🤖 AI 资讯晚报 · 11-05

🔥 必读

1️⃣ 百度开源文心 5.5 Flash Base：2800 亿 MoE，同尺寸基准压过 DeepSeek-V4-Flash-Base

11 月 5 日百度开源文心 5.5 Flash Base（ERNIE 5.5 Flash Base）：MoE 总参 2800 亿、每 Token 激活 140 亿，33.5 万亿 Token 预训练，预训练上下文 128K，微调与推理阶段最长支持 100 万 Token。官方称在知识、推理、数学、代码、多语言与长上下文等基准上取得同尺寸 SOTA，超过 DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base——⚠️ 系厂商自述，稿中未列具体分数。效率是设计主线：Latent-Gated Sparse Attention 把 HCA+MLA、低秩门控注意力（门控投影参数减 75%）与虚拟头注意力组合，压低长上下文开销；Multi-Router Latent MoE 用多个路由器改善「路由评分—专家实际效用」的相关性，激活专家数与通信量不变；训练侧用 ECHO 复用主干最后一层做多 Token 预测，不必另加 MTP 模块，该层还能当投机解码的草稿模型。基建侧配分布式 Muon 优化器与面向大 head dim 的 FlashMask-4 算子。权重已放 HuggingFace，定位是供二次微调的 Base。

原文：机器之心 · 百度开源文心5.5 Flash Base，多基准测试刷新同尺寸模型 SOTA ｜ 量子位 ｜ HuggingFace

2️⃣ OpenAI 10 天挖出 Linux 内核 948 个提权漏洞：120 万美元、单价 1279 美元，自创 10 种攻击手法

OpenAI 用一个尚未发布的「网络安全模型」搭 Agent 流水线，10 天扫完 4000 万行 Linux 内核，花 120 万美元找出 948 个独立的本地提权（root）漏洞。四段接力：Scout 先圈出 280 万行高价值代码（3426 美元）；Analyst 12 小时交出 2308 个疑似漏洞（31.6 万美元）；Triage 在隔离虚机里写 PoC，30 小时复现 1724 个内核崩溃（命中率 74.7%，模型「脑补」型误报仅 3.1%）；ExploitDev 再绕过 SMEP/SMAP/KASLR，写出 291 个信息泄露 PoC 与 1169 个 root 提权利用，合并变体后锁定 948 个。平均 1279 美元一个漏洞、359 美元一个可用提权——人类顶尖研究员一年大约只能找到 20 个同类漏洞。抽样 166 个利用程序，发现至少 10 种全新内核攻击技术，外部资深专家称「闻所未闻」；还出现智能体嫌分配到的漏洞难啃、自己另挖了一个 0-day 的情况。⚠️ 数字均为 OpenAI 口径，未见第三方复核；同期 Linux 社区已上游修了 61 个 LPE、43 个在暂存、近 300 个在邮件组讨论。同批还披露「Patch the Planet」公益算力计划，已接入 Firefox 与 Chrome。

原文：量子位 · Linux内核被挖出948个漏洞！OpenAI花120万美元找到的 ｜ 36氪快讯 · OpenAI自动化漏洞链路发现1724个Linux内核漏洞

3️⃣ LoLBench：5000 词需求文档 + 240 万行代码，28 种 Agent 组合最高只解 14%

复旦、港城大、港中文等提出 LoLBench，把 Agent 放进平均约 240 万行源码的真实系统（SWE-bench Verified 的 9.4 倍），只给一份平均 5000 词的社区功能提案，要求它自己推出实现规范、跨模块改完并过测试。100 项任务覆盖 29 个系统、8 种语言、5 个领域；平均改动 5499 行、64.9 个文件；提案中提到目标类名的比例仅 7.3%（SWE-bench Verified 为 15.9%、FeatureBench 38.7%）。6 个前沿模型 × 5 种脚手架共 28 组合、单任务限时 6 小时，最高解决率仅 14%（Opus 5 + Claude Code / mini-SWE-agent），中位数 2%；mini-SWE-agent 同分但耗时 3.2 倍、Token 5 倍。定位阶段吃掉非缓存输入 Token 的 52.4%、生成 Token 的 45.4%。补上参考实现的文件树与 API 规范后，Opus 5 升到 34%、GPT-5.6 Sol+Codex 到 25%、DeepSeek V4 Flash+OpenCode 到 17%，最佳组合仍有 66% 任务未解——瓶颈已从「写代码」转到「读懂系统、找对改动面」。

