谷歌 Gemini 4 Hydrogen 全量免费开放：Terminal-Bench 得分【AI 早报 2026-11-14】

AI日报
发布于 2026-11-14 00:09:22 5 次浏览

谷歌 Gemini 4 Hydrogen 全量免费开放：Terminal-Bench 得分【AI 早报 2026-11-14】

导语：谷歌把 Gemini 4 的能力下放成日常模型，Hydrogen 面向所有用户免费开放并同步改写搜索体验；李飞飞团队的世界模型 Atlas 也从演示视频走进网页与 API。今日 20 条，覆盖模型发布、开发生态、产品落地与三项芯片、数据融资。

今日概览

要闻

  1. 谷歌 Gemini 4 Hydrogen 全量免费开放：Terminal-Bench 得分 18.2%→57%
  2. 李飞飞 World Labs 开放 Atlas：注册送 1 万积分，最多 64 张图重建场景

模型发布

  1. MiniMax H3 Image 开源：原生 4K 直出、10 秒生成、支持 16 张参考图
  2. FireFlash 公开长程智能体 RL 配方：64 张 B300 训 5 天，单任务成本低 30 倍
  3. Perplexity Decider v1.3：63 项分类准确率 91.6%，成本比 Jev 低 61%
  4. 腾讯混元 Hy Realtime：能说会唱，跨模态智商保留率从 21% 提升到 69%
  5. Transformers v5.23.0 接入 Thinking Machines Lab 的 Inkling 2 Small

开发生态

  1. DeepSeek 开放全家桶应用 API：联网搜索、文件、语音均可独立调用
  2. Cloudflare Kitesurf 以 Apache 2.0 开源：跑在 Workers 上的无状态 Agent 浏览器

产品应用

  1. xAI 发布 Grok Bot 1.0：一个 Bot 全团队共享，可拉进 Slack 和视频会议
  2. Anthropic 推出 Claude for Manufacturing：17 项技能直连工厂软件
  3. OpenAI 推出 ChatGPT Wallet：Agent 经用户批准即可完成购买
  4. Meta Muse 代用户给商家打电话：已有超 1000 万用户，但常被挂断

技术与洞察

  1. 斯坦福用 GPT-6 Astra 改 65 行词嵌入：机器人指令成功率 74.3%→87.5%
  2. 清华 CoACT 被 ICSE 2027 接收：Coding Agent 省 33% token，PASS@1 反升 2 个点
  3. Meta 改写 70 年 K-Means：e-means 两轮胜过 25 轮，GPU 提速 45.5 倍
  4. Ropedia 发布 Xperience 2：1,812 个场景对齐第一视角行为数据

行业动态

  1. Fractile 完成 7.2 亿美元 C 轮：估值 70 亿美元，押注叠 DRAM 的推理芯片
  2. Mercor 完成 7.5 亿美元 D 轮：估值 200 亿美元，每天付专家 500 万美元
  3. Sparxity 完成 A 轮：累计融资 9000 万美元，目标稀疏推理提速 44 倍

要闻

谷歌 Gemini 4 Hydrogen 全量免费开放：Terminal-Bench 得分 18.2%→57%

谷歌正式发布 Gemini 4 Hydrogen，定位日常编程与智能体的高速执行模型，当天起面向所有用户开放，覆盖 Google AI Studio 全层级、Gemini API、企业版 Gemini、Gemini 应用、谷歌搜索，以及 Google Antigravity 中付费的 AI Pro 与 Ultra 订阅用户。在 Artificial Analysis 智能指数上，它在默认 high 思考等级拿到 51 分，超过自家前沿模型 Gemini 4 Argon 的 50 分；开启新增的 xhigh 档位可到 54 分。定价在整个 100 万 token 上下文窗口内统一：每百万输入 token 1.50 美元、每百万输出 token 7.50 美元。相比 Gemini 3.8 Flash，high 档完成任务速度快 2.5 倍，Terminal-Bench 4.1 得分从 18.2% 提升到 57%，虚假编造声明减少 5 倍以上，工具调用失败或搜索返回空结果时仍能继续推进。模型提供 low、medium、high、xhigh 四档思考深度，用户按实际需要的推理深度支付等待时间与费用。配套的 Orchestrator 在 Google Antigravity 上线，同一会话可在 Carbon、Hydrogen 等模型之间动态切换，在 Terminal-Bench 4.0 上取得接近 Carbon 的任务成功率，同时平均少消耗 24% 配额、任务完成速度快 19%。搜索侧同步升级了查询扇出技术，回答更多以自适应、可视化的形式给出。 来源：https://mp.weixin.qq.com/s?__biz=Mzg3MTkxMjYzOA==&mid=2247520204&idx=1&sn=c777e05e09ffbe4e28705f3bf96bc151

