2026-11-03

研究者称 GPT-6 Astra 直接改写模型权重

要闻

研究者 Rikiya Takehi 报告称，GPT-6 Astra 无需梯度即可直接改写模型权重；仅修改 Qwen3.5-0.8B 的 0.016% 权重后，MATH-500 得分从 7.9% 升至 48.1%。

研究者 Rikiya Takehi 在一篇未注明发布日期的文章中报告了 Weight-Space Programming 实验，称 GPT-6 Astra 能直接读取和修改神经网络权重，无需通过 optimizer 或 gradient descent。其说明称，在不允许 Astra 编写训练循环的条件下，Astra 修改了 Qwen3.5-0.8B 的 0.016% 权重，以修复该模型 model card 提及的推理循环问题；相同采样设置下，MATH-500 得分由 7.9% 升至 48.1%，IFEval 提升至原来的 3 倍。文章还称，Astra 在没有环境反馈时从零编写的小型游戏网络，胜过了经 PPO 训练 1 亿步的网络。在权重读取实验中，Astra 未获游戏选项，仅凭原始权重便正确识别了四个网络各自训练的游戏；对于分别生成圆形、三角形和正方形的 DDPM，它在不能使用工具或执行 forward pass 的条件下识别了形状，但将实际生成的实心形状画成了轮廓。

读原文 →

OpenAI 自研 Git 后端 Pando 投产，中位推送延迟降近 80%

要闻

OpenAI 已将自研 Git 后端 Pando 投入单体仓库开发，官方称中位推送延迟降低近 80%。该项目从启动到投产用时 10 周，工程师和 agent 无需调整现有 Git 工作流。

OpenAI 披露，自研 Git 后端 Pando 已投产，现已承载其单体仓库的全部开发工作，原文未提供具体投产日期。据官方说明，切换后中位推送延迟降低近 80%，合并可靠性有所改善，每天交付近一个 PB 的 Git 数据，单小时交付量曾超过 57 TB，工程师和 agent 可继续使用原有 Git 工作流。此前，Codex 带来的并行开发规模增长使原有系统无法满足需求，出现推送和抓取变慢、合并失败的情况，可靠性一度低于 90%。Pando 以 Rust 编写，从启动到投产用时 10 周，核心设计由一位工程师完成，实现工作交由多个 agent 团队承担，部分 Git 客户端改进已回馈上游。

读原文 →

Kimi 发布游戏开发与创意工作解决方案

产品应用

Kimi 发布覆盖游戏开发与创意工作的解决方案，通过插件连接专业软件并操作现有工程。官方表示，缺少编程经验的团队可在 1 至 2 天内制作可试玩原型，方案也覆盖正式开发和上线运营。

Kimi 已发布游戏开发与创意工作解决方案，原文未注明发布日期。方案以 Kimi K3.1 Pro 模型、Kimi Code 和 Kimi Work 系列 Agent 为基础，通过插件连接 Unity、Unreal Engine、Blender 等专业软件，可直接操作现有工程。官方表示，缺少编程经验的策划或创意团队可在正式立项前，用 1 至 2 天制作可试玩原型，再依据试玩体验决定是否投入。正式开发阶段，据其说明，Kimi 在获得工程文件和必要权限后，可梳理代码结构、在引擎编辑器中修改，并结合运行数据验证。游戏上线后的用途包括获客素材制作、游戏内助手、社区反馈整理、内容本地化和内容审核。

读原文 →

阿里云发布 AI 投研工作台 Qovest

产品应用

阿里云发布面向专业投资者的 AI 投研工作台 Qovest，支持从研究需求生成报告并持续跟踪研究对象。产品已向个人用户开放邀测，注册可获积分免费试用，后续订阅为每月 99 元或 199 元。

据 2026 年 11 月 3 日的《橘鸦 AI 早报》，阿里云已发布面向专业投资者的 AI 投研工作台 Qovest，并向个人用户开放邀测。新用户注册后可获得相应积分，用于免费试用，后续提供每月 99 元或 199 元的订阅套餐。据产品说明，用户用一句话提出研究需求后，Qovest 可自动查询数据、收集资料、深入分析并生成报告，还能按照设定频率持续跟踪研究对象。其研究结果会保存在投研空间，供同一项研究后续继续使用，而非仅完成一次性问答。

读原文 →

商汤推出 SenseNova 6.8 Flash 正式版，目前限时免费

模型发布

商汤推出 SenseNova 6.8 Flash 正式版，目前限时免费。官方以销售跟进和岗位交接两类办公场景，说明模型如何关联产品更新与客户旧需求，并基于已授权的历史资料整理客户信息。

