Qwen4-Max 上线:2.4 万亿参数、百万上下文,成本降 58%【AI 早报 2026-11-16】

Qwen4-Max 上线:2.4 万亿参数、百万上下文,成本降 58%【AI 早报 2026-11-16】

阿里 Qwen4-Max 以 2.4 万亿总参数、百万 token 上下文和下调后的 API 价格上线,Work360 单任务成本降 58%。此外,美团开源 1.6 万亿参数的 LongCat-2.5,Anthropic 公开支撑 Opus 5.5 全天候 Agent 的五构件架构。

今日概览

要闻

  1. Qwen4-Max 上线:2.4 万亿参数、百万 token 上下文,单任务成本降 58%
  2. 美团开源 LongCat-2.5:1.6 万亿参数,Terminal Bench 88.4 分
  3. Anthropic 公开自主 Agent 架构:五大构件闭环,长任务成本降 78%
  4. Claude 上线 Sheets/Whiteboards/Data:微软市值一夜蒸发 893 亿美元

模型发布

  1. 腾讯 Hy4 flash 发布:224B 总参 12B 激活,单任务成本为 Hy4 的 1/20
  2. Claude Fable 5.2 不生成像素:写 Python 代码铺 70 万笔触

开发生态

  1. LangChain 完成 3 亿美元 C 轮:估值 30 亿美元,7000 家企业客户

产品应用

  1. MIT 韩松团队 PEAR:27B 模型在 RTX 5090 上 220 tok/s 操控机械臂
  2. 特斯拉 Cybercab 开放个人订单:2.999 万美元起,另付 299 美元/月

技术与洞察

  1. 北大开源 SpatialScout:80 场景 3140 物体,Opus 5.5 全目标 IoU 41.71%
  2. NTU 提出 NEO-VLA:20 亿参数原生主干,动作专家直读各层表征
  3. 9 所高校发布 126 页路线图:定义“持续在线个人智能”与六等级
  4. EMNLP 2026 杰出论文 OptiMer:配比搜索提速 15–35 倍,均分 70.37
  5. 中科院与美团发布 RSI 综述:Prompt/Memory/Skill/Harness 四条主线
  6. NeurIPS 2026 D-DOIT:免训练免梯度,增强子活性 6.19 超微调

行业动态

  1. Anthropic IPO 路演图:算法乘数曲线超指数,重训 Mythos 算力大降
  2. 李沐出任 Aimotion 联合创始人兼 CTO:主攻产业级世界模型
  3. 造物潭完成数千万元天使轮:AI 数字员工做硬件研发,单次约 30 元

要闻

Qwen4-Max 上线:2.4 万亿参数、百万 token 上下文,单任务成本降 58%

阿里研究院 11 月 16 日发布 Qwen4-Max,基于 Qwen4 系列新架构,总参数 2.4 万亿,每个 token 激活 71B 参数,另有 328B N-gram Embedding 参数,具备原生视觉能力并支持百万 token 上下文窗口。架构上每四层中三层用 Gated DeltaNet 把历史信息压缩为固定大小状态,一层用 Qwen Sparse Attention 以 block 粒度选择相关上下文;残差流被扩展为四条并行分支的 Gated Residual,第二层引入 N-gram 查表扩展模型容量。在知识、代码、问答、STEM 四类内部评测中,Qwen4-Max-Base 的每字节比特数在五个参评模型中均为最低,比总参数量相同的 Qwen3.8-Max-Base 下降约 5–13%,每个 token 激活参数减少约 25%。Work360 行业基准得分 52.69,上一代 Qwen3.8-Max 为 47.74;同一基准上 Xhigh 与 High 两档推理强度 token 消耗分别减少约 24% 和 35%,Terminal-Bench 4.0 上分别减少约 48% 和 49%。API 已在千问 AI 平台上线,缓存命中价低至每百万 token 0.5 元,Work360 单个任务平均费用从 26.58 元降至 11.16 元,降幅 58%;Qwen4 系列中小尺寸模型将陆续开源。 来源:https://mp.weixin.qq.com/s?__biz=MjM5NTg0NDE1Mw==&mid=2652628433&idx=1&sn=019a7a972c12ea2c492ddeff4104cd0c

美团开源 LongCat-2.5:1.6 万亿参数,Terminal Bench 88.4 分

美团发布并开源 LongCat-2.5 的模型权重,参数规模 1.6 万亿,定位 AI Agent 场景。在 Terminal Bench 上得分 88.4,仅次于 Claude Opus 5。官方给出的样例部署运行在 194 颗华为昇腾芯片上,发布材料未提及英伟达 GPU,训练与样例部署均基于昇腾算力。1.6 万亿的参数规模使其成为目前公开权重中体量最大的模型之一。 来源:https://the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu/

