每日编辑摘要

№ 20261115

黄仁勋离任一周英伟达悬而未决,Qwen4-Max 与 Claude Code Code Mode 同日推进

11 月 15 日的 AI 新闻被两条线同时拉扯。一条是英伟达:黄仁勋辞职三天后,《金融时报》报道他正与亲信讨论回归,公开信签名继续增加,独立调查仍未公布结论。另一条是产品与工程:Qwen4-Max 以 2.4T 骨干参数和百万 token 上下文发布,并登上 Agent Arena 中国模型首位;Claude Code 把工具调用改成写一段 Java…

11 月 15 日的 AI 新闻被两条线同时拉扯。一条是英伟达:黄仁勋辞职三天后,《金融时报》报道他正与亲信讨论回归,公开信签名继续增加,独立调查仍未公布结论。另一条是产品与工程:Qwen4-Max 以 2.4T 骨干参数和百万 token 上下文发布,并登上 Agent Arena 中国模型首位;Claude Code 把工具调用改成写一段 JavaScript;Anthropic 则把“常在线 Agent”写成了一份参考架构。

主题一:黄仁勋离任一周,回归传闻与未结调查同时存在

据 AI Valley 与 The Verge 播客转述,黄仁勋于 11 月 12 日辞去英伟达 CEO 与董事职务,即时生效,CFO Colette Kress 出任临时 CEO。消息公布当天股价盘中跌超 13%,收盘跌约 4%,次日回升。现有材料里没有公司公告原文,也没有继任安排的细节。

11 月 15 日,《金融时报》援引多名知情人士报道,黄仁勋已与几位亲信讨论过重新出任 CEO 的可能;一名盟友称正召集硅谷高管组成“作战室”,游说董事会并争取白宫支持。报道没有公开这位盟友的身份。

公开信“Stand with Jensen”要求董事会先让他回来、等独立调查查清事实,并公开调查范围与时间表。据 Moneywise 11 月 14 日统计,签名超过 10 万,其中 5000 多人自称英伟达在职员工;11 月 15 日另一条帖子给出的数字是约 15 万签名、7000 多名员工。两组数字口径不同,且都来自转述。

辞职的背景说法集中在个人关系,以及围绕新加坡云服务商 Megaspeed 的出口管制调查。相关报道与议员表态已经出现,但材料中没有公司调查结论或司法认定。11 月 17 日(周二)英伟达发布财报,这是临时 CEO 任内第一次公开交代。

源链接:

主题二:Qwen4-Max 用 2.4T 骨干与百万上下文拿下 Agent Arena 中国首位

Qwen 团队发布 Qwen4-Max,基于新的 Qwen4 架构,拥有 2.4T 骨干参数、每 token 激活 71B、328B N-gram Embedding 参数,原生支持视觉,上下文窗口为 100 万 token。官方博客同时给出架构细节、成本对比和行业实测案例。

同一天,Arena 的榜单账号称 Qwen4-Max 以 +7.5% 的净提升在 Agent Arena 排到第 14 位,成为排名最高的中国模型,使 Alibaba 成为排名第一的中国实验室、总榜第 5,仅次于 Anthropic、Google、OpenAI 和 Meta。该排名基于 1.47 万条真实 Agent 会话,并附四项信号拆解。

参数规模与上下文长度已经是国产模型发布时的常规叙事,这次值得记下的是评价维度换了:不再是单轮问答榜单,而是多轮、带工具调用的 Agent 会话。这也意味着分数更依赖具体任务分布,跨榜单比较的价值有限。

两处信息都来自发布方与榜单方,材料里没有第三方复现。2.4T 参数的实际推理成本、百万上下文在长任务中的有效召回率,都还没有独立数据。

源链接:

主题三:Google 一次放出两款模型、两颗 TPU 和一串科研更新

据管理层转发的发布清单,Google 这一轮同时列出了两款第八代 TPU、Gemini 4 Carbon、Gemini 4 Hydrogen、Gemini Robotics 2.5,以及 AlphaGenome 2、AI Studio 中的 Gemini Decisions API、智能眼镜预售,还包括用 AlphaProof Code 验证 Signal 协议。清单没有提供各项产品的完整评测数据。

