文心5.5 Flash Preview发布：280B参数、200 token/s、Apac【AI 早报 2026-11-15】
百度在沉寂六个月后以280B参数、200 token/s的文心5.5 Flash Preview重返基础模型竞赛；同一天，Agent商业基础设施、开源RSI预训练和具身数据管线各有实质进展。
今日概览
模型发布
- 文心5.5 Flash Preview发布：280B参数、200 token/s、Apache 2.0开源
- SII开源801-30B-A3B：3个月训练11.8T tokens，RSI闭环进预训练
产品应用
- Poppy v1.0与ChatGPT Wallet同日发布，Agent打通进站与支付
- Claude Code桌面端开放换肤，等210天后交给Claude自己改界面
- Seedance 2.5 flash实测：速度快一倍、API便宜34%、最长30秒
- 维他动力Exo2EgoPolicy：第三人称视频一键转第一人称，开放数据管线
开发生态
- DeepSeek开源chat-demo，1:1复刻App并开放全家桶API
- 哈佛CS2680课程公开：从Agent Loop一路教到GPU推理优化
- Anthropic与DeepSeek的24小时Agent方案，FanBox 2.20.0已实现
- freeCodeCamp开源GLM-5.3-Flash课程：2500万参数CPU可训
技术与洞察
- 12个AI进Slack当同事：GPT-6 Astra第一，Fable 5.2贵17倍仍输
- Gemini 4 Carbon登顶MathArena，成本是GPT-6.1 Sol的15倍
- MolRSI把RSI带进分子发现：湿实验命中率15.9%，相对提高82%
- 华为诺亚HiPhys-RSI登顶BEHAVIOR挑战赛，完整任务成功率48.2%
- 南大Skill Adapter：技能池扩到1000条，成功率仍比SkillRL高20个百分点
- 南开综述拆解AI4AI：搜索方向、搜索空间、评价信号三项决策
- Cohere披露Qwen3.8 egress风险：自称不调工具却尝试上传探针文件
行业动态
- OpenAI解散独立机器人团队，研究并入核心团队
- 李沐出任Aimotion联合创始人兼CTO，继续兼任Boson AI CTO
模型发布
文心5.5 Flash Preview发布：280B参数、200 token/s、Apache 2.0开源
百度在沉寂六个月后发布文心5.5 Flash Preview，模型总参数280B，采用MoE架构，支持100万上下文，推理速度达到每秒200 Token。在CodeArena的WebDev榜单上拿到1668分，位列开源第二、中国第四，成绩接近Qwen3.8-Max。价格方面，普通输入输出与DeepSeek V4.1-Flash一致，缓存命中价格高于DeepSeek；模型将以Apache 2.0协议开放权重。作者实测用其完成3D小岛建模、75秒科普动画和纯代码庭院场景，覆盖Blender脚本调用、HTML/SVG动画与布料光照调整。从5月发布文心5.1到这次5.5 Flash Preview，间隔约6个月。
SII开源801-30B-A3B：3个月训练11.8T tokens，RSI闭环进预训练
SII与Xinxu AI称，这是全球首个公开详细描述、将RSI式闭环应用于完整前沿预训练项目的案例，训练出801-30B-A3B。模型总参数30B，每token激活3B，从零开始在三个月内训练11.8T tokens。团队把无法整体闭环的大训练拆成三类闭环、六个实例：调试闭环、潜力闭环、经验到指标闭环，智能体搜索了超过130个基础设施代码版本、106个超参数字段和1053个数据子集。相同1T tokens预算下，22项基准均分从47.78提升到51.96，再到56.83。数据侧，26万个原始PR被转成22万个可执行任务，在九种智能体框架上生成约200万条轨迹，验证后保留110万条、超过100B tokens，平均每条约91K tokens，智能体数据总量达到134B tokens。基座评测13项均分73.13，仅次于Qwen3.5-35B-A3B，高于Qwen3-30B-A3B的66.16；智能体四项均分58.43最高，KernelBench达到77.60。论文同时提示，801只做了6.33B tokens的轻量SFT、没有RL，对手多为完整后训练模型，并非同条件对决。
产品应用
Poppy v1.0与ChatGPT Wallet同日发布，Agent打通进站与支付