商汤已推出 SenseNova 6.8 Flash 正式版，目前限时免费，所给材料未注明发布日期和免费期限。官方展示的办公用途涵盖客户信息交接与销售线索跟进。据其说明，员工调岗时，模型可基于已授权的历史工作资料，整理合作进度、未解决的需求、客户反馈和沟通注意事项，供接手人员使用。在另一案例中，客户曾因企业 AI 产品不支持私有化部署而拒绝合作；一个月后，产品升级补齐这一能力，模型在销售例会汇报准备期间，将功能变化与此前记录的需求关联，并主动提醒销售人员重新跟进该客户。

读原文 →

TRAE 宝开启限时免费：问答与任务不消耗积分

开发生态

TRAE 宣布，个人助理 TRAE 宝限时免费至 11 月 8 日 23:59，用户登录最新版桌面端后，问答和下达任务均不消耗积分。该助理可拆解任务并行执行，但官方注明目前暂不支持视频生成。

TRAE 宣布，开发者个人助理 TRAE 宝自公告发布起进入限时免费期，截至 11 月 8 日 23:59，登录 TRAE 桌面端最新版进行问答或下达任务均不消耗积分，原文未注明年份。据其说明，TRAE 宝能跨项目理解用户的方案与决策，将复杂需求拆成多个子任务并行执行，用户无需等待前一任务完成即可继续布置任务。任务在后台推进后，助理会集中返回需要用户判断的问题、待定事项及交付成果。官方同时注明，TRAE 宝目前暂不支持视频生成。

读原文 →

ZCode 上线三款官方插件，网页项目一键部署

开发生态

ZCode 在 3.17.1 版本中上线 Computer Use、Browser Use 和 ZCode Sites 三款官方插件，功能覆盖本地桌面与浏览器操作，以及将网页项目一键部署为公开链接。

ZCode 随 3.17.1 版本推出 Computer Use、Browser Use 和 ZCode Sites 三款官方插件，分别提供电脑控制、浏览器操作与网页部署功能。用户需先在插件市场安装并启用对应插件，再输入 /computer-use、/browser-use，或用自然语言要求操作电脑或浏览器。据官方说明，前两款插件支持理解屏幕内容并操作本地桌面软件和浏览器，可用于 OA 填单、图文调研，也可打开浏览器测试网页交互并修复问题。ZCode Sites 则用于将已写好的网页项目一键部署，生成可公开访问的在线链接。

读原文 →

Anthropic Message API 推出 message threads 公测

开发生态

Anthropic 已在 Messages API 公开测试 message threads，由服务端缓存对话，免去每轮重传完整历史。官方称，该功能已对多数 Claude Code 用户默认开启，token 用量及标准费率不变。

Anthropic 已在 Messages API 推出 message threads 公开测试版，开发者启用后，每轮只需提交新增消息和上一条消息 ID，对话历史由服务端缓存。据官方说明，该功能已接入 Claude Code，并对多数用户默认开启；在 50 万至 100 万 token 的请求中，收到首个 token 的中位等待时间缩短约 35%，长对话中单个请求大小的中位数从约 800 KB 降至 1.8 KB。

线程减少的是重复传输的历史消息，并不改变 Claude 每轮读取完整对话的方式，因此 token 用量不变，标准 token 费率和现有速率限制仍然适用。线程会在最后一次请求 5 分钟后过期，开发者仍需在应用侧保存对话副本。该功能适用于所有模型，但不支持 Message Batches 批处理、token 计数和对话压缩。

读原文 →

OpenAI 发布 LifeVal 基准，衡量 AI 完成日常任务的能力

技术与洞察

OpenAI 发布面向日常任务的 LifeVal 基准，覆盖照护、健康、教育等领域；官方表示，过去一年按该基准的未加权平均奖励计算，模型成绩从 GPT-5.2 的 49.3% 升至 GPT-6 Astra 的 80.6%。

OpenAI 发布了衡量 AI 协助完成日常任务能力的 LifeVal 基准，原文未披露具体发布日期。任务范围包括照护、健康、教育、家庭行政、个人财务、购物及获取政府服务。官方表示，过去一年已将 LifeVal 用于模型评估与改进，按未加权平均奖励计算，GPT-5.2 的成绩为 49.3%，GPT-6 Astra 为 80.6%。据其说明，基准构建采用了数千名 ChatGPT 用户的反馈，任务设计参考美国时间使用调查和跨国时间使用研究，并新增一项覆盖 3995 名受访者、具有人口代表性的调查。官方将其目标描述为超越学术测评，检验模型能否帮助普通人完成生活中的实际事务。