默认模型也在同步调整。据 AI Base 报道,Anthropic 把 Claude Opus 5.5 设为 Pro、Max、Ultra 和 Team 套餐的默认模型,重点推荐研究、分析、写作与文档工作。Google 一侧,Antigravity 宣布把 Argon、Carbon、Hydrogen 的上下文窗口翻倍。

开发者的口碑是分裂的。有人称 Carbon 在方案设计、文档撰写和创意层面与 Claude、GPT 的维度明显不同,适合互相启发;同一批反馈里,Antigravity 的交互被反复批评难用,有人干脆改回命令行。也有人据此判断 OpenAI 已经掉到第三位——这是个人观感,不是榜单结论。

这份清单的价值在密度:芯片、模型、科研工具、硬件预售同时推进,竞争单位从单个模型变成“模型+上下文+开发工具”的组合。缺少评测数据,意味着现在还判断不了这些发布的实际落差。

源链接:

主题四:OpenAI 用 GPT-6 Astra 参与格点标准模型证明,并开出科学博客

OpenAI 在 11 月 15 日发布两篇文章。第一篇题为《A step toward defining the Standard Model on a lattice》,讨论标准模型的一种非微扰格点定义候选,RSS 摘要写明 GPT-6 Astra 帮助把这个想法推进成一份详细证明。第二篇是新的科学博客开张,定位是分享研究发现、方法和研究者的一手叙述。

官方账号随后确认,物理学家 Nathaniel Craig 讲述了与 GPT-6 Astra 合作提出该格点定义候选的过程;Greg Brockman 只写了一行“GPT-6 Astra for theoretical physics”。另有帖子称,Fields 奖得主 Edward Witten 已发表一篇基于 Craig 工作的后续论文,用的是 Opus 5.5,而 Witten 是数学与人工智能顾问组的九名成员之一,该组近期要求 OpenAI 公开数学证明结果以便独立复核。

这条新闻的分量在于场景:高能物理的格点定义是长期未决的形式化问题,如果模型真能在证明构造上提供有效推进,它比任何代码 benchmark 都更难被“背答案”。但材料边界也很清楚:OpenAI 正文被 Cloudflare 拦截,只能看到 RSS 元数据;证明是否正确、模型贡献占多少,都需要数学界独立审阅。

源链接:

主题五:Claude Code 的 Code Mode 把工具调用改成一段 JavaScript

Claude Code 推出实验功能 Code Mode,默认关闭。开启后模型不再一次调一个 Bash、Read 或 Edit,而是先写一段 JavaScript,在一次执行里调用多个工具,由 Claude Code 在本地会话中运行。官方举的例子是把重试上限从 3 改成 5:先用 rg 找文件,再改参数,接着跑测试,最后只把文件路径和测试输出交回上下文。

收益来自三处:独立命令可以并行;上一步结果能直接传给下一步,不经过模型;中间产生的大量输出可以先在代码里筛,只把需要的部分放进上下文。官方推荐的使用场景也集中在这三点——同一处改动要改很多文件、搜索结果需要先过滤、几个独立命令可以同时跑。

限制比收益更能说明它的定位。它只能在终端交互式会话里用,不支持 -p、Agent SDK、VS Code 面板、桌面端与云端会话;不能走网关、Bedrock、Google Cloud 或 Microsoft Foundry;只支持 Opus 5.5、Sonnet 5.5、Haiku 5.5 和 Fable 5.2。前台最长运行 10 分钟,后台最长 2 小时且要求会话以 auto 或 bypassPermissions 模式启动。

开启方式是设置 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1,写在项目设置文件里不生效,因此克隆下来的仓库没法替使用者偷偷打开;首次开启需要确认。权限模型的变化值得单独记住:每次工具调用仍要过 deny、ask 规则和 PreToolUse hook,但 auto 模式的分类器现在审的是整段代码,看不到运行时才算出来的值,比如从搜索结果里取到的路径。官方建议,必须管住的调用要靠规则或 hook 兜底。

