AI 日报 2026-11-06

整理日期：2026-11-06　素材来源：白名单一手信源（OpenAI 官方博客与 Alignment 博客、Google 官方博客、Anthropic / Claude 官方文章、Meta Newsroom、NVIDIA Developer Blog、llama.cpp 与 vLLM / SGLang GitHub Releases、arXiv 原始 abs 页、GitHub 仓库本体与 Issue、METR 官方博客、路透经 The Star 转述、中央社、腾讯新闻），逐条见文末附录
可信度提示：本期统计窗口 2026-11-05 00:00 → 11-06 12:00 HKT（48 小时）。五条硬约束先说清：① 开工前发现已报道索引被上期规则引擎草稿污染——L699–L716 共 18 行「2026-11-06」条目是上期自动草稿写入的，并非真实报道记录，已备份为 .bak-20261106-draftclean 后截断至 698 行；另删掉 L201 一处无实际内容变更的「（更新至 11-06）」误插。此事直接影响去重结论，必须记录。② arXiv 的 submittedDate 范围查询对 11-05 / 11-06 批次仍返回 0，sortBy=submittedDate 拉最新也只到 2026-11-04T18:57Z（2611.06911），因此本期 9 篇论文全部来自 11-04 UTC 07:59–18:57 的批次（2611.06116–2611.06911），该时段恰好落在 HKT 窗口内（11-04 15:59 → 11-06 02:57），已在各条标注 v1 时间戳。③ mistral.ai 与 docs.mistral.ai 在本环境 curl 亦返回 000，Mistral Studio 整条移入「⚠️ 待核实」，不进正文。④ huggingface.co 与 HF API 全部不可达，Kimi K3.1 Pro 与 Ripple-65B 改用官方发布页 + 多家独立转述交叉核对，并标注「模型卡本环境不可达」。⑤ cna.com.tw 文章页抓取失败但检索摘要含全文，H200、Google 怀俄明、纳指三条的全部数字均来自检索摘要，已在附录标注数据截止日。
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 36 条（模型与产品 7、工程与架构 5、行业与发展 7、论文 9、趋势 4、开源项目 4），淘汰 4 条脚本判重、3 条复核淘汰、2 条语义兜底、1 条转待核实，合并 4 组，翻案 1 条。最值得看的三件事，指向的是同一个转变——「能力越界」正在从评测话题变成产品结构、账单结构和政治结构里的事：第一，OpenAI 的 GPT-6 Cyber 把「网络安全」这条线单独拉出来做成一个产品，ExploitGym 48.5% 对上一代 GPT-5.6 Cyber 的 32.1%，RemoteExploitBench 上它完成了 95% 的任务而 GPT-6 Astra 跑在 Daybreak Blue 下是 100% 拒答——注意这个对比的残酷之处：安全对齐做得最严的模型在这个基准上得分最低，因为「拒答」被计为零分。同时 Preparedness 框架里网络安全类别从 High 升到 Critical，这是 OpenAI 第一次在该类别触顶，而它没有公布定价。第二，同一天发布的《A thousand fewer paths to root》给了这种能力一张账单：5,034 个目标、280 万行内核代码、最终确认 948 个 Linux 本地提权漏洞，花掉 121.3 万美元，单个 LPE 摊到 1,279 美元、成功一次 359 美元、失败一次 3,922 美元——而且它自己承认在 200 个被标记为「成功」的案例里有 20 个其实用了另一个 0-day，也就是说这个数字还是乐观的。第三，METR 对 Anthropic 8 月风险报告的复核把一个一直含糊的词钉死了：「2 倍加速阈值」不再是理论推演，METR 直接写「plausible 已跨越」，私有隐含估计 1.97×/年，被删节的 METR 自估区间 1.3–2.8×——这是一家外部评估机构第一次公开说「你们可能已经越线了」，而报告正文原本写的是「less than a factor of 2」。三件事隔着一张纸：能力上去了，账单出来了，监管口径跟不上了。

---

一、模型与产品

1. GPT-6 Cyber：把「攻防」拆成独立产品线，Preparedness 首次触顶 Critical，未公布定价

11-05 发布。这不是 GPT-6 的一个模式开关，而是独立的一条产品线：官方定位是「aligned cybersecurity agents」，即只做防守侧，但把对手假设成有完整攻击能力的模型。

核心对比是一张表，官方给的数字如下：

基准	GPT-6 Cyber	对照	差值
ExploitGym（端到端利用）	48.5%	GPT-5.6 Cyber 32.1%（上一代同线模型）	+16.4pp（官方表述为「51% relative」）
Web 渗透（多步、含侦察）	40.3%	GPT-6 Astra 32.0%（通用旗舰，未拒答）	+8.3pp
RemoteExploitBench（远程利用）	95% 任务完成	GPT-6 Astra + Daybreak Blue：100% 拒答	口径不可直接比，见下
Honeypot 识别（诱捕环境识别）	99.93%	—	官方称接近上限
Firefox 高危漏洞发现	81 个新高危	MFSA 2026-118 中另有 30 个严重性上调	—
Linux 内核复现	1,724 个可复现	其中 948 个确认为 LPE	详见第二节
Linux LPE 中的 critical 级	304 个	Sol 模型处理 166 个，官方称 5× 以上	—

RemoteExploitBench 那行要特别小心读。95% 对 100% 看起来是 GPT-6 Cyber 输了，但 GPT-6 Astra 跑在 Daybreak Blue 下的 100% 是拒答率，不是完成率——官方的原话是「refused 100% of tasks」，基准设计上「拒绝执行」被记为未完成。也就是说这条数据实际说明的是：Astra + Blue 在这个基准上一题都不做，GPT-6 Cyber 做了 95%，唯一失败是一个远程打不通的 exploit。把这两个数并排放进一张表里，是本期最容易误读的一处，官方图表本身也容易让人看错，这里按原始定义改写。另外注意表里 32.1% 与 32.0% 是两个不同对照：ExploitGym 的 32.1% 是上一代 GPT-5.6 Cyber（同线纵向对比），Web 渗透的 32.0% 才是通用旗舰 GPT-6 Astra（跨线横向对比）——这两个数字长得像，混用会得出完全相反的结论。

安全与部署约束是这期最实在的部分，也是它区别于「又一个基准刷榜」的地方：

• Preparedness 框架下网络安全类别从 High 升到 Critical，是 OpenAI 首次在该类别触顶。这意味着它必须走最严的部署审查流程。
• PSP（Preparedness Safety Program）30 天：官方要求所有获得访问权的机构在 30 天内完成安全计划提交，未通过则收回权限。
• IP allowlisting：默认只对白名单 IP 开放，不接受公开注册。
• 10 亿美元 Frontline Defenders 补贴：面向民间社会组织、独立安全研究者与关键基础设施防守方，形式是额度而非现金。

该怎么读：这条的真正信息量不在基准，而在产品结构。过去「网络安全能力」是模型的一个副作用属性，评测里测一测、系统卡里写一段；现在它被拆成一条有独立准入、独立补贴、独立合规流程的产品线。OpenAI 在做的事，是把「能力越界」这件事从评测话题变成运营话题——谁可以用、用多少、出事谁负责，全部前置。但两个空白同样明显：官方未公布定价，也未说明 PSP 审查的具体判定标准与拒绝率。一个卖防守能力的产品不公布价格，通常意味着它在按客户分层议价，而不是走标准 SKU。

来源：OpenAI · Introducing GPT-6 Cyber · https://openai.com/index/introducing-gpt-6-cyber · 2026-11-05

2. Kimi K3.1 Pro：2.8T 总参 / 104B 激活，开放权重但带 2000 万美元 MaaS 条款

11-04 放出权重。这是本期真正开放权重的那一个（对照 Ripple-65B 与 K3.1 Pro 两条一起看，才是这一期的开源全貌）。

架构数字相当具体，不像常见的模糊表述：

项	数值
总参数 / 激活参数	2.8T / 104B
MoE 结构	896 个专家，每 token 选 16 个
层数	93 层（69 层 KDA + 24 层 Gated DSA）
上下文	1,048,576
权重 / 激活精度	MXFP4 权重 + MXFP8 激活（经 QAT 得到）
视觉编码器	MoonViT-V2，401M
权重体积	96 个分片，约 1.56 TB（另有「112 个文件」的另一种说法）
最小部署	8 卡 GB300 / B300 / MI355X

许可条款是这条最该被单独拎出来的部分，也是中文转述普遍省略的地方：许可里包含一条2000 万美元的 MaaS（Model-as-a-Service）条款，以及一处1 亿月活的标注。翻译成人话：自己用、微调、部署都没问题，但如果你把它做成对外服务卖，且规模达到门槛，就要按这条谈商业授权。这是「开放权重」在 2026 年逐渐固化的形态——权重给你，商业化路径留一道闸。