读原文 →

OpenAI 部署激活分类器，实时拦截模型违规输出

技术与洞察

OpenAI 从 GPT-5.6 起为所有 assistant 输出加入激活分类器，利用模型内部信号监测违规内容。官方表示，这类监测可在生成过程中中断输出，但依赖已标注数据，且每个新预训练基础模型都需重新训练分类器。

OpenAI 从 GPT-5.6 起在所有 assistant 输出上运行激活分类器，并已将其用于最强模型的内部和外部流量，作为文本分类器之外的监测层。据其说明，这类轻量 ML 模型又称 probes，读取模型内部的 residual stream activations，为输出是否违规等任务打分；生成过程中，一旦分数越过阈值就标记消息，可中途阻断违规输出。训练数据混合了合成对话和去标识化对话，通常最多使用 100 万条消息，由其最强 reasoning models 充当 LLM judges 提供标签。每组超参数通常至少训练 32 个随机初始化版本，再通过验证集挑选，并在留出评估集上检查表现。官方表示，probes 只能识别已知且可衡量的不当活动，每个新预训练基础模型都需重新训练；同一家族模型的权重偏离训练时的 checkpoint 后，性能也可能下降。文中实验结果不一定代表已部署分类器的表现。

读原文 →

腾讯混元发布 Hyra 2.0：从解题到造工具

技术与洞察

腾讯混元已发布自动化科研系统 Hyra 2.0，把 Agent 的任务重心转向研发与升级可复用的科研工具。系统采用三层分工，部分操作须经人工审批，官方表示成果将持续在 GitHub 公开。

腾讯混元已发布自动化科研系统 Hyra 2.0，并已完成一批工具的研发与升级。此次系统的重点不再是让 Agent 直接解答科学问题，而是让其开发和改进可复用的科学模型、研究工作流与软件工具。在执行层面，系统以 Overall、Mission、Worker 三层组织任务，并接入企业微信、计算平台和代码仓库；涉及较大算力开销或共享知识同步的操作，需要人工审批。腾讯混元表示，相关成果将持续公开在 GitHub 仓库 Tencent-Hunyuan/hyra-results。

读原文 →

SemiAnalysis 发布 GDPx 基准，最佳模型仅得 12%

技术与洞察

SemiAnalysis 发布通用 Agent 能力基准 GDPx，最高模型得分仅为 12%。该基准聚焦软件工程、递归自我改进等领域；官方表示，安全分类器会影响部分模型的总分，各模型在不同领域的表现也不一致。

SemiAnalysis 发布了用于评估通用 Agent 能力的 GDPx，所提供原文未注明发布日期；据其说明，表现最好的模型得分也只有 12%。基准选择领域的依据是前沿智能的潜在应用价值，而非 GDP 占比或 SOC/O*NET 职业分类，因此纳入软件工程、递归自我改进（RSI）等领域，不纳入政府、房地产和保险。官方认为，AI 最初的一万亿美元收入将集中在能够以高 ROI 部署前沿智能的行业，而不是均匀分布于整个经济体。

据官方说明，Opus 5.5 的综合表现最佳，并在量化交易、硬件设计和芯片设计中领先；GPT-6 Astra 在 RSI 和材料科学中领先，Gemini 4 Carbon 则在生物学和软件工程中领先。金融和法律任务中，几乎所有模型都恰好得到 0 分。官方表示，安全分类器压低了 Opus 5.5、GPT-6 Astra 等模型的总分，因此另行展示了排除网络安全、生物学和 alignment 三个领域后的结果。为构建各领域任务，SemiAnalysis 与专业 RL environment 初创公司合作，并表示所有合作方都经过了 QA 流程。

读原文 →

Anthropic 三季度营收 169.6 亿美元，同比增长 1127%

行业动态

读原文 →

Anthropic 更新使用政策，禁止未经授权转售或代理 Claude

行业动态

读原文 →

OpenAI 推出 Grid Protectors 计划，算力园区将为电网削峰

行业动态

读原文 →

阿布扎比与 OpenAI 签署四项协议，涉政府能源投资

行业动态

读原文 →

沙特阿美收购 HUMAIN 49% 股份

行业动态

读原文 →

《纽约时报》起诉 Brave，指其抓取内容卖给 AI

行业动态

读原文 →