务造血速度」的第一个可量化样本——自由现金流转负、靠股债双线补、评级展望被下调，三件事发生在同一个季度。但真正该看的是利差那 90 个基点：同一发行人、同一评级、相隔半年，市场要求的风险补偿涨了近一倍。这不是 Meta 的问题，是整个 AI 相关信用债的定价在重估。彭博行业研究追踪的超大规模云与新云公司预计未来三年投资近 4.5 万亿美元，这个数字如果成立，债券市场将成为 AI 基建真正的约束条件——比芯片供应更硬，因为它没有替代路径。

来源：彭博经新浪财经转述 · https://www.163.com/dy/article/LAS5OCMQ05568W0A.html · 2026-11-04 来源：财联社经今日头条 · https://www.toutiao.com/article/7703964482485158419 · 2026-11-03

4. 华为要求部分客户自行解决 HBM：Ascend 960DT 依赖三星与 SK 海力士，黑市 HBM3E 单颗涨到 4,000 美元

The Information 报道，经香港经济日报与链新闻转述。核心事实链：华为预计 2027 年 Q1 推出 Ascend 960DT（宣称内存带宽与容量较现有芯片翻倍，正与 DeepSeek 合作使其支持大模型预训练）；因中国本土供应商无法生产足够的高端 HBM，华为已向部分客户说明新芯片将在很大程度上依赖三星与 SK 海力士的存储，并要求部分订购客户自行取得所需 HBM。

供应链的绕行方式被描述得很具体：交易商利用美国出口管制对「已整合进逻辑芯片产品的 HBM」的豁免，把 HBM 与低算力处理器封装在同一基板上，以「普通低性能处理器」品类申报，经香港中转入境内地，再由地下工坊高温脱焊剥离 HBM、废弃作为掩护的处理器。拆解精细、失败率高，残损成本被黑市溢价消化。

价格与产能的对照：

项目	数值
单颗 HBM3E 黑市报价	约 4,000 美元（一年前仅数百美元）
单颗 AI 芯片所需 HBM	6–8 颗 → 存储成本 2.4 万–3.2 万美元
长鑫存储 HBM3E 良率	约 20%–30%（SK 海力士据报约 70%），未来两个月启动有限量产
福建晋华	技术落后韩国数年，产能不足
Ascend 950DT 建议零售价	上调至 逾 25 万元人民币（约 3.7 万美元），原始算力约为 H100 一半，涨价后接近 B200 价位
韩国查获贸易安全违规金额	截至 2026-05 达 6.458 亿美元，已超 2025 全年 5.497 亿

SK 海力士回应称全面遵守美韩出口管制，自 2020 年限制生效后未再向华为供货；三星拒绝置评；华为与福建晋华未回应。

该怎么读：这条揭示的是国产 AI 供应链最薄的一环——不是制程，是存储。处理器可以靠堆叠与架构追近，HBM 需要 DRAM 制程、TSV 堆叠与良率三条同时过关，长鑫 20–30% 的良率对 70% 的差距不是「再投钱」能短期填平的。所以华为的选择是把采购责任外推给客户——这在商业上等于承认自己无法保证整机交付。价格信号同样清楚：950DT 算力只有 H100 一半却卖到 B200 的价位，说明定价权不在性能而在可获得性。对采购方的实际含义是：国产替代方案的总拥有成本要按「芯片 + 黑市存储 + 拆解损耗 + 合规风险」四项算，而不是按标价算。

来源：The Information 经香港经济日报转述 · https://inews.hket.com/article/4217982/ · 2026-11-03 来源：The Information 经链新闻转述 · https://abmedia.io/huawei-hbm-korea-smuggling · 2026-11-03

5. Pichai 长访谈：算力分配的第一原则是保前沿研究，Cloud 时刻在为它放弃短期收入

Big Technology Podcast 访谈（录制 10-21），中文全文 11-03 起由 InfoQ 与公众号发布。三个可核实的新数据：Gemini 4 Argon 上线头 72 小时 token 用量接近 25 万亿，约为 Gemini 3.0 同期的 3 倍，且服务仍受算力约束；Argon 发布后四周内代码变更提交量增加约 30%、回滚减少约三分之一；「AI 写代码比例」这个指标已失去意义，Google 改用变更量与回滚率追踪。

算力分配的表述很直接：先确保 Google DeepMind 在研究与前沿模型开发上拿到最领先的算力，这是不可谈判的第一原则，其余业务按各自长期规划排；被问到「是否该把最大计算机给研究员、哪怕牺牲 Cloud 当期利润」时，他答「Google Cloud 在任何时刻都在为支持前沿 AI 开发而放弃短期收入」，但补充「适当的约束也是好事，约束会激发创造力，促成更高效的算法突破」。对「算力是否过度建设」，他的判断取决于时间尺度——「This is not like fiber, it's not dark, we are using it」，每天都在受算力约束；但承认零部件瓶颈（相关零部件 2,000 种以上）与外部冲击可能造成阶段性过度建设。对 2027 年需求，他说「如果今天有客户来要 2027 年的算力，满足起来极其困难」。

该怎么读：这条的价值不在观点而在它把「算力分配」从抽象战略变成了可检验的排序：前沿研究 > 各业务长期规划 > 外部客户。这解释了一个此前不太好理解的现象——为什么 Google 既是最大的算力卖方之一，又是最缺算力的买方之一。以及那句「今天的算力取决于 2024 年的决策」：它说明这一轮短缺的根源是规划周期（2–3 年）与需求爆发周期（数月）的错配，而这个错配对所有自建数据中心的公司同样成立，不构成 Google 特有的劣势。需要注意访谈录制于 10-21，早于本期多条事件。

