AI 技术日报 - 2026-11-06

AI 技术日报 - 2026-11-06

Top 10 AI 技术要闻

1. 月之暗面开源 2.8 万亿参数 Kimi K3.1 Pro，登顶 Agent Arena 开源榜
   月之暗面兑现 10 月 24 日的承诺，在 Hugging Face 全面开放 Kimi K3.1 Pro 权重。模型为 MoE 架构，总参数 2.8 万亿、单次推理激活约 1040 亿，支持约 100 万 Token 上下文；把部分全注意力层替换为门控稀疏注意力层，在保持表现的同时降低长上下文建模开销，并经过覆盖数百个下游领域的大规模联合强化学习后训练。评测基于 1.75 万次真实长周期智能体会话，Agent Arena 净改进率 +5.1%（前代 K3 仅 +0.9%），Shell 命令执行可靠性从 -4.5% 跃升至 +7.9%，工作、编程、聊天三类均居开放权重模型首位，全部参评模型第 13。Terminal-Bench 4.0 得分 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 相差不到 1 个百分点。代价是部署门槛：BF16 权重约 5.6TB，即便 INT4 量化仍需约 1.4TB 显存，消费级显卡基本无缘本地运行。

链接：https://www.aibase.com/zh/news/32100

2. OpenAI 用未发布的安全模型挖出 Linux 内核 948 个漏洞，单个成本约 1279 美元
   OpenAI 用一款尚未发布的网络安全模型搭了一条从侦察、扫描、验证到写利用的自动化流水线，在 4000 多万行代码的 Linux 内核里产出 948 个可复现漏洞。分工是两类 Agent：侦察 Agent 先通读内核、判断哪些部分与安全相关且易被攻击，锁定约 7% 的高价值目标（约 280 万行，耗 3426 美元 API 额度）；扫描 Agent 12 小时提交 2308 份疑似漏洞报告，花费 31.6 万美元；验证 Agent 针对每个疑似漏洞自动写一小段代码，在隔离虚拟机里运行看能否让系统崩溃，30 小时内成功复现部分漏洞，因模型逻辑臆造导致的彻底误报极少；最后 ExploitDev Agent 尝试绕过 SMEP、SMAP、KASLR 等防护，产出 1169 个拿到 root 权限的提权利用，单条完整利用的 API 成本极低。总投入约 120 万美元，折合单个漏洞发现成本约 1279 美元，远低于人工审计。作为对照，7 月用 GPT-5.6 Sol 花 50 多万美元只找到 166 个。扫描与人工复核的 10 天窗口内，社区已在上游修补 61 个本地提权漏洞。

链接：https://www.qbitai.com/2026/11/507697.html

3. GPT-Image-2.6 全量上线：构图与画质拆成两个参数，原生支持 GIF 与 SVG
   OpenAI 全量上线 GPT-Image-2.6，覆盖 ChatGPT、Codex 与 API。最关键的变化是把「场景规划脑力」与「像素渲染画质」拆成两个独立参数：新增的 complexity 控制模型动笔前花多少算力做构图规划，原有的 quality 只负责视觉细节与保真度。日常局部改图可以把 complexity 调低、quality 保持高档，省掉重新排布构图的时间，整体生成时间缩短 50%，最快 6 秒出图。API 侧首次拆出两个型号：Flare 面向海报、电商产品图等商业视觉做布局优化；Sunburst 在中高画质档提供更高细节精度，重点解决多轮对话修改中人物与商品走样的一致性。原生 GIF 不调用视频模型：让模型一次输出 3 列×2 行共 6 帧的序列图，再拼成无缝循环动图，从游戏工业借来的序列帧思路绕开了时空扩散的高推理延迟，还保证每帧角色五官、衣服褶皱与背景物体相对固定。此外新增 SVG 矢量导出，以及 API 端按坐标或遮罩圈选局部重绘。