安全侧有一个反直觉的数字：安全编辑后的内部评测 81.0，而未过滤版本是 90.5。也就是说安全对齐让这个模型掉了 9.5 分。这个数字敢放出来，比绝大多数「安全对齐不影响能力」的宣称更有价值。

基准面（全部厂商自测）：ExploitBench 74.7、ExploitGym 20.7、Terminal-Bench 4.0 65.7%（对照 Opus 5.5 的 66.4%、Astra 的 58.2%）。Terminal-Bench 上它已经贴到 Opus 5.5 的背后，差 0.7pp，但 ExploitGym 20.7 对 GPT-6 Cyber 的 48.5% 差了一倍多——同一天两个数字摆在桌上，正好说明「通用 agent 能力」和「专用攻防能力」不是一条曲线。

来源：Moonshot AI（模型卡官方发布页）· https://huggingface.co/moonshotai/Kimi-K3.1-Pro · 2026-11-04（注：本环境 HF 不可达，数字取自官方发布页与多家独立转述交叉核对）

3. Gemini Omni 1.2 Flash：3–15 秒、1 秒粒度、720p 降 30% 到每秒 0.07 美元

11-05 发布，直接 GA。这一代的关键词是**「可控的时长」**——不是把上限拉到 15 秒，而是给你 1 秒的调节粒度。

项	数值
时长	3–15 秒，1 秒粒度
分辨率	草稿 360p / 720p → 输出 1080p / 4K
价格	720p 每秒 0.07 美元，较上代降 30%
语音参考	1 秒音频即可克隆音色
多说话人	支持，同段内多角色
状态	GA（正式可用），全档开放
水印	SynthID 全量嵌入

1 秒语音参考这个数字值得停一下：上一代主流方案要 30 秒到 3 分钟的样本，1 秒意味着从「录一段素材」变成「随口说一句」。便利性和滥用风险的曲线在这里不是线性的。

但这条有一个明显空白：官方没有给任何量化质量基准——没有 FVD、没有人工偏好胜率、没有与 Veo / Sora 系列的对比数字。一个 GA 版本的产品页只有参数和价格、没有质量证据，通常说明它在质量上不打算打这一仗，而是打价格与可控性。降价 30% 加 1 秒粒度，卖的是「便宜、好调、够用」。

来源：Google · Introducing Gemini Omni 1.2 Flash · https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/ · 2026-11-05

4. Images 2.6：GIF / sprite sheet / SVG 进 API，速度快 50%，周产 40 亿张

11-04 发布。这一代的方向很清楚：从「生成一张好看图」转向「生成能进流水线的资产」。

• 格式支持：GIF、sprite sheet（6 帧 3×2 排布）、SVG、image markup，全部通过 API 直接返回。其中 sprite sheet 是游戏 / 前端工作流的刚需，过去要自己切图拼图。
• 新增 complexity 参数：让调用方在「快」和「细」之间显式取舍，而不是靠猜模型心情。
• 速度：官方称快 50%；Flare 档位在 low 复杂度下6 秒出图。
• 规模：周生成 40 亿张，日均 5 亿以上。
• 覆盖：三端（API / ChatGPT / 消费端产品）全档位、全球开放。

两个缺口必须写清楚：① 没有任何量化质量基准——没有与上一代的偏好胜率对比，只有速度；② 不支持透明背景，这在 sprite sheet 场景里是个硬伤（游戏引擎通常需要 alpha 通道）。官方也没公布定价。一个周产 40 亿张的系统不谈质量只谈吞吐，说明它的瓶颈已经不在质量，而在下游能不能消化——所以这一代加的都是「让产物能直接进管线」的东西。

来源：OpenAI · Introducing Images 2.6 · https://openai.com/index/introducing-images-2-6 · 2026-11-04

5. Personal Finance in Claude：Plaid 只读接入，明确不做转账、不做投资建议

11-05 起美国 Pro / Max / Ultra 用户 beta。这是 Anthropic 第一次碰个人金融数据，边界划得比同类产品清楚。

怎么接的：走 Plaid，只读权限，不接触银行密码（用户在 Plaid 侧授权），Claude 侧只看到账号后四位和交易明细，最多回溯两年。

明确不做的事（这段是重点，几乎每一条都是主动排除）：

• 不能转账、不能管理账户、不能执行任何交易
• 不提供投资建议
• hub 内的数据不用于模型训练
• 无广告

该怎么读：这条的价值不在功能，而在否定清单的完整度。金融类 AI 助手最容易出事的地方不是「算错」，是「越权」——一旦它能发起动作，责任归属就崩了。Anthropic 选的是最保守的形态：看，但不碰。代价是它现在只是一个「更会读账单的聊天框」，价值上限被自己封死了。

一个空白：官方未披露接入的金融机构数量。Plaid 覆盖面上万家机构，但实际接通多少、失败率多少，没有说。

来源：Anthropic · Introducing Personal Finance in Claude · https://claude.com/resources/articles/introducing-personal-finance-in-claude · 2026-11-05

6. Meta Muse：实时语音 + 表现型虚拟形象，美国首发，无一个性能数字

11-05 发布。载体是移动端 / Web / Mac 三端，美国首发。

产品面上有三件事值得记：

• 可打断（barge-in）：对话中随时插话，模型不抢话。
• 数百种声音：官方称可选的音色数量在数百量级。
• 三种「呈现程度」：从纯语音到带虚拟形象，用户可调「表达到什么程度」。

这条的诚实评价是：信息量很低。 官方没有给任何性能数字——没有延迟毫秒数、没有打断响应时间、没有语音自然度评分、没有价格，语言支持范围也没说明（只说美国首发，是否仅英语未明确）。一个实时语音产品不谈延迟，等于一份没有里程的新车发布。

放在这一期的语境里它仍有意义：Meta 是唯一一家把「语音 + 形象」打包做成消费级入口的，Google 在卖 API 秒数，OpenAI 在卖防守能力，Meta 在抢日常对话的默认入口。三条完全不同的路。

来源：Meta · Introducing Muse · https://about.fb.com/news/2026/11/introducing-muse-ai-voice-expressive-avatars/ · 2026-11-05

7. Ripple-65B：65B dense 打到 Terminal-Bench 2.1 的 80.52，全研发只花 3200 万美元

11-04 发布，Ricursive 出品。这是本期最反常识的一条，值得完整拆开。

规格：65B dense（不是 MoE）、12T tokens 训练、1M 上下文、80 层 / d_model 5120、Apache-2.0。

基准对比表（Terminal-Bench 2.1，全部厂商自测）：

模型	参数量	Terminal-Bench 2.1
Ripple-65B	65B dense	80.52
Beam	501B	80.1
Muse Spark Open	816B	76.4
Inkling	975B	63.8
Nemotron 3 Ultra	550B	56.4

一个 65B 的 dense 模型，打赢了 501B / 816B / 975B——差 8 到 15 倍参数量。 其他数字：SWE-bench Pro v2.0 Hard 79.1、GPQA 85.2、AIME 2025 98.3。

成本结构才是真正的信息：

• 全研发 3200 万美元（含数据、算力、人力）
• 140 万次 rollout——官方称是 Beam 的 1/70
• 部署：单张 DGX Spark 可跑 NVFP4；两张 B200 约 250 tok/s

该怎么读：如果这组数字经得起复现，它推翻的是「能力必须用参数量堆」这个默认假设。路线是用 rollout 质量换 rollout 数量——140 万次对 Beam 的 1/70，意味着它在数据筛选和验证上花的功夫远超同行，而不是在算力上。3200 万美元这个数字同样重要：它把「训练一个前沿模型要几十亿美元」的叙事撕开一个口子。

但必须打的折扣：全部基准为厂商自测、无第三方复现；「1/70 rollout」的对照基数（Beam 的 rollout 数）是对方披露口径，未必同一定义；单卡 DGX Spark 跑 65B NVFP4 的可行性从显存看合理，但实际吞吐未给。

来源：Ricursive · Ripple-65B Preview · https://www.ricursive.com/ripple · 2026-11-04

---

二、工程与架构

1. A thousand fewer paths to root：948 个 Linux LPE、121 万美元、单个漏洞 1,279 美元

11-04 发布，OpenAI。这是本期技术上最扎实的一篇，也是 GPT-6 Cyber 那条的产品说明书。不讲情怀，只讲漏斗和账单。

漏斗（全部数字为官方口径）：

阶段	数量	说明
扫描目标	5,034 个	覆盖约 280 万行内核代码，占 Linux 内核约 7%
初筛命中	2,308	—
复现成功	1,724	74.7% 通过率，误报率 3.1%
深度验证	1,169	—
确认 LPE	948	其中 304 个 critical

账单（总计 1,213,430 美元）：

成本项	金额	说明
Analyst（分析）	316,549	阅读代码、定位候选
Exploit（利用编写）	775,929	其中信息泄露 84,929 + LPE 691,000
验证	73,330	复现与确认
初筛	44,194	—
Scout（侦察）	3,426	—
合计	1,213,430	每个 LPE 1,279 美元；成功一次 359 美元；失败一次 3,922 美元

