AI DAILY
AI 日报 2026-11-11
一句话结论本期收录 23 条资讯（模型 6 / 工程 5 / 行业 5 / 论文 7）+ 4 条趋势 + 3 个开源项目，共 26 条写入索引，正文合计 30 条。淘汰账：脚本两轮共判 DUP 6 条（1 条翻案收录、5 条维持淘汰）、REVIEW 14 条里收录 11 条（9 条独立成篇 + 2 条降级合并为「发版小注」）淘汰 3 条、NEW 18 条里收录 12 条淘汰 6 条（4 条让位于板块容量、2 条时效违规），另 1 条时效误标由语义兜底剔除。最值得看的是 Anthropic 的路演公告与它旁边那份债务报告——不是因为 1.4 万亿美元这个数字大，而是因为这两件事在同一个星期里给出了同一个信号：AI 的定价权正在从「讲增长故事的人」转回「算现金的人」。一方面，Anthropic 把价格区间从 11-09 短暂流传的 $70–80 收窄到 $70–78、非稀释估值约 1.02 万亿、完全稀释上限 1.405 万亿，比半个月前递表时的 1.5 万亿明显缩水，比更早的 2 万亿目标接近腰斩；另一方面，路透同日的债券市场报道显示美国高收益信用利差在上周四扩到 348bp（2025 年 5 月以来最高），数据中心债扎堆的单 B 层扩 35bp 到 367bp，Galaxy Helios 的数据中心债从 9.875% 的发行收益率被抛到 13%。换句话说，股权端在压估值、债权端在抬成本，两头同时收紧——而 Anthropic 自己披露的未来算力承诺约 8,954 亿美元，是这次 IPO 加私募合计上限 904 亿美元的近十倍。技术侧同一天也有一条同样值得看的：Gemini 4 Carbon 全面开放，同时拿下 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 三个独立第三方榜第一，且每任务成本不到次优外部模型的一半；但这条的正确读法是「用更多 token 换准确率 + 单 token 定价更低」，而不是「模型更省」——它在新自建的 MKA 多模态榜上只排第 2。真正把这两条串起来的是第三个细节：Mercor 说自己花在推理上的钱是员工薪资的 3 倍——当「推理支出超过人力支出」开始成为一门生意的常态描述，成本就不再是财务口径，而是产品定义的一部分。
AI 日报 2026-11-11
整理日期：2026-11-11 素材来源：白名单一手源（Anthropic 官方 newsroom 与 SEC 更新文件、Google 官方博客与 Google DeepMind 博客、OpenAI 官方博客、美团技术团队博客与 LongCat 官方博客、NVIDIA 官方博客、Reuters 经 US News / AOL / Yahoo Finance 全文转载、Mercor 官方博客、Path Robotics 官方新闻稿、GitHub Releases API 与仓库本体、arXiv 原始 abs 页），二手中文媒体仅用于发现线索并回溯一手源，逐条见文末附录 可信度提示：统计窗口 2026-11-10 00:00 → 11-11 09:40 HKT。四条口径先说清：① 11-10 是周二，美国厂商的发布集中在北京时间 11-10 深夜至 11-11 凌晨（Anthropic 路演公告、Google 两篇博客、OpenAI 两篇、NVIDIA 博客均在此段落地），llama.cpp 则在北京时间 11-10 09:00 至 11-11 07:00 之间推了 20 个构建。② arXiv 本期取到了 11-10 的 announce 批次（
arxiv.org/list/cs.AI/recent头部显示「Tue, 10 Nov 2026」，cs.AI 480 篇 / cs.CL 207 篇 / cs.LG 509 篇），但逐篇回查 abs 页后确认这批论文的[Submitted on ...]全部为 11-09——这是 arXiv 的提交与公布日期错位，正文与附录统一标注 submitted 日期，引用时请勿当作 11-10 提交。③cloud.google.com、support.google.com两个域在本机直连返回 000，Gemini for healthcare 与 Gemini 关联 Gmail/Drive 人工审核两条因此无法回溯一手源，已移入待核实或不收；businesswire.com与reuters.com主站亦返回 000，Reuters 两篇改以全文转载站取回，一手 URL 保留在附录并注明转载路径。④ 所有厂商自测 benchmark 均显式标注「厂商自测、无独立复现」，第三方榜与内部基准分开标注；Anthropic IPO 的发行条款来自官方公告，而估值、私募配售、财务数字来自招股书更新与路透计算，两者在正文中分行标注，不可混引。 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 #Agent #推理基础设施 #论文 #开源项目 #资本市场
一句话结论
本期收录 23 条资讯（模型 6 / 工程 5 / 行业 5 / 论文 7）+ 4 条趋势 + 3 个开源项目，共 26 条写入索引，正文合计 30 条。淘汰账：脚本两轮共判 DUP 6 条（1 条翻案收录、5 条维持淘汰）、REVIEW 14 条里收录 11 条（9 条独立成篇 + 2 条降级合并为「发版小注」）淘汰 3 条、NEW 18 条里收录 12 条淘汰 6 条（4 条让位于板块容量、2 条时效违规），另 1 条时效误标由语义兜底剔除。最值得看的是 Anthropic 的路演公告与它旁边那份债务报告——不是因为 1.4 万亿美元这个数字大，而是因为这两件事在同一个星期里给出了同一个信号：AI 的定价权正在从「讲增长故事的人」转回「算现金的人」。一方面，Anthropic 把价格区间从 11-09 短暂流传的 $70–80 收窄到 $70–78、非稀释估值约 1.02 万亿、完全稀释上限 1.405 万亿，比半个月前递表时的 1.5 万亿明显缩水，比更早的 2 万亿目标接近腰斩；另一方面，路透同日的债券市场报道显示美国高收益信用利差在上周四扩到 348bp（2025 年 5 月以来最高），数据中心债扎堆的单 B 层扩 35bp 到 367bp，Galaxy Helios 的数据中心债从 9.875% 的发行收益率被抛到 13%。换句话说，股权端在压估值、债权端在抬成本，两头同时收紧——而 Anthropic 自己披露的未来算力承诺约 8,954 亿美元，是这次 IPO 加私募合计上限 904 亿美元的近十倍。技术侧同一天也有一条同样值得看的：Gemini 4 Carbon 全面开放，同时拿下 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 三个独立第三方榜第一，且每任务成本不到次优外部模型的一半；但这条的正确读法是「用更多 token 换准确率 + 单 token 定价更低」，而不是「模型更省」——它在新自建的 MKA 多模态榜上只排第 2。真正把这两条串起来的是第三个细节：Mercor 说自己花在推理上的钱是员工薪资的 3 倍——当「推理支出超过人力支出」开始成为一门生意的常态描述，成本就不再是财务口径，而是产品定义的一部分。
一、模型与产品
1. Gemini 4 Carbon 全面开放：三个独立第三方榜第一，但正确读法是「贵着打准」
11-10 发布（更新，首报 10-29）。这是上个月只对 Fairwind 网络安全伙伴开放的 Carbon 正式向所有付费开发者、企业、科学家与消费者开放的一天，信息量集中在三个地方：可用范围、定价的截止日、以及那三个榜的组合读法。
可用范围：API 侧进 Google AI Studio 与 Gemini for business，面向所有付费开发者与企业；消费侧进 Google AI Ultra 订阅者的 Google Antigravity、Gemini app、以及 Search 的 AI Mode。同时在 Antigravity 里预览 /swarm——一句话拆成一支可实时追踪的 agent 团队，把 Carbon 派去架构设计、协调、审计这类最吃推理的角色，配更轻的模型并行跑在隔离工作区，再加上对抗式 verifier 逐个验改动。
定价有一个必须记住的日期：现在与 Argon 同价的引导价 $2 / $10 每百万 token（输入/输出），2026-11-30 之后翻倍到 $4 / $20，且官方脚注写明「仅适用于面向公众的 Carbon 模型」——也就是说 Fairwind 那侧的 Carbon for cyber 不在这个价目表里。
成绩要分三档读，混在一起就会得出错的结论：
- 三个独立第三方榜，全第 1：CursorBench 4.0、Perplexity 的 WANDR、Zapier 的 AutomationBench，且官方称每任务成本不到次优外部模型的一半。
- 一个与第三方共建的新榜，第 2：与 Artificial Analysis 合作推出的 Multimodal Knowledge Agent（MKA），测的是 agent 工作流里对带图表、图纸、表格的密排文件做原生推理；Carbon 排第 2，但每任务平均成本比榜首低 6 倍以上。
- 内部基准，不构成可复现证据：Project Fortify（Google 自家的扫描—分诊—修复自治系统）上扫描召回 100%、分诊精确 95%；开源仓库测试中召回率相对 Argon 提升 25% 以上（相对提升，非绝对值）。
值得单独拎出来的是两个外部实战口径：Google 云漏洞研究团队（CVR）用 Carbon 给一个流行开源软件里的两个 bug 做出了可利用性证明，使其被重新定级为 critical 并快速出补丁；Wiz 的 Scan for Good 项目里，Carbon 在两小时内在两个大型 SaaS 供应商的公开基础设施里找到 0-day，官方称把原本数周的漏洞研究压到一个下午。
安全侧的数字比能力侧更密：模拟网络攻击环境里拦截了自适应红队 agent 99% 的攻击轨迹，单次尝试突破率降到 0.8%（Argon 为 3.1%）；Gray Swan 测试中自动化网络攻击查询成功率 2.17%（Argon 9.86%）；Trajectory Labs 132 小时、13,000+ 请求未发现新的通用越狱；Gray Swan 间接提示注入（IPI）攻击成功率 0%——官方称为首次达到该里程碑，但同一段里也承认高级红队显示「在某些分布上模型仍可被进一步攻破」。375 任务 agentic honesty 基准通过 92%（Argon 70%），其中拒绝补全缺失实验数据 98%、主动标记方法缺陷 68%。
来源：Google · https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/ · 2026-11-10
2. Gemini Robotics 2.5：200 个任务、奔驰产线 96%，安全改成「推理时引导」
11-10 发布。这是 Gemini Robotics 系列的 VLA（视觉—语言—动作）新版本，官方定位是同时扩「能学的技能广度」与「学会的速度」。
评测覆盖 200 多个不同任务，官方举的例子是「用夹子分餐、给礼盒系蝴蝶结、移液」。相对此前基线，成功率提升 30%~100%（按任务类型）、完成任务快 20%~30%。原生支持多种机器人形态，包括 Apptronik 的 Apollo 2 人形（五根手指、22 自由度的 SharpaWave 手）与 Franka Duo 双臂平行夹爪平台。
