AI 技术日报 - 2026-11-04

Top 10 AI 技术要闻

  1. Anthropic 开源 FlashProve：用零知识证明确认「这个回答确实来自这个模型」
    Anthropic 在 GitHub 发布 FlashProve 0.16.0，一个零知识推理证明的研究原型（Apache 2.0）。提供商先发布 commitment ID，把服务绑定到一组权重（权重本身保持保密），之后每次回复都由 GPU 生成证明，任何人用普通 CPU 跑 cp_verify 几秒即可验证该回复确由这组权重产生，无需接触模型参数。已跑通满尺寸 Llama 4 Maverick、1024 token 上下文：单张 H100、24 请求批处理下 prefill 约 110 token/s。协议可靠性在 Lean 4 中形式化证明，作弊被抓住的概率为 1 −(q/2¹²⁴ + 2⁻¹⁰¹)。官方标注「研究产物、不维护」，但它为「API 背后到底是哪个模型」这一长期争议提供了可验证的技术路径。

链接：https://github.com/anthropics/FlashProve

  1. MIT 提出权重空间编程：GPT-6 Astra 直接改 Qwen 权重，MATH-500 从 7.9% 冲到 48.1%
    不用训练、不用梯度下降。MIT 团队把 Qwen3.5-0.8B 的完整权重交给 GPT-6 Astra，只要求「尽量提高数学能力」。Astra 自己定位到推理循环导致的长输出爆炸（96 条回答里 85 条跑满 32768 token），把问题追到第 15、19 层前馈网络的各 64 个输出列，只改动 0.016% 的权重，把触顶比例从 93.0% 降到 33.1%，MATH-500 从 7.9% 升到 48.1%，连未要求优化的指令执行也提升约 3 倍。更极端的一例是给全零权重网络，Astra 一次回复就写出 MinAtar 游戏策略，平均得分 517.4，约为 PPO 训练 5 亿步基线的 20 倍。论文称之为 Weight-Space Programming。

链接：https://www.qbitai.com/2026/11/507322.html

  1. 腾讯混元 Hyra 2.0：让 Agent 不只解题，而是先给自己造科研工具
    Hyra 1.0 曾全自动解决加法组合学悬停 50 年的最优指数问题。2.0 的重点转向研发流程本身：接入企业微信、计算平台、代码仓库的真实流水线，用 Overall / Mission / Worker 三层 Agent 分工，配持久化队列与 Research Board，结论必须附代码和日志，另有独立 Review Worker 复核，跑通的经验沉淀成可复用 skill。已产出七个方向成果：196 万参数的 HyInv 蛋白质逆折叠比 ProteinMPNN 快 57 倍；6.5 亿参数 HyPLM-Flash 只用 7260 亿 token 训练；HyFF 原子级模型支撑近 6 万原子膜体系 100 纳秒模拟；HyQEC 构造并验证量子码 [488,123,22]；还自主设计了五指「旋梯手」。目前它已介入下一代混元模型的预训练与推理优化。

链接：https://www.aibase.com/zh/news/32055

  1. Revolut 用自托管 GLM 替掉 Claude Code：2000 名工程师，AI 编码账单降到十分之一
    Revolut AI 基础设施负责人 David Abitbol 在 AI Engineer 大会披露：公司已把约 2000 名软件工程师的默认编码工具从 Claude Code、Codex 换成 Z.ai 的开源权重模型 GLM，自建在约 56 张 NVIDIA B200 上，混合成本约 0.30 美元/百万 token，账单只有此前的十分之一；约 2000 人样本中编码时间缩短约 60%，从接任务到合入的 lead time 缩短 70%。代价是重度调优：开箱推理「很糟」，团队把首 token 延迟从 14 秒压到 1.7 秒。图片任务仍走 Gemini，最难的工作保留 Claude Code/Codex，编码 Agent 在带审批规则的沙箱里运行。官方口径的 90% 不含云、人力与监控成本。

链接：https://dealroom.co/news/169124-revolut-swaps-claude-code-for-a-chinese-open-weight-model-cutting-its-ai/

  1. Kimi 发布游戏开发方案：直接改 Unity / 虚幻工程，交付可继续编辑的原型
    月之暗面 11 月 2 日发布面向游戏与创意工作的解决方案，底座是 Kimi K3.1 系列，配编程产品 Kimi Code 与 Agent 产品 Kimi Work，再接 Unity、虚幻引擎、Blender 的专业插件。与只输出文本或图片的方案不同，它能操作编辑器、改写团队已有工程，交付可继续编辑的文件和操作记录。官方以「三消游戏里加可自由组合的规则卡」为例：模型先梳理规则叠加对消除策略、得分与反馈的影响，再拆成交互、数值、界面、视听任务并做出可试玩原型。目标是把「玩法验证」的原型成本压下来，让团队在同样窗口期里横向比较多套方案，而不是只看到一张概念图。

