OpenAI 发布第二份内部研究加速报告,披露 Codex 等智能体使用数据
OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等内部智能体的使用深度。按 API 标价计算,10 月中位数研究员每天消耗价值 2400 美元的 token,环比增长 62%,前 10% 用户达每天 23000 美元。
推荐理由:OpenAI 内部报告给出编码智能体的用量、任务成功率与失败环节,可据此判断当前智能体在研发流程中的真实边界。
OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等内部智能体的使用深度。按 API 标价计算,10 月中位数研究员每天消耗价值 2400 美元的 token,环比增长 62%,前 10% 用户达每天 23000 美元。
推荐理由:OpenAI 内部报告给出编码智能体的用量、任务成功率与失败环节,可据此判断当前智能体在研发流程中的真实边界。
黄仁勋在辞去英伟达CEO职务五天后于个人X账号发文,承认个人生活错误,并首次明确表示若董事会认为符合各方利益,他愿意重新担任CEO。同日英伟达董事长Harvey Jones在财报电话会议上表示,董事会已一致接受其辞呈,无意恢复其CEO职务,公司已聘请Heidrick & Struggles物色继任者,Colette Kress继续担任临时CEO兼CFO。
爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。
推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。
爱范儿实测 OpenAI 当天发布的 GPT-6.2 Astra 与 GPT-6.2 Sol,用一句话提示词在 17 分钟内生成 FPS 游戏,并完成可交互孔雀开屏 3D 场景、深海图谱网页和日式奇幻城市 GIF。
推荐理由:作者用游戏、3D 场景、网页与写作等多组实测,呈现 GPT-6.2 Astra 在能力与可用性之间的落差。
腾讯宣布开源 Hy4 flash,总参数 220B,每个 token 只激活 12B。混元团队称其为迄今最具成本效益的 Hy 模型,单任务平均成本只有 Hy4 的 1/20、DeepSeek-V4.1-Flash-1017 的 1/8。相比上一代 Hy4,该模型在结构上改了三处。
推荐理由:腾讯开源 Hy4 flash,给出 220B 总参数、12B 激活和单任务成本对比,可据此判断稀疏模型的成本取舍。
微软宣布推出新版本编程模型 MAI Code 2 和 MAI Code 2 Flash,核心卖点是“不到一半的价格,交付生产级质量”。在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 四个企业日常编码基准上取平均,MAI Code 2 拿到 GPT 6.1 Sol 的……(原文摘要在此截断)。
推荐理由:微软公布 MAI Code 2 与 Flash 的定价和基准对比,可据此判断低成本编程模型的取舍。
腾讯混元发布轻量模型 Hy4 flash,上线首日 Token 调用量突破 50 万亿,登顶 OpenRouter LLM 日排行榜。该模型总参数 224B、激活参数 12B,支持多模态和 1M 上下文,每百万 Token 输入 0.5 元、输出 2 元,单任务成本 0.26 元。
推荐理由:从价格、参数到架构与推理优化,原文给出了 Hy4 flash 压低单任务成本的完整路径,可对照理解轻量模型的降本方式。
Anduril CEO Palmer Luckey 在《纽约时报》DealBook 峰会上表示,中国乐见黄仁勋离开英伟达,因此他希望黄仁勋回归,并称这正是英伟达市值蒸发一万亿美元的原因之一。
推荐理由:围绕英伟达 CEO 离任,呈现美国芯片出口限制下企业立场与对华政策的分歧。
英伟达已停止向中国出货 H200 AI 芯片,尽管白宫去年 12 月已批准相关出口。临时 CEO Colette Kress 在财报电话会上表示,公司业绩指引不再包含任何获许可的 Hopper 数据中心产品,也未说明停止出货的原因。此前路透社报道约 60 万颗 H200 芯片因北京未批准大规模进口而滞留香港,前 CEO 黄仁勋已于上周卸任。
推荐理由:报道呈现了英伟达在获得出口许可后仍停止向中国出货 H200 的转折,并交代了人事变动与芯片滞留香港的背景。
Google 发布 Gemini Decision 1,这是一款不生成文本、只输出候选项概率与置信度的多模态决策模型,正式挑战两个月前引爆该品类的 TypeSafe Jev。
推荐理由:通过共享基准与第三方榜单的对比,读者能看清这款决策模型相对 Jev 的优势与代价。
英伟达在黄仁勋辞职一周后召开首次全员大会,临时 CEO 科莱特·克雷斯宣布将原定明年三月的年度调薪和股票增发评审提前到今年十二月发放。董事会主席哈维·琼斯表示因黄仁勋违反公司行为准则与文化规范、沟通缺乏坦诚而全票接受其辞职,不会重新请回他,并已请前检察官带队开展独立内部评估。猎头公司海德思哲已开始接触候选人,Arm 现任 CEO 雷内·哈斯目前领跑。
Anthropic 将 IPO 发行价定为每股 83 美元,发行 9.8 亿股 A 类普通股,其中 9.5635 亿股由公司卖出、2365 万股来自现有股东,募资规模在 800 亿美元量级。股票预计 11 月 19 日在纳斯达克全球精选市场以代码 ANT 开始交易,11 月 20 日交割。
推荐理由:Anthropic 的 IPO 定价与募资规模,为观察头部大模型公司的资本市场路径提供了具体参照。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。
推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%。
推荐理由:原文给出了训练成本与吞吐对比,读者可据此判断长程智能体后训练的效率边界。
路透社查阅 Meta 内部聊天记录发现,Meta 员工在测试 Muse 智能体时也提出过与早期用户相同的担忧,包括 Muse 似乎读取了用户未预期它查看的加密私信、可能混淆不同用户的对话,以及输出用户从未预期会暴露的敏感信息。
推荐理由:路透获取的内部聊天显示,Meta 员工在测试 Muse 时也遇到跨账号上下文与隐私数据外泄的疑虑,可与官方说法对照。
微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。
推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。
OpenAI 称与 AMD 合作不到五个月,在 AMD 旗舰 GPU IP 上实现最高 14% 的 PPA(功耗、性能与芯片面积)提升,相当于在 AMD 工程师多年优化之上再推进约一年。
推荐理由:读者可了解 OpenAI 与 AMD 用模型参与 GPU 设计优化的具体幅度,以及这类方法向自研推理芯片和 EDA 工具延伸的进展。
Google DeepMind 向符合条件的 Google AI Ultra 订阅者推出新版 Project Genie,首次开放 Genie 4 世界模型。Genie 4 支持在探索过程中输入新提示词实时修改环境,并首次搭配随场景变化的实时原生音频。
推荐理由:Genie 4 支持会话中实时改世界并加入原生音频,可对照 Genie 3 的会话时长与全景图能力看世界模型进展。
Nvidia 临时 CEO Colette Kress 在黄仁勋上周辞任 CEO 后的首次全员大会上宣布,员工将在 12 月获得加薪和更多股权,比原计划提前数月。
Google 将 Gemini 应用带到符合条件的 Android(Go edition)低内存设备,覆盖此前只能使用基础语音命令的机型。官方称已重构应用,使核心体验在低内存硬件上流畅运行,支持 Gemini Live 用 45 种以上语言对话、拍摄笔记或表单进行学习与翻译,以及用 Nano Banana 生成图片。
推荐理由:原文交代了低内存机型的适配方式与可用功能,可据此判断 Gemini 在新兴市场的覆盖边界。