抓取窗口:近 30 小时|新文章 212 篇(九源) 本期必读:阿里 Qwen4-Max 正式发布、腾讯混元 Hy4 flash、华为云开源昇腾原生具身世界模型 CloudRobo-WM1.2

🔥 必读

1. 阿里 Qwen4-Max 正式发布:2.4T 总参数只激活 71B,Work360 单任务成本降 58%

Qwen4-Max 是 2.4 万亿总参数、每 token 激活 71B,另有 328B N-gram Embedding 参数,具备原生视觉与百万 token 上下文。三处架构改动:GDN + Qwen Sparse Attention(QSA) 混合注意力——每四层里三层 Gated DeltaNet 把历史压成固定大小状态,剩下一层 QSA 用轻量索引器以 block 粒度选相关上下文;Gated Residual 把残差流扩成四条并行分支、用动态读写门控增强跨层传递;N-gram Embedding 在第二层按局部上下文查表补一层 token 模式表示。效果:2.4T 规模下预训练全程无 loss spike,基座在内部知识/代码/问答/STEM 四类评测的每字节比特数(BPB)比 Qwen3.8-Max 降 5–13%,同时激活参数再减 25%。

能力与成本是这次的重点。阿里自建的 Work360 框架把行业场景拆成 26 个一级 / 182 个二级 / 721 个三级领域,Qwen4-Max 得 52.69 分(前代 47.74)。在 DeepSWE、AA-Briefcase、HLAB-Vals、BioMysteryBench、HealthBench 等基准上,它拿到高于 Claude Opus5.5、GPT-6.1 Sol、GPT-6 Astra 的分数;但报道明确写了短板——在 Agents’ Last Exam、AgentArena 这类超长时序、开放式智能体任务上仍弱于 Opus 5.5 与 GPT-6 Astra。第三方 Artificial Analysis 智能指数 43 分(xhigh),比 Qwen3.8-Max 高 9 分,比 Kimi K3.1 Pro 的 46 分低 3 分。成本下降幅度因口径而异:AA 口径单任务成本降约 11%,阿里 Work360 口径从 26.58 元降到 11.16 元(-58%);Token 消耗在 Work360 的 xhigh/high 两档分别减少约 24%/35%,Terminal-Bench 4.0 上减少约 48%/49%;缓存命中价 0.5 元/百万 token。

工程侧两个可引用案例:三丰智能装备、泛海统联精密的产线场景中,单个工件加工编程的人工投入从约 475 分钟降到 24 分钟(-95%);长任务上推「Live Delivery」——先交可用首版、再逐版迭代,配套开源 Qwen-Live-Delivery-Plugin。⚠️ 开源边界要说清:Max 本身不开源,阿里只说「Qwen4 系列中小尺寸模型将陆续开源」。

  • 判读:这是国产旗舰第一次在专业 Agent 基准上成片超过 GPT-6 Astra / Opus 5.5,但同时承认在开放式长任务上落后——即「垂直专业任务爆发力强、开放式复杂任务仍有空间」。与同日腾讯 Hy4 flash 形成一对:一个往上打能力天花板,一个往下压单任务成本。
  • 来源:智东西、机器之心、官方博客

2. 腾讯混元 Hy4 flash:224B 总参数只激活 12B,单任务 0.2 元、盲测满意度逼平 Claude Haiku 5.5

定位是「把 Agent 任务的单价打到零头」。规格:总参数 224B(其中 64B 为 Engram 参数)、激活仅 12B,支持多模态与 100 万 Token 上下文,解码速度 >150 Token/s。定价是最锋利的一刀:每百万 Token 输入 0.5 元、输出 2 元,分别是混元 4 正式版的 1/12 与 1/9,缓存命中输入价低至 0.02 元。

