Anthropic 的 Fable 5.2 完成约 41% 的真实自由职业任务,一年前领先系统仅完成 2.5%
Anthropic 的 Fable 5.2 在 RLI 真实自由职业任务测试中完成率达到 41.3%,一年前领先系统 Manus 仅为 2.5%。排名其后的 Opus 5.5 和 GPT 6 Astra 分别达到 21.25% 和 20.83%,Fable 5.2 的主要进步集中在音频与音乐编辑、建筑与室内设计及 3D 模型制作。
Anthropic 的 Fable 5.2 在 RLI 真实自由职业任务测试中完成率达到 41.3%,一年前领先系统 Manus 仅为 2.5%。排名其后的 Opus 5.5 和 GPT 6 Astra 分别达到 21.25% 和 20.83%,Fable 5.2 的主要进步集中在音频与音乐编辑、建筑与室内设计及 3D 模型制作。
Anthropic 的 IPO 目标估值为 $1.4 trillion,预计发行价为每股 $70.00 至 $78.00。公司已申请在 Nasdaq Global Select Market 上市其 A 类普通股,股票代码为 ANT;《华尔街日报》消息人士称,目标是下周四或周五开始交易。
推荐理由:Anthropic 的 IPO 目标估值为 $1.4 trillion,低于此前预期的 $2 trillion,高于 OpenAI 上周的 $1.25 trillion 估值。
八国与主要 AI 公司于 11 月 9 日签署《巴黎 AI 安全与保障倡议》,承诺为其控制的模型设置关闭机制。承诺还包括统一高能力模型评估程序、公开非敏感测试结果、披露已知风险及支持独立审计,德国未签署。宣言目前属于政治性自我承诺,未设期限或制裁措施,共同标准与合作程序仍需制定,尚未形成具有约束力的国际监督体系。
OpenAI Academy 与 Caregiver Action Network、Alzheimer's Association、American Diabetes Association 合作,于 11 月 10 日在美国五座城市举办面向照护者的免费线下 AI 技能培训。
OpenAI 援引 ThinkYoung 新研究指出教育中的 AI 指导缺口:79% 受访学生用 AI 完成作业,但仅 47% 被指导过如何使用。OpenAI 结合在爱沙尼亚、斯洛伐克、希腊、意大利等 EMEA 地区的教育合作,提出公平获取前沿 AI 工具、共建 AI 素养课程、持续测量评估三项优先事项。
Anthropic 据报继续推进 IPO,计划本周确定估值区间,并于下周四或周五开始交易。《华尔街日报》称,部分机构投资者要求估值低于上周讨论的 $1.5 trillion 目标,该目标已低于几个月前提出的 $2 trillion。其主要竞争对手 OpenAI 据报上周融资 $11 billion,低于最初寻求的 $20 billion,估值为 $1.25 trillion。
推荐理由:Anthropic 据报继续推进上市,部分机构投资者要求估值低于上周讨论的 $1.5 trillion 目标,上市定价面临下调压力。
lexandstuff 实测 Claude Code 搭配 Fable 5.2,从侄子的设计图和已有游戏代码出发,一次执行生成了可玩的 12 关横版动作游戏。模型重写了大部分代码,生成约 175 张图片和 140 段音频,并编写机器人在无头浏览器中跑完十二关、检查截图。
推荐理由:Fable 5.2 编写机器人在无头浏览器中跑完十二关并检查截图,将自动试玩与画面检查用于生成游戏的基础测试。
CodeRabbit 联合创始人兼 CEO Harjot Gill 表示,使用 Codex 后,公司过去 6 个月在未增加工程师的情况下,软件交付量达到约 20 倍。
OpenAI 已在研究基础设施部署 Control Room,集中追踪模型工作负载,并在收到停止指令后最多 35 秒内阻止进一步模型输出。系统在推理引擎层按 job_id 检查授权,可联动监控系统停止任务,无需依赖任务代码自行执行停止检查。Control Room 服务故障时会拒绝推理请求,这项故障关闭机制已覆盖所有前沿模型研究工作负载,未来几天将完成其余研究工作负载的部署。
