AI 技术日报 - 2026-11-15
AI 技术日报 - 2026-11-15
Top 10 AI 技术要闻
-
DeepSeek 把「全家桶」搬上 API:搜索、抓取、OCR、语音一个 key 全包
DeepSeek 宣布在 API 侧一次性开放整套工具能力:V4.1-Flash 模型在 Chat Completions、Messages、Responses 三类接口中统一支持扩展插件,包括 Web Search(由模型自行判断是否需要联网)、网页抓取 Fetch(取正文而非整页 HTML)、OCR、ASR 语音识别、TTS 合成、文件上传与链接解析。各能力独立接口、独立计费:联网搜索 5 元/1000 次成功调用,OCR 1.5 元/1000 页,语音识别由 0.78 元/小时打到 0.39 元/小时(五折),语音合成 3 元/万字符降到 1.5 元。同时开源了一个轻量聊天前端 demo,支持导入 DeepSeek 历史记录。对开发者而言,过去要自己拼搜索 API、爬虫、OCR 服务、TTS 供应商的 Agent 链路,现在一次接入即可闭环,工程复杂度和多供应商成本都被压掉一层。
链接:https://www.qbitai.com/2026/11/510003.html -
Claude Code Projects 重构:只写目标,协调器把活拆给并行线程
Claude 官方把 Projects 从「文件夹」改成「会话」形态:设定 goal 与仓库/上下文后,Claude 自己划定范围、拆解任务、协调多条并行线程、审阅产物并拼装结果,用户可以在项目主对话里盯进度,也能钻进单条线程改细节。底层每条线程都是一个独立的 Claude Code 云端 session,跑在自己的分支和仓库副本上,线程间改到同一处代码就按普通 PR 的合并冲突处理;线程内部还能继续用 subagent、loop、workflow 把大任务再切碎。所有线程共享一份 memory 与 library,决策、被砍掉的方案、发布改期这类上下文会随时间累积,减少复杂提示工程。当前 beta 面向使用云 session 且网页/桌面无既有 project 的 Pro/Max 用户,线程暂时只在云端跑。HN 上 91 条讨论,最主要的质疑是云侧锁定与并行线程加速消耗配额。
链接:https://claude.com/resources/articles/projects-redesigned -
「史上最严」湿实验预测基准 SPU:推理拉满、算力翻 5 倍也白搭
UniPat AI 联合斯坦福、康奈尔、哈佛、北大、港科大等发布 SPU 基准,考的不是「解释实验」,而是实验之前最贵的那个判断:哪个条件更可能成功。数据集含 116 个任务、4207 个真实湿实验结果,来自 85 篇论文加 4 组未发表合作实验,覆盖 VHH 纳米抗体、反应条件、电解液、抗体变体等 32 个子领域。评测环境为 8 小时、8 核/16GB 内存/单卡 H20,允许联网装依赖,评分在断网容器内完成并扫描 DOI 与标题防污染,每题随机排序生成 4000 份基准取 95 百分位。12 款前沿模型 13 种配置参战,最高平均分 Claude Opus 5.5 仅 0.486,只有一半任务超过随机水平;把 GPT-6 Astra 的推理强度从 medium 拉到 max,耗时中位数涨 4.8 倍、API 成本涨 5.3 倍,成绩却无显著差异——模型常在中位 26% 的步数就给出答案。私有任务上更刺眼:同一批电解液预测离子电导率相关系数 0.89–0.95,换成电化学窗口就掉到 -0.55 至 0.07。数据集与代码已开源。
链接:https://www.qbitai.com/2026/11/510232.html -
250 名三甲医生当考官,未来医生 MedGPT 在肺癌灰区以 88:12 胜出