评测要分口径读。腾讯自建 WorkIndex(PPT 制作与修改、文档编辑、表格修复、音视频处理、视觉理解等 8 类日常任务)上,Hy4 flash 得 42 分,高于预览版 39、低于正式版 51;平均单任务成本 0.2 元(预览版 3.2 元、正式版 5.7 元)。更值得看的是真实工作盲测:85 位 WorkBuddy 内部用户对 27 类 259 项任务打分,Hy4 flash 满意度 2.79/4,几乎追平 Claude Haiku 5.5 的 2.81,高于 GLM-5.3-Flash 的 2.53,低于 DeepSeek-V4.1-Flash-1017 的 3.09;端到端任务时长中位数 6.7 分钟为四款最短,单任务成本 0.26 元 vs DeepSeek 的 1.2 元。代价在复杂工程任务上很明显:Terminal-Bench 4.0 仅 19.2(正式版 44.4)、ProgramBench 16.0(正式版 30.0)。

智东西的实测给了「能干什么、干不好什么」的具体样本:让它做一首黄仁勋像素小人 MV(50 多个分镜)、一句话造出可玩的简化版《模拟人生5》、搭 3D 网球比赛、调 Blender Python API 做鹈鹕骑车动画(脚本编写 26 分钟 + 渲染 20 多分钟)。结论是长链路串联工具的能力确实在(角色设计→分镜→动画代码→导出全跑通),短板也很清楚:画面精细度、审美依赖提示词兜底、复杂几何结构(央视大楼变形)易走形、缺自检闭环(字幕与音频没对上,模型自己发现不了)。

  • 判读:与 Qwen4-Max 是同日相反方向的两个发布。Hy4 flash 的价值不在「更强」,而在把日常办公类 Agent 任务的成本压到 0.2–0.3 元;但 Terminal-Bench 掉到 19.2 说明它不能替代正式版做软件工程。注意「比 DeepSeek 便宜」只说成本,盲测满意度 DeepSeek 反而更高。
  • 来源:智东西实测、爱范儿、InfoQ

3. 华为云发布并「开源」昇腾原生具身世界模型 CloudRobo-WM1.2,称 RoboTwin 2.0 / LiberoPro 2.0 双榜第一

华为云「行业 AI 梦工厂」11 月 16 日发布 CloudRobo-WM1.2,主打「世界模型原生动作生成」:不再是「VLM 看图 → 外部策略出动作」的两段式,而是让世界模型直接输出高精度机器人动作。五项技术:① PPA 多模态世界表征——不只识别物体,还预判物理交互结果(官方比喻:从「看懂静态照片」到「看懂一场正在发生的 4D 动作电影」);② DualAct 双通道动作架构——世界模型直出动作,另有基于 MOT 的动作专家可灵活定义尺寸,提升后训练效率;③ 多粒度监督数据自适应预训练——按数据实际有效信息组织监督,兼容「动作标注缺失、部分维度无效、深度缺失、相机视角不完整」的异构数据;④ 本体语义保真跨具身运动建模——给单臂、双臂、轮式提供统一「动作翻译器」,支持多本体协同学习;⑤ 四种弹性推理模式(World/Expert Action × Joint/Action-only 组合),按算力与延迟需求切换。官方称在 RoboTwin 2.0、LiberoPro 2.0 两个评测基准均排名第一,并给出六大工程能力(仿真冷启动、云原生训练、跨本体适配、持续学习进化、安全运行)。

⚠️ 两处必须标注的限定:① 榜单成绩是厂商自报——报道未给分数、对照模型与评测配置,也未提供可复现脚本,「双榜第一」本期无法独立核实。② 「开源」目前查无实物——两篇报道都写「发布并开源」,但均未给出仓库地址;GitHub 上唯一同名仓库 Barry-Liang/CloudRobo-WM(2026-11-13 建、3 stars)只有一页 README 与一张框架图,自述「Work in progress. All code, data, and models will be available soon.」,即代码、数据、权重都还没放出来,是否官方仓库亦未获确认。因此「开源」应表述为「宣布将开源」。

