导语：本轮最重磅的是马斯克旗下两家公司的合体进展——据彭博社报道，SpaceX 与特斯拉的合并谈判已取得进展，最快今年 12 月官宣，两公司市值合计约 3.4 万亿美元，一旦成行将刷新全球并购史纪录，成为横跨火箭、卫星互联网、AI、芯片、算力、电动车、机器人与储能的超级巨无霸。AI 巨头内部同样剧烈震荡：马斯克近期裁撤 xAI 整个多模态团队（约 70 人），又立即重新招聘多模态岗位，延续其「整建制拆掉再重建」的管理风格。中国大模型持续给硅谷惊喜：NaiveAI 的开源模型 Naive-N0.5-Flash 被 Latent Space 实测，在编程仓库级基准 NL2Repo-Bench 上反超 DeepSeek V4.1 Flash 与 GLM 5.3 Flash，峰值速度达 2100 Token/s、中位响应仅 3.1 秒。学术侧，Apple 提出 Weighted State Souping，通过学习查询相关权重组合缓存状态，大幅提升长上下文检索与 Agent 工具使用效率。
本轮采集时间：2026-11-13 15:00 ｜ 来源：量子位、THE DECODER、AlphaSignal、VentureBeat、OpenAI、Apple ML Research、Hugging Face ｜ 新增条目：11
产业与商业
特斯拉和SpaceX最快下月合并，或成史上最大并购案
彭博社援引知情人士报道，SpaceX 与特斯拉的合并谈判已取得进展，最快今年 12 月官宣，备选时间点为 2027 年初；双方董事会及顾问团队已在商讨具体合并条款、股权安排与新公司治理结构。两公司市值合计约 3.4 万亿美元，合并后将直接刷新全球并购史纪录，市值规模排到美国上市公司第 5 名上下、超过亚马逊。背景是马斯克的持续整合：今年 2 月 SpaceX 收购 xAI（合并估值 1.25 万亿美元），6 月 SpaceX 完成超级 IPO；10 月 20 日马斯克公开确认双方已成立独立董事特别委员会讨论潜在合并，并因利益冲突不直接参与谈判。新公司将横跨火箭、星舰、卫星互联网、Grok/xAI、芯片（Terafab 工厂）、算力（SpaceX 刚宣布 740 亿美元超级计算园区投资）、电动车、Optimus 机器人与储能。
来源：量子位（引彭博社）
国产大模型黑马 NaiveAI Naive-N0.5-Flash 获硅谷媒体实测认可
硅谷 AI 工程媒体 Latent Space 新栏目首期把中国公司 NaiveAI 的开源模型 Naive-N0.5-Flash 与 OpenRouter 上最热门的两款 Flash 模型 DeepSeek V4.1 Flash 1017、GLM 5.3 Flash 同台实测：在编程仓库级基准 NL2Repo-Bench 上，Naive-N0.5-Flash 拿下 71.9 分，分别领先 DeepSeek 3.7 分、GLM 15.6 分；速度上，极速模式单秒峰值约 2100 Token/s，思考/作答阶段分别约 984/1816 Token/s，开启思考后中位响应时间仅 3.1 秒（DeepSeek 为 10.1 秒）。NaiveAI 由清华大学电子工程系副教授代季峰创立，成立不到一年，模型架构、训练系统与推理优化均由 AI 参与研发，每周支持近千万次沙箱运行、峰值并发 10 万个。
来源：量子位 | Latent Space
马斯克裁撤 xAI 整个多模态团队，随即重新招聘
量子位获悉，马斯克近期裁撤了 xAI 的整个 multimodal 团队，约 70 人无一幸免；几乎同时，xAI 官方招聘上新「Model Engineer, Multimodal Understanding」岗位（base 加州 Palo Alto，年薪 16 万至 25 万美元），覆盖图像、视频、音频、文本的理解与生成全栈。这是 2026 年 xAI 从创始高管到研发一线全面清洗的最新一幕：2 月 SpaceX 收购 xAI 前后，Tony Wu、Jimmy Ba 等联合创始人相继离场；到 5 月中旬，最初 12 名联合创始人已全部离开；收购后已有超过 50 名研究员和工程师离开。文章将此举归纳为马斯克「整建制拆部门、拆完再重建」的管理逻辑，并复盘了其超充团队、Dojo 等先例。
来源：量子位
VentureBeat 调查：45% 企业换入新模型后需返工或回滚
VentureBeat Intelligence 调查显示，模型网关让「换模型」在配置层变成一行代码，但围绕模型构建的应用才是难点：在受访组织中，45% 在换入新模型后不得不返工或回滚。报告指出，模型可替换性的真正成本藏在应用层——提示词、工具调用、编排逻辑与评测体系都需要随模型能力重新校准。这一数据为当前「模型快速迭代、企业频繁换芯」的行业节奏提供了一个冷静注脚。
来源：VentureBeat
工具与产品
星尘智能发布多机协同框架 CoMind（Be My Eye）