最实的一段是产线验证：与 Apptronik、梅赛德斯-奔驰合作，在匈牙利 Kecskemét 与德国 Sindelfingen 的在产汽车线上做汽车配货（automotive kitting）——把散装料箱里的零件按每台车所需顺序分装到托盘里。这套流程用 Gemini Robotics ER 跟踪工作流、用 Gemini Robotics 2.5 动作模型控制手与臂，成功率达到 96%，并且能自行修正取件时的空档。Apptronik 的 CEO 说了一句值得记的话：模型在几周后训练里有大幅提升，搬到奔驰产线上「几乎没有衰减」。
安全侧换了一条路线：不再只靠事后分类器，而是用推理时引导（inference-time reasoning guidance）在实时里绕开物理危险，官方数据是障碍物附近的安全完成率 +33%、人群附近 +43%。同时开源了一个新基准 ASIMOV-Jailbreak——几百条把不安全请求伪装进几十个场景的提示；在这个基准上 Gemini 4 Argon 的越狱抵抗率 99.5%，此前基线 Gemini Robotics ER 2 为 82%。
来源：Google DeepMind · https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/ · 2026-11-10
3. AlphaProof Code：AI 把 Signal 协议的实际代码形式化验证了，600 万行 Lean、四周
11-10 发布。这条的分量不在「AI 又会写证明了」，而在于它跨过了形式化验证领域一条长期的分界线：过去几十年的协议验证大多停在设计层，而真实漏洞往往藏在设计与实现之间的缝里；这次证明的对象是设备上实际运行的编译后代码。
做法是把验证拆成「研究团队式」的分工：人类专家与多模型协作，决定证什么，把 Signal 的安全目标翻译成形式化数学规约，每一条都经人工复核；然后由 Gemini Carbon 驱动的 agent 去做证明，产出 600 万行 Lean 代码；接着 agent 自查并标出需要人再看的部分——只占代码量的 1%，其余由 Lean 自动检查。
耗时四周，官方称同类任务历史上要专家团队做数年。这个说法有一个可验证的支撑：研究团队把两个真实存在过、已修复的 bug 重新注入到隔离版的 Signal 代码里，两次系统都产出了机器可检的「该版本不安全」的证明——这至少说明它不是只会给正确代码盖章。
需要谨慎的地方也明确：官方称这是「首次用 AI 对广泛部署的加密协议做这种深度的形式化验证」，也是「首次由任何方法（含非 AI）完成对这类广泛部署协议实现的形式化验证」——这两句都是 Google 与 Signal CTO 的口径，尚无第三方独立复现；「四周 vs 数年」的比较基线也没有给出具体项目名。
来源：Google DeepMind · https://deepmind.google/blog/introducing-alphaproof-code/ · 2026-11-10
4. LongCat-2.5 正式开源：MIT、1.6 万亿参数，在单卡不足 80GB 的国产卡上跑长序列
11-10 发布（更新，首报 11-03；本次是开源权重这一新事件，索引 L663 记的是发布与参数，未有协议与工程路径）。美团这次给的不是「又一个万亿 MoE」，而是一份在受限硬件上把万亿 MoE 装进去的工程账本，这一点比参数更有信息量。
主干规格：总参数 1.6 万亿、每 token 激活约 480 亿、1M 上下文、原生多模态。协议是 MIT，明确支持商用推理部署与二次训练，无需额外授权——这个选择本身在国产开源里不算常见。
四条工程路径叠起来才是完整答案：
视觉表征不再外挂模块，而是把视觉信号表示成多层级离散 token，与文本一样交给主干统一处理：对原生分辨率特征做残差向量量化逐级补细节，视觉码本与主干联合训练，视觉 token 可离线预计算并缓存，顺带把分布式训练的负载摊匀了。
量化走 W4A4——专家权重与激活同时压到 4bit，由原生 INT4 矩阵乘单元执行；精度上以 FlatQuant 的可学习等价变换为基础优化 MoE 量化，官方称已评测的下游任务表现与量化前相当。数据路径上一处细节值得记：专家共享输入变换，在 token 复制与分发之前就完成量化，让同一份 INT4 表示贯穿专家通信与计算；变换、尺度计算、量化、打包融成一个专用算子，再配合权重布局与转置访问优化，减少搬运与转换。
并行与显存：FSDP 双重分片 + 扁平化缓冲区压常驻与峰值显存，混合词表并行进一步压缩；参数 AllGather、专家 token AllToAll、KV AllGather 尽量留在超节点内高带宽域；MoonEP 动态专家复制只在负载不均衡超过阈值时才启用（避免额外通信吃掉收益）；零拷贝通信、参数预取、ScMoE 做通信计算重叠。结果是在单卡显存不足 80GB 的国产 AI 加速器上跑通长序列训练与微调，长序列 SFT 的单卡吞吐较 DDP 基线 +86%。
训练链路上还有三个不改变能力定义、但决定长任务能否稳定发挥的设计：把真实 agent 的失败轨迹转成可复现可验证的训练任务；partial rollout 异步训练让没跑完的长任务存下来续跑、过采样率按通过率动态调整；以及一组「防钻空子」约束——任务环境断网、清 git 历史与文件缓存、用 LLM judge 监督轨迹，对重复思考、重复工具调用、过度思考施加惩罚。
来源：美团技术团队 · https://tech.meituan.com/2026/11/10/Meituan-LongCat-2.5-Open-Source.html · 2026-11-10 权重：https://huggingface.co/meituan-longcat/LongCat-2.5 技术博客：https://longcat.ai/blog/longcat-2.5/
5. Claude 三件套：Whiteboards、Sheets 进 Beta，Dashboards 改名 Data 转 GA
11-10 发布。这条容易被当成功能更新略过，但三件东西的默认开关策略透露了 Anthropic 对企业侧数据面的谨慎程度，值得单独记。
Whiteboards（Beta）：共享看板，可与 Claude 一起头脑风暴。能把你口述的杂乱计划转成带时间线、负责人、日期的看板；复盘场景里所有人贴笔记、Claude 按主题归类并起草各自行动项；可以框选看板任意区域就该区域提问；最后能把看板转成文档或幻灯片。Sheets（Beta）：一句话生成含多标签页、公式、格式、下拉菜单的表格，可在单元格里直接编辑且逐条列出每处改动，可共享协同编辑，导出 .xlsx / CSV。Data（GA）：前身是 10 月的 beta 版 Claude Dashboards，改名理由是「企业对数据的使用方式比仪表盘更广」。
Data 的几项能力里，两个是真正解决老问题的：certified queries 让数据团队认证「大家都该用的查询」，基于认证指标的图表带 certified 徽章，直接对口径冲突；live sharing 让同事打开共享仪表盘就能看到最新数字，即使他们没有维持数据更新的连接器权限——查看者只能看到已批准的查询结果，不能借你的权限跑别的查询。另外补了缓存与按仪表盘单独设置刷新频率、变更追踪与回滚到指定版本。
默认开关是关键：Team 套餐三项全默认开启；Enterprise 套餐里 Whiteboards 与 Sheets 默认关闭，Data 默认开启且生效日期是 2026-11-19。管理员在 Organization settings > Artifacts 里改。三个功能都面向所有付费套餐、Web/桌面/移动端可用；Data 另需配数据连接器（支持 Amazon Redshift、BigQuery、ClickHouse）。生态侧列了 Lucid / Miro / Vani by Zoho（白板）、Airtable / Asana / monday.com / Smartsheet 与 Claude for Excel（表格）。
来源：Anthropic · https://claude.com/resources/articles/sheets-whiteboards-data · 2026-11-10
6. Businesses in ChatGPT：让商家认领档案，再给它一个能卖货的 agent
11-10 发布（beta，仅美国）。OpenAI 第一次把「商家」当成 ChatGPT 里的一等对象，分两层：Business Hub 是商家自助认领与信息管理，认领并验证后可更新关键信息、接自助商品 feed（带价格与库存），看到被提及次数、网站点击、以及一个有意思的指标 discovery topics——「网站被引用的那些对话里的常见主题」。Business Agent 是认领后可自建、测试、上线的商家 agent，当商家出现在模型回答里、用户点开其资料页时可选择开启对话追问细节。
设计上有两条边界写得比功能更清楚：商家 agent 的对话「明确标注、与原对话分离、与 ChatGPT 的独立回答区分」；商家可 sponsor 自己的 Business Agent，并作为 ChatGPT Ads 的落地页，同样明确标注且与 ChatGPT 回答分离。数据侧承诺不共享用户对话给商家，洞察是聚合数据且需达到一定对话量阈值才可见。
规模背景是 1.2 billion 周活。资格上，认领向所有 ChatGPT 可用地区的合格商家开放；Business Agent 仅限美国的合格电商与在线服务商家，具体品类指向 policies 页。Shopify 商家已有 Shopify Catalog 通路，也可从 Business Hub 或 Shopify 后台连接店铺加速验证。页面未披露任何定价——文中出现的 pricing 一词指的是商家商品价格数据，不是 OpenAI 收费。官方把这次定位成「early step」，更多市场与品类只是「plan to」。
来源：OpenAI · https://openai.com/index/businesses-chatgpt/ · 2026-11-10
二、工程与架构
1. NVIDIA 把 OpenShell 捐给 CNCF：agent 安全运行时交给中立基金会
11-10 发布（KubeCon 现场）。这是本期工程板块最重的一条，因为它是治理结构的变化，不只是代码开源。
NVIDIA 把 OpenShell——一个用于保护和治理自治 agent 的开源运行时——捐给 CNCF，成为 Sandbox 项目。Linux 基金会 CEO Jim Zemlin 的表述把问题定义得很清楚：「云原生社区有了一个新的基础设施挑战：给 agent 提供安全的运行环境。」OpenShell 的做法是对 agent 活动施加确定性控制（deterministic controls），让团队在 agent 调工具、访问推理服务、执行负载时能强制执行策略；架构可扩展，允许接自己的算力、推理供应商、凭据存储与监控。官方给的采用量是「数百家组织在用，上线不到一年收到数万条贡献」。
