Karpathy 用 Claude 两小时造出 HackerTube，收录 6454 个视【AI 早报 2026-11-03】
一个周末、一句需求，OpenAI 联合创始人让 Claude 从 4300 万条论坛评论里筛出一份"人工精选版 YouTube"；同一天，美团 1.6 万亿参数 LongCat-2.5 与两个能自我改造 harness 的开源 Agent 框架同时登场。
今日概览
要闻
- Karpathy 用 Claude 两小时造出 HackerTube，收录 6454 个视频
模型发布
- 美团 LongCat-2.5 发布：1.6 万亿参数，每 token 激活 480 亿
- MiniMax-H3-Turbo 开源：4 步完成音视频联合生成
开发生态
- HarnessSQL 开源：8B 模型执行准确率 45.2%，超 32B 专用模型约 3 倍
- HarnessPro 开源：Agent 自改 harness，通过率 80.8% 且成本降 34%
- 谷歌联合 Meta 开源 TorchTPU，PyTorch 原生跑上 TPU
- Best-Paper-Writing-Skill：一段摘要生成 6 页 CVPR 论文底稿
- 谷歌云开发者插件上线 Antigravity 市场
产品应用
- MOSS-Live 发布：全双工实时语音交互，多项指标领先 GPT Realtime 2.1
- Meta 联手傅利叶：3 个月做出 48 公斤人形机器人 Max
技术与洞察
- 腾讯混元 Hyra 2.0：从"解题"转向"造工具"
- Cortex：把上下文经验沉淀进模型参数，120B 模型 8 卡 30 分钟
- 浙大 GR-BC 被 CoRL 2026 接收：用图搜索重加权机器人示范
- 两台家用 PC 跑 125B 模型：千兆网分层切分，生成快 87%
- OpenAI 推出 LifeVal 基准，测 AI 办日常事务的能力
行业动态
- 达瓦科技累计融资近 5 亿元，34B 控制层模型落地 AI 短剧
- OpenAI 融资目标从 300 亿美元下调至 200 亿美元
- Anthropic 收入增长 12 倍，全年亏损 230 亿美元
- Otter.ai 获 3.2 亿美元融资，从会议转录切入日常工作流
要闻
Karpathy 用 Claude 两小时造出 HackerTube，收录 6454 个视频
Karpathy 在周五晚打开 YouTube，称首页推荐是"《蠢蛋进化论》级别的垃圾墙"，周六上午他给 Claude 下了一条指令：照着 Hacker News 网友推荐过的视频，做一个自己的 YouTube。Claude 先下载 HN 近 20 年的 4300 万条评论，洗掉垃圾后保留提及 YouTube 视频的约 4 万条，最终整理出 6454 个视频、150 个主题，再从 YouTube 侧拉取标题与时长，套上仿 YouTube 界面并部署上线。分工上，Claude Opus 5.5 负责统筹，Sonnet 批量筛选评论；Karpathy 开好服务器后把 IP 交给 Claude，更新、部署、安全加固、性能优化一并交出。整个项目约 2 小时，他自称没读也没写代码，只做了开服务器、买域名几件"跑腿活"。站点无需登录，观看记录只存在本地浏览器，封面统一替换为视频中段的一帧，侧边栏"Longs"入口专放长视频，与 YouTube Shorts 形成对照。数据已打包公开，任何人都可以交给自己的 AI 改出另一版。Karpathy 今年 5 月加入 Anthropic 预训练团队，这次用的是自家产品。
来源：https://mp.weixin.qq.com/s/JNsdGgIRbv0qbFtX47sOSg
模型发布
美团 LongCat-2.5 发布：1.6 万亿参数，每 token 激活 480 亿