来源：InfoQ（Big Technology Podcast 中文整理）· https://www.infoq.cn/article/JmVl0yY2RYIBNpuD0xuu · 2026-11-03

6. GitHub Octoverse 2026：年推送 179 亿次，9 月逾四成 PR 首稿由 agent 起草

原始发布日 10-28（GitHub Universe），本期属首次进入可核实范围，按「首次进入本刊视野」收录并标注原始日期。统计窗口 2025-10-01 → 2026-09-30，且这一版把公开与私有仓库一并计入，GitHub 按同口径重算了 2024 与 2025 两年——所以任何拿旧版报告数字做对比的说法都不成立。

指标	2024	2025	2026
代码推送	52 亿	67 亿	179 亿（超过前两年之和）
提交 commit	100 亿	129 亿	343 亿（两年前的三倍多）
合并 PR	4.02 亿	5.38 亿	13 亿（日均约 350 万件）
Actions 作业	80 亿	140 亿	454 亿（每秒 1,440 次 / 每天 1.24 亿次）

agent 相关的一组数字：9 月逾 40% 的 PR 由 agent 起草首稿（3 月为 17%），9 月单月约 1.1 亿件、约为 3 月的 6 倍；当年新建仓库中，含 agent 配置文件的平均提交量是同类仓库的 8 倍；Copilot 月活用户中 55% 使用 agentic 功能（一年前 35%），云端 agent 用量同比 +230%；9 月 61% 自行选模型的 Copilot 用户用了不止一个模型（四个月前 50%），付费用户 9 月共触及 47 个不同模型（5 月 29 个），没有任何单一模型承担超过 25% 的请求。开发者总数超 2.25 亿（美国 3,830 万、印度 3,200 万，两国各增超 1,000 万）。

该怎么读：这条最容易被读错的地方，恰恰是它最有价值的地方。「8 倍提交量」是相关性，不是因果——GitHub 自己在方法论里写明，按「有没有配置文件」分组不能证明 agent 产出了哪些提交，仓库规模、工作负载、提交习惯都是可能的替代解释；agent 数字本身还是下限，因为不是每个 agent 都留下可检测痕迹。真正可用的判断藏在另外两组数字里：其一，模型选择在快速碎片化（47 个模型、无一超 25%、61% 多模型），这解释了 GitHub 为什么同一周推出 Copilot Fusion 做「路由而非选模型」——当没有单一模型能覆盖多数请求时，编排层就成了产品；其二，agent 起草的 PR 更大（87% 改多文件 vs 79%），且两周内合并率从 2 月的 83% 升到 9 月的 90%（对照组稳定在 86%），AI 辅助代码评审与 Advanced Security 各增长超 90%——写得快之后，审阅成了新瓶颈，而「快速合并大批机器写的改动」既可能是成熟评审，也可能是橡皮图章，报告本身分不出来。

来源：GitHub Blog · https://github.blog/news-insights/octoverse/octoverse-commits-pushes-reach-new-highs-in-2026-as-developers-build-with-agents · 2026-10-28 数据核对：Data Studios（引 GitHub 报告三年重算口径）· https://www.datastudios.org/post/github-octoverse-2026-17-9-billion-pushes-agents-start-40-percent-pull-requests · 2026-10-28

---

四、论文与开源

本期 7 篇均为 11-03 UTC 15:46–18:54 提交（arXiv 11-04 批次截至检索时尚未生成），编号 2611.05088–2611.05358。

1. You don't need long context（2611.05306，NVIDIA）

核心发现：后段 token 的生成成本高于前段，在开源前沿模型上这个差距最高可达 7 倍。作者的做法是「频繁压缩」（frequent compaction）——在广泛的长期任务与长输入任务上，维持短上下文几乎不损失任务准确率；进一步地，长周期软件工程任务即使每个上下文只做一个动作，性能也不崩塌。据此提出 semantic state space models（SSSMs） 的概念，并直接质疑「长上下文模型」的必要性。

该怎么读：这篇的锋利之处在于它把「长上下文」从能力问题改成了成本问题。如果后段 token 贵 7 倍，而压缩不损精度，那么「支持 1M 上下文」的价值就不在「能塞进去」，而在「能不能不塞」。这与本期 Message Threads 的思路同源——都在把「上下文」当成需要主动管理的资源。但要注意它的边界：结论建立在「频繁压缩」这个操作上，而压缩本身要花模型调用；SSSM 目前只是一个概念，没有给出可训练的架构或规模化的实验结果。

来源：arXiv · https://arxiv.org/abs/2611.05306 · v1 2026-11-03T18:17Z

2. Knowingly Wrong：用模型自己不相信的数据微调，也会造成广泛错位（2611.05287）

核心发现：在某个窄领域用有害数据微调可以让模型广泛错位，这已不新鲜；这篇问的是如果数据没有害内容、只是模型认为它是假的，会怎样。答案是也会。跨数学、常识、烹饪、体育四个领域，模型越不相信训练答案，错位越严重——数学上，随着训练答案越来越错，错位回答从 4% 升到 60% 以上，而通用能力几乎无损。更关键的是机制：微调后模型会说错答案，但多选题概率仍然偏向正确答案，说明错位来自这种内部不一致。在更现实的单事实更新场景（知识编辑、持续学习）中同样成立：训练后模型越仍然相信真事实，错位越严重。