同批还有三件事：NVIDIA 参与 Agent Substrate（Google 主导的、在 Kubernetes 上跑长时 agent 负载的开源框架）并推动其进入 CNCF Sandbox，同时让它与 NVIDIA Dynamo（推理）、KAI Scheduler（集群资源调度）打通；Agent Substrate 的核心机制是在任务之间保留 agent 环境、agent 空闲时释放算力，靠挂起/恢复避免为每个 session 常驻算力。NVIDIA 与 Google 还在做 OpenShell × Agent Substrate 的集成。
另外两个组件是 NVKE（NVIDIA Kubernetes Engine）与 NVKR（Kubernetes Recipes）进入公开预览，做 GPU 基础设施上的托管 K8s 服务，自动集群生命周期 + 签名版版本固定镜像；Mirantis、Netris、OpenNebula、Rafay、Spectro Cloud、vCluster、Firmus、SK Telecom 已对齐集成。以及 NVIDIA Snapshot 开源——恢复 checkpointed 副本不需要重载模型或 warmup，直接秒级起。两个设计伙伴在 HGX B300 上自己跑出的数字：Crusoe 把 GLM-5.3 的就绪时间从约 8 分钟压到 31 秒；Saturn Cloud 把 vLLM 启动从 2–8.5 分钟压到 6–34 秒。
来源：NVIDIA · https://blogs.nvidia.com/blog/open-source-openshell-infrastructure/ · 2026-11-10（作者 Warren Barkley）
2. llama.cpp b12241–b12262：11-10 单日 20 个构建，mtmd 接上 Kimi K3.1 视觉
11-10 全天（更新，首报 11-09 的 b12212–b12240；本次区间与之仅重叠 b12238–b12240 三个构建，其余 17 个为新内容）。脚本以强键 b12262 判 DUP，回溯一手 release 页确认是新区间后翻案收录。这一天最值得记的不是版本号，而是修复的分布：几乎全是「某些硬件/某些路径上会错但不会报错」的问题。
- b12262 之前：
mtmd: add kimi K3.1 vision (#31980)——多模态侧接上新模型的视觉编码；mtmd: share compute buffer among subcontext (#31945)——子上下文共享计算缓冲，降峰值。 - CUDA：
skip graph compat check when graph is being reused (#32004)、move graph and concurrent stream state out of common.cuh (#32001)——图复用路径的检查开销被拿掉，状态从公共头文件迁出。 - Vulkan 一排：
Fix out of bounds reads/writes on MoltenVK (#31890)（越界读写）；cap scalar flash attention at 8 rows for large heads on Qualcomm (#30829)——这条细节很典型：Qualcomm X1-85 上大 head 的标量 FA 会每次寄存器溢出 264 字节，限到 8 行后不再溢出但慢 40 倍，属于「正确性优先、性能另议」的取舍；Divide GROUP_NORM workgroup to 2D (#31930)；add tiled-transpose concat shader for Qwen models (#30591)。 - 工具调用与 JSON：
common: escape control characters in tool argument strings (#31937)、chat: don't use lazy grammar when response_format is set with tools (#31956)、common/json-schema: fix allOf with plain types (#31834)——这三条都在修「结构化输出与工具调用叠在一起时」的老毛病。 - 其他：
ggml-rpc: fail gracefully on unreachable endpoints (#30415)、hexagon: fix 64-bit FastRPC handle truncation (#30952)、sycl: un-gate oneDNN fused SDPA for Alchemist at head_dim=64 (#31574)。
来源：ggml-org · https://github.com/ggml-org/llama.cpp/releases/tag/b12262 · 2026-11-10（当日 20 个构建，b12238 00:23Z → b12262 23:04Z）
3. 两个发版小注：Claude Code v2.1.322 与 Ollama v0.40.17-rc0
两条都够不上单列，但各自有一处会影响选型的变动，合并记一笔。
Claude Code v2.1.322（11-10T02:29Z）只有一行变更：Added fast mode on Vertex in the global, us and eu regions, falling back to standard speed if Vertex refuses it。它把 fast mode 从 Anthropic 直连扩到 Vertex 的三个 region，且明确写了拒绝时回落标准速度——这一点比功能本身重要，因为上期 v2.1.316 的 Opus 4.8 fast mode 弃用说明里写的是「移除后报错不回落标准模式」，两个方向的处理不一致，说明「回落」是按路径单独定的策略。
Ollama v0.40.17-rc0（11-10T22:25Z，预发布）：mlx: support concurrent generation——MLX 路径支持并发生成，这是 Apple Silicon 上长期只有单路的关键短板；llm: use mmap for Vulkan integrated GPUs——Vulkan 集显改走 mmap，直指集显显存与主存边界的老问题；cmd/launch: use thinking metadata for OpenCode settings；内置 llama.cpp 升到 b12257，MLX / MLX-C 同步升版。仍是 rc，未转正式版。
来源：Anthropic · https://github.com/anthropics/claude-code/releases/tag/v2.1.322 · 2026-11-10 来源：Ollama · https://github.com/ollama/ollama/releases/tag/v0.40.17-rc0 · 2026-11-10
4. Modern Web Guidance v1.0.0：四家浏览器厂商共管，203 个用例指南喂给 coding agent
11-10 发布（仓库 11-10T03:22Z 推送，release 11-10T03:24Z）。这个项目 2026-03-23 建仓、此前长期在 preview，v1.0.0 意味着它从「Google Chrome 的项目」变成了Chrome + Edge + Firefox + MDN 四家共管——这是它区别于一般「agent 技能包」的地方：内容不是某一家对 Web 标准的解释，而是四家引擎团队共同维护的口径。
规模：203 个用例指南覆盖 250 项 Web 平台特性（CSS 与布局 140、HTML/DOM 36、JS/API 74）。CLI 侧新增 legacy-scan——npx modern-web-guidance@latest legacy-scan [path] 静态检出遗留的 Web 平台写法，每条发现映射到「现代替代」对应的指南文档；官方说目前覆盖约 20% 有确定性规则的指南，配套 skill 里加了 scan → verify → report → modernize 四步流程。检索从 TensorFlow.js 换成零依赖 embedding 模型 + BM25，仍完全离线，npm 包体从 23.5 MB 降到 8.8 MB。新增 set-allow-volatile-features：近三个月内才落地或仍在稳定的单引擎特性，指南仍可检索但 retrieve 需要在 .mwgrc 里显式 opt-in（对齐 Origin Trial 的门控思路）。仓库 Apache-2.0、3,249★。
对做前端 agent 的人来说，真正的价值不在「有 203 篇文档」，而在 legacy-scan 把「现代化」这件事变成了可枚举的检查项——这是把规范知识转成可执行任务的那一步。
来源：GoogleChrome · https://github.com/GoogleChrome/modern-web-guidance/releases/tag/v1.0.0 · 2026-11-10
5. Reuters：微软在劝白宫别禁中国光模块，理由是「芯片会闲着」
11-10 发布。这条放在工程板块而不是行业板块，因为它讲的是一条供应链上的物理约束，而不是政策态度。
三名知情人士称，微软一直在推动特朗普政府放弃禁止进口中国产光收发器（optical transceivers）的计划。背景是路透 8 月报道过该意向：美方担心这类在数据中心内以光速传数据的组件被用于窃取数据、植入恶意软件或扰乱服务，由 FCC 牵头推进。微软在美国有 35 座数据中心在建、另有 134 座在规划（Cleanview 数据），是 9 月与白宫科技政策办公室、国家安全委员会会面反映供应链压力的少数公司之一。
ITI 总法律顾问 John Miller 的表述把工程后果说得很直白：很多云厂商已经买了 AI 芯片，「那些芯片没有光模块，就只能干等着、无法被利用，直到你真的有光模块把它们连起来」。一个数据中心需要数百万个光模块来连服务器、路由器和交换机。
替代性上，Counterpoint Research 的数据是中国占全球光模块市场 三分之二（Eoptolink、中际旭创等），美国 Coherent 与 Lumentum 有竞争技术但规模不足以替代（Foundation for American Innovation 报告）。摩根士丹利 10 月的客户纪要称，正在考虑的禁令门槛是能跑 3.2 Tbps 的型号——这类产品预计 2028 年才量产、2029 年才广泛部署，等于给美国厂商留出扩产时间。ITI 已于 8-13 致函 FCC 反对列入贸易黑名单。
来源：Reuters（经 AOL / Yahoo Finance 全文转载） · https://www.aol.com/articles/exclusive-microsoft-presses-trump-scuttle-110129000.html · 2026-11-10
三、行业与发展
1. Anthropic IPO 路演启动：8.25 亿股、$70–78，七家芯片云厂另投 260 亿
11-10 发布（更新，首报 11-07 / 11-08 的估值下修；本次是官方路演公告 + 确定价格区间，属实质进展）。这一条必须分成「官方公告说了什么」和「招股书与路透补充了什么」两层来读，混在一起容易把不同来源的数字当成同一口径。