未来医生 MedGPT 与国内顶级三甲医院胸外科团队联合开展研究,专攻「灰区」肺癌:指南推荐不明确、共病约束冲突、没有唯一标准路径的 40 例真实病例。250 名医生来自 27 个省级地区、98 家标准化中心,63.6% 为主任或副主任医师;每人在无辅助、检索参考、MedGPT 辅助三种条件下各做 3 例,共形成 2250 份策略文本。与无辅助提交的 750 份相比,MedGPT 有 660 次拿到更高评分,以 88:12 胜出,且标准化输出平均比医生短四成以上;医生在 AI 辅助下总体得分从 53.40 升到 66.27,相对提升 24.1%。同条件横评中大幅超过 GPT-5.4(71.38)、Claude Opus 4.7(61.81)与 Gemini 3.1 Pro(54.62)。系统架构是「先会诊、再推演」:多专科 Agent 各自分析并汇总分歧,按时间线整理病史、确定约束,再生成指南共识型 E-Path 与前沿研究型 F-Path,围绕证据缺口反复推演和删改路径。肺癌证据库含约 1.3 万篇原始文档、20.1 万条临床证据单元。评价体系由 20 名多学科专家三轮打磨出 240 条规则,其中 40 条锚定治疗资格与强度的安全边界,一触即判负,最终由三个 AI 裁判盲评。
链接:https://www.qbitai.com/2026/11/509796.html -
openJiuwen 发布 RSI 原生 AgentOS:Agent 可以给自己开发新功能
openJiuwen 为 HyperAgent 提出「从开发者友好走向 RSI 友好」,并落地成 RSI 原生 AgentOS——把递归自我改进当作运行环境的一等能力。系统分 Web 客户端、Gateway、AgentServer + Harness 三层,五个环节开放扩展点:界面按钮与面板、网关鉴权与请求路由、会话与服务端命令、Swarm 多 Agent 协作规则与任务跟踪、Agent 的提示词/工具/MCP/子 Agent。扩展以扩展包交付,manifest.json 声明包标识、版本、依赖、代码入口以及 UI 挂载位置;安装时校验清单并按 ID + 版本存档,加载时 Gateway 与 AgentServer 各取自己运行的包,把处理函数注册到事件总线。跨会话消息、上下文用量变化、系统提示词组装、团队规则生成、界面就绪、网关分发等事件触发 handler,handler 又能调用 Ops 读历史消息与上下文、调用工具、查看团队只读视图、刷新面板、在授权范围内读写文件。演示里 Agent 直接在 WorkSwarm 中按自然语言需求生成「桌宠」系统插件和 Token 用量状态栏,改坏了还能回退到故障前存档点。
链接:https://www.qbitai.com/2026/11/509653.html -
两台 DGX Station 串起来跑 GLM-5.3:vLLM 实测峰值 607.8 tokens/s
NVIDIA 公布一份很有参考价值的私有化推理实测:GLM-5.3 采用 NVFP4 量化后仍有 753B 总参数、每 token 激活约 40B,checkpoint 约 464GB,而单张 GB300 只有 252GB HBM3e,一张卡装不下。方案是用两台 DGX Station 通过 ConnectX-8 RDMA 互联做张量并行 TP=2,推理栈为 vLLM v0.30.0,开启 MTP 投机解码、FP8 KV cache 与前缀缓存。结果:并发 16 时聚合吞吐冲到 607.8 tokens/s 峰值,单用户解码 115.3 tokens/s;并发 32 时聚合 385.0 tokens/s、平均延迟 453.5 秒,人均 13.0 tokens/s;MTP 接受率约 45%,每步约 1.9 个 token。C32 下最初有 22–23% 请求因 KV 空间不足被抢占,通过 gpu_memory_utilization≈0.95、max_num_seqs=32、max_num_batched_tokens=16384、block_size=2048 等参数调整,把丢弃率压到约 2%。它给出了一个明确档位:超大 MoE 不必上整机柜,两机 RDMA 也能稳定服务 32 路并发。
链接:https://developer.nvidia.com/blog/when-one-gpu-isnt-enough-serving-glm-5-3-across-two-nvidia-dgx-stations-with-vllm -
Meta 开源用了八年的设计系统 astryx:组件库开始写给 Agent 的说明书