李飞飞 World Labs 开放 Atlas：注册送 1 万积分，最多 64 张图重建场景

由李飞飞创办的 World Labs 正式开放世界模型 Atlas，同步上线网页应用与开发者 API，新用户注册送 10000 积分。网页端提供四个工具：Viewfinder 把图片扩展成可探索的 3D 场景，支持单张输入，也可用最多 64 个输入重建现实环境，输出 MP4 视频或 PLY/SPZ 高斯溅射点云；Chisel 是智能体驱动的 3D 环境搭建器，支持图片、文档、网页 URL 以及 GLB/glTF/OBJ/FBX 网格模型混合输入，用自然语言指挥 AI 搭白模；Relight 为 splat 场景重新打光并加阴影；Splat to mesh 把点云转成带贴图的 GLB 网格，直接对接游戏引擎。计费按积分：Viewfinder 渲染一帧 50 积分，Chisel 整组渲染 160 积分，生成完整 Splat 需 5000 积分，Chisel 内置智能体按 token 计费，底层模型为 Gemini 4 Argon，每 100 万输出 token 计 10000 积分。实测输入一句「暴雨夜的重庆山城巷弄」提示词，约 1 分钟生成参考图，Chisel 智能体自动制定并执行 6 步计划、布置 9 个机位，全程约 30 分钟。登录需手机号验证，使用区域需选择美国或加拿大。 来源：https://www.ifanr.com/1689379?utm_source=rss&utm_medium=rss&utm_campaign=

模型发布

MiniMax H3 Image 开源：原生 4K 直出、10 秒生成、支持 16 张参考图

MiniMax 本周二开源图像模型 MiniMax H3 Image，支持原生 4K 直出、10 秒级生成以及最多 16 张参考图输入。在今天更新的 Artificial Analysis 榜单上，它同时位列文生图与图像编辑两项开放权重模型第一。实测中，模型生成的微信聊天截图里 iPhone 状态栏、聊天气泡间距、头像比例基本对齐，可口可乐瓶身冷凝水、光影反射与桌面纹理保持自然；在复杂文字渲染上，「MiniMax H3 Image」一长串字母被完整拼进地铁车厢涂鸦，并带出 3D 立体造型、渐变填充与喷漆流淌痕迹。首批测试者反馈的重点是 AI 人像的「塑料皮」消失，毛孔、雀斑、汗毛清晰可见。模型已在 MiniMax Code 中上线，也可通过 API 在外部 harness 中调用，权重已发布到 GitHub 与 Hugging Face，社区已开始做本地部署。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074135&idx=1&sn=94195be03009adcb3b3e390782573b38

FireFlash 公开长程智能体 RL 配方：64 张 B300 训 5 天，单任务成本低 30 倍

研究者 Wenbo Hu、Nanyun Peng、Dakuo Wang、Kai-Wei Chang 等在 Agent Economics 博客发布 FireFlash：从 GLM-5.3-Flash（总参数 321B、每 token 激活 17.4B）出发做全参数强化学习得到的 300B 级终端与编程智能体，训练全部 320B 语言参数，冻结视觉塔与 DSA 索引器，并公开完整训练配方。它在 Terminal-Bench 4.0 上 Pass@1 达到 46.2%，与 Fable 5、GPT-6 Sol 处于同一水平，单任务成本比最高推理强度的 Fable 5 低 30 倍以上，提升同样迁移到 DeepSWE v1.1 与 SWE-Bench Pro Verified；整个训练只用 64 张 NVIDIA B300、不到 5 天。工程上的关键做法是训练与 rollout 各用一组 GPU 互不等待，允许用落后最多 6 个权重版本的样本训练，靠模型原生 MTP 头做投机解码把速度提升 1.38 倍，每次尝试跑在独立的 Firecracker microVM 中，把基础设施故障导致的 rollout 组损失从 12% 压到 0.5%。任务筛选只保留在与训练一致条件下初始通过率在 15%–85% 区间的题目，零信号 rollout 组占比从 48% 降到 10.2%。效率奖励让每次解出消耗的 token 降到原来的 0.84 倍且准确率不降；上下文压缩、输出重定向到文件与后台执行让单次试验成本降低约 33%，训练与评测共用同一套 harness，在 RL 之前就让 GLM-5.3-Flash 比 Claude Code 高 4.4 个百分点。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074135&idx=3&sn=f702c61a40c6ebe66be517d551e8d6b6