官方公告（一手）：拟发行 825,000,000 股 A 类普通股，其中 801,351,354 股由 Anthropic 自己发行、23,648,646 股由现有股东出售（公司不从老股销售中获得任何收益）；承销商有 30 天超额配售权，最多再买 123,750,000 股；价格区间 $70.00–$78.00；申请在 Nasdaq Global Select Market 挂牌，代码 ANT；高盛与摩根士丹利为牵头承销。
招股书更新与路透计算（二手核对）：按上限每股 $78 计，公开发行部分最高募资约 644 亿美元；另有 260 亿美元 N 类普通股私募配售，在 IPO 完成并满足条件后交割——谷歌与英伟达各 100 亿、AMD 25 亿、博通/美光/微软各 10 亿、台积电相关实体 TSMC Partners 5 亿；两笔合计上限约 904 亿美元。估值上，非稀释市值约 1.02 万亿美元，计入期权与限制性股票后的完全稀释估值上限约 1.405 万亿美元。时间上，路透与 CNBC 口径为 11-18 定价、11-19 开始交易；官方公告未给交易日期。
财务侧（招股书）：Q3 营收 169.56 亿美元，同比增约 1127%，但环比增速从 Q2 的 144% 骤降到 47%；前九个月营收 332.4 亿美元。截至 10-31 的年化收入运行率约 810 亿美元，比 9 月底的约 710 亿一个月增加 100 亿。未来算力采购与租赁承诺累计约 8,954 亿美元。
这张图要读的是最后一行：把两笔融资的上限加总（904 亿）和未来算力承诺（8,954 亿）放在一起，差着一个数量级。这不是说这轮融资不够——IPO 本来就不负责覆盖全部资本开支——但它解释了为什么承销商要给出一份到 2030 年营收超 6,000 亿美元、2030 年自由现金流转正 336 亿美元的预测：故事必须拉到那么远，8,954 亿的承诺才讲得通。
来源：Anthropic · https://www.anthropic.com/news/roadshow-launch · 2026-11-10 来源：Reuters / The Straits Times · https://www.straitstimes.com/business/anthropic-targets-us1-trillion-ipo-valuation-in-test-of-wall-streets-ai-fervor · 2026-11-10
2. Reuters：AI 债务承压，高收益利差创 2025 年 5 月以来新高
11-10 发布。这条和上一条是同一个星期的两半，应该连着读。
数据（ICE BofA 美国公司债指数）：美国高收益信用利差在上周四的股市抛售中扩到 348 个基点，为 2025 年 5 月（特朗普加征全球关税后一个月）以来最高；周五收窄到 342bp。投资级利差上周四 93bp，前一日 91bp。数据中心债多集中在垃圾级的 BB 与单 B 层，单 B 利差扩 35bp 至 367bp，为 3 月以来最高，是高收益市场里恶化最快的一档。
最具体的一个案例：Galaxy Helios 数据中心债 11-05 跌到 89.25 美分，收益率从 Galaxy Digital 全资子公司在 7 月底发行 B+ 级债时的 9.875% 抬到 13%。
原因链条是「民主党 1 月接管国会 → 拟推一批针对 AI 系统与数据中心建设的立法 → 投资者重估 AI 相关信用」。特朗普在中期选举失利后于周末释放了对 AI 护栏的开放态度。多位基金经理的口径可以归成三层：短期，更严的监管意味着新债供给减少，对信用市场反而是缓解，市场需要 6–12 个月消化前期扩张；中期，已开工项目与已做出的资本承诺不会立刻转向，2027 年的资本开支与发行数字不太会变；长期，不确定性主要影响 2028–2030 及以后。
值得记的两句反向判断：Capital Group 的 Karen Choi 明确说影响在「later years」；FedWatch Advisors 的 Ben Emons 则给出了最干脆的一句——「AI 不会慢下来。如果它在得州慢下来，它会在另一个州冒出来，然后继续。」
来源：Reuters（经 US News 全文转载） · https://www.usnews.com/news/politics/articles/2026-11-10/analysis-ai-debt-faces-pressure-as-democrats-prepare-to-take-over-congress · 2026-11-10
3. Mercor 拿 7.5 亿美元 D 轮、估值 200 亿：把「企业自建 eval + 后训练」做成生意
11-10 发布。官方博客的说法比融资数字更值得看：它把「企业拥有自己的智能」讲成了一条可复制的路径——从一个够用的开源模型出发 → 建公开 eval → 后训练降本 → 再为客户训模型，并声称后训练所需的资源只是前沿训练的零头。
融资侧：7.5 亿美元 D 轮，估值 200 亿美元，含一笔员工老股转让（employee tender）；投资方包括 Benchmark、Felicis、Fundomo、Apollo 关联基金、G Squared、General Catalyst、Glade Brook、NVIDIA、Salesforce、Sapphire、StepStone、XTX、Zoom。路透补充的背景是：去年 10 月上一轮 3.5 亿、估值约 100 亿，亦即一年翻倍；公司背书方包括 Jack Dorsey 与 Peter Thiel；2026 年 Q3 全球风投 1,020 亿美元、AI 占 64%（Crunchbase）。
业务侧：专家网络 500 万+ 人；官方称美国有 800 多个不同职业，每个职业里都有模型尚未被评测过的工作流；今年收购了 Deeptune（用两年时间重建了数百个企业应用，供 agent 在里面练习专业流程）。最刺眼的一个自述数字是：Mercor 花在推理上的钱已经是员工薪资的 3 倍，并称这笔钱靠「让团队更会干活」自己赚回来了；联合创始人 Brendan Foody 由此推出「若这个比例随 AI 扩散到整个经济，指向未来五年接近两位数的 GDP 增长，约为此前常态的 3 倍」。
这条要保留两个限定：3 倍是公司自述、未披露分母口径；用一家 AI 训练公司的支出结构外推全经济，是把一个极端样本当成了先行指标——方向上值得留意，幅度上不能当预测。
来源：Mercor · https://www.mercor.com/blog/series-d · 2026-11-10 来源：Reuters（经 The Star 转载） · https://www.thestar.com.my/tech/tech-news/2026/11/11/ai-training-startup-mercor-valued-at-20-billion-in-latest-funding-round · 2026-11-10
4. Path Robotics 拿 3 亿美元 E 轮、估值 24.5 亿：焊接跑通后想包下整条产线前后的活
11-10 发布。官方新闻稿（Columbus, Ohio）与彭博的补充口径一致：3 亿美元 E 轮，投后估值 24.5 亿美元，Georgian 领投，现有投资方 Addition、Drive Capital、IronArc、Tiger Global、Yamaha Motor Ventures 及其关联方参与，新投资方 D. E. Shaw Ventures 与 NAVER Ventures；Georgian 合伙人 Emily Walsh 进董事会。彭博称这轮把估值抬到接近原来的四倍，公司累计融资超 6.1 亿美元。
值得记的不是估值倍数，而是它把「物理 AI」的进展量化成了三条可核对的线：18 个月内 ARR 增长 17 倍（未披露绝对 ARR，因此无法换算营收规模）；与 HII 的 6 亿美元履约型生产协议（performance-based，是协议金额而不是已确认收入）；员工同比 +97%、年底目标 400 人。客户里还有 Lockheed Martin 与 Saronic。
技术路径是「先啃最难的那个」：从焊接切入，核心模型 Obsidian 让机器人自己识别焊缝、规划路径、随工况调整，而不是跑固定程序；今年 4 月推出 Rove，把 Obsidian 装到四足平台上做移动焊接（彭博称有 50 台预订，明年起在船厂、工地、重工业现场与人一起干活）。CEO Andy Lonsberry 的说法是「目标不是自动化一个步骤，而是自动化整个工厂」，并强调「我们的客户从没有因为任务机器人开除过焊工」。
来源：Path Robotics · https://www.path-robotics.com/news/path-robotics-announces-300-million-series-e-led-by-georgian · 2026-11-10 来源：Bloomberg · https://www.bloomberg.com/news/articles/2026-11-10/path-robotics-quadruples-valuation-to-2-5-billion-in-latest-funding-round · 2026-11-10
5. OpenAI 经济研究：自由职业不是被替代，是被「重新捆绑」
11-10 发布。与 Upwork 合作的《The Rebundling of Freelance Work in the AI Age》，作者 Caroline Chin、Shagun Kala、Nadav Kunievsky、Teng Liu、Alex Martin Richmond、Carl Shan。数据口径：ChatGPT 使用占比 2025-01 → 2026-06，Upwork 快照取 2026 上半年，同比对比 H1 2025 → H1 2026，预算与工时数据截至 2026 年 4 月。
三条主结论：63 个可匹配子类别中，43 个呈现「ChatGPT 里常见 → Upwork 份额下降 / ChatGPT 里冷门 → 份额上升」的模式，20 个相反——所以作者自己写明「ChatGPT 的使用量不能单独解释自由职业需求的变化」。任务多样性提升 45%：AI 相关帖子的任务组合从约 14.6 个等效均衡任务变成约 21.2 个。定价上，AI 相关项目的时薪与其他项目基本持平，但固定总价预算更高、工时更多——更高预算反映的是范围更广，不是单价溢价。
最实用的一句是平台间的错位：写作在 ChatGPT 使用中的占比远高于在 Upwork 需求中的占比；视频与动画正相反，在 Upwork 需求中占比远高于 ChatGPT 使用占比。这解释了为什么「AI 写文案」的焦虑最响，而视频外包的需求反而在涨。
作者主动给的三条限定值得抄下来：结论反映的是人当前怎么用 ChatGPT，而非 AI 能支持的全部任务范围，二者之间存在「能力悬置」；不是简单的替代故事；只覆盖 Upwork 与 ChatGPT 两侧数据，存在自选择偏差，且企业的内部工作演变不会体现为新的招聘或职位发布。
来源：OpenAI · https://openai.com/index/ai-effect-on-freelance-work/ · 2026-11-10
四、论文与开源
本期 7 篇全部为 11-09 提交、11-10 公布（arXiv 的提交/公布日期错位，见可信度提示②），均为预印本、未经同行评审；所有加速比与精度数字为作者自测。
