黄仁勋承认婚外情,英伟达董事会启动外国情报调查
周日的主线不在模型发布,而在治理。英伟达董事会就 CEO 黄仁勋"成为外国情报行动目标"的报道启动独立调查,黄仁勋同日向员工承认婚内出轨。同一时间,GPT-6.2 Sol 在多人的灰度路由里露面,OpenAI 只留下一个"明天"。研究侧则集中在智能体如何积累经验、以及积累经验要付什么代价。
周日的主线不在模型发布,而在治理。英伟达董事会就 CEO 黄仁勋“成为外国情报行动目标”的报道启动独立调查,黄仁勋同日向员工承认婚内出轨。同一时间,GPT-6.2 Sol 在多人的灰度路由里露面,OpenAI 只留下一个“明天”。研究侧则集中在智能体如何积累经验、以及积累经验要付什么代价。
一、黄仁勋承认婚外情,英伟达董事会启动独立调查
美国时间 11 月 8 日,英伟达董事会宣布成立由独立董事组成的委员会,并聘请外部律师协助,调查黄仁勋“成为外国情报行动目标”的相关报道。彭博公布了黄仁勋当天发给员工的邮件全文,标题是“致公司的一封信”,他在信中承认对妻子不忠,称“我的行为伤害了她和我们的孩子,我做的事没有任何借口”。
邮件后半段回应报道中的国家安全疑虑:董事会已启动独立调查,他支持并全力配合,同时表示自己“爱我们的国家”,致力于保护英伟达与美国国家安全。董事会声明称,没有理由相信国家安全或公司机密已受损,但调查将审查所有可获得的信息,并对黄仁勋及其领导团队表示信任。英伟达公共政策传播负责人 John Rizzo 表示,黄仁勋会在调查结果出来前继续担任 CEO。
这桩调查的源头是十天内《纽约时报》的连续报道:美国情报部门认定与黄仁勋关系密切的新加坡数据中心公司 Megaspeed 高管 Alice Huang 是中国情报人员,任务之一是打探信息并可能推动先进芯片进入中国。众议院三位共和党籍委员会主席已要求黄仁勋在 11 月 18 日前出席闭门简报。英伟达没有公开接班计划,本月晚些时候发布财报,这也是事件被放大讨论的原因。
证据边界需要讲清楚:情报结论来自《纽约时报》引述的匿名官员,没有公开证据;中国驻美大使馆称相关报道“毫无根据”,Alice Huang 本人未回应。《纽约时报》原文有付费墙,上述细节依据 Axios、彭博、Gizmodo、The Hill 等媒体的转述,董事会声明全文并未公开。
源链接:
- https://x.com/dotey/status/2119540611179323431
- https://x.com/rohanpaul_ai/status/2119540787147059491
二、GPT-6.2 Sol 在灰度中出现,OpenAI 只说“明天”
11 月 8 日,多位用户称自己的请求被路由到一个自称 GPT-6.2 Sol 的模型。数字生命卡兹克用它跑了一个 Three.js 的 3D 交互页面,评价“审美强到爆炸”、防御性有明显改善;随后他用 20 个并发前端测试跑了 10 分钟,称 200 美元的 Pro 额度只掉了 1%。宝玉的表述更谨慎,只写“猜测是 GPT-6.2 要来了”。
同一天,OpenAI Developers 的账号发了一条只有“Tomorrow.“和一段视频的推文。这让讨论迅速转向”下周一发布“,但截至这份日报截稿,OpenAI 没有发布任何模型公告,也没有公开 GPT-6.2 的可用渠道。所谓“发布会定在 11 月 9 日”是社区里 @daniel_mac8 的个人预测,不是官方信息。
对读者有用的部分不是预测发布日期,而是灰度这件事本身:模型在正式发布前先以未命名方式进入部分账号,已经是常规做法。所以单条使用体验只能算一个样本,额度消耗、代码审美、安全表现都需要在固定任务上重复才有比较意义。
源链接:
- https://x.com/Khazix0918/status/2119507514459144677
- https://x.com/OpenAIDevs/status/2119521359185478140
三、DeepSeek Harness 报出 154 万日活,插件成了主战场
社交平台上流传的一组数字称,DeepSeek Harness 的日活在 36 天内增长 545%,达到 154 万,第三方插件约 35000 个,约 60% 的活跃用户至少构建或安装过一个插件。歸藏确认自己的设计插件被官方推荐,并提到“154 万日活”这个数字。Han Xiao 的使用感受是,Claude Code 和 Pi 从编程代理起步,而 dsh 从第一天就想做操作系统或超级应用。