Perplexity Decider v1.3：63 项分类准确率 91.6%，成本比 Jev 低 61%

Perplexity 推出 Decider v1.3，把 AI 系统里的「判断」能力单独做成一套模型：同一份上下文可以同时交给多个问题使用，模型只需一次前向传播就输出各问题的答案概率，过去反复调用 LLM、生成文本、解析结果的流程被收敛成一次计算。输入由共享状态 State 和若干问题块 Question 组成，候选项映射到 A、B、C 等标签 token，决策头由基础模型的语言模型输出层改造而来——只保留候选标签对应的权重行，移除其余词表输出权重，再针对决策任务训练。为避免多问题互相干扰，v1.3 引入 Isolated Question Attention：State 可以读取全部 Question，每个 Question 只能读取 State 与自身 token；同时把因果注意力换成双向注意力，消融实验显示这一改动改善了决策表现。v1.3 还加入 Locate 能力，能按字段描述直接定位原文跨度，把判断与文本抽取放进同一套架构。官方给出的数据是 63 项分类任务准确率 91.6%，对标 Jev 成本降低 61%。该系统已进入 Perplexity 生产环境，在一次内部安全审查中单日处理 7000 个 Agent 会话、累计读取 10 亿 token，推动 14 项规则修复。 来源：https://mp.weixin.qq.com/s?__biz=MzA5ODEzMjIyMA==&mid=2247749051&idx=1&sn=cd7448e4a65c3315641176066fd7d70f

腾讯混元 Hy Realtime：能说会唱，跨模态智商保留率从 21% 提升到 69%

腾讯混元发布实时语音模型 Hy Realtime，在语音理解、指令遵循与拟人化表达之外，新增 Agentic 工具调用与唱歌能力，已在元宝语音通话、腾讯客服上线，近期通过腾讯云对外提供 API。模型能根据对话上下文判断是否需要联网搜索，把搜索决策、工具调用与回答生成放在一次处理里；面对口齿含糊、话说半截或中途改口的不完整输入，结合多轮上下文做意图还原。唱歌能力与腾讯音乐 TME 灵音 AI 团队 Co-Design，支持按歌手、专辑、曲风、语种、发行年份与热度组合点歌，并可承接前文继续选择。训练侧，CT 预训练数据达到千万小时级，任务形态从单一 ASR 扩展到音频理解、音乐理解与语音翻译，配套 51 套纯文本集与 50 多套语音评测集；SFT 阶段重构口语化改写链路，把高质量文本数据向语音任务的保留率从 21% 提升到 69%。后训练按 CT、SFT、OPD、RL 四阶段构建专项数据，RL 阶段采用通用偏好奖励模型与规则清单的双轨奖励，另加一层覆盖安全、格式、风格、逻辑的底线门控。 来源：https://mp.weixin.qq.com/s?__biz=MzkwODU2OTQyNQ==&mid=2247498965&idx=1&sn=fc0a8fa819b333cf16814ae46d6ccd4f

Transformers v5.23.0 接入 Thinking Machines Lab 的 Inkling 2 Small

Hugging Face Transformers 发布 v5.23.0，本次版本说明列出的主要变更是新增 Inkling 2 Small 模型支持。该模型来自 Thinking Machines Lab，接受文本与图像输入、生成文本输出，属于多模态模型。 来源：https://github.com/huggingface/transformers/releases/tag/v5.23.0