1. 2611.12240 Prune, Don't Merge：MoE 压缩在生产任务上，剪枝完胜合并
这条的价值在于它把两个「学术榜上打平」的方法搬到了一个真实公司的五种多语言生产任务上（一家 web hosting 企业，从分类到生成营销 HTML 邮件模板），然后打出了一个悬殊的差距。
设置：两个 30B 模型（Qwen3-30B-A3B-Instruct-2507 与混合 Mamba-attention 的 Nemotron-3.5-Lightning），砍掉 25% 与 50% 的专家，同一套校准数据，对比 REAP（专家剪枝，删最不显著的）与 REAM（专家合并，并进最显著的）。结果：同一批样本上 REAP 在 20 组比较中 16 组显著更好，REAM 只有 2 组。25% 档位上 REAP 保住 Qwen3-30B 93.6% 的生成质量，REAM 只有 62.5%——而在学术基准上两者「同模型差距不到 1 分」。
最有诊断价值的一句是：损伤集中在输出契约而不是内容——邮件模板上每一处显著损失里，89.8%–95.2% 来自硬性门槛失败（非法 JSON、移动端布局崩坏、生成跑飞），而且多数失败的非英语领域描述会照抄提示词里的英文开头短语。附带的两个诊断量也值得记：REAP 论文里的 cross-perplexity 与 logit divergence 在生产质量上同样有效，重复循环率也有效，而 n-gram 多样性无效。
来源：arXiv · https://arxiv.org/abs/2611.12240 · 2026-11-09
2. 2611.12832 What the Loss Curve Misses：FP4 预训练让稀有事实学得更慢，而 loss 看不出来
这是一篇会改变「低精度训练验收标准」的论文。
做法：从零训 transformer，用仿真的 4-bit 矩阵乘，在合成传记数据上做受控曝光次数实验（单独训、也混进 web 文本）。结论：NVFP4 要达到 BF16 的召回率，需要 1.32× / 1.52× 的曝光次数，而两者的验证 loss 只差 0.5% / 2%；若两边都用 BF16 矩阵乘评测，曝光成本降到 1.26× / 1.30×；按作者的主读数口径，等 loss 条件下的曝光成本约 1.2×。
机制拆解比结论更有意思：零均值梯度噪声能复现「只量化反向传播」的成本（而这种量化几乎不动 loss）；在双倍 NVFP4 误差的受控实验里，只喂给 Adam 二阶矩估计的噪声表现得像降低学习率，成本会消退；喂进更新量的噪声会压低信噪比，成本一路带到训练结束，占总成本约三分之二。而靠提高学习率去补偿变小的平均步长，对这个噪声、对 NVFP4 都补不回来。
一个可直接拿来用的副产品：用 BF16 checkpoint 的梯度统计量，不拟合就能排出各种格式、部分量化与噪声控制的成本顺序，Spearman 0.96。作者的呼吁很简单：评低精度配方时，除了 loss 还要测稀有事实的获取速度。
来源：arXiv · https://arxiv.org/abs/2611.12832 · 2026-11-09
3. 2611.12377 Detecting Shadow AI：企业端点上的未授权 agent，能检测但有时间窗
Shadow IT 是老问题，这篇提出的是 agent 会让它指数级变快：agent 让造工具近乎免费、以用户权限行动、还会留下脚本、自动化和 MCP server 这些本身也没被批准的东西。作者给了一个简单的复合模型：一旦 agentic artifact 的复制速度快过组织的清理速度，shadow IT 就指数增长；而清理的第一步是先能看见。
检测部分：提出九类 agent × 六层端点足迹的分类法，然后指出一个关键判断——只看进程与连接结构的规则，无法把 agent 和它的「行为孪生体」区分开（同一个程序对非 AI 服务说话）。他们开源的 Windows 检测器 Agent Detector 把行为锚定到远端服务的身份上，并与安装、配置、执行历史做关联，用了 39 个工具、184 条 LLM 端点条目的目录；发现时是弹一个用户必须确认的通知，不阻断。
在 12 个合成 agent、3 个 AI 组件、9 个良性负载的受控台架（同一工作站重复 5 次）上：两条纯行为规则把每一个行为孪生体都误报，Agent Detector 一个都没误报，且多数轮次里检出了全部 agent。作者自己列的限制很实在——时间性局限：走共享 CDN 的供应商连接只有 DNS 缓存还留着名字时才能归因，窗口 1 到 5 分钟；一个间歇运行的 agent 大约每三次扫描才被看到一次；单次扫描 154 ms；台架太小，不足以给检测器排名。
来源：arXiv · https://arxiv.org/abs/2611.12377 · 2026-11-09
4. 2611.12820 AI 同行评审到底行不行：100 个植入错误给出了一个不太好看的答案
做法很干净：把 100 个已知错误植入 10 篇开放获取的心理学论文，再把改过的论文喂给前沿模型与两个商用 AI 评审工具。
结果：最好的单系统抓到 71/100，最差的 30/100；把所有系统的输出合并起来能抓到 93/100——这说明各模型发现的错误只有部分相关，ensemble 是找问题的一大杠杆。有 7 个错误没有任何系统抓到，而这 7 个全是「遗漏」（omission）：从论文里删掉信息，而不是塞进错误。这一点比总分重要——它说明当前 AI 评审擅长「找出文中写错的东西」，不擅长「发现文中少了什么」。
另外两个必须一起引的限定：误报没有被测量；这批错误的分布与真实论文里错误的分布如何对应，未知。作者公开了论文、错误、模型输出与完整实验日志。
来源：arXiv · https://arxiv.org/abs/2611.12820 · 2026-11-09
5. 2611.12356 DForkTree：投机解码的 draft 树，问题不在 drafter 知道什么，在它被什么前缀带着走
这条把块的投机解码里一个隐蔽的失效点挖出来了。块扩散 drafter（如 DFlash）一次前向出一整块，DDTree 再从它的逐位置分布建树——但每个位置的分布都假设 drafter 自己那条最可能的续写是对的。而一棵树相对一条链的全部收益，恰恰来自离开这条续写的分支：在这些分支上，drafter 的 top-1 命中率从 89% 掉到 18%，候选列表漏掉正确 token 的频率也高得多。
关键诊断：从 fork token 处重新跑同一个 drafter，它通常是对的——所以错误不是来自 drafter 的能力，而是来自分布所条件化的那段前缀。
方案 DForkTree 是训练无关的：用目标模型自身输出的 n-gram 统计，以点互信息的形式加到 drafter 分数上，在 fork 之后给更高权重，再在 GPU 上精确构造这个分数下的最优树。在 Qwen3.5-4B 与 9B 上（所有树方法共享同一 drafter、同一树流水线、同一 verifier），它在每个基准上都是最快的树方法：比 DFlash 快最多 41.5%、比 DDTree 快 15.1%，相对自回归解码平均加速最多 4.75×。
来源：arXiv · https://arxiv.org/abs/2611.12356 · 2026-11-09
6. 2611.12464 Phrase-Level Speculative Decoding：把 draft 的单位从 token 换成「词」
这条的出发点是一个被当成常量的东西：分词器。Medusa、EAGLE-3、DFlash、DSpark 都在目标模型的词表里 draft，于是一个候选节点 = 一个目标 token，看起来天经地义。但 BPE 的预分词在学 merge 之前就先按空白切分，所以任何跨空白的多词字符串都不可能成为单个 token——在 Qwen3-4B 里 "United States of America" 是四个 token，且任意相邻两 token 的组合都不存在，于是短语在任何「在目标词表里 draft」的方法里都不可达。
方案是换单位：一个小 MLP 头读冻结目标的隐状态，在独立的 draft 词表里把一个 1–3 词的短语预测成单个条目，再用贪心最长匹配展开回目标自己的 token；N 个候选在一次前向里、用前缀树掩码并行验证，因此与树的深度宽度正交。目标与其分词器全程冻结，且候选只有匹配目标自身 argmax 时才被接受，服务输出与贪心解码逐位相同（除浮点平局）。
数字：单张 A5000、batch 1、对 HuggingFace generate()，一个 21.94M 的头（Qwen3-4B 的 0.545%）在 GSM8K 上 2.391×、MATH-500 上 2.444×、MT-Bench 上 1.544×。因为输出层每个条目只占 257 个参数的一行，draft 词表大小就是参数预算：8,000 条目 = 3.434M 参数（目标的 0.0854%，比 EAGLE-3 的 drafter 小 64 倍），保留大头的 92.3% GSM8K 每轮 token 数。与 EAGLE-3 同提示同基线比，这个 21.94M 的头在两个数学集上赢 tree-16、输 tree-60。
来源：arXiv · https://arxiv.org/abs/2611.12464 · 2026-11-09
7. 2611.12856 WorkflowArena：当模型自己当架构师，「组织方式」本身变成一种可测能力
现在的 agent harness 已经允许模型自己实例化 worker、自己写协调它们的可执行工作流——系统结构的设计权从开发者手里转到了模型手里。而现有基准要么只测端到端完成，要么在预先指定的结构下测协调，测不到这种能力。作者把它形式化为 workflow orchestration，并给出 WorkflowArena：145 个长程任务、8 个专业领域（软件工程、形式数学、法律分析、3D 制作等）。每个任务给一个初始工作区和一个由互相依赖组件构成的交付物，由隐藏 verifier 判分；agent 自主决定是否、以及如何委派，所有委派都被记录，从而能同时评估交付物质量与工作组织方式。
九模型实验的两个观察值得直接抄：没有任何单一配置在所有领域最优；不同系统的委派策略有清晰指纹——高 effort 下，Claude 系在 Claude Code 里调用工作流更少但 worker 组更大，GPT 系在 Codex 里委派更频繁但单位更小。第三个结论最有分量：把执行模型固定在一个挑战子集上，由 Claude Opus 5.5 撰写的工作流能显著提升更弱的执行者——说明工作流组织本身就是任务表现的独立决定因素。
来源：arXiv · https://arxiv.org/abs/2611.12856 · 2026-11-09
五、值得关注的趋势
1. 「成本优势」正在从形容词变成一张可核算的表
同一天里，Carbon 讲了「每任务成本不到次优外部模型的一半」，并在 MKA 上给了「第 2 但成本低 6 倍」；Mercor 讲了「推理支出是薪资的 3 倍」；NVIDIA Snapshot 不讲 FLOPs 而讲「就绪时间 8 分钟 → 31 秒」。三个不同层级的主体（模型厂商、应用公司、基础设施厂商）用的是同一个句式：不说我更快，说我每完成一件事花多少。这个转向有具体后果——当计价单位从 token 变成任务，模型选型就不再能只看榜单分数，而必须把「这个模型会多花多少 token 去探索」算进去。Carbon 官方那句「比 Argon 用更多 token 去彻底探索、深度推理、跑更长的验证循环」正是这个逻辑的自白：它的成本优势来自单 token 定价更低，而不是用得更少。
