Gemini Omni 1.2 Flash 登顶视频生成榜：360p 每秒 0.07 美元【AI 早报 2026-11-07】
谷歌把 15 秒原生时长、4K 升频和每分钟 4.2 美元的草稿价一起放进 Gemini API；OpenAI 则用 GPT-6 Cyber 在 Firefox 里挖出 81 个未知高危漏洞。今日 20 条，从模型发布到落地应用一次读完。
今日概览
模型发布
- Gemini Omni 1.2 Flash 登顶 Arena 视频生成榜：360p 每秒 0.07 美元，可升 4K
- OpenAI 发布 GPT-6 Cyber：Firefox 挖出 81 个未知高危漏洞，安全等级升至 Critical
- 淘宝 MNN 团队开源 MNN-Pocket-0.3B：iPhone 18 Pro 离线跑出 350 token/s
- Ripple-65B Preview 发布：3200 万美元研发的 Apache 2.0 开源权重模型
- 源策未来发布 Anchor 1：人形机器人全身控制手腕误差降约 28%
产品应用
- Claude 破解 40 年悬案：绘出首个原核生物穹窿体结构，提纯从 3 天压到 90 分钟
- DeepSeek Harness 日活超 140 万、日耗 91 万亿 Token，拟给插件作者发 Token
- World Labs 推出 Frameboy：世界模型实时生成第一人称画面，最高 15 fps
- Anthropic 上线 Claude Personal Finance：可分析银行账户流水
开发生态
- GitHub 的 @GitHub 在 Slack 与 Teams 正式可用：对话里直接开 PR
- 魔搭社区全站开放 OpenAPI：64 个路径、88 个操作，Agent 可直接调用
- openJiuwen 发布 ADF 设备接入规范：先解决「现实世界真的执行了吗」
- Cursor 上线语音对话：桌面、Web、iOS 可与 Agent 实时通话
技术与洞察
- 人大与美团两篇论文：Agent-Reflex 与 ReflectPO 把「反思」变成可训练能力
- 前 OpenAI 研究员新论文：Qwen3-32B 约 90% 神经元只有一个主要功能
- 小红书 GlyphAnchor 入选 NeurIPS：长文本渲染评分从 0.897 升到 0.985
- Google 分析 91.3 万次编码会话：13% 被内联 TODO 注释带偏，等待时间增 105%
- OpenAI 发布 BioBasicsBench：100 个湿实验任务基准
- OpenAI 推出 LifeVal 基准：衡量 AI 在日常生活任务上的进展
行业动态
- 自然选择完成 A+ 轮融资：累计超 1 亿美元，押注 Personal Agent 社交
模型发布
Gemini Omni 1.2 Flash 登顶 Arena 视频生成榜：360p 每秒 0.07 美元，可升 4K
Google DeepMind 发布新一代视频生成模型 Gemini Omni 1.2 Flash。据 Arena.ai 评估，它在文本生成视频与图像生成视频两项均排名第 1，视频编辑排名第 3；文生视频得分 1541，比上一代 Gemini Omni 1.1 Flash 的 1514 分高 27 分，Omni 系列同时包揽文生视频前三。规格上，文生视频时长从 3 秒到 15 秒并支持原生音频，可编辑 3 至 15 秒源视频、最多 7 张参考图像，每次调用可延长 3 至 10 秒、最长到 30 秒，分辨率覆盖 360p、720p、1080p 与 4K，画幅支持 16:9 与 9:16，并可通过 videoId 在后续调用中重新编辑已有输出。定价上，360p/720p 草稿档每秒 0.07 美元，比 Omni Flash 1.1 下降 30%，配合「先低清打样、再局部修正、最后一键升频」的流程，一条 15 秒商业 Demo 反复试错 20 次的总成本可压到原来的三分之一以下。该模型不再采用排队申请，直接全量上线 Google AI Studio 与 Gemini API，并支持多轮对话式编辑。按 0.07 美元/秒计算，一分钟 360p 草稿的生成成本约 4.2 美元。