Meta 把内部打磨八年的设计系统 Astryx 以 MIT 协议开源,两天连坐 GitHub 总榜第一,已积累 2.8 万星。它在 Meta 内部支撑 1.3 万多个应用,是公司规模最大的设计系统,此次放出 150+ 无障碍组件、品牌级主题、暗色模式、模板与 CLI,基于 React 19+ 与 StyleX。几个设计取舍值得前端团队注意:组件内部完全开放,可组合到任意层级,需要改到底层时用 swizzle 把组件源码整份弹出到项目里自己拥有;用 StyleX 写样式但对使用方不可见,可以用 Tailwind、CSS Modules 或纯 CSS 通过 className 覆盖,不绑定样式方案;主题就是一组 CSS 自定义属性覆盖,设计师不必 fork 组件源码。最特别的是「同时为人与 Agent 而建」:API、文档、CLI 一起设计,人和 AI 助手从同一份参考出发、用同一套工具构建,README 里甚至用同步契约注释要求架构变更必须同步文档。
链接:https://github.com/meta/astryx -
Portal2Bench:让 AI 智能体去通关《传送门 2》,26 个关卡考空间推理
Show HN 上的 Portal2Bench 把 3D 空间推理与长程规划放进一个残酷但干净的考场:让 Agent 实际玩《传送门 2》第 2 至第 5 章的 26 个测试室。游戏在模型思考时暂停,Agent 只能发送按键与视角转向,拿回截图和自身坐标;它有一个笔记文件夹,但没有 shell、没有网络、没有控制台,所以无法作弊,另有 QA 检查兜底。每个测试室都是全新独立的一局,必须在 300 次计划、30 美元预算内到达下一张地图才算解决;死亡后按普通游戏规则在上个检查点复活,只告知它「你死了」。结果是:GPT-6.1 Sol 通关 20/26,GPT-6 Astra 20,GPT-6.1 Terra 19,Claude Opus 5.5 11,Sonnet 5.5 6,Fable 5.1 目前 3/15,GPT-6 Luna 为 0。单个通关关卡的中位成本从 0.74 美元(GPT-6.1 Terra)到 13.12 美元(Fable 5.1)。它把「会写代码」和「能在物理规则下持续试错」这两种能力明确区分开来。
链接:https://kingstonyip.com/portal2bench -
Nischoy:不用 LLM 的提示注入检测器,形式逻辑加 SMT 求解器给判决
Nischoy 提出另一条提示注入防御路线:不再用一个模型去监视另一个模型,而是彻底不用 LLM、不用 GPU。流程分三步——先做语法层面的语言分析,把文本拆开;再抽取「实际被要求做什么」,即动作与作用对象;最后把用形式逻辑写成的可执行策略交给 SMT 求解器检查,由求解器返回判决,而不是模型的概率猜测。好处是每个结论都能回溯到抽取出的具体事实和命中的具体策略,同样输入永远得到同样答案,没有黑盒。官方给出的本地基准是在 Apple M4 CPU 上进程内检测、120 次预热请求、不含网络:中位 4.7 毫秒,p95 为 6.0 毫秒,首次请求约 101 毫秒(明确标注非生产环境延迟测试)。对读遍邮件、网页、文档的 Agent 来说,这种确定性、可解释、纯 CPU 的护栏在延迟和可审计性上都有现实价值。
链接:https://nischoy.ai -
190 行纯 JAX 复现 DeepSeek V3:把 MLA、MoE 与 MTP 摊开给你看
Show HN 上一个开源项目用大约 190 行纯 JAX 代码复现了 DeepSeek V3 的核心结构,把三块最容易被论文绕晕的设计写成可读的最小实现:多头潜在注意力 MLA(用低秩压缩 KV,直接把长上下文显存开销降下来)、DeepSeekMoE(细粒度专家加共享专家,并采用无辅助损失的负载均衡策略,省掉传统 aux loss 带来的性能折损)、多 token 预测 MTP(一次前向预测多个未来 token,可用于投机解码提速)。作者表示整个实现能在 MacBook Air 上训练起来。它的价值不在性能对标,而在可读性:想搞懂 DeepSeek 系列为什么在同等显存下能开更长上下文、MoE 路由如何不靠 aux loss 保持均衡,这份代码比翻论文和读官方仓库都快。
链接:https://github.com/Vaibhaav-Tiwari/deepseek-v3-jax
数据来源:TheAIEra News Hub
生成时间:2026-11-15 08:15:00

浙公网安备 33010602011771号