发布时间：2026-11-10 03:00 ｜ 来源：THE DECODER、AlphaSignal、量子位、Anthropic News、DeepMind、OpenAI News
导语：本轮最值得优先读的是两件大事。其一，腾讯首席 AI 科学家姚顺雨警告 AI 很快将具备研发生物武器的能力，主张在开源与闭源之间走「中间路线」——这直接把开源模型的安全边界推到了行业辩论的中心，也解释了为什么腾讯即将开源的 Hy4 选择从训练数据层面直接过滤危险知识。其二，英伟达 CEO 黄仁勋承认与美国情报机构认定的中国间谍嫌疑人存在婚外情，董事会已启动独立调查；这不仅削弱了他反对对华芯片出口管制的游说立场，也让全球市值第二的公司暴露出「没有继任计划」的治理风险。此外，阿里巴巴 Co-Design Bench 用真实需求证明 AI 编码 Agent 在 3/4 的任务上仍需人工收尾，METR 审计则指出 Anthropic 可能早在今年 7 月就跨过了自己设定的 AI 加速预警阈值。
产业与商业
英伟达间谍丑闻削弱黄仁勋反对芯片出口管制的游说
黄仁勋承认与一名被美国情报机构认定为疑似中国线人的女性有婚外情，董事会已成立独立委员会调查；该女子曾任新加坡数据中心运营商 Megaspeed 高管，美国当局怀疑该公司是把受限英伟达芯片走私进中国的后门。事件削弱了黄仁勋长年反对收紧对华芯片出口的立场，而中期选举后民主党拿下国会两院，更严格的出口管制已更可能落地。报道同时指出，市值约 4.5 万亿美元的英伟达没有公开继任计划，约 60 人直接向黄仁勋汇报，其持股不足 4%、无双重股权保护。
Google 一口气推出 TPU 8tx 与 8i Max，一年内部署四款 TPU
Google 在第八代 AI 加速器产品线中新增两款系统：面向机密计算的 TPU 8tx，可在数据处理过程中保持数据与模型权重加密隔离；以及面向内存密集型负载的 TPU 8i Max，通过把两颗 TPU 8i 封装在一起，在同一机架内实现算力、内存与内存带宽全部翻倍。加上这两款，Google 称首次在一年内交付四款 TPU 系统，目前外部 TPU 客户已近 100 家，并开源了 TorchTPU 以降低 PyTorch 迁移门槛。
来源：THE DECODER
迪士尼押注 Adobe Firefly，为旗下娱乐帝国训练品牌安全模型
迪士尼与 Adobe 在 Adobe MAX 大会上宣布多年战略合作：Adobe 将用 Firefly Foundry 为迪士尼品牌训练定制模型，训练数据基于迪士尼角色、场景与视觉风格知识，目标是产出可商用、可直接投入制作的素材；迪士尼 Imagineering 研究部门已在用 Firefly 做乐园开发，华特迪士尼影业 StudioLAB 与 ESPN 创新部门 ESPN Edge 也在合作范围内。背景是迪士尼此前与 OpenAI 的合作告吹，并正计划年内第四轮裁员。
来源：THE DECODER
Meta 发布 Muse Ember，号称把 AI Agent 成本降低 3 倍
Meta 推出 Muse Ember 模型，官方定位是通过架构与推理优化把 AI Agent 的运行成本削减约 3 倍，主要面向高并发的 Agent 编排场景。这是 Meta 继 Muse Wonder 系列之后在 Agent 专用模型方向上的又一动作。
学术与前沿
腾讯 AI 首席：AI 生物武器将至，但封锁模型不是答案
腾讯首席 AI 科学家姚顺雨（原 OpenAI）警告，AI 很快将具备研发生物的能力，并主张在开源与闭源之间采取中间路线：开源可让各方用于防御，闭源模型的安全过滤又往往过度激进——他举例 Hugging Face 安全事件中，闭源模型拒绝分析攻击指令，平台改用开源的 GLM-5.2 解析日志。报道同时指出「abliteration」技术可轻易剥离开源模型的安全对齐，而更稳健的做法是从训练数据阶段就剔除危险知识；腾讯即将开源的 Hy4 即采用这一思路，称已过滤模型的黑客能力，且生物学能力低于高风险阈值。
来源：THE DECODER（引 South China Morning Post）
METR 审计：Anthropic 可能早在 7 月就跨过自己的 AI 加速预警阈值
非营利机构 METR 获得 Anthropic 内部研究数据 11 周访问权限后发现：自 2025 年 10 月以来，Anthropic 模型测试分数的提升速度约为此前的 1.9 倍，约 80% 的加速可归因于 AI 被用于公司自身研究。METR 认为 Anthropic 在 2026 年 8 月公开的风险报告中把加速写成「不到 2 倍」，而内部未删节版本为 1.97，公司自己也承认「可能已跨过阈值」，预警线最早可能在 7 月 15 日就被触及。报道特别强调，Anthropic 对所有非公开信息拥有单方面删节权并大量使用，METR 报告中甚至出现「FAKE DATA」字样，公众只能更多依赖审计方判断。
「苦涩教训」提出者 Sutton 警告：光靠堆算力不足以实现智能