链接：https://www.qbitai.com/2026/11/507707.html

4. 百度开源文心 5.5 Flash Base：2800 亿参数 MoE，用架构创新换效率
   百度开源基座模型文心 5.5 Flash Base（ERNIE 5.5 Flash Base）。MoE 架构，总参数 2800 亿、每个 Token 激活 140 亿，预训练使用 33.5 万亿 Token，预训练上下文 128K，微调与推理阶段支持最长 100 万 Token。在知识、推理、数学、代码、多语言与长上下文等基准上取得同尺寸 SOTA，超过 DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base 等。设计主线是效率：Latent-Gated Sparse Attention 把混合稀疏注意力与低秩门控注意力、虚拟头注意力结合，让不同注意力层分别承担压缩历史信息与细粒度访问历史位置的任务，低秩门控用已有低维表示计算信息门控，使门控投影参数减少 75%，虚拟头注意力在推理时融合进注意力算子、几乎不增加开销；Multi-Router Latent MoE 由多个独立路由器共同参与专家选择，改善路由评分与专家实际效用的相关性而不增加激活专家数与通信量；训练侧引入单步 ECHO 预测，复用主干最后一层让主干自己学习预测后续 Token，该层还能当投机解码的草稿模型。基建上优化了分布式 Muon 优化器，并推出面向大 head dim 的 FlashMask-4 注意力算子。

链接：https://www.qbitai.com/2026/11/507787.html

5. Claude 上线 Personal Finance：只读接入银行账户，用自然语言查账
   Anthropic 为 Claude 上线 Personal Finance 工具，通过 Plaid 连接银行与信用卡账户，让用户直接用自然语言问自己的钱去哪了。访问权限是只读的——不能转账、管理或投资。授权数据范围被明确限定为银行名、账户名与类型、卡号后四位、余额、信用额度，以及最多两年的交易记录；在 Personal Finance 会话里的对话不会用于训练模型。功能上不只是月度消费汇总：跨账户归集交易后按房租水电、餐饮、购物等类目分类，追问「这比平时多吗」「还有什么漏了」可继续下钻；还能识别重复扣款、异常费用、逐月上涨的账单，回答「我花的比赚的多吗」这类问题，解释 APR 等金融概念并算出过去一年支付了多少利息。官方强调没有广告与赞助推荐，也不销售自家信贷产品。本周起在美国 Pro、Max、Ultra 套餐以 beta 形式滚动推送，属于追赶 ChatGPT 今年 5 月已上线的同类能力。

链接：https://techcrunch.com/2026/11/05/claude-can-now-analyze-your-spending-with-its-new-personal-finance-tool

6. Kimi 发布 Hosted Agents：把 Agent Harness 变成云端托管服务
   Kimi 开放平台发布 Kimi Hosted Agents，把支撑 Agent 运行的 Harness 做成云服务（Harness as a Service）。开发者无需自建运行框架，即可获得 7×24 小时托管环境，支持长程任务执行与多智能体协作，两类典型用法：集成至企业内部系统做监控与运维响应，或嵌入对外产品提供 App 内投研助手、客服助手。平台为每个 Agent 提供独立沙箱与网络访问权限控制，可设定操作边界并随时中止会话，执行过程留痕、支持审计导出，并给出计费规则与用量报表。内置 140+ Skills 与 30+ 插件，覆盖联网检索、专业数据查询、办公文档处理与内容生成；独立安全组件 Kimi Inference Hook 在每次模型推理前检查任务输入与工具返回内容，安全规则由企业定义、由 Hook 决定放行或拒绝，把隐私与敏感数据拦在推理之前，目前仅向企业认证用户定向开放。文档站同步提供架构思路、配置教程与成本估算，首批开放 8 个金融 Agent 模板，覆盖投研建模、深度研究、晨报生成、IPO 跟踪与持仓监控。自建 Harness 通常要数月工程（代码执行环境、上下文与会话管理、工具调用、权限控制、任务中断恢复），托管模式把这块运维成本转为按需调用。

链接：https://www.aibase.com/zh/news/32112

7. 英伟达等发布 Realtime-Bench：最强 GPT-6 Astra 实时任务成功率仅 44%
   英伟达联合得克萨斯大学奥斯汀分校等机构发布 Realtime-Bench，专门评估大模型在动态环境中的实时交互能力。基准包含 50 个任务、覆盖 8 类场景，核心考察三项能力：实时感知、时间自适应推理、行动时机把握。为科学区分不同因素的影响，测试设置了三种环境推进时钟协议，其中按真实推理耗时推进环境的设定最严苛。对 12 款前沿模型的测试结果不乐观：最强的 GPT-6 Astra 任务成功率也仅 44%，在高推理强度下连续三次全成功的概率只有 36%，多数模型同时陷入低延迟与深度推理的两难。研究给出三条反直觉结论：推理强度与成功率并非线性正相关，实时任务里盲目加长思考反而会错过行动窗口；思考深度与行动时机必须精确权衡；单纯缩短推理延迟也无法解决全部实时交互难题。对做语音助手、实时 Agent 与自动驾驶类应用的开发者，这意味着延迟预算要按端到端行动窗口来设计，而不是只优化单次推理时延。