源链接:

主题六:常在线 Agent 被写成一份参考架构

Anthropic 发布《Building always-on agents》,把“始终在线”拆成五个部件:事件收件箱(所有触发源写入一个持久化队列)、定时器(独立存储的 follow-up 与 schedule)、记忆(独立于会话的持久存储)、权限、出口。循环是:事件进收件箱,worker 启动一次 run 并新建或恢复会话,Agent 加载记忆、在权限内行动、更新记忆,结果进出口,dispatcher 投递;定时器或用户回复再把事件送回收件箱。

这个设计的核心判断是:始终在线是一种使用体验,不是一直开机。每次 run 都很短,大部分时间在休眠,靠持久状态把多次运行拼成连续体验。文中也把中断后如何恢复、哪些动作可自主执行、何时该告诉用户列为同等重要的问题。

社区已经在对齐实现。一条帖子用 Pi Durable 与 Pi AI SDK 组装同类架构:Conversation 保存讨论,Submission 接收输入并用稳定的 requestId 关联重复请求,Harness 调度生成与工具任务,Durable Storage 保存历史、检查点和结果,进程重启后重新打开存储恢复。作者强调外部操作还需要幂等或结果核对。

这类文档的价值在于把“Agent 项目经理”的直觉写成可实现的组件边界。它也顺带解释了当下产品形态的差异:能连续工作几小时的助手,和能记住三天前约定的助手,工程上不是同一件事。

源链接:

主题七:Poppy 1.0 让企业给 Agent 开一道正门

据 Sierra 协议发布转述,Poppy 1.0 让企业通过域名下的发现文件,公布自己的网站、API 或企业 Agent 入口,并衔接身份说明与登录授权。它解决的是 Agent 代表用户访问企业服务时的身份问题:商家要能确认来者是替某个用户办事的个人 Agent,而不是匿名爬虫。

落地进展已经开始出现:据 Sierra 介绍,Shopify 平台店铺已自动发布 Poppy 文件,Meta Muse 也已启用该协议。商务扩展对接 UCP,具体购物流程由 UCP 承担。

一位开发者的实测更具体:Alma 0.4.672 支持自动发现公司的 /.well-known/poppy.json,访问 API、页面或 MCP server 时带上签名的 Poppy-Session 头;UCP 结账时带上 Alma 的 UCP 平台 profile,实测在 Allbirds 的 Shopify UCP 端点上协商出了 checkout、cart、order 等全部能力。

如果这套协议铺开,Agent 购物的瓶颈会从“能不能自动点完流程”转到“商家认不认这个身份”。现在的证据还只有协议方的转述和一个实现者的实测,缺少商家的独立说法。

源链接:

主题八:同一模型的安全分能差 34 个百分点,专家异议还会改掉正确答案

Anthropic 公布的一组评测显示,Fable 5.1 在自杀与自我伤害的多轮评测中,API 配置下得分为 60%(±14%),采用新系统提示的网页端为 94%(±7%)。同一个模型,34 个百分点的差距来自部署方式,而不是权重。

团队据此主张按场景衡量“恰当回应率”,并在报告里同时给出系统提示、接口和评分配置;建议复杂多轮评测至少 100 个用例,简单单轮评测至少 1000 个。这套要求实际上是在说:安全分数脱离配置就没有可比性。

另一项研究从相反方向给出了同类警告。两阶段修订实验固定问题、证据与初始答案,比较中性反思、匿名异议和领域专家异议三种条件。五款模型在 1989 项医学、科学与法律判断中,都没有在专家异议条件下达到净提升准确率所需的选择性纠错门槛,准确率最多下降 16.1 个百分点。

值得注意的是分层结果:单独增加“专家”标签的准确率影响介于下降 5.2 点到上升 2.4 点之间,与整体异议效应必须分开看。也就是说,模型对权威的敏感和对论证的敏感是两件事,前者更容易被利用。

源链接:

主题九:低精度训练、记忆压缩与内核优化三条降本路线

Thinking Machines Lab 以 Apache 2.0 开放 Inkling 2 Small,5940 亿参数,从预训练到最终强化学习的前向计算都用四位精度。材料称预训练耗时减少 8%、强化学习耗时减少 20%;反向计算并未同样维持四位。显存门槛也写得很直白:NVFP4 至少需要 500GB,MXFP8 至少需要 800GB——名字里的 Small 不代表消费级单卡能跑。

斯坦福研究者发布的 Memorilla 走的是另一条路:把文档集合编码成固定的 16 个记忆词元,用来辅助冻结模型。在 FactKG 上,冻结的 Qwen3-8B 准确率达到 84.33%,全上下文对照为 80.43%,文档词元用量减少约 108 倍。它并非全面领先,在 PubMedQA 等基准上仍落后于对照;代码、训练方案和检查点以 Apache 2.0 开放。

CUDA-L2 论文第五版则把优化对象放在内核层:结合大模型与强化学习,以 CUDA 执行速度为奖励,自动优化 1000 种半精度矩阵乘法配置。在受测条件下,相比 cuBLASLt 的自动调优方案,离线模式平均提升 11.4%,模拟实时推理间隔的在线模式提升 15.9%。

三条路线分别对应显存、上下文和内核,共同点是都没有宣称通用加速。这些数字都限定在特定配置与基准下,不能外推成“训练成本降一成”这类结论。

源链接:

主题十:算力承诺、融资规模与一纸诉状把风险摆到台面

The Decoder 报道称,Anthropic 的算力承诺总额接近 9010 亿美元,CEO 阿莫代伊坦言未来一年业务走向存在巨大不确定性。报道把拟议中的 IPO 解读为承受收入与长期成本错配的财务缓冲。承诺额不等同于已发生支出或当期债务,这一点需要和融资叙事分开看。

OpenAI 一侧,据 AI Base 转述,新一轮私募融资规模拟达 150 亿美元,融资前估值 1.25 万亿美元,预计未来数周完成。报道同时给出第三季度营收约 100 亿美元、运营亏损约 109 亿美元,并把融资与预计 2027 年的 IPO 筹备联系起来。规模、估值与时间都应按报道口径理解。

监管侧则出现了更硬的动作。据诉讼报道,四家非营利机构于 11 月 12 日向旧金山高等法院递交诉状,被告包括 OpenAI、Anthropic、谷歌、Meta 与 SpaceXAI,原告寻求冻结下一代模型训练与部署的紧急禁令。诉状援引了高管的风险表态作为材料。

需要分清的是:提交诉状不等于法院已作出停训裁定,原告的风险叙述属于诉讼主张。这条线索的价值在于它把“该不该继续训练”从论坛争论搬进了法庭程序。

源链接:

高价值单点

  • Cloudflare 三天内看到 50 多个框架家族扫描客户:博客把这轮扫描归因于大模型驱动的工具串联,主张用身份隔离、权限约束和微分段限制失守后的扩散。摘要里的“请求量增长 30 倍”在所给摘录中没有对应统计。
  • Shopify 在生产环境跑双 Agent 红队:进攻 Agent 结合源码、基础设施知识和测试店铺临时凭证验证漏洞,独立裁判监测行为、异常时终止任务。公司称已执行数万次任务、发现数十个有实际影响的问题且未造成停机,属公司自述。
  • 机器人真机漏洞获厂商初步确认:GCSA 称在某头部厂商机器人上取得操作系统最高权限,厂商 11 月 13 日邮件初步确认并启动修复与影响范围评估。品牌与漏洞机制尚未公开,启动修复不等于风险已消除。
  • 多智能体委派没有稳定增益:Lost in Delegation 按训练知识截止前后划分任务,发现委派未持续优于非委派;面对编排模型缺少的后截止知识,准确率可能明显下降,同一模型直接用工具反而更好。常见问题是查询失真、工具使用低效和跨智能体信息丢失。
  • 前沿模型更好用,不等于解题能力同步跃升:LocalLLaMA 一篇长帖把“信息、工具、时间受限下的高效解题”和“长程规划能力”分开,给出三条观察:黄金数据集达标后再换新模型很少继续加分;同一模型在不同配套系统里表现差很多;较小的本地模型已相当能打。近 300 条评论意见分裂,有人举近期假设检验上的明显跳跃反驳。属单帖讨论,不是评测结论。
  • 29 个智能体 11.5 小时生成 50 项因果评测任务,被审出模板捷径:任务要求判断因果效应是否可识别并在可识别时估计效应,独立审阅者发现措辞线索与模板捷径,团队把问题转为后续测试。自动生成评测仍需审计。
  • “No AI Slop”宣言签名达 504:由 AI Engineer Code Summit 2026 的演讲者与参会者共同撰写,以敏捷宣言为参照提出五组对照,把 slop 定义为“你投入的心思少于你要求读者花在理解上的精力”。Hacker News 讨论约 222 分、133 条评论。
  • llama.cpp 发布 1.0.0:本地推理栈的版本里程碑,官方强调“到处都能跑”。
  • dspy-wsp 让前沿模型直接改小模型权重:DSPy 生态的优化器原型,不做梯度更新,由前沿 LLM 编辑小模型权重,属于“权重空间编程”这一思路的公开实现。
  • Agent 工具链在补“人怎么管 Agent”这一层:AG-UI 以约 16 种标准事件把 Agent 接进前端(累计 1.72 万星);phonedriver 让 Claude Code、Codex、Cursor 操作安卓与 iPhone,把每屏读成带编号的文字清单,9 个任务的对比中 token 用量为 mobile-mcp 的 1/6.9;Plannotator 把计划、原型和 diff 放进浏览器供人圈画批注,单日新增 860 星。
  • 视频与演示文稿继续被网页化:OpenFilm 让编码 Agent 用 HTML/CSS 做视频,每个镜头是一个网页,可导出给 Final Cut Pro、Premiere 和达芬奇;另一套 HTML 演示模板新增 10 种风格,支持浏览器内改字、放映工具和手机遥控。

🕐 小时信号精选

PT 时间 信号 为什么值得记住
06:03 “Stand with Jensen”公开信签名约 15 万,7000 多名自称英伟达员工 压力从舆论扩展到员工层
10:05 llama.cpp 发布 1.0.0 本地推理栈的版本节点
12:20 FT:黄仁勋与亲信讨论回归,盟友筹组“作战室” 复职从传闻变成有具体游说结构
15:27 微信对聊天图片开放 AI 美化、编辑与信息提取 入口级产品把图像处理收进对话
16:23 OpenAI 官方确认科学博客首篇由 GPT-6 Astra 参与 与当日论文发布互证
17:24 Antigravity 宣布 Argon、Carbon、Hydrogen 上下文窗口翻倍 竞争点从模型能力转向上下文容量
18:00 Qwen4-Max 发布,2.4T 骨干、1M 上下文 当日最强的一次模型发布
18:21 Agent Arena:Qwen4-Max 中国模型第一,总榜第 14 第三方榜单给出同向证据
18:36 “No AI Slop”宣言签名达 504,进入 HN 首页 工程文化开始用宣言约束 AI 产出

编辑结论

这一天的技术进展是实的:模型在变大、上下文在变长、训练在变便宜、Agent 开始有协议和参考架构。但最值得记住的是三处“分数之外”的证据——安全分随部署方式浮动 34 个百分点,专家标签能让模型放弃正确答案,多智能体委派并不稳定优于单模型加工具。英伟达的治理危机则提醒另一件事:这家公司当前最大的不确定性不在产品路线,而在董事会和调查程序里。

来源与方法

审阅了该 PT 日目录下 20 个小时抓取与 9 个命名来源,共约 20 万字节;剔除重复转发、书籍推广和空转帖后保留约 20 个有效候选,按丰富的信号池处理。AI Valley 当日为跳转日,Chrome、Claude、Cline、Google Research 与 XiaoHu 无当日新发布;OpenAI 正文受拦截,仅有 RSS 元数据。

微信搜一搜:智简 Smart&Concise 公众号二维码

关注公众号

智简 Smart&Concise

微信搜一搜,获取独立开发与 AI 实践更新。