【AI观察】2026-11-17 18:00 — Perplexity 年化收入破 10 亿美元,2026 年增长 4 倍

  本轮采集时间:2026-11-17 18:00 | 来源:Latent Space(AI News)、AlphaSignal、The Information、The Batch | 新增条目:7

  导语:这一轮的主线是「AI 公司的钱」。Perplexity 确认年化收入运行率突破 10 亿美元,2026 年增长 4 倍,增长主要由 Computer 业务驱动,按 Cognition、Cursor 等 agent 公司的估值倍数推算,其估值或达 300-500 亿美元;Anthropic 招股书则显示 2026 年上半年收入 163 亿美元,算力成本占收入比从 251% 降至 48%,单位经济模型明显改善,为 11 月 19 日挂牌定下关键财务注脚。安全侧同样有两条新信号:Anthropic 把高严重度和关键严重度漏洞的协调披露窗口从 90 天压缩到 30 天,明显向「快速公开」倾斜;OpenAI 发布 v0.1 框架,首次把「AI 控制事件」纳入统一分类。此外,Infomaniak 让 Google TranslateGemma 4B 跑上标准 vLLM/SGLang 服务器,DeepSeek V4.1 Flash 在 Vera Rubin 上单芯片吞吐达到 GB300 NVL72 的 63.4 倍,以及 Claude 疑似记住 LinuxArena 控制评测细节,都值得留意。

产业与商业

Perplexity 年化收入突破 10 亿美元,2026 年增长 4 倍

Perplexity CEO Aravind Srinivas 在 Semafor 活动上确认,公司年化收入运行率已突破 10 亿美元。The Information 此前报道,其年初收入不足 2.5 亿美元、8 月已超过 7.5 亿美元,增长主要由 Computer 业务驱动。按 Cognition(同样跨过 10 亿美元)、Cursor(46 亿美元)等 agent 公司的估值倍数推算,Perplexity 估值或达 300-500 亿美元,远高于 2025 年 9 月 200 亿美元融资轮。近期产品节奏密集:9 月 Computer Automations 支持接续周期性任务,11 月 Teammates 可承接长期工作、并已在部分 Mac 上完全本地运行;Monitor API 支持订阅主题或页面变化并推送 webhook;新成立的 Frontier Research 实验室可使用 1 万+ GPU,计划公开论文、数据、模型与代码。

来源:Latent Space(AI News) | The Information

Anthropic S-1:2026 上半年收入 163 亿美元,算力成本占比从 251% 降至 48%

Anthropic 招股书(S-1)显示,公司 2026 年上半年收入达 163 亿美元;更具标志意义的是成本结构改善——算力成本占收入的比例从 251% 降至 48%。对一家以 API 与 Claude 订阅为主的实验室而言,这一拐点是 IPO 叙事从「烧钱换规模」转向「单位经济模型跑通」的关键证据,也为 11 月 19 日挂牌提供了最直接的财务注脚。

来源:The Batch | Latent Space(AI News)

政策与治理

Anthropic 将高危漏洞协调披露窗口从 90 天缩短至 30 天

Anthropic 调整协调披露政策:对高严重度和关键严重度的漏洞,协调披露窗口从 90 天缩短到 30 天。这意味着安全研究者与受影响方只有一个月时间修复漏洞,否则 Anthropic 将自行公开。这是前沿实验室在「快速公开」与「留足修复时间」之间明显向前者倾斜,也与其 Daybreak 等项目推动的 AI 漏洞发现与修复实践一脉相承。

来源:Latent Space(AI News) | Weld Pond

OpenAI 发布 AI 控制事件分类框架 v0.1

OpenAI 发布 v0.1 框架,用于对「AI 控制事件」(AI control incidents)进行分类。这是实验室首次把控制失效事件纳入统一的分级与记录体系,与加州总检察长起诉「失控智能体」、行业围绕 agent 安全边界的讨论形成呼应。版本号 v0.1 也说明该分类法仍处早期,后续可能成为事故上报与监管沟通的共同语言。

来源:Latent Space(AI News) | Dilip Kaushik

工具与产品

Infomaniak 让 TranslateGemma 4B 跑上标准生产服务器

Infomaniak 发布 Google TranslateGemma 4B 的 vLLM 兼容版本:上游模型的自定义消息字段要求 `source_lang_code`、`target_lang_code`,而 vLLM 的 OpenAI 兼容接口不接受这类自定义字段;兼容版把语言信息搬进普通消息文本,用固定分隔符表示为 <<<source>>>…<<<target>>>…<<<text>>>…,并保留原权重,仅调整服务元数据。该版本覆盖 55 种语言,支持文本或 896×896 图片输入,可一次调用完成 OCR+翻译;WMT24++ 上 4B 变体取得 MetricX 5.32、COMET 81.6。团队还把 RoPE 配置压平为单一 linear-scaling 块,并把 EOS token 从 <end_of_turn> 改为 <eos>,使 vLLM 与 SGLang 能正确停止生成。模型基于 Gemma 3 微调,使用 43 亿 SFT token 与 1020 万 RL token,遵循 Gemma 许可。

来源:AlphaSignal | Hugging Face

DeepSeek V4.1 Flash 在 Vera Rubin 上单芯片吞吐达 GB300 NVL72 的 63.4 倍

vLLM 配合 Dynamo,在 SemiAnalysis 的 AgentX 基准上测得:DeepSeek V4.1 Flash 在 Vera Rubin 上的单芯片吞吐达到 GB300 NVL72 的 63.4 倍(400 tok/s/user 时),600 tok/s/user 时更达 93.3 倍。同组的其他数据还包括:SGLang 系工作把 TP4、batch size 1 的吞吐推到约 2500 tok/s(GB300 的 1.7 倍),Baseten 也报告相近的 1.7 倍提升。这组数据说明,新硬件栈对 Agent 推理效率的放大仍在快速释放。

来源:Latent Space(AI News) | vLLM

学术与前沿

Claude 疑似记住 LinuxArena 控制评测,基准污染再引关注

评测完整性的老问题出现新案例:研究者 Adam Karvonen 指出,Claude 似乎记住了 LinuxArena 控制评测的细节。如果模型在训练中见过评测内容,相关控制能力结论的可信度就会打折扣。在 OpenAI 嵌入式评估已因「范围不含已披露的失配事件」而受批评的背景下,这类基准污染信号提醒人们:前沿模型的控制与安全评测结果需要更严格的数据隔离与复现验证。

来源:Latent Space(AI News) | Adam Karvonen

发表评论