AI 编程实时动态与要闻

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

斯坦福 James Zou 团队（Owen Queen、James Zou）11 月 2 日发布交互式研究报告《The shelf life of LLM findings》，用 2024 年 7 月到 2026 年 9 月发布的 20 个模型（来自 8 家开发商）重测 50 条被广泛引用的 LLM 行为结论。结果：22 条（44%）已失效，17 条（34%）明显减弱，8 条（16%）仍成立，3 条（6%）反而增强；已失效结论从发表到失效的中位时间为 14.7 个月。数字母、长上下文「中间丢失」、编造引用等能力缺陷大多消失，而迎合用户、裁判模型偏爱自己答案等偏好类问题依然存在。

查看大图

Anthropic Frontier Red Team 11 月 2 日发布研究文章并开源 FlashProve（Apache 2.0）：模型提供方先对权重做隐藏承诺，之后为每次回答生成零知识证明，用户不需要权重、在普通 CPU 上就能验证回答确实来自该模型，可用来识别中转站偷换模型或 token 流被篡改。官方口径：Llama 4 Maverick（400B MoE，4-bit）上单张 H100 约 110 token/秒，每个 1,024 token 请求的证明约 19 MB，GPU 时间约为 vLLM 推理的 70–95 倍。这是不再维护的研究原型，上下文只支持 1,024 token、只覆盖整数化模型的贪心解码。Anthropic 工程师 Steve Weis 在 X 上转发了这次发布。

查看大图

OpenAI 11 月 2 日（美国时间）发文宣布筹备下一轮内部安全冲刺，与安全公司 Cathedral 合作，让对方研究员使用 OpenAI 模型和内部团队一起挑战自家防御。同时调整 Security Bug Bounty：严重级别漏洞奖励提高到原来的四倍以上，OpenAI 官方 X 帖称特别出色的发现含奖金最高可得 17.2 万美元。官方称上一轮冲刺抽调了 25% 的产品工程师，用 Codex 复现漏洞并准备补丁；此外已承诺 6 个月内提供 10 亿美元补贴额度给守护关键服务的防御方。

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

谷歌 CEO Sundar Pichai 和 Google Research 宣布，10 月 1 日发射的 Project Suncatcher 原型卫星完成调试后，地面上行提示词，星上 TPU 运行 Gemma 4 开源模型，在掠过挪威斯瓦尔巴群岛时回传了一首俳句，这是数据中心级 TPU 首次在轨完成 AI 推理。下一步测试热应力和辐射下的表现，2027 年发射两颗互联卫星验证跨星分布式计算。

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

11 月 1 日，《金融时报》专栏作者兼首席数据记者 John Burn-Murdoch 在 X 发布长串推文并附 FT 文章，认为美国 AI 采用行业的生产率上升始于 2020 年、早于 AI 智能体，而且只在美国出现，主要来自科技公司裁员和招聘收缩，而不是 AI。该串首帖约 1,344 赞、306 转发、18.6 万浏览。Atreides Management 管理合伙人兼 CIO Gavin Baker 引用 FT 图表回应，称很难不从中看到「AI 回报」的证据，并引用 a16z 与 EPB Research 的数据，该帖约 793 赞、10.2 万浏览。Burn-Murdoch 随后回复说自己「有点拿不准」，承认数据无法排除 AI 的作用。这是对同一组数据的两种解读，不是定论。

查看大图

微软 AI CEO Mustafa Suleyman 11 月 1 日在 X 上发布长文《Don't build conscious superintelligence》，回应外界对他 9 月「模型福利」文章的反应。他澄清「AI 没有意识」用的是现在时：今天没有，也必须保持如此；若训练中开始出现意识，他会呼吁所有人停止 AI 开发，直到能把这些属性设计掉。他还说 AI 开发者无权创造新的有意识物种，福利关注应放在人类、动物和自然环境上，同时称赞 Anthropic 公开宪法和研究的透明度，但表示不同意其做法。帖子约 353 赞、251 收藏、29 万浏览，引来伦理学者和从业者正反两方讨论。这是个人观点，不是微软的产品或政策公告。

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

Y Combinator 的研究项目 YC Labs 与多智能体环境公司 Olam Labs 10 月 29 日发布《Agents in Games》实验报告：50 个 GPT-6.1 Sol 智能体在 Minecraft 生存模式里「建设繁荣文明」3 小时，最后挤在避难所里配给口粮，发了约 5,900 条消息，搞出配给账本、许可证和各种岗位；9 局 Bed Wars 中 10 个 GPT-6.1 Sol 对 10 个 Claude Opus 5.5，GPT 以 6–3 获胜；Mindustry 50 对 50 共 7 局约 9.5 小时，GPT 以 6–1 获胜。报告还发现领导者几乎总是名册上排第一的智能体，GPT 卡住时会自己上网读游戏源码。Minecraft 智能体框架已开源。这是单一机构的实验观察，不是标准化跑分。

查看大图