Anthropic 公开自主 Agent 架构:五大构件闭环,长任务成本降 78%

Anthropic 发布工程文章,首次披露支撑 Opus 5.5 全天候自主 Agent 的底层架构。系统由事件收件箱、计时器、外部记忆、权限控制、发件箱五个构件组成:Agent 大部分时间休眠、不消耗 token,由 Webhook、定时任务或后台监控事件唤醒,完成一轮任务后把状态写回记忆库并立刻退出,所谓“全天候”只是用户层面的感知。事件收件箱是唯一真实数据源,同一时刻只允许一个活跃工作服务,人类连续发来的多条消息会被打包合并处理。记忆分用户指令、用户笔记、历史消息、任务进度四块,后台还会定期“做梦”剔除过时记录、提炼跨会话规律。权限层用凭证代理隔离密钥、分类模型实时拦截高风险操作、重大决策转为审批卡片并保存会话现场,审批通过后以新事件恢复执行。Anthropic 称在长周期编程测试中,Opus 5.5 解决单个任务的成本比 Opus 5 下降 78%,常规任务成本下降 40%。 来源:https://mp.weixin.qq.com/s?__biz=Mzg3MTkxMjYzOA==&mid=2247520272&idx=1&sn=ea6bbf62f58f802c4a35e9944723ab43

Claude 上线 Sheets/Whiteboards/Data:微软市值一夜蒸发 893 亿美元

Anthropic 上线 Whiteboards、Sheets、Data 三款办公产品,并升级交互式连接器。Sheets 支持多标签页、公式、格式与下拉菜单,可直接修改单元格并标出修改痕迹,重度用户可导出 .xlsx 或 CSV;Whiteboards 把讨论内容整理成带负责人和截止日期的时间线,可一键转为文档或幻灯片;Data 由 10 月 8 日的 Claude Dashboards 改名而来,接入 Snowflake、BigQuery、Databricks 与 Salesforce,新增“认证查询”测试版,共享看板只能跑已批准查询。三款产品共享同一份上下文,一个想法可从白板流到表格再到看板,无需重复交代背景;Adobe、Atlassian、Box、Notion 等应用可在 Claude 内全屏打开并实时协作,应用市场已有 9000 多个连接器与插件。消息公布后微软股价盘中一度跌约 3%,收跌 2.2%,市值蒸发 893 亿美元。Anthropic 本周启动 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,一个月增长 100 亿。 来源:https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652743221&idx=2&sn=94166010bc71bedc14b2b7d376e8520e

模型发布

腾讯 Hy4 flash 发布:224B 总参 12B 激活,单任务成本为 Hy4 的 1/20

腾讯发布主打效率的 Hy4 flash,总参数 224B、激活参数 12B,支持多模态与 1M 上下文长度,对输出精简度、吞吐量和响应速度做了优化。定价为输入 0.5 元/百万 token、输出 2 元/百万 token,约为 Hy4 价格的十分之一;WorkIndex 上单任务成本为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek V4.1 Flash(max 档忙时价)的 1/8。爱范儿在 WorkBuddy 中实测生成可交互 3D 历史帆船,Hy4 flash 耗时约半小时,消耗约 14.9 万 token 与 400 万缓存命中 token,按 API 价约 0.23 元;DeepSeek V4.1 Flash 耗时 1 小时 30 分钟,消耗约 30 万 token 加 1600 万缓存命中 token,费用约 1.21 元。10 个代码与办公任务中两者最终成果整体相近,但 Hy4 flash 首轮交付时间更短。11 月 16 日至 30 日每日赠送免费额度。 来源:https://www.ifanr.com/1689653?utm_source=rss&utm_medium=rss&utm_campaign=

Claude Fable 5.2 不生成像素:写 Python 代码铺 70 万笔触

Anthropic 的 Claude Fable 5.2 生成图像的方式与扩散模型不同:它不直接计算像素,而是编写 Python 代码,在虚拟画布上逐笔放置模拟笔触,包含刷毛纹理与颜料附着效果。据 Anthropic 员工 Jake Eaton 披露,一张写实停车场场景大约需要 70 万笔触。这种方式让语言模型以代码为中间表示控制构图、笔触密度与细节层次,输出的是可执行的绘画过程,而非一次成型的像素矩阵。 来源:https://the-decoder.com/anthropics-claude-fable-5-2-doesnt-generate-images-it-paints-them/

