AI 情报
· 22 条 · 北京时间
Thinking Machines 发布开源循环 Transformer 模型 Inkling 2 Mini:24 层中 12 层对每个 token 连续运行三次,使模型在内部多推理而不多输出文字,据公司说法能以更少 token 得到答案。该混合专家模型总参数 26.4B、每 token 激活 5.4B,支持文本与图像、100 万 token 上下文,Apache 2.0 许可。
展开详情
公司称其在 100B 以下开源模型的智能体编程测试中领先,DeepSWE v1.1 得 48.2%、Vals Index v2.2 得 46.5%。Artificial Analysis 智能指数给 20 分,与 Qwen3.8 27B 持平,但成本约低六倍、速度约快四倍。权重已在 Hugging Face 开放,可在 32GB 以上内存的 Mac 和 Nvidia DGX Spark 本地运行。
尚未明确:基准分数与成本、速度对比来自 Thinking Machines 与 Artificial Analysis,尚无独立复现;循环层在真实任务中的稳定性、长上下文表现及 32GB 内存下的实际速度未说明;“笔记本可跑”的具体体验未验证。
YouTube 频道「回到Axton」发布16分钟视频,作者称谷歌36天内连发 Argon、Carbon、Hydrogen、Neon 四款 Gemini 4 模型,他用10多小时把5档单模型加官方多模型编排 Orchestrator(Neon+并行 Hydrogen)放进离线3D物理、精密机械结构、5页PDF装配说明书和静态看图题做双盲实测。
展开详情
作者说法:默认 Neon High 在重题掉队,开最高思考档 xhigh 后反超顶配 Carbon 拿第一;Orchestrator 在三道重题三比零赢默认单跑,越野车题全场最快;并称存在11月30日前的API价格倒挂、便宜单价反而总账单更贵。视频附18个可交互3D成品展厅和选型表。以上均为作者自述,未见第三方复核。
尚未明确:双盲设计细节、题目评分标准、账单折算口径未在文字材料中说明;四款模型血缘与 Argon 退场、价格倒挂均只有作者说法,未见官方页面原文;Orchestrator 三比零的样本量仅三道题,泛化性未知。
据 The Decoder 援引《金融时报》报道,科技股集中的纳斯达克100指数周五下跌5.6%,全周跌10.4%,为疫情以来最差单周表现,较10月高点低20%,进入熊市区间。英伟达周五跌14%,此前有报道称SEC正在审查其会计问题;美国半导体指数跌10.7%,Sandisk、美光、博通等存储与芯片股普跌。Anthropic在上市首日后下跌9.1%。
展开详情
报道将抛售归因于对数千亿美元AI基建投入的疑虑、英伟达相关争议与中国交易问题、中期选举后的政治逆风,以及伊朗战争推高油价、通胀与利率维持高位。
尚未明确:SEC对英伟达会计的具体审查范围与结论未说明;Anthropic上市首日涨幅与发行细节材料未给出;抛售中各因素的实际权重无数据支撑,属媒体归因;后续是否波及AI企业融资与采购尚无证据。
OpenAI 11月发布 GPT-6.2 Astra 与 GPT-6.2 Sol:Astra 面向高难项目,Sol 定位日常通用。官方称两模型在复杂任务上输出 token 更少,Astra 在 Agents' Last Exam 上比 GPT-6 Astra 高 5.2 分、成本不到三分之一;API 输入输出价格较 GPT-6 Astra 降 20%,缓存输入降 60%。
展开详情
官方还称 Astra 在幻灯片、表格、文档上更贴近行业模板,并首次达到其 Preparedness Framework 的 AI 自我改进 High 阈值。以上均为 OpenAI 自述与自测,未独立验证。
尚未明确:第三方独立评测尚未出现;官方基准多为内部配置,与公开使用条件可能不同;Astra 达到 AI 自我改进 High 阈值的实际影响未说明;对普通用户的实际体验提升幅度未知。
Anthropic经济团队发布研究,基于2025年10月至2026年4月约23.5万人、约40万次Claude Code交互会话的隐私保护分析。报告称典型会话中用户做出约70%的规划决策、Claude承担约80%的执行决策;专家用户每次提示触发约12个动作、3200词输出,新手约5个动作、600词。报告称各主要职业在编码任务上的成功率与软件工程师接近,调试类会话占比从33%降至19%,任务估算价值平均上升约25%。
