【AI观察】2026-11-21 18:07 — 字节跳动开源 Axion 1.0,三阶段训练即比肩顶尖商业模型

本轮采集时间:2026-11-21 18:07 | 来源:THE DECODER、AlphaSignal、量子位、smol.ai、OpenAI、Anthropic、DeepMind | 新增条目:5

导语:本轮最重磅的是字节跳动联合多所美国高校开源的 Axion 1.0——它宣称仅靠三个训练阶段就在基准上比肩 OpenAI、Anthropic 的顶尖商业模型,模型、数据与代码全部开放,直接挑战「训练阶段越堆越多才有效」的行业惯例,可能拉低 Agent 训练的成本与复现门槛。具身智能侧,GPT-6.2 Astra 在 XDOF 的 Ember-0 机器人评测中把 16 项操作任务成功率从两个月前的 19.6% 提升到 41.2%,并首次完成「给绳子打结」和「展开 T 恤」两项柔性操作,通用大模型开始攻克机器人最难啃的精细接触与长程规划。同日,米哈游公布 8B 参数的 VLA 模型 Gamer,在《崩坏:星穹铁道》五个主线约 50 小时的长流程中自主运行占比超 95%,跨游戏基准得分接近通用模型的两倍。此外,腾讯混元团队在 Reddit AMA 中确认 Hy 小模型、Flash-Lite 与面向 24GB 显存的模型已在路线图上。

学术与前沿

字节跳动开源 Axion 1.0:仅三个训练阶段,即在基准上比肩顶尖商业模型

字节跳动联合多所美国高校发布 Axion 1.0,一个能自主检索网页、运行代码、完成多步任务的 AI Agent,仅经过三个阶段训练就在基准上比肩 OpenAI 与 Anthropic 的头部商业模型。研究团队认为,当前 Agent 训练流程越堆越复杂、难以分辨哪个阶段真正起作用,而 Axion 的收益主要来自精心筛选的训练数据而非更多训练步骤。模型、数据与代码已全部开源,为「少即是多」的训练路线提供了可复现的样本。

来源:THE DECODER

米哈游发布 VLA 模型 Gamer:8B 参数,在《崩坏:星穹铁道》50 小时长流程自主运行超 95%

米哈游崩坏 AI 研发团队公布面向长流程、实时交互的通用视觉-语言-动作(VLA)基础模型 Gamer,演示版本由 80 亿参数的 Qwen3-VL-8B 训练而来,仅凭屏幕画面与任务指令完成打 Boss、开机关、跟 NPC 跑图等操作,不读取游戏内部接口。在覆盖五个主线篇章、约 50 小时的评估中,模型自主运行时间占比超过 95%;跨游戏公共基准平均得分 29.5,通用对照模型最高仅 17.6,40 个未参与训练的小游戏任务中强化学习后达 49.7%,远超 GPT-6.1-Sol 的 17.1%。团队采用「跨游戏持续预训练 + 千小时演示微调 + 在线强化学习」三阶段流程,并配套 Streaming-vLLM 推理引擎压低操作延迟。

来源:量子位

工具与产品

GPT-6.2 Astra 具身操作成功率两个月翻倍,首次通关「打结」与「展开 T 恤」

机器人基础设施公司 XDOF 实测显示,GPT-6.2 Astra 操控双臂机器人完成 Ember-0 基准 16 项操作任务的综合成功率从两个月前 GPT-6 Astra 的 19.6% 升至 41.2%,并首次完成「给绳子打结」和「展开 T 恤」——后者在此前累计 143 次有效测试中无模型通过。其中「用夹子夹起面包」的成功率从 10% 提升到 90%,平均预测延迟从 15 秒降至 10.1 秒。OpenAI 总裁 Greg Brockman 转发了这组成绩。柔性物体形变预测、双臂协同与长程规划曾是通用模型的短板,这次突破显示其正快速补课。

来源:量子位

姚顺雨与腾讯混元团队 Reddit AMA:Hy 小模型、Flash-Lite 与 24GB 显存模型已在路线图上

围绕本月的 Hy4 与 Hy4 flash,姚顺雨与腾讯混元团队在 Reddit AMA 中透露:Hy 小模型、更轻量的 Flash-Lite 以及面向 24GB 显存的模型都已在路线图上,下一代 Hy 规模将显著扩大。团队还分享了训练取舍——Hy4 flash 由旗舰 Hy4 蒸馏后再用强化学习压缩推理链,以改善「过度思考」;MoE 稀疏度实验显示激活参数与总参数的比例存在 U 形最优区间;96GB 显存可跑 Hy4 flash,部分专家层与 Engram 表可卸载到系统内存,llama.cpp 适配也在进行中。

来源:量子位

OpenCode Console 支持 OIDC 免密钥调用模型,GitHub Actions 不再需要保存长期 API Key

OpenCode Console 开始接受来自 CI 系统的 OIDC 联邦身份:GitHub Actions、GitLab CI 等可用短期令牌换取限时凭证,无需在仓库或密钥管理器中保存长期的 oc_sk_ 密钥,信任策略还能按仓库、分支、工作流与环境粒度收敛权限。此举直接回应此前 Console 凭证泄露事件,降低 CI 密钥被复制后的影响面;本地开发机等无 OIDC 的环境仍需专用密钥。

来源:AlphaSignal

发表评论