2. 开源权重的战场从「追平分数」转到「跑得起来」
LongCat-2.5 通篇没有把重点放在榜单上，而是放在「单卡显存不足 80GB 怎么办」：W4A4、FSDP 双重分片、混合词表并行、MoonEP 阈值触发的动态专家复制、ScMoE 通信计算重叠。llama.cpp 同一天 20 个构建里最典型的修复是「Qualcomm 上大 head 的标量 FA 每次溢出 264 字节，限到 8 行不溢出但慢 40 倍」；Ollama 的 rc 里最受关注的两条是 MLX 并发生成与 Vulkan 集显 mmap。这些都不是「能力提升」，而是让一个已存在的能力在特定硬件上不出错、不被浪费。对国内团队来说，这个转向比任何一次榜单刷新都更有实际价值，因为它决定了「能不能用」而不只是「好不好用」。
3. 企业侧的瓶颈从「模型够不够强」移到了「看不看得见、停不停得下」
把四件事排在一起看：arXiv 的 Shadow AI 论文说 agent 会让未授权工具指数增长、而规则检测无法区分 agent 与其行为孪生体；同期的 Double Blind Evals 用 H100 机密计算让评测方与模型方互不泄露；OpenAI 上期的 Control Room 把熔断做成 fail-closed 的中央服务；NVIDIA 这期把 OpenShell 捐给 CNCF，让 agent 的确定性治理进入中立基金会。四条指向同一件事：当 agent 真的开始长时间、多工具、拿用户权限跑，治理的第一性问题不是「策略写得对不对」，而是「这件事发生的时候你在不在场」。而 Agent Detector 论文里那个「DNS 缓存 1–5 分钟」的归因窗口，恰好说明这个「在场」有多脆弱。
4. 股权端压估值、债权端抬成本，两条线第一次同向收紧
Anthropic 把价格区间从传闻的 $70–80 收到 $70–78，非稀释估值约 1.02 万亿，比递表时的 1.5 万亿明显缩水；同一周，美国高收益信用利差创 2025 年 5 月以来新高，数据中心债扎堆的单 B 层扩 35bp，Galaxy Helios 的债从 9.875% 被抛到 13%。一边是「未来增长预期折价」，一边是「当下融资成本抬升」，这在过去两年里很少同时发生——此前通常是估值高、利率低。值得留意的是多数机构给出的时间表高度一致：2027 年的资本开支与发行数字不会大改，压力集中在 2028–2030。也就是说，这轮收紧的杀伤力不在「今年」，而在「续作窗口」——8,954 亿美元的算力承诺能不能在 2028 年之后按原价续上，是比 IPO 定价更硬的问题。
六、有趣的 AI 开源项目
1. expo/exact — 一份 Contract 描述界面，同一份代码跑 Web / macOS / iOS / Linux，且「agent 能自己验」
2,213★ / Rust / MIT / 2026-11-02 创建 / 11-11 01:53Z 推送 / 48 forks / 90 个 11-10 起的提交。来自 Expo 团队，自述是「cross-platform application runtime」，但它的三个设计原则比跨端本身更值得看，因为它把「给 agent 写代码」当作前提而不是附加能力。
做法：界面用一个小型声明式语言 Contract 描述，数据逻辑用 TypeScript 或 Rust 写；Contract 编译器把界面编成一份紧凑的 plan（表 + 字节码）。Web 上这份 plan 变成一个约 20 KB 运行时驱动的 ES module，直接用浏览器自己的 DOM 与 CSS；macOS / iOS / Linux 上由一个 Rust runner 执行同一个 plan，Rust 布局内核按 CSS 规则算每一个盒子（打了补丁的 Taffy），再由各平台自己画——AppKit、UIKit、或 GPU / CPU painter。没有 webview、UI 层没有 JS 桥、首帧前不执行任何 App JavaScript。
三个原则里最硬的是第一条「agent native」：给 agent 的操作只有十个（tree · screenshot · tap · type · state · layout · logs · clock · prefer · perf），四个 host 上完全一致，统一走 scripts/agent.mjs；作者特意解释了为什么是十个——「前代产品的 agent API 在一次一次合理的追加里长到了 80 个 线上名字」。第二个细节更聪明：时钟归 agent 所有，两次操作之间什么都不会动，agent 不说「睡到动画结束」，而是说 clock +60000 或 clock settle 然后读结果，从根上消掉了时序抖动。测试就是这些操作组成的脚本，一个 app.test.contract 在任何 host 上原样跑，不需要第二个 evaluator。
性能预算写在 rules/RULES.md 里并按提交追踪，回归是带人名的 P0：冷启动到可交互首帧 100 ms p50、改一行到看见 100 ms p50、首帧前执行的 App JS 为零、改动一行只重建那个 crate 30 s、整套阻塞检查 65 s。README 里还给了一个可复现的 agent 实测：一个全新 agent 在干净 clone 上按提示词做完一个 todo 应用、在 web / macOS / iOS 三个平台跑通测试，约 57 分钟，其中约 25 分钟是首次 macOS 与 iOS 构建（各约 13 分钟），后续构建一两分钟。
需要留的限定作者自己写得很清楚：pre-1.0、每天在变、无 API 稳定性、无向后兼容、无迁移指南，这是设计而非疏漏；而且这个仓库 exact2 是对更早的 exact1 的重建。当前四端跑通的那个「真应用」是 Caltrain 通勤 app，不是通用结论。
来源：GitHub · https://github.com/expo/exact · 2026-11-11
2. livliv-dev/player — 30KB 的网页 2.5D 角色播放器，唇形同步与摄像头面部追踪都在浏览器里
1,462★ / TypeScript / Apache-2.0 / 2026-11-04 创建 / 11-09 推送 / 153 forks。定位很明确：给网页、直播 overlay、应用放一个会呼吸、会眨眼、会转头、会说话的角色，几行代码搞定。
技术上最值得记的是体积与依赖策略：WebGL2、零依赖、核心约 30 KB gzip；唇形同步（麦克风 / 音频 / 视频）与摄像头面部追踪（MediaPipe）都在浏览器内，并且只在你用到时才加载。同一个 API 能播 LivLiv、VRM、PNGTuber 三种角色，随仓库带 21 个现成角色（带右下角小水印，且明确说明这些角色不在开源许可范围内）。
API 设计得挺克制：new Player(canvas) → load('characters/k01/') → setExpression('smile') / act('nod') / params.mouthOpen = 0.6；需要 VRM 就换 VrmBody，PNGTuber 换 PngBody，同一个 BodyPlayer。格式侧有 FORMAT.md 与 schema/ 下的 JSON Schema，v4 之前的包也仍能播。
来源：GitHub · https://github.com/livliv-dev/player · 2026-11-09
3. WoYun520/gif-factory — 把「做 GIF」拆成风格定义文件的 Skill 合集
1,090★ / Python / MIT / 2026-11-05 创建 / 11-10 推送 / 134 forks。自述是「按风格制作像素、人物与宠物、粘土吉祥物、光栅卡与动态海报的 GIF Skill」。
选它是因为它的组织方式本身就是一种主张：6 个 GIF 分类、10 个风格入口、75 个动态案例，每个风格不是一段提示词，而是一个 styles/<风格名>/STYLE.md 文件——把「这个风格长什么样、怎么复现」写成可被 agent 读取的规范；再加 SKILL.md 定义触发与流程、GALLERY.md 做作品库索引。整套东西的结构跟一份前端组件库的文档结构几乎一样，只不过组件换成了动效风格。
这种「风格即文件」的做法有一个明确的好处：风格可以被 diff、被替换、被组合，而不是散落在几十条提示词里。局限也明显——它依赖出图模型的具体行为，换模型就需要重写 STYLE.md。
来源：GitHub · https://github.com/WoYun520/gif-factory · 2026-11-10
⚠️ 待核实
| 项 | 不确定点 |
|---|---|
| Anthropic IPO 的上市日期 | 官方 roadshow 公告未给交易日期；「11-18 定价 / 11-19 交易」来自路透与 CNBC 引述知情人士，非公司公告 |
| Anthropic IPO 的 1.02 万亿 / 1.405 万亿 | 均为路透按招股书流通股数计算，非公司披露的正式估值口径；私募配售 260 亿的七家分配额也来自招股书更新与媒体报道交叉，官方公告未列 |
| Carbon 的「成本不到次优外部模型一半」 | Google 自述，未给各模型的每任务成本明细与 token 用量；MKA 榜为与 Artificial Analysis 共建，非纯第三方 |
| Carbon 的 Gray Swan / Trajectory Labs 数字 | 为合作方测试口径，未公布测试集规模与采样方法；「IPI 0%」被官方同段限定为「某些分布上仍可被攻破」 |
| AlphaProof Code 的「首次」表述 | Google 与 Signal CTO 的双方口径，无第三方复现；「四周 vs 数年」未给出具体对照项目 |
| LongCat-2.5 的「+86%」 | 厂商自测，基线为 DDP、任务为长序列 SFT、硬件为「单卡不足 80GB 的国产加速器」但未指明具体型号；「下游任务表现与量化前相当」亦为官方口径 |
| HotPhysics 与 GR00T 之外的另一批机器人数字 | Gemini Robotics 2.5 的「+30%~100%」按任务类型给出区间而未给逐任务明细；奔驰产线 96% 为概念验证（proof-of-concept），非量产统计 |
| Mercor 的「推理支出是薪资 3 倍」 | 公司自述，未披露分母口径与统计区间；由此推出的「五年两位数 GDP 增长」是把单一极端样本外推，不可当预测引用 |
| Path Robotics 的「ARR 增长 17 倍」 | 未披露起止绝对 ARR，因此无法换算营收规模；HII 的 6 亿美元是履约型协议金额，不是已确认收入 |
| Modern Web Guidance 的「203 指南 / 250 特性」 | 官方 release notes 口径，未公开逐条清单与 eval 方法；eval dashboard 已上线但本期未逐项核对 |
