本轮采集时间:2026-11-16 16:00 | 来源:新京报贝壳财经、IT之家、潮新闻、快科技、上海证券报、智通财经、是石科技、AlphaSignal、格隆汇 | 新增条目:9
导语:本轮最引人注目的是中国大模型厂商在「推理成本」上的同日对垒。阿里把 Qwen4-Max 从限时预览转为正式版接入千问平台:2.4 万亿总参数、每 token 仅激活 71B,原生视觉加百万上下文,Work360 单任务平均费用从 26.58 元降至 11.16 元、降幅 58%;腾讯同一天推出 Hy4 flash,224B 总参只激活 12B,输入 0.5 元、输出 2 元、缓存 0.02 元每百万 token,官方口径下单任务成本约为 Hy4 的 1/20。字节把 Seedance 2.5 4K 的 API 全面开放,视频生成的批量调用门槛继续下移。产业侧,朱松纯发起、通研院孵化的通芯智能完成数亿元融资,做「原生 AGI 架构」推理芯片;谷歌则把 TPU 从租赁升级为整套系统外售,算力定价权开始从单卡价格转向每美元有效 token 产出。治理侧,美国国会推进《远程访问安全法案》,芯片不出境、远程调用也可能被纳入管制。观点侧,Anthropic 路演的一张「算力乘数」折线图,让前研究员 Coxon 公开主张暂停前沿开发。
产业与商业
通芯智能完成数亿元种子轮及天使轮融资,研发「原生 AGI 架构」推理芯片
11 月 12 日,由北京通用人工智能研究院孵化的通芯智能宣布完成数亿元种子轮及天使轮融资,投资方包括清华校友种子基金、北京通用人工智能研究院、松霖科技、平治信息、暗物智能、豫资涨泉等,资金将主要用于芯片流片前的核心架构设计与研发。公司成立于 2026 年 4 月,由北大和清华讲席教授、通研院院长朱松纯发起,董事长兼 CEO 王海洋是龙芯 CPU 创始成员、曾任海光第四代芯片架构负责人。技术上没有选择在 GPU 延长线上做改良,而是按朱松纯提出的认知、能力、价值三维空间(CUV)定义架构,采用 Vector、Tensor 与 AGI Core 三单元设计:前两者负责向量与张量运算、兼容 CNN 与 Transformer 等主流模型,AGI Core 则为基于图的逻辑推理、因果推理、价值推理与概率计算提供硬件加速,并以混合存算一体缓解「内存墙」。首代产品面向大模型、世界模型与具身智能,采用 Chiplet 设计覆盖云、边、端,云端对标英伟达 B300、端侧对标 Thor,计划 2026 年 12 月初完成 FPGA 原型验证。分析认为,这是一级市场把确定性从模型层移向推理芯片层的最新注脚,但流片与量产仍是最远的验证节点。
谷歌开售整套 TPU 系统,算力定价权从「单卡价格」转向「每美元 token 产出」
谷歌母公司 Alphabet 在第三季度财报中把「产品销售,主要为 TPU 系统」列入云业务收入,并预计第四季度相关销售继续扩大——TPU 由此从 2018 年起的算力租赁,升级为向外部客户销售整套系统、支持部署在客户自有数据中心。SemiAnalysis 11 月 5 日公布的 Agent 推理测试显示,第七代 TPU Ironwood 在部分模型和场景下每美元 token 产出已超过英伟达 GPU,市场流传的口径是领先 GB200 约五成;英伟达随后组织工程师团队多轮优化,在某个模型测试上让 GB300 实现每美元 token 产出反超 TPU 1.5 至 2.6 倍。分析认为,「每美元推理性能」不是单一芯片指标,而是内存带宽、互联拓扑、编译器与调度、模型结构、批量策略共同决定的系统效率,测试场景一变结论就会变;真正的分水岭在于云厂商能否在自身负载下把单位有效算力的总拥有成本算清楚。定价权之争也由此从「单卡卖多少钱」转向「每美元能产出多少有效 token」。
工具与产品
阿里 Qwen4-Max 正式发布:2.4T 总参、原生视觉、百万上下文,单任务成本降 58%
11 月 16 日,阿里通义千问团队发布新一代旗舰模型 Qwen4-Max 并正式接入千问 AI 平台,与 11 月 11 日先行开放的限时预览版相区别。模型采用全新稀疏 MoE 架构,主干总参数 2.4 万亿、每 token 仅激活 71B(激活参数较上代少 25%),原生支持视觉理解,上下文窗口 100 万 token;架构上每四层中三层用 Gated DeltaNet 把历史信息压缩为固定状态、剩余一层用 Qwen Sparse Attention 按 block 粒度选择相关上下文,另有 Gated Residual 与 N-gram Embedding 扩展跨层信息传递与模型容量。