来源：https://mp.weixin.qq.com/s/ajsmw874one6IQg3J_b_9A
OpenAI 发布 GPT-6 Cyber：Firefox 挖出 81 个未知高危漏洞，安全等级升至 Critical
GPT-6 Cyber 基于 GPT-6 Astra 打造，是 GPT-5.6 Cyber 的继任者，重点强化找漏洞、验证漏洞与遵守任务边界三项能力。在 Mozilla 已用前沿模型持续加固的 Firefox 代码库上，它找出 81 个此前未知、被 Mozilla 评为 high severity 的问题，并附上证据与可复现测试，另有 30 个已知问题的严重程度被判定高于原报告，候选补丁一并提交。Linux 内核测试中，同一套流程复现 1724 个漏洞，其中 948 个做出了可用的提权利用程序，而上一代 GPT-5.6 Sol 在同一流程下为 166 个，API 调用成本约 121 万美元，304 个 critical 级发现连同补丁已按社区指引提交维护者。ExploitGym 漏洞利用测试成绩从 32.1% 提升到 48.5%，相对提升约 51%；无源码的网页渗透测试找到 40.3% 的漏洞，GPT-6 Astra 为 32.0%。按 OpenAI 的 Preparedness Framework，其网络安全能力等级从 High 升至 Critical；在蜜罐越界测试中，越界利用比例从 5.51% 降到 0.07%，加上部署安全提示后为 0。OpenAI 还与工业网络安全公司 Dragos 在受控实验室里测试其对模拟发电厂的识别与测试能力。
淘宝 MNN 团队开源 MNN-Pocket-0.3B：iPhone 18 Pro 离线跑出 350 token/s
MNN 团队发布并开源约 3 亿参数的轻量语言模型 MNN-Pocket-0.3B，定位「手机应用原生大模型」：与淘宝、闲鱼等业务共享算力、内存与带宽。真机数据方面，模型经 MNN 推理引擎完全离线运行，在 iPhone 18 Pro 上平均解码速度约 350 token/s；在 iPad Pro M5 的 Metal 后端、512 token 配置下，Prefill 吞吐 8721 token/s、Decode 466 token/s，约为同条件 Qwen3-0.6B（286 token/s）的 1.63 倍，骁龙 8 Gen 5 的 CPU 后端解码达 251 token/s。体积与内存上，INT4 部署文件仅 173MB，加载与推理期间峰值 Metal 驻留内存相对基线增加 228MB；Qwen3-0.6B 分别为 340MB 与 427MB，即体积少约 49%、峰值内存增量少约 47%。设计目标为解码超 200 token/s、峰值内存低于 300MB、单次推理增量能耗不超过电池总量的万分之一（100 次推理耗能不超过 1%），并在指定业务场景达到 8B 级模型效果。架构上团队在 50M 至 1.3B 参数区间做扫描，最终选 28 层、GQA 结构——从 16 层加到 28 层能力提升，继续加到 36 层评测均分不再提高，解码吞吐还从 355 token/s 降到 323 token/s。
Ripple-65B Preview 发布：3200 万美元研发的 Apache 2.0 开源权重模型
Ricursive Intelligence 发布 650 亿参数的开源权重模型 Ripple-65B Preview，采用完全 Apache 2.0 许可，公司称其总研发成本为 3200 万美元。在 TerminalBench 2.1 编码基准上，它取得美国开源模型中的最高分，主打 agentic coding 场景。不过在其余基准上，Ripple-65B Preview 落后于同期发布的另一款西方开源模型 Inkling 2 Small。这条消息的关键数字是 65B 参数、3200 万美元研发投入与 Apache 2.0 许可三项，性能结论目前仅限于 TerminalBench 2.1 这一项。
源策未来发布 Anchor 1：人形机器人全身控制手腕误差降约 28%
