GPT-6 Cyber 查出 Firefox 81 个高危漏洞【AI 早报 2026-11-07】
OpenAI 的网络安全专用模型把 Firefox 又筛出 81 个此前未知的高危漏洞；DeepSeek Harness 公布 140 万日活、3.5 万插件与日均 91 万亿 Token 消耗，端侧模型和视频模型继续压低成本。
今日概览
要闻
- GPT-6 Cyber 查出 Firefox 81 个高危漏洞
- DeepSeek Harness 日活 140 万、3.5 万插件、月耗 91 万亿 Token
模型发布
- Gemini Omni 1.2 Flash 登顶视频榜，360p 每秒 0.07 美元
- 源策未来发布 Anchor1，遥操作采集成功率 37.5% 升至 98%
- Ripple-65B Preview 以 3200 万美元研发成本开源，TerminalBench 2.1 登顶美国开源模型
- 淘宝 MNN-Pocket-0.3B 在 iPhone 18 Pro 离线跑出 350 token/s
开发生态
- GitHub @GitHub 在 Slack 与 Teams 正式可用，支持对话内开 PR
- 魔搭开放全站 OpenAPI 与 GEO 站点，13 个业务模块可被 Agent 调用
- Cursor 上线桌面、Web 与 iOS 实时语音对话智能体
产品应用
- World Labs 推出 Frameboy，Atlas 实时生成 15 fps 可探索世界
- 百度内容 AI 核查系统落地五类业务，模型只判证据关系、规则做结论
技术与洞察
- Claude 用 34 小时解出首个原核穹窿体 3.2 Å 结构
- Anthropic 公开 Claude 四层记忆设计，Dreaming 离线重组记忆
- 小红书 GlyphAnchor 提升文生图长文本与生僻字渲染
- 密歇根大学 Auto-Robotist 让机器人设计试错变成可复用技能库
- 人大与美团提出 Agent-Reflex 和 ReflectPO，让 Agent 从错误中自进化
- Google 分析 91.3 万次编程智能体会话，13% 被 TODO 注释带偏
- 决策模型 Jev 调优实验：默认 0.50 阈值会留下性能
- OpenAI 推出 LifeVal 基准，衡量 AI 在日常任务上的进展
行业动态
- 自然选择完成 A+ 轮融资，累计超 1 亿美元做 Personal Agent
要闻
GPT-6 Cyber 查出 Firefox 81 个高危漏洞
OpenAI 发布 GPT-6 Cyber，这是基于 GPT-6 Astra 打造的网络安全专用版，也是 GPT-5.6 Cyber 的继任者，重点提升找漏洞和验证漏洞的能力。Firefox 是全世界审查最严格的代码库之一，Mozilla 从今年 2 月起一直在用 Anthropic 和 OpenAI 提前开放的前沿模型检查代码，修复的安全问题是 2025 年同期的七倍多。OpenAI 研究员用 GPT-6 Cyber 又查了一遍，仍然找出 81 个此前未知、被 Mozilla 定为高危的问题，并为这些问题提供了证据和可复现测试。此外，GPT-6 Cyber 还发现另外 30 个已知问题的严重程度比此前报告的更高，OpenAI 同时把候选补丁提供给了 Mozilla。在 Linux 内核研究中，OpenAI 用 GPT-6 Cyber 复现了 1724 个漏洞，其中 948 个做出了可用的提权利用程序，而同一流程测试 GPT-5.6 Sol 得到的数字是 166。这轮研究 API 调用费用约为 121 万美元，OpenAI 已按 Linux 社区指引，把 304 个 critical 级别发现连同候选补丁提交给维护者。
来源：https://mp.weixin.qq.com/s/czpyWj8yf4kNfrVhEzaBlQ
DeepSeek Harness 日活 140 万、3.5 万插件、月耗 91 万亿 Token
DeepSeek Harness 发布一个多月后，日均活跃用户已过 140 万，月活跃人数 548 万，日均消耗 Token 估计超过 91 万亿。平台已有约 3.5 万个公开第三方插件，近 60% 的活跃用户在使用之外还自己动手做插件、装插件。DeepSeek Harness 采用“一切皆插件”设计，官方明确系统内置功能同样可以被第三方插件覆盖、卸载或替换。DeepSeek 官方还放出消息，正在筹备面向插件作者的支持计划，包括官方插件市场、流量推荐，以及直接给创作者发 Token。在创作者模式下，用户可以把设计工作区、3D 大模型可视化工具甚至沙盒游戏直接做成插件。
来源：https://mp.weixin.qq.com/s/qIEkane34KXvXdArOsvJKQ