单位经济的最反直觉处：失败比成功贵 10 倍以上（3,922 对 359）。原因是失败案例通常卡在「复现不出来」——已经投入了完整的分析加利用编写成本，却拿不到产出。这个结构决定了整条管线的瓶颈不在生成能力，而在早期判死能力。

外部对照给了这套数字一个锚：kernelCTF 上全年接受 26 个 LPE，而这条管线 112 小时产出 25 个泄漏 + 21 个 LPE，成本 32,936 美元。Pwn2Own 单个 LPE 奖金 2 万美元、TyphoonPWN 7 万美元——按这个价格反推，948 个 LPE 的估值区间是 1,890 万到 6,630 万美元（16 到 55 倍于投入）。

自我纠错这一段是全篇最诚实的地方：官方承认在 200 个被标记为「成功」的案例里，有 20 个实际上用了另一个 0-day——也就是说这条管线在某些案例上「解决」问题的方式是又挖了一个洞。这意味着 948 这个数字的净新增要打折，官方自己也说这是乐观估计。

模型侧的增量：GPT-5.5 Cyber 接入 103 个技术库后复现率从 76.2% 升到 88.9%；而 GPT-5.6 Cyber 只带来 +1.5pp。这个对比说明——当前瓶颈在工具库覆盖，不在模型智力。加技术库的收益是加模型版本的 8 倍以上。

来源：OpenAI · A thousand fewer paths to root · https://openai.com/index/a-thousand-fewer-paths-to-root/ · 2026-11-04

2. CUDA 13.5：Vera Rubin GA，但 TCC 在 Rubin 及之后被移除

11-04 发布。这一版的标题是 Vera Rubin 支持，真正的破坏性变更是 TCC 的退场。

必须知道的破坏性变更：TCC（Tesla Compute Cluster）模式在 Rubin 及之后的架构上被移除。这不是「不推荐」，是移除。TCC 是 Windows 上做 GPU 计算绕开显示驱动的传统方案，长期用于专业可视化与某些 Windows 侧推理场景。移除意味着这部分工作负载必须迁到 WSL2 或原生 Linux。这条变更的影响面被「Vera Rubin GA」的标题完全盖住了，是本期最容易被漏掉的一条。

MPS v3 是另一处大改，四项能力：

• 加权时间片：多进程按权重分配 SM 时间，不再是简单轮转
• SM 借出：空闲进程的 SM 可被其他进程借用
• cgroup 路由：按 cgroup 把任务绑到指定 GPU 资源
• 轮询记账回退：无法拿到硬件计数器时降级为轮询记账

CUDA Tile 扩到多 GPU：支持 unicast / multicast，并可利用 NVLink SHARP（交换机内归约）。同时提供 Tile ↔ SIMT 的 preview 互操作，这意味着可以混合编程模型，不必全量重写。

库侧提速（官方数字）：cuSPARSE SpMM 1.65–2.27×、SpSV 2.7×、csrcolor 3×、cuBLAS FP64 1.5×、nvJPEG +10–600%。

两个空白：官方未给 SM 数量，也未给算力数值（TFLOPS）。一个 GA 版本的新架构不公布算力，在 NVIDIA 的历史上不常见，可能与后续产品节奏有关。

来源：NVIDIA Developer Blog · CUDA 13.5 Brings NVIDIA Vera Rubin GA Support · https://developer.nvidia.com/blog/nvidia-cuda-13-5-brings-nvidia-vera-rubin-ga-support/ · 2026-11-04

3. DSX OS：把 GPU 集群的「配置 / 认证 / 运维」拆成三个 CRD，全 Apache-2.0

11-05 发布。名字叫 OS，实际是三个 Kubernetes operator 的组合，全部 Apache-2.0。

组件	API 组	职责
AICR	aicr.run/v1alpha2	集群配置与漂移检测
NVCRE	nvcre.nvidia.com/v1alpha1	认证与归因（只报告，不处置）
NVSentinel	nvsentinel.nvidia.com/v1alpha1	故障隔离（独占处置权）

职责切分是这套设计最讲究的地方：NVCRE 只做归因不做处置，处置权独占给 NVSentinel。这个划分避免了「诊断组件顺手把节点踢了」这类经典事故——归因和处置分离，是运维系统成熟度的分水岭。

几个具体机制：

• healthCheckAsserts 按 waiting reason 判定，不是按状态码——这比常见的「容器没起来就重启」精确得多。
• aicr diff --fail-on-drift：把配置漂移变成 CI 里可以失败的检查项。
• CEL 规则集：用 Kubernetes 原生 CEL 写自定义断言，不引入 DSL。
• 断路器：防止故障处置本身引发级联。
• busBandwidthGBps ≥ 300：把总线带宽纳入健康门槛。

验证规模：64 节点 all-reduce 测试；模型侧用 8B / 56B NeMo。

该怎么读：这是 NVIDIA 在往软件栈上游走的一步。过去它卖卡、卖 CUDA，集群怎么编排是客户和集成商的事；现在它把「集群能不能算对」这件事自己接管了。全 Apache-2.0 是聪明的一手——operator 开源不会侵蚀硬件毛利，但会让客户的运维习惯绑在 NVIDIA 的 CRD 上。

来源：NVIDIA Developer Blog · Configure, Certify, and Operate Kubernetes GPU Clusters with NVIDIA DSX OS · https://developer.nvidia.com/blog/configure-certify-and-operate-kubernetes-gpu-clusters-with-nvidia-dsx-os/ · 2026-11-05

4. llama.cpp b12132–b12140：六个 nightly 里藏着一个 YaRN 的真 bug

11-05 22:33Z 到 11-06 01:11Z，六版连发。多数是例行修正，但有两处值得记。

b12140（01:11Z）——最实质的一个：YaRN 的 truncate=false 路径修正，影响 gpt-oss 与部分 PLaMo-3 模型。YaRN 的 truncate 参数控制超长上下文时是否截断 RoPE 频率，false 分支此前有问题，会直接影响长上下文质量。这类 bug 的特征是「不崩、不报错、只是变笨」，最难被发现。

b12138：Metal 后端补上 32 ≤ K < 64 区间的 mul_mm，并支持 bf16 × bf16。这是量化矩阵乘法的覆盖补齐，Apple Silicon 上会直接影响 prompt 处理速度。

b12136：fit 逻辑开始计入 NextN 层的 n_gpu_layers。实测表现是 Qwen3.8-27B 在双卡上给出 offloaded 65/66——也就是差一层没上去。这是「差一点就全上卡」的经典场景，对显存紧张的部署很关键。

其余三版：b12137 让 server 拒绝非对象的 session 请求（安全加固）；b12135 补齐 WebGPU 的 MEAN 算子；b12132 把 u8path 换成 generic_string（Windows 路径编码修正）。

来源：llama.cpp GitHub Releases · https://github.com/ggml-org/llama.cpp/releases/tag/b12140 · 2026-11-06

5. 两个 agent 工具在偷东西：Claude Code 的 UA 里带邮箱，Postman 静默装了插件

这一组放在一起，因为它们指向同一个问题——agent 工具链的默认行为缺乏透明度。

（a）Claude Code 在 User-Agent 里携带用户邮箱

Issue #107757，11-05T22:13Z 创建，open，26 条评论，影响 v2.1.318，在 darwin / tmux 环境下复现。

官方回应称从 v2.1.317 起由 cc-plugin-privacy 做确定性阻止，默认启用，可通过 /plugins 关闭，并承诺将公开源码。这里有个时间线问题：报告基于 v2.1.318，而修复声称从 v2.1.317 起生效——要么是修复不完整，要么是版本号有误，官方未解释这个矛盾。

（b）Postman 桌面端静默安装 Codex 与 Claude Code 插件

Issue #14370，2026-10-25T19:03Z 创建（注意：创建日不在本期窗口内，但11-05 有更新且已关闭，属窗口内实质进展，故收录），已关闭，69 条评论。影响 12.33.4，涉及 Codex 插件 1.1.0。

日志证据很硬：2026-10-24T09:34:14.418Z 记录 auto-existing-upgrade → claude-code:installed,codex:installed，涉及 trusted_hash / trusted_content_hash 两个字段。也就是说 Postman 在自己的更新流程里认到了这两个 agent 的存在，并把插件装上了。「auto-existing-upgrade」这个事件名本身就说明它是自动化路径，不是用户点击。

该怎么读：两条的性质完全不同——一条是数据外泄（邮箱进了 UA，每次请求都在发），一条是越权安装（用户没同意）。但共同点是：agent 生态扩张的速度已经超过用户对「装了什么」的知情能力。Trusted hash 这类机制的设计初衷是防止篡改，结果被用来做「静默信任」。

来源：GitHub Issue #107757 · https://github.com/anthropics/claude-code/issues/107757 · 2026-11-05
来源：GitHub Issue #14370 · https://github.com/postmanlabs/postman-app-support/issues/14370 · 2026-11-05 更新（10-25 创建）