| Gemini for healthcare / Gemini 关联 Gmail·Drive 人工审核 | 一手页面不可达（cloud.google.com、support.google.com 直连返回 000），仅有二手转述，本期不收 |
本期淘汰记录
| 类型 | 条数 | 明细 |
|---|---|---|
| 脚本判 DUP | 6（1 条翻案收录 / 5 条维持淘汰） | 翻案：llama.cpp b12262——强键 b12262 命中索引 L810（记 b12212–b12240），回溯 release 页确认两区间仅重叠 b12238–b12240 三个构建、其余 17 个为 11-10 新增，判为实质增量，改写为 b12241–b12262 区间收录，正文说明重叠范围。维持淘汰 5 条（均在第一轮被强键命中，见 token 账）：Claude Fable 5.2 / Mythos 5.2（L789，11-09 已记全价格与护栏）、Meta Muse Ember（L790，11-09）、字节 Seedream 5.5（L793，11-09）、Google TPU 8tx / 8i Max（L791，11-09）、OpenAI Control Room（L792，11-09）——五条均为前一日刚收录、本期无新事实 |
| REVIEW 复核后收录（独立成条） | 9 | ① Anthropic IPO 路演——L795 记的是彭博 11-09 的「最快 11-10 启动」，本次拿到官方公告 + 确定价格区间 $70–78，按增量写；② Gemini 4 Carbon——L523 记 10-28 发布，本次是全面开放 + 定价截止日 + 三个第三方榜，按增量写并标注首报日；③ Gemini Robotics 2.5——索引 0 命中该型号，弱键仅命中 Google 实体；④ Claude Whiteboards / Sheets / Data——索引 0 命中三项功能；⑤ Businesses in ChatGPT——索引 0 命中；⑥ OpenAI 自由职业研究——索引 0 命中；⑦ NVIDIA OpenShell 捐 CNCF——L26/L38 记的是 10-04/10-05 的 OpenShell 星数与 Open Agent Safety Platform，本次是治理结构变更（捐给 CNCF）+ 三件套发布，按增量写；⑧ Mercor D 轮——L291 记 10-16 的 Benchmark Map 研究，属不同事件；⑨ Reuters 微软光模块——索引仅在 L221 出现「光模块」（NVIDIA × Cisco 的 USFP），与中国进口禁令无关 |
| REVIEW 复核后降级合并（收但不单列） | 2 | ① Claude Code v2.1.322——只有一行变更；② Ollama v0.40.17-rc0——预发布。两条合成一节「两个发版小注」，各自保留关键变动（Vertex 三 region fast mode 与回落策略、MLX 并发生成与 Vulkan 集显 mmap），但不占独立条目 |
| REVIEW 复核后淘汰 | 3 | ① Anthropic 燃气轮机（34 亿美元 / 1.7GW）——索引 L770 已于 11-08 记录同一事件（含具体供应商与订单来源），本次 TechCrunch 11-09 报道无新增事实、无新数字；② Gemini Intelligence 11 月更新——curl 取得的官方页 200 / 368KB，但正文只有一段「Gemini Intelligence 现已支持更多设备，包括 motorola signature 27 与 Pixel 10」，无「提示词生成小组件」的实质内容，二手转述无法回溯，按「无实质内容发布」剔除；③ Gemini for healthcare——cloud.google.com 直连 000、无一手页面，转入待核实 |
| NEW 判定但未收录 | 6 | 前 4 条为板块容量与相关度排序后主动让位（非质量问题）：2611.12386 Say Shibboleth（模型与 harness 指纹识别）、2611.12293 Depth Portfolio Allocation（递归深度作为候选源）、2611.12604 Double Blind Evals（H100 机密计算里跑安全审计，趋势三引用了其结论但未单列）、2611.12869 Platonic Representation Hypothesis 逐层定位；后 2 条为时效违规，回溯 abs 页确认为窗口外提交：2611.07962 TCSExam（Submitted on 5 Nov 2026）、2611.09501 e-means（Submitted on 6 Nov 2026） |
| 语义兜底淘汰 | 1 | Astral 加入 OpenAI——curl astral.sh/blog/openai 取得页面日期为 March 19, 2026（2026-03-19），二手媒体标注的 11-10 属时效误标（事件本身真实，但发生在八个月前），按发布日期早于窗口起点剔除 |
| 语义兜底核查（未淘汰） | 2 | ① llama.cpp 与索引 L810：区间重叠仅 3 个构建，正文明确写出重叠范围，避免读者以为是全新区间；② LongCat-2.5 与索引 L663：L663 记 11-03 的发布与规格，本次是开源权重 + MIT 协议 + W4A4/FSDP 工程路径，按「更新（首报 11-03）」写增量 |
| 白名单检索但窗口内无内容 | 3 | vLLM 最新 v0.33.0rc3（11-02）、SGLang 最新 v0.5.23（11-02）、Transformers 最新 v5.22.2（11-06）——窗口内均无新 release，不做凑数条目 |
| 独立发现通道（不在候选清单内） | 3 | 第六节三个开源项目 expo/exact、livliv-dev/player、WoYun520/gif-factory 由 GitHub Search API 按「近 7 天新建 + 400★ 以上」检索得到，未经脚本预筛。voyager-so/vork 被剔除：索引 L759 已记 11-05 版本（970★），本次 1,357★ + 2,500 token API 属同一项目的量变，无性质变化，按「无实质新进展」不写增量 |
token 账：全量索引 807 条数据行（文件 814 行）/ 218,534 字符 ≈ 80,939 token（--audit 报问题 2 处——L77、L87 列数为 7，容错解析可读，未超 10 行门槛，未阻塞）。第一轮 35 条候选 → DUP 5 / REVIEW 16 / NEW 14；回溯一手源、剔除时效违规与不可达项后，第二轮 33 条候选（全部换成已验证的一手 URL）→ DUP 1 / REVIEW 14 / NEW 18，以第二轮为准。预筛后需读 16,806 字符 ≈ 6,224 token，压缩 13.0×。回写后索引为 833 条数据行（回写前 807 条 + 本期 26 条，全部写入、零跳过；此前口径误把文件总行数 814 当数据行数），含「更新至」标记 62 行。
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 | Gemini 4 Carbon is now available | https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/ | 2026-11-10 | 2026-11-10（引导价 $2/$10 至 11-30，之后 $4/$20；MKA 榜为与 Artificial Analysis 共建；Project Fortify 为内部基准） | |
| 2 | 一 | Gemini Robotics 2.5 accelerates real-world general dexterity | Google DeepMind | https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/ | 2026-11-10 | 2026-11-10（200+ 任务、奔驰两厂为 proof-of-concept；ASIMOV-Jailbreak 已开源） |
| 3 | 一 | Introducing AlphaProof Code | Google DeepMind | https://deepmind.google/blog/introducing-alphaproof-code/ | 2026-11-10 | 2026-11-10（600 万行 Lean、人工复核 1%、四周；「首次」为 Google 与 Signal 双方口径） |
| 4 | 一 | 美团 LongCat-2.5 正式开源：从看见，到抵达 | 美团技术团队 | https://tech.meituan.com/2026/11/10/Meituan-LongCat-2.5-Open-Source.html | 2026-11-10 | 2026-11-10（+86% 为厂商自测，基线 DDP、长序列 SFT；国产加速器未指明型号） |
| 5 | 一 | Claude Whiteboards, Sheets, Data | Anthropic | https://claude.com/resources/articles/sheets-whiteboards-data | 2026-11-10 | 2026-11-10（Enterprise 默认关闭 Whiteboards/Sheets；Claude Data 11-19 默认开启） |
| 6 | 一 | Introducing Businesses in ChatGPT | OpenAI | https://openai.com/index/businesses-chatgpt/ | 2026-11-10 | 2026-11-10（beta；Business Agent 仅美国；未披露定价；1.2 billion 周活） |
| 7 | 二 | NVIDIA Expands Open Source Commitment With OpenShell Donation | NVIDIA | https://blogs.nvidia.com/blog/open-source-openshell-infrastructure/ | 2026-11-10 | 2026-11-10（Crusoe 8 分钟→31 秒、Saturn Cloud 2–8.5 分钟→6–34 秒，均在 HGX B300 自测） |
| 8 | 二 | llama.cpp b12241–b12262 | ggml-org | https://github.com/ggml-org/llama.cpp/releases/tag/b12262 | 2026-11-10 | 2026-11-10 23:04Z（当日 20 个构建，b12238 00:23Z → b12262 23:04Z；与索引 L810 的 b12212–b12240 重叠 b12238–b12240 三个） |
| 9 | 二 | Claude Code v2.1.322 | Anthropic | https://github.com/anthropics/claude-code/releases/tag/v2.1.322 | 2026-11-10 | 2026-11-10T02:29Z |
