【AI观察】2026-11-21 20:00 — 美国科技股遭遇疫情以来最差单周表现,纳指进入熊市

本轮采集时间:2026-11-21 20:00 | 来源:THE DECODER、The Verge、TechCrunch、AlphaSignal、量子位 | 新增条目:7

导语:本轮最重的一条来自资本市场:美国科技股遭遇疫情以来最差单周表现,纳指 10 全周下跌 10.4%、较 10 月峰值回落 20% 进入熊市,英伟达周五单日跌 14%(SEC 正审查其会计操作),Anthropic 上市次日跌 9.1%——AI 巨额资本开支的叙事正在被市场重新定价。技术侧,MachinePulse 开源 Karpo Decision 31B 决策模型与 karpo-browser 浏览器 Agent 方案,在 Browserbase Benchmark v2 上以约十三分之一的模型成本达到 89% 成功率,把「决策」变成可独立分工的一层能力;腾讯元宝联合伦敦国王学院发布 GroupAssistBench,用 8 万条真实群聊消息构成首个群聊 Agent 记忆基准,揭示「记得住」并不等于「用得好」。此外,Grok Bot 团队公开其 AI 编程工程化打法:单人月提交 3000 个 PR、团队撤回率仅 0.5%。

产业与商业

美国科技股遭遇疫情以来最差单周表现,纳指进入熊市

据英国《金融时报》报道,纳斯达克 10 指数周五下跌 5.6%、全周下跌 10.4%,为新冠疫情以来最差单周表现,较 10 月峰值回落 20% 进入熊市;英伟达周五暴跌 14%,此前路透社报道美国证监会(SEC)正在审查其会计操作,费城半导体指数同日跌 10.7%,美光、博通等存储与芯片股普跌;刚刚完成史上最大 IPO 的 Anthropic 上市次日也下跌 9.1%。报道将这轮抛售归因于几股力量的叠加:市场对数百亿美元 AI 资本开支的质疑、英伟达高管丑闻、涉华芯片订单争议,以及民主党赢得中期选举后AI扩张面临的政治逆风;高油价推升通胀、利率维持高位则放大了抛压。投资者同时在重新审视芯片与存储股高估值是否与其周期性相称。对 AI 行业而言,这轮调整直接抬高了融资与扩张的资本成本,可能倒逼厂商更强调投入产出比。

来源:THE DECODER | The Verge | TechCrunch

政策与治理

Etsy 在卖家抗议后承诺修订新 AI 政策

在大量卖家关闭店铺抗议后,手工艺品电商平台 Etsy 表示将修订本周生效的新使用条款中涉及 AI 的内容,并承诺「很快直接向卖家公布修订后的条款」。此前 Etsy 曾在社区公告中强调:不会用卖家的内容训练旨在复制其原创作品或取代其创造力的 AI 模型,「这一点不会改变」,但新条款措辞仍引发卖家对作品被用于 AI 训练的担忧,成为又一起平台 AI 数据政策与创作者权益冲突的案例。

来源:The Verge | The New York Times

学术与前沿

腾讯元宝×KCL 发布首个基于群聊构建的 Agent 记忆基准 GroupAssistBench

腾讯元宝与伦敦国王学院(KCL)NLP 团队联合推出 GroupAssistBench:基于 50 个真实群聊、80,299 条历史消息构建 2,395 道评测题,检查群聊 Agent 的记忆能否从「记得住」走向「用得好」。评测分两层:L1 记忆召回(1,374 题,有明确参考事实)与 L2 开放式服务(1,021 题,如「帮大家发出行购票提醒」,无固定答案但须遵守有效历史决定),并按单条记忆、多记忆整合、更新与冲突处理(M3)划分依赖类型。对比完整上下文、检索增强与外部记忆等 14 组配置后出现一个反差:EverMemOS 在 L1 得 0.621,高于同一任务模型用完整上下文的 0.570;但在 L2 只有 0.247,低于完整上下文的 0.431——更会回忆,并不必然更会服务。对 497 条配对记忆的追踪显示,L1 已召回但 L2 未判定有效使用的记忆中,约 36% 未进入 L2 模型输入、约 64% 虽进入输入却未被有效应用。团队提出 RER(关系证据整理)与 ACB(服务约束绑定)两种轻量干预,组合后让三个记忆系统的 L2 分数相对基线分别提升 7.03、4.64 与 4.43 个百分点。论文已在 arXiv 公开,代码与数据集同步开源。

