Anthropic递表：营收162.86亿美元、净亏807亿【AI 早报 2026-10-27】
Anthropic 向美国证券交易委员会递交 S-1 招股书：2026 年上半年营收 162.86 亿美元、净亏 807.48 亿美元，计划 11 月中旬登陆纳斯达克。腾讯混元开源 3 秒级同传模型，Kimi K3.1 Pro 把上下文拉到 1M，OpenAI 上线 GPT-6.1 Terra。
今日概览
要闻
- Anthropic递表：营收162.86亿美元、净亏807亿
模型发布
- 腾讯混元开源同传模型 Hy-SimulMT：3秒延迟，超多数商用 API
- Kimi K3.1 Pro 发布：3T级模型、1M上下文，Highspeed 快2-3倍
- OpenAI 发布 GPT-6.1 Terra，主打大规模计算机使用
- 可可矩阵发布 CO01：1分钟示范让机器人上手新任务
- Hi3D V3.0 实现2048³几何分辨率，V1.0 正式开源
- Nanbeige4.3-33B 开源：33B稠密模型、512K上下文
- NUS 推出 Jeva：原生 System One 架构，null 检测 AUROC 98.66%
- d3-turbo 上线：26.09B 决策模型，一次读入回答多问题
开发生态
- Resin 开源：让 Agent 为 DeepSeek-V4.1-Flash 写推理引擎
- ms-swift 新增决策模型支持：JEV 温度标定 ECE 降低46.7%
- LangGraph 1.2.18：快照频率改为每100次更新
- Transformers v5.21.0 新增 MiniCPM-OCR 文档理解模型
- gpu-unlock-ada：RTX 4090 的 FP16 矩阵吞吐最高提升34%
产品应用
- 微软 MAI-DxO 复杂病例诊断准确率83%，仍需医院实测
- Remix 上线桌面端：150万用户可用文本生成游戏
- A5 个人助手技术预览：Markdown+Git 管理跨会话记忆
- DigitalOcean 公测 Agent 学习与数据服务
技术与洞察
- 谷歌发现 Softmax+交叉熵两个数值 Bug，修复后 grokking 尖峰消失
- RoboCoach 用世界模型定向纠错，Franka 成功率13.3%升至75%
- Q Labs 的 Dust 不用反向传播预训练 Transformer，最大实验243M参数
- OpenAI 公布模型在 Kakeya 猜想等数学问题上的结果
行业动态
- Itaú 以5.89亿美元收购AI初创 NeoSpace
- Agentic AI Foundation 新增四个项目，MCP 转向安全
要闻
Anthropic递表：营收162.86亿美元、净亏807亿
美国当地时间10月26日，Anthropic 向美国证券交易委员会递交 S-1 招股书，申请在纳斯达克全球精选市场挂牌，股票代码“ANT”。招股书披露，2025 年营收 45.85 亿美元、净亏损 419.65 亿美元；2026 年上半年营收 162.86 亿美元、净亏损 807.48 亿美元，收入同比放大约 13 倍。2026 年上半年消费型收入 131 亿美元、占营收 80%，订阅收入 32 亿美元、占 20%；截至 2026 年 9 月 30 日，净收入留存率约 900%，市场估算年化收入运行率约 650 亿美元。业务拆为模型、应用、智能体三块：Claude 分 Mythos（含 Fable）、Opus、Sonnet、Haiku 四条线；Claude.ai 与 Claude Cowork 在 9 月合并；Claude Code 已进入企业软件开发流程。客户侧，年流水 10 万美元以上客户 11900 家（一年前 950 家），100 万美元以上 1900 家，1000 万美元以上约 250 家，前五大客户贡献约 25% 营收；员工约 5300 人，TTM 人均营收超过 660 万美元。Anthropic 称 Opus 5.5 把单任务成本降低约 40%，2026 年二季度营收同比增长 1368%，同期算力与基础设施支出只增长 300%。据知情人士透露，公司计划在 11 月 16 日当周上市，按一级市场融资推算估值 1 万亿至 2 万亿美元，若按 2 万亿美元定价将超过 SpaceX 成为史上最大 IPO。
模型发布
腾讯混元开源同传模型 Hy-SimulMT：3秒延迟，超多数商用 API