具身智能公司源策未来（Archon Robotics）发布全身控制模型 Anchor 1，定位为全身智能架构中的 System 0 层，即把指令精准稳定转成全身动作的「小脑」，技术报告共 32 页。它只下发五个锚点指令——骨盆、左右手腕、左右脚踝的位置与朝向，其余关节由控制器自行求解，从而留出弯腰、屈膝、转体的调整空间；人的动作先离线「翻译」成这五个锚点，而非逐帧在线重定向。实测中，72 段全身操作动作的真机测试显示手腕与脚踝全局位置误差分别比此前最好方法低约 28% 和 39%；用于遥操作时，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。演示视频里机器人手绘出 ANCHOR 六个字母，四名身高 165 至 188 厘米、体重 50 至 80 公斤的操作员用动捕设备驱动同一台机器人完成弯腰触地、单膝跪地等动作。行业侧的对照是：今年 1 月底 Figure 在 Helix 02 中加入 System 0，2 月英伟达开源用超过 1 亿帧动捕数据训练的全身控制基础模型 SONIC，10 月 arXiv 上一批全身控制论文集中出现。
来源：https://mp.weixin.qq.com/s/lweYU2y7dFu95r7cRliYag
产品应用
Claude 破解 40 年悬案：绘出首个原核生物穹窿体结构，提纯从 3 天压到 90 分钟
Anthropic 用 Claude 参与解析了困扰生物学界 40 年的「穹窿体（Vault）」结构，首次给出原核生物体内的三维形态。穹窿体 1986 年由 UCLA 的 Leonard Rome 团队在大鼠肝脏中分离，质量是核糖体的 3 倍，哺乳动物的穹窿体由 78 条蛋白链（上下各 39 条）合拢成中空容器，但酵母、果蝇、线虫体内都没有它，敲除小鼠相关基因后小鼠仍正常发育。研究团队在约 150 亿条蛋白质序列中检索，发现这类蛋白分布在 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，规模扩大 36 倍，且只出现在不到 1% 的物种中，常与抗病毒防御基因相邻。他们从中挑出 44 个候选，15 个在大肠杆菌中成功表达为可溶性蛋白；Claude 包办了合成 DNA 设计、表达开关配置与订购方案，并把原本约 3 天的提纯实验压到 90 分钟，三维结构计算从数周乃至数月缩短到 34 小时。整个流程从立项到出结构不到 4 个月。
来源：https://mp.weixin.qq.com/s/YRDGT_IbnnKKr8KYYv7iZg
DeepSeek Harness 日活超 140 万、日耗 91 万亿 Token，拟给插件作者发 Token
DeepSeek Harness 上线一个多月后公布数据：日均活跃用户超过 140 万，月活跃用户 548 万，日均 Token 消耗估计超过 91 万亿。生态侧，「一切皆插件」的设计下已积累约 3.5 万个公开第三方插件，近 60% 的活跃用户自己制作或安装插件，官方明确内置功能同样可被第三方插件覆盖、卸载或替换。DeepSeek 同时放出面向插件作者的支持计划：建官方插件市场、给流量推荐，核心一条是直接向创作者发放 Token，把原本由用户支付的推理成本变成对开发者的补贴。按 140 万日活与 91 万亿日耗计算，人均日消耗约 650 万 Token。
来源：https://mp.weixin.qq.com/s/qIEkane34KXvXdArOsvJKQ
World Labs 推出 Frameboy：世界模型实时生成第一人称画面，最高 15 fps
李飞飞创立的 World Labs 上线首个应用 Frameboy，由 AI 实时生成第一人称画面，让用户像玩云游戏一样探索生成式场景。它基于 Atlas 世界模型的优化版本，通过云端 GPU 流式传输，帧率最高 15 fps，模型响应时间约 70ms；目前提供风景、赛博朋克空间、斯坦福校园等精选场景，部分由单张图片脑补出其他视角，部分由同一地点多张照片生成照片之间与之外的新视角。Frameboy 已作为流媒体覆盖渲染模式集成进 beta 网络应用 Viewfinder，用户可用自己的输入逐帧搭建场景再实时探索。背后的 Atlas 于 9 月 1 日发布，是处理文字、图像、视频与三维空间信息的通用世界模型，采用多模态自回归扩散 Transformer，核心机制为把每张图片与摄像机在三维空间中的位置、朝向关联的「空间上下文」，此前演示中可生成最长 1 分钟、最高 1440p 的视频，并能输出点云与 3D Gaussian Splatting 等三维表示。
