AI 技术日报 - 2026-11-08

AI 技术日报 - 2026-11-08

Top 10 AI 技术要闻

  1. METR 报告曝光 Anthropic 未公开 Model 4：综合指数 178.6，能力年增速翻到 1.9 倍
    METR 用 11 周调研 Anthropic 内部数据，在报告附录披露四款未公开模型，其中 9-10 月训练完成的 Model 4 综合能力指数 AECI 达 178.6，高于公开的 Opus 5.5（174.5）与 Mythos 5.1（172.5）；15 项基准正确率全部超过 50%，剔除 3 个题目损坏的基准后升至 179.7。真正关键的是增速：2025 年 10 月后 AECI 从每年 +15 分变为 +29 分（约 1.9 倍，95% 置信区间 1.5-2.8）。METR 盲测后判定"持续提速"假设误差仅 1.9 分，远优于"一次性台阶跳"的 3.9 分，并估算约 2 倍研发加速中 80% 来自 AI 自身辅助，而非堆训练算力。代价是 token 暴涨：单任务基准平均 250 万输入 token，编码 Agent 单任务达 1000 万输入、9.4 万输出。

链接：https://www.36kr.com/p/4058973865825161

  1. ETH 被 AI 反证后，共同提出者 Impagliazzo 称这是"震撼消息"
    OpenAI 于 10 月 25 日公开预印本，宣称推翻了指数时间假设（ETH）——一个支撑大量复杂性理论与密码学安全论证的基石猜想。据纽约时报 Cade Metz 报道，ETH 共同提出者 Russell Impagliazzo 把这称为"shocking news"。若证明成立，意味着许多依赖 ETH 得到的算法下界与 hardness 假设需要重新评估，一部分加密方案的安全论证会失去理论依托；反过来，这条结论也可能被用于加速芯片设计与电路优化。OpenAI 同时公开了形式化代码，但证明细节仍在社区复核中，尚不能当作已定论。

链接：https://www.techmeme.com/261107/p12

  1. DeepSeek Harness 日活 154 万、插件约 3.5 万个：开始给插件作者发 Token
    11 月 5 日晚官方公布最新进展：截至 11 月 4 日，仅以使用官方 API 的用户为统计范围，日活已达 154 万，日消耗约 92 万亿 token；第三方插件数量约 3.5 万个，约 60% 活跃用户至少制作或安装过一款插件。产品定位是"Agent 时代的操作系统"，设计原则为"一切皆插件"，连内置功能都可被第三方插件替换；v0.1 于 8 月 13 日发布，插件已覆盖内容创作、设计、上下文管理与科研。社区还出现 dsh-aio-agent，把 Cursor、Claude Code、Codex、OpenCode、CodeBuddy、Kimi 统一接入同一环境。争议也随之而来：插件越多，说明与工具规则越挤占上下文、抬高执行成本，Agent 未必更强。

链接：https://www.36kr.com/p/4057774236652417

  1. Anthropic 分析 20.7 万个科研会话：AI 最擅长的那 20% 任务被超额使用 2-4 倍
    Anthropic 11 月 5 日发布研究报告，用隐私保护方法分析 207,000 个 Claude 与 Claude Code 科研会话。相对各领域研究者人数，Claude 在计算机、数学、统计等形式科学中使用更多，在健康与实验类物理科学中偏少；主要用途是数据分析与写作，数据分析占 Claude 会话约三分之一、Claude Code 会话近一半，而研究者自认为最重要的想法生成与资料搜集反而用得少。报告构造了"AI 理论可胜任度"指标，发现最擅长的前 20% 任务获得 2-4 倍超额使用。情景推演显示：现有能力普及即可让部分领域产出翻倍；若非物理性研究工作全部交给 AI，CS 与统计产出最高可增 15 倍，化学、生物等受物理瓶颈约束的领域约 3-4 倍。约 40% 受访研究者预计 2030 年前 AI 能独立完成整个研究项目。

链接：https://www.anthropic.com/research/how-researchers-use-claude

  1. Anthropic 拆解 Agent 记忆：该记什么比怎么存更重要，Opus 5 首次完成学习闭环
    Anthropic 研究团队梳理"代理记忆的组成部分"，核心结论是记忆的价值取决于能否判断"未来会话会不会复用这条事实、且无需复核"。在 CL-Bench 1.0 长程任务中，模型每道题从新会话开始，只能读取跨会话持久化的 memory 目录：Sonnet 4.6 只留下零散未验证的猜测；Opus 4.7 把笔记合并成单一参考文档，并开始标注已核实与未确认；Sonnet 5 在批改后标记 confirmed、答错时写更正；Opus 5 首次闭环，条目包含规则、规则依据、历史答案与踩过的陷阱警告。Pokémon Red 对比更直观：Sonnet 3.7 写了 413 个文件、225 个目录只拿到 1 枚徽章，而 Fable 5 只写 9 个文件加一个 global.md 仪表盘就拿到 4 枚——差别在于前者把每回合屏幕可读的状态也存下来，反复整理反而挤掉了行动。