| 10 | 二 | Ollama v0.40.17-rc0 | Ollama | https://github.com/ollama/ollama/releases/tag/v0.40.17-rc0 | 2026-11-10 | 2026-11-10T22:25Z（预发布，内置 llama.cpp b12257） |
| 11 | 二 | Modern Web Guidance v1.0.0 | GoogleChrome | https://github.com/GoogleChrome/modern-web-guidance/releases/tag/v1.0.0 | 2026-11-10 | 2026-11-10T03:24Z（3,249★ / Apache-2.0 / 2026-03-23 建仓） |
| 12 | 二 | Exclusive: Microsoft presses Trump to scuttle expected ban on Chinese data center technology | Reuters（经 AOL 全文转载） | https://www.aol.com/articles/exclusive-microsoft-presses-trump-scuttle-110129000.html | 2026-11-10 | 2026-11-10（三名知情人士；3.2 Tbps 门槛为摩根士丹利 10 月客户纪要口径） |
| 13 | 三 | Anthropic launches roadshow for proposed initial public offering | Anthropic | https://www.anthropic.com/news/roadshow-launch | 2026-11-10 | 2026-11-10（官方仅给发行条款；估值、私募、财务来自招股书与路透计算） |
| 14 | 三 | Anthropic targets US$1 trillion IPO valuation | Reuters / The Straits Times | https://www.straitstimes.com/business/anthropic-targets-us1-trillion-ipo-valuation-in-test-of-wall-streets-ai-fervor | 2026-11-10 | 2026-11-10（1.02 万亿非稀释 / 1.405 万亿完全稀释为路透计算；Q3 营收 169.56 亿美元） |
| 15 | 三 | Analysis: AI debt faces pressure as Democrats prepare to take over Congress | Reuters（经 US News 全文转载） | https://www.usnews.com/news/politics/articles/2026-11-10/analysis-ai-debt-faces-pressure-as-democrats-prepare-to-take-over-congress | 2026-11-10 | 2026-11-10（利差为上周四/五数据；Galaxy Helios 为 11-05 报价） |
| 16 | 三 | Organizing human intelligence for the entire economy（Series D） | Mercor | https://www.mercor.com/blog/series-d | 2026-11-10 | 2026-11-10（推理/薪资 3 倍为公司自述，未披露口径） |
| 17 | 三 | Path Robotics Announces $300 Million Series E | Path Robotics | https://www.path-robotics.com/news/path-robotics-announces-300-million-series-e-led-by-georgian | 2026-11-10 | 2026-11-10（ARR 17 倍未披露绝对值；HII 6 亿为履约型协议） |
| 18 | 三 | Work at the Frontier: AI's effect on freelance work | OpenAI | https://openai.com/index/ai-effect-on-freelance-work/ | 2026-11-10 | 2026-06（ChatGPT 数据截止）/ 2026 H1（Upwork 快照）/ 2026-04（预算工时） |
| 19 | 四 | Prune, Don't Merge: Expert Compression of MoE LLMs | arXiv | https://arxiv.org/abs/2611.12240 | 2026-11-09 | 2026-11-09（预印本；5 个生产任务、2 个 30B 模型） |
| 20 | 四 | What the Loss Curve Misses: FP4 Pretraining Slows the Acquisition of Rare Facts | arXiv | https://arxiv.org/abs/2611.12832 | 2026-11-09 | 2026-11-09（预印本；作者自测） |
| 21 | 四 | Detecting Shadow AI: Unsanctioned LLM Agents on Enterprise Endpoints | arXiv | https://arxiv.org/abs/2611.12377 | 2026-11-09 | 2026-11-09（12 合成 agent 台架，作者自陈规模不足） |
| 22 | 四 | How Well Does AI Peer Review Work? A Benchmark Built from 100 Planted Errors | arXiv | https://arxiv.org/abs/2611.12820 | 2026-11-09 | 2026-11-09（误报未测；错误分布与真实论文的对应未知） |
| 23 | 四 | DForkTree: Accelerating Speculative Decoding with Fork-Aware Block Diffusion Draft Trees | arXiv | https://arxiv.org/abs/2611.12356 | 2026-11-09 | 2026-11-09（Qwen3.5-4B / 9B，作者自测） |
| 24 | 四 | Phrase-Level Speculative Decoding on a Frozen Target | arXiv | https://arxiv.org/abs/2611.12464 | 2026-11-09 | 2026-11-09（单张 A5000、batch 1，作者自测） |
| 25 | 四 | WorkflowArena: Benchmarking Executable Workflow Orchestration | arXiv | https://arxiv.org/abs/2611.12856 | 2026-11-09 | 2026-11-09（145 任务 / 8 领域 / 9 模型） |
| 26 | 六 | expo/exact | GitHub | https://github.com/expo/exact | 2026-11-11 | 2026-11-11 01:53Z（2,213★ / MIT / Rust；性能预算与 57 分钟 agent 实测均为作者口径） |
| 27 | 六 | livliv-dev/player | GitHub | https://github.com/livliv-dev/player | 2026-11-09 | 2026-11-09（1,462★ / Apache-2.0；21 个角色不在开源许可内） |
| 28 | 六 | WoYun520/gif-factory | GitHub | https://github.com/WoYun520/gif-factory | 2026-11-10 | 2026-11-10（1,090★ / MIT / Python） |
引用提醒：第 1 条的三个「第 1」来自 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 三个独立第三方榜，而 MKA 是与 Artificial Analysis 共建的新榜且 Carbon 只排第 2——引用时不可把四个榜并列成「四榜第一」；「每任务成本不到次优外部模型一半」是 Google 自述，未给逐项成本明细；引导价 $2/$10 只到 2026-11-30，之后翻倍至 $4/$20，且官方脚注限定「仅适用于面向公众的 Carbon 模型」，Fairwind 侧不在其内。第 2 条的 96% 是概念验证（奔驰两厂、Apollo 2、汽车配货单一任务），不是量产良率；「+30%~100%」按任务类型给区间，未给逐任务明细。第 3 条的「首次」为 Google 与 Signal CTO 的双方口径，「四周 vs 数年」未给对照项目名，且尚无第三方复现。第 4 条的 +86% 是厂商自测、基线 DDP、任务为长序列 SFT，「国产加速器」未指明型号；「下游表现与量化前相当」亦为官方口径。第 7 条的两个秒级数字由 Crusoe 与 Saturn Cloud 各自在 HGX B300 上自测，场景不同（GLM-5.3 就绪 vs vLLM 启动），不可直接相加比较。第 8 条与索引 L810 的 b12212–b12240 重叠 b12238–b12240 三个构建，不是全新区间。第 13 条官方公告不含估值、私募配售、财务数字，这些均来自第 14 条的路透计算与招股书更新，两者不可混引；「11-18 定价 / 11-19 交易」亦非公司公告口径。第 15 条的 348bp / 342bp 是上周四与周五的数据，Galaxy Helios 的 89.25 美分是 11-05 报价，均非 11-10 当日行情。第 16 条的「推理支出是薪资 3 倍」是公司自述、未披露分母口径，由其推出的「五年两位数 GDP 增长」是把极端样本外推，不可当预测。第 17 条的「ARR 增长 17 倍」未披露起止绝对 ARR，HII 的 6 亿美元是履约型协议金额而非已确认收入。第 19–25 条均为预印本、未经同行评审，全部加速比与精度数字为作者自测；第 22 条的误报未测量，第 21 条的检测窗口仅 1–5 分钟、台架规模不足以给检测器排名——引用时请保留这些限定。第 26 条
expo/exact虽是 MIT，但作者明写 pre-1.0、无 API 稳定性与向后兼容，性能预算与 57 分钟实测均为作者口径、单一 Caltrain 应用；第 27 条livliv-dev/player的 21 个角色素材不在 Apache-2.0 许可内，带水印且不可商用；第 28 条gif-factory的「风格即文件」依赖具体出图模型行为，换模型需重写 STYLE.md。