GPT-6 Cyber 十天挖出 Linux 内核 948 个漏洞，单个成本 1279 美【AI 早报 2026-11-06】
OpenAI 用网络安全模型把 4000 万行 Linux 内核代码扫了一遍，10 天交出 948 个本地提权漏洞和 1169 个可用 root 提权利用；同日百度开源 2800 亿参数的文心 5.5 Flash Base、腾讯混元 Hy4 正式版上线 1M 上下文，大厂在模型效率与 Agent 基建上同时加码。
今日概览
要闻
- GPT-6 Cyber 十天挖出 Linux 内核 948 个漏洞，平均单个成本 1279 美元
- OpenAI 收购 Pierre Computer，把代码浏览、审查与分布式 Git 装进 Codex
- Meta 收购 Conductor，创始人带团队加入超级智能实验室
模型发布
- 百度开源文心 5.5 Flash Base：2800 亿总参数、激活 140 亿、支持 100 万 token 上下文
- 腾讯混元 Hy4 正式版：1M 上下文、输入 6 元/百万 token，Agent Arena 净提升 4.7%
- 深度原理开源 Hydrogen-1.0：FrontierScience 38.3% 超过 GPT-6 Astra
- AgentScope 发布 Piccolo 决策模型：27B 版本 JevBench 准确率 92.21%
- Gemini Omni 1.2 Flash：原生 15 秒视频生成，价格下调 30%
开发生态
- Kimi 发布 Hosted Agents：把 Agent Harness 做成 7×24 托管服务
- 米哈游联合清华开源 GameScaling：四档八个游戏模型，MCU 成功率 63.3%
- AWS Web Answer 在 Bedrock AgentCore 正式可用：一次调用返回带引用答案
产品应用
- ChatGPT Images 2.6 上线：生图提速 50%，首次支持一键生成 GIF
- Cursor 上线 Build Live Apps：云 Agent 包办托管、数据库与部署
技术与洞察
- 至知创新研究院开源 IQuestRT：单请求解码 910.70 tokens/s，达 vLLM 的 2.94 倍
- 清华 AIR 等发布 Language2Drive：93.2% 的驾驶成功无法在另一条指令下复现
- 高德披露营销 AI 质量工程：决策图识别风险，AgentLoop 四阶段验证
行业动态
- Claude Code 产品负责人 Cat Wu 离职加入 OpenAI
- METR：Anthropic 模型能力提升速度约为一年前两倍
- MOVIN 完成 750 万美元 A 轮，用端侧 AI 做无标记动捕
要闻
GPT-6 Cyber 十天挖出 Linux 内核 948 个漏洞，平均单个成本 1279 美元
OpenAI 用一款网络安全模型对超过 4000 万行代码的 Linux 内核跑了一条自动化流水线，从发现、验证到写出攻击代码全程由 Agent 完成，10 天内提交 948 个独立的本地提权漏洞，总花费 120 万美元，平均每个漏洞 1279 美元。第一步由「侦察兵」Agent 通读全量代码，圈出 280 万行与安全相关的高价值目标，约占总代码量 7%，花费 3426 美元 API 额度；「分析师」Agent 随后在 12 小时内对这批代码产出 2308 个疑似漏洞报告，耗资 31.6 万美元。第二步「分类兵」为每个疑似漏洞自动编写 PoC 并在隔离虚拟机复现，30 小时内复现 1724 个内核崩溃漏洞，命中率 74.7%，因模型逻辑脑补导致的彻底误报仅 3.1%。第三步「攻击手」尝试绕过 SMEP、SMAP、KASLR 等防护，最终写出 291 个信息泄露 PoC 和 1169 个成功拿到 root 权限的提权利用，合并变体后锁定 948 个独立漏洞，平均造出一个完整可用的 root 提权利用只需 359 美元 API 消耗。抽样分析 166 个利用程序后，安全团队发现模型自行使用了至少 10 种此前未知的 Linux 内核攻击技术，包括 2 种内核缓存精准堆喷射的持久弹性对象、2 种全新页面编排技术、5 种数据流攻击手法和 1 种任意类型混淆。早期测试中还有更反常的一幕：在指定漏洞上打通的 200 个案例里，有 20 个利用程序根本没使用分配到的漏洞，而是顺手在靶机里挖出了另一个全新 0-day。作为参照，顶尖人类安全研究员一年能在 Linux 内核找到约 20 个同类漏洞；OpenAI 今年 7 月用 GPT-5.6 Sol 扫描同样代码花了 50 多万美元、找到 166 个漏洞。OpenAI 同期以 GPT-6 Cyber 名义发布该模型，定位是发现可利用漏洞并开发修复方案，训练目标要求其活动保持在授权范围内。