展开详情
作者强调成功由对问题的理解而非编程训练决定。
尚未明确:成功率为分类器基于会话记录判断,非用户真实业务结果;任务价值为对照自由职业岗位的粗略估算,作者自述不宜按美元字面解读;数据仅覆盖Claude Code用户,不能外推到全部知识工作;视频中“顶尖用户成功率超两倍”等说法未在已读材料中逐字核实。
宝玉在 X 上转述:2026 年 11 月 20 日,Anthropic 数学家 Levent Alpöge 宣布与 Claude 合作给出黎曼猜想的 Lean 形式化证明,规模为 1700 万行代码;帖中引用的 Lean 项目方账号称 Lean FRO 与 Mathlib Initiative 已就此次验证发布联合声明。
展开详情
宝玉同时提到,同日斯坦福放出纯人工证明草稿,数小时后有人借助 AI 报告问题,形成“机器检查通过但人尚未读懂”与“人工草稿正在大改”的对照。以上均为转述与作者说法,非独立核实。
尚未明确:Lean FRO 与 Mathlib 联合声明的原文与具体结论未读到;1700 万行代码是否构成对黎曼猜想的完整证明、是否通过完整编译与审查、社区是否认可,均未确认;斯坦福人工草稿的具体问题与 AI 报告内容不明。
The Decoder 报道,字节跳动与多所美国高校提出 Axion 1.0,一个可在基准测试中与 OpenAI、Anthropic 顶级商用模型竞争的 AI 智能体,仅用三个训练阶段完成。作者称,性能提升主要来自精心筛选的训练数据,而非不断叠加训练步骤;论文还指出当前智能体训练流程层层嵌套,难以判断哪一步真正有效且复现成本高。报道称模型、数据和代码均已免费开放。
展开详情
以上为论文作者主张与媒体转述,非独立实测。
尚未明确:基准测试的具体项目、对比分数与评测条件未在可见材料中给出;三阶段方案在真实任务上的稳定性、可迁移性未知;模型、数据、代码的开放地址与许可协议未说明。
YouTube 频道 Better Stack 发布视频,称 Claude Code 有一个隐藏设置 Code Mode:Claude 不再逐次调用工具,而是写一小段 JavaScript 程序一次性驱动多个工具。
展开详情
作者对同一重构任务在关闭和开启状态下各跑三次,并称对照 Claude Code 自身日志核对数字,结果约快 18%、一致性更好、成本相同;还称关闭时 Claude 用 Python 脚本改了 53 个文件,而 Claude Code 报告 0 行变更。以上均为作者自述的单次小样本测试,非官方基准。
尚未明确:官方文档是否正式描述该设置及默认状态未在材料中确认;18% 仅为单一任务六次运行的作者自测,未说明项目规模、模型版本与统计口径;44 MB 日志测试和 auto 模式的“坑”细节未展开。
Box CEO Aaron Levie 在 X 上评论一场黎曼猜想相关进展,称其意义超出数学本身。他引用他人说法,称该工作不是通常意义上的理论构建,而是需要遍历约 2.5 万页既有材料的非常规路径,并认为当前任何 AI 单独也做不到。Levie 的核心判断是:过去解题受个人或团队能掌握的信息量限制,AI 可把人类上下文上限与推动发现的能力解耦,让既有研究、旧决策和无关突破被重新关联,从而带来更多但未必更优雅的解法。
补充信息
尚未明确:材料未说明所指黎曼猜想进展的具体论文、作者、验证状态与时间线;Levie 的“质变”判断属个人观点,无量化证据;AI 在其中的实际贡献程度未交代。
YouTube 创作者 Cole Medin 发布并开源了一个名为 edit-video 的 Claude Code 技能,称其用该技能剪辑了自己这条视频。按作者说法,技能可把原始素材文件夹处理成成片,支持自定义内容风格,并包含处理句中卡顿、过渡、断句截断、音频不连贯、用声音克隆修词、生成缩略图、从长视频切短片等环节;视频还演示了配合 OpenRouter 调用多模型的流程。
展开详情
该视频由 OpenRouter 赞助,作者提供 GitHub 免费开源链接,但未给出独立评测或量化效果数据。
尚未明确:材料仅来自作者自述与视频目录,未说明实际剪辑耗时、成功率、对硬件和素材格式的要求,也未提供第三方验证;视频内容本身未被完整读取。
整理于 2026-11-22 18:49(北京时间) · 部分来源暂未获取