---

三、行业与发展

1. 纳指单日 -5.52%：AI 叙事第一次被当成「估值风险」而不是「增长确定性」定价

11-05 美股。数字先摆齐：

指标	变动
纳斯达克综合	-5.52%
纳斯达克 100	-6.4%，蒸发约 2.5 万亿美元
费城半导体指数	-12%
NVIDIA	-9%
AMD	-17%
VIX	创年内最大单日升幅
Amazon / Alphabet	各 -2.2%
距 10-06 高点	-12%（已进入技术性回调）

费半 -12% 对纳指 -5.52%，这个比例关系是关键：跌幅集中在算力供给侧，而不是应用侧（Amazon、Alphabet 只跌 2.2%）。市场在重新定价的不是「AI 有没有用」，而是**「卖铲子的人能不能收回成本」**。

配合这一期另外两条新闻看更清楚：同一天 Google 宣布怀俄明 170 亿美元数据中心（下一条），OpenAI 发布社区契约（承诺全额承担电费）——需求侧的资本开支还在加速，而供给侧估值在打折。这个背离通常不会持续太久，要么开支降下来，要么估值涨回去。

来源：中央社 · https://www.cna.com.tw/news/aopl/202611060027.aspx · 2026-11-05

2. Anthropic 的 IPO 时间表遇到阻力：路演可能推迟，1.5 万亿估值被投资者视为高位

11-05 路透引知情人士。这条是本期唯一一条翻案条目（详见淘汰记录），因为它与索引里已存的 10-20 那篇同站点文章是完全不同的两件事。

• 投资者质疑 11-09 当周启动路演的可行性，理由是 AI 板块情绪转弱。
• 1.5 万亿美元估值被视为高位——今年早些时候市场预期曾达 2 万亿，现在需要更大的折扣才能推动认购。
• Anthropic 拒绝置评。
• Kalshi 上的年内 IPO 概率跌破 60%，而在选举前该概率接近 90%。
• 更新版 S-1 里 10 月营收留空——这是个信号，说明当月数据可能不达预期或尚未结算。
• 募资规模或达 1,000 亿美元。

该怎么读：「投资者质疑时间表」和「公司拒绝置评」这两个事实放在一起，含义比「推迟」更微妙——不是公司想推，是买方不给价。1.5 万亿对着上一期的 8,954 亿算力承诺，意味着市销率和承诺倍数都在被打折。Kalshi 概率从 90% 掉到 60% 以下，说明这个判断已经变成市场共识而非个别声音。

来源：Reuters 经 The Star 转述 · https://www.thestar.com.my/tech/tech-news/2026/11/06/exclusive-ai-backlash-could-threaten-anthropic-ipo-timing-potential-investors-say · 2026-11-05

3. 约 60 万颗 H200 存在香港：8 卡服务器涨到 600 万元以上，BIS 转逐案审核

11-05 中央社。这条把「算力管制」的实际后果量化为库存和价格。

• 约 60 万颗 H200 存放在香港，等待中国进口审批。
• 数家大型厂商各持约 1 万颗。
• 8 卡 H200 服务器价格超过 600 万元人民币（约 90 万美元），是一年前的 3 倍。
• Blackwell 服务器报价超过 2,000 万元人民币。
• BIS 自 2026-01-13 起改为逐案审核。
• 工信部、发改委、NVIDIA、阿里、字节、DeepSeek、腾讯均未回应。

该怎么读：60 万颗这个数字与「8 卡服务器一年涨 3 倍」是同一件事的两面——库存不缺，通道不畅。芯片在物理上就在香港，但因为审批路径变成逐案审核，它不能进入可用状态。于是价格反映的不是稀缺，是不确定性溢价。

「所有当事方均未回应」值得单独记一笔：这种全静默在产业新闻里通常意味着没人愿意把现状说成正式口径——既不能承认囤货，也不能承认买不到。

来源：中央社 · https://www.cna.com.tw/news/aopl/202611050329.aspx · 2026-11-05

4. Google 怀俄明 170 亿美元数据中心：702MW 燃料电池 + CCS，41 项公投 40 项反对

11-05 公布。这是本期最有信息量的基建条目，因为它把一个项目的完整约束条件都摊开了。

项目参数：

• 170 亿美元，落地拉勒米县（Laramie County）。
• 702MW Bloom 燃料电池 + CCS（碳捕集）——不是常规电网供电 + 燃气轮机，是燃料电池配碳捕集。
• AEP 投资 40 亿美元 + 20 年 PPA。
• 2026 年动工，2028 年底投运。
• 空冷（在怀俄明这个水资源紧张州是硬约束）。
• 承担 100% 电力成本。

政治面的数字是这条的核心：当地 41 项公投中 40 项反对。这个比例已经不是「有争议」，是近乎全体否决。项目仍在推进，说明决策权不在公投层面——但 40:1 这个数字会成为后续所有类似项目的参照。

两个外部判断值得并列：

• Cembalest：2027 年仍有 75% 的项目在建设中，2028 年才是风险年（投产即遇供给过剩）。
• 瑞银：2028 年有 30% 概率出现电力受限。

该怎么读：两条判断方向相反但可以同时成立——2028 年既可能「产能过剩」也可能「电力不足」，取决于你在产业链的哪一端。对 Google 这种自建 + 长协的买家，电力受限是主要风险；对卖设备的，过剩是主要风险。

来源：中央社 · https://www.cna.com.tw/news/aopl/202611060031.aspx · 2026-11-05

5. OpenAI 的「社区契约」：全额承担电费与并网，明确不用 NDA

11-05 发布，两份文件：National Community Compact 与 Compute Campus Policy Blueprint。这是 OpenAI 第一次把「建数据中心要怎么跟当地社区打交道」写成公开条款。

承诺清单（这份清单的完整度本身就是信息）：

• 全额承担电力成本与并网费用
• 提供财务担保（项目烂尾时的兜底）
• 水资源计划
• 公开水耗与电耗数据
• 施工与噪音影响研究
• 明确不使用 NDA（仅保留狭义例外）
• 支持工会与本地培训
• 年度公开报告

「不用 NDA」是这份文件里最反常的一条。数据中心项目跟社区谈条件时用保密协议封口是行业惯例，主动放弃等于把谈判过程暴露在公众视野里。这既是姿态，也是策略——在 40:1 公投反对的现实下，透明度是仅剩的说服工具。

已经落地的案例数字：

地点	承诺
Effingham	480 万美元免费校餐，覆盖 14,000 名学生
Pike County	600 万美元托育
Georgia Power	可削减 1,000MW（需求响应）
俄亥俄	2,500 个岗位，年薪 8 万美元

时间线一处修正：Lehane 称这项工作8 月就已启动，而文件是 11-05 才公开。也就是说这不是对纳指暴跌的应急回应，而是提前三个月的准备——发布时点选在情绪最差的一天，更像主动定调而非被动救火。

来源：OpenAI · Setting a new standard for responsible AI infrastructure · https://openai.com/index/setting-new-standard-responsible-ai-infrastructure · 2026-11-05

6. OpenAI 收购 Pierre Computer Company：买的是「代码存储」这一层

11-04 宣布。未披露金额，只说是「small team」，且尚未交割（待监管批准）。

买的是什么：Code Storage，具体三项能力——Trees（代码树结构）、Diffs（差异）、Highlights（高亮）。Codex 已经在用 Trees 与 Diffs，也就是说这是「先用后买」。

该怎么读：这是本期最容易被低估的一条。大模型公司买公司通常买模型、买数据、买人；OpenAI 买的是一层基础设施原语——代码的树、差、高亮。这三样是所有代码 agent 的地基：没有可靠的树结构，agent 就无法理解仓库；没有精确的 diff，就无法验证改动；没有高亮，就无法定位。

配套披露的两条线索让这个判断更稳：Pando（另一项相关工具）与 11-02 的官方文章 《Scaling Git at OpenAI》——先写文章讲自己在 Git 上遇到的规模问题，两天后宣布收购解决这个问题的团队。

来源：OpenAI · OpenAI to acquire Pierre Computer Company, Inc. · https://openai.com/index/openai-to-acquire-pierre/ · 2026-11-04

7. 乌镇峰会：首提《全球开放人工智能行动倡议》18 条，中国开源模型下载破 100 亿次

11-05 开幕。规模数字先摆：138 个国家、约 1,800 位嘉宾、27 场分论坛；671 家企业参展、1,000+ 新品、100+ 具身机器人；OPC 嘉年华 60+ 场；签约 116 项，连续 4 年超千亿。