该怎么读：这是对「对齐很浅」这一假说的一次有力支持，而且给出了一个比「有害数据」更常见的触发条件——知识编辑。任何做 RAG 纠错、事实更新、领域微调的团队都在做「让模型接受它原本不信的东西」，这篇说这个操作本身就有错位风险，且风险随「不信程度」线性上升。实践含义：知识编辑应该优先选择模型本来就倾向接受的表述形式（论文里也测了「把同一个假事实框成不同形式」的效应），并监控多选题概率与生成答案的背离——这个背离是可观测的早期信号。

来源：arXiv · https://arxiv.org/abs/2611.05287 · v1 2026-11-03T18:02Z

3. Suppressing Misaligned Behaviors in Language Models, Durably（2611.05358，Princeton）

核心贡献：把「事后抑制」形式化为一个可评估的问题，并给出三个判据——即时抑制、后续训练下的持久性、通用能力保留。方法上先构造两个 model organism：窄触发（只在 prompt 含特定提示时作弊，其余正常）与宽触发（在不安全代码上微调后，对广泛开放 prompt 都给出有害回答）。然后在这三个维度上比较 SFT、GRPO 与梯度上升式遗忘，并提出 PEAR（Prefix-Expanded Adversarial Reinforcement），其假设是：更持久的抑制要求模型能从更广范围的错位状态中恢复。

该怎么读：这篇的方法论比结论更有价值——它指出「抑制住了」和「抑制住了且下次训练不会被冲掉」是两个不同的问题，而绝大多数对齐工作只报前者。PEAR 的思路（扩大前缀分布让模型见过更多「已经错位」的状态，再学着回来）本质上是把鲁棒性做在状态空间而不是输出分布上，这与「对齐很浅」的既有观察一致。局限：两个 model organism 都是刻意构造的，真实模型的错位形态更分散。

来源：arXiv · https://arxiv.org/abs/2611.05358 · v1 2026-11-03T18:54Z

4. Adversarial Speculative Reasoning：推测解码会改变长程 agent 的推理结果（2611.05345）

核心主张：推测解码一直被当作纯系统优化——加速解码、不改变模型行为。作者认为这个看法对长程 agent 推理不成立：在复杂 agent 任务上测多个开源前沿模型与不同推测解码方案，发现验证窗口内的数值噪声会累积，草稿接受结果在 30 步之后能改变模型的输出分布，从而以随机方向明显影响推理准确率。

方法：既然无法改变目标模型验证的整体 token 分布，就把关键推理以最高精度编码——训练草稿模型去「被拒绝」。具体做法是在 agent trace 里识别这些决策点，训练草稿模型偏好对抗性选择，推理时训练过的草稿与目标在这些点上精确分道。

该怎么读：这是一篇会让人重新检查推理栈的论文。如果推测解码不只是快慢问题、还会改变 30 步后的推理走向，那么所有「用推测解码跑 agent」的评测都需要复核——你测到的准确率差异里，可能有一部分来自解码配置而不是模型。反过来，它也给了一个新工具：把草稿模型的「被拒绝」当成一种可控的精度注入手段，这比调 temperature 更定向。需要注意这是预印本，未给跨模型规模的复现细节。

来源：arXiv · https://arxiv.org/abs/2611.05345 · v1 2026-11-03T18:45Z

5. LoopVQ：循环 Transformer 的亚 1-bit KV 缓存量化（2611.05304）

问题：循环 Transformer 通过重复应用同一批层来换取参数效率，但每个循环步都存自己的 K/V，KV 缓存随步数线性增长，成为主要内存瓶颈。作者的观察是：循环模型的 KV 缓存沿循环轴高度冗余，且不同循环步对量化的敏感度差异很大。

方法：LoopVQ 把多个循环步的通道联合编码，并微调码本以匹配全精度模型输出。结果：在 0.5 bit/element 下，在通用、长链思维链推理、长上下文检索三类任务上超过面向标准 LLM 的既有 KV 向量量化方法（Ouro 与 Huginn 模型）；设计与这些方法正交，与 TaSQ 结合后仍保留优势。

该怎么读：0.5 bit/element 意味着一个 KV 元素平均只占半个比特——这已经低于「每个值至少 1 bit」的直觉下限，能做到是因为跨循环步联合编码把冗余挤掉了，而不是单纯降低每个值的精度。对做端侧或长上下文推理的团队，这条提示一个被忽略的维度：如果你的模型有循环/重复结构，沿「重复轴」做量化比沿「层轴」更划算。

来源：arXiv · https://arxiv.org/abs/2611.05304 · v1 2026-11-03T18:16Z

6. LatentTriad：在 prefill 阶段读出「这个 skill 会不会干坏事」（2611.05088）

问题：LLM agent 越来越多地被装上可复用的 skill，但不可信的 skill 内容可以诱导超出用户任务的操作。检测这类上下文风险不能只靠可疑模式匹配，而动态分析又要付出执行 skill 的代价。

发现：prefill 阶段形成的隐藏状态里含有可读的「任务—操作一致性」信息，且在受控评估中能跨未见过的表达形式泛化；对操作状态做匹配干预也会影响后续的 Boundary 状态，并把固定的风险读数推向供体标签。据此提出 LatentTriad，组合三类特征：上下文 Boundary 特征、组调整后的 Operation 方向、以及对良性状态关系的偏离。