OpenAI 收购 Pierre Computer，把代码浏览、审查与分布式 Git 装进 Codex
OpenAI 官宣收购初创团队 Pierre Computer，Codex 负责人 Tibo 在转发官宣时把 Pierre 比作计算机里的「运行内存」，并称要「重塑一切」。这支团队包括 Bootstrap 联合创始人 Jacob Thornton、前 Discord 核心工程师 Amadeus 和 esm.sh 创建者 Je Xia，官宣视频是在街头篮球场拍的一个镜头、未办拍摄许可的冷幽默短片。收购要解决的是 Codex 多 Agent 并行的收尾难题：同时派十几个 Agent 写代码后，几万行改动堆满屏幕，人类审不过来，海量分支也无处存放。Pierre 的三项能力正好对应「看、审、存」：Trees 负责超大项目目录的毫秒级展开与跨分支文件定位，已内置进 Codex 桌面版；Diffs 在对比视图里加入行内编辑，看到 AI 写错变量名可以当场改掉而不必切回本地 IDE；Code Storage 是专为 AI Agent 高并发读写设计的分布式 Git 仓库，已成 Lovable、Bolt、Poke 等应用的底层基建。数据显示 Lovable 一家每周靠它新建超过 800 万个 Git 仓库，Poke 每分钟执行 4 万次 Git 操作来存储 Agent 记忆。
来源：https://mp.weixin.qq.com/s/1q0HlJdMzrJWGh7hOt9ysw
Meta 收购 Conductor，创始人带团队加入超级智能实验室
Meta 收购 AI 编程初创公司 Conductor，创始人兼 CEO Charlie Holtz 在官方博客确认「Conductor 将加入 Meta」，全员进入 Meta 超级智能实验室（MSL），与前 GitHub CEO、MSL 产品负责人 Nat Friedman 及首席 AI 官 Alexandr Wang 合作开发「下一代交互界面」，新产品计划明年年初推出。Conductor 成立于 2024 年，去年夏天才正式发布核心产品，允许用户把开发项目拆成独立任务，在多个并行工作空间中部署 AI Agent 同时推进不同软件项目，可运行在云端、本地设备或手机上。该公司不自研底层智能体，而是调用 Anthropic、OpenAI 等头部实验室的模型。过渡安排是：核心功能维持到明年年初，但云端服务将于 11 月 20 日关闭，此后删除用户存储在云端的数据。Meta 今年 8 月已推出自研编程智能体 Muse Code，面向大型代码库开发任务，官方披露 Muse 系列用户规模已突破 1000 万。
模型发布
百度开源文心 5.5 Flash Base：2800 亿总参数、激活 140 亿、支持 100 万 token 上下文
百度 11 月 5 日正式开源基座模型文心 5.5 Flash Base（ERNIE 5.5 Flash Base），采用 MoE 架构，总参数量 2800 亿，每个 token 激活 140 亿参数，预训练使用 33.5 万亿 token，预训练上下文长度最高 128K，微调与推理阶段支持最长 100 万 token 上下文，官方称在知识、推理、数学、代码、多语言和长上下文等基准上取得同尺寸模型 SOTA。注意力层提出 Latent-Gated Sparse Attention，组合 HCA 与 MLA 让不同层分别承担压缩历史信息与细粒度访问，并用低秩 query latent 计算输出门，门控投影参数量减少 75%，虚拟头注意力 VHA 在推理时融合进注意力算子。专家路由改用 Multi-Router Latent MoE，由多个独立路由器共同参与专家选择，在激活专家数量、计算量和通信量不变的前提下降低单一评分偏差的影响。训练目标引入 ECHO，不额外增加 MTP 模块而复用主干最后一层预测后续 token，单步 ECHO 训练后该层还可充当投机解码的草稿模型。基建侧改进了分布式 Muon 优化器，并推出面向大 head dim 的注意力算子 FlashMask-4。