《携手构建全球开放人工智能行动倡议》18 条，其中四条最有实质内容：

• 算力池（跨国共享算力资源）
• 开源种子基金
• 面向全球南方的能力建设
• 宽松许可免费商用

两个量化背景：中国开源模型下载量突破 100 亿次；阿里千问 470+ 模型、40 亿下载、33 万衍生模型。

该怎么读：「宽松许可免费商用」这一条与本期另一条形成直接对照——Kimi K3.1 Pro 的许可里带 2000 万美元 MaaS 条款。同一个国家、同一周，一边在倡议里推宽松许可，一边在旗舰模型上收商业闸口。 这不矛盾，但说明「开源」在实践层面已经分层：倡议层面要开放，商业层面要留存。

来源：腾讯新闻 · https://news.qq.com/rain/a/20261105A09K8N00 · 2026-11-05

---

四、论文与开源

本期收录 9 篇。全部来自 2026-11-04 UTC 07:59–18:57 的 arXiv 批次（submittedDate 对 11-05/11-06 仍返回 0，sortBy=submittedDate 也只能拉到 2611.06911）。各条已标 v1 时间戳。

1. ServerBench：让 agent 自己设计推理服务系统，每美元 2.97 个请求、4.87× vLLM（2611.06841）

11-04 17:59:07Z。这篇问的问题很具体：LLM 能不能自己把一个 serving system 调好？

设定：给定模型与负载，让 agent 自行决定批处理策略、KV 缓存管理、并行配置，目标是在约束下最大化吞吐。

结果：每美元 2.97 个请求；相对 vLLM 基线 4.87×；33 个任务中 22 个通过。

该怎么读：「每美元」这个指标选得好——它把硬件效率、调度效率、能耗全折算进一个可比数。但 22/33 的通过率意味着三分之一的场景它搞不定，而这些失败场景的分类恰恰是论文最有价值的部分（哪类系统的自动调优不可靠）。4.87× 这个数字如果成立，说明手工调 serving 参数这件事本身有巨大冗余——这直接威胁到「推理优化工程师」这个岗位的核心价值。

来源：arXiv · https://arxiv.org/abs/2611.06841 · 2026-11-04T17:59:07Z

2. CompressionBench：agent 压缩模型，36 个里过 29 个，但 17/79 出现排序翻转（2611.06858）

11-04 18:14:50Z。这篇的价值在于揭示了「压缩成功」的判定陷阱。

主结果：36 个压缩任务中 29 个「成功」；困惑度仅升 +3.4%；准确率 77.33% vs 原模型 79.56%；24 个任务里 21 个困惑度下降。

关键的反面发现：79 个对比里有 17 个出现排序翻转——即压缩后两个模型的相对优劣反了。这意味着用压缩模型做的选型结论不可迁移。

该怎么读：这是本期方法论上最该记住的一条。「压缩后 PPL 只涨 3.4%」听起来无害，但当你要用它来决定「A 模型和 B 模型哪个好」时，21.5% 的对比会给出错误答案。任何用压缩模型跑评测做决策的流程，都需要重新验证。

来源：arXiv · https://arxiv.org/abs/2611.06858 · 2026-11-04T18:14:50Z

3. Signed, Sealed, Leaked：153 次攻击零泄露，MCP 工具链的执行侧才是真风险（2611.06585）

11-04 14:40:32Z。MCP 安全研究里少见的一篇给出正向结果的论文。

结果：153 次攻击尝试，零泄露；对照基线在同样攻击下的泄露率是 5.9%–74.5%；额外开销 10–49 ms；相对基线的加速 2–28×。

该怎么读：MCP 的安全讨论长期集中在「工具描述被注入」这一层（prompt 侧），这篇的贡献是把注意力挪到执行侧——签名与密封在工具调用链路上做验证。零泄露 + 10–49ms 的开销是工程上可接受的区间，这使它有落地可能，而不只是论文。

要注意的边界：153 次攻击的攻击面定义由作者设定，没有说明是否覆盖多工具串联、跨会话状态污染这类更复杂的攻击。零泄露只在它测过的攻击类别上成立。

来源：arXiv · https://arxiv.org/abs/2611.06585 · 2026-11-04T14:40:32Z

4. The Harness Is the Model：同一个模型换个 harness，成绩跨度 11.5 个百分点（2611.06116）

11-04 07:59:59Z。这是本期最应该被广泛引用的一篇，因为它动摇了整个 agent 评测的方法论基础。

主结果：同一批模型在不同 harness 下，银行合规规则任务的准确率在 87.3%–92.1% 之间；单模型在不同 harness 之间的跨度达 11.5pp。

更细的发现：

• 违规率从 9.6% 降到 6.4%（换 harness 就能降）
• 26% 的案例中出现「否认消息」——agent 声称没收到某条消息，但日志显示它收到了
• 日期运算全部失败

该怎么读：标题就是结论——harness 不是中立的测量工具，它是被测系统的一部分。11.5pp 的跨度足以让任何「A 模型比 B 模型强 3 分」的结论失效。而「26% 否认消息」是一个更麻烦的发现：agent 对自身状态的自述不可信，这对所有依赖 agent 自我报告做审计的系统都是坏消息。

**「日期运算全部失败」**这条看似琐碎，实际很致命——所有涉及时效、期限、先后顺序的任务都建立在这个能力上。

来源：arXiv · https://arxiv.org/abs/2611.06116 · 2026-11-04T07:59:59Z

5. Project Glasswing：前沿 AI 让漏洞披露量翻倍，但外部研究者数量减半（2611.06629）

11-04 15:12:30Z。这篇是目前关于「AI 对安全生态影响」最扎实的实证研究，因为它看的是生态指标而不是模型分数。

四个数字：

指标	变化
漏洞披露总量	翻倍
高影响漏洞	+150%
外部研究者数量	减半
研究者利用率	降 2/3，但绝对数不变

该怎么读：这四行合起来讲了一个很具体的结构变化——漏洞变多了，但发现它们的人变少了，且集中在少数人手里。披露翻倍而研究者减半，意味着单个人的产出提高了 4 倍以上（靠 AI 辅助）。「利用率降 2/3 但绝对数不变」说明剩下的研究者并没有闲着，只是可分配的项目变多了。

风险很清楚：安全研究的产能正在向少数掌握 AI 工具的人集中。这对防守方是双刃剑——防守方也能用同样的工具，但攻击方不需要披露，天然占优。

来源：arXiv · https://arxiv.org/abs/2611.06629 · 2026-11-04T15:12:30Z

6. Tools Need Not Speak in Text：Coca-Cola 的隐空间上下文压缩，token 降 70–89%（2611.06500）

11-04 13:32:36Z。工业界案例，数字很硬。

结果：token 减少 70.01%–89.24%；运行时减少 24.45%–55.97%。

方法要点：把工具返回结果压进隐空间而不是让模型用自然语言复述。这绕开了「压缩即丢信息」的常规取舍——信息在隐空间里保留，只是不再以文本形式出现在上下文窗口。

该怎么读：这是本期最可直接落地的一篇。70–89% 的 token 削减对应的是真金白银，而 24–56% 的运行时下降说明瓶颈确实在上下文长度而不在算力。Coca-Cola 这个署名让它比实验室论文更有说服力——工业场景的负载分布比基准测试更接近真实。

空白：没有说明压缩后的可解释性损失——隐空间里的工具结果，人类无法审计。对需要可追溯的合规场景，这是硬约束。

来源：arXiv · https://arxiv.org/abs/2611.06500 · 2026-11-04T13:32:36Z

7. Does Context Compression Preserve Refusal Alignment：压缩会削弱拒答，沿拒答方向衰减激活可缓解（2611.06380）

11-04 11:42:42Z。这篇问了一个所有人都该问但很少人测的问题。

发现：上下文压缩会沿「拒答方向」衰减激活——即压缩后的表示在拒答相关的方向上变弱，导致模型更少拒绝。

方法：提出 Memory Steering，在压缩后的表示上沿拒答方向做补偿性干预。

该怎么读：这条与第 6 条（Coca-Cola 的 70–89% token 削减）必须放在一起读。所有做上下文压缩的团队，都在不知不觉中削弱模型的安全行为——这不是 bug，是压缩的必然副作用（拒答信号往往依赖上下文的完整语义）。Coca-Cola 那篇没测这个，这篇正好补上。

实践含义：如果你的产品在用压缩省 token，需要单独验证拒答行为是否退化，而不能只看任务准确率。

来源：arXiv · https://arxiv.org/abs/2611.06380 · 2026-11-04T11:42:42Z

8. D3D：解耦扩散草稿的异步推测解码，5.00× / 5.71×，GSM8K 7.48×（2611.06425）

11-04 12:27:58Z。推测解码方向的一篇，数字在本期论文里最亮眼。

结果：5.00× / 5.71× 加速；GSM8K 上 7.48×；36 层模型剪掉 5 层仍保留 99% 性能。

方法：把「草稿生成」从同步依赖里解耦，用扩散方式异步产出 draft，主模型验证时草稿可以继续往前跑。

该怎么读：7.48× 出现在 GSM8K 这种输出结构高度可预测的任务上，说明这套方法的收益与任务的可预测性正相关——数学题的推理链有固定模式，草稿更容易命中。这既是它的优势也是它的边界：开放式生成上的收益会低得多，论文未给这类任务的数据。