美团 LongCat 团队发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 Token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程。在美团公布的 AutomationBench、LongCatClawBench 上，该模型领先 Claude-Opus-5、GPT-5.6-Sol；在 Terminal Bench v4.0 上得分 38.5，超过 GPT-5.6-Sol 但仍落后 Claude-Opus-5。架构上，模型将不同分辨率图像经语义对齐编码器（SAE）生成原生分辨率特征，再用残差向量量化 RVQ 压缩为多层级词表 Token，与文本一同进入主干；视觉码本 Embedding 与主干联合学习，在平均激活约 30 亿参数的较小 MoE 上，t-SNE 已显示两类 Embedding 交织分布。训练侧引入离线视觉 Token 预处理，提前缓存 TokenID 以简化长序列打包。面对单卡显存不足 80GB 的加速器，团队重排 FSDP、EP、CP 并行度，叠加混合词表并行、MoonEP 动态专家复制与双重分片 FSDP，并把视觉编码移出训练计算图，该配置在长序列 SFT 任务上单卡吞吐较 DDP 基线提升 86%。Agentic RL 链路从 GitHub 公开仓库与内部场景采集代码任务，为筛选后的 PR 与关联 issue 自动生成可交互环境和 fail-to-pass、pass-to-pass 测试。实测中，模型生成"鹈鹕骑自行车"HTML 动画完成度较高，解读亚马逊三季度财报生成的带图表 PPT 未发现数据错误，但存在字号偏小、结论略绝对的问题。
MiniMax-H3-Turbo 开源：4 步完成音视频联合生成
Wuli-Art 发布基于 MiniMax-H3 的少步音视频生成模型 MiniMax-H3-Turbo，提供 4、6、8 步三个固定步数版本，支持文生音视频与首帧条件生成，配套工作流支持可选尾帧。少步化对象是联合音视频去噪过程：H3-Omni-Transformer 同时预测视频与音频 latent，再各自经 VAE 解码，步数减少后每次更新需跨越更大噪声区间，同时维持画面结构、跨帧运动与声音事件的对应。训练侧用三类信号约束：轨迹蒸馏提供跨噪声区间的状态更新监督，DMD 在分布层面用 score 差异约束学生输出逼近目标分布，GAN 判别器直接作用于学生输出以缓解少步蒸馏的过度平滑。项目交互展示页收录 9 组提示词、11 种配置、99 段视频，包含 4/6/8 步版本与原版 50 步配置的同屏对照。本地部署可走 Diffusers 脚本或 ComfyUI，需 CUDA 的 NVIDIA GPU，验证环境为 PyTorch 2.11.0、CUDA 13.0、Transformers 5.12.1；Turbo 权重需配合原版 MiniMax-H3 的文本编码器、处理器与音视频 VAE 使用。
开发生态
HarnessSQL 开源：8B 模型执行准确率 45.2%，超 32B 专用模型约 3 倍
港科大与微软等团队发布 HarnessSQL，这是首个原生长程环境交互训练框架，把 Text-to-SQL 从单轮生成改成在密闭沙盒里的多轮探索。团队基于 Spider 2.0-Lite 的 30 个 SQLite 与 Spider 2.0-DBT 的 49 个 DuckDB 构建 79 个数据库沙盒，采用 SQL-First 蓝图合成法：先从活动引擎提取 Schema、样本值与外键路径，采样可执行 SQL，再反向生成自然语言问题与验证 Oracle。沙盒具备只读绑定、单语句约束与 60 秒超时保护。动作空间被压缩为四元契约：sql_list_tables 枚举表与行数、sql_schema 探查 DDL 与真实采样、sql_exec 执行只读试探查询并返回错误堆栈、sql_submit 提交并退出；中间件内置确定性行数截断、循环调用警示与压力触发上下文压缩。训练分两阶段：先用教师模型在沙盒中产出通过验证的多轮轨迹做全序列 SFT（平均 11.8K tokens、16 轮交互、14 次真实执行），并对环境观测 token 做掩码，只对模型自身生成的推理、工具调用与提交计算梯度；再用 DAPO 做执行奖励强化学习，奖励只来自隐藏 Oracle 的结果等价与协议合规，不设人工中间奖励。在 Spider 2.0-SQLite 上，8B 模型取得 45.2% 执行准确率，接近基线 3 倍，14B 版本达 54.8%；对比之下，32B 专用模型 OmniSQL 为 14.8%、Arctic-Text2SQL 为 16.3%，多智能体系统 MARS-SQL 为 12.6%。
