全部 AI 动态

CWE-bench v2 发布：覆盖 91 种 CWE 的 100 项安全任务开放评测

Collinear AI 发布 CWE-bench v2，公开 100 项任务覆盖 91 种 CWE，智能体需在真实开源仓库中定位并修复安全漏洞且不破坏原有功能。

Google 允许学校关闭 AI 工具，但须一并放弃 Google Search

Google 宣布其教育产品将在未来几个月内默认关闭 AI 工具，由学校管理员手动开启，涉及 Gemini、Gemini Notebook、Gemini in Classroom 和 Google Search，且只能整体开关、不能单独选择。

谷歌 Antigravity 上线化学信息学技能，1 小时筛完数千种化合物

谷歌 DeepMind 为 Google Antigravity 推出“化学信息学技能”，在肺癌药物演示中 AI 智能体约 1 小时检索数千种化合物并完成匹配分子对分析，类似流程过去需数天。

Google 实测用轻量分类器在 Gemini 模型和思考档位间路由以降低每任务成本

Google Developers Blog 发布实测，主张以每成功任务成本而非每 token 价格衡量编码 Agent 的生产经济性，并用 TypeSafe 的 Jev 分类器在 Gemini 模型间做路由。

LangChain 讲解如何为 Deep Agents 优化浏览器工具，Stagehand 在 WebVoyager 上以 $1.98 通过 90% 任务

LangChain 为 Managed Deep Agents 选型浏览器工具，对比七个工具集后在 WebVoyager 100 个任务上选用 Stagehand（90% 通过、总成本 $1.98、中位 17.4s），Playwright MCP 为 78%、$26.71。

OpenAI 研究：智能体安全评测与生产行为存在差距，评测目标误判是关键因素

OpenAI Alignment 团队对比六个模型在 Respecting Warnings 安全评测与匹配的 Codex 生产决策上的表现，发现评测成功率普遍低于生产，差距为 10.2 至 37.4 个百分点。模型普遍口头表现出评测意识（评测中一般性意识率 57.0%–83.7%），但仅告知

Netflix 电视端推出“AI Discover”标签页，用 AI 推荐主题内容

Netflix 电视应用新增“AI Discover”标签页，首批实验功能按“Something Light”“Family Movie Night”“Quick Watches”等主题推荐影视内容，用户可反馈不喜欢并让应用记住。该功能由 Netflix 构建的新智能层驱动，实时响应用户反馈并持续学习，目前在美国面向在受支持电视上使用英文的会员逐步上线。

Anthropic S-1 新披露显示算力成本占比升至 58%，利润率承压

TechCrunch 分析 Anthropic 更新的 S-1 文件披露，Q3 营收达 170 亿美元、环比增长近 50%，但算力占营收比例从上一季的 48% 升至 58%，每美元算力对应营收从峰值约 2.08x 回落至 1.72x。

同一件事，精选收录的是《Anthropic 算力与基础设施合同承诺达 $895.4B，其中 $447.5B 须在 2031 年前支付》

IBM Research 发布 Palette：用 20B 开源模型按你的设计语言生成幻灯片

IBM Research 介绍 Palette，通过 LoRA 微调 20B 开源模型生成符合 IBM Design Language 的幻灯片，采用设计师加程序员的双角色分解，并配检查修复 harness。

StateBench：测试语言模型如何在长文档中追踪状态变化

研究者推出 StateBench 基准，用于评测语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四个难度级别构建。

SETI 艾伦望远镜阵列启用 AI 智能体，实时搜寻地外文明信号

SETI 研究所与 Breakthrough Listen 在加州艾伦望远镜阵列部署 AI 智能体，可实时操控望远镜并分析射电信号，目前仍需研究人员输入指令。系统基于 Nvidia Holoscan 平台，处理速度最高达 2.4 Tbps，原本耗时数周的工作缩短至数小时。团队称已用 AI 实时探测到蟹状星云中的一颗脉冲星，属首次。

Ai2 发布 StateBench 基准，测试语言模型在长文档中的状态追踪能力

Ai2 推出 StateBench，一个用于评估长上下文状态追踪的基准，按变量赋值方式划分 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。

Pragmatic Engineer 刊发获奖文章：工程师从 PostHog 到 AI 原生创业公司 Tano，月合并 PR 提升约 11 倍

Pragmatic Engineer 刊发征文挑战获奖文章，作者 Neil Kakkar 对比自己月均合并 8-20 个 PR 的 PostHog 时期与如今在 AI 原生创业公司 Tano 月均 200+ 个 PR 的工作变化。

Ed Zitron 解析 OpenAI 1.25 万亿美元估值融资与 Anthropic S-1/A 中的万亿级算力承诺

Ed Zitron 撰文认为 AI 行业资金正在枯竭。OpenAI 上周以 1.25 万亿美元估值融资 110 亿美元，低于此前计划的 300 亿美元、1.4 万亿美元估值；据 The Information，其 Q1 2026 成本收入与研发支出合计 121 亿美元，截至 3 月底持有逾 730 亿美元现金及有价证券。