10 月 26 日，腾讯混元发布并开源同声传译大模型 Hy-SimulMT，支持中英之间的语音到语音实时翻译：音频实时输入，模型边听边译，同时输出译文和语音，并支持实时音色克隆。官方实测响应时间约 3 秒，人类专业译员平均水平为 4—5 秒；在长音频开源评测集 RealSI 上，Hy-SimulMT 在最低延迟档达到开源模型最佳，翻译质量超过大多数商用同传 API。腾讯用十个领域的新增中英文音频做能力定位测评，并请 6 位人类同传专家对照，其中 3 位持 CATTI 一级口译证书、3 位持二级证书；结果显示 Hy-SimulMT 的翻译质量达到人类专家水平，延迟更低。系统采用“先开口、后修补”的策略控制延迟，修补听感接近译员自我修正。该模型已在腾讯 Hy 翻译 App 首发，免费开放体验，App 支持 33 种语言互译。
Kimi K3.1 Pro 发布：3T级模型、1M上下文，Highspeed 快2-3倍
Kimi 于 10 月 24 日发布 K3.1 Pro 与 K3.1 Pro Highspeed，采用 3T 级模型，提供 1M 上下文，面向代码、3D 创作、金融研究及 Agent 任务。模型可在长上下文中处理任务材料，并衔接工具使用与多步执行；Pro Highspeed 走更快的服务路径，官方称速度为 Pro 的 2—3 倍。目前 Kimi 网页、App、Kimi Code 和 API 均已上线。完整权重计划在 11 月 4 日前开放，当前尚未开放，需要本地运行的开发者仍需等待。
OpenAI 发布 GPT-6.1 Terra，主打大规模计算机使用
OpenAI 上线 GPT-6.1 Terra，官方给出的定位是“在大规模场景下提供快速、可用的计算机使用能力”。公开信息目前只覆盖产品名与这一句定位，参数规模、价格、上下文长度和开放范围尚未披露。
来源：https://openai.com/index/introducing-gpt-6-1-terra
可可矩阵发布 CO01：1分钟示范让机器人上手新任务
可可矩阵发布机器人模型 CO01，核心是“经验提示”：一次示范、一段失败经历、一句提醒，甚至一张目标图片，都可以直接放入模型上下文，无需为当前任务重新训练。同一预训练模型下，一段约 1 分钟的示范可让未见任务平均成功率达到 52%；用微调达到相近水平需要约 180 条示范、约 9 小时。在五次尝试机会下，保留自身历史的真机累计成功率为 84%，不保留历史为 56%。CO01 用同一套权重支持深度、分割、光流、人体姿态等多类感知任务，在 8 项基准中有 5 项优于专用模型，深度估计基本持平。团队用会话式训练保留示范、失败与纠正之间的联系，让动作模型不更新权重也能利用经验调整行为，部署中的交互记录还可整理后用于后续训练。
来源：https://mp.weixin.qq.com/s/w8eA5hM4E0Afynba_aO52g
Hi3D V3.0 实现2048³几何分辨率，V1.0 正式开源
数美万物发布三维生成模型 Hi3D V3.0，称实现 2048³ 名义几何细化分辨率和最高 8K 纹理输出，重点改善高复杂度结构与动物毛发等细节；官方用同一原图对比了 GPT-6 与 Hi3D Agent 的生成结果。同时，数美万物把经过生产验证的 Hi3D V1.0 开源：训练使用约 200 万个 3D 资产，较 Sparc3D 此前约 50 万扩大约四倍，最高支持 1536³ 有效稀疏表面提取网格分辨率。V1.0 基于 Sparc3D 的高分辨率稀疏表示与稀疏卷积自编码管线，只在预测表面区域分配计算资源，目标是让单张图片生成各角度合理、细节丰富、可继续用于创作的三维资产。开发者可在 GitHub、Hugging Face 获取代码与权重。
来源：https://mp.weixin.qq.com/s/CN4sLalJ_-BtLGekHKVqVw
Nanbeige4.3-33B 开源：33B稠密模型、512K上下文
南北阁开源 Nanbeige4.3-33B，这是一款 33B 稠密模型，支持 512K 上下文，面向复杂编程、职业办公与工具调用。模型提供思考开关，可选择在多轮工具调用中保留前序推理内容，便于延续推理过程；团队报告其 Terminal-Bench 2.1 得分为 80.9。权重按 Apache 2.0 许可证开放，可通过 Transformers、vLLM 或 SGLang 运行。它同时承担系列教师模型角色，供未来 3B 模型蒸馏使用，但该 3B 模型尚未发布；部署时需为 33B 原始权重和长上下文分别预留显存。
NUS 推出 Jeva：原生 System One 架构，null 检测 AUROC 98.66%