效率是这一代最显性的指标:Work360 行业基准取得 52.69 分(前代 47.74),同等性能下 Xhigh 与 High 两档推理强度的 token 消耗分别减少约 24% 和 35%,Terminal-Bench 4.0 上减少约 48% 和 49%;API 全面下调定价、尤其大幅降低缓存命中价格后,Work360 评测中单任务平均费用从 26.58 元降至 11.16 元,降幅 58%,隐式缓存价格降低 70%。官方称缓存命中每百万 token 低至 0.5 元,可通过 Token Plan、API 或千问办公、Qoder、千问 App 使用;CodeArena 全球前端编程盲测 Qwen4 位居第六,Agents’ Last Exam 与 Vals Index 等评测处于领先梯队。智能体场景引入 Live Delivery 机制(先交付可用首版、再按反馈逐版扩展),并同步开源 Qwen-Live-Delivery-Plugin;Qwen4 系列中的中小尺寸模型将陆续开源。
腾讯混元发布 Hy4 flash:224B 总参、12B 激活,输入 0.5 元/百万 token
11 月 16 日,腾讯混元发布最新语言模型 Hy4 flash,官方定位为「迄今为止性价比最高的 Hy 模型」。总参数 224B(其中 64B 为 Engram 参数)、每 token 激活 12B,支持多模态与 100 万 token 上下文,解码速度超过 150 tps。定价为每百万 token 输入 0.5 元、输出 2 元、命中缓存 0.02 元,而 11 月 4 日发布的 Hy4 正式版为输入 6 元、输出 18 元、缓存 0.3 元。降本来自三个阶段:预训练引入混合注意力、LatentMoE 与 Engram,KV cache 降至 Hy3 的 1/24、Hy4 的 1/6;后训练通过自蒸馏 Hy4 获得综合智能水平,再用强化学习把端到端任务输出长度压缩 50%;推理端结合 megakernel、4bit 量化与 DFly 实现大规模低成本部署。按腾讯自建 WorkIndex 评测集测算,Hy4 flash 单任务成本为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档位忙时价格)的 1/8,综合效果略优于总参数 770B、激活 49B 的 Hy4 preview;85 位内部用户盲测覆盖 27 类 259 个任务,满意度接近 Claude Haiku 5.5、任务时长最短,但相关数据均出自腾讯内部评测,尚无第三方复现。模型已在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 上线,即将接入 OpenRouter,11 月 30 日前 WorkBuddy 限时免费、TokenHub API 限时五折,官方称计划开源并保持高频迭代。
字节 Seedance 2.5 4K API 全面开放,单段最长 30 秒原生 4K
11 月 16 日,字节跳动火山引擎宣布 Seedance 2.5 4K 的 API 全面开放,开发者与企业客户可通过接口调用该 4K 视频生成模型,标志其从产品演示与定向试用转向标准化接口服务。该模型于 10 月 23 日发布,官方称经专项训练更充分学习人物表情、细微动作与画面细节,是 Seedance 2.5 一代中能力最强的版本;支持 Draft 样片模式,先用 480P 快速验证分镜、反复打磨镜头构图与运动效果,再生成 4K 正片,画质层面支持 10-bit 色深。模型单段最长支持 30 秒原生 4K,在参考生成与视频编辑场景中能更好保持上传素材的画质、清晰度与色彩一致性,减少多轮生成带来的素材漂移。火山引擎称目前已有部分海内外影视制作与后期公司试用。此外,11 月 12 日发布的 Seedance 2.5 flash 的 API 已于 11 月 15 日上线火山方舟,720P 文生视频、图生视频约 0.99 元/秒、较 Seedance 2.5 降低约 34%,单段最长同样为 30 秒,将陆续登陆即梦、LibTV、Updream、Creao AI、TapNow 等平台。分析认为,视频生成的竞争正从「效果演示」转向「可批量调用的成本与稳定性」。
是石科技发布「多模态模型服务」:视频推理端到端提速 2.48 倍且画质不变
