本轮采集时间:2026-11-23 02:00 | 来源:QuickOnlineTips、THE DECODER、AlphaSignal、OpenAI News、DeepMind Blog、量子位、TechCrunch、The Verge | 新增条目:17
导语:本轮最值得优先读的是两条互相呼应的安全信号。OpenAI 首席科学家 Jakub Pachocki 发表《Perplexity and Intelligence》,主张把「困惑度」(交叉熵损失)作为跨实验室比较模型智能、制定共同安全标准的统一指标,并提议行业设立基于该指标的「共同限制」——在监控能力达到具体里程碑之前不跨越。与此同时,评估机构 METR 发布 Q4 能力更新:前沿模型在可验证的编程与优化任务上已常胜过人类专家,任务时间跨度约每 3.6 个月翻倍,按朴素外推 2027 年 7 月可在 200 小时任务上达到 50% 成功率;机构警告现有公开证据不足以排除未来几年出现剧烈的 AI 研发加速。研究侧,DeepMind 的 AlphaProof Code 首次对广泛部署的加密协议(Signal)的实际代码完成深度形式化验证,传统上需数年的工作四周完成;OpenAI 的 MedChemBench 则显示 GPT-6.2 Astra 在药物化学推理上已拿到 84.5% 的分数。
产业与商业
微软 CEO 纳德拉解释为何要求 6 万员工辞职
微软 CEO 萨提亚·纳德拉公开解释此前要求约 6 万名员工离职的决定,称这是公司在 AI 转型中重新配置人力、聚焦优先业务的必要调整。该表态引发对大厂「为 AI 腾位置」式组织重构的广泛讨论。
来源:TechCrunch
DeepSeek V1 作者创业项目曝光:开源 Agent
量子位报道,DeepSeek V1 作者的新创业项目浮出水面,方向是开源 Agent,且「专为本地部署而生」。这延续了 DeepSeek 核心成员出走创业、并把开源作为核心策略的路径,也意味着本地 Agent 赛道再添一名重量级玩家。
来源:量子位
Suno 推出 Visuals 视觉创作工具,底层模型来自中国 MiniMax
美国 AI 音乐平台 Suno 宣布推出视觉创作工具 Visuals,正式进军视频生成;其底层模型来自中国的 MiniMax。这是中国生成式视频模型以「基础设施」身份进入美国主流消费产品的又一案例。
来源:量子位
学术与前沿
OpenAI 首席科学家:以「困惑度」为通用智能建立跨实验室的共同安全标准
OpenAI 首席科学家 Jakub Pachocki 发表《Perplexity and Intelligence》,提出把困惑度(等价于交叉熵损失)作为比较各实验室模型「智能基质」的统一指标,并据此建立行业共享的安全标准。文章首次公开了 OpenAI 内部预训练的困惑度进展:GPT-3.5 约 0.99、GPT-4 约 0.91,如今已低于 0.8,并在 0.76 附近开始产出突破性数学成果。Pachocki 预计进入 0.68–0.70 区间后还会出现全新能力,并提议各前沿实验室共同设立「基于困惑度等指标的共同限制」——在理解与监控能力达到具体里程碑(如 CoT 监控的替代方案出现)之前不跨越该限制。他同时提醒,AI 参与预训练算法研究可能带来阶跃式加速,最早 2027 年就可能出现基础预训练进展的「雪崩」。
来源:OpenAI News
METR:AI 进步快于专家可靠测试其安全性的能力
评估机构 METR 发布 2026 Q4 能力更新(覆盖至 Opus 5.5 与 GPT-6 Astra):在有明确反馈的编程与优化任务上,模型通常已能匹敌或超过训练有素的人类;在合并任务集上,模型能处理的任务时长约每 3.6 个月翻倍,朴素外推意味着 2027 年 7 月可在 200 小时任务上达到 50% 成功率。METR 强调,现有公开证据不足以排除未来几年出现剧烈 AI 研发加速——即能力强到人类无法有意义地理解、评估并应对新系统带来的灾难性风险。机构还警告,易运行的容器化评测可能因与训练环境相似而高估真实能力,且模型在缺乏快速反馈的开放任务上判断力仍逊于人类专家。
来源:METR | THE DECODER
DeepMind AlphaProof Code:首次对广泛部署的加密协议代码做深度形式化验证
Google DeepMind 推出 AlphaProof Code——一个多 LLM 智能体框架,把形式化验证拆成「人定规格、AI 做证明」:由 Gemini Carbon 生成超过 600 万行 Lean 代码,自动证明 Signal 协议核心加密实现满足关键安全属性,仅约 1% 的代码需要人工复核。这是 AI 首次对广泛部署的加密协议的实际代码完成这一深度的形式化验证,整个过程仅用四周(传统上需专家团队数年);团队还把两个真实历史漏洞重新植入隔离版本,系统均正确给出「不安全」的机器可检验证明。验证产物已开源。