**「剪 5 层保留 99%」**这个附带发现值得单独记：36 层里剪掉 5 层（13.9%）几乎无损，说明当前模型存在明显的层冗余。

来源：arXiv · https://arxiv.org/abs/2611.06425 · 2026-11-04T12:27:58Z

9. SARBLOH：ARC-AGI-3 的瓶颈是感知不是规划，token 降 89.4%，隐藏评测 13.7×（2611.06793）

11-04 17:11:04Z。这篇的结论会让人不太舒服。

主结论：在 ARC-AGI-3 上，模型的瓶颈是感知而非规划。也就是说，模型不是「不会想」，是「看不清」。

数字：任务通过 3/28 → 25/28；token 减少 89.4%；延迟 35ms；隐藏评测 13.7×。

该怎么读：3/28 到 25/28 是通过改进感知侧（而非加推理链）实现的——这直接反驳了「ARC 类任务需要更强推理」的主流叙事。如果这个结论成立，那么过去一年在 ARC 上堆推理的努力方向就是错的。

「token 降 89.4% + 35ms」说明它不是靠更多计算换来的——这是一个结构性改进，不是规模效应。隐藏评测 13.7× 这个数字的含义需要看原文定义，但从量级看应该是相对基线的提升倍数，不能与通过率直接混用。

来源：arXiv · https://arxiv.org/abs/2611.06793 · 2026-11-04T17:11:04Z

---

五、值得关注的趋势

1. 「2 倍加速阈值」不再是理论：METR 说 Anthropic 可能已经越线，且报告原文写错了量级

11-05 发布。METR 对 Anthropic 8 月风险报告中「自动化 AI 研发」一节的复核。这是本期最重要的一份第三方评估，因为它是第一次有外部机构明确说「你们可能已经越线」。

四条判断：

• 认同风险等级为 Low（METR 同意 Anthropic 的总体风险评级）
• 2 倍阈值「plausible 已跨越」——注意用词，是 plausible，不是 confirmed
• 报告原文「less than a factor of 2」应写成「around 2」——这是一个量级表述的错误，不是措辞问题
• 6 个月内可能推至 high

三个估计值并列（这张表是全篇的核心）：

来源	估计值	性质
私有隐含估计	1.97×/年	从报告内部数据反推
METR 自估	1.3–2.8×	报告中被删节，METR 复核时补回
AECI 复算	1.5× → 1.9×	独立第三次计算

三条独立路径分别给出 1.97、1.3–2.8、1.5–1.9——全部跨越或触及 2 倍线。这就是「plausible 已跨越」的依据。

框架定义也值得记：

• Full Substitution：在 5× 成本内可完全替代人类研究者
• 2× Acceleration：相当于 81× 有效规模化，或 ≥3 个模型世代

这两个换算很关键：2× 加速 = 81 倍有效规模化。也就是说，一旦跨过 2 倍线，「多雇人」这条路就彻底失效了——你需要 81 倍的人力才能追上。

流程时间线：8-12 至 10-29（复核流程跨度两个半月）。

该怎么读：这份复核的真正意义不在数字，而在它暴露了一个治理漏洞——报告里最关键的那个估计区间（1.3–2.8×）在正式版本里被删节了。一家做 RSP 评估的公司，在自家风险报告里删掉了对自己不利的估计区间，而外部机构把它补了回来。这比「是否越线」更值得记。

来源：METR · R&D Section of Anthropic Risk Report (August 2026): Review · https://metr.org/blog/2026-11-05-rd-section-anthropic-risk-report-august-2026-review/ · 2026-11-05

2. 「能力越界」正在变成产品结构问题，而不是评测问题

把本期三条放在一起看：

条目	越界的能力	产品化的方式	谁承担成本
GPT-6 Cyber	攻防	独立产品线 + PSP 30 天 + IP 白名单	客户（审查）+ OpenAI（10 亿补贴）
A thousand fewer paths	漏洞发现	内部管线 + 估值报告	OpenAI 自己（121 万美元）
Project Glasswing	安全研究	生态效应（未产品化）	外部研究者（数量减半）

判断：过去处理「模型能力太强」的方式是在评测里测出来、在系统卡里写一段、在部署时加个过滤器。现在的方式是把它拆成一条独立产品线，配独立的准入、补贴与责任划分。这个转变的标志是 GPT-6 Cyber——它的定价都不公开，因为它的客户不是「谁想用谁买」，而是「谁被允许用」。

推论：接下来会看到更多「能力分区」——不是模型分区，是业务分区。同一个底座，按能力风险拆成不同 SKU，各自有不同的合规门槛。这对开发者意味着API 不再是一张价目表。

3. 「开源」这个词正在分裂成两层：倡议层要开放，商业层要留闸

本期三个数据点：

• Kimi K3.1 Pro：开放权重（Apache 类），但许可带 2000 万美元 MaaS 条款
• Ripple-65B：Apache-2.0，无附加条款
• 乌镇倡议 18 条：明确推「宽松许可免费商用」

判断：同一周内，一个旗舰模型给权重加商业闸口，另一个给完全自由许可，同时国家级倡议在推宽松许可。这不是矛盾，是分层——「开源」在倡议层面是产业政策工具（拉生态、争标准），在企业层面是竞争策略（给权重换采用率，留闸口保商业价值）。

对使用者的实际含义：「开放权重」不再等于「可自由商用」。看许可要看到具体条款，特别是 MaaS 条款与月活门槛。这一条在中文转述里几乎全部被省略。

4. 成本下降的速度，已经开始超过能力提升的速度

三个数字：

• Gemini Omni 1.2 Flash：720p 每秒 0.07 美元，降 30%，且没给任何质量基准
• Images 2.6：速度快 50%，周产 40 亿张，没给质量基准
• Ripple-65B：65B 打赢 500B+，全研发 3200 万美元

判断：三个发布里有两个主动不谈质量只谈价格与吞吐。这不是巧合——当能力提升进入平台期（Gemini 没有量化基准、Images 只有速度、GPT-5.6 Cyber 只带来 +1.5pp），竞争重心会转向单位成本。

但要注意方向：Ripple-65B 那条是反例——它靠效率（65B 打赢 500B）降成本，而不是靠降价。前两条是降价，第三条是提效。降价不可持续，提效才是结构性的。这一期恰好两种都有，可以对照看。

---

六、有趣的 AI 开源项目

1. NVIDIA/auto-ontology：把「本体」这件苦活交给 agent，7,421 星

7,421 星 · Apache-2.0 · 2026-04-27 创建 · 11-05 发布 v1.2.0

知识图谱项目最难的一步从来不是查询，是建本体——实体类型、关系类型、约束，全靠人一条条定。这个项目让 agent 自动从数据里推本体，然后转成语义图做推理。

v1.2.0 两处变更值得记：切换到 Nemotron 3.5 作为推理底座；装上 Ossie converter（把本体转成下游可用的格式）。

该怎么读：NVIDIA 官方出的工具，Apache-2.0，切自家模型——这三件事放在一起说明它是生态卡位而不是独立产品。但对做 RAG / 知识图谱的人来说，省下的本体设计时间是真金白银。

来源：GitHub · https://github.com/NVIDIA/auto-ontology · 2026-11-05

2. D4Vinci/Scrapling v0.5.1：98,022 星，这一版加了「录屏看动画」

98,022 星 · BSD-3 · 2026-11-04T20:29Z 发布 v0.5.1

爬虫库做到近 10 万星，说明它解决了真问题。v0.5.1 三个新能力：

• 录帧看动画：不只抓静态快照，可以按帧记录页面动画过程——这对抓「点击后才出现的内容」是刚需
• 三键拖拽：可视化选择元素，不用写选择器
• RemoteSession：把会话搬到远端，绕过本地 IP 限制

该怎么读：「录帧看动画」这个功能反映的是网页本身变了——越来越多的内容不在 DOM 初次渲染里，而在交互过程中。传统「抓 HTML 再解析」的范式正在失效。

来源：GitHub · https://github.com/D4Vinci/Scrapling/releases/tag/v0.5.1 · 2026-11-04T20:29Z

3. KKKKhazix/agent-autoloop：让 agent 在后台自己接活，做完给你一张卡片决定

3,262 星 · MIT · 2026-11-03 创建 · 11-06 仍在推送

创建三天就有 3,262 星，节奏很猛。核心设计是异步 agent：任务丢给它，它在后台跑，你不用盯着；做完之后不是直接改代码，而是给你一张决策卡片——你点「接受」它才落地。

该怎么读：这个「卡片决策」的设计是关键取舍。全自动 agent 的问题是你不知道它改了什么；全手动的问题是你等于没省事。用卡片做中间态，是把「审查成本」压到最低的一种解法——不看代码，只看变更摘要然后点接受。