深圳具身智能公司星尘智能发布面向多机器人协同操作的模型框架 CoMind，核心是「去中心化的主动共享」与「任务关键信息的精选与压缩」：机器人无需传输完整画面，而是提取对任务有价值的视觉特征与操作状态与队友共享，再各自独立生成动作。框架分两个阶段——任务相关上下文提取、双向共享与协同动作生成，并引入「动作级反向传播」，让队友的动作结果反向决定自己该提供什么信息。极限测试中，两台机器人隔着挡板协作拿笔，成功率从 0% 提升到 100%；盲盒置物准确率从盲猜的 38.9% 提升到 88.9%，同时通信信息量减少约 80%。六项真机测试覆盖隔墙拿笔、盲盒置物、纸箱组装、叠被收纳、冰箱补货与哑铃组装。
来源：量子位 | Astribot 技术报告
OpenAI 推出 ChatGPT Plus 退伍军人与军人免费计划
OpenAI 宣布，过去一年已有超过 2 万名退伍军人与现役军人通过 ID.me 认证免费领取一年 ChatGPT Plus；OpenAI Academy 与社区伙伴已举办十几场培训、覆盖近 1000 名军人社区成员，年底前还有 7 场活动。案例显示，退伍军人用 ChatGPT 准备面试、把军事经历翻译成民用简历、用语音模式练习表达，甚至完成从军队到科技公司的转型。这是 OpenAI 在「AI 技能培训+免费额度」路线上对特定职业群体的持续投入。
来源：OpenAI
OpenAI 案例：JioStar 在 5 亿用户规模做 AI 发现
OpenAI 客户案例显示，印度媒体与体育平台 JioStar（覆盖超 5 亿消费者、单场板球赛事最高 7250 万并发观众）基于 OpenAI API 与 Codex，用约 8 周时间为 JioHotstar 构建了支持 15 种以上语言的对话式视频与板球数据发现助手，用户用自然语言即可找电影、赛事历史片段与板球统计。JioStar 首席架构师 Vijay Seshadri 分享了 5 亿用户规模下的工程权衡：准确率、延迟与成本三角，60% 以上用户偏好语音，以及「evals, evals, and evals」的评估体系（含 maker-checker 模式与 LLM-as-judge 验证层）。
来源：OpenAI
Hugging Face Hub 支持 Google Cloud 账户支付
Hugging Face 宣布 Hub 支持使用 Google Cloud 账户支付，企业可将模型托管与推理开销并入既有 GCP 账期与承诺支出。这是继 AWS Marketplace 之后，Hugging Face 在「云厂商账单集成」上的又一动作，降低了企业采购开源模型基础设施的财务流程门槛。
学术与前沿
Apple：Weighted State Souping 让长上下文检索更高效
Apple 与 Harvard 研究者在 NeurIPS 2026 PALM Workshop 发表 Weighted State Souping：针对状态空间模型（SSM）的 state souping（把文档、工具定义、记忆记录等编码成可缓存状态）在长而拥挤的上下文上性能下降的问题，提出学习「查询相关权重」来组合缓存状态。该方法在单跳/多跳文档问答、大海捞针检索、变量跟踪与工具使用上均大幅改进长上下文性能；其稀疏变体还能让编码成本相对上下文长度近乎恒定（有时还提升性能）。研究还给出了「souping 为何有效、何时失效」的理论解释。
来源：Apple ML Research | arXiv
KIT FF-TRUST：抗噪标签睡眠分期，临床域泛化提升 7 个点
卡尔斯鲁厄理工学院、ETH Zurich、湖南大学与 INSAIT 提出 NL-DGSS 基准与 FF-TRUST 训练方法，专门应对睡眠分期中「标签噪声 + 多源域偏移」并存的临床现实（不同机构设备、人群与标注习惯差异大）。在 0.6 非对称噪声下，FF-TRUST 比 FedDSHAR 高 4.42% ACC、比 SleepDG 高 6.94% ACC；增益完全来自新的正则目标（时频 EMA 早停正则 + 前向-free 置信度多样性损失），骨干仍是 SleepDG 的 6.5M 参数。论文已被 IEEE BIBM MLESP 2026 接收，代码与基准开源。
来源：AlphaSignal | arXiv
观点与思考
THE DECODER《Frontier Radar #5》：AGI 临近，为何大牛纷纷离开？
THE DECODER 第五期 Frontier Radar 深度报告提出一个反直觉现象：OpenAI 高谈 AGI、黄仁勋宣称「AGI 已至」，但 Ilya Sutskever、推理模型负责人 Jerry Tworek、AlphaGo 之父 David Silver、Yann LeCun、Jeff Dean 等却相继离开大实验室，创办自己的 neolab，并融到巨额资金（如 Nvidia 传投 SSI 50 亿美元、Bezos 的 Prometheus 估值 410 亿美元）。报告梳理 45 家 neolab 并按六种研究赌注分类，核心判断是：创始人并不怀疑更强 AI 会到来，而是怀疑「更大模型 + 互联网数据 + 强化学习」的现有配方是否足够。文章同时指出，无论谁赢，英伟达总是赢家。
来源：THE DECODER