是石科技正式发布新品「多模态模型服务」,把优化重点放在视频生成推理加速、缓存与显存管理、多模态 token 压缩以及素材理解与生成链路衔接上:基于历史缓存残差的自适应加速技术负责减少视频生成过程中的冗余计算,结合 SGLang 的缓存管理机制优化资源使用,模态自适应 token 压缩降低多模态理解开销,基于全模态模型的 Context Engine 把素材理解结果转化为可供视频生成模型执行的结构化信息。其视频加速的关键并不是简单减少生成步骤,而是判断哪些计算可以安全复用、以及何时需要重新计算来控制误差累积——对变化较小的部分复用历史结果,对误差风险较高的关键部分触发重算与校准。在发布方案展示的测试条件下,相比 Dense 基线方案实现端到端平均 2.48 倍加速,同时保持生成质量。分析认为,这条「缓存复用 + 动态刷新 + 误差校准」路线把竞争从堆算力转向推理调度与误差控制,是视频生成降本的一条工程化解法。
来源:是石科技
学术与前沿
港大 HKUDS 开源 AutoSwarm:一条 prompt 并行调度多个编码 Agent
香港大学 HKUDS 团队开源多智能体框架 AutoSwarm(arXiv:2610.33048,2026 年 10 月提交,GitHub 已获 2500+ stars),论文题为《AutoSwarm: Automating Agent Swarms》,针对多 Agent 系统的两个通病——分工并不自动带来互补贡献、Agent 之间的依赖会把局部错误放大成任务失败——提出「协作形成 + 执行协调」两层机制。协作形成阶段共同定义每个 Agent 的职责边界以及验收与下游使用条件,让能力分配建立在其他 Agent 可评估、可整合的贡献之上;执行协调阶段通过共享状态把各 Agent 的局部进展耦合起来,用依赖与监督关系控制 Agent 的激活、结果交接与整合,并根据评审反馈与新出现的阻塞动态调整后续动作。论文在长周期编程、交互式规划与专业金融分析三类任务上,对比单 Agent 基线与现有多个多智能体框架取得优势。分析认为,这条路线的价值在于把「谁干什么」从人工编排交给框架自动求解,与编码 Agent 从单兵作战走向集群协作的趋势一致。
来源:arXiv | GitHub(HKUDS/AutoSwarm) | AlphaSignal
观点与思考
Anthropic 前研究员 Coxon:路演图显示算法效率「超指数」提升,应暂停前沿开发
一张来自 Anthropic IPO 路演材料的折线图近日发酵:标题为「Pre-training compute multiplier over time (code)」,横轴为 2024 年 7 月至 2026 年 10 月的模型完成月份,纵轴为对数刻度(每上一格代表 10 倍量级,未标注具体数值),曲线前段平缓、后段明显加速上翘,脚注注明数据点基于内部估算、仅供示意。前 OpenAI 与 Anthropic 预训练研究员 Jacob Coxon 11 月 13 日在 X 上称,这张幻灯片是他 9 月 8 日离职的重要原因之一(他在 Anthropic 仅任职约四个月):对数坐标仍然压不住的陡峭曲线意味着算法效率的提升速度本身也在加快,即「超指数增长」;因此 Anthropic 如今只需最初训练 Mythos 的一小部分算力就能重训出同等水平的模型,若投入同等算力则可能训出更强的模型。他同时指出算法改进已接近可自动化阶段,主张 2027 年暂停前沿 AI 研发、让竞争对手追上,使人类水平的智能成为人人可用的商品。反对意见强调,纵轴没有具体数值、全图只有三个数据点,Coxon 的解读属于个人判断,Anthropic 尚未确认相关说法;他 9 月离职、路演 11 月 10 日才启动,也未说明自己最早何时看到该幻灯片。分析认为,这场争论真正的价值不在结论真假,而在于它把「预训练是否撞墙」从行业感觉变成了可被公开检验的图表证据问题。
政策与治理
美国会推进《远程访问安全法案》:芯片不出境,远程调用也可能被管制
11 月 16 日消息,美国参议院银行委员会主席蒂姆·斯科特已致信已辞任的英伟达前 CEO 黄仁勋与商务部长卢特尼克,要求两人出席公开听证,解释芯片出口审批及相关业务;黄仁勋被要求 12 月 3 日到参议院银行委员会作证,信件并警告若拒不主动出席,委员会不排除以传票方式强制其作证。更受关注的是立法重心正从「实物禁运」转向「远程使用管控」:众议院版本已于今年 1 月通过的《远程访问安全法案》(RASA)被重新激活,拟把中国企业通过租赁海外数据中心算力、远程调用安装在其他国家的 H200 等芯片纳入管制,目前该法案仍在参议院流程中、尚未生效。分析认为,英伟达风波把出口管制从「商务部如何执行」推进到「国会如何问责」,而 RASA 若成法,受审查的对象将从「芯片卖给了谁」扩展到「算力被谁调用」,调用日志、访问记录与用量台账会成为新的审计焦点;对中国 AI 企业而言,海外算力租赁路径的可预期性正在系统性下降。