开发生态

LangChain 完成 3 亿美元 C 轮:估值 30 亿美元,7000 家企业客户

AI Agent 开发与管理平台 LangChain 完成 3 亿美元 C 轮融资,估值 30 亿美元,由 Alphabet 旗下投资机构 CapitalG 领投,新加坡主权财富基金 GIC、DFJ Growth、IVP 和 Sapphire Ventures 参投。2025 年 10 月其 1.25 亿美元融资对应估值 12.5 亿美元,一年时间估值翻倍有余。公司 2022 年以开源项目起步,解决早期大模型难以独立完成的联网搜索、API 调用与数据库交互任务,随后把重心转向 AI Agent 的开发与管理。其平台 LangSmith 主打不绑定特定大模型、云平台或技术生态,并提供 Agent 行为约束与管理能力。LangSmith 目前约有 7000 家企业客户,包括 Harvey、Rippling、Clay,以及英伟达、丰田和 Salesforce。 来源:https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247519354&idx=2&sn=b32f4fa333b68cd299718fb05dcc4fce

产品应用

MIT 韩松团队 PEAR:27B 模型在 RTX 5090 上 220 tok/s 操控机械臂

MIT 韩松团队公布机器人后训练项目 PEAR,基于开源 Qwen3.8-27B,不采集一帧人类遥操演示、不使用真机数据,全部在仿真环境中做强化学习。训练后的模型直接部署到此前未见的双臂 YAM 机器人,30 次测试成功 18 次,训练前为 0 次。LIBERO 基准上零样本成功率从 1.6% 提升到 74.4%,同场 GPT-6 Astra medium 档为 49.3%、max 档 76.2%,GPT-6.1 Sol medium 档 48.1%、max 档 80.6%。在 RTX 5090 上推理速度超过 220 tok/s,可本地运行。扰动测试中,任务替换时 π0.5 从 96.9% 跌至 0.75%,PEAR 从 74.4% 降至 57.4%;布局替换时 π0.5 跌至 20.8%,PEAR 为 57.5%。在 AIME、GPQA、LiveCodeBench 等九项通用基准上,PEAR 与基座 Qwen3.8-27B 的分数几乎不变。 来源:https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247557749&idx=1&sn=b4cb4dd8fd158f806ea197db32cdb59e

特斯拉 Cybercab 开放个人订单:2.999 万美元起,另付 299 美元/月

特斯拉通过官方 Robotaxi 账号向部分客户开放 Cybercab 个人订单,税前售价 29,990 美元,另需每月 299 美元的 Autonomy 订阅,首月包含在车价内,订金 1,000 美元不可退,月费单独计费直至取消。车辆为两座设计,没有方向盘和踏板,特斯拉预计 12 月在奥斯汀交付;订单页截图还列出达拉斯、沃斯堡、休斯顿和圣安东尼奥,每人限购一辆。订阅协议限定个人非商用,不得用于 Robotaxi、网约车、配送或租赁平台,除非特斯拉授权或开放。特斯拉 AI 副总裁 Ashok Elluswamy 表示,Cybercab 在特斯拉 Robotaxi 服务的全部区域内均可无人监督运行。马斯克回复用户时称 299 美元月费偏高,应降到与其他车型 FSD 及车联网订阅接近的约 115 美元。 来源:https://theaiinsider.tech/2026/11/14/tesla-opens-personal-cybercab-orders-for-select-customers/

技术与洞察

北大开源 SpatialScout:80 场景 3140 物体,Opus 5.5 全目标 IoU 41.71%

北京大学与天津大学团队提出 SpatialScout 基准,把“给大模型一台可自由移动的摄像头”转化为可量化评测:包含 80 个室内场景与 3,140 个目标物体,模型需自主决定看哪里、识别不同视角中的同一物体,并在统一坐标系下提交物体中心坐标。每个任务最多允许 100 次模型调用和 100 张 RGB 图像,初始图像也计入预算;评测同时报告以米为单位的中心误差、目标覆盖率与三维 IoU,未提交的物体按零分计算。7 个受测模型中,Claude Opus 5.5 全目标平均 IoU 为 41.71%,IoU>0.5 的目标占 47.23%,IoU>0.9 的仅占 3.25%;GPT-6 Astra 在 xhigh 设置下为 33.16%。轨迹分析显示,GPT-6 Astra 平均每任务拍摄 32.41 张图像、已提交目标中心误差中位数 7.08 厘米,DeepSeek V4.1 Flash 拍摄 39.63 张、误差 68.17 厘米;前者 99.33% 的提交有成功三角测量记录,后者为 63.48%。40 条细粒度轨迹中只有 6 条同时达到至少 90% 覆盖率与不超过 0.2 米的平均中心误差。 来源:https://mp.weixin.qq.com/s?__biz=MzIyNjM2MzQyNg==&mid=2247730067&idx=1&sn=2df63b527a2e85ca4800399a549d6f3f