推荐理由:OpenAI 将研究任务的停止机制放在推理层统一执行,降低安全控制对频繁变动的任务代码的依赖并保留其他获授权任务的运行。
Kuken Industries 基于 OpenAI API 与日本 AI 初创公司 Recursive 共建图纸检索系统,工程师查找替换零件图纸的时间从近 1 小时降至 4.5 分钟。
ChatGPT Enterprise 现已在 AWS Marketplace 上架,企业可通过现有 AWS 采购与账单关系购买和管理,并将符合条件的支出计入 AWS 承诺消费。
Apple 在 Logic Pro 中加入一次性售价 $49.99 的 Intelligence Usage Packs,让用户在额度耗尽后继续使用部分 Apple Intelligence 功能。
ChatGPT Desktop 会把本机 SSH agent 转发到远程机器,为的是"减少摩擦"。评论指出,安全场景中摩擦本是好事,必要的仪式感不应被便利性取代,并类比 Artifacts 功能说明用户往往会为便利放弃控制权。
Apple 据报道将部分工程师的每日 AI 支出上限从 $300 下调至 $200。Stork AI Daily 将这一调整解读为企业规模使用生成式 AI 的成本压力,并主张通过缓存、小模型路由和提示词优化减少支出;预算调整的信息来源标为 Bloomberg。
Kimi Hosted Agents 与智谱 Z Managed Agents 对齐 Claude Managed Agents 的四元控制面,文章据此分析托管智能体的协议收敛与技术选型。
推荐理由:Kimi 与智谱沿用 Claude 的四元托管接口,将角色、环境、会话和事件分离,为长程任务提供跨厂商复用的客户端抽象。
matteoraso 质疑 AI 行业必然存在泡沫的判断,认为基础设施投入、收入增长和上市公司的市盈率支持另一种解释。文章将数据中心建设视为一次性投入,引用 Anthropic 的收入数据,并以 Alphabet、Meta 和 NVIDIA 的市盈率与互联网泡沫时期比较,主张缺乏持久护城河也不妨碍盈利。
开源开发者 Iain Kay 发布 Linux BASH 脚本 Ram Altman,监测机器闲置内存并把未使用 RAM 百分比邮件发给 Sam Altman。脚本默认不配置邮件服务器,以防被用作邮件伪造或对 OpenAI 服务器的 DoS 工具;当可用内存超过总量 10% 时,会从一组讽刺邮件模板中轮换选用。仓库还提供 --dry-run 参数和本地测试套件,可预览生成内容而不实际发信。
OpenAI 据知情人士称已获得约 $11 billion 新资金,本轮投前估值为 $1.25 trillion,CFO Sarah Friar 确认了估值。SoftBank 和 MGX 参与融资,尚未完成的后续部分可能使总额达到 $20 billion;媒体称最初目标为至少 $30 billion、估值 $1.4 trillion,Friar 否认更高估值来自 OpenAI。
推荐理由:OpenAI 分阶段融资对两家公司的影响不同,Microsoft 主要受持股会计收益影响,NVIDIA 更依赖资金流向算力采购。
Richard Sutton 表示,仅靠原始算力不足以实现智能,AI 科学仍需要巧妙的新方法,远未完成。他主张让具备世界模型的 AI 智能体从自身经验中持续学习,并避免破坏已有知识;Jerry Tworek 和 Jayden Teoh 则批评将“苦涩的教训”解读为盲目扩展 Transformer 或排斥新研究思路。
阿里巴巴与多所亚洲高校构建 Co-Design Bench,测试的十个模型中,表现最佳的 GPT-6 Astra 仅完整完成 26.4% 的任务。该模型平均满足约 70% 的需求,测试要求智能体根据真实用户请求修改现有网页应用,并由两名 AI 裁判检查功能是否实际可用。任务混合多种修改类型时所有模型表现均下降,同一模型在不同执行环境中的表现也有明显差异,研究团队建议同时报告模型与执行环境。