来源:量子位 | arXiv

工具与产品

Karpo 开源决策模型 31B 与浏览器 Agent 框架:成本约为顶尖方案的十三分之一

MachinePulse AI 开源 Karpo Decision 31B 决策模型与 karpo-browser 浏览器 Agent 方案。决策模型专为 Agent 的高频、低延迟判断设计:通过专用 Readout Head 一次前向推理直接输出整组候选选项的概率(输出 Token 数为 0),支持最多 255 个候选、256K 上下文与分支注意力批量作答;在 300 个模型同台的 Decision Index 总榜以 73.9 的 Full 分登顶,校准误差(ECE)仅 2.3%,单卡 RTX PRO 6000 中位响应 94 毫秒;团队还用 RSI 递归自我改进加模型融合,把陌生领域准确率从 70.7% 拉回 72.3%。karpo-browser 采用 System 1+2 架构:通用大模型负责规划,Karpo Decision 27B Act 负责网页动作决策(中位时延 0.93 秒),在 Browserbase Benchmark v2 全部 102 道任务上取得 89% 平均成功率、201 秒平均耗时、单任务模型成本 0.096 美元,速度约为榜首 Claude Fable 5.2 + Claude Code 组合的 1.9 倍、成本仅为其十三分之一;配套 KBB 评测集覆盖 584 个真实网站、23,075 步网页操作。团队同步开源 0.8B 至 31B 共 6 个尺寸的决策模型,可通过 MCP 接入 Claude Code、Codex 等现有 Agent。

来源:量子位 | Hugging Face

Grok Bot 团队公开 AI 编程打法:单人月提交 3000 个 PR,团队撤回率仅 0.5%

SpaceXSI 首席工程师 Lauren Tan(网名「土豆姐」,前 Cursor 员工、现从事 Grok Bot 开发)在 AI Engineer CODE 大会以《All Code Is Slop (Except Mine)》为题的演讲全网疯传:她个人上月提交 3000 个 PR,而 Grok Bot 团队 10 月共交付 1.1 万个 PR、撤回率仅 0.5%,客户端几乎每天发布新稳定版。她提出「信任倒金字塔模型」:最上方是代码本身(API 设计、架构、重构),往下是 Lint 规则、类型系统、编译器与自动化测试等确定性检查,最底层才是 Rules、Skills、AGENTS.md 等自然语言指导,工程师应把精力投向上两层。具体做法包括:禁用约 99% 的代码注释,改用 Lint 规则暴露根因;不让 Agent 写它容易写错的功能(如直接在产品代码中禁用 React useEffect);每次 Agent 犯错都把教训转化为自动检查;验证环节引入运行时验证(CDP 调试、功能地图)、TLA+/Lean 形式化验证与 Bombadil 属性测试,团队约 70% 的 Token 花在验证上,新版本发布时还会自动启动云端 Agent 做模糊测试并自动提修复 PR。

来源:量子位

Hugging Face 社区 Gemma 2 9B INT4 量化版下载量突破 80 万

Hugging Face 上一个社区制作的 Gemma 2 9B Instruct INT4 量化版本下载量已突破 80 万次,模型被压缩到约 6 GiB 显存即可运行,面向高吞吐本地推理场景。这是近期社区量化版本持续走红的又一例证:在开源模型生态里,针对消费级硬件的小体积量化权重往往比官方全精度版本获得更高的实际使用量。

来源:AlphaSignal

Claude 移动端上线新设计:底部标签栏整合聊天、项目、代码与 Artifacts

Anthropic 为 Claude 移动端推送设计更新:新增底部标签栏,整合聊天(Chat)、项目(Projects)、代码(Code)与 Artifacts 四个入口,已开始逐步放量。这是继 OpenAI 为 ChatGPT 移动端测试底部标签栏设计之后的又一次跟进,两大 AI 应用正在移动端交互上趋同,也都把 Agent/代码能力提到了导航一级入口。

来源:The Verge

发表评论