AI 编程实时动态与要闻

2026-11-06，Artificial Analysis 发布 Endpoint Accuracy Index v1.1：以自建官方权重部署为 100% 参考，用 BFCL-500、HLE-250、AA-LCR-25（等权）衡量各厂商 serverless 端点保住了多少精度。官方口径：已测 100+ 端点中近四分之一低于参考；AA-LCR-25 升至 v1.1 且重复从 10 提到 25（平均 95% CI 约 ±4.7→±2.6）；覆盖扩至六款开源权重模型，新增 GLM-5.3 Flash 与 Muse Spark Open。

查看大图

BenchFlow 团队于 11 月 5 日公开 FrontierPhysics（arXiv:2611.06910）：由 42 位物理学家基于本人研究贡献 56 项任务，覆盖 9 个领域；智能体需完成文献、计划、实验与可验证产出及论文。22 个模型、26 种配置下，没有任何配置在 168 次 rollout 中通过超过 46 次；最高约 27.4%（Claude Opus 5.5 + Claude Code）。人工复盘显示主要短板是严谨推理与专家直觉，而非缺物理知识。Artificial Analysis 表示将合作托管评测。

查看大图

11 月 4 日 Notion 官方账号宣布：通过 Notion MCP，ChatGPT、Claude、Muse、Bot 等可读写同一套 Memories 与 Skills，形成跨 Agent 的「共享大脑」。配套开发者安装引导（setup prompt v0.0.6，10 月 30 日）与帮助文档，帮助页与案例博客均可核验。

查看大图

OpenAI 11 月 4 日发布 Images 2.6，即日起在 ChatGPT 与 Codex 全部订阅档位上线：可把提示词或图片做成可循环 GIF、保存参考图反复使用；API 新增 GPT-Image-2.6 Flare 与 Sunburst 两款模型，出图速度比此前快 50%，Flare 低画质最快约 6 秒出图，并新增图片标注编辑、SVG 导出和 complexity 参数。

查看大图

Hugging Face、BitRobot、新加坡具身智能中心和 NUS 等 11 月 4 日推出 RoboColosseum，一个分布式真机评测框架，覆盖 SO-101、Franka、双臂 YAM 和 Unitree G1 四种机器人。首轮在 124 个站点做了 5,699 次盲测对比，测了 5 个 VLA 策略和 3 个前沿大模型：Claude Opus 5.5 和 GPT-6 Astra 的平均任务进度分别比 VLA 高 12.1 和 11.0 个百分点，Grok 4.7 落后 7.5 个点。所有 rollout 数据公开在 Hugging Face，并向学术界提供 10,000 小时免费评测。

查看大图

商汤 11 月 2 日晚发布多模态智能体模型日日新 SenseNova 6.8 Flash 正式版，重点升级两块：一是长期记忆和主动交互，能跨任务、跨会话记住用户目标与约束，在信息变化时主动提醒；二是设计生成，覆盖 Web、SVG、Three.js、Blender、动态 PPT 和动态海报，并可接入 Figma。模型已上线 SenseNova Studio、商汤小浣熊和 SenseNova Token Plan；官方 X 账号称 Token Plan 可免费试用，每 5 小时 1500 次 API 请求。官方称其在智能体协作、数据分析和演示生成上超过部分国际前沿模型，但未在公告中列出具体分数。

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

托管图像、视频、音频模型推理的 fal 于 11 月 3 日在官方 X 账号和博客宣布，Series E 与 Series F 两轮合计融资 16.5 亿美元：Series E 由 Sequoia Capital 领投（今年早些时候完成），Series F 由 Bessemer Venture Partners 领投，NVIDIA 继续投资。fal 官方未公布估值和各轮金额；据 Bloomberg 报道，Series F 为 13 亿美元、估值 160 亿美元，较 4 月的 80 亿美元翻倍。官方称资金将用于扩充推理算力和团队，支持 2027 年的研究与平台建设。

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

印度 AI 公司 Sarvam 于 11 月 3 日发布 Sarvam Prism，一款面向企业工作流的「System One」决策模型：给定上下文和若干带固定选项的问题，它在一次前向计算里直接返回每个选项的概率，不生成文本。官方称在其测试的 25 个决策模型中，Prism 三项指数平均 71.8 分、在单张 B200 上中位响应 44 毫秒，是 100 毫秒内得分最高的模型；印度语言基准 82.5。权重以 Apache 2.0 发布在 Hugging Face，同时提供托管 API。以上分数均为 Sarvam 自测。

查看大图