新加坡国立大学 xML Lab 推出 Jeva，把“决策”作为模型设计起点：不生成自由文本，直接输出选择、概率或分数。Jeva 强调四项结构特性——没有合适答案时输出 null、候选换顺序不改变判断、候选规模增长不改变打分方式、复用选项表征但不复用旧结论。模型 Jeva-4B 使用 Qwen3.5-4B 骨干加一个决策块；在 BANKING77 上构造 3080 个匹配请求、每个请求 16 个候选，其中 588 个为答案缺席，Jeva 的 null 检测 AUROC 达到 98.66%，高于 KEV-BF16 的 93.61%、InternDecision-4B 的 84.27% 和 JevK5 的 79.44%。论文还展示：固定候选 A、B，仅替换第三个候选，就能让 A、B 的偏好方向反转，说明决策块能表达集合相关偏好。选项的语义表征及其层投影可缓存，新请求只需重新编码问题并计算当前判断。
d3-turbo 上线：26.09B 决策模型，一次读入回答多问题
vLLM Semantic Router 的决策模型 d3-turbo 已于 10 月 19 日提供服务，模型为 27B 级、实际参数量 26.09B，接受文本、JSON、图像和视频输入，输出多选、是否、评分、定位与跟踪等判断的概率，不生成文本回答。它可一次读取输入后回答多个问题，适合请求路由、内容筛选和视频目标判断；免费 API 每次最多支持 64 个问题，本地运行最多支持 255 个。模型默认上下文 32K，可启用 131072 token 长上下文；权重按 Apache 2.0 开放，上述参数量已包含视觉编码器。
开发生态
Resin 开源：让 Agent 为 DeepSeek-V4.1-Flash 写推理引擎
Eric Zhang 开源 Resin，让 Agent 为指定模型和硬件编写推理引擎：Rust 写的共享 Engine 负责请求调度、缓存与运行状态，模型侧 Runner 负责权重、前向传播和计算内核，两者通过固定批次计划衔接。项目已支持 DeepSeek-V4.1-Flash-1017，作者称其性能与 DeepSeek 自研引擎 DeepInfer 相差约 5%—10%，同时具备 HTTP 服务、指标和前缀缓存。在 8 张 B300、EP8、128K 上下文（约 124K 共享前缀加 4K 私有部分）的测试中，Resin 对比了新旧版本与 DeepInfer 的解码表现。Eric 还让 Codex 连夜为 GLM-5.3-Flash 生成带 MTP 的推理引擎，在 4 张 B200、EP4、NVFP4、8K 上下文下最高达到每秒 6 万输入 token、1.6 万输出 token。vLLM 作者 Woosuk Kwon 引用该工作称，vLLM 也在隔离模型专属代码，并考虑把更多组件迁到 Rust。Resin 目前仍是实验项目，提供 add-resin-model 与 optimize-resin-performance 两份 Skill。
ms-swift 新增决策模型支持：JEV 温度标定 ECE 降低46.7%
ms-swift 新增对决策模型的支持，覆盖 JEV-27B-VL、Clef、OmniJev 等开源决策模型的训练与推理，内置决策语料、专属损失函数和两级温度标定机制，可自动处理评分头精度与权重加载。框架提供 generic_decision 转换路径，支持通过 LoRA 微调把通用生成模型转换为输出候选选项概率的决策模型。在 JEV 温度标定实验中，期望校准误差 ECE 降低 46.7%，预测准确率保持不变。
LangGraph 1.2.18：快照频率改为每100次更新
LangGraph 发布 1.2.18，同步发布 checkpoint 4.3.1。该版本把 DeltaChannel 默认快照频率从每 1000 次更新改为每 100 次更新，可通过 snapshot_frequency=1000 恢复旧行为。修复项包括 error_handler 在各路径恢复、流式失败任务结果、interrupt_after 或递归限制停止后最后检查点的流式输出、子图层级标签重复等。依赖方面，opentelemetry-api 从 1.39.1 升至 1.45.1，nbconvert 从 7.17.1 升至 7.17.2。
来源：https://github.com/langchain-ai/langgraph/releases/tag/1.2.18
Transformers v5.21.0 新增 MiniCPM-OCR 文档理解模型
Transformers 发布 v5.21.0，新增文档理解模型 MiniCPM-OCR。MiniCPM-OCR 来自 OpenBMB 的 MiniCPM-V 家族，保留 MiniCPM-V 4.6 架构，并搭配 SigLIP 视觉编码器。公开摘要未给出更多 API 与性能数据。