原文：新智元 · 5000词需求文档，Claude也只能交付14%！实测28种Agent组合 ｜ arXiv 2609.37143

📌 值得看

4️⃣ Anthropic 未发布模型 53 分钟把 CVE-2026-98432 打成远程 root，Ubuntu/RHEL 仍未修

CVE-2026-98432（CVSS 9.8）是 Linux IPv4 TCP 握手里的释放后重用，Linux 4.4 起就存在，无需认证、无需用户交互，失败只让握手失败、可无限重试。Anthropic 称一款未发布模型把原本停留在理论层面的漏洞做成可用利用链：约 48 分钟泄露内核指针绕过 KASLR，再 5 分钟拿 root，全程约 53 分钟（未公开利用代码）。危险面在于 Go 1.24+ 默认给监听套接字开 MPTCP，受影响者众；Ubuntu 与 RHEL 目前仍无正式内核补丁，Debian、Amazon Linux、Oracle UEK 已修。真正的变化不是多了一个漏洞，而是「公开→可用利用」的窗口从数周到数月压到数小时。

原文：新智元 · Anthropic未发布模型，挖出Linux系统级致命漏洞！

5️⃣ OpenAI 发布 LifeVal：148 项生活任务，首次公开 GPT-6 Astra 的代理成绩

OpenAI 推出面向「个人助理型消费任务」的基准 LifeVal，16 页论文在 cdn.openai.com/pdf/lifeval.pdf。做法：从美国劳工统计局时间使用调查与 25 国研究里筛场景，再对 3800 余名按人口普查分布抽样的消费者做支付意愿问卷，最终定 148 项任务（找保姆、退税、跨国搬家、用信用卡积分订票等）。评测直接接用户真实 ChatGPT 历史与记忆，让模型自己开浏览器登录、填表、出 PDF；两个 GPT-5.6 评分 AI 分别查「是否真的办成」与「是否走后门作弊」，另加至少三轮人工复核。⚠️「价值 1.7 万亿美元/年」是支付意愿推算，不是实测市场规模；报道称论文首次公开 GPT-5.2→5.6→6 Astra 的成绩，但未给出具体分数。

原文：新智元 · 今天，OpenAI发布AGI新标准！价值1.7万亿美元，接管全球80亿人类 ｜ 论文 PDF

6️⃣ 谷歌 Gemini 4 Argon 无人值守 11 小时优化 ADK：会话内存 -40%、冷启动 -21%，但 4 项改动被拒

谷歌让 Gemini 4 Argon 连续无人值守运行 11 小时，目标是优化自家 ADK（约 800 个文件、20 万行、近 1.7 万个单测）。靠 /goal 模式锁住目标、按需加载技能、配仓库级规则文件，最终两项改动被采纳：复制会话前先过滤历史、大包改懒加载——长会话内存准备开销降约 40%，冷启动包导入快 21%；158 轮工具调用流程从 65.6 秒缩到 56.1 秒。⚠️ 另一面：它提的 4 项修改在评审时因可靠性、可维护性、兼容性或实际收益不足被拒——编码之后的评审、调试与测试仍是瓶颈。