NTU 提出 NEO-VLA:20 亿参数原生主干,动作专家直读各层表征

南洋理工大学 S-Lab、商汤研究院与 Ropedia 提出 NEO-VLA,把原生视觉语言模型直接用作机器人策略主干。模型以 NEO-2B 为基础,主干 40 层、约 20 亿参数,视觉通路中没有独立的视觉 Transformer、自编码器或离散视觉码本,图像经轻量卷积层后与语言指令从第一层起共同建模。动作专家网络宽度较小、从随机初始化开始训练,每一层通过层映射读取主干指定深度的表征,因此“动作模块该读哪一层”成为可单独研究的设计变量。输入侧同时接收前一时刻与当前时刻、最多三个相机视角,每个视角最多使用 88 个视觉 token,另用 6 个状态 token 表示双臂与身体状态,机器人不具备的部件自动屏蔽,以同一套接口适配单臂、双臂和带移动底盘配置。论文已在 arXiv 公开,编号 2611.06918。 来源:https://mp.weixin.qq.com/s/0EGEp1oiAQySHW9J9BmF2w

9 所高校发布 126 页路线图:定义“持续在线个人智能”与六等级

南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、KAUST、达特茅斯学院、北卡罗来纳大学教堂山分校和西北大学共 9 所高校的 23 位研究者发布 126 页综述,梳理 632 篇文献与 119 个研究系统和产品,覆盖可穿戴、数字与具身智能三类场景。论文提出“持续在线”必须同时满足运行连续性与状态持久性:没有新请求时能自主决定是否行动、何时行动,“保持等待”也是合理决策;跨多次交互持续保留用户偏好与未兑现承诺。两者合称“持续闭环”,是持续在线个人智能的基础。按此标准,有长期记忆但被动等待的助手、能主动搭话但不沉淀的助手、机械执行预设时间的定时任务,都不算真正的持续在线。论文进一步把“自演化”列为演进方向,提出六个闭环等级,并用 HALO 框架审查现有系统。 来源:https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652743418&idx=3&sn=8b92d4864468c4215aac4b477afb529c

EMNLP 2026 杰出论文 OptiMer:配比搜索提速 15–35 倍,均分 70.37

日本信息通信研究机构(NICT)宋海越及团队的论文 OptiMer 获 EMNLP 2026 杰出论文奖,为本届 17,661 篇投稿中 22 篇获奖论文之一。方法分三步:先在日语、中文、数学等各类数据上分别做持续预训练,再用训练后参数减去基座参数得到“分布向量”,最后在验证集上自动搜索各分布向量的合并比例,基础模型权重加不同比例向量即得新模型,每次尝试只需模型合并与评估,无需重新训练。传统数据混合训练一个配比需 129.3 小时,OptiMer 尝试 100 次配比仅需 8.5 小时,配比最优化阶段加速 15–35 倍。在 C-Eval、Japanese Leaderboard、MMLU、GSM8K、HumanEval 上平均得分 70.37,高于传统数据混合训练的 63.71;把搜索出的合并权重直接当作数据配比重新训练,平均分从等比例混合的 63.71 提升至 68.66。已训练好的分布向量可复用,更换评估目标即可针对英文、数学或日语任务快速再优化。 来源:https://mp.weixin.qq.com/s/fyS_AzoKoDuiwIIk0HbaWQ

中科院与美团发布 RSI 综述:Prompt/Memory/Skill/Harness 四条主线

中科院自动化研究所、美团联合山东大学、中国人民大学、中科院微电子所、上海交通大学、理想汽车等单位发布 LLM Agent 递归自我改进综述。论文关注的核心问题是:模型权重不变时,Agent 能否把工具调用记录、执行结果、用户纠正和失败修复过程,沉淀为可复用的指令、记忆、技能与运行规则。综述沿 Prompt 优化、Memory 进化、Skill 进化、Harness 进化四条主线,选取 40 项代表性研究绘制全景,并对 20 项研究中的具体更新闭环做对照分析。框架围绕三个问题展开:何时更新或继续保留、问题出在哪个组件、如何从经验中提炼修改并验证后纳入运行。Prompt 主线已从在指令空间搜索更优提示词,推进到利用失败反馈修订,再到优化“负责生成指令的 Agent”本身的提示词。 来源:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074549&idx=3&sn=5f2b05e08cb027c3f6284554462f8144