来源：https://github.com/huggingface/transformers/releases/tag/v5.21
gpu-unlock-ada：RTX 4090 的 FP16 矩阵吞吐最高提升34%
gpu-unlock-ada 是按 GPL 2.0 开放的实验性 Linux 内核模块，在 NVIDIA 驱动前启用 SM 速度选择覆盖，支持 RTX 4090，并实验支持 RTX 4070 Ti SUPER。项目称，FP16、BF16 且采用 FP32 累加的指令吞吐约翻倍；cuBLAS 的 FP16 实测提升约 12%—34%，随矩阵形状变化，某量化 MoE 则没有增益。它不增加显存，也不代表大模型普遍提速一倍；使用需本地生成固件，并适配启动流程和驱动。
产品应用
微软 MAI-DxO 复杂病例诊断准确率83%，仍需医院实测
微软的 MAI-DxO AI 在诊断基准测试中对复杂病例的准确率达到 83%，表现优于全科医生。TechRepublic 指出，这一结果来自基准评测，仍需在真实医院环境中测试，以评估临床价值。
来源：https://www.techrepublic.com/article/news-microsoft-ai-diagnostic-tool-doctors-clinical-tests/
Remix 上线桌面端：150万用户可用文本生成游戏
Remix 上线 Windows、Mac、Linux 桌面端，创作者可以在桌面应用、网页以及 iOS、Android 原生应用中用文本描述生成游戏，无需编程经验。平台目前约有 150 万玩家和创作者；2025 年从移动端起家，创作者已制作约 10 万款短游戏。Remix 的 AI 工具负责写代码，平台托管游戏并加入排行榜、成就和实时多人；创作者拥有作品，可导出代码自行变现。同步开启的“The Missing Bitcoin”寻宝总奖池超过 10 万美元，头奖为 1 枚比特币或等值现金，10 月 26 日开放报名，最终阶段 11 月 12 日开放。
A5 个人助手技术预览：Markdown+Git 管理跨会话记忆
A5 于 10 月 23 日推出技术预览，定位为需要长期上下文的个人助手：保留跨会话记忆、跟踪工作空间变化，并主动提出后续建议，由用户决定是否执行。记忆以 Markdown 保存并由 Git 管理版本，空闲时整理过时或重复内容，同时提供带来源的 Wiki。当前仅发布 Harness 与安装包，源代码计划开放但尚未开源；支持 Intel 和 Apple 芯片 Mac，以及尚未充分测试的 Linux x86_64 AppImage，需自行接入兼容模型服务，并支持 MCP 与 Skills。
DigitalOcean 公测 Agent 学习与数据服务
DigitalOcean 宣布 Learning Services 与 Agent Data Services 进入公开预览，开发者可以在统一的 AI 原生云平台内构建、评估并持续改进 AI Agent。两项服务分别面向 Agent 的学习闭环与数据管理，但公开摘要未给出定价、区域和具体配额。
技术与洞察
谷歌发现 Softmax+交叉熵两个数值 Bug，修复后 grokking 尖峰消失
谷歌研究指出，JAX、PyTorch、TensorFlow 共用的标准 softmax 加交叉熵实现里藏着两个数值 Bug：Softmax Collapse 与 Softmax Cancellation。前者在模型对正确答案越来越自信时，一旦 logit margin 越过精度悬崖——bf16 约 5.5、fp32 约 16.6、fp64 约 36.7——目标 logit 的梯度就被直接舍入成 0。后者影响蒸馏：学生 logits 逼近教师时，分别算 q 和 p 再相减会损失精度，而且前向用 softmax、反向用 log-softmax，即使学生与教师完全相等，梯度也不为零，留下噪声地板。修复方法是将最大 logit 位精确置 0，用数值稳定的 softplus(-m) 替代 log(1+e^{-m})，并在 log 空间用 expm1 和 log1p 直接计算 q-p，做几行代码的 drop-in 替换。论文把 grokking 中的 Slingshot 损失尖峰解释为一条循环：margin 过悬崖、目标梯度清零、Adam 二阶矩衰减、权重衰减把样本拖回、梯度恢复后产生巨大更新。实验里，有权重衰减时修复版 5 个种子全部 grok 成功（100±0%），标准版为 94±5%；无权重衰减时标准版约 1250 步撞崖，测试准确率从 61% 崩到 23%，修复版平稳走到 85%。修复后 margin 停在约 18.4，作者给出平衡点 m*≈log(1/ε)，ε=10^-8 时正好高于 fp32 悬崖 16.6。