风险：卡片如果做得不够细，用户会习惯性点接受，等于把审查环节形式化。

来源：GitHub · https://github.com/KKKKhazix/agent-autoloop · 2026-11-06

4. Balanov/shim：零依赖、local-first 的极简 agent harness

463 星 · MIT · 2026-11-02 创建

星数最少的一个，但方向值得记：零依赖 + local-first。在所有人都在往 harness 里堆功能（工具、记忆、多 agent 编排）的时候，它反向走——不装任何第三方包，数据不出本机。

该怎么读：这类项目通常不是给大众用的，是给不信任云端 agent 的人用的。463 星说明需求真实存在但规模有限。它的价值在于提供一个参照系：agent 的最小可用形态到底需要多少代码。

来源：GitHub · https://github.com/Balanov/shim · 2026-11-02

---

⚠️ 待核实

事项	现状	判断
Mistral Studio	mistral.ai/news/build-with-studio/ 与 docs.mistral.ai 在本环境均返回 000（curl 直连同样失败），无任何一手页面可读；二手转述提到「managed agents / portable agent runtime / workflows」但无具体数字	整条移出正文，不进本期。等官方页可达或有多家独立转述交叉后再收
GPT-6 Cyber 定价	官方未公布任何价格，也未说明是否按 token / 按席位 / 按项目计价	正文已标注「未公布定价」。一个防守类产品不公开价格，可能是分层议价，不宜按标准 SKU 推算
PSP 30 天的判定标准	官方只说要提交安全计划、未通过收回权限，未说明审查方是谁、判定标准、拒绝率	正文按「30 天内提交」表述。这个流程的实际约束力目前无法评估
Kimi K3.1 Pro 权重体积	官方口径 96 个分片约 1.56 TB，另有「112 个文件」的说法	两个数字可能分别指分片数与文件总数（含配置、tokenizer），未获确认。正文并列标注
Kimi K3.1 Pro 的 2000 万美元 MaaS 条款	许可原文含该条款与「1 亿月活」标注，但触发条件的精确表述（是按营收、按调用量还是按月活）未在摘要中明确	正文按「规模达门槛需谈商业授权」表述，未写死具体触发口径
Gemini Omni 1.2 Flash 的质量	无任何量化质量基准（无 FVD、无偏好胜率、无与 Veo/Sora 对比）	正文已标注。只有价格与参数，引用时不要脑补质量结论
Images 2.6 的速度提升口径	「快 50%」未说明是相对哪一版、在什么分辨率与复杂度下测的	正文按官方表述收录，标注为厂商口径
Meta Muse 的全部性能	无延迟、无自然度评分、无价格；语言支持范围未说明（只说美国首发）	正文已标注「信息量很低」。实时语音产品不谈延迟是明显缺口
Ripple-65B 的 1/70 rollout	对照基数是 Beam 的 rollout 数，取自对方披露口径，未必同一定义	正文已标注。这个倍数若口径不同则失去意义
948 个 LPE 的净新增	官方自承 200 个「成功」里 20 个用了另一个 0-day，即 10% 存在重复计数	正文已标注「乐观估计」。引用 948 时应同时给这个折扣
Anthropic IPO 路演时间	路透引知情人士，Anthropic 拒绝置评；1.5 万亿估值与 11-09 路演均为消息源口径	正文按「据报」表述。Kalshi 概率是市场数据，可独立核实
H200 香港库存 60 万颗	中央社报道，工信部、发改委、NVIDIA、阿里、字节、DeepSeek、腾讯七方均未回应	正文按「据报」表述。「数家大厂各约 1 万颗」同样无当事方确认
arXiv 11-05 / 11-06 批次	submittedDate 范围查询返回 0，sortBy=submittedDate 最新只到 2026-11-04T18:57Z	本期 9 篇全部来自 11-04 批次。不代表 11-05/11-06 无新论文，只代表检索时尚未入库

---

本期淘汰记录

类型	条数	明细
脚本判 DUP（第二轮，计入淘汰）	4	vLLM v0.33.0 / rc3（索引 L298 已详述 v0.32.0 与 v0.33.0rc0/rc1「更新至 10-29」，L576 另有 rc2「更新至 11-03」；本期 rc3 无新事件，属同一版本线继续推进）；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「1007 PRs / 257 贡献者」是同一版本的另一种计数口径）；vercel-labs/agent-desktop（L658，11-04 期「六、开源项目」第 1 条已详写无障碍树路线与 computer use 定位）；llama.cpp b12138（L 已记 b12138 的 Metal 32≤K<64 mul_mm 与 bf16×bf16，本期合并进 b12132–b12140 一条，不单列）
翻案（DUP → 收录）	1	Anthropic IPO 时间表遇阻：脚本判 DUP 的理由是「强键精确命中 web:www.thestar.com.my/.../exclusive-ai-backlash-...」，但索引 L341 收录的是同站点的另一篇文章（10-20 的 OpenAI 300 亿美元融资稿），两者仅共享域名与栏目路径。索引中无任何一行记录过路演时间表、1.5 万亿估值或投资者疑虑。拿到路透原文转述后按「新事件」翻案收录。这也是本期唯一一条翻案
REVIEW 复核后淘汰	3	microsoft/VibeVoice（索引已记 10-08 为最后推送日，本期窗口内零增量——无新 commit、无新 release，「11-05 有活动」的线索实为仓库页面的推荐位刷新，非代码变更）；腾讯混元 Hy4 正式版（11-04 期已详报 770B/49B、1M 上下文、视觉与 Computer Use、幻觉率 15.76%→5.45%、金融众测 579 任务的完整数据；本期 OpenRouter 页面上线属同一事件的渠道扩展，无新能力）；Turn-Level Best-of-N（2611.06868）与 FrontierPhysics（2611.06910）——两篇均为 11-04 批次内合格论文，但一篇与本期已收的 harness / 评测方法论主题重叠且实验规模更小，一篇属物理基准方向、与本期主线无交集，篇幅所限合并淘汰，此处留档备查
转待核实	1	Mistral Studio：官方页 000 不可达，无一手源，整条移出正文进「⚠️ 待核实」
语义兜底淘汰	2	Ollama v0.40.15-rc2——rc 标签无版本语义，发布说明仅「例行同步上游」，无可归属的架构变更；Google News 聚合到的「OpenAI Flipsnack 案例」——属客户案例营销内容（转化率优化故事），无技术或行业信息量，与本期日报定位不符
合并处理	4 组	llama.cpp b12132 / b12135 / b12136 / b12137 / b12138 / b12140 六个 nightly 合成 1 条（相隔不到 5 小时，核心是 b12140 的 YaRN 修正与 b12136 的 NextN 计入）；Claude Code UA 泄露 + Postman 静默装插件合成 1 条（同为 agent 工具链默认行为缺乏透明度）；GPT-6 Cyber + A thousand fewer paths to root分列两条但交叉引用（一条是产品，一条是它的技术底账）；Kimi K3.1 Pro + Ripple-65B分列两条但对照表述（本期两个真正开放权重的模型，一个带商业闸口一个纯 Apache）
元反思（不计入淘汰）	1	「2 倍加速阈值」的表述问题：报告原文写「less than a factor of 2」，METR 复核明确指出应写成「around 2」。三个独立估计（私有隐含 1.97×、METR 自估 1.3–2.8×、AECI 复算 1.5×→1.9×）全部触及或跨越 2 倍线。「小于 2 倍」与「约 2 倍」在治理上不是措辞差异，是「未越线」与「可能已越线」的差异，本期在趋势第一条中按后者表述
本期更正（发布后自查）	1 处	GPT-6 Cyber 的 ExploitGym 对照组写错：初稿正文写「48.5% 对 GPT-6 Astra 32.1%」，官方原文为「about 16 percentage points higher than GPT-5.6 Cyber's 32.1%」——32.1% 是上一代同线模型，不是通用旗舰。**两个数字（32.1% / 32.0%）都真实存在且出自同一篇官方文，但分属纵向跨代与横向跨线两种对比，混淆会把「专用化收益」从 8.3pp 高估到 16.4pp，正好一倍。**正文表格、正文解读段与引用提醒均已更正；配图原本标的就是 GPT-5.6 Cyber，无需改。此错由发布后逐条回查一手源时发现，已另发更正邮件

token 账：全量索引 168,228 字符 ≈ 62,307 token（691 数据行，--audit 报问题 2 处——L77、L87 列数为 7，容错解析可读，未超 10 行门槛）。第一轮 42 条候选 → 预筛后需读 27,099 字符 ≈ 10,037 token（压缩 6.2×），其中 17 条 NEW 无需读索引。回溯一手源替换 URL（OpenAI 三条去尾斜杠、Ripple 改官方页、社区契约换一手页、纳指换 CNA 文章页、Scrapling 换 release tag）后第二轮 44 条 → 预筛后 24,643 字符 ≈ 9,127 token（压缩 6.8×），其中 21 条 NEW 无需读索引。以第二轮结论为准：DUP 4 · REVIEW 19 · NEW 21。此外开工前清理索引污染 18 行（上期草稿写入的 2026-11-06 条目）与 1 处误插的「更新至 11-06」，此项不计入淘汰账但直接影响去重准确性。