开发生态

DeepSeek 开放全家桶应用 API：联网搜索、文件、语音均可独立调用

DeepSeek 把 App 端的对话能力整体开放成 API：V4.1-Flash（deepseek-flash）已在 Messages、Responses 与 Chat Completions 三个接口下支持联网搜索、深度思考搜索、文件输入、阅读链接与模型安全校验。开启 deepseek_web_search 后，非思考模式下模型可自动发起网页或图片搜索并附引用作答，思考模式下可在多步推理中自主联网搜索与阅读链接；文件输入支持 PDF、Office、图片，完成纯文本提取或图文混排解析后拼入上下文；打开 deepseek_read_url 后模型可自动识别消息中的链接并抓取网页内容；开启安全校验参数则由服务端提供基础风控，命中风险返回拒答标识。工具调用与上下文拼接全部由服务端完成，开发者只需打开对应参数，官方称据此可 1:1 复刻完整的 DeepSeek App。上述底层能力与语音能力同时以独立接口形式开放，包括 Search、Fetch、OCR、ASR、TTS，可单独或组合接入自有工作流。官方还开源了一份轻量前端 Demo，支持导入历史对话。计费上，调用扩展能力除 token 费用外另收工具调用费用，各项工具价格单独列出。 来源：https://mp.weixin.qq.com/s?__biz=Mzk0OTYwNzc3NQ==&mid=2247485910&idx=1&sn=529f50ba3b37e39319dad1faf7a122cf

Cloudflare Kitesurf 以 Apache 2.0 开源：跑在 Workers 上的无状态 Agent 浏览器

Cloudflare 把 8 月发布的 Kitesurf 以 Apache 2.0 协议在 GitHub 开源，开发者可以读代码、本地运行、修改，并把自家实例部署到 Cloudflare Workers。Kitesurf 是面向 AI Agent 的无状态浏览器，完全跑在 Workers 上，自行解析 HTML、应用 CSS、执行页面 JavaScript、渲染截图，不需要浏览器容器；它支持 Chrome DevTools Protocol，可接入 Puppeteer 一类客户端。设计目标是给 Agent 一个比完整 Chromium 更省 CPU 与内存的浏览器，并按需在 Workers 全球网络上扩容。实现依赖一组编译到 WebAssembly 的 Rust 开源包：Blitz 负责 HTML 解析、DOM、布局与绘制，Stylo 负责 CSS 解析、级联与计算样式，Boa 在 WASM 内执行 JavaScript（仅在 Dynamic Workers 无法运行 JS 时兜底），Linebender 系列提供文本布局与 2D 图形，Krilla 生成 PDF 输出；这些项目保留各自许可证，第三方声明记录在仓库 NOTICE 中。仓库分 Engine（管理浏览器会话与客户端连接）、PageScript（运行页面及其 JavaScript）、PageRenderer（绘制结果）三部分，各包、Rust 核心、DOM shim、渲染器与 CLI 分列在 packages 目录下。 来源：https://blog.cloudflare.com/kitesurf-open-source/

产品应用

xAI 发布 Grok Bot 1.0：一个 Bot 全团队共享，可拉进 Slack 和视频会议

xAI 发布 Grok Bot 1.0，距离 8 月 11 日的 beta 版约三个月。最核心的变化是 Team Bots：一个 Bot 可由整个团队共享，可以只分享给特定的人或小组，也可以直接拉进 Slack、Microsoft Teams 与视频会议；在多人对话里它能分辨谁参与了、各自在说什么，并在合适的时候补充信息或主动提出接手某项工作。1.0 强调主动性，会持续盯住进行中的项目，按团队目标、流程与优先级提出下一步建议，例如在截止日期前提前备好材料，遇到需要人判断的决策再把相关的人拉进来。能力侧相比 beta 版，浏览器操作更稳、登录流程更顺，文档与演示文稿质量提升，可生成团队共同编辑并持续更新的可交互 Pages，与 Gmail、Google Calendar、GitHub 的连接得到改进，管理员可管理 Team Bot 掌握的知识并查看团队使用情况。安全上有三道约束：遵守每个人各自的访问权限、执行敏感操作前先征求同意、在公开频道分享信息前判断是否适合公开。xAI 称新版本完成任务所需资源更少。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074135&idx=2&sn=2019b2d7e4f158bb07852a889f5a7b17