  • 判读:方向正确且与行业收敛(世界模型直接出动作,绕开「表征与动作两段式」的接口损失),跨本体统一动作空间对多形态部署确有价值。但在仓库放出前,这条应视为路线公告 + 自报成绩,不是可复现成果。
  • 来源:机器之心、36氪

📌 值得看

4. Claude 一次端出 Whiteboards / Sheets / Data 三件套:上下文一路带到底,微软一夜蒸发 893 亿美元

Anthropic 在 IPO 路演期间发布三个办公产品:Claude Sheets(一句话生成可用的电子表格,支持多标签页、公式、格式、下拉菜单,可单元格级修改并标出改动;官方承认目前只是基础表格功能,需要完整 Excel 能力须导出 .xlsx 或 CSV)、Claude Whiteboards(把口头的「一团乱麻」铺成带负责人与截止日期的时间线,团队与 Claude 同板实时协作,一键转文档或幻灯片)、Claude Data(10 月 8 日 Claude Dashboards 改名转正,接 Snowflake / BigQuery / Databricks 与 Salesforce,新增「认证查询」测试版——数据团队先认证核心指标定义,看板挂认证标记,使用者只能跑批准过的查询、碰不到底层数据)。结构性变化是上下文贯穿:同一条上下文从白板流到表格再流到看板,中间不必重新交代背景;配套 Interactive Connectors 让 Adobe、Atlassian、Box、Notion 等应用能在 Claude 旁边完整打开甚至全屏(应用市场已有 9000 多个连接器与插件)。

市场反应直接:消息当天微软盘中一度跌约 3%、收跌 2.2%,市值蒸发 893 亿美元(约 6000 亿人民币)——而当天早些时候微软刚反超英伟达坐上全球市值第二。财务背景:Anthropic 本周开启 IPO 路演、计划 11 月 18 日定价,招股文件显示截至 10 月 31 日年化收入 810 亿美元(一个月涨了 100 亿)。身份关系因此微妙:微软既是 Anthropic 投资方(参与配套的 260 亿美元私募),Claude 又以插件形式住在 Excel/Word/PowerPoint 里,如今 Sheets 成了 Excel 的正面竞品。

  • 判读:单看白板、表格、看板都不稀缺;差异化在同一条上下文贯穿三种工件 + 第三方应用原地打开。⚠️ 局限:Sheets 尚为基础版、Data 认证查询仍是 beta,重度 Excel 用户短期搬不了家。
  • 来源:新智元、官方说明

5. 清华 SkillMaster(NeurIPS 2026):把「技能自我进化」训进 Agent 自己的策略

现有 Agent 技能体系有个共同缺陷:技能由外部教师模型、预设规则或辅助模块创建和更新,执行任务的智能体只学会「用技能」,很少被训练去「改技能」。清华李勇团队(一作:北京中关村学院博士生杨敏)的 SkillMaster 把技能管理并入智能体自身策略,与任务执行联合强化学习。核心洞察很利:一次技能修改好不好,应看它对后续相关任务的实际影响——补上知识缺口的修改应让原先失败的任务更容易成功,改进操作策略的修改应让已能完成的任务用更少步骤,这两类可观测变化就是技能编辑的学习信号。三个组件:① 基于轨迹的技能审视——把目标、已检索技能、轨迹、最终反馈一起给模型,通过 propose_skill/update_skill/keep_skill 做创建、更新、保留(与任务动作同一策略生成,故技能管理也进入训练);② 反事实技能效用奖励——对候选编辑选一组探测任务,分别用原技能库与修改后技能库执行,比较下游变化,只有效用为正的修改才写入持久技能库;③ DualAdv-GRPO——任务执行与技能管理奖励尺度不同,分别算优势再分配合并更新同一策略。