这个定位在生态里能看出痕迹。Barret 李靖推荐了 Context 和 Agent-Team 两个插件,认为它们把 Agent 执行过程摊开给人看;社区里还有直接操作 iOS 模拟器和 Android 真机的插件、在对话侧边栏生成可玩游戏并导出单个离线 HTML 的 Game Studio,以及把微信读书书架接进界面的集成。宝玉转述官方说法:“DeepSeek 希望 DeepSeek Harness 可以作为 Agent 时代的操作系统。”
需要保留的边界是,日活、插件数、安装比例都来自社交平台的转述,没有公司公告或财报可以核对。插件数量也不等于质量:35000 个插件里有多少仍在维护,没有任何数据支持。真正可观察的变化是,编程代理的竞争从模型能力转向了宿主环境能承载多少第三方扩展。
源链接:
- https://x.com/Hesamation/status/2119491042181525528
- https://x.com/Barret_China/status/2119427366892257490
四、智能体“进化”的两面:新能力到手,旧能力流失
EvoAudit 的论文评估了四种智能体改进方法,结论不太乐观:16 个经过进化的智能体都在掌握新任务的同时丢掉了部分旧任务。多数可靠性增益还伴随部署成本上升,得分最高的版本也没有取得最大的平均提升。作者据此提出一套同时看能力保留、迁移效果和成本的评估流程。
另一条路线给出了正面数字。研究者提出的 Evolver 不改模型参数,而是把探索过程整理成结构化的“Gene”资产,任务开始时检索相关内容,再根据反馈修订。在 Terminal-Bench 2.1、SWE-bench Multilingual、SWE-rebench 和 GAIA 上,320 组配对实验的任务成功率从 83.13% 升到 87.50%,记录的 token 用量下降 24.24%;在 265 个两种方式都解出的任务上,token 仍下降 17.57%。
两条结果放在一起看,才有意义:智能体变强不一定靠换模型,也可以靠复用经验;但“变强”需要定义清楚是哪种强,否则新任务涨分的同时旧任务在退步,仪表盘上未必看得出来。Evolver 的实验设计是配对运行,这比单向对比更能说明 token 节省来自机制而不是任务变简单。
证据边界:EvoAudit 的结论覆盖其受测设置,不代表所有进化方法都会退化;Evolver 的数字来自论文作者自报的基准,尚无第三方复现。
源链接:
五、不改权重也能变强:VISTA 让机器人自己改技能代码
清华大学与新加坡国立大学团队提出并开源 VISTA:模型权重保持固定,由一个 Meta-agent 主动做实验、修改技能代码和 Harness,再把改好的版本放回任务里验证。论文报告在 LIBERO-Pro 评估中,整体成功率从 17.5% 提升到 95.0%。
一个搬运案例可以说明机制:经过两轮修改后,该项任务从开发评估的 0/16 提升到 16/16。这里改的不是参数,而是“怎么做”的代码和调用方式,属于把调试过程交给模型自己完成。
这类结果容易被读成“机器人能力跃升”,其实不是。LIBERO-Pro 是特定仿真环境下的操作任务集,95% 只对应这些任务,不能外推到真实机器人。更有价值的观察是:固定权重加代码级自改,为不具备再训练条件的小团队提供了另一条提升路径,代价是评估与回滚要做得更细。
源链接:
六、恶意 AGENTS.md 把编程代理变成攻击入口
据量子位转述 Forever Security 的发现,一条攻击链是这样的:下载目录里放一个恶意 AGENTS.md,编程代理读取后把它当成可信指令,进而修改全局配置、泄露凭证。关键问题在于代理默认会把外部文本当作指令源,而不是当作需要审查的数据。
这个攻击面随着代理接管终端而扩大。以前一份 README 只是说明文档,现在同样位置的文字可能直接触发文件写入和命令执行。给出的正文节选没有包含完整复现实验表,所以这里不引用具体的成功率数字,只记录机制。