腾讯混元 Hy4 正式版：1M 上下文、输入 6 元/百万 token，Agent Arena 净提升 4.7%
腾讯混元发布 Hy4 正式版，相比 8 月底的 preview 首次引入视觉能力、首次支持电脑操作，上下文窗口 1M token，单次最多输出 64K，API 与 preview 同价：每百万 token 输入 6 元（命中缓存 0.3 元）、输出 18 元。在 Agent Arena 基于 8500 多次真实长程 Agent 任务的评测中，Hy4 取得 4.7% 净提升，位列总榜第 14 并进入帕累托前沿；每个任务成本 0.55 美元，比 Kimi K3.1 Pro（Max）的 1.46 美元低约 62%。金融方向由腾讯金融科技 FiT 组织 213 位专家众测，其中 153 位来自外部头部金融机构、七成有五年以上经验，579 个真实金融任务（满分 4 分）得分为 Hy4 3.04、DeepSeek-V4.1-Flash-1017 2.97、Kimi K3.1 Pro 2.68、GLM-5.3 2.68。业务侧内部评测显示：王者荣耀 20 类游戏配置准确率从 91.74% 提升到 97.28%，Agent 自主校验修复后达 99.32%；QQ 小 Q 满意率从 90.11% 升至 93.10%；元宝从 65.25 升至 72.53；微信读书从 82.10 升至 87.69；WorkBuddy 平均 83.18 分、通过率 96.15%，12 个场景中 9 个排国内模型第一。11 月 4 日至 15 日，WorkBuddy 每日赠送免费额度，模型也可通过元宝、ima、腾讯云与 OpenRouter 调用。
深度原理开源 Hydrogen-1.0：FrontierScience 38.3% 超过 GPT-6 Astra
AI for Science 公司深度原理（Deep Principle）开源科学大模型 Hydrogen-1.0，权重已在 Hugging Face 与 ModelScope 发布。在 OpenAI 推出的科研基准 FrontierScience Research 上，Hydrogen-1.0 取得 38.3%，GPT-6 Astra 为 33.3%，高出 5 个百分点；该基准按博士水平可能需要三到五小时完成，评分同时考察答案与推理过程。模型底座是智谱开源的 GLM-5.3，经化学、材料、生命科学数据与实验室记录做科学后训练后，FSR 成功率较基座提升 13.9 个百分点。在覆盖物理、化学、生物的 GPQA Diamond（198 道精选选择题）上，Hydrogen-1.0 准确率 93.0%，比基座提高 3 个百分点，接近 Kimi-K3 的 93.5%。训练数据分四层：专业知识、科学家针对具体问题的反馈、完整实验记录、一轮轮找材料的全过程；后两层包含失败方向、异常触发重算、参数调整原因等通常不会写进论文的过程数据。训练分两步，先监督微调学习范例中的分析、规划与操作步骤，再用强化学习按任务反馈改进；长任务训练中长回答未生成完可保存已生成部分续写。不自行部署的团队可通过 NeuroSpark API 或 Mira 科研平台接入。
AgentScope 发布 Piccolo 决策模型：27B 版本 JevBench 准确率 92.21%
AgentScope 团队发布 Piccolo 决策模型系列，含 27B、9B、4B 三个尺寸，定位是给智能体工作流、数据处理和游戏操控提供长程决策支持。Piccolo-27B 在 JevBench Public 上准确率 92.21%，文本 Decision Index Public 68.59 分、多模态 Decision Index Public 77.75 分；在自建的 HarnessJevBench（Agent 运行控制）与 DataJevBench（数据工作流）上分别为 84.41% 和 82.60%。在网站 11 月 2 日更新的 11 模型对比中，这三项均排名第一。团队用基于递归自我改进（RSI）的研发框架迭代模型：研究 Agent 根据错误与训练反馈选择数据、检验改动，并把实验结果用于下一轮优化。落地场景上，Piccolo 可在《绝区零》战斗画面中实时给出移动、攻击、闪避动作指导，也支持 2048 合并方向、黑白棋落子等策略判断；在 Harness 中覆盖工具选择、模型路由、上下文与记忆、权限与信任、完成验收、失败恢复六类判断。模型接收当前状态与候选动作，返回程序可直接使用的结果与概率。