模型发布
Gemini Omni 1.2 Flash 登顶视频榜，360p 每秒 0.07 美元
Google DeepMind 发布新一代视频生成模型 Gemini Omni 1.2 Flash，据 Arena.ai 评估，它在文本生成视频和图像生成视频中均排名第 1，在视频编辑中排名第 3。文生视频中，Gemini Omni 1.2 Flash 以 1541 分排名第 1，相比此前以 1514 分排名第 2 的 Gemini Omni 1.1 Flash 提升 27 分，Omni 系列包揽了文生视频前三名。新模型支持文生视频 3 至 15 秒、原生音频、编辑 3 至 15 秒源视频、最多 7 张参考图像，每次调用可将片段延长 3 至 10 秒，最长可达 30 秒。分辨率覆盖 360p、720p、1080p 和 4K，画幅为 16:9 或 9:16，并可通过 videoId 在后续调用中重新编辑任意输出内容。谷歌此次直接全量上线 Google AI Studio 与 Gemini API，售价较上一代降低 30%，360p 草稿每秒生成成本为 0.07 美元。新流程支持先用低清草稿快速出片，再多轮局部调试，最后一键升频至 1080p 或 4K。
来源：https://mp.weixin.qq.com/s/ajsmw874one6IQg3J_b_9A
源策未来发布 Anchor1，遥操作采集成功率 37.5% 升至 98%
具身智能算法创业公司源策未来发布全身控制模型 Anchor 1，将其定位为全身智能架构中的 System 0 层，负责把指令精准、稳定地变成全身动作。Anchor 1 的指令只包含骨盆、左右手腕、左右脚踝五个锚点的目标位置和朝向，其余关节由控制器自行补全。在 72 段全身操作动作的真机测试中，Anchor 1 的手腕和脚踝全局位置误差比此前表现最好的对比方法分别低约 28% 和 39%。用它做遥操作时，踢纸箱任务的示范采集成功率从 37.5% 提升到 98.0%，每小时采到的成功示范从 9 条增加到 43 条。发布视频中，四名身高 165 厘米至 188 厘米、体重 50 公斤至 80 公斤不等的操作员用动作捕捉设备驱动同一台机器人，完成弯腰触地、单膝跪地、侧身摸脚踝和原地小步横移。
来源：https://mp.weixin.qq.com/s/lweYU2y7dFu95r7cRliYag
Ripple-65B Preview 以 3200 万美元研发成本开源，TerminalBench 2.1 登顶美国开源模型
Ricursive Intelligence 发布 Ripple-65B Preview，这是一个 650 亿参数的开源权重语言模型，采用完全 Apache 2.0 许可。公司称该模型在 TerminalBench 2.1 编程基准上取得美国开源模型中的最高分，总研发成本为 3200 万美元。在其他基准上，Ripple 落后于同样新发布的西方开放模型 Inkling 2 Small。此次发布的核心卖点是开放权重、Apache 2.0 许可与智能体编程基准成绩。
淘宝 MNN-Pocket-0.3B 在 iPhone 18 Pro 离线跑出 350 token/s
淘宝 MNN 团队发布 MNN-Pocket-0.3B，这是一个约 3 亿参数、重点支持中英文的手机应用原生大模型。模型通过 MNN 推理引擎在 iPhone 18 Pro 上完全离线运行，平均解码速度约为 350 token/s。其 INT4 MNN 部署文件体积仅为 173MB；在 iPad Pro M5、Metal 后端、512 token 配置下，峰值 Metal 驻留内存相对加载前基线增加 228MB。同一测试中，Qwen3-0.6B 的部署文件体积为 340MB，峰值内存增量为 427MB，MNN-Pocket-0.3B 的部署体积减少约 49%，峰值内存增量减少约 47%。在 iPad Pro M5/Metal、512 token 配置下，MNN-Pocket-0.3B 的 Prefill 吞吐达到 8721 token/s，Decode 吞吐达到 466 token/s，约为同条件 Qwen3-0.6B 286 token/s 的 1.63 倍；在 Snapdragon 8 Gen 5 的 CPU 后端，Decode 吞吐达到 251 token/s。模型最终采用 28 层结构和分组查询注意力，设计目标包括峰值内存低于 300MB、解码吞吐高于 200 token/s。
开发生态
GitHub @GitHub 在 Slack 与 Teams 正式可用，支持对话内开 PR