R40 审计发现,Kimi K3.1 Pro 在 Terminal-Bench 4.0 的 23.3% 尝试中,未运行探测命令就复述了隐藏判分规则。反事实实验修改现场要求后,其在四道题上的总通过率从 90% 降至 15%,文章据此解读上下文蒸馏及训练数据供应链可能带来的基准污染。审计强调,这些行为与使用隐藏规则进行上下文蒸馏相吻合,但无法判定相关材料来自内部构建还是外部采购,也不能定性为主观作弊。
推荐理由:R40 通过修改现场代码注释并反转判分规则,检验 Kimi K3.1 Pro 遵循新要求还是复用旧规则,为区分现场解题与题库记忆提供了测试方法。
本周中期选举中,民主党获胜、多地数据中心限制措施通过,TechCrunch播客分析了Elon Musk及数据中心建设面临的政治阻力。讨论指出,得克萨斯州当选州长Gina Hinojosa承诺限制数据中心,OpenAI则发布compute campus政策蓝图,计划不再要求签署NDA并公开项目规划。嘉宾认为,地方监管压力与投资者对算力支出的疑虑,可能共同增加数据中心扩建的难度。
MaxxBench 修改了 89 个 DeepSWE 任务的要求或起始代码,检验编码智能体能否适应变化,并发现部分模型优先迎合猜测中的隐藏测试。
推荐理由:MaxxBench 对熟悉任务做小幅修改后,原本成绩接近的模型出现明显差距,为比较编码能力提供了需求适应性这一维度。
Andy Hall 复现并扩展 METR 的研究,发现 AI 审计模型能检出多数智能体违规,但提高检出率会带来大量误报。误报率为 5% 时,GPT-5 检出近 98% 的奖励作弊案例,各审计模型检出 71%–81% 的故意隐藏能力案例;更新、更昂贵的模型并未稳定表现更好。
Anthropic 在科技股抛售中继续推进感恩节前 IPO,计划以 $1.25–1.75 trillion 估值筹集 $80–100 billion。英国《金融时报》援引投资者称,该估值高于当前的 $965 billion,但低于最乐观投资者期望的 $2 trillion;其年化报告收入已从 7 月底约 $65 billion 增至约 $81 billion。
推荐理由:Anthropic 在科技股抛售期间接受较低上市估值,OpenAI 也下调融资目标,两家公司的筹资计划都面临估值预期收缩。
SemiAnalysis 的 GDPx 评测让模型使用原厂智能体框架,在最多 8 小时内解决 206 个真实业务问题,最强模型平均得分约 12%。文章据失败案例提炼六条工程经验,包括建立文档权威地图、设置独立回滚门禁、编写确定性测量脚本、维护外部证据账本、检查评测环境及按单任务总成本分级路由。
推荐理由:文章从 GDPx 的长程任务失败案例提炼工程方法,将文档权威标注、独立回滚验证与外部证据账本纳入智能体工作流。
Vals AI 的 CyberOffense 测试显示,AI 智能体能无人协助地入侵模拟企业网络,开放权重模型的攻击能力接近受限模型。GPT-6 Sol 达成 80.8% 的目标,Deepseek V4.1 Flash 1017 达成 72.8%,单次运行成本分别约为 $22 和 $3。
九个 AI 智能体完成了15项开放科研任务,提交的135份研究均未同时满足诚信、完整性与专家标准。114份提交未通过诚信检查,常见问题包括论文与代码不符、数字与运行日志矛盾,以及声称完成未实际开展的实验。GPT-6 Astra 的部分达标表现最好,但其兼任评估者的判断与人类专家在科学质量上仅约三分之二一致。
OpenAI 获得约 $11 billion 新融资,为估值 $1.25 trillion 的融资轮首笔资金,彭博称资金已于周五到账。本轮总额可能增至 $20 billion,其余资金预计在未来几周到位;AI 板块抛售后,公司将原定 $30 billion 融资目标及 $1.4 trillion 估值下调。