Anthropic 推出 Claude for Manufacturing：17 项技能直连工厂软件

Anthropic 推出 Claude for Manufacturing 插件，把模型直接接到 Autodesk Fusion、Oracle NetSuite 与 Infor 等制造与工厂软件上，内置 17 项专用技能。可执行的流程包括起草报价、比较供应商，以及在交付延迟时下备用订单，这些动作都需要人工批准后才落地。插件目前不控制物理设备，Anthropic 另在开发 Model Hardware Standard 以覆盖硬件控制这一层。当前的定位是跨系统流程串联：需求、报价、供应商比较与备用订单在三个系统之间流转，由模型起草、由人审批。 来源：https://the-decoder.com/anthropics-claude-for-manufacturing-plugs-ai-directly-into-factory-software-to-automate-industrial-workflows/

OpenAI 推出 ChatGPT Wallet：Agent 经用户批准即可完成购买

OpenAI 推出 ChatGPT Wallet，让 ChatGPT Work、Codex 与 dots 中的 Agent 在用户批准的前提下完成购买，并沿用现有信用卡的持卡人保护。官方将其定位为一种安全的支付方式：Agent 负责把交易推进到下单环节，付款仍需用户确认。 来源：https://openai.com/index/introducing-chatgpt-wallet

Meta Muse 代用户给商家打电话：已有超 1000 万用户，但常被挂断

Meta 的 AI Agent Muse 现在可以代替付费美国订阅用户给商家打电话，从有线电视供应商到餐厅，覆盖预约、咨询与办理一类事务。Meta AI 负责人 Alexandr Wang 称该 Agent 已有超过 1000 万用户。同类功能并非 Meta 独有，Google Gemini、Instinct 与 xAI 的 Grok Bot 都提供代打电话能力。报道同时指出一个现实阻碍：不少企业一检测到对面是 AI，就直接挂断。 来源：https://the-decoder.com/metas-muse-now-calls-businesses-for-you-but-many-companies-might-just-hang-up-on-the-ai/

技术与洞察

斯坦福用 GPT-6 Astra 改 65 行词嵌入：机器人指令成功率 74.3%→87.5%

论文《Can LLMs Debug Robots by Editing Their Weights?》（作者 Jusheng Zhang、Keze Wang、Liang Lin）把 GPT-6 Astra 放在调试器的位置，让它检查并修改视觉—语言—动作策略的权重；基座是 OpenPI 发布的 π0.5 LIBERO 检查点，测试环境为 LIBERO 操作任务与 LIBERO-Plus 指令改写。Astra 拿到一个持续保留状态的 Python 工作区与可调用的前向工具，能查看张量、写入替换值、检查仿真结果，每次语言编辑有 50 次计入预算的工具请求，最终保留的修改只有 65 行，全部落在词嵌入表上：把词元向量移向更常见的任务表达，如 cooker→stove、basin→bowl、fermented→wine，有些行保留部分原向量，遇到歧义则使用多个目标向量的均值。以开炉灶任务为例，指令「activate the cooking appliances heat source」下原策略伸手去拿盘子、执行 300 步仍未完成，修改后同一场景、同一随机种子（7）、同一初始状态下第 78 步完成任务；其中 cooking 对应词元的嵌入被改为 25% 原向量加 75% 的 stove 向量。统计上，含被改词元的 335 条留出指令成功率从 74.3% 升到 87.5%，另有 430 个回合的成败结果逐一不变。全程没有梯度更新，也没有新增机器人示范数据，论文、实际评测过的权重修改、代码与全部 16 次实验记录均已公开。 来源：https://mp.weixin.qq.com/s/MKdFGf9pNj_JUR6iQhz9-g