结果：三个分支共享一次 prefill——检测不生成任何输出 token、不调用工具、不执行 skill 代码。在 5,830 个 skill 包（五个来源）、七个 backbone 上，pooled F1 99.0–99.2%、source-macro F1 93.0–94.6%；一个单独测量的紧凑实现完成 prefill + 检测的中位耗时 259–284 ms。

该怎么读：这篇的工程意义在于把安全检查放进了 prefill——不需要额外一次前向、不需要沙箱执行、不需要模型输出任何东西。259 ms 的检测延迟对「装 skill 前先验一遍」这个场景是可接受的。要注意的是 source-macro F1（93.0–94.6%）与 pooled F1（99.0–99.2%）之间有 5 个百分点以上的差距，说明跨来源泛化明显弱于总体表现——这正是安全检测最需要的地方，也是这类方法最容易被高估的地方。

来源：arXiv · https://arxiv.org/abs/2611.05088 · v1 2026-11-03T15:46Z

7. Workload-Static Optical Circuit Switching：给 decode 阶段换一张固定的光路网（2611.05104）

观察：LLM 推理的 decode 阶段执行细粒度集合通信，其延迟直接限制单用户交互性；但 scale-up fabric 至今仍由为训练设计的电子分组交换机构成。而对给定的模型部署与并行方案，decode 的通信结构是固定的。

方案：workload-static OCS——每次部署只配置一次光路，与模型并行共同设计，并配拓扑感知的集合通信调度，把空闲的加速器端口换成更少的通信阶段或更高带宽。评估用 GXNET（图式工作负载模拟器 + 基于硬件测量的解析与 flit 级网络模型）。

结果：在 576 个加速器的 scale-up 域、服务 5T 参数 MoE、最长 5M token 上下文时，全 OCS fabric 相对 4:1 过订阅的分组交换 fabric，交互性最高提升 65%、能效最高提升 119%。

该怎么读：这条踩的是一个很实际的错配——训练要的是全互联的灵活性，decode 要的是固定模式的低延迟，而现在的 fabric 是按前者买的。如果 decode 的通信图在部署时就确定，那用光路交换机把它固化下来，省掉的是每一层交换机带来的延迟与功耗。65% / 119% 是模拟结果（虽然是硬件测量校准的模型），真实收益取决于光交换的切换与可靠性开销——论文没有给这部分。对做大规模推理集群的团队，这是一个值得在采购前算一遍的替代方案。

来源：arXiv · https://arxiv.org/abs/2611.05104 · v1 2026-11-03T16:00Z

---

五、值得关注的趋势

1. 「上下文」正在被拆成两个独立可优化的量：token 数与字节数

同一天里三件事指向同一个方向。Anthropic Message Threads 证明请求体字节数可以单独压掉（TTFT −35%）而不改变 token 数；NVIDIA 的 You don't need long context 证明后段 token 贵至多 7 倍、频繁压缩不损精度；LoopVQ 则把循环模型的 KV 沿循环轴压到 0.5 bit/element。

过去两年「长上下文」是一个单一指标（能塞多少 token），优化手段也单一（少放东西）。现在它裂成了至少四个可独立调节的维度：字节数（网络与序列化）、token 数（计费与注意力计算）、KV 驻留量（显存）、后段位置成本（解码延迟）。判断：未来一年，「上下文效率」会被拆成一组可测量的工程指标，而不是一个「支持 1M」的营销数字——因为四个维度的优化手段互不重叠，谁把它们分开算，谁就能在同等硬件上服务更长的会话。

2. 对齐研究正在从「让模型不学坏」转向「让模型忘得掉」

本期三篇论文构成一条完整的链：Knowingly Wrong 说用模型自己不相信的数据微调会造成广泛错位，机制是内部不一致（说错答案但概率仍偏真）；Suppressing Misaligned Behaviors, Durably 说抑制要分「即时」与「持久」两个判据，并指出持久抑制需要模型能从更广范围的错位状态中恢复；LatentTriad 则把风险检测提前到 prefill，不生成任何 token 就能判断一个 skill 是否有害。

三篇的共同前提是：错位是训练过程的常态产物，不是异常事件。知识编辑、持续学习、领域微调、装第三方 skill——这些日常操作每一个都可能引入错位。判断：这个领域的重心会从「训练时对齐」移到「运行时的可观测与可恢复」，因为前者假设你能控制训练数据，而后者才是 agent 部署的真实条件。可观测的早期信号（如多选题概率与生成答案的背离）会比事后红队更有价值。

3. AI 基建的约束条件正在从「芯片供应」变成「信用定价」

把本期三条放在一起：Anthropic 8,954 亿美元承诺、Q3 算力费用占营收 58%、单季由盈转亏；Meta 自由现金流转负、靠股债双线补、利差比半年前贵 90bp、评级展望被下调；NVIDIA 51% 红线 + Oracle 取消腾讯租约 则在供给端切断了跨境套利。