链接：https://www.aibase.com/zh/news/32051

  1. Strata 0.2.10：8GB 显存跑 128K 上下文，DFlash2 默认省下约 4GB 显存
    开源本地推理工具 Strata 发布 0.2.10。此前 8GB 显卡开 64K 以上上下文常因专家缓存耗尽直接启动失败，新版本改为按实时显存余量动态收缩 GPU 上的 KV 缓存窗口，必要时把部分缓存摊到内存或硬盘，从而在 8GB 卡上以 128K（131072 token）上下文启动 Qwen3.8 IQ3_S 等模型；DFlash2 模式下生成 63–73 token/s，Arc A750 8GB 也能到 12.7–14.8 token/s。新的默认推测解码器 DFlash2 把显存占用从 MTP 的约 5.2GB 压到约 625MiB。多卡侧引入 All-cards Split Engine，两张 RTX A6000 跑代码编辑从 195 token/s 提升到 377–394 token/s。代价是更吃内存，官方建议 32GB 起步、64GB 更从容。

链接：https://www.aibase.com/zh/news/32047

  1. OpenAI 推出 LifeVal：把评测从「答对题」改成「把事办成」
    OpenAI 发布 LifeVal 基准，衡量 AI 在照护、健康、教育、家庭管理、个人财务、政府服务等日常场景中的表现。它不考知识问答，而看模型能否把任务推进到可执行、可交付的状态。任务设计参考美国时间使用调查（ATUS），基于 3995 名受访者的调研构建。公开案例里，为孩子筛选幼儿园得 93.1%，组织防洪志愿者得 98.0%，为糖尿病患者制定膳食计划得 90.4%。OpenAI 表示已用 LifeVal 追踪模型能力一年，但目前主要作为内部评估工具，任务集与评分代码未完整开放，结果仍需谨慎解读。方向很明确：评估重心正从内容生成转向复杂现实任务的规划与执行。

链接：https://www.aibase.com/zh/news/32053

  1. 苹果向第三方 App 开放 Siri AI：App Intents 加 app skills 组合动作
    从 iOS 27.3 开发者预览版开始，Apple 允许开发者在「所有 App」中接入 Siri AI 的新能力：助手可以使用用户的个人上下文、处理自然语言指令，并借助屏幕感知完成任务。新增的 app skills 让开发者把多个操作打包成一个动作。按苹果文档，当 App 在前台、有 Live Activity，或用户正与 Siri 讨论该 App 时，用户无需说出 App 名字即可触发，例如「Hey Siri，把我的上车点改到新地址」。这意味着 Siri 从系统级问答走向跨 App 的任务执行层，第三方开发者需要按 App Intents 暴露实体与动作，才能被 Siri 正确调用，同时也需要重新考虑权限与隐私边界。

链接：https://www.theverge.com/tech/1025694/apple-siri-ai-third-party-apps

  1. Postman 被指静默给 Codex / Claude Code 装插件，并尝试自签启动钩子
    GitHub issue #14370（已 32 条评论）记录了一次「越界」：用户打开 Postman 12.33.4 后，Codex 与 Claude Code 被自动装上 Postman 插件，~/.codex/config.toml 被写入 marketplace 与 plugin 配置，还出现用户级 Postman 插件、启动指令钩子、远程 MCP 连接和独立安装的 Postman CLI。Postman 自身日志明确记录 autoInstall.plugin.existing-user ... "results":["claude-code:installed","codex:installed"]，来源标记为 auto-existing-upgrade。报告者认为这是严重的同意与信任边界问题：一个 API 客户端不该因为被打开就把自己变成其他工具的默认工作流，更不该尝试为自己的启动钩子背书。

链接：https://github.com/postmanlabs/postman-app-support/issues/14370

  1. 商汤发布日日新 SenseNova 6.8 Flash：主打长记忆、跨会话协作与 Agentic 3D
    商汤 11 月 3 日推出 SenseNova 6.8 Flash 正式版，定位面向真实复杂环境的多模态智能体模型，重点补的是「任务执行与交付」环节。办公协同侧强化长期记忆与跨会话协作，解决跨阶段、长周期项目的信息断层，可留存客户信息并沉淀岗位经验；设计创作侧把生成形态从静态网页、动态内容扩展到动态 PPT 和 Agentic 3D，并深度接入 Figma 等主流设计与工作流工具。官方口径是推动大模型从「内容生成」走向能自主规划、调用工具并完成最终交付的多模态智能体，面向企业与个人用户的生产力场景。

链接：https://www.aibase.com/zh/news/32049

数据来源：TheAIEra News Hub 生成时间：2026-11-04 08:12:00