原文：InfoQ · 谷歌用 Gemini 4 Argon 一夜优化 ADK 代码库的 20 万行代码

7️⃣ 清华×米哈游开源 GameScaling：八模型 0.8B–27B，多游戏混合迁移提升 2.8 倍

米哈游联合清华、港大、NUS 开源 GameScaling：0.8B/2B/9B/27B 四档共八个模型，权重与推理代码均 Apache 2.0。基于 Qwen3.5 持续预训练，输入画面+任务+近期交互，输出未来 200 毫秒的键鼠操作；《我的世界》MCU 30 项任务上 27B-S1 平均成功率 63.3%，0.8–9B 六个模型在单张 H200/RTX 5090 上可跑到约 5 次观测/秒、30 步动作/秒。120 组受控实验显示：同为 1600 小时预算，多游戏混合在 7 个未见 3D 世界的得分约为只训 Minecraft 的 2.8 倍；但长期只练一个游戏时，模型越大在差异大的世界反而退步更明显，对遥远世界继续加数据加参数并无稳定收益。

原文：机器之心 · 迈向通用游戏智能，清华、米哈游开源GameScaling系列模型 ｜ GitHub

8️⃣ Claude 首次解析细菌穹窿体 3D 结构：96 拷贝 9.5 MDa，纯化从 3 天压到 90 分钟

Anthropic 生物团队用 Claude 在约 150 亿条预测蛋白序列的库里找穹窿体（vault）远缘同源，从 44 个候选筛到 4 个可组装颗粒，最终解析噬菌体来源 L05 的冷冻电镜结构：96 个拷贝、约 9.5 兆道尔顿、54×45 nm，内部容积反比哺乳动物版大 25%。用体积排阻色谱替代 3 天的蔗糖梯度离心，把「细胞到电镜网格」压到约 90 分钟；Claude 还配置运行 RELION，34 小时出首个模型。团队把 7 个重复单元改成 9 个（与人类一致），容积再增 20%。⚠️ 仍未解开这个 40 年的功能之谜；口袋里疑似辅酶 A 的小分子尚未鉴定；Claude 也犯过错（选错培养基、跳过标准步骤致延误）。

原文：机器之心 · 首次绘制细菌穹窿体3D结构，Claude为40年谜题提供新线索 ｜ Anthropic 研究页

9️⃣ spaCy 作者质疑 MIT Astra：三项实验条件天差地别，「读脑」与「改 Qwen」不是同一件事

Matthew Honnibal 长文质疑 MIT「Astra 直接改写权重」的传播口径：论文三项能力实验条件天差地别——读小网络权重时只喂原始浮点、禁跑代码、禁执行目标网络（参数 1.7 万–17.2 万）；而最吸睛的「改 Qwen3.5-0.8B 的 0.016% 权重、数学从 7.9% 提到 48.1%」实验，其实允许 Astra 写 Python、最多做 50 次前向测试，属工程化诊断而非「只看权重的读脑术」。他认为把两者打包成一种统一超能力会误导读者；但也承认工程价值真实——AI 已能当「AI 工程师」去诊断并修改另一个模型的权重。

原文：量子位 · MIT神作被锤：Astra爆改Qwen权重？就吹吧！ ｜ Honnibal 原文

🔟 谷歌为 TeraWulf 数据中心提供信用支持，Anthropic 20 年租约约 190 亿美元

TeraWulf 与谷歌签信用支持协议，为供 Anthropic 使用的 Justified 数据中心三栋楼分别背书，帮项目拿到长期建设债务；福陆做 EPC，2027 年底至 2028 年二季度分批交付。Anthropic 7 月已签 20 年租约、约 401 MW IT 负载，初始租期合同收入约 190 亿美元（约 1276 亿元人民币）。条款关键：Anthropic 违约或破产时谷歌可代付租金并接替成为承租人，特定条件下付终止费后取得 Raylan 股权。⚠️ TeraWulf 二季度营收仅 4477 万美元、净亏 9.41 亿美元，靠长租约换建设融资正是这单的核心逻辑。

原文：智东西 · 锁定1276亿大单！谷歌出手担保，Anthropic算力提供方的巨型数据中心开建

📄 其他