同一天还有一条相关的基准结果:The Decoder 报道,在 Vals AI 的模拟企业网络攻击测试里,GPT-6 Sol Daybreak 完成了 80.8% 的目标,DeepSeek V4.1 Flash 达到 72.8%,后者成本约为前者的十分之一。这说明开放权重模型在攻防类任务上的差距在缩小,但模拟环境的表现不等于真实网络中的成功率。对使用方来说,可操作的结论只有一条:把代理的输入目录、凭证访问和配置写入权限分开管。
源链接:
七、编程代理把人变成管理者,调试对象也变了
Addy Osmani 的文章《Your Coding Agents Made You a Manager》是当天传播最广的方法论内容。核心主张是:当你开始挑任务、交代背景、委派工作、验收结果,你已经在做管理,多开几个会话本身没有意义。他把自验证放在第一位:每个任务都应提供可执行的检查,测试、构建、类型检查、界面截图都算,Agent 应先执行、检查、修正失败,再带着证据交付。
他还有两条具体建议。任务说明应补充代码里看不到的信息:为什么做、业务约束、哪些事不要做、怎样算成功;重复出现的纠错可以沉淀为共享规则,但规则不是越多越好,模型升级后旧约束要清理。无人值守任务开始前,必须写清完成条件、验证方式、权限、运行上限、交付产物和审批人。
Barret 李靖从调试角度补了一半。他认为 Agent as a Service 成为常态后,调试 Agent 会变成高频操作,关注点会从 Function Profiling 扩展到 Decision Profiling:需要能在某个决策节点暂停、修改条件、Fork 出不同路径,再用回放和评估比较结果;系统层面则要从大量执行轨迹里找出反复出现的低效决策。
社区里还流传一个具体做法:Google 开源的 Elephant-Goldfish 插件把过程拆成两个角色,“大象”吃下全部历史并写出技术规格,“金鱼”零上下文只拿规格去压测,用信息差逼出规格里的漏洞。这条只有单一帖子描述,插件是否如描述般工作仍需自己验证。
源链接:
- https://x.com/shao__meng/status/2119356506932125856
- https://x.com/Barret_China/status/2119427366892257490
八、Anthropic 据报下调上市估值目标
The Decoder 报道,Anthropic 仍希望在感恩节前完成融资,目标估值区间为 1.25 万亿至 1.75 万亿美元,低于此前期望的 2 万亿,拟募资 800 亿至 1000 亿美元。这些都是报道中的筹备目标,不代表发行定价,也不代表上市已经完成。
把这条和归档里 11 月 4 日的另一则材料放在一起看,能看到同期的措辞变化。Anthropic 的上市文件在风险披露部分提到,未来 Claude 模型可能达到“AI 大幅加速 AI 研究”的程度,也就是常被讨论的递归自我改进;公司同时承认过去曾错过自家研发的明显提速,且是在事后才发现。文件明确说当前没有模型跨过这条线,公司也不主张 AI 能脱离人类造出后继模型。
一条风险披露被读成产品路线图,是这轮讨论里最常见的误读。对投资判断真正有用的信息是估值预期的下调幅度,以及“错过提速”这句自述所承认的观测能力有限。
源链接:
高价值单点
- Gemini 4 Carbon 无处可用:上月底以 SOTA 身份发布并排在 Artificial Analysis 第一,但免费、Pro、Ultra 和 API 四个入口都还没有开放,Yuchen Jin 的追问没有得到解释。
- Token 聚合站免费开放:数字生命卡兹克上线 Token羊毛,把各厂商公开的免费额度、签到积分和限时活动汇总到一页,按日、周、月分组。
- GPT-Image-2.6 的 GIF 玩法:卡尔的 AI 沃茨公开 10 个提示词,覆盖黏土定格、表情包、loading 图、PPT 动态图表等,同时指出成本翻倍、人脸一致性仍是短板。
- Visa 的漏洞代理框架:Visa Vulnerability Agentic Harness 兼容 Anthropic、OpenAI 等模型,提供扫描进度反馈,修补验证失败后可继续调整;“数周缩短到数小时”属于分享中的效果描述。
- Alpie 9B 的出身争议:这款被称为“印度自研”的模型被指架构照搬、分词器词表未改、权重结构基本逐位相同,对应 Qwen3.5-9B。转述不完整,结论需以模型卡为准。