结果(底座 Qwen2.5-7B):ALFWorld 成功率 98.7%、WebShop 82.0%,分别比 SkillRL 高 8.8 / 9.3 个百分点;SearchQA 总体 48.0%。行为分析最有意思:训练早期创建与更新活跃,后期保留技能比例从 81.25% 升到 97.66%——模型自发从「补和改」转向「守住已积累的技能」。固定参数、从空技能库出发,WebShop 成功率 65.63% → 71.88%。案例:ALFWorld 冷却任务里,智能体发现旧技能要求「先把物体放进微波炉」与接口不符(加热须在持有物体时执行),依轨迹反馈修订后,相关探测任务的加热环节从 8 步缩到 2 步。

  • 已核实:仓库真实存在(MIT、2026-05-08 建、2 stars,学术仓库 star 不代表影响力)。局限:仅在 ALFWorld / WebShop / SearchQA 三个结构化环境验证,未涉及开放环境、技能删除、跨智能体共享。
  • 来源:机器之心、代码

6. DeepSeek 因算力不足对 C 端限流:7 天不活跃长对话停用、单次输入缩到约 4 万字

多名用户反馈 DeepSeek App 与网页版开始限额:以「算力不足」为由,不再支持超过 7 天不活跃的长对话(部分用户显示为 72 小时),单次输入文字上限缩短至约 4 万字,并限制每日对话额度——达到上限提示「因服务器繁忙,使用额度已达上限」,另有「内容超长,请删减后再试」「消息数量达到上限,请开启新对话」。智东西实测上传 Anthropic 的 430 页招股书后,模型提示只能阅读前 20 页或 1 万 Token。评论区主流反应是「喊话梁文锋:收点钱吧」。

  • 判读:与 11-14 期「DeepSeek 开放全家桶应用 API」形成对照——to D 端收紧免费额度、to B 端开放付费能力,是同一条算力约束下的两向调节。对日常使用的直接含义:长上下文任务需自行分段,不宜依赖超长单轮输入。
  • 来源:36氪、智东西

7. 豆包工作上线「工作台」:21 个专业场景预配好 Skills 与插件,可自建并分享

字节跳动豆包工作上线「工作台」功能,首批 21 个专业场景(金融投研、医疗、教育、创意设计、营销、写作、人力资源、财务行政、求职发展、法律事务、数据分析等)。与普通对话的差别是技能、工具、插件预先配置好,用户不必逐项挑选,进入工作台直接开工——从体验上说,每个工作台相当于一个垂类 Agent 应用。具体配置:金融投研工作台给公告解读、业绩分析、市场简报、公司研究等入口,并接 万得、同花顺、国泰海通 数据插件(需授权终端账号);医生工作台预配临床指南检索、文献解读、科普与患者沟通材料;教师工作台可一键生成教案课件、把一道题变成可拖动调参的互动实验,并与学科网官方合作做资源查找与「题图找相似题」;创意设计工作台覆盖海报/社媒配图/品牌视觉/种草视频,任务开启自动建画布便于对比整理。用户还可自建工作台(命名 + 选技能插件 + 补工作要求与偏好)并分享。已上线豆包工作电脑版与豆包电脑版。

  • 判读:这是「Skill / 插件打包成职业模板」的产品化路径,与个人 Agent 的 skills 目录逻辑同源,差别在于按职业而非按任务组织。⚠️ 属厂商发布口径,无第三方评测;「业内首个」是自我表述。
  • 来源:机器之心、智东西