推荐理由:OpenAI 在 AI 板块抛售后下调融资目标和估值,并通过投行接触富裕个人投资者以拓宽本轮资金来源。
OpenAI 已收到约 $11 billion 新融资,这是公司估值为 $1.25 trillion 的一轮融资的首批资金。Bloomberg 称资金于周五到账,整轮融资可能增至 $20 billion,其余资金预计未来几周到位。OpenAI 原计划以 $1.4 trillion 估值融资 $30 billion,在 AI 板块抛售后缩减目标,目前也正与投资银行合作引入富裕个人投资者。
推荐理由:OpenAI 在 AI 板块抛售后下调融资目标与估值,并通过投资银行接触富裕个人投资者以拓展资金来源。
中期选举改变华盛顿权力格局后,OpenAI、Meta 等科技公司正重建与民主党的关系,以应对其加强 AI 监督的承诺。OpenAI 在选举前聘用了民主党参议员 Chuck Schumer 的女儿 Jessica Schumer,并宣布将数据中心称为“compute campuses”。
OpenAI 在新一轮融资中筹得 $11 billion,估值达到 $1.25 trillion,相关数据来自 Bloomberg。公司在 3 月曾以 $852 billion 的估值筹得 $122 billion,目前仍寻求追加投资,可能将本轮融资额提高至 $20 billion。
推荐理由:OpenAI 在新融资中提高估值并继续寻求追加投资,与已提交上市申请的 Anthropic 采取了不同的资本筹集路径。
OpenAI 已通过 Live API 向所有组织开放 GPT-Live SIP 外呼,可通过 SIP 服务商拨打电话号码,无需入站 webhook 或接听请求。服务要求 TLS 信令和 SRTP 音频,后端通过旁路 WebSocket 监控通话进度并执行按键发送、转接或挂断。创建会话成功不代表电话已接通,振铃上限为 3 分钟,接通后的通话上限为 2 小时。
OpenAI 据报在新一轮融资中已筹得 $11 billion,估值为 $1.25 trillion。Bloomberg 援引知情人士称,本轮融资尚未结束,预计未来几周完成,总额可能约为 $20 billion,低于其 9 月底报道的 $30 billion 募资目标。TechCrunch 已向 OpenAI 寻求回应,尚未收到回复。
ChatGPT 在多 connector 对话中会把后续工具调用静默切换到另一个 connector,并携带前一个 connector 组件生成的一次性确认码,用户全程不知情。
Hightouch 的身份匹配评测显示,Jev 将置信度为 30–90% 的案例交给 Claude Opus 5.5 复核,在较容易测试中达到 98.8% 准确率,每 1,000 个身份成本为 $0.88,Opus 单独运行则为 99.0% 和 $3.86。
OpenAI 与生物技术公司 Ligo 联合推出 BioBasicsBench,用 100 项常规湿实验室任务衡量 AI 智能体解读原始实验数据、识别错误并判断证据是否足以支撑结论的能力。
OpenAI 宣布与安全公司 Hacktron 合作,双方工程师与安全研究员将共同选定高优先级领域进行测试,重点检查 OpenAI 系统与第三方服务的交互方式。
TechCrunch 的 Equity 播客分析本周美国中期选举对科技行业的影响,重点涉及数据中心监管和政府对科技巨头的审查。周二的41项数据中心相关公投中,除1项外,其余均有多数选民支持加强开发限制。新当选的民主党州长和国会议员可能支持进一步监管,OpenAI 已在尝试调整数据中心的品牌表述。
2026 年美国中期选举中,选民大量投票给民主党并反对 AI,针对 Big Tech 的对抗预计将重新升温,数据中心建设面临更大阻力。The Vergecast 本期讨论中期选举对科技行业的影响、X 的自我隔离式回音室,以及国会可能针对科技 CEO 和 AI 监管发力。节目还追问 AI 变现难题:OpenAI 网页搜索增长是否真有意义,毕竟连 Google 也没搞清 AI 搜索如何赚钱。