🤖 AI 资讯早报 · 11-01

🔥 必读

1️⃣ DeepSeek 开源 Super-agent 架构：把操作系统的调度、缓存、看门狗搬进 Agent

DeepSeek Harness 团队 10 月 31 日晚公开 Super-agent 底层架构，仓库 deepseek-ai/dsh-superagent-prototype 已上线（MIT 许可，建库不足一天 2100+ star）。命题很直接：单 Session 设计下「单任务上限取决于模型能力，多任务上限取决于人的注意力」——一个人通常只能同时跟进 3–5 个活跃 Session。解法是双层架构：常驻 Router 层只做人类交互与任务分派（不配 Bash、不执行具体任务），上下文隔离的 Worker 层并发干活；再配事件驱动、异步多信道交互、计算/状态/环境分离、外部 Watchdog 四个模块，支撑「连续、高效、主动、持久」四个特征。实验（合成负载）：一半任务 12.4 分钟内完成、95% 在 15.7 分钟内；Router 批处理把单个决定分摊的推理时间从 6.4 秒压到 1.6 秒；但去掉订阅直通后 Router 决定数增加约 30%、读缓存 token 从 2323 万升到 3177 万——本质是拿更多 token 换时间与稳定性。⚠️ 作者自述实验基于合成负载与简化环境，属初步参考，不是产品结论。

原文：机器之心 · 刚刚，DeepSeek公布下一代agent harness理念 ｜ 智东西 · DeepSeek又开源了！公布Super agent架构

2️⃣ 谷歌 TPU 首次在轨跑 Gemma 4：太空数据中心的「Hello World」

Project Suncatcher 原型卫星 10 月 1 日随 SpaceX Transporter-18 入轨，本周首次完成完整生成式推理：地面站发提示词 → 星上 TPU 启动预置的 Gemma 4 → 卫星飞经挪威斯瓦尔巴群岛上空时回传一首俳句。Sundar Pichai 称之为该项目的「Hello World」时刻，这也是数据中心级 TPU 首次在轨道上生成并回传完整 AI 响应。卫星搭载 4 颗 TPU、最高约 1kW 供电，但受供电限制每次只能启动一颗、运行约 20 分钟。谷歌的目标不是单星推理，而是 81 颗卫星、约 650km 轨道、集群半径约 1km、相邻间距 100–200m 的编队，星间链路需 10 Tbps（地面实测双向合计 1.6 Tbps，仍差一个数量级）；太空太阳能发电量理论上可达地面约 8 倍。竞争已经开场：Starcloud 去年已把 H100 送入轨道，SpaceX × 英伟达在做 Starmind AI1。质疑集中在散热、辐射与成本，单次生成任务离规模化负载仍很远。

原文：机器之心 · 史上首次！谷歌TPU在轨运行Gemma 4

3️⃣ T2J-Bench：把整仓 PyTorch→JAX 迁移交给 Coding Agent，行为保真才是难点

Google Cloud AI Research、UIUC、USC、Notre Dame 与 DeepMind 联合发布 T2J-Bench：63 个自包含的仓库级迁移任务、覆盖 18 个模型家族（训练侧 45 个 LoRA 微调任务 = 15 个模型家族 × SFT/DPO/PPO；服务侧 18 个任务 = 6 个模型家族 × 三种 paged-attention 模式）。评测查三件事：Spec（结构、接口、是否真正摆脱 PyTorch 依赖）、Numeric（输出/损失/梯度）、Behavioral（训练动态与推理状态），候选代码在无 PyTorch 的隔离离机环境中执行。20 组现成 agent–model 配置里最强基线 OpenCode + opus-5 得 0.676，其 Spec 已到 0.927，但 Numeric 0.670、Behavioral 0.741——结构规范好写、行为保真难（「先平方再平均」与「先平均再平方」差一处顺序，训练轨迹就偏）。作者的 TwinHarness 让 agent 把「可运行的原始仓库」当可执行规格说明，在诊断—迁移—验证之间循环，固定 Claude-Code + opus-5 后得分由 0.649 升至 0.723（+11.4%）。⚠️ 0.723 是 0–1 连续评分，不能读成 72.3% 的任务成功率；参考 JAX 实现自测 0.980 仅用于证明任务可解，真值仍取自 PyTorch 原始实现。