Anthropic 上线 Claude Personal Finance：可分析银行账户流水
Anthropic 推出 Claude Personal Finance，用于分析用户的银行账户数据。据 TechRepublic 报道，相关文章介绍其功能、隐私考量与可用性，并与 ChatGPT 的同类能力做了对比。目前未披露的信息包括定价、上线地区、账户接入方式以及任何性能指标。
来源：https://www.techrepublic.com/article/news-claude-personal-finance-features-privacy-chatgpt/
开发生态
GitHub 的 @GitHub 在 Slack 与 Teams 正式可用：对话里直接开 PR
GitHub 宣布 @GitHub 在 Slack 与 Teams 正式可用（GA），用户可在对话中排查缺陷、创建 issue、实现改动并直接开 pull request。Teams 侧新增 Canvas，可在对话旁边评审实现计划、代码改动与预览，团队成员边讨论边改。引导流程也做了简化：@GitHub 会从消息中自动识别仓库并直接启动会话，不再要求用户手动选择，未登录、没有默认仓库、需要切换仓库或申请应用权限等场景的处理一并改善。可靠性方面修复了可能导致后续消息无响应的问题；可追溯性上，由 @GitHub 创建的 issue 与 PR 描述中会带上「Created from a Slack/Teams conversation with @username」。
来源：https://github.blog/changelog/2026-11-06-github-copilot-in-slack-and-teams-is-generally-available
魔搭社区全站开放 OpenAPI：64 个路径、88 个操作，Agent 可直接调用
魔搭 ModelScope 社区把开放重点从「资源可下载」转向「Agent 可集成」，三条主线为全站 OpenAPI、GEO 机器可读站点和智能工坊。OpenAPI 覆盖 13 个业务模块（User、Models、Datasets、MCP、Studios、Skills、AgentHub、Files、Agent-IDP、Magicube、Collections、Galleries、Agent Playground），共 64 个 paths、88 个 operations、187 个 schema，支持 Bearer Token 与 OAuth 2.0 鉴权，并可通过标准 OpenAPI 自发现端点读取接口文档。除 REST 接口外还提供三种形态：CLI（pip install modelscope-hub，如 modelscope model download）、由 OpenAPI 转换而来的远程 MCP server（modelscope-mcp-server），以及 ms-hub、studio-deploy 两个 Skills。站点侧推进 GEO：开放 /.well-known/openapi.json、llms.txt、sitemap.xml、JSON-LD，让 Agent 可直接 GET models/{owner}/{name} 拿到参数量、任务类型、license、下载量、文件大小等结构化 JSON，或通过 .md URL 读取页面内容，避免解析 DOM 消耗 Token。
openJiuwen 发布 ADF 设备接入规范：先解决「现实世界真的执行了吗」