---

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	Introducing GPT-6 Cyber	OpenAI	https://openai.com/index/introducing-gpt-6-cyber	2026-11-05	2026-11-05
2	一	Kimi K3.1 Pro 模型卡	Moonshot AI	https://huggingface.co/moonshotai/Kimi-K3.1-Pro	2026-11-04	2026-11-04（本环境 HF 不可达，经官方发布页 + 多源交叉）
3	一	Introducing Gemini Omni 1.2 Flash	Google	https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/	2026-11-05	2026-11-05
4	一	Introducing Images 2.6	OpenAI	https://openai.com/index/introducing-images-2-6	2026-11-04	2026-11-04
5	一	Introducing Personal Finance in Claude	Anthropic	https://claude.com/resources/articles/introducing-personal-finance-in-claude	2026-11-05	2026-11-05
6	一	Introducing Muse	Meta	https://about.fb.com/news/2026/11/introducing-muse-ai-voice-expressive-avatars/	2026-11-05	2026-11-05
7	一	Ripple-65B Preview	Ricursive	https://www.ricursive.com/ripple	2026-11-04	2026-11-04
8	二	A thousand fewer paths to root	OpenAI	https://openai.com/index/a-thousand-fewer-paths-to-root/	2026-11-04	2026-11-04
9	二	CUDA 13.5 Brings NVIDIA Vera Rubin GA Support	NVIDIA Developer Blog	https://developer.nvidia.com/blog/nvidia-cuda-13-5-brings-nvidia-vera-rubin-ga-support/	2026-11-04	2026-11-04
10	二	Configure, Certify, and Operate Kubernetes GPU Clusters with NVIDIA DSX OS	NVIDIA Developer Blog	https://developer.nvidia.com/blog/configure-certify-and-operate-kubernetes-gpu-clusters-with-nvidia-dsx-os/	2026-11-05	2026-11-05
11	二	llama.cpp b12140（YaRN truncate=false）	llama.cpp GitHub Releases	https://github.com/ggml-org/llama.cpp/releases/tag/b12140	2026-11-06	2026-11-06T01:11Z
12	二	llama.cpp b12136（fit 计入 NextN）	llama.cpp GitHub Releases	https://github.com/ggml-org/llama.cpp/releases/tag/b12136	2026-11-05	2026-11-05
13	二	Claude Code leaks user email in User-Agent（#107757）	anthropics/claude-code GitHub Issue	https://github.com/anthropics/claude-code/issues/107757	2026-11-05	2026-11-05T22:13Z
14	二	Postman auto-installs Codex / Claude Code plugins（#14370）	postmanlabs/postman-app-support GitHub Issue	https://github.com/postmanlabs/postman-app-support/issues/14370	2026-10-25 创建 / 11-05 关闭	2026-11-05
15	三	美股 AI 板块重挫，纳指跌 5.52%	中央社	https://www.cna.com.tw/news/aopl/202611060027.aspx	2026-11-05	2026-11-05 收盘
16	三	Exclusive: AI backlash could threaten Anthropic IPO timing	Reuters 经 The Star 转述	https://www.thestar.com.my/tech/tech-news/2026/11/06/exclusive-ai-backlash-could-threaten-anthropic-ipo-timing-potential-investors-say	2026-11-05	2026-11-05
17	三	约 60 万颗 H200 芯片存放香港待审批	中央社	https://www.cna.com.tw/news/aopl/202611050329.aspx	2026-11-05	2026-11-05
18	三	Google 怀俄明州 170 亿美元数据中心	中央社	https://www.cna.com.tw/news/aopl/202611060031.aspx	2026-11-05	2026-11-05
19	三	Setting a new standard for responsible AI infrastructure	OpenAI	https://openai.com/index/setting-new-standard-responsible-ai-infrastructure	2026-11-05	2026-11-05
20	三	OpenAI to acquire Pierre Computer Company, Inc.	OpenAI	https://openai.com/index/openai-to-acquire-pierre/	2026-11-04	2026-11-04
21	三	2026 世界互联网大会乌镇峰会开幕	腾讯新闻	https://news.qq.com/rain/a/20261105A09K8N00	2026-11-05	2026-11-05
22	四	ServerBench: Agentic design of LLM serving systems（2611.06841）	arXiv	https://arxiv.org/abs/2611.06841	2026-11-04	2026-11-04T17:59:07Z
23	四	CompressionBench: coding agents compress LLMs（2611.06858）	arXiv	https://arxiv.org/abs/2611.06858	2026-11-04	2026-11-04T18:14:50Z
24	四	Signed, Sealed, Leaked: germline execution in MCP toolchains（2611.06585）	arXiv	https://arxiv.org/abs/2611.06585	2026-11-04	2026-11-04T14:40:32Z
25	四	The Harness Is the Model（2611.06116）	arXiv	https://arxiv.org/abs/2611.06116	2026-11-04	2026-11-04T07:59:59Z
26	四	Does Frontier AI Strengthen Cyber Defense? Project Glasswing（2611.06629）	arXiv	https://arxiv.org/abs/2611.06629	2026-11-04	2026-11-04T15:12:30Z
27	四	Tools Need Not Speak in Text: latent context compression（2611.06500）	arXiv	https://arxiv.org/abs/2611.06500	2026-11-04	2026-11-04T13:32:36Z
28	四	Does Context Compression Preserve Refusal Alignment?（2611.06380）	arXiv	https://arxiv.org/abs/2611.06380	2026-11-04	2026-11-04T11:42:42Z
29	四	D3D: Decoupled Diffusion Drafting（2611.06425）	arXiv	https://arxiv.org/abs/2611.06425	2026-11-04	2026-11-04T12:27:58Z
30	四	SARBLOH: perception, not planning, in ARC-AGI-3（2611.06793）	arXiv	https://arxiv.org/abs/2611.06793	2026-11-04	2026-11-04T17:11:04Z
31	五	R&D Section of Anthropic Risk Report (August 2026): Review	METR	https://metr.org/blog/2026-11-05-rd-section-anthropic-risk-report-august-2026-review/	2026-11-05	2026-10-29
32	六	NVIDIA/auto-ontology	GitHub	https://github.com/NVIDIA/auto-ontology	—	2026-11-05 查询（7,421★，v1.2.0）
33	六	D4Vinci/Scrapling v0.5.1	GitHub	https://github.com/D4Vinci/Scrapling/releases/tag/v0.5.1	2026-11-04	2026-11-04T20:29Z（98,022★）
34	六	KKKKhazix/agent-autoloop	GitHub	https://github.com/KKKKhazix/agent-autoloop	2026-11-03	2026-11-06 查询（3,262★）
35	六	Balanov/shim	GitHub	https://github.com/Balanov/shim	2026-11-02	2026-11-06 查询（463★）

引用提醒：本期所有「厂商自测」标注项（GPT-6 Cyber 的全部基准、Kimi K3.1 Pro 的全部评测与 81.0/90.5 安全分、Gemini Omni 1.2 Flash 的价格与速度、Images 2.6 的 50% 提速、Ripple-65B 的全部基准与 1/70 rollout、CUDA 13.5 的全部库提速、DSX OS 的 64 节点测试）均无第三方独立复现；所有「据报／据知情人士」项（Anthropic IPO 时间表与 1.5 万亿估值、H200 香港 60 万颗与价格、Google 怀俄明的 41 项公投）均未获当事方确认，引用时请保留限定语。五处最易被转述带偏的地方已在正文标注：① GPT-6 Cyber 的 RemoteExploitBench 95% 对 100% 是「完成率对拒答率」，不能读成输了，官方图表本身也容易看错；② ExploitGym 的 32.1% 是上一代 GPT-5.6 Cyber、Web 渗透的 32.0% 才是通用旗舰 GPT-6 Astra，两个数字极像但指向纵向与横向两种对比，混用会把「专用化收益」高估一倍（16.4pp 对 8.3pp）——本期初稿正文曾把 32.1% 误配给 Astra，已按官方原文（「about 16 percentage points higher than GPT-5.6 Cyber's 32.1%」）更正；③ METR 报告原文写「less than a factor of 2」，正确表述应为「around 2」，三个独立估计全部触及或跨越 2 倍线；④ Kimi K3.1 Pro 是「开放权重」但许可含 2000 万美元 MaaS 条款，不等于可自由商用；⑤ 948 个 LPE 里有 20 个（10%）实际用了另一个 0-day，官方自认为乐观估计；⑥ 2× 加速 = 81 倍有效规模化，不是「快一倍」这么轻的意思。本期 arXiv 收录的 9 篇均为 2026-11-04 UTC 07:59–18:57 提交，11-05 / 11-06 批次截至检索时尚未入库，已在各条标注 v1 时间戳。