AI 编程实时动态与要闻

YC W26 公司 CellType 11 月 4 日发布 BioSimBench 1.0，用真实实验室数据测试大模型能否预测细胞在药物、基因敲低和免疫信号作用后哪些基因上调或下调。12 个前沿模型中，Gemini 4 Argon 以总分 0.184 排第一，Claude Sonnet 5.5（0.160）和 GPT-6 Astra（0.159）随后，而两次实验室重复之间的一致度为 0.462。CellType 用自家 RL 环境 BioSimGym 训练的 27B 模型在四个预测赛道都超过最强前沿模型。

查看大图

机器人公司 LiberAI 在官方 X 账号和技术博客发布 Liber-0，一个同时预测未来画面和动作的世界动作模型（World Action Model），用超过 220 万小时人类经验预训练，并用自研 LiberSense 手套采集的精确手部动作数据做“动作锚点”。在 GPT-6 随机提出的 60 项任务、600 次试验中，Liber-0 在没有针对这些任务采集机器人示范的情况下总成功率 36.0%，其中复杂多步任务仅 10.5%。官方未公布开源权重或 API。

查看大图

独立评测机构 Artificial Analysis 11 月 4 日在 X 上宣布，把金融会计、战略运营、法律、医疗、工程、经济六个 Capability Indexes 升级到 v2.0，与 Intelligence Index v5.0 的评测对齐，并更重视 Non-Hallucination（不编造）和 Agentic Tool Use。各指数统一把 HLE 换成 HLE-Diamond、AA-Omniscience 升到 v1.1，并移除 GDPval-AA；工程指数新增 Science 能力项。官方结果：Claude Opus 5.5 (max) 六项全部领先，GPT-6 Astra (max) 在金融会计、法律、工程排第二；开放权重阵营中 Kimi K3.1 Pro（权重尚未发布）六项都领先，排在第 5 到第 8 名。

查看大图

11 月 3 日，OpenAI 发布《Accelerating engineering for the physical world》，介绍其模型在机械设计、电子设计和仿真上的进展。两名员工用 GPT-6 Astra 在不到一周内设计出一台用来和 Codex 对话的设备（外壳、PCB、固件和软件），合同制造商不到一个月做出小批量原型，但量产前仍需多轮人工评审。OpenAI 硬件团队的模型 token 用量自 2 月以来增长 23 倍；在 BenchCAD 2.0 上，一个更新的内部模型平均得分 0.875，GPT-6 Astra 最高推理档为 0.594（官方口径）。OpenAI 还扩大与 Chip Ganassi Racing 的合作，并宣布与 Mazda 开展新的研究合作。

查看大图

联邦学习框架 Flower 背后的 Flower Labs 于 11 月 3 日发布 Endeavor 1.1，这是其今年第三个模型（继 4 月的英国主权 7B 模型 Lizzy、9 月的 Endeavor 1.0 之后）。新版本新增图像输入、可选欧盟境内 GPU 推理，支持 Flower 托管、私有云或本地部署，并承诺用户可查看完整思维链、拥有推理输出并用于训练自有模型。官方口径 GPQA 94.4、HumanEval 99.9、AIME 2026 99.9、MMMU-Pro 81.1，但对比对象是 GPT-5.6 Sol 与 Claude Fable 5 而非两家最新模型，且目前仅开放申请试用。

查看大图

MIT CSAIL 博士生 Rikiya Takehi 11 月 2 日在 X 上发布「Weight-Space Programming（权重空间编程）」研究：作者团队（Takehi、Jayden Teoh、Alex Zhang、Omar Khattab）让 GPT-6 Astra 不用梯度、不做训练，直接阅读和修改神经网络权重。博客称 Astra 只改了 Qwen3.5-0.8B 的 13.1 万个权重（0.016%），修复了思考死循环，MATH-500 从 7.9% 升到 48.1%。原帖约 2.4 万赞、177 万浏览，Ethan Mollick 转评「等复现，但这很重要」。以上均为作者自报结果，尚未独立复现。