HarnessPro 开源：Agent 自改 harness，通过率 80.8% 且成本降 34%
清华大学、智谱等团队开源 HarnessPro，唐杰为论文共同通讯作者，核心是让 Agent 迭代自己的 harness，同时优化任务表现与执行成本。在 GPT-5.5 搭配 Codex 的 Terminal-Bench 2 测试子集上，Heavy 档相比 RHO 把通过率从 76.3% 提到 80.8%，单任务平均调用成本从 1.09 美元降到 0.72 美元，降幅约 34%。流程上，轨迹分析器联合查看同一任务的多次运行，定位失败点与空耗预算的环节，规划器提出成本优先、均衡、性能优先三种方案，编辑 Agent 在独立工作区实现修改；每轮新候选与父代同评，先淘汰低于初始通过率底线或被 Pareto 支配的候选，再按性能与成本归一化加权距离留下 Lite、Medium、Heavy 三档。SWE-Bench Pro 上，RHO 为 80% 通过率、2.68 美元/任务，Medium 档以 79%、1.26 美元完成，通过率少 1 个百分点、费用减约 53%；Heavy 档以 1.97 美元做到 80.7%；Lite 档 72.3% 对应 0.80 美元，仍高于原始 Codex 配置的 59%（后者每任务 1.88 美元）。换用 GLM-5.2 搭配 Claude Code，Terminal-Bench 2 的 Heavy 档从 78.0% 提到 81.4%，成本从 1 美元降到 0.62 美元。为避免"假进步"，HarnessPro 不用官方测试与标准答案，而是依据任务描述与初始轨迹生成固定测试：在 20 个初步检查案例中，模型直接评判只识别出 12 个真实失败中的 5 个，生成测试识别出 10 个，失败召回率从 41.7% 提高到 83.3%；拿掉测试合成器，通过率下降 3.4 至 10 个百分点。仓库已放出三个基准各三档共 9 套 harness 与评估脚本，runtime/policy.json 中可见推理强度与工具预算配置，但论文中的 GLM-5.2 演化配置尚未一并发布。
谷歌联合 Meta 开源 TorchTPU，PyTorch 原生跑上 TPU
谷歌与 Meta 合作开源 TorchTPU，为 Google TPU 提供原生 PyTorch 后端。该项目让既有 PyTorch 工作负载在 TPU 硬件上执行时只需极少的代码改动，同时支持 eager 执行与编译执行两种模式，并覆盖分布式计算与硬件特定优化。对同时维护 PyTorch 与 JAX/XLA 两套技术栈的团队而言，这意味着模型代码可以不经重写直接落到 TPU 集群上。
Best-Paper-Writing-Skill：一段摘要生成 6 页 CVPR 论文底稿
开源项目 Best-Paper-Writing-Skill 分析了 60 篇 CVPR、ICCV、NeurIPS 获奖论文，把写作规律封装成可被 Claude Code 与 Codex 调用的 Skill：填一张表或直接给一段摘要，Agent 就能从零产出完整论文底稿。演示选取 CVPR 2026 的三篇获奖论文——最佳论文 D4RT、最佳学生论文 O-Voxel、荣誉提名 SAM 3D；以 D4RT 为例，Agent 只拿到原始摘要，不提供全文、禁止联网检索，最终生成约 6 页 CVPR 格式初稿，包含标题、摘要、引言、方法与实验部分，可直接排入模板编译。对研究者未提供的实验数字、基线与引用，Skill 统一标记为 [TODO]，不做补造；配图环节参考 44 篇获奖论文的规律规划 Figure 1 与方法总览图并直接绘制示意图，需要真实实验数据的结果图只保留位置。项目还对照了通用 AI 草稿与获奖论文的写法差异，点名开头铺陈宽泛背景、用形容词代替具体机制、方法章节并排罗列组件、句尾频繁使用分词结构等通病。