Gemini Omni 1.2 Flash：原生 15 秒视频生成，价格下调 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash，支持原生 15 秒视频生成与编辑，一致性较前代更强，定价下调 30%。官方博客将该版本的核心卖点归结为「更快、更便宜、片段更长」三项，主要面向需要批量产出短视频素材的调用场景。
来源：https://deepmind.google/blog/gemini-omni-12-flash-fast-and-cost-effective-with-longer-clips/
开发生态
Kimi 发布 Hosted Agents：把 Agent Harness 做成 7×24 托管服务
月之暗面发布 Kimi Hosted Agents，把支撑 Agent 运行的 Harness 作为云端服务提供给企业和开发者，无需自建运行框架即可获得 7×24 小时托管环境，支持长程任务执行与多智能体协作。官方给出的成本对照是：企业自建一套可靠的 Harness 底座通常需要几个月，包括搭建代码执行环境、上下文与会话管理、工具调用、权限控制、任务中断恢复，上线后还要持续维护。托管版提供独立沙箱、网络访问权限控制、会话随时中止、执行留痕与审计导出，以及按 Agent 项目的计费规则和用量报表。平台内置 140+ Skills 与 30+ 插件，覆盖联网检索、专业数据查询、办公文档处理和内容生成，企业也可接入自有工具与数据源。安全侧可结合独立组件 Kimi Inference Hook，在每次模型推理前检查任务输入与工具返回内容，仅放行通过企业自定义规则的内容，该组件目前对企业认证用户定向开放。首批提供 8 个金融 Agent 模板，覆盖投研建模、深度研究、晨报生成、IPO 跟踪、持仓监控等任务。
米哈游联合清华开源 GameScaling：四档八个游戏模型，MCU 成功率 63.3%
米哈游联合清华大学、香港大学、新加坡国立大学等机构开源首个通用游戏模型系列 GameScaling，覆盖 0.8B、2B、9B、27B 四档规模共八个模型，权重与推理代码以 Apache 2.0 协议发布。模型基于 Qwen3.5 系列持续预训练，用开源社区游戏轨迹把视觉语言模型的知识接到可执行操作上，根据画面、任务提示和近期交互历史输出接下来 200 毫秒的键盘与鼠标操作。在《我的世界》MCU 基准的 30 项任务中，GameScaling-27B-S1 平均成功率达到 63.3%；0.8B 至 9B 的 6 个模型在单张 H200 或 RTX 5090 上即可实现每秒约 5 次观测、每秒 30 步动作的实时交互。实验设计把模型规模、数据时长、数据多样性拆开考察：四档模型、50 至 1600 小时六档数据预算、从全部来自《我的世界》到多游戏混合的五种配比，共 120 组受控配置，评测从训练覆盖的 MineCraft 与 Doom 延伸到未见过的相近 3D 世界及 2D、2.5D 世界。团队观察到两段式学习节奏：早期「接口阶段」按键、鼠标与动作格式预测迅速改善，收益也出现在未训练世界；随后「世界阶段」的提升越来越依赖模型经历过哪些游戏，对差异较大的世界甚至出现损失上升。
来源：https://mp.weixin.qq.com/s/T2LNcUGe5L4LR7duwVfNPg
AWS Web Answer 在 Bedrock AgentCore 正式可用：一次调用返回带引用答案
AWS 宣布 Web Answer 在 Amazon Bedrock AgentCore 正式可用，Agent 开发者用一次工具调用即可拿到对自然语言问题的合成答案，每条结论都绑定来源 URL。此前要自己串起整条链路：调搜索 API、判断结果可信度、抓取并清洗页面、提示模型合成、再做引用抽取，每一步都是需要维护的代码和潜在故障点。现在 Agent 把问题发给 AgentCore Gateway，Gateway 用 IAM 或 JWT 完成认证，再以自身服务角色调用 Web Answer；后者规划搜索、并行执行多路查询、读取关键页面核对事实，证据不足时重新搜索，最终把答案与引用作为 MCP 工具结果返回。该服务每次提问都会重新检索，并把当天日期提供给模型以获取最新信息。