GitHub 宣布 @GitHub 在 Slack 与 Teams 中正式可用，用户可以在对话中调查 bug、创建 issue、实现改动并打开 pull request。Teams 中新增 Canvas，可让团队在对话旁审查实现计划、代码改动和预览，并继续讨论、分享反馈和一起完善实现。@GitHub 现在能从消息中识别仓库，并直接启动编码会话，不再要求用户重复选择仓库。GitHub 还修复了可能阻止回复后续消息的问题，并让 @GitHub 创建的 issue 和 pull request 在描述中注明“Created from a Slack/Teams conversation with @username”。这一更新把代码协作入口进一步前移到日常聊天工具中。
来源：https://github.blog/changelog/2026-11-06-github-copilot-in-slack-and-teams-is-generally-available
魔搭开放全站 OpenAPI 与 GEO 站点，13 个业务模块可被 Agent 调用
魔搭 ModelScope 社区升级开放生态基座，通过全站 OpenAPI、GEO 机器可读站点和智能工坊，从“资源可下载”转向“Agent 可集成”。其 OpenAPI 覆盖 13 个业务模块，包括模型、数据集、创空间、合集、用户信息、Skills、MCP、Agents 等，共 64 个 paths、88 个 operations、187 个 schema，支持 Bearer Token 与 OAuth 2.0 鉴权。魔搭还开放 llms.txt、sitemap.xml、JSON-LD 等标准端点，模型页面可直接 GET models/{owner}/{name} 返回结构化 JSON，也可通过 .md URL 读取页面内容。平台提供 modelscope-mcp-server 远程 MCP、ms-hub 与 studio-deploy Skills，以及 pip install modelscope-hub 的 CLI。这些入口让 Agent 可以搜索、下载、上传、部署资源，并一键把应用部署到创空间。
Cursor 上线桌面、Web 与 iOS 实时语音对话智能体
Cursor 在更新日志中宣布上线 Voice Chat with Agents，用户可以在桌面、Web 和 iOS 上与智能体进行实时语音通话。该更新目前只披露了平台范围和实时语音交互形态，未说明所用模型、延迟或可用地区等细节。
来源：https://cursor.com/changelog/voice-chat
产品应用
World Labs 推出 Frameboy，Atlas 实时生成 15 fps 可探索世界
李飞飞创立的 World Labs 推出第一个“应用”Frameboy，由 AI 实时生成第一人称画面，把生成式 AI 变成可以直接探索的体验。Frameboy 是 Atlas 世界模型的优化演示版，使用云端 GPU 流式传输，帧率最高可达 15 fps，实测模型响应时间约 70ms。它目前提供精选场景，包括真实世界风景、赛博朋克空间和斯坦福大学校园；这些场景有的从一张图片出发让 Atlas 脑补其他视角，有的输入同一地点多张照片后生成照片之间及之外的新视角。World Labs 还在 beta 网络应用 Viewfinder 中集成 Frameboy 作为流媒体覆盖渲染模式，用户可以用自己的输入逐帧构建场景，并在实时中探索和扩展虚拟世界。Atlas 于今年 9 月 1 日发布，采用多模态自回归扩散 Transformer，可处理文字、图像、视频和三维空间信息，并输出图像、深度、点云和 3D Gaussian Splatting 等三维表示。此前演示中，Atlas 已能生成最长一分钟、最高 1440p 分辨率的视频。
百度内容 AI 核查系统落地五类业务，模型只判证据关系、规则做结论
百度建设了一套内容 AI 核查系统，核心做法是把内容拆成最小的可验证主张，以权威证据为准逐条判断，让模型只判断证据与主张的关系，由规则给出结论。系统按文档结构拆段，再把每段拆成原子主张，每条主张独立检索、独立判断；证据按权威性分级，检索时先查高权威源，不够再逐级放宽。系统参考 Search-R1 和 ReAct 思路，让模型在推理中发现知识缺口时主动检索，并把主张改写成适合检索的 Query。模型只输出支持、部分支持、矛盾、无关、信息不足五类关系，业务结论交给规则映射，再结合来源等级、证据数量和高风险领域输出正确、错误、争议或无权威来源标签。系统提供快速核查、专业核查和近线核查三种形态，已在知识百科、内容问答等五类业务落地。
技术与洞察
Claude 用 34 小时解出首个原核穹窿体 3.2 Å 结构
