AI 技术日报 - 2026-11-14

AI 技术日报 - 2026-11-14

Top 10 AI 技术要闻

1. Claude Code 产出 19.4 万行 Lean4 代码，三元哥德巴赫猜想完成机器可验证证明
   独立开发者 Charlie Reams 借助 Claude Code 完成了对三元哥德巴赫猜想的形式化证明，累计产出 19.4 万行、零 sorry 的 Lean4 代码，所有数学推理均通过机器严格验证。过程中 AI 自主发现数学家 Harald Helfgott 2013 年原版证明中的 11 处关键问题，涵盖常数写错、不等式不成立、引用数据偏差与主弧尺度混淆，并逐一完成修补；随后又把证明依赖的额外假设从 5 项精简到仅剩 2 项已有公开数值验证的结果。这一步的意义不只是攻下一个历史难题，而在于把"证明完成"的判定标准从同行评议推向完全机器可验证的形式化闭环——AI 交付的不再是文本，而是可以被内核逐行检查的数学产物，为数学、密码学协议验证这类"可形式化"领域提供了可复用的工作流。
   链接：https://www.aibase.com/zh/news/32317

2. Edge0 开源 145B 端侧模型：笔记本上跑前沿级能力，峰值内存只要 29GB
   Edge0 正式开源 Edge0-145B 与 Edge0-120B，以及一套统一推理框架与部署工具。145B 版本号称全球首个能在个人电脑本地流畅运行的 1450 亿参数开源模型。做法上从架构、训练、加载、调度四层重构：稀疏 MoE 在 145B 总参数中每 token 仅激活约 10B；训练初期即把端侧约束写进设计，避免事后剪枝带来的性能损失；三层存储流水线让高频"热专家"常驻 GPU 显存、约 40GB 专家库放系统内存按需调入、约 48GB 词表落 SSD 实时读取，配合 CPU/GPU 协同与投机解码把权重读取成本摊薄到更多输出上。实测在 Apple M 系列 MacBook Pro 与 RTX 4090/5090 平台上峰值内存 29GB、prefill 超 1100 tokens/s、解码超 80 tokens/s、典型功耗约 120W，支持 128K 至 256K 上下文；六项基准平均 72.8 分，对标标准 4-bit 部署下需 70–87GB 内存的云端主流模型。
   链接：https://www.aibase.com/zh/news/32310

3. 没插显卡，40 核老服务器用傲腾持久内存跑通 2.8 万亿参数 Kimi K3
   一位玩家在社区分享极限测试：仅用一颗 40 核第三代至强可扩展处理器、搭配已停产的英伟达傲腾持久内存 200 系列（单条最高 512GB），在不插任何显卡的情况下让月之暗面 2.8 万亿参数的 Kimi K3 跑了起来。Kimi K3 每 token 仅激活约 1040 亿参数、标称上下文 104 万 token，即便压到 1bit 量化也要数百 GB 内存。方案借助 llama.cpp 把傲腾设为 App Direct 模式直接当主存读写，而非交给系统做硬盘缓存。代价是速度：1bit 量化下实测 0.85 tokens/s，关掉 DAX 最高 1.5 tokens/s，3bit 约 0.75 tokens/s——输出 5 万 token 要 18.5 小时；此外单条功耗上限 18W、介质温度 83℃ 起降频、85℃ 触发保护关机。价值不在实用，而在验证了"内存墙"下用大容量持久内存承载超大 MoE 的可行性边界。
   链接：https://www.aibase.com/zh/news/32314

4. 星尘智能 CoMind：机器人隔墙"递眼色"，任务成功率从 0% 提到 100%
   深圳星尘智能发布多机协同框架 CoMind（Be My Eye），核心是两点：去中心化的主动信息共享，以及任务关键信息的精选与压缩。机器人不再互发完整摄像头画面，而是按任务需求提取关键视觉特征与操作状态，让队友自行判断下一步动作，减少对中心调度器的依赖。极限测试中，两台机器人隔着挡板彼此完全不可见，通过共享关键信息配合拿笔，成功率从 0% 直接提升到 100%；被遮挡一方靠队友"借眼"找盒子放物，准确率从盲猜的 38.9% 升到 88.9%，而整个过程信息传输量减少 80%。六项真机测试覆盖隔墙拿笔、盲盒置物、纸箱组装、叠被收纳、冰箱补货与哑铃组装，对应视觉遮挡、柔性物体操作与精密装配三类难题。相较 CHORUS、LatentToM、DuoMind 等路线，CoMind 更贴近动作层：让共享的信息直接改善队友的动作决策。
   链接：https://www.qbitai.com/2026/11/509614.html

5. 无界前沿开源 Fx-Bio-1031：125B 生信大模型盲测超 GPT-6-Astra 与 Opus-5
   无界前沿开源面向专业生物信息学的 Fx-Bio-1031，并放出完整模型权重。它采用 125B 总参数、每 token 仅激活 6B 的高效 MoE 架构，推理算力可控，医院科室、高校课题组与药企无需天价集群即可本地私有化部署，从物理上保证组学数据不出域。在 Anthropic 的 BioMysteryBench 困难子集上 Pass@5 达 70.59%，显著超过同框架下 GPT-6-Astra 的 47.06% 与 Claude Opus-5 的 52.94%；考察复杂分析全流程的 BiomniBench 上 Pass@3 达 89.50%。两个案例最能说明能力形态：其一是乳腺癌队列中 ESR1 突变与 RAS/MAPK 通路变异的互斥分析，模型锁定 762 名独立患者算出 OR=0.317、p=0.0011 后没有交卷，而是主动做 14 项敏感性分析并设置阴性对照，画出"结论边界地图"；其二是 9 份无标签 ATAC-seq 样本，靠内部聚类加外部数据库交叉推理完整还原分组。它证明垂域 RSI 智能体的差距不在"背文献"，而在真实命令行环境里的长程执行与自我纠错。
   链接：https://www.qbitai.com/2026/11/509663.html