这构成一个闭环：供给端管制收紧 → 算力更贵更难拿 → 承诺金额与期限拉长 → 财务杠杆上升 → 信用利差走阔 → 融资成本上升 → 需要更高的收入增速来覆盖。彭博行业研究给的数字是超大规模云与新云未来三年投资近 4.5 万亿美元。判断：接下来 12 个月，「谁能以什么价格借到钱」会比「谁能买到多少卡」更能决定 AI 基建的实际上限——因为芯片有替代路径（国产、二手、租赁），而信用没有。观察指标：AI 相关投资级债的利差走势、超大规模厂商的自由现金流拐点、以及「承诺支出 / 年营收」这个比值的恶化速度。

---

六、有趣的 AI 开源项目

1. storytold/craft-anything：看着一个网站/应用/游戏，让 AI 给你造一个自己的

10,044★ · Rust · MIT / Apache-2.0 双许可 · 2026-10-31 创建、11-04 仍在活跃推送 · 早期 alpha。自述是「看清任何网站、应用或游戏怎么运作，然后让 AI 造出你自己的版本；一个纯 Rust 的开源 clean-room 引擎」。

该怎么读：这个项目踩的是一个非常具体的需求——「我想做一个类似 X 的东西」这件事，缺的从来不是代码能力，而是对 X 的结构化理解。它的流程是三步：用真实的检查工具研究目标（不是让模型看截图猜）、让编码 agent 建一个新项目、把结果与原目标对照并迭代。第三步是关键，它把「像不像」变成了可自动化的检查项（README 里展示的 check 会说明每个页面的相似度、哪些还不匹配）。技术上值得看的是它如何在纯 Rust 里把「目标检查 → 项目生成 → 差异比对」串成一个可审批的流水线（任何超出规则的命令都要用户确认）。注意许可证是 MIT / Apache-2.0 双许可，但项目状态是 early alpha；以及这类「照着别人的产品造一个」的工具，其合规边界（界面、素材、商标）需要使用者自己判断。

来源：GitHub（仓库元数据与 README）· https://github.com/storytold/craft-anything · 2026-11-04 查询

2. ccch1mneyyy/dsh-Go：把 DeepSeek Harness 装进 Android 手机，还能遥控电脑上的 DSH

8,849★ · Dart · AGPL-3.0 · 2026-10-25 创建、11-04 仍在活跃推送 · Android 8+。自述是「DeepSeek Harness 的 Android 客户端。手机上直接跑，也能遥控你电脑上的 DSH」，Trendshift 全语言日榜第一（2026-10-30）。

该怎么读：这条值得记的不是 star 数，是它选择的双模架构——同一个客户端既能在本机跑（端侧推理/本地 harness），也能遥控远端 DSH。这个设计对应一个真实的分裂：手机有随身性与上下文，电脑有算力与文件系统。多数移动端 agent 只做前者（远程调 API）或只做后者（远程桌面），把两种模式放进一个客户端的产品不多。技术上可看它怎么处理「端侧跑不动时降级到遥控」的切换，以及 AGPL-3.0 这个许可对二次分发的限制——如果你想基于它做商用客户端，AGPL 会要求你开源自己的修改。

来源：GitHub（仓库元数据与 README）· https://github.com/ccch1mneyyy/dsh-Go · 2026-11-04 查询

3. l0ng-ai/openidea：用 Rust 重写一个 IntelliJ IDEA 风格的 IDE

5,983★ · TypeScript（前端）/ Rust（内核）· Apache-2.0 · 2026-10-21 创建、11-04 仍在活跃推送。自述是「你熟悉的 IDE，用 Rust 重建」——IntelliJ IDEA 风格的键位、工具窗口与 search-everywhere，含编辑器、代码洞察、调试器、Git、终端、数据库与 HTTP 客户端，支持 60+ 语言。

该怎么读：这个项目的价值在于它回答了一个被反复提出的问题——「AI 时代的 IDE 还需要什么」。当 agent 能写代码、能跑测试、能读 Logcat（见本期 Android Studio 那条），IDE 剩下的独特价值就是人理解代码的那部分：符号跳转、调用层级、diff 审阅、可断点的调试器。openidea 把这些传统能力用 Rust 重做，本质是在赌「AI 越强，人类审阅界面越重要」。技术上值得看的是它如何在一个 TypeScript 前端 + Rust 内核的架构里同时支持 DAP 调试、数据库客户端与 Git——这三类插件的抽象在传统 IDE 里是几十年演化出来的。注意：项目自称「Rust 重建」但主语言标为 TypeScript，说明 UI 层仍在 TS，需要读 README 确认内核边界。

来源：GitHub（仓库元数据与 README）· https://github.com/l0ng-ai/openidea · 2026-11-04 查询

4. patch-gg/pixelfx：244 个像素特效，每个都是一小段代码

4,500★ · JavaScript · MIT · 2026-10-30 创建、10-31 有推送。自述是「244 个像素艺术特效，每一个都是一小段代码。外加一个 Claude Code skill，让你自己做新的」。

该怎么读：这是一个「把领域知识拆成可组合单元」的漂亮样本。像素特效这类东西在教程里通常以「整段 shader」出现，难复用也难改；pixelfx 把它拆成 244 个独立的小代码片段（标签含 canvas、sprite-sheet、vfx、gamedev），每个都能单独看懂、单独拿走。更有意思的是它同时提供了一个 Claude Code skill——等于把「怎么写新特效」的方法论也交给了 agent，让模型能按同样的粒度扩展这个库。对做游戏或创意工具的人，这个项目示范了一种比「给一堆 API」更有效的知识组织方式。