链接：https://www.anthropic.com/research/components-of-agent-memory

  1. Censys 发现 800+ 个可无密码访问的 ARTEX 实例：AI 渗透测试工具正在失控扩散
    Censys 扫描互联网发现，7 月开源的自主渗透测试工具 ARTEX 有超过 800 个部署可从公网直接访问、无需登录密码。ARTEX 由 AI Agent 组成，微软此前描述它能"从侦察一路做到数据外泄，几乎不需要人工介入"，公开发布后已关联多起网络攻击。它流行的原因之一，是 Anthropic 与 OpenAI 最强的网络安全模型需要审核授权才能使用，开源版成了买不到访问权者的替代工具。撰写博客的 Censys 首席研究员 Silas Cutler 强调并非所有实例都用于恶意目的、很多属于授权测试，但运营者难以分辨谁在调用。对企业而言，这意味着要自查影子部署与暴露面，把这类 Agent 服务纳入资产管理。

链接：https://techcrunch.com/2026/11/06/hundreds-of-artex-ai-hacking-tools-found-publicly-exposed-to-the-web/

  1. AFK AI 的 Comma 提前落地 Super-agent：单 Router + 多 Worker，代码已开源
    量子位报道，硅谷华人团队 AFK AI 早在年初就把 DeepSeek Harness 提出的 Super-agent 蓝图做成了产品 Comma：单 Session 下由一个常驻 Router 作为主脑统一接收指令、统筹调度，多个 Worker 在相互隔离的上下文中并行执行并回报结果，用户只在一个对话框里交代任务与验收成果，理念是"一个团队，一个对话"。其四大特质与 DeepSeek 的设想一致：连续（记忆与上下文贯通）、高效（多 Worker 并行）、主动（自主推进任务）、持久（长期在线与自主修复）。文中还直面单 Session 的"上下文诅咒"：会话承载越来越多工作后，窗口终会打满，因此 Comma 为 Router 设计了可长期积累、随时找回关键记忆的机制，并已公开可用、代码开源。

链接：https://www.qbitai.com/2026/11/508264.html

  1. 每个 Personal Agent 背后都要一台"云电脑"：PPIO 把执行层做成开箱即用 API
    量子位分析 Personal Agent 的执行层架构，通常分三层：入口（WhatsApp、TG、Slack 或独立 App）、大脑（模型加调度层，负责拆任务、管授权与记忆）、手脚（真正执行的独立电脑或容器）。云端方案里，Meta 为每位用户配一台 Muse Secure VM（内置 Chromium、Debian 运行时容器与本地存储，核心 Agent 跑在无特权容器内，Sentinel 用 eBPF 做污点追踪，凭据由 authd 在网络边界注入，模型接触不到原始密码）；OpenAI 每个 dot 一台云电脑与虚拟浏览器；Manus 则为每个任务分配完全隔离的 VM。PPIO 沙箱走第三方路线，把云电脑封装成 API，并提供 PPClaw 等一键部署托管方案，十分钟上线、暂停即停费。文中也点出本地部署的隐患：OpenClaw 社区曾曝出 4.2 万个 Gateway 暴露公网、技能市场混入 300 多个恶意技能。

链接：https://www.qbitai.com/2026/11/508174.html

  1. NVKE：把裸金属 GPU 变成 Kubernetes 服务的管理平面，550 星
    dsx-ai-factory 开源 NVIDIA Kubernetes Engine（NVKE），Go 编写、Apache-2.0 许可，目前约 550 星。它提供一层管理平面，平台团队安装后可以为自己客户创建并运营 Kubernetes 集群：每个工作负载集群拥有独立控制平面、etcd 与节点池，客户通过标准 Kubernetes API 与 kubectl 使用，适合"自己从云厂商买 GPU 并自行管理"的团队。项目基于 Cluster API，提供本地 quickstart，可在模拟机器上拉起管理平面与工作负载集群，无需 NVIDIA 账号即可评估，也支持在自有基础设施上按文档顺序安装。官方明确当前为 preview 状态，API、配置与行为可能随版本变化，不建议用于生产负载。

链接：https://github.com/dsx-ai-factory/nvke

  1. agent-manager：用 tmux 同时开多个编码 Agent，646 星
    wainmann/agent-manager 是一个本地终端应用，Go 编写、Apache-2.0 许可，约 646 星。它把 tmux 变成多编码 Agent 的编排台：Claude Code、Codex、OpenCode、Gemini CLI 等可以并排跑在同一个 TUI 里，每个会话带实时状态、git worktree 隔离与 diff 审阅，改完能在同一界面复查再合并。与云端托管方案不同，它直接连接你已有的订阅与工具，不接管模型调用，也不需要把仓库交给第三方。对同时推进多个分支或让几个 Agent 互相 review 的开发者，价值在于不再堆一屏终端窗口、也不必在窗口间反复粘贴上下文。

链接：https://github.com/wainmann/agent-manager

数据来源：TheAIEra News Hub
生成时间：2026-11-08 08:25:00

posted @ 2026-11-08 08:14  iTech  阅读(0)  评论(0)    收藏  举报