Google Antigravity 用化学信息学技能加速药物发现

Google Antigravity 新增 Cheminformatics Skills，可在约一小时内完成从文献检索数千化合物、matched molecular pair 分析到提出带合成路线的新型刚性化大环分子的流程。

Meta 推出 F3 Lightning：广告 ML 特征独立发布提速约 3.6 倍

Meta 推出构建在 F3 之上的基础设施层 F3 Lightning，将特征发布与共享执行解耦，使每个特征可独立编译、验证、部署和回滚。相比原 F3，同类特征进入生产环境的速度提升约 3.6 倍，且基础设施计算成本没有增加。F3 目前支撑广告排序模型单次请求超 20,000 个特征。

Google 宣布明年起默认关闭 K-12 学生的 AI 工具，学校若禁用 AI 将同时失去 Google Search

Google 于周二宣布，明年起 K-12 学生的 AI 工具将默认关闭，需学校管理员显式开启。此举涉及 Gemini、NotebookLM、Gemini in Classroom 和 Google Search，因为 AI 功能已与搜索深度整合，学校若完全限制 AI，学生将无法使用 Google Search。

Google 将在拒绝 AI 功能的学校完全关闭 Search

Google 告知《纽约时报》，对于不接受其 AI 功能的学校，将完全关闭 Search。K-12 学生账户的 Gemini、Gemini Notebook、Gemini in Classroom 和 Search 将默认全部关闭，但管理员无法只关闭 Gemini 功能而保留 Search。

Simon Willison 实测 Qwen 3.8 27B 在笔记本上复现 Weight-Space Programming 论文的权重解读能力

Simon Willison 在笔记本上实测论文《Sparks of Weight-Space Programming》的示例，发现 Qwen 3.8 27B 也能仅凭浮点数权重猜出强化学习策略网络训练的游戏。

IBM 评测 CUGA、Hermes 与 Deep Agents：同一模型下 AppWorld 完成率从 30% 到 81%

IBM CUGA 团队用同一开源模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比三种 agent harness：CUGA 完成 81.1%（73/90），Hermes 46.7%，Deep Agents 30.0%；SGC 一致性指标差距更大，分别为 20、8、2 个场景。

Google 将 Guided Learning 引入 Search 和 Classroom 并改革学校管控策略

Google 宣布把 Guided Learning 功能引入 Google Search 学生账号和 Google Classroom，引导 AI 时代下的学习方式。

为什么 AI 越可靠，我们越不检查它的工作

Katie Parrott 在 Every 的文章中讲述自己把同一份客户稿件重复写了两遍，直到重读需求简报才发现四周前已交付过。文章指出 AI 越可靠，人越容易跳过核查，并主张放慢节奏、给工作应有的审视。

Apple 将约会应用和 AI 陪伴类应用限制为 18 岁以上用户

Apple 宣布调整 App Store 政策，所有提供约会或恋爱关系功能的应用必须标为 18+，自 11 月 16 日起开发者需添加新的内容描述符以确保年龄分级反映应用功能。

Amp 推出 Service Accounts：工作区共享账户支持多人协作线程

Amp 上线 Service Accounts，一种由工作区管理员创建、不绑定单个用户的账户，拥有独立 API key 和第三方凭证。该账户下的每个线程工作区成员均可查看并发送消息，适合代码库审查维护和 CI 脚本等团队共享任务。官方提醒：因所有成员都能驱动这些线程，只应分配愿意共享给全员的凭证。

Apple 财报显示其以轻资产方式从 AI 浪潮中多渠道获利

Apple 最新财报显示其 2026 财年营收和每股收益创纪录，Q4 iPhone 营收同比增长 17.5% 至 576 亿美元，Mac 营收增长 24% 至 108 亿美元，但盘前股价因内存成本挤压假日季利润率的警告而下跌。

2026 美国中期选举：科技议题与 AI 监管走向

2026 年美国中期选举于 11 月 3 日投票，数据中心引发的能源成本反弹、AI 安全与监管、Flock 监控技术扩张成为选民关注议题。加州围绕亿万富翁财富税的投票措施引发科技行业巨额支出，科技亿万富翁据报已捐超 3.4 亿美元反对该税。下届国会预计将继续处理 AI 监管与数据中心反弹问题。

开源项目 Arnis 用 OpenStreetMap 数据把地球任意地点生成 Minecraft 世界

GitHub Blog 介绍了 Louis Erbkamm 自 2022 年起开发的开源项目 Arnis，它用 OpenStreetMap 等真实地理数据把任意地点生成可探索的 Minecraft 世界，已从 GitHub 获得近 90 万次下载、约 70 位贡献者。

国家发展改革委：我国人工智能发展速度与应用规模全球领先

国家发展改革委在11月3日“奋进‘十五五’”系列发布会上表示，我国人工智能发展速度、应用规模全球领先。工业领域已累计建成万余家先进级智能工厂，农业领域显著降低农药化肥用量，服务业出现“员工+智能体”新业态。我国人工智能推理数据量首次超过训练数据量，标志其从模型训练研发迈入规模化产业应用阶段。