链接：https://www.aibase.com/zh/news/32114

8. openJiuwen Agent-Memory 让 Agent 拥有「视听双流记忆」，按事件而非按秒切分长视频
   openJiuwen 团队在 AgentMemory 0.2.0 中上线 OmniMem-Lens（多模态记忆透镜），解决 Agent 处理超长视频时记忆碎片化的问题。业界通行做法是按固定时间窗口（如每分钟）切分视频，一段连贯讲解被从中间切断、几秒钟的关键动作与前后几分钟无关背景被强行打包，检索时关键信息淹没在噪音中。OmniMem-Lens 改为按真实事件边界切分：同时维护 ASR 语音流与视觉流两条轨迹，画面长时间不动但说话人换了话题靠语音转录分辨，没有台词靠场景切换捕捉，双证据交叉对焦后再落刀。记忆建成三层结构——L1 大纲、L2 索引、L0 原始帧，按提问所需颗粒度取用，并可无缝接入主流向量数据库，对已有 RAG/Agent 技术栈几乎零改造。记忆离线建、回答在线查：Query 先与 L1/L2 记忆单元语义匹配快速定位，只有明确需要视觉细节验证时才按需调取 L0 精确帧。在 Qwen3-VL-8B 配合下，Video-MME-L 提升 8%、LVbench 提升 6.4%，LVbench 端到端时延从直答的 34.5 秒大幅下降。

链接：https://www.qbitai.com/2026/11/507533.html

9. Axiom Math 完成 Stacks Project 形式化验证：7654 页数学变成 1600 万行 Lean 代码
   Axiom Math 宣布完成 Stacks Project 的形式化验证，这是人类写过的最大数学文献之一。Stacks 由哥伦比亚大学 Johan de Jong 于 2005 年发起，是开源代数几何参考，数学家持续贡献，从本科代数一路覆盖到代数、几何、数论最前沿的结果，约 7654 页。Axiom 将其翻译成约 1600 万行 Lean 代码，由证明助手逐行检查，通过即意味着逻辑可靠。难点不在单条定理而在相关性：Stacks 中的定义与定理层层依赖，团队必须在 1600 万行规模上保持所有连接完整，CEO Carina Hong 形容「大而精细的东西在生活里通常不兼容」。做法是给 Agent 一个宽松的层级结构、让它们并行运行，任务由 Agent 自己发现并认领，公司还自训练了更擅长数学的模型，早期由内部 Lean 专家教 Agent 人类式的品味。这填补了形式化数学最大的空白之一——代数几何。对开发者的意义在于：验证过的结果成为可复用构建块，Agent 可以直接在其上写代码、做科学，而不必从零开始，这也是形式化验证从芯片设计向 AI 生成代码延伸的路径。

链接：https://techcrunch.com/2026/11/05/axiom-math-wants-to-keep-ai-slop-out-of-mathematics

10. 两人小组用 2.1 万美元训出文本到图像模型：P-JiT 去掉 VAE，训练成本公开
    两人研究小组 Linum 公开 P-JiT 文本到图像模型的完整训练细节：66 万样本、约 2.1 万美元算力，产出 2.18B 参数（训练时约 2.42B）、Apache 2.0 权重的实验模型。核心思路是彻底去掉 VAE——既然扩散模型比 VAE 更强，就让它生成的同时学习压缩，而不是借用别人预训练的 latent 空间。P-JiT 直接在像素空间工作，把 32×32 patch 压缩到 1024 维（3:1），相比主流 16×16 的 token 缩减实现 32×32，注意力上下文窗口缩小 4 倍，收敛所需样本比前代 Linum v2 少 11 倍。架构上文本与图像各经过两个单模态 refiner DiT 块后合流进 22 个相同 DiT 块；文本表示取自冻结的 Qwen3.5-4B（读第 7、15、27 层），并用 PixelREPA 把模型 latent 对齐到 DINOv3-L，主干第 10、16 块后的低分辨率 readout 用于增强早期梯度。训练使用 64 张 H100、bf16、FSDP2，噪声调度前 8000 万样本集中高噪再放开。作者坦承这是通往视频模型的压力测试，弱项是全身、多实体、多人交互与世界知识，且训练集剔除了渲染文字，因此不能生成海报。

链接：https://www.linum.ai/field-notes/pjit-21k

---

数据来源：TheAIEra News Hub
生成时间：2026-11-06 08:30:00