Anthropic 让 Claude Science 参与生物学研究，用时不到 4 个月绘出史上首个原核生物体内穹窿体的三维结构。团队在约 150 亿条蛋白质序列中搜索，发现这类蛋白遍布 29 个细菌门和 4 个古菌门，把已知穹窿体蛋白家族从 41 个扩充到 1507 个，规模暴增 36 倍。研究人员从 44 个候选蛋白中让 Claude 设计合成 DNA、表达开关和订购方案，最终 15 个候选序列造出可溶性蛋白，8 个在电镜初筛中长出清晰穹窿体颗粒。传统提纯需要 3 天，Claude 建议省去前置提纯、把粗裂解液直接灌入层析柱，将流程压到 90 分钟。冷冻电镜重构阶段，Claude 在内部多 Agent 框架中装好 RELION，在数百块 GPU 上并行运行，34 小时给出首版完整三维模型，一周后精细图谱分辨率达到 3.2 Å。噬菌体 L05 穹窿体由 96 条相同蛋白链上下对半合拢，内部容量比人类穹窿体大 25%；团队还通过 L05+2 改造把内部空间扩大到比人类天然穹窿体大 50%。
Anthropic 公开 Claude 四层记忆设计，Dreaming 离线重组记忆
Anthropic 发布《The components of agent memory》，公开 Claude 的记忆设计，把记忆分成四层：会话记录保存经历，记忆笔记保存筛选后的经验，wiki 组织知识之间的关系，预载上下文告诉下一次会话该去哪里找。Dreaming 在任务之外回看这些材料，纠正错误、重组知识，并更新后续会话要读取的内容；作者 Lance Martin 将其解释为离线计算。Claude Code 的自动记忆是具体实现：每次会话只加载 MEMORY.md 的前 200 行或 25KB，用这部分内容告诉 Claude 已经知道什么、到哪里查找。Managed Agents 的 Dreams 接口目前处于研究预览，异步任务读取一个已有记忆库和 1 至 100 个历史会话，以输入库副本为基础，在独立输出记忆库中整理，原输入库不变。CL-Bench 数据库任务中，Opus 5.5 的平均奖励从 0.655 升到 0.838，Sonnet 5.5 从 0.644 升到 0.833，Sonnet 4.6 只从 0.330 升到 0.364。在《宝可梦》记录中，Sonnet 3.7 一次运行写了 413 个文件，暴露出筛选问题。
小红书 GlyphAnchor 提升文生图长文本与生僻字渲染
小红书智创 AIGC 团队提出 GlyphAnchor，通过位置锚定字形先验增强文生图和图像编辑模型的文本渲染能力。该方法用轻量级字形图块提供字形信息，并通过模型原生位置编码把每个字形块锚定到目标图像中的预期位置，使字形块中心与对应文本边界框中心对齐。GlyphAnchor 在 FireRed-Image-Edit-1.1、Qwen-Image-Edit-2511 和 Z-Image 上验证，LongTextBench 中英文平均得分分别从 0.897、0.912、0.936 提升至 0.985、0.984、0.981。在 ChineseWord 上，FireRed-Image-Edit-1.1 总体得分从 0.565 提升至 0.801，Qwen-Image-Edit-2511 从 0.496 提升至 0.807。对于更难渲染的三级字，FireRed-Image-Edit-1.1 从 0.067 提升至 0.416，Qwen-Image-Edit-2511 从 0.051 提升至 0.438，Z-Image 从 0.025 提升至 0.102。
密歇根大学 Auto-Robotist 让机器人设计试错变成可复用技能库
密歇根大学安娜堡分校研究团队提出 AI 机器人协同设计智能体 Auto-Robotist，相关工作已获 EMNLP 2026 主会录用并开源。系统用大语言模型提出结构改进，为候选机器人训练控制器，再通过仿真检验效果，并把结果整理成下一轮设计可以使用的经验。其核心是一个持续更新的技能库，每条技能分三层：L1 原型记录什么结构可能有用，L2 规则记录怎样改进和哪些问题应避免，L3 观测保存具体设计、任务、网格大小、得分和设计来源。实验在 EvoGym 的行走、过桥、平衡、搬运、攀爬、跳跃和推物七项任务上进行，5×5 网格冷启动搜索中，Auto-Robotist 在七项任务上的平均最终最优得分均高于遗传算法基线。按评估次数口径，平均收敛加速为 1.66 倍，平均领先比例为 67%，并能从 5×5 网格迁移到 10×10 的更大设计空间。
人大与美团提出 Agent-Reflex 和 ReflectPO，让 Agent 从错误中自进化