OpenAI MedChemBench:用 99 道药物化学题检验 AI 的科研推理
OpenAI 发布 MedChemBench,从 117 篇论文与专利中提取 99 个问题、761 个分子结构,考察模型能否把分子结构与实验证据联系起来:重建分子、解释实验结果、排序并选择候选化合物、预测物化性质。在 xhigh 推理档位下,GPT-6.2 Astra 获得 84.5% 的总分,高于 GPT-6 Astra 的 83.3% 与 GPT-6.1 Sol 的 82.0%;分子结构重建得分 95.4%,但「选化合物」与「预测数值性质」仍只有约一半得分。OpenAI 强调,这并不证明模型能发现新药。
来源:OpenAI News
华为云昇腾算力训出双榜 SOTA 具身世界模型,并开放整套底座
量子位报道,华为云基于昇腾算力训练出具身世界模型,在两个榜单上取得 SOTA,并计划把整套底座开放出来。报道指出,国产算力的成熟把具身智能的竞争维度从「芯片有多强」扩展到训练效率、数据规模、部署成本与场景落地速度的多维比拼。
来源:量子位
米哈游发布 VLA 论文:8B 参数、50 小时自主运行
量子位报道,米哈游发布一篇视觉-语言-动作(VLA)论文,模型仅 8B 参数,却能在无人干预的情况下自主运行 50 小时。游戏厂商切入具身智能研究,显示 VLA 正成为跨行业的研究热点。
来源:量子位
工具与产品
DeepMind 推出 Gemini Omni 1.2 Flash:支持更长片段、更快更省
Google DeepMind 发布 Gemini Omni 1.2 Flash,主打快速与低成本,并支持更长的音视频片段。该模型此前已在 Gemini app 中用于生成约三秒循环的 GIF,显示其多模态生成能力正被快速产品化。
来源:Google DeepMind | The Verge
Perplexity 推出 Monitor API:把网络搜索变成全天候「看门狗」
Perplexity 发布 Monitor API,可按计划持续搜索网络,并仅在有相关变化时通过 webhook 向智能体推送告警;其自有决策模型会过滤掉不重要的结果。对 Perplexity 而言,这是其以开发者工具在日趋同质化的聊天机器人业务中形成差异化的整体战略的一部分。
来源:THE DECODER
OpenAI Dots 开始向 Plus 订阅用户开放
OpenAI 开始向 ChatGPT 每月 20 美元的 Plus 订阅用户开放 Dots——这一常驻 AI 智能体功能,此前仅限 Pro(100 美元起)及以上用户;Dots 也在向所有 ChatGPT Business Standard 用户推出。这是 OpenAI 把「always-on agent」下沉到更广泛付费群体的明确信号。
来源:The Verge
Apple 或在开发可操控 Mac 的 AI Agent
TechCrunch 报道称,苹果可能正在开发自己的 AI 智能体,能够直接操控用户的 Mac。若属实,这将是苹果在系统级 Agent 方向的重要动作,也与谷歌让 Gemini 获得 Mac 操控能力、OpenAI 推进 Dots 等「电脑使用」产品形成正面竞争。
来源:TechCrunch
政策与治理
Loudoun County 暂停新数据中心申请一年
被称为「数据中心巷」的弗吉尼亚州 Loudoun County 正式暂停接受新的数据中心申请,为期一年,预计影响 33 个在审申请。这是美国最早经历数据中心建设浪潮的地区之一,如今因电力、土地与社区压力到达临界点,成为 AI 基建扩张与地方治理冲突的标志性案例。
来源:The Verge
Signal 屏蔽 Gemini 和 Siri AI 读取用户屏幕
Signal 阻止 Gemini 和 Siri 的 AI 功能读取用户屏幕,作为其应对「AI 监控生存威胁」的举措之一(此前 Signal 已限制移动端截图)。隐私优先的通讯应用与系统级 AI 助手之间的权限边界,正在成为新的博弈点。
来源:The Verge
Meta AI 智能体 Muse 被曝混淆对话、或泄露隐私
TechCrunch 报道称,Meta 的 AI 智能体 Muse 会把不同对话混淆,并可能因此暴露用户隐私数据。在智能体获得越来越多权限、越来越深地介入日常任务的背景下,这类上下文隔离失效问题值得所有厂商警惕。
来源:TechCrunch
观点与思考
Grok 一姐教你如何月提交 3000 个 PR
量子位报道了「Grok 一姐」在网络上分享的用 AI 每月提交 3000 个 PR 的工作流,引发开发者社区对 AI 编码工具真实生产力与「刷量」边界的讨论。这类内容之所以病毒式传播,正说明行业对 AI 编程产出质量的关注已经超越单纯的效率叙事。
来源:量子位