清华 CoACT 被 ICSE 2027 接收：Coding Agent 省 33% token，PASS@1 反升 2 个点

清华大学人工智能学院的团队提出 CoACT，一种面向 Coding Agent 的 observation 压缩方法，已被 CCF A 类会议 ICSE 2027 直接接收（Top 5%）。统计显示，在 SWE-bench Verified 上 observation 占总 token 消耗的 45.7%，在 Terminal-Bench 上最高达到 67.8%。CoACT 的核心判据是「下一步动作保持」（NAP）：不比较压缩结果像不像原文，而是让 Agent 分别读压缩前后的 observation，比较接下来的动作是否一致；动作比较不看字符串，而是解析命令的操作类型、目标文件与读取范围，写法不同但读取同一段代码的命令会被判为相同操作。压缩器以 Qwen3.5-4B 为基座，训练数据由教师模型 Gemini3-Flash 为同一份 observation 生成 8 份候选，与 Agent 在原始 observation 下采样的 8 个参考动作比对，取最相似的 3 个求平均、得分达到 0.6 才算通过，再从中选更短的版本作为示范。训练分两阶段：先用离线轨迹监督微调得到初始压缩器，再让它实际参与 Agent 运行、保留已压缩历史重新造数据，合并后训练最终模型；只用离线数据时 PASS@1 为 56.0%，加入在线阶段数据后升到 60.5%。在 SWE-bench Verified 随机抽取的 200 个实例上，Qwen3.5-35B-A3B 的总 token 从 3.795M 降到 2.428M，Deepseek-v4-Pro 从 1.068M 降到 0.868M，Gemini3-Flash 从 0.685M 降到 0.422M，平均降幅 33.0%，三个模型的平均 PASS@1 从 69.0% 变为 71.0%。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074362&idx=3&sn=da18bc335c6b6345ee976e60b4009347

Meta 改写 70 年 K-Means：e-means 两轮胜过 25 轮，GPU 提速 45.5 倍

Meta FAIR 提出 e-means，重写沿用近 70 年的 K-Means 中心更新规则，平均约两轮即可超过传统 Lloyd 算法运行 25 轮的聚类效果，GPU 最高提速 45.5 倍。在 100 亿条向量、约 1677 万个聚类中心的实验中，e-means 只用 2.5 轮就取得更低的误差。方法上，它用小批量统计配合指数移动平均（EMA）更新中心：每处理一个小批次就统计各簇接收到的样本数与向量和并分别做移动平均，再用两者比值计算中心，新分配能及时修正中心，较早的统计记录逐渐失去影响力；同时借用余弦退火，并通过 Scaling Laws 自动确定训练参数。相比梯度下降，EMA 能让中心保持在已分配样本构成的凸包内，降低大步长更新带来的不稳定性；小批量带来的随机波动也让它更容易跳出局部最优——200 次随机初始化中，Lloyd 有 26% 的运行把 8 个簇错分给两团悬殊数据，e-means 只有 3.5%；沿直线排列的五团数据实验中，两者分别为 46% 和 0%。相关代码已进入 Faiss 开源仓库。 来源：https://mp.weixin.qq.com/s/dqkgOPTNc_SzKpXESLzjkQ

Ropedia 发布 Xperience 2：1,812 个场景对齐第一视角行为数据

Physical AI 初创公司 Ropedia 发布 Xperience 2，把真实场景扫描与人的第一视角活动记录对齐在同一度量坐标系中，场景几何、录像、轨迹与身体姿态共享一个与重力对齐的坐标系，覆盖 1,812 个场景。采集分两步：先用手持激光雷达从多角度扫描房间，得到带真实尺度的场景网格、3D 高斯重建以及对应的图像、相机位姿与稀疏点云；操作员再戴上自研的 HOMIE Headset 2 逐项完成任务，设备含四路全局快门鱼眼相机、惯性传感器与四声道音频，其中两路朝前相机拍摄双手与正在操作的物体，整套采集不依赖固定动捕设施，可进入住宅、餐厅、商店、办公室与户外。基于这批数据，Ropedia 把人的动作转换成机器人轨迹、把扫描场景转换成可交互仿真环境，可设定杯子位置、柜门状态与机器人起点，并按物体状态判定任务成败，失败后重载场景即可重试。此前发布的 Xperience-10M 包含约 1000 万个真实世界交互片段、1 万小时第一视角视频与音频，Xperience 2 在此基础上补充了场景扫描与空间对齐，同一次扫描可供该场景中的多段任务录像复用。技术报告、项目主页与数据集均已公开。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074362&idx=1&sn=c3ceac43168f01cb87b9bb3c28fa9877