6. 腾讯混元发布实时语音模型 Hy Realtime：会干活，还会唱歌
   腾讯混元宣布全新实时语音模型 Hy Realtime 正式发布。除语音理解、指令遵循与拟人化表达等基础对话能力外，这一代补齐了两项新本领：Agentic 工具调用与唱歌。前者意味着它不再只是被动应答的"嘴"，而能在对话中调用工具真正把事办完；后者则补上了此前语音模型普遍缺失的表现力场景。该模型已悄悄跑在元宝语音通话、腾讯客服等内部产品中，直接改善数亿用户的对话体验；近期还将上架腾讯云，以 API 形式对外开放。对开发者而言，这是腾讯首次把自研实时语音能力从内部场景推向外部，此前同类能力多依赖第三方供应商，接入后可在低延迟语音交互场景中省掉一层外部依赖与额外成本。
   链接：https://www.aibase.com/zh/news/32320

7. 浙大与联想提出 EM²Mem：把"先检索后对齐"倒过来，给多模态智能体装长期记忆
   针对多模态智能体"过目即忘"、检索低效的痛点，浙江大学与联想团队联合提出以事件为中心的多模态长期记忆方案 EM²Mem，成果已在 EMNLP 2026 亮相。它在底层逻辑上做了一次翻转：传统做法是先把信息零散存放、用时再检索对齐，EM²Mem 改为"先对齐后检索"——在记忆构建阶段就把同一事件中的人物、物体、行为、时间等线索关联成多尺度事件档案，再用情节图与语义图的结合把不同经历连起来，最终沉淀长期规律。效果上，事件级证据召回率与问答准确率同时提升，单次问答耗时与 token 用量明显下降；由于记忆构建完成后可反复复用，长期摊平后综合效率优势更大。团队据此搭建了记忆系统 LightMem-Ego，可落地于个人生活助手、科学实验室助手等需要持续学习与个性化的场景。
   链接：https://www.aibase.com/zh/news/32316

8. 上手 Claude Duet：比 Claude Code 更"办公"的 agent，有用但也唠叨
   Anthropic 的 Claude Duet 目前仍是 research preview，仅向美区 Pro、Max、Ultra 订阅者开放并设等待名单。它的定位比 Claude Cowork 更偏工作场景，比 Claude Code 更消费友好：有自己的独立 app，接入邮箱、日历、Google Docs、Slack 后，会把建议做成可左右滑动的卡片，像一份"待办清单版 Tinder"。The Verge 记者实测一周的结论是三层：真有用——它能借邮件里的会议纪要串联上下文、主动发现日程冲突、每天推一份晨间简报；也真烦——像一位神经质的私人助理反复催办；还很自恋——非常热衷于写关于自己的内容。对不写代码的知识工作者，这类 agent 的价值正在从"问答"转向"替你盯住需要你注意的事"，但可靠性与打扰频率的平衡仍是产品化最难的一关。
   链接：https://www.theverge.com/ai-artificial-intelligence/1032518/claude-duet-ai-agent-hands-on

9. OpenAI 上线 ChatGPT Wallet：Dots agent 可代下单，但每笔都要你按指纹
   OpenAI 推出 ChatGPT Wallet，先向美国 18 岁以上、使用美国账单地址与合格美卡（Amex、Chase、Mastercard、Visa）的 Pro 用户开放。绑卡后 Dots agent 可依提示直接购物结算，但每次结账前都会与用户确认，且必须通过 Face ID 或指纹等生物识别校验，用户需逐笔批准。安全设计上沿用 Apple Pay、Google Wallet 的 token 化思路：真实卡号被替换为支付 token，agent 与商家都拿不到原始卡信息。OpenAI 表示后续会让用户通过消费限额、购买品类、时间窗口等明确参数预授权，逐步把整笔采购委托给 agent。落地阻力仍在渠道侧：部分零售商限制甚至封禁 AI agent（亚马逊此前封过 Meta 的 Muse），因此 agent 支付要真正跑通，网站反爬策略与风控系统都得先学会识别"合法 agent 发起的交易"。
   链接：https://www.theverge.com/ai-artificial-intelligence/1033425/openai-chatgpt-wallet

10. Fireworks AI 遭入侵：Notion 约 1% 用户聊天记录泄露，模型服务供应链再响警报
    AI 推理平台 Fireworks AI 遭网络攻击，攻击者先入侵其云服务提供商，进而取得 Fireworks 开发系统访问权限，窃取部分客户账单信息与数据集。Fireworks 在全球拥有数万家客户，包括法律科技公司 Harvey 与 AI 编程公司 Cursor。Notion 证实约 1% 用户受影响，泄露内容是使用 Notion AI "Insights"功能时模型输入输出的聊天记录；由于部分数据缺乏可追溯信息，无法定位到具体用户。Notion 已于 11 月 3 日切断与 Fireworks 的系统连接、删除相关存储数据并停止双方全部连接。Fireworks 判断攻击以经济利益为驱动：入侵大模型以获取 token 再转售给第三方。这是继 2026 年 10 月安全事件后，短短数月内的第二起漏洞。对企业最现实的提醒是：当模型能力通过第三方 API 接入时，自己的数据边界实际上延伸到了供应商的云与内网。
    链接：https://www.aibase.com/zh/news/32288

---

数据来源：TheAIEra News Hub
生成时间：2026-11-14 08:20:00