图灵奖得主 Richard Sutton 发文称，仅有原始算力不足以产生智能，AI 科学需要更聪明的新方法，且「远未结束」；他再次批评合成数据是「大错误」，主张构建带世界模型、能从自身经验持续学习的 Agent。前 OpenAI 研究员 Jerry Tworek 回应称苦涩教训依然成立，但投入训练的算力越多，算法本身越关键；Transformer 扩展的暂时成功叠加对苦涩教训的误读，「已经把一代科学家的脑子给 reward-hack 了」。
来源：THE DECODER
斯坦福研究：44% 的 LLM 结论已经「过期」
斯坦福 Owen Queen 与 James Zou 将 50 条被广泛引用的 LLM 结论放到 20 个模型上复测，发现 44% 已过期、34% 显著减弱，仅 16% 仍成立。关于「模型做不到什么」的结论失效最快，推理类 9 条发现中 5 条过期；而有 11 条结论反而更成立，多与 LLM 作为评估者的自我偏好、谄媚倾向及政治倾向相关。研究者建议论文应把结论限定为「特定模型在特定时间点的观察」，并公开提示词与代码以便复测。
工具与产品
字节跳动 Seedream 5.5：100 轮编辑不偏色、原生 RGBA 输出
字节跳动 Seed 团队发布图像生成模型 Seedream 5.5，主打专业制作流程：支持多达 100 轮的多轮编辑且未修改区域保持像素级稳定、无色彩漂移，可原生输出带透明背景的 RGBA 图像，直接作为设计素材使用。官方称其在文字结构与真实感上领先 GPT Image 2.5 Sunburst。模型正通过即梦、豆包、豆包办公与火山引擎 Ark 逐步上线，Pro 版本在计划中。
来源：THE DECODER ｜ AlphaSignal
Thinking Machines 发布 Inkling 2 Small：594B MoE、17B 激活
前 OpenAI CTO Mira Murati 创办的 Thinking Machines 发布第二代模型 Inkling 2 Small，采用 594B 总参数、17B 激活的混合专家架构，支持文本与图像输入、可调思考深度。在 Artificial Analysis 智能指数上得 31 分，比前代高 18 分，与 Google Gemini 3.8 Flash 大致相当；Agent 类任务提升显著（AutomationBench-AA 从 5% 升至 46%）。代价是每任务平均输出约 15 万 token、成本 1.18 美元（约为前代 6 倍），但仍远低于 Gemini 3.8 Flash 的 7.77 美元与 Claude Sonnet 5.5 的 10.02 美元。目前通过 Tinker 平台提供，权重计划在安全测试后以 Apache 2.0 许可发布。
来源：THE DECODER（引 Thinking Machines / Artificial Analysis）
千问办公 2.0：首个支持多人与 Agent 协作的 Team Agent
千问办公发布上线三个月以来最大升级 2.0 版本，推出行业首个支持多人与 Agent 协作的「协作」功能：用户可组建与数字员工共同工作的协作空间，数字员工能实时关联多个钉钉群聊、文档、AI 表格与 AI 听记，支持多会话并行与任务指派。同时上线「自动任务」（订阅事件触发 Agent 主动处理）、「人机共创」（在原文档内直接修改并支持多人多 Agent 同时共创）、「资料空间」与三端互联。官方称银泰百货卡券运营团队已用它跨群汇总信息并自动更新表格。
来源：量子位（引千问官方博客）
LobeHub 让 AI Agent 接管 8.4 万 Star 开源项目的研发
量子位深度报道 LobeHub 团队把 AI Agent 深度嵌入自身研发流程：主管 Agent 可拆解需求、派活、审查代码并跨项目协调，甚至能临时新建 Worker 补位；一次真实开发中，Agent 提交 PR 后由 OpenAI Codex 审查机器人挑错、Agent 修改后合并。团队称在 FrontierHarness 的 30 道软件工程任务中，优化后的 Agent Harness 用 Kimi K3 通过 21 道（70%），单任务成本中位数 1.68 美元。LobeHub 提出「Self-Driving Organizations」L1–L5 分级，自称目前运行在 L3，正向 L4 自治业务单元迈进。
来源：量子位
Karpathy 用 Claude Opus 5.5 一个周末搭出 HackerTube
Andrej Karpathy 用 Claude Opus 5.5 在周末构建了 HackerTube：Claude 过滤了 20 年 Hacker News 的 4300 万条评论，蒸馏出 6454 个持续被推荐的视频，无需登录、用单帧视频画面替代优化过的缩略图。随后他又用 Claude Code「3 分钟一次性生成」了 TristanTube（4.7 万视频）。Karpathy 称自己只手动做了三件事：申请 Google Cloud API key、租服务器、买域名，其余从数据分析到服务器部署全交给 Claude Code。