来源：https://mp.weixin.qq.com/s/ZajIejMFQaFB1W7rXPJCpw
谷歌云开发者插件上线 Antigravity 市场
谷歌云开发者插件（Google Cloud Developer plugin）已在 Antigravity Marketplace 上架。按官方说明，安装后可为 AI Agent 注入 Google Cloud 相关技能、安全护栏以及基于实时文档的 grounding。该插件把云平台的 API 知识与约束条件前置到 Agent 一侧，减少 Agent 在调用云服务时凭记忆猜测接口的情况。
产品应用
MOSS-Live 发布：全双工实时语音交互，多项指标领先 GPT Realtime 2.1
模思智能发布全双工实时交互系统 MOSS-Live，可在说话的同时持续倾听，并结合语义与对话状态判断何时回应、何时等待、何时接受打断，多次打断与话题切换后仍能记住此前聊到哪里。系统采用前后台协同架构：前台交互模型负责实时感知语音、画面与环境声音并跟踪对话状态，后台模型承担复杂推理与长程任务，前台把任务连同上下文交给后台异步处理，无需暂停对话等结果；前后台通过记忆、上下文与任务状态管理协同。功能上支持实时视频与屏幕共享理解对话场景、工具调用与流式同声传译，并可按用户设定规则主动交互，例如发现背诵错误即时纠正或在会议中盯住特定事项。官方 Benchmark 显示，MOSS-Live 在多项实时语音交互指标上领先 GPT Realtime 2.1、GPT-Live-1、Doubao SeedDuplex 等系统。目前已开放在线体验与 API 接入，并提供限时免费额度。
来源：https://mp.weixin.qq.com/s/C_TiIuY7ufTQMA43iZZpTg
Meta 联手傅利叶：3 个月做出 48 公斤人形机器人 Max
据 The Information 报道，Meta 已与中国机器人公司傅利叶合作完成人形机器人原型机 Max，双方仅用三个月完成开发，并已于今年 9 月开始研发第二代 Max 2。Max 重约 106 磅（约 48 公斤）、身高约 1.5 米，搭载英伟达 Jetson Thor 芯片并运行独立运动控制软件平台，胸部内置两个扬声器，脸部眼嘴可模拟人类表情，五指灵巧手能抓取小瓶与玩具等小物件。交互指标由 Meta 侧提出：远距离语音识别 5 米、手势理解 3 米、保持眼神接触，并能通过不同方式表达"倾听、思考、说话、不确定"等状态。团队在傅利叶上海工厂驻扎近两个月参与联合开发，8 月底在 Meta 内部机器人峰会上向部分员工展示 Max；第二代将重新设计躯干与手部、增加投影仪与更多传感器以支持上下楼梯。Meta 首席技术官 Andrew Bosworth 在内部把人形机器人描述为 AI Agent 产品 Muse 的"物理化身"。招聘信息显示，Meta 正在上海招聘供应商开发工程师、在深圳招聘产品设计工程师与技术项目经理，职责涉及原型机开发与"从原型机走向大规模量产"。Meta 机器人部门近期经历管理层调整，前 Cruise CEO Marc Whitten 于 8 月底离职后，由 Ning Li 暂管 Meta Robotics Studio，向 Bosworth 汇报。
技术与洞察
腾讯混元 Hyra 2.0：从"解题"转向"造工具"
腾讯混元发布 Hyra 2.0，定位从"让 Agent 循环刷题"转向"让 Agent 研发和升级科学工具与模型"。三个月前的 Hyra 1.0 在开源模型 Hy3 驱动下，发布一周后解决了加法组合学中悬置五十多年的和集与差集最优指数问题；发布 11 天后 OpenAI 公布下一代模型 Astra 内部版本在 10 个长期开放问题上的结果，随后两个多月又宣布 Navier–Stokes 千禧年问题解答并公开 722 篇内部模型产出的数学手稿。Hyra 2.0 接入团队真实研发环境：企业微信对齐需求、计算平台提交管理实验、代码仓库实现与验证改动，涉及大算力开销与共享知识同步的操作需人工审批。