- 权重记忆的边界:八名 HaluMem-Long 用户的实验中,事实召回率从普通微调的 36.9% 提高到自蒸馏的 59.9%,超过所比较的文本记忆方案,验证后再生成的路由另加 6.2 个百分点;但权重记忆仍会遗忘旧事实。
- Agent 基础设施冲榜:GitHub 当日增速榜上,GEO 工具 niubigeo 单日 1307 星,Vercel 的 Rust 浏览器 CLI agent-browser 812 星,本地视频剪辑器 Concat 491 星,上下文压缩插件 billion-context 460 星,Agent 常驻运行时 herdr 374 星。
- 开源项目一组:billion-context 称 100K 窗口可支撑累计数十亿 token 的长会话、用量降到约五分之一,快照 4409 星;英伟达开源 Lyra 2.0 可从单张图加相机轨迹重建三维高斯场景;PanoWorld 为全景视频加入深度与三维轨迹一致性约束;ChemE-as-Code 把化工计算放到模型外执行、文件用 Git 管理,示例氨工程包消耗 224 美元 API 费用。
- 单 Router 多 Worker 的调度实验:Comma 中的 AFK AI 用单 Router、多 Worker 架构并行执行任务,临时追加任务时后台继续工作;所给证据没有独立性能对比,也不足以确认整体架构已开源。DeepSeek 的 Super-agent 提案给出过一组数字:95 分位任务耗时从 29.5 分钟降到 15.7 分钟,代价是 token 消耗明显增加,且未评估代码质量。
- Anthropic 的记忆整理时机:会话中即时记录,交互之外用 dreaming 回看原始记录做纠错与合并;dreaming 适合异步,但不等于必须离线或定时触发。
- Google 把 Search 和 AI 绑在一起:K-12 新设置下 Search、Gemini 等默认关闭,由管理员开启,但没有关闭 AI 的旧版 Search 可选。这条来自归档中 11 月 4 日的材料,非当日新闻。
🕐 小时信号精选
| PT 时间 | 信号 | 为什么值得记住 |
|---|---|---|
| 08:55 | Evolver 论文数据流出 | 320 组配对实验,成功率与 token 同时改善,是当天最完整的量化结果 |
| 10:03 | DeepSeek Harness 日活报 154 万 | 首次出现量级化的生态数字,但只有社交来源 |
| 11:48 | 卡兹克实测 GPT-6.2 Sol 额度 | 20 并发 10 分钟掉 1%,与官方额度口径对照才有意义 |
| 12:04 | OpenAI Developers 发“Tomorrow.” | 未点名产品,被社区直接解读为 GPT-6.2 发布预告 |
| 13:20 | 黄仁勋邮件全文被整理 | 从八卦转为可核对的董事会程序与邮件原文 |
| 15:42 | Jim Fan 预告真机视频 | 只有一句“明天”,无可分析内容,仅作观察点 |
| 16:30 | Agent 基础设施占据 GitHub 增速榜 | 浏览器、剪辑、上下文、运行时同时上榜,链条在补齐 |
| 17:06 | 小互周报给出市场侧数字 | 纳斯达克单日跌 5.5%、英伟达跌 9.3%,属二手汇总 |
编辑结论
这一天真正改变判断的不是某个模型,而是两件事同时发生:最大 AI 芯片公司的 CEO 进入正式调查程序,而代理生态的竞争已经转到宿主环境和插件上。前者会影响接下来几周的算力叙事和资本市场情绪,后者决定开发者实际留在哪个工具里。研究侧反复出现的主题则是同一个:让智能体积累经验,同时建立能发现它退步的评估。
来源与方法
审阅 2026-11-08 PT 归档的 20 个小时级抓取与 9 个命名来源,共约 176 KB。OpenAI、Anthropic、Google Research、Chrome、Cline 的官方博客当日均无新发布,AI Valley 回退到 11 月 4 日的文章,XiaoHu.AI 无窗口内条目。当日信号主要来自 HubToday 汇总与 X 时间线,社交平台数字均按单一来源标注。部分研究结论来自二手转述,原文未逐一核验。