中国人民大学与新加坡国立大学提出 Agent-Reflex，将反思建模为可学习的元技能，包含环境反思技能发现、反思监督微调和同策略反思策略优化三个模块。研究团队从公开智能体基准的交互中收集 177700 条工具返回，其中包含 24510 条错误返回，归纳为八类典型故障，并在 557 个环境中提炼出 1170 项反思元技能，构建约 5.4 万条监督训练轨迹。基于 Qwen3-8B，Agent-Reflex 在五项长程工具使用基准上的 Overall 达到 58.6，较 Qwen3-8B 的 40.2 提升 18.4 分，在 AgentNoiseBench 上达到 29.1。美团提出 ReflectPO，用强化学习把自主纠错变成能力，先把交互过程切成交互节点并保存环境快照，再通过对比式采样和循环式采样定位值得复核的位置。在 BFCL-v3 Multi-Turn 与 τ²-Bench 上，Qwen3-4B 的总体成绩从 33.2 提升到 36.6，Qwen3-8B 从 39.6 提升到 45.4；相比只做结果级优化的 Reinforce++，ReflectPO 把步骤恢复率和完全恢复率分别提升 2.49 和 2.70 个百分点。
Google 分析 91.3 万次编程智能体会话，13% 被 TODO 注释带偏
Google Developers Blog 分析超过 913000 个编程智能体会话，发现 13% 的会话使智能体接触到内联 TODO(b/...) 注释；在 6% 的遭遇中，智能体会执行这些注释，其中 83% 完全不是由开发者提示触发的。此类偏离使每次会话的步骤增加 70%、token 消耗增加 77%、等待时间增加 105%。这些被执行的注释中，41% 用于追踪已关闭工单，57% 属于对未修复 bug 的越权扩展。分析还指出，能力更强的模型分心率更高，说明需要自动清理和 linter 维护对智能体友好的代码库。
来源：https://developers.googleblog.com/agent-distraction/
决策模型 Jev 调优实验：默认 0.50 阈值会留下性能
阿里技术文章围绕用决策模型替代传统生成式 LLM-as-a-Judge 做自动化评测时的工程问题展开，指出直接使用 API 默认 0.50 决策阈值和原始输出概率会造成性能折损与误判。文章用 100 条公寓租赁 Agent 系统真实轨迹测试 6 个决策模型，包括 TypeSafe Jev 1.13、Perplexity Decider 1.1 27B、Liquid d1 与 d1-ultra、Cloudflare Clef Flash、OpenAI Decisions（底层为 GPT-6 Luna）。决策模型砍掉自回归生成文本的循环，单次前向计算直接从决策头读出 logits，并映射为 0 到 1 之间的连续概率分数。作者指出，生成式 LLM 直接输出 Pass/Fail 文本等于在黑盒内部做硬截断，拿不到概率信息；让模型口头报置信度，数字会扎堆在 0.50、0.80、0.90 等少数档位；读取 Yes/No 的 logprobs，概率也常坍缩在 0.999 或 0.001。连续概率分数的价值在于可以移动阈值来适配业务对误报和漏报的容忍度，并把分数当作风险置信度做分级处置。
OpenAI 推出 LifeVal 基准，衡量 AI 在日常任务上的进展
OpenAI 推出 LifeVal，将其描述为一个由反馈塑造的新基准，用于衡量 AI 在人们最关心的日常任务上的进展。OpenAI 表示，AGI 要造福全人类，就应当帮助人们处理日常生活中最重要的任务，因此构建了该基准。摘要未展开 LifeVal 的具体任务构成、评分方式和已测模型结果。
来源：https://www.youtube.com/watch?v=hJOwOkLHRN0
行业动态
自然选择完成 A+ 轮融资，累计超 1 亿美元做 Personal Agent
《晚点 AI》独家获悉，AI 陪伴产品 EVE 与 AI 社交产品 Elys 的母公司自然选择已完成 A+ 轮融资，累计融资金额超 1 亿美元，新一轮融资方包括五源资本、启明创投、源码律动、经纬创投和华业天成。自然选择由张筱帆于 2024 年创立，他此前创办过游戏公司终极幻境并推出恋爱题材手游《奇点时代》；公司目前已超过 100 人，核心产品 Elys 团队仅十余人。Elys 曾凭借“分身替你认识人”的玩法受到关注，用户可创建 AI 分身，让它按自己的兴趣和表达习惯发布动态、浏览动态、与人互动，再由本人决定是否进一步交流；产品至今采用邀请制，日活跃用户数高峰一度达到 10 万。Elys 即将改版，更突出个人智能体能力，AI 助手将根据用户聊天内容、发布的动态和正在处理的事，推荐感兴趣的人、内容和服务。自然选择的另一款产品 EVE 是 3D AI 陪伴应用，用户可与固定虚拟角色聊天、打视频电话，好感度达到一定程度后角色会给用户点一杯奶茶并送到现实地址。Appfigures 数据显示，今年上半年恋爱向 AI 陪伴应用收入最高的是韩国 Scatter Lab 的 Zeta，约 3300 万美元；第二是中国团队做的 Tipsy Chat，约 1520 万美元。
暂无评论。