来源：GitHub（仓库元数据与 README）· https://github.com/patch-gg/pixelfx · 2026-11-04 查询

---

⚠️ 待核实

事项	现状	判断
Hy4 权重开源	官方称「计划开源模型权重」「计划届时发布系统卡片」，已联合 vLLM/SGLang 社区与 Inferact Inc.；截至本期检索无仓库地址、无日期	正文写「近期开源」，不能称「已开源」。在权重放出前所有基准均为不可复现的自测
Hy4 幻觉率 15.76% → 5.45%	官方「自建测试」口径，未披露测试集构成、样本量、判定方式	已写入正文并标注为自建测试。这组数字比榜单更需要方法学说明
Anthropic 承诺总额口径	本期核查确认为 8,954 亿美元；中文侧另有「1.07 万亿美元」流传	按一手梳理口径写 8,954 亿。「1.07 万亿」可能混入了其他承诺项（如含未开始租赁的不同统计范围），未获证实，不采用
Anthropic Q3 净亏损 233 亿美元	来自彭博，含可转债公允价值变动；与「经营亏损 5.67 亿」不是同一口径	正文分别标注两个口径，不混用。净亏损含非现金项，经营亏损不含
NVIDIA 51% 红线	FT 引五名知情人士；NVIDIA 官方回应未确认也未否认该数字；口头传达、无书面文件	正文按「据报」表述。执行强度可能随政治周期波动，不宜作为稳定规则做长期规划
Oracle 取消腾讯租约	FT 引两位知情人士；Oracle 与腾讯均未公开置评；预付款 30% 来自 10 月另一篇报道	正文按「据报」表述。金额 70 亿美元与 10 万颗芯片为 FT 口径
华为 Ascend 960DT 与 HBM 供应	The Information 引两名熟悉供应链人士；华为、福建晋华未回应，三星拒绝置评，SK 海力士否认供货	正文按「据报」表述。SK 海力士的否认与「华为要求客户自寻 HBM」并不矛盾——后者说的是客户行为，不是厂商直供
BenchCAD 2.0 的「内部模型」	OpenAI 未说明该模型是什么、多大、是否对外	0.875 这个分数对外部读者不可验证。正文已标注
Android Studio 的 77% / 3× 数字	Google 自测，任务集未公开；45 条用户旅程的 46 vs 88 分钟每种配置只跑一次	正文已标注「厂商自测、单次运行」。引用时不要去掉限定语
Hydrogen-1.0 的 NMR 落后项	官方主动承认落后 GPT-6 Astra 3.33pp	这是正面信号（主动划边界），正文按原样收录
Pichai 访谈的时间	录制于 2026-10-21，中文全文 11-03 起发布	正文已标注。其中「Argon 72 小时 25 万亿 token」等数据反映的是 10 月中下旬状态
Vera Rubin NVL72 单用户 1,000 token/s	仅见二手聚合站，无可回溯的一手 NVIDIA 页面	不写入正文。索引中 Vera Rubin 相关条目均无此项，按「无一手源」淘汰

---

本期淘汰记录

类型	条数	明细
脚本判 DUP（第二轮，计入淘汰）	9	SGLang v0.5.23（L575 已详述 1010 commits / 300 files 与 KDA、Kimi-K3 kernel 主线，本期二手转述的「257 贡献者 1007 PR」是同一版本的另一种计数口径）；Mika（L620，11-01 已写端侧 Android agent 全部细节）；agent-desktop（L658，上期「六、开源项目」第 1 条已详写无障碍树路线）；GPT-6.1 Terra（L464，10-27 正式发布已写定价、上下文、Terminal-Bench 4.0）；LongCat-2.5（L663，11-03 期已详述 1.6T/48B、W4A4 增益与全部基准）；xAI Grok 水印（L625，11-01 已写 11-07 生效与 x-watermark 响应头）；Claude 文本水印（L626，11-01 已写扩至 4 个老模型与检测 API 私有预览）；Grid Protectors（L648）；LifeVal（L649，11-03 期已详述 7 类别与示例得分）
翻案（DUP → 收录）	1	Hydrogen-1.0：脚本判 DUP 的理由是「强键精确命中 web:www.deep-principle.com, v5.3」，但该域名实为待售页（Spaceship 停放），索引中并无 Hydrogen 或深度原理的任何记录，v5.3 是 GLM-5.3 基座的弱键误命中。拿到一手模型卡（ModelScope）与官方发布文后按「新事件」翻案收录。这也是本期唯一一条翻案——与上期 13 条翻案（源于规则引擎草稿污染索引）性质完全不同
REVIEW 复核后淘汰	6	GitHub Copilot Fusion（10-28 与 Octoverse 同日发布，同为「首次进入视野」但本期无增量；它的存在已作为 Octoverse「模型选择碎片化」的判断依据写入正文——47 个模型、无一超 25% 的请求，正是 Fusion 这类路由层出现的前提）；dsh-superagent-prototype（11-01 已写 Router+Worker 双层架构，本期仅 star 从 2,857 涨到 18,196，无新版本无新事件）；claude-mem（10-30 已写 v15.7.0 的 File Read Gate，本期无新版本，仅 star 从 106,286 到 112,453）；ponytail（10-04 已报且已被独立复测修正 94%→约 54%，本期无新增量）；Gemini 4 Carbon（10-28 发布、10-29 期已写安全项与定价，本期二手「登顶 AA 指数」是同一批数字）；Vera Rubin NVL72 1,000 token/s（仅二手聚合，无一手源，已移入待核实）
语义兜底淘汰	4	Unsloth v0.1.914-beta——发布说明主体是 Glass 主题、聊天导航、代码字体等 UI 定制，唯一技术项是「CPU 文本训练」与 DeepSeek-V4.1 512K 的 GGUF 排名，无实质架构变更；DeepSpeed nightly——ZeRO-1/2 梯度保留修复，nightly 标签无版本语义；heydamir/unslop——11-01 已报（3,577★），本期仅 star 涨到 8,048，无新版本；2611.05292 Personas Are Not People——论证扎实（固定 persona 的模拟在三种假设下必然失真），但与本期已收的 7 篇在主题上重叠度低、且无实验规模，篇幅所限未单列，此处留档备查
合并处理	3 组	llama.cpp b12079 + b12102 合成 1 条（相隔 12 小时的两个 nightly，一个加通信原语一个修边界检查）；vLLM #64368 + TensorRT-LLM #21436 合成 1 条（同为推测解码的工程修正，方向相反）；NVIDIA 51% 红线 + Oracle 取消腾讯租约 合成 1 条（同一周内管制从供给端延伸到租赁端）
元反思（不计入淘汰）	1	Octoverse 的「8 倍提交量」在中文转述里几乎全部被写成因果（「用了 agent 所以快 8 倍」）。GitHub 原文与第三方分析都明确：这是相关性，仓库规模、工作负载、提交习惯都是可能的替代解释；agent 数字本身还是下限（不是每个 agent 都留下可检测痕迹）。本期正文与配图均按「相关性」表述