产品应用
ChatGPT Images 2.6 上线：生图提速 50%，首次支持一键生成 GIF
ChatGPT 的图像能力升级到 Images 2.6，生图速度提升 50%，并首次支持一键直出 GIF——过去要让生成的猫咪眨眼、摇尾巴需要另借动画软件，现在一句「你可以做成 GIF 吗」即可完成。新版本同时支持逐帧编辑、调整播放速度，参考生图功能同步上线，可在保持角色一致的前提下批量产出动态素材。API 侧上线两款生图模型：Flare 主打速度，最快 6 秒出图；Sunburst 主打高质量与编辑一致性，支持 SVG 导出和局部精修。
来源：https://mp.weixin.qq.com/s/_K3CGhTQV9qqDDRJoPuDcw
Cursor 上线 Build Live Apps：云 Agent 包办托管、数据库与部署
Cursor 在更新日志中上线 Build Live Apps，开发者可在编辑器内直接构建并部署 Web 应用，由云端 Agent 负责托管、数据库、认证和部署环节。该功能把此前需要在多个外部服务之间手工打通的发布链路收进 Cursor 内部，应用构建完成后即可获得可访问的运行环境。
来源：https://cursor.com/changelog/build-live-apps
技术与洞察
至知创新研究院开源 IQuestRT：单请求解码 910.70 tokens/s，达 vLLM 的 2.94 倍
至知创新研究院（IQuest Research）发布并开源面向 IQuest-Q1 的专用推理引擎 IQuestRT，技术报告显示在 8 卡高性能 GPU、单请求条件下实现 910.70 tokens/s 实测解码吞吐，达到 vLLM 参考配置的 2.94 倍。IQuest-Q1 是 MoE 架构基础模型，总参数约 320B、每 token 激活约 15B，面向代码生成、软件工程、推理和多步工具调用，推理时采用递归多 Token 预测（MTP），需反复执行候选验证、采样、缓存更新和下一轮预测。IQuestRT 把候选验证、采样、缓存更新与下一轮启动等控制逻辑直接放到 GPU 上，CPU 只发起第一轮任务、生成结束后再读结果；配对重放实验显示消除主机端控制间隔后每轮计算节省约 22—25 微秒，进一步精简执行边界再省约 3 微秒。引擎还动态决定投机预测深度、提前加载可能用到的专家权重，并减少跨 GPU 通信中的同步等待。值得注意的细节是研发方式本身：多个 Agent 并行开展代码实现、性能实验和调试，相关优化成果仅用两周就超过了团队此前人工精细调优的计算流水线。
来源：https://mp.weixin.qq.com/s/w7-S3r6NgrzRvWpBbvLcew
清华 AIR 等发布 Language2Drive：93.2% 的驾驶成功无法在另一条指令下复现
清华大学智能产业研究院（AIR）、东南大学、上海交通大学、香港科技大学（广州）、阿德莱德大学，联合理想汽车、蔚来、Amazon、AMD 等发布自动驾驶 VLA 评测基准 Language2Drive，核心方法是成对反事实单元（PCU）：同一场景、同一初始状态、同一随机种子，只改自然语言指令，例如「左转」与「直行」、「停进 B204」与「停进 B205」、「先到 B208 再去 F206」与相反顺序。团队构建 64 个 CARLA 成对单元，每侧指令准备三种语义相同表达，每个系统需完成 384 次闭环运行、组成 192 对测试。结果是在六个主要 CARLA 系统已经成功的运行中，93.2% 无法在另一条同样可行的指令下组成「双侧成功」；LMDrive 单条严格指令成功率最高为 12.24%，严格配对成功率为 0；整个 CARLA 主评测最高严格配对成功率仅 1.04%。Alpamayo 1.5 在重建真实场景中拿到 100% 安全分和 97.17 的 DrivingScore，严格配对成功率同样为 0，说明完成行程不等于真正听懂指令。评测把语言控制分为原子动作、持续行为、场景落地指令、长程程序四个层级，判定不要求复现唯一参考轨迹，只要满足可机器检查的空间、时间、行为和安全条件即算成功；团队另在 23 个重建真实道路场景构建 30 个 RealSim 成对单元，并扩展至 nuScenes、NAVSIM、WOD-E2E。