RoboCoach 用世界模型定向纠错，Franka 成功率13.3%升至75%
清华大学、中国人民大学等团队提出具身智能系统 RoboCoach，用世界模型定位长程任务中的薄弱子任务，再引导人类做定向示教并更新对应策略专家，把有限的人工干预用在最需要的地方。在固定人工示范预算下，RoboCoach 把 Franka 的成功率从 13.3% 提升到 75.0%，把 AgileX 从 40.0% 提升到 83.8%。团队在真机和仿真共四个平台验证：定向示教数据优于传统均匀采集数据，因为数据价值取决于它与当前具身基础模型的互补程度。CoachWorld 世界模型基于 Wan2.2 TI2V-5B 初始化，使用接近 500 小时交互数据训练，包含成功示范、失败、自由交互和次优轨迹；它用双槽末端执行器表示统一单臂和双臂动作。对四个已有技能重新排序、跨任务拼接或直接接长的 held-out 任务，RoboCoach 取得 35.0% 平均成功率，共享策略基线为 0%。
来源：https://mp.weixin.qq.com/s/inifTqjMXpCOvE98Te6Wgw
Q Labs 的 Dust 不用反向传播预训练 Transformer，最大实验243M参数
Q Labs 提出零阶优化方法 Dust，尝试在不使用反向传播的情况下预训练 Transformer。它不扰动权重，而是给每一层输出的激活值加高斯噪声，并在每个 token 上独立加噪，让一次前向传播并行评估数千个“虚拟种群”个体；对降低 loss 的噪声记功并加权平均，得到梯度估计。Q Labs 声称，这是第一个在 Transformer 预训练任务上能与反向传播正面竞争的零阶方法，在大规模种群下可很好地近似反向传播，并在多种设置下超越它。瓶颈同样明显：Dust 目前比反向传播贵几个数量级，论文实验最大只到 243M 参数、20M token 训练预算。第三方 SOTAAZ Lab 复现显示，在论文设定的一轮 SGD 比较下结果基本可复现，但差距很小；一旦给反向传播换上更合适的优化器或允许多训练几轮，反向传播明显领先且成本更低。因此 Dust 当前的意义是证明零阶方法可用于 Transformer 预训练，而不是替代反向传播。
来源：https://mp.weixin.qq.com/s/H70r4m_1n5QDguXcd-l5Mg
OpenAI 公布模型在 Kakeya 猜想等数学问题上的结果
OpenAI 公布模型在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学（QCD）三个问题上的结果，并说明研究者如何验证并在此基础上继续工作。该条目只给出研究主题与验证方式，未披露模型规模、具体证明过程和评测分数。
来源：https://openai.com/index/building-scientific-understanding-with-academic-communities
行业动态
Itaú 以5.89亿美元收购AI初创 NeoSpace
Itaú Unibanco 同意以 29.3 亿雷亚尔（约 5.89 亿美元）收购巴西 AI 初创 NeoSpace 的全部股份。双方已合作近两年，NeoSpace 用 Itaú 的专有数据训练基础模型，应用覆盖信贷、客户关系管理、反欺诈和个性化金融服务。交易仍需完成审批，交割时支付首期，余款在五年内按条件支付；NeoSpace 收购后继续自主运营，管理层保持独立，现有团队保留。该交易也支持 Itaú 开发生成式 AI 助手 ia.i，用于更个性化的客户交互与金融服务。
来源：https://theaiinsider.tech/2026/10/26/brazils-itau-unibanco-to-acquire-ai-startup-neospace-for-589m/
Agentic AI Foundation 新增四个项目，MCP 转向安全
在 AGNTCon + MCPCon North America 2026 上，Agentic AI Foundation 新增 OpenSandbox、Open Responses、Agent Skills 和 OpenEnv 四个项目，成立第一年项目总数达到十个。Anthropic、OpenAI、Google 和 UC Berkeley 的主题演讲集中在 MCP 的生产落地、安全，以及拥有自己身份的 Agent。
暂无评论。