来源：THE DECODER
UkisAI 把 Swift 1.5 的 177B 推理模型压缩进 66GB
UkisAI 发布技术方案，把 Swift 1.5 的 177B 推理模型压缩到 66GB 显存内运行，主打在有限硬件上跑超大推理模型。AlphaSignal 将其列为近 24 小时高热条目之一（3627 票）。
来源：AlphaSignal
Google 让 Gemini 用一句话生成完整地图应用
Google AI Studio 演示了用 Gemini 从单条提示直接生成完整可运行的地图类应用，归入其「Vibe Coding」方向。这是继文字、代码之后，生成式 AI 向结构化应用交付延伸的又一案例。
来源：AlphaSignal（引 Google AI Studio）
NVIDIA 连发韩国合作与开源工具，主推物理 AI 与 6G 研究
英伟达官方博客 11 月 9 日集中发布多条韩国相关合作：与韩国科学技术信息通信部（MSIT）启动 AI 初创企业伙伴关系论坛并宣布新的投资计划，覆盖物理 AI 产业落地、Agentic AI 安全、主权 AI 协作，以及通过 Dynamo Recipes 把韩国主流开源模型带入生产环境；另有一条开源工具帮助研究者构建下一代 6G 网络。
来源：NVIDIA Blog ｜ NVIDIA Blog ｜ NVIDIA Blog
Apple ML Research：更快的检索让 RAG 更高效
Apple 机器学习研究站点发布新工作，聚焦提升检索速度以改善 RAG 系统的整体效率，同期还上线了工具发现架构的规模化研究（Plan or Retrieve First?）与三模态掩码扩散模型的设计空间分析。
政策与治理
阿里巴巴 Co-Design Bench：AI 编码 Agent 仍需人工收尾 3/4 任务
阿里巴巴与多所亚洲高校推出编码 Agent 基准 Co-Design Bench，任务来自真实用户变更请求，常需多模态输入。十款模型中表现最好的 GPT-6 Astra 平均只满足约 70% 的需求，完全正确率仅 26.4%；同一批模型在旧基准上得分超过 99%。研究还发现模型表现对工作 harness 高度敏感——Qwen3.8-27B 在不同环境下大型改造任务得分为 75% 或 56%，作者建议选型时应把模型与环境作为一对来评估。
来源：THE DECODER（引 Co-Design Bench 论文）
Meta JiTTesting：在生产前拦下 74 个隐私 Bug
Meta 工程博客介绍 JiTTesting（Just-in-Time Testing）的「人在环路」方法，声称在代码合并前发现 74 个隐私相关缺陷，覆盖数据访问边界等场景，是 Meta 把隐私控制前置到开发流程的一部分。
来源：AlphaSignal（引 Engineering at Meta）
OpenAI 与 Hacktron 合作挖掘系统漏洞
OpenAI 官方宣布与 Hacktron 合作，通过外部安全研究力量发现 OpenAI 系统中的漏洞。这是其近期一系列安全动作中的一环，同期还包括发布面向对齐网络安全 Agent 的 GPT-6 Cyber、把 Daybreak Red 部署到 AWS GovCloud，以及发布「A thousand fewer paths to root」安全研究。
来源：OpenAI News
观点与思考
Frontier Radar #5：如果 AGI 近在眼前，为什么人人都在离开？
THE DECODER 半年刊 Frontier Radar 第 5 期梳理了 45 家「新实验室」（neolabs）：在 OpenAI 高谈 AGI 时代、黄仁勋宣称 AGI 已到来的同时，Ilya Sutskever、Jerry Tworek、David Silver、Yann LeCun、Jeff Dean 等核心人物相继离开大厂创业，并融到巨额资金——SSI 获英伟达据报道 50 亿美元投资且未发布任何模型，贝索斯的 Prometheus 以 410 亿美元估值融资 120 亿美元，Flapping Airplanes 无公开模型却完成 10 亿美元 A 轮。这些创始人的共同点是不怀疑更强 AI 会来，而怀疑「现在这套配方能否走到那里」。
来源：THE DECODER
亚马逊 HOPE：让专家成对，降低大模型推理成本
Hugging Face 博客发布亚马逊的 HOPE（Higher-Order Pruning of Experts）技术，通过对 MoE 专家做高阶剪枝来降低推理开销；同期还有 AllenAI 的 ToyBlocks 机器人学习评测环境、NVIDIA Cosmos 3 交互式世界模拟开源模型，以及 Phonon TTS 端侧高质量语音合成。