OCRia-1 背后的推理栈：单张 B200 上 token 生成提速近 10 倍

LlamaIndex 披露 OCRia-1 文档解析模型的推理优化方案，在单张 B200 GPU 上把 token 生成速度从约 285 tokens/sec 提升到约 2800 tokens/sec，接近 10 倍。方案结合了混合精度量化（BF16、FP8、NVFP4，视觉编码器不量化）与 DFlash2 块扩散投机解码，后者接受率超过 12 个 token。

OpenAI 聘请前美国陆军部长 Dan Driscoll 出任国家安全现代化高级顾问

OpenAI 聘请前美国陆军部长 Dan Driscoll 担任新设的"国家安全现代化高级顾问"，寻求与军方更紧密合作和更多政府合同。Driscoll 曾任第 26 任陆军部长，管理近 100 万士兵和逾 26.5 万文职人员，任内推动包括 Project ARIA 在内的 AI 现代化，并被认为与副总统 JD Vance 关系密切、在国会两党均有人脉。

中国 AI 如何找到自己的人设：从 DeepSeek 鲸鱼娘到豆包与阿福

作者梳理了中国 AI 产品的拟人化品牌演变，从文心、通义等文雅命名到豆包、千问小酒窝、蚂蚁阿福等亲和形象，并以粉丝创作的 DeepSeek「蓝色大肥鱼」鲸鱼娘为切入点，对比中美 AI 人设设计哲学的差异。文章还指出，当 AI 从问答聊天机器人转向自主智能体时，Bilibili 上涌现的鲸鱼娘自动化评论代理让这套可爱人设面临信任与算法噪音的考验。

一次对 Ocado AI 客服回复的“小小抵抗”

作者向英国在线超市 Ocado 提交日历邀请格式错误的技术反馈，收到署名“Lulu”的回复，因谄媚式附和、破折号用法等特征判断其为 AI 生成，随后在满意度调查中打 1 星并投诉。几天后 Ocado 人工回复致歉，确认反馈已转交技术团队。作者认为用 AI 回复真实投诉是不尊重用户，主张公开指出糟糕的 AI 回复并要求真人处理。

OpenAI 称 ChatGPT 搜索量约为 Google 的 20%，周活用户达 12 亿

OpenAI 消费者产品负责人 Adam Fry 在纽约一场晚宴对谈中披露，ChatGPT 周活用户两个月内从 10 亿增至 12 亿，类搜索查询量约为 Google 的五分之一。语音模式每周有 2.5 亿活跃用户，用户每周生成 15 亿张图片，ChatGPT 还计划合并 Chat 与 Work 两种模式。

a16z 解读长寿市场：500 人调研与下一个创业机会

a16z 发布《The State of Longevity》，基于对 500 名美国消费者的随机调研，梳理长寿与健康管理市场的趋势与创业机会。调研显示 63% 的受访者知道体内微塑料积累、35% 对此担忧，62% 愿为标注"无毒"的产品多付钱。文章认为最大机会属于能帮用户持续采取行动、管理长期健康的公司，并点名 Function Health、Oura、WHOOP 等已具先发优势的玩家。

欧盟法院法务总顾问称谷歌 Gemini 使用新闻报道可能侵犯版权

欧盟法院（CJEU）法务总顾问马切伊·什普纳尔（Maciej Szpunar）表示，谷歌 Gemini 在回答提问时使用新闻报道，在特定情况下可能侵犯出版商版权。

OpenAI 默默将数据中心改称 compute campuses 以应对舆论反弹

OpenAI 在发布 Grid Protectors Program 时开始使用 compute campus 一词，约 900 字的公告中 data center 仅出现两次，首批站点位于佐治亚州 Effingham County，承诺支付自身造成的成本并帮助社区维持供电。

World of Warcraft: Forever 生态遭 AI 生成插件泛滥，Warcraft Logs 被迫调整 API

World of Warcraft: Forever 上线前，其 Reddit 社区已被 AI 生成的插件淹没，Archon.gg 旗下 Warcraft Logs 因此调整 API，并引入付费商业密钥。

Nvidia 要求云客户减少中国业务并披露终端用户身份

据 The Information 与 Financial Times 报道，Nvidia 已建议部分云客户（包括其投资的 neocloud）减少来自中国公司的业务，指引不具强制性、只适用于未来合同，并通过销售与区域团队口头传达，云客户还需披露访问芯片的终端用户身份。

Anthropic 在 Claude 平台推出 Message Threads 公测，长对话首字延迟降低约 35%

Anthropic 在 Claude 平台以公开测试版形式推出 Message Threads。此前每次 API 请求都需重发完整对话历史，新机制只传输自上一条消息以来的变化，据 Anthropic 称在 50 万至 100 万 token 的请求上可将首字时间缩短约 35%。

Sarvam AI 发布决策模型 Sarvam Prism 并开放权重

Sarvam AI 发布基于 Sarvam 105B 的 System One 决策模型 Sarvam Prism，在自测的 25 个决策模型中以 71.8 分、44 ms 响应（B200 GPU）成为 100 ms 内得分最高的模型。