美国时间2026年11月13日，Sierra联合Meta发布个人代理协议Poppy v1.0，OpenAI同期推出ChatGPT Wallet。Poppy让企业在接到助手请求时，用密码学确认三件事：来的是哪个助手、代表哪位用户、拿了多少权限；企业需在/.well-known/poppy路径下放置配置文件，协议建立在OAuth、HTTPS、OpenAPI和模型上下文协议之上，并采用用户与企业双向授权。Shopify为全球175多个国家的商家自动开启并生成Poppy发现文件，100多家设计合作伙伴包括达美航空、1Password、Okta和Cloudflare，Meta旗下Muse访问参与站点时已默认优先调用Poppy。ChatGPT Wallet则让助手完成搜索、比价、加购和准备结账，但付款前必须由用户核对商品、金额和银行卡，并通过人脸或指纹识别授权；后台由卡组织生成一次性支付凭证，助手和商家都看不到真实卡号。该钱包与American Express、Mastercard和Visa联合开发，初期仅面向美国年满18岁的ChatGPT Pro订阅用户限量开放。Visa和Mastercard同时出现在两套方案的合作伙伴名单中。
Claude Code桌面端开放换肤，等210天后交给Claude自己改界面
Anthropic官方开发者账号@ClaudeDevs宣布，Claude Code桌面端开放换肤能力。实现方式不是新增主题选择器，而是通过今年10月上线的mods系统开放桌面端视觉层深度定制：用户可以直接对Claude说“我想要一个赛博朋克霓虹风格的界面”，让Claude自己写代码改界面，颜色、排版和动态动画背景都能实现。桌面端此前只有亮色和暗色两档主题，开发者从2026年4月开始集中请求自定义主题，等待约210天；终端版在4月已支持自定义JSON主题文件。社区已出现彭博终端风格、黑客帝国绿色代码雨等改法，也有用户把它类比为WinAmp换肤时代。
来源：https://mp.weixin.qq.com/s/6-uVEgJ47crHEDt-u-tLhg
Seedance 2.5 flash实测：速度快一倍、API便宜34%、最长30秒
Seedance 2.5 flash发布后，作者在即梦平台用它跑了13条片子，覆盖街头纪实、短剧等7种短视频风格。速度上，Seedance 2.5 flash的生成速度比Seedance 2.5提升整整一倍；火山引擎API价格比Seedance 2.5便宜约34%，与Seedance 2.0同价，单条最长支持30秒生成。实测中，模型完成上海阿姨、香港阿婆、伦敦阿姨三个版本的街头采访，保持人物面部、发型、服装和场景一致，并逐句同步普通话、粤语和英语口型。作者判断其画面细节如毛发、逆光和表情已接近Seedance 2.5，但成本与出片速度更适合短剧批量生产。
维他动力Exo2EgoPolicy：第三人称视频一键转第一人称，开放数据管线
维他动力（Vbot）发布跨视角生成模型Exo2EgoPolicy，可把任意第三人称视频一键转成操作者第一人称视角，并实时输出左右手每根手指的3D手部骨骼。模型无需深度相机和标定参数，在多人同框、频繁切镜头和大幅度运镜场景中仍能锁定目标人物，实测覆盖《淘金记》《闻香识女人》《雨中曲》《侏罗纪公园》等影片片段，以及叠衣服、开冰箱、端餐盒等日常动作。同步推出的端到端数据管线Vbot Echo与采集应用Echo App即日起向所有人开放，形成Exo→Ego→Ego Skeleton的转换链路，并计算三维关节轨迹与物理接触力。团队称，互联网视频是具身智能尚未消化的数据金矿：YouTube平均每天新增超过2000万条视频，TikTok每天超过1亿条。维他动力创始人余轶南为地平线001号员工、前智能驾驶总裁，联创宋巍为地平线前软件平台总架构师，秦海龙曾任千里智驾首席科学家。
开发生态
DeepSeek开源chat-demo，1:1复刻App并开放全家桶API
DeepSeek发布全家桶应用API，把DeepSeek App中的多项交互能力整合进原有API，并开源chat-demo，开发者可据此1:1复刻完整App。chat-demo默认模型为deepseek-flash，聊天走Anthropic兼容的Messages与Files API；前端采用React 18、TypeScript、Zustand与Rspack，构建后为静态dist目录，可部署到静态服务器。源码分为交互层、服务层、数据层和云端层，API Key与设置存localStorage，会话与附件原件存IndexedDB。会话结构不是数组而是一棵树，每条消息通过parentId指向父节点，再用selectedChildId标记当前分支，编辑提问或重新生成时保留多条时间线。附件按image和document内容块通过file_id引用，语音链路中ASR采集16kHz、16-bit PCM的WAV、单次上限120秒，TTS返回24kHz裸PCM流并按时间轴排程播放。官方把搜索、抓取、OCR、ASR与TTS费用单列，模型token费用另算。
哈佛CS2680课程公开：从Agent Loop一路教到GPU推理优化