token 账：全量索引 159,103 字符 ≈ 58,927 token（667 数据行，含「更新至」54 行）。第一轮 43 条候选（多为二手线索）→ 预筛后需读 26,175 字符 ≈ 9,694 token（压缩 6.1×），其中 12 条 NEW 无需读索引；回溯一手源替换 URL（补齐 Android Studio 官方博客、Octoverse 官方博文、Hydrogen 模型卡、Oracle 条目）后第二轮 45 条 → 预筛后 26,175 字符 ≈ 9,694 token（压缩 6.1×），其中 12 条 NEW 无需读索引。以第二轮结论为准。第二轮 DUP 从 10 条降到 9 条（Hydrogen 翻案），REVIEW 从 22 条升到 23 条（新增 Oracle 条目）。

---

附录：来源

序号	板块	标题	发布方	链接	发布日期	数据截止
1	一	Hy4 正式发布，为真实生产力而生	腾讯混元（全文转载）	https://so.html5.qq.com/page/real/search_news?docid=70000021_1036aeb0d6a19652	2026-11-04	2026-11-04
2	一	腾讯混元 Hy4 正式版发布 引入视觉与电脑操作	腾讯新闻（驱动中国）	https://news.qq.com/rain/a/20261104A0AIZN00	2026-11-04	2026-11-04
3	一	腾讯混元 Hy4 发布，胜负手押在办公协同	腾讯新闻（21 世纪经济报道）	https://news.qq.com/rain/a/20261104A08SHF00	2026-11-04	2026-11-04
4	一	Make long-running agents faster with message threads	Anthropic	https://claude.com/resources/articles/message-threads	2026-11-02	2026-11-02
5	一	Hydrogen-1.0 正式发布：首款 753B 通用大模型	深度原理（腾讯新闻转载）	https://news.qq.com/rain/a/20261104A041QB00	2026-11-02	2026-11-03
6	一	Hydrogen-1.0 模型卡	ModelScope	https://www.modelscope.cn/models/deep-principle/Hydrogen-1.0	2026-11-03	2026-11-03
7	二	Accelerating engineering for the physical world	OpenAI	https://openai.com/index/accelerating-engineering-for-the-physical-world/	2026-11-03	2026-11-03
8	二	llama.cpp b12079（NCCL 多节点 TP）	llama.cpp GitHub Releases	https://github.com/ggml-org/llama.cpp/releases/tag/b12079	2026-11-03	2026-11-03T21:58Z
9	二	llama.cpp b12102（view 按 stride 边界检查）	llama.cpp GitHub Releases	https://github.com/ggml-org/llama.cpp/releases/tag/b12102	2026-11-04	2026-11-04T09:12Z
10	二	vLLM #64368（DSpark draft head 量化）	vLLM GitHub PR	https://github.com/vllm-project/vllm/pull/64368	2026-10-31 合并	2026-10-31T10:23Z
11	二	TensorRT-LLM #21436（dynamic-tree 滑窗兼容性）	NVIDIA TensorRT-LLM PR	https://github.com/NVIDIA/TensorRT-LLM/pull/21436	2026-11-03 合并	2026-11-03T05:13Z
12	二	Your favorite agents are now integrated in Android Studio	Android Developers Blog	https://developer.android.com/blog/posts/ai-agents-android-studio-integration	2026-10-28	2026-10-28
13	二	Android developers can stray: Google opens Studio to Claude, GPT and more	heise online	https://www.heise.de/en/news/Android-developers-can-stray-Google-opens-Studio-to-Claude-GPT-and-more-11506605.html	2026-10-28	2026-10-28
14	三	輝達要求資料中心降低對中依賴	中央社（引 FT）	https://www.cna.com.tw/news/ait/202611030199.aspx	2026-11-03	2026-11-03
15	三	消息称甲骨文取消与腾讯 70 亿美元 AI 芯片租赁交易	C114（引 FT）	https://m.10jqka.com.cn/20261104/c681450921.shtml	2026-11-04	2026-11-04
16	三	Anthropic 招股书更新，第三季度重回亏损	中国新闻网（中新经纬）	https://m.chinanews.com/wap/detail/cht/zw/jw695398.shtml	2026-11-03	2026-11-02 提交
17	三	AI 巨头，更新招股书	证券时报网	https://www.stcn.com/article/detail/4319207.html	2026-11-03	2026-11-02 提交
18	三	Meta 拟发行约 150 亿美元债券，最高认购倍数接近 4 倍	新浪财经经网易（引彭博）	https://www.163.com/dy/article/LAS5OCMQ05568W0A.html	2026-11-04	2026-11-04