查看大图

杭州 AI for Science 公司 Deep Principle（深度原理）11 月 2 日发布首个通用科研大模型 Hydrogen-1.0，在智谱 GLM-5.3 上用化学、材料、生命科学数据以及自家实验室记录和发现轨迹做 SFT+RL 后训练，以 MIT 许可在 Hugging Face 开放约 7530 亿参数的 BF16 权重。厂商口径下它在 FrontierScience-Research 上拿到 38.3%，高于 GPT-6 Astra 的 33.3%，但均为自测，尚无独立复现。

查看大图

OpenAI CEO Sam Altman 11 月 2 日在阿布扎比 ADIPEC 能源大会开幕演讲中说，9 月那次 1 万个 Agent 连续协作约四天的运行，用的是「即将发布的模型，下一代 GPT」，并强调 Agent 之间没有层级、完全去中心化。这是 OpenAI 首次在公开场合把 9 月 Navier-Stokes 证明背后的内部模型与下一款旗舰产品对上号，但官方仍未公布名称、发布日期或价格。

查看大图

OpenAI 11 月 2 日发布 LifeVal，一个专门衡量 AI 能否帮普通人把日常事务真正办成的评测：找托育、办政府业务、做预算、买菜、改食谱等。任务清单来自美国时间使用调查（ATUS）、多国时间使用研究（MTUS），以及 OpenAI 新做的 3995 人代表性问卷。OpenAI 称过去一年一直用它追踪和改进模型，并公布了多项 GPT-6 Astra 单任务最佳成绩（多项 100%）。分数均为官方口径，目前没有第三方复现。

查看大图

11 月 2 日 15:50（UTC），X 简介为「Codex & ChatGPT @OpenAI」的 Tibo（@thsottiaux）在 X 上发帖称，OpenAI 正在扩展驱动 dots 的前沿模型家族，包括 GPT-6 Astra 和 GPT-6.1 Terra，未来还会有其他模型；他说 Terra 带来速度和「不错的性格升级」，将帮助把 dots 带给更多人。dots 是 ChatGPT 里常驻运行、自带云电脑的智能体，发布时由 GPT-6 Astra 驱动。这是员工本人的第一手说法，OpenAI 尚未发布正式公告，上线时间和适用套餐未公布。

查看大图

半导体与 AI 研究机构 SemiAnalysis 11 月 2 日发布 GDPx，用来衡量前沿模型在芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进（RSI）、硬件设计、材料科学、对齐和软件工程 11 个领域的智能体能力，共 206 道任务，由 14 家专业数据公司出题、SemiAnalysis 负责最终质检。官网榜单上 Claude Opus 5.5 以 12.0% 居首，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6% 紧随其后；金融和法律任务几乎所有模型都是 0 分。SemiAnalysis 称 Opus 5.5 和 GPT-6 Astra 的总分被安全分类器拖低，并计划每 3–6 个月更新一版。以上分数均为 SemiAnalysis 口径。

查看大图

安全公司 Parameter 公开了一条 ChatGPT 漏洞利用链：攻击者把恶意对话用正常的分享功能发布出去，受害者只要在登录状态下打开这个 /share/ 链接，攻击代码就会以 chatgpt.com 的身份在其会话里运行，列出对话、读取从未分享过的私密对话并外传。Parameter 于 10 月 18 日通过 OpenAI 漏洞赏金计划提交，OpenAI 将等级从 P2 上调为 P1，10 月 26 日完成修复并支付 5,000 美元赏金；Parameter 称未发现真实攻击，用户无需任何操作。

查看大图

过去一天，X 上围绕 GPT-6 Astra 能否直接当机器人策略展开热议。前 OpenAI 研究员 Will Depue（简介写明曾参与 Sora 1/2、o3/4o 后训练）说，Astra 碾压专用机器人模型「非常令人意外」，随后又称这是「专用 ML 的最终死亡」。投资人 Freda Duan 发帖称「Astra 就是机器人的 GPT-3 时刻」，约 8.4 万浏览。第三方评测给出的数字有支持也有反例：RoboDojo 论文里 Astra 平均成功率 22.48%，排在 40 个公开策略之上；另一份 EBench 报告里它是 46.7%，9 个模型中排第 3。以下是观点讨论，不是 OpenAI 官方结论。

查看大图