工作分三层：Overall 与人类研究者沟通并管理优先级与资源，Mission 长期负责单一研究问题、设计实验并组织 Worker，Worker 可独立读代码、做实验、分析失败原因并提出新想法，也可质疑 Mission，且不同 Worker 可调用不同模型提供交叉复核。任务进入持久化队列后，调度系统按优先级、依赖关系与资源上限启动 Worker。此前 Hy4 preview 发布时，混元曾展示 Hyra 与其一同加速分子动力学力场模型；Anthropic 也披露过 Claude 在不到四周内加速 30 多个开源生物分子模型。
Cortex：把上下文经验沉淀进模型参数，120B 模型 8 卡 30 分钟
浙江大学、ByteDance Seed 与清华大学提出 Cortex，目标是把"上下文带来的帮助"沉淀为长期参数记忆，在学习新内容的同时保留已有能力。研究用 Context 作为经验载体，比较同一模型在有、无上下文时的表现差距，称为 context gap；并引入两类查询界定学习目标：Q⁺ 检查是否学到预期变化（如学会调用新 API），Q⁻ 检查本次学习之外的能力是否保留（如既有编程能力与语言流畅性）。衡量指标有两项：巩固率 CR = 更新后不带上下文获得的目标增益 ÷ 原模型带上下文时的增益；保留率 RR = 更新后在 Q⁻ 上的表现 ÷ 原模型在 Q⁻ 上的表现。工程上，Cortex-Structural 已合入 Hugging Face 的 PEFT 库，兼容稠密模型与混合专家（MoE）模型，并提供常规微调与文档经验巩固示例。团队补充实测称，120B 模型在 ALFWorld 上沉淀 Agent 经验，使用 8 张 A100 训练参数约需 30 分钟；随着经验积累，方法还能扩展参数容量，新增部分可合入原有网络层。
来源：https://mp.weixin.qq.com/s/06grL7treFuAE-H7cbpZ6Q
浙大 GR-BC 被 CoRL 2026 接收：用图搜索重加权机器人示范
浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）与伽马智能白辰甲团队提出 Graph-Reweighted Behavior Cloning（GR-BC），论文与代码已公开，工作被 CoRL 2026 接收。方法针对遥操作数据"整条轨迹不完美、但局部动作值得学"的问题：用冻结的 MCR 视觉编码器提取三个相机视角表征，与夹爪状态共同编码为图节点；时间边连接同一轨迹上固定间隔的相邻节点、代价等于跨越帧数，相似边则在三视角互为 K 近邻、夹爪状态一致、按局部尺度归一化距离小于阈值三个条件同时满足时桥接不同轨迹。图构建完成后，从成功终点出发做反向 Dijkstra 搜索，计算各状态到成功的最小图路径代价作为剩余步数，再线性插值铺到每一帧以对齐 VLA 的稠密监督。剩余步数映射为 0—1 的图检索进度（GRP），每个动作块需同时通过两道检查——净进展超过阈值，且相对起点的最大回退未超限，通过者获得有上下界的正权重，其余置零。论文在螺钉拧紧、显卡插装等精细任务上展示了图检索进度与动作权重的对应关系。
来源：https://mp.weixin.qq.com/s/P94V9SbLXk4G7QhWGowP1A
两台家用 PC 跑 125B 模型：千兆网分层切分，生成快 87%
一篇实测文章把 Qwen3.8-Flash-Next 这个 125B 参数的 MoE 模型拆到两台家用 PC 上跑。该模型有 48 层、每层 512 个小专家（合计 24576 个），每个 Token 每层经过 10 个专家外加 1 个共享专家。作者最初想把"冷"专家放到第二台机器计算，但实测记录显示冷专家散布在大多数层，每轮会有 19 至 48 层需要跨机通信、增加 6—20 毫秒；直接搬专家更不可行——Strata 的自适应缓存每秒换入约 200 个专家，而千兆网每秒只能传 40 至 60 个（4-bit 文件里单个专家约 3MB，3.5-bit 约 2MB）。最终方案是按层切分而非按专家切分，作者自己写了小改动（Strata 作者曾明确表示不计划支持跨机器切分，但代码为 MIT 许可）。结果：对一个装不进本机内存的 4-bit 模型，第二台 PC 让生成速度提升 87%，比单机默认配置快 51%，达到 30.5 tokens/s，质量不变；长 prompt 反而变慢；而对本就装得下的模型，第二台机器只增加功耗、不带来速度收益。