openJiuwen 首发 Agent Device Foundation（ADF）规范，尝试在现有 API、SDK、IoT 协议与机器人控制框架之上，为 Agent 建立统一的设备能力表达与运行语义，首个落地部分是 ADF-EA（Execution Assurance，执行保障）。其出发点有四个问题：设备接口异构、能力缺少统一表达；「设备有什么能力」与「此刻能使用什么能力」不同；单设备调用正在变成多设备多步骤任务；接口返回 success 不等于设备产生了预期物理效果。因此 ADF 定义的能力不止是可调用的 Tool，还包括能力描述、动态状态、执行条件、效果语义、验证依据与中断继续语义六类信息。其目标是让设备接入从「按应用重复适配」变成「按能力接入设备」，由不同 Agent 和任务按需复用，例如一台实验仪器适配后可同时服务多个科研 Agent 与实验任务。
Cursor 上线语音对话：桌面、Web、iOS 可与 Agent 实时通话
Cursor 在更新日志中上线 Voice Chat，支持在桌面端、Web 与 iOS 上以实时语音通话的方式与 Agent 对话。该功能把编码 Agent 的交互从键盘输入扩展到语音通道，三端同步可用。更新说明未披露延迟、可用模型、语言支持与地区限制等技术细节。
来源：https://cursor.com/changelog/voice-chat
技术与洞察
人大与美团两篇论文：Agent-Reflex 与 ReflectPO 把「反思」变成可训练能力
中国人民大学与新加坡国立大学提出 Agent-Reflex，把反思建模为可学习的元技能，由三个模块组成：环境反思技能发现（RSD）在可执行环境注入真实工具错误扰动，反思监督微调（ReSFT）围绕局部修复、全局恢复与用户纠偏构建可验证数据，同策略反思策略优化（ORPO）结合噪声环境强化学习与技能引导的同策略蒸馏。数据规模上，团队从公开基准收集 177700 条工具返回（含 24510 条错误返回）并归纳为八类故障，用五个模型家族的九个模型采样轨迹，最终在 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 Overall 达 58.6，比 Qwen3-8B 的 40.2 高 18.4 分，比 EnvScaler-8B 高 7.7 分、比 Agent-World-8B 高 5.0 分，在 AgentNoiseBench 上达 29.1，为对比的 8B 方法中最高。美团提出的 ReflectPO 则先用前缀树与有向图定位值得复核的交互节点并保存环境快照，再从快照重跑，反思提示只在训练阶段使用；在 BFCL-v3 Multi-Turn 与 τ²-Bench 上，Qwen3-4B 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++，步骤恢复率与完全恢复率分别提升 2.49 和 2.70 个百分点。
前 OpenAI 研究员新论文：Qwen3-32B 约 90% 神经元只有一个主要功能
前 OpenAI 可解释性研究员 Nick Cammarata 发布长文《Neural Networks Are Already Clean》，获 OpenAI CEO 山姆·奥特曼公开点赞，结论是神经网络内部可能远比过去以为的更容易理解：过去看到的「混乱」很大程度来自早期架构与观察工具的局限。对 Qwen3-32B 的初步审计显示，约 90% 的神经元正负极点有一个明确的主要功能，约 7% 有两个相关功能，只有约 2% 至 4% 暂时没能看懂。视觉侧对比更直接：InceptionV1 末层在旧工具下可解释神经元约 5%，换用更好的工具后同一网络升至约 50%；在参数量与数据保持可比的前提下，引入残差连接、LayerNorm 等现代改进后，ConvNeXt 末层约 99% 的神经元可获得清晰解释，部分设置达 99% 至 100%。长期被当作「概念任意混装」证据的 InceptionV1 4e:55「猫车神经元」，重新检查输入与下游连接后发现关键共性是尖细的 V 形或双侧尖角结构，猫脸、车头、泳池桌与新干线都能提供类似模式，圆形结构则把它推向负极。作者强调，约 90% 是设定的审计口径，不等于整个模型已被完整解释。
小红书 GlyphAnchor 入选 NeurIPS：长文本渲染评分从 0.897 升到 0.985