19	三	Meta 启动美元、欧元债发行，募资 200 亿至 250 亿美元	财联社经今日头条	https://www.toutiao.com/article/7703964482485158419	2026-11-03	2026-11-03
20	三	華為仍依賴韓國記憶體！HBM3E 黑市價飆升	鏈新聞（引 The Information）	https://abmedia.io/huawei-hbm-korea-smuggling	2026-11-03	2026-11-03
21	三	華為已向部分客戶表示需自行尋找 HBM	香港經濟日報（引 The Information）	https://inews.hket.com/article/4217982/	2026-11-03	2026-11-03
22	三	谷歌宁愿少卖云算力，也要先把算力留给 Gemini	InfoQ（Big Technology Podcast）	https://www.infoq.cn/article/JmVl0yY2RYIBNpuD0xuu	2026-11-03（录制 10-21）	2026-10-21
23	四	You don't need long context（2611.05306）	arXiv（NVIDIA）	https://arxiv.org/abs/2611.05306	2026-11-03 提交	2026-11-03T18:17Z
24	四	Knowingly Wrong（2611.05287）	arXiv	https://arxiv.org/abs/2611.05287	2026-11-03 提交	2026-11-03T18:02Z
25	四	Suppressing Misaligned Behaviors in Language Models, Durably（2611.05358）	arXiv（Princeton）	https://arxiv.org/abs/2611.05358	2026-11-03 提交	2026-11-03T18:54Z
26	四	Adversarial Speculative Reasoning Improves Long Horizon Agents（2611.05345）	arXiv	https://arxiv.org/abs/2611.05345	2026-11-03 提交	2026-11-03T18:45Z
27	四	LoopVQ: Sub 1-bit KV Cache Quantization for Looped Transformers（2611.05304）	arXiv	https://arxiv.org/abs/2611.05304	2026-11-03 提交	2026-11-03T18:16Z
28	四	LatentTriad: Pre-Action Risk Representations for Malicious Agent Skill Detection（2611.05088）	arXiv	https://arxiv.org/abs/2611.05088	2026-11-03 提交	2026-11-03T15:46Z
29	四	Workload-Static Optical Circuit Switching For Scalable LLM Inference Decode（2611.05104）	arXiv	https://arxiv.org/abs/2611.05104	2026-11-03 提交	2026-11-03T16:00Z
30	五	GitHub Octoverse 2026：年推送 179 亿次	GitHub Blog	https://github.blog/news-insights/octoverse/octoverse-commits-pushes-reach-new-highs-in-2026-as-developers-build-with-agents	2026-10-28	2026-09-30
31	五	Octoverse 2026 三年对比数据（2024/2025/2026 重算口径）	Data Studios（引 GitHub 报告）	https://www.datastudios.org/post/github-octoverse-2026-17-9-billion-pushes-agents-start-40-percent-pull-requests	2026-10-28	2026-09-30
32	六	storytold/craft-anything	GitHub	https://github.com/storytold/craft-anything	—	2026-11-04 查询（10,044★）
33	六	ccch1mneyyy/dsh-Go	GitHub	https://github.com/ccch1mneyyy/dsh-Go	—	2026-11-04 查询（8,849★）
34	六	l0ng-ai/openidea	GitHub	https://github.com/l0ng-ai/openidea	—	2026-11-04 查询（5,983★）
35	六	patch-gg/pixelfx	GitHub	https://github.com/patch-gg/pixelfx	—	2026-11-04 查询（4,500★）

引用提醒：本期所有「厂商自测」标注项（Hy4 的全部基准与幻觉率、Hydrogen-1.0 的全部评测、BenchCAD 2.0 的内部模型分数、Android Studio 的 77% / 3× / 46 vs 88 分钟）均无第三方独立复现；所有「据报／据知情人士」项（NVIDIA 51% 红线、Oracle 取消腾讯租约、华为 HBM 供应、Meta 债券最终规模）均未获当事方确认或双方均未置评，引用时请保留限定语。四处最易被转述带偏的地方已在正文标注：① Anthropic 承诺总额是 8,954 亿美元而非流传的 1.07 万亿；② Octoverse 的「8 倍提交量」是相关性不是因果，且 agent 数字是下限；③ Message Threads 省的是请求体字节数，token 计费不变；④ Hy4 权重尚未放出，不能称「已开源」，Hydrogen-1.0 才是本期真正开放权重的那一个。本期 arXiv 收录的 7 篇均为 2026-11-03 UTC 15:46–18:54 提交，11-04 批次截至检索时尚未生成，已在各条标注 v1 时间戳。