原文：机器之心 · 整仓迁移交给Coding Agent，训练与推理行为还能对齐吗？谷歌团队发布T2J-Bench

📌 值得看

4️⃣ EvoSim：清华团队让 AI 从「给定方程下调参」转向「改方程」

清华大学化工系张强团队联合清屿科技、香港大学、北京怀柔实验室提出 EvoSim（arXiv 2610.11344）。当模型与实验对不上，系统并行提出参数、物理机制、几何、边界条件等多种解释，逐条检验物理合理性、数值可靠性、预测贴合度与机制可辨识性，并把「失败发生在哪一步」也记录成对建模方法本身的证据——同一轮试错既改模型也改「研究者」。两个工业级场景：快充析锂起点（61 个测试电池、20 组条件，析锂起点 SOC 平均绝对误差 1.79%，优于人类专家历史模型）；动态电压预测（8 个温度 × 2 类负载曲线、109,746 个秒级采样点，30°C DST 轨迹 RMSE 7.62mV、20°C US06 8.97mV）。最能说明主张的是对照实验：与「保留完整历史」相比，EvoSim 最佳有效误差低 75.4%——决定下一轮质量的是学会「下一步该怎样做」，不是记住「做过什么」。跨任务迁移上，连续模型修改次数从 10 次降到 1 次，45 组任务运行中建模/机制失败减少 36.4%、累计执行时间减少 42.6%。

原文：机器之心 · AI如何解析物理世界？清华联合清屿科技等团队推出自进化多物理场建模系统EvoSim

5️⃣ 小米开源 Xiaomi-OCR-0：0.8B 把文档解析、字段抽取、文档 VQA 三合一

基于 Qwen3.5-0.8B-Base、用约 1.7 亿条 OCR 与文档理解样本训练。OmniDocBench v1.6 得 96.83，以约三分之二参数量（0.8B vs 1.2B）列总榜第二、距榜首 0.04 分，1B 以下第一；Real5-OmniDocBench（扫描、纸张弯曲、屏幕翻拍、光照变化、倾斜拍摄五种物理退化，6775 张）95.24 第一；五项文档 VQA 均值 83.2，超过 HunyuanOCR-1.5（1B，76.5）、TextHawk2（7B，78.5）、MiniCPM-V-4.5（8B，82.6），以约 20% 参数量逼近 Qwen3.5-4B（84.9）。权重与推理代码全开源，另附浏览器交互 Demo、MCP 服务与 Agent Skill 工具包。落地场景就是手机「超级小爱」一键识屏：取餐码、海报时间地点、账单字段直接结构化，而不是只把字认出来。

原文：智东西 · 0.8B！小米开源新模型，让超级小爱识屏主动办事

6️⃣ Anthropic 招股文件：近 9000 亿美元远期履约义务，账面负债只有 1175 亿

10 月 26 日递交的注册文件显示，Anthropic 计划通过远期履约义务在未来投入近 9000 亿美元用于服务器、厂房与电力，该金额远高于资产负债表上的 1175 亿美元负债；账上现金 1120 亿美元，市场预期估值 1.5 万亿美元。同期黑石向投资者表示，Anthropic 上市后可能无法立即取得投资级评级、预计落在「BB」区间（此前预期年底前可获投资级）；公司正推进 630 亿美元芯片融资，其中 180 亿是由租赁付款支持的次级债务。若评级不及预期，融资渠道与借贷成本都会受压。⚠️ 招股书未披露发行数量与价格区间属常态，估值与上市时间为市场预期口径、非披露事实。本线索近一周已多次出现，本期只补这组首次公开的负债结构数字。

原文：36氪 · Anthropic招股文件披露：未来”隐性债务”规模近9000亿美元 ｜ 36氪 · 黑石集团预计Anthropic上市后或无法获得投资级评级

7️⃣ 快手「臭鼬工厂」：编码快 10 倍，端到端只快 22%

快手磁力引擎风控团队复盘组织级 AI 提效的核心算式：开发环节只占端到端交付流程约 20%，即便 AI 让编码效率提升 10 倍，整体交付效率也只能提升约 22%——「超级个体」不等于团队提效。于是路线从「提效」转向「消除」：绑定共同业务目标、减少流转节点、集中产运研决策，让小团队形成业务闭环。调整后需求吞吐率 +133%、交付周期 -79%、全栈交付需求数 +800%。快手企业智能体负责人沈浪同期给出四阶段路径（AI 赋能工程师 → 全体员工 → 团队 → 组织），园区已有 1000 多个团队 Agent 在运行，正在研发 MyFlicker 3.0 做组织级 Agent 底座；OPPO 则用 CoMind 平台推进 AI Native 研发，并指出验证能力已成为新瓶颈。⚠️ 均为厂商自述数据，无第三方核验。

原文：智东西 · AI如何赋能企业研发？快手团队提出”臭鼬工厂”模式

📄 其他