OpenAI 推出 LifeVal 基准，测 AI 办日常事务的能力
OpenAI 发布 LifeVal，一个衡量 AI 帮助人们完成日常事务能力的基准。官方说明其覆盖场景从寻找托育服务、管理财务，到填写政府表格等生活事务。与以学科题目或编程任务为核心的评测不同，LifeVal 把评价对象放在"一件真实生活琐事能否被办完"这一层面。
来源：https://openai.com/index/lifeval
行业动态
达瓦科技累计融资近 5 亿元，34B 控制层模型落地 AI 短剧
达瓦科技披露年内连续完成 Pre-A 轮与 A 轮融资，累计金额近 5 亿元，投资方包括启赋资本、投控东海、一村资本、宝捷会、鞍羽资本及多家产业投资机构，老股东持续加注，鞍羽资本担任长期独家财务顾问，公司称年内确认收入近 5 亿元、在 AI 视频行业普遍亏损阶段实现规模化盈利。技术路线上，达瓦不做通用基座而做控制层：自研 Latent Stage 以 34B 参数把人物、动作、镜头、光照、服装、道具与物理交互纳入分层建模与联合约束，修改一个变量时其余世界状态冻结，连续编辑测试中目标编辑成功率 98.2%、人物身份保持率 93.3%。生成层做局部稀疏微扩散，只对画面中真正在动的 10%—20% 区域计算，GPU 功耗降低 40%—60%，推理速度提升 3 到 5 倍。产品分两条线：离线侧 CineStage 负责长镜头连续生成，用于红果平台已上线的《从虎王开始进化》《厨神附体》《我的荒岛生活》等 AI 短剧，客户单镜头"抽卡"次数从五六十次降至 5 次以内；实时侧 LiveStage 每步仅激活约 4B 参数，在单张消费级 RTX 5090 上跑出 720P、25 帧/秒，连续运行超过 120 分钟不漂移。公司还称拥有 180TB 拍摄过程高质量数据集。
OpenAI 融资目标从 300 亿美元下调至 200 亿美元
据英国《金融时报》周五报道，OpenAI 已把本轮融资目标从 300 亿美元下调至 200 亿美元，首轮交割金额预计还将低于这一数字，本轮由一批来自阿联酋的投资者领投，随后可能面向高净值个人再融一轮以凑足 200 亿美元。《华尔街日报》补充称，OpenAI 目前已获得 110 亿美元融资承诺，不足最初 300 亿美元目标的一半，部分大型投资者反应相对冷淡。此前报道显示，该轮融资对应估值一度为 1.4 万亿美元，随后下调至 1.25 万亿美元。报道把融资遇冷部分归因于时机：华尔街对科技公司在 AI 基础设施上的巨额资本支出日益谨慎，情绪加剧并引发科技股大规模抛售，Anthropic 计划中的 IPO 也可能面临类似挑战。
Anthropic 收入增长 12 倍，全年亏损 230 亿美元
据 The Decoder 报道，Anthropic 在 IPO 前收入规模扩大至原来的 12 倍，但同期录得 230 亿美元亏损，重新转为经营亏损。报道将这一组数据放在其"重磅 IPO"前的时间点上呈现：收入增速与亏损规模同时放大，是当前前沿模型公司普遍面临的成本结构缩影。
来源：https://the-decoder.com/anthropic-grows-revenue-twelvefold-but-posts-23-billion-loss/
Otter.ai 获 3.2 亿美元融资，从会议转录切入日常工作流
据 Fast Company 11 月 2 日报道，Otter.ai 获得 3.2 亿美元新融资，并同步推出 3 项新 AI 功能，产品定位从会议转录延伸到日常工作流程，目标是提升职场会议生产力。报道称该公司正把 AI 能力嵌入更多工作场景，扩张同时再次引发关于隐私的讨论。报道未披露本轮融资的具体轮次、投资方，以及三项功能的名称与上线时间。
暂无评论。