📄 其他

  1. Claude Meetings 进入测试,首站接入 Google Meet:11 月 12 日 Anthropic 宣布,Claude 可被拉进视频会议,会上被点名即起草结构化文档、查已连接工具里的历史支出、现场画排期白板;默认只用文字回应不开麦。Team 套餐默认允许、Enterprise 需管理员开启;有外部人员参会时默认不加入、中途加入则退出,但外部人员发言仍记入纪要与逐字稿。测试期内纪要/逐字稿/不调工具的回答含在套餐内不收费。(新智元)
  2. NovaSilicon 首提 CDK(Circuit Design Kit),提出「Designless」分工:把台积电 PDK 的思路搬到设计环节——Agent + 仿真器当产线设备、CDK 当工艺配方,输入芯片规格、输出 GDS。两篇论文与 GPT-6 Astra 同题对照:模拟版图 0.8154 vs 0.7483,数字 floorplan 57.97 分约为其 1.9 倍;通用 Agent 画模拟版图 91.1% 交卷但仅 21.3% 过验收。公司成立 5 个月、3 轮融资累计数亿元,最新一轮顺为资本领投。(机器之心)
  3. 百度 2026 Q3:营收 308 亿元,AI 业务 132 亿占一般性业务 53%:AI 云基础设施收入 82 亿、同比 +94%;AI 应用 26 亿;AI 原生营销服务 24 亿;AI 业务已连续三季占比过半。(36氪)
  4. 苹果首款智能眼镜代号 N50(彭博 Gurman 爆料):无屏幕,内部戏称「戴在脸上的 AirPods」;计划 2027 年 6 月 WWDC 亮相、年底发货,硬件大半已定型,卡在等新版 Siri;用改造的老款 Apple Watch 芯片架构 + 精简版 visionOS 28,支持 Wi-Fi,镜腿末端有三针磁吸充电;同期还在研发带摄像头的 AirPods。⚠️ 属爆料,未经苹果确认。(爱范儿)
  5. AI 垃圾论文批量挂名大佬:哥德堡大学教授 Alan Said 收到谷歌学术推送才发现「自己」新发表了一篇论文;Hinton、李飞飞、LeCun、吴恩达等均被列名,属有组织的引用操纵/学术欺诈。(机器之心)
  6. 黄仁勋考虑重返英伟达(同线第 4 次,本期仅定性增量):FT 报道他正与亲信讨论回归可能,硅谷盟友组建「作战室」游说董事会并计划争取白宫支持,请愿签名超 16 万;本人无英伟达控股股份,无法推翻董事会决定。另有三位财富 500 强前 CEO 批评董事会未备继任方案。(机器之心、36氪)
  7. 小马智行 × 丰田第七代铂智 4X Robotaxi 在广州启动示范运营:面向公众开放 L4 级自动驾驶服务,搭载小马智行第七代车规级系统 + 丰田面向 L4 设计的车辆平台与冗余化控制系统,可应对暴雨、夜间、拥堵。(36氪)

存疑与未采信

  • CloudRobo-WM1.2「开源」:报道称「发布并开源」但未附仓库地址;GitHub Barry-Liang/CloudRobo-WM(11-13 建、3 stars)README 自述 code/data/models「will be available soon」,尚未放出任何实物。榜单「双榜第一」为厂商自报、无分数与评测配置。本文按「宣布将开源」表述。
  • Qwen4-Max 成本降幅:存在三个口径(AA 的 -11%、Work360 的 -58%、Token 消耗 -24%~-49%),已分开标注,避免混用。
  • Hy4 flash「比 DeepSeek 便宜」:仅指单任务成本(0.26 元 vs 1.2 元);盲测满意度 DeepSeek-V4.1-Flash(3.09)实际高于 Hy4 flash(2.79)——「更便宜」成立、「更好」不成立。
  • 新智元两条未采信:「10000 个 AI 分身 88 小时攻下千禧难题」(正文无对应成果与可核验产出);「一张图吓得研究员当场辞职」(单一信源人物叙事)。均不入推送。
  • 苹果 N50:彭博 Gurman 爆料,苹果未确认;各源发布时间表述不同(爱范儿写 2027 年 6 月 WWDC、极客公园写「明年」),本文采信更具体的 Gurman 版本并标注为爆料。
  • 本期剔除的重复条目:OpenAI 撤销机器人团队(11-14)、星舰筷子夹飞船(11-15)、微软 365 故障(11-13/14)、DeepSeek 全家桶 API(11-14)。