行业动态

Fractile 完成 7.2 亿美元 C 轮：估值 70 亿美元，押注叠 DRAM 的推理芯片

英国芯片公司 Fractile 11 月 11 日宣布完成 7.2 亿美元 C 轮融资，投后估值 70 亿美元；上一轮为今年 5 月的 2.2 亿美元 B 轮，按《金融时报》报道的约 11 亿美元估值计算，本轮约为前次的 6.4 倍。本轮由 Thrive Capital、Founders Fund、Lightspeed 与 Redpoint 联合领投，Alphabet 旗下 CapitalG、Balderton 等参投。公司押注的不是通用芯片，而是大模型推理中对延迟敏感的生成环节，做法是把 DRAM 直接叠在计算芯片上方，用更短、更密的垂直连接并行传输数据；CEO Walter Goodwin 在 11 月 11 日的采访中估算，首代芯片访问内存的带宽有望达到 GPU 访问 HBM 时的约 20 倍，但这是内存带宽预期，并不等于生成速度提升 20 倍。首款产品以机架形态交付，含编译器、运行时与互连供电散热，计划 2027 年交付首批芯片与系统。需求侧已出现为速度付费的产品：Anthropic 11 月 9 日发布的 Claude Fable 5.2 提供快速模式，每百万输入 token 收费 16 美元、每百万输出 token 收费 80 美元，为标准模式的两倍，公布的最高生成速度为标准模式的 2.5 倍。据彭博社 8 月报道，Anthropic 与 Fractile 达成了约 2.5 亿美元的初步采购安排，具体条款与后续履行进展仍待披露。 来源：https://mp.weixin.qq.com/s?__biz=MzgzNDkyMTQ5Mw==&mid=2247503003&idx=1&sn=08a6951b5a498df9b85040a131e5d5b7

Mercor 完成 7.5 亿美元 D 轮：估值 200 亿美元，每天付专家 500 万美元

Mercor 完成 7.5 亿美元 D 轮融资，估值 200 亿美元，投资方包括英伟达、Benchmark、Felicis、General Catalyst、Apollo 旗下基金、XTX Ventures、Salesforce 与 Zoom，本轮包含员工出售部分股份。公司 2023 年成立，三位创始人是在辩论队认识的大学退学生；最初做软件外包，随后转成帮美国公司找印度工程师的平台，第一个 AI 面试官在 2023 年 4 月上线，会读简历、调用 GPT-4 提问并按评分标准打分，至今累计完成超过 700 万场面试。转折点来自数据生意：Scale AI 曾用他们的平台招了几千人，让团队意识到大模型训练数据正从众包式中低技能标注，转向顶尖工程师、律师、医生以团队方式搭建更难的测试题与训练环境。CEO Brendan Foody 给出的规模数字是，平台现在每天付给专家的钱超过 500 万美元，而两年前这个数字一整年加起来才 100 万美元。去年公司估值达到 100 亿美元时，三位创始人一起成为最年轻的白手起家亿万富翁。 来源：https://mp.weixin.qq.com/s?__biz=MzgzNDc2MjQxMg==&mid=2247495765&idx=1&sn=540ed61578082625760fd7b0d04bfb5e

Sparxity 完成 A 轮：累计融资 9000 万美元，目标稀疏推理提速 44 倍

稀疏原生计算公司 Sparxity（前身 SpiNNcloud）完成 A 轮融资，团队累计融资达到 9000 万美元，本轮由 ICM HPQC Fund 领投，GlobalFoundries、GS Futures、Cloudberry Ventures、TGFS、EIC Fund 等参投。资金将用于开发面向细粒度动态稀疏的芯片，目标是在超稀疏模型上把 AI 推理加速最高 44 倍并提升能效。公司称 2024 到 2025 年收入为原来的 4 倍，已完成三次流片、生产超过 7 万颗芯片、服务 30 多家客户，落地场景包括 Jülich 超算中心，以及与 Deutsche Telekom 的合作——T-Systems CEO Ferri Abolhassan 称这将为其 AI 工厂带来高能效算力。 来源：https://theaiinsider.tech/2026/11/13/sparxity-closes-series-a-bringing-total-funding-to-90m-for-sparse-native-ai-chips/

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录