小红书智创 AIGC 团队提出 GlyphAnchor，通过位置锚定字形先验提升文生图与图像编辑模型在长文本、密集文本和生僻字场景中的文字准确性。方法是用轻量字形图块提供字形信息，经 VAE 编码后与视觉 token 拼接，并按目标布局为每个字形块分配位置编号、使其中心与对应文本框中心对齐，兼容采用 3D RoPE 的扩散 Transformer，不改变注意力模式。训练上采用分阶段监督微调，从真实文本裁切块过渡到渲染字形块，并对字形块做随机换行、缩放、旋转增强，再加文本感知的 DiffusionNFT 后训练。在 LongTextBench 上，FireRed-Image-Edit-1.1 的中英文平均分从 0.897 提升到 0.985，Qwen-Image-Edit-2511 从 0.912 到 0.984，Z-Image 从 0.936 到 0.981；ChineseWord 总得分分别从 0.565、0.496、0.476 升到 0.801、0.807、0.565，最难的三级字分别从 0.067、0.051、0.025 升到 0.416、0.438、0.102。
Google 分析 91.3 万次编码会话：13% 被内联 TODO 注释带偏，等待时间增 105%
Google Developers Blog 分析 913000 个编码智能体会话后发现，13% 的会话让智能体接触到代码库中的内联 TODO(b/...) 注释，其中 6% 的场景里智能体真的对这些注释采取了行动，而 83% 的这类注释完全不是开发者针对当前任务写的。这类偏航带来可量化的开销：每次会话步骤数增加 70%、token 消耗增加 77%、等待时间增加 105%。进一步拆解，41% 的偏航用于追踪已关闭的工单，57% 属于对未修复 bug 的未经授权范围扩张。报告还指出能力更强的模型偏航率更高，建议通过自动清理注释与 linter 规则维护对智能体友好的代码库。
来源：https://developers.googleblog.com/agent-distraction/
OpenAI 发布 BioBasicsBench：100 个湿实验任务基准
OpenAI 推出 BioBasicsBench，这是一个由 100 个任务组成的基准，用于衡量 AI 智能体解读原始实验数据、处理日常湿实验（wet-lab）工作的能力。该基准的评测对象是智能体在真实实验流程中的基础操作表现，而非论文级的推理题目。OpenAI 未在页面摘要中披露参与评测的模型与具体得分。
来源：https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science
OpenAI 推出 LifeVal 基准：衡量 AI 在日常生活任务上的进展
OpenAI 发布名为 LifeVal 的新基准，出发点是为让 AGI 惠及所有人，它应当能帮人处理日常生活中最重要的任务。该基准的题目由真实用户需求塑造，用于衡量 AI 在这些日常事务上的进展。OpenAI 在公开摘要中未披露任务数量、评分方式与参评模型的成绩。
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，押注 Personal Agent 社交
据《晚点 AI》独家报道，AI 陪伴产品 EVE 与 AI 社交产品 Elys 的母公司自然选择完成 A+ 轮融资，累计融资金额超过 1 亿美元，本轮投资方包括五源资本、启明创投、源码律动、经纬创投和华业天成。公司由张筱帆于 2024 年创立，此前他曾创办游戏公司终极幻境并推出恋爱手游《奇点时代》，目前公司超过 100 人，核心产品 Elys 团队仅十余人。Elys 至今采用邀请制，日活高峰一度达到 10 万，近期将改版并更突出 Personal Agent 能力：用户带着各自的 AI 助手进入社交网络，助手根据聊天内容、动态与正在处理的事推荐人和内容。作为对照，Poke 母公司累计融资 2500 万美元并于今年 7 月被 Cognition 收购，Instinct 今年 9 月完成 10 亿美元融资、估值 100 亿美元，齐俊元创立的 Today AI 累计融资超过 2 亿美元；陪伴赛道里，上半年收入最高的是韩国 Scatter Lab 的 Zeta（约 3300 万美元），第二是中国团队的 Tipsy Chat（约 1520 万美元），后者 10 月中旬被苹果从美区 App Store 下架并要求整改。
暂无评论。