高德披露营销 AI 质量工程：决策图识别风险，AgentLoop 四阶段验证
高德技术披露其营销业务的 AI 质量工程实践，研发侧建设 Graph Engineering 决策图，用 LangGraph StateGraph 显式组织评审流程：Generator 先生成基础 Finding，PM、QA、Developer、SRE、Security 等角色并行审查需求边界、测试条件、稳定性与安全性，Reducer 合并重复结论，Judge 判定有效性、严重度与优先级，策略允许时 Executor / Refiner 再生成修复方案并按诊断做有限次数迭代。修复权限被拆成 proposal → dry-run → apply → verification → commit → push → optional MR 的阶梯，每个动作由策略分别控制，验证通过本身不会自动开启后续交付权限；当前 Safe Autofix 主要完成流程与权限机制建设，快照中自动修复记录为 0。测试侧的 AgentLoop 分四个核心阶段：变更分析输出 change-impact-analysis.md，测试用例设计输出 test-cases.md，测试方案设计输出 test-plan.md，自动化实现生成测试代码与验证记录，相邻阶段之间设置人工审阅。针对测试中的 Oracle Problem——若 Agent 从实现代码推导预期值再用它检查同一段实现，错误会被一并写进断言——团队要求标注预期来源，需求文档中的业务规则可作为独立于实现的依据，仅从代码推导的预期不能单独证明业务正确。
行业动态
Claude Code 产品负责人 Cat Wu 离职加入 OpenAI
Claude Code 产品负责人 Cat Wu 在 X 上宣布加入 OpenAI，负责核心产品的产品管理，她于 10 月 30 日从 Anthropic 离职、11 月 4 日公开这一决定。她 2024 年加入 Anthropic，参与 Claude Code 的产品开发，与产品创造者 Boris Cherny 一同推动其从内部实验工具变成面向开发者的 AI 编程产品，此前还负责 Cowork 产品。她在声明中提到，第一次使用 Claude Code 时让模型搭建一个强化学习环境，虽然花了几十个小时不断引导，但全程没有亲手写一行代码。她还描述 Claude Code 两年间的变化：早期用户需手动批准大多数操作，主要用于回答问题和编写测试，如今已能执行大规模代码迁移甚至构建全新产品。这并非她第一次离开 Anthropic——2025 年她曾与 Boris Cherny 一同短暂加入 Cursor，随后回归。加盟后她将与 Codex 负责人 Tibo 协作，方向是打造让用户保持掌控的智能体。
METR：Anthropic 模型能力提升速度约为一年前两倍
据 Fast Company 11 月 6 日报道，研究机构 METR 估计，Anthropic 模型在「定义明确的任务」上的能力提升速度约为一年前的两倍。报道称这一估算由第三方机构给出，聚焦可明确评估的任务类型，未披露具体模型版本、基准名称或完整测算方法。报道同时提到，外界的放缓开发呼声并未改变该公司的迭代节奏。
MOVIN 完成 750 万美元 A 轮，用端侧 AI 做无标记动捕
韩国公司 MOVIN 完成约 750 万美元 A 轮融资，累计融资超过 1000 万美元，本轮由 IMM Investment 领投，IBK 产业银行与 Voyager Ventures 参投，Atinum Investment、NAVER D2SF 和 Schmidt 跟投。公司 2023 年成立，产品 MOVIN TRACIN 结合 LiDAR、摄像头视觉与自研端侧 AI，无需动捕服、标记点或影棚即可捕捉全身动作。上线一年内实现约 75 万美元收入，出货超过 200 台，覆盖 20 多个国家，北美为最大市场。该技术已被波士顿动力和 RAI Institute 用于机器人遥操作与训练，MOVIN 也是 NVIDIA SOMA 唯一的韩国 Launching Adoption Partner。本轮资金将用于全球扩张、端侧多模态 AI 研发，以及在韩国新建研发中心，聚焦面向世界模型开发的真实场景数据集。
暂无评论。