NeurIPS 2026 D-DOIT:免训练免梯度,增强子活性 6.19 超微调

NeurIPS 2026 收录的 D-DOIT 把离散扩散模型的奖励适配视为分布搬运问题,利用随机过程中的 Doob h-变换推导其在掩码离散扩散上的形式。方法不改动模型参数、不需要奖励梯度,只修改推理阶段的采样规则,因此可以直接适配 Enformer 预测器、结构预测打分这类只能查询分数的黑盒奖励,也不需要代价随轨迹长度或搜索宽度增长的粒子搜索。在 HepG2 增强子设计任务上,高预算 D-DOIT-Q 的预测活性达到 6.19,超过需要微调的 DRAKES 的 5.61;在蛋白质逆折叠任务上,结构–稳定性联合成功率为 68.1%,高于免微调的 SMC 的 63.6% 和 TDS 的 62.9%。 来源:https://mp.weixin.qq.com/s/1gdjSHQBwZFmt5mi64OaAw

行业动态

Anthropic IPO 路演图:算法乘数曲线超指数,重训 Mythos 算力大降

前 OpenAI、Anthropic 预训练研究员 Jacob Coxon 在社交平台晒出一张内部折线图,称自己在两个月前因此辞职;Anthropic 随后在 IPO 路演材料中公开了同一张图。图的纵轴是“算力乘数”,代表算法进步替训练省下的算力倍数,采用对数坐标;橙色曲线在对数坐标下仍持续变陡,意味着代码预训练效率的翻倍速度本身在加快,而非匀速指数增长。对照招股书披露的时间表,第三个橙色圆点对应今年 4 月的初代 Mythos 预训练节点,半年后迭代至 Mythos 5.2 时算法乘数再次抬升,Anthropic 称如今只需动用当初一小部分算力即可重训同级模型。文章还披露内部超过 90% 代码由 Claude 完成,复杂工程盲测成功率升至 90%,新芯片底层算子可由 Mythos 在 3 天内独立重写,人均代码贡献增长 45 倍;公司已放弃视频与图像生成,把算力集中到能反哺研发的代码与 Agent。 来源:https://mp.weixin.qq.com/s/aeMZnFdetiI2FfxIKr2fRg

李沐出任 Aimotion 联合创始人兼 CTO:主攻产业级世界模型

李沐正式出任 Aimotion 联合创始人兼 CTO,主导下一代产业级 AI 技术体系建设,同时继续担任 Boson AI 联合创始人兼 CTO。Aimotion 总部位于硅谷,面向汽车这类高价值、长决策周期行业提供 AI 销售营销解决方案,业务覆盖美洲、欧洲和亚太,近期刚完成 BAI Capital 领投的数千万美元 A 轮融资。双方合作的核心是把 Boson AI 的底层模型能力接入 Aimotion 的真实产业场景,构建“产业级世界模型”。与主流物理仿真类世界模型不同,它建模的是商业规则、客户决策逻辑和业务因果关系,用于场景推演、趋势预判和长周期任务规划,目标是让 AI Agent 从被动问答的辅助工具变成能自主执行复杂销售业务的系统。李沐为卡内基梅隆计算机博士、Apache MXNet 创始人之一、前亚马逊 AWS AI 资深首席科学家。 来源:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074549&idx=1&sn=5af6f646bcad4a81a50fe188d15649b2

造物潭完成数千万元天使轮:AI 数字员工做硬件研发,单次约 30 元

造物潭完成数千万元天使轮融资,嘉铭浩春领投,国资战略引导基金及智能制造领域产业资本参投,资金将用于自研电子行业大模型的训练迭代、工程对象本体体系建设和企业级产品交付。核心产品“小潭子”由专业 AI 数字员工与自研电子行业大模型双核驱动,通过统一的工程对象描述把电路、PCB 与三维结构组织到同一产品目标下,让 AI 理解不同专业设计之间的约束与影响。官方披露的案例中,一位没有硬件设计背景的软件工程师借助小潭子,在数小时内完成四足机器人原型的核心电子与结构设计,产出 BOM、原理图、PCB 和三维结构等可编辑文件,模型调用成本约 30 元,样机已完成上电运行与核心功能验证。公司称已积累数百万项专业工程数据与设计资产,工程决策、设计修改及验证结果会通过工程对象本体体系回流,用于模型迭代。 来源:https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247519354&idx=1&sn=fd43760d3a425482099d5887fca8bc58

评论

暂无评论。

登录后可发表评论。