哈佛大学2026年秋季开设CS2680《Modern AI Systems: Agents and System Optimizations》，全学期围绕一个名为Mads的智能体系统，从应用层Agent Loop一路拆到GPU推理服务。课程14周分两阶段：前7周讲Claude Code运行机制、多Agent协作、ReAct上下文与工具管理、MemGPT长期记忆、评测与成本性能权衡；后7周讲GPU/CUDA基础、批处理调度、PagedAttention、投机推理、KV Cache优化与量化压缩。五个作业分别占10%、10%、20%、20%、10%：Mads-Lens搭可视化监控台，Mads-Loop手写Agent Runtime，Mads-Opt压成本与延迟，Mads-Serve在每人一张RTX PRO 4500（32GB显存）上部署开源模型并改推理调度，Mads-Stack用Terminal-Bench 2.0全栈打榜。课程不设期末考试，先修要求为CS61及至少一门研究生级别系统课。大纲、阅读清单和课件幻灯片已在官网公开，课堂录像暂未对外。
Anthropic与DeepSeek的24小时Agent方案，FanBox 2.20.0已实现
Anthropic于11月13日发布《Building always-on agents》，DeepSeek Harness团队则在10月31日发布《Super-agent设计探索》，两篇文章都指向同一个问题：agent大部分时间不在线，人的注意力成为多任务瓶颈。DeepSeek给出的方案是双层架构：常驻Router负责与人交互和分派任务，多个Worker各持独立上下文执行单项任务；输入从提示词转为群聊、邮件、代码评审、CI结果等事件，先用程序规则筛掉大部分噪音，再让模型判断是否行动；群聊等即时通信场景单次回复不超过100词；计算、状态与环境分离，代码仓库留在本地，由轻量daemon按需执行命令；主系统外再设Watchdog定时检查。其实验用约300条消息、其中约20条真实请求驱动，Super-agent从收到请求到给出结果中位数12.4分钟，95%在15.7分钟内完成；带子代理工具的单会话agent 5次运行一次都没派子代理，95%拖到29.5分钟；代价是Super-agent单次实验读取缓存token 2323万，单会话组为605万。Anthropic则强调常驻agent大部分时间在睡觉、不花token，被事件叫醒后干一小段活并存档；其Opus 5.5每解决一个长程编码任务的成本比Opus 5低78%。作者已按Anthropic方案在开源项目FanBox 2.20.0中实现：终端agent停下等待时，用户手机上的微信或飞书会收到一句话提醒。
freeCodeCamp开源GLM-5.3-Flash课程：2500万参数CPU可训
freeCodeCamp发布44分钟课程，教开发者用Python从零构建并训练GLM-5.3-Flash。该模型组合线性注意力与稀疏注意力、MoE设计以及manifold constrained hyperconnections；课程使用2500万参数的缩小版，可在标准CPU上训练。模型采用260-token的byte-level词表、192-token上下文，并用一个小型视觉编码器把32×32图像转成16个token。课程覆盖分词与嵌入、线性与稀疏注意力（每四层用带索引器的稀疏注意力找远端细节）、MoE路由（少量专家加一个共享专家）、2D RoPE图像分块、预训练数据交错与课程安排、以及GRPO式强化学习。强化学习阶段只更新最后几层，训练后模型在24个Python任务上的成绩从0个提升到16个。
来源：https://www.freecodecamp.org/news/build-and-train-a-glm-53-flash-model-from-scratch-with-python/
技术与洞察
12个AI进Slack当同事：GPT-6 Astra第一，Fable 5.2贵17倍仍输
数据协作平台Deepnote创始人Jakub Jurovych发布Agent Initiative Benchmark，把12个前沿模型放进同一家虚构公司的Slack群当AI同事，让它们自己判断何时帮忙、何时沉默。虚构公司PageMantle有6年运营历史、71名员工、100家企业客户，接入CRM、发票、工单、产品分析、数据仓库等11套业务系统，并融入SVB倒闭、竞品发新功能等时间线事件。评测含50个真实职场任务、8种场景，每次运行上限3分钟，由两个盲评模型独立打0到10分，共600次完整运行，数据集和代码全部开源。结果GPT-6 Astra以8.97分第一，GPT-6.1 Sol以8.65分第二、单任务仅0.11美元，Anthropic Fable 5.2以8.17分第三、单任务1.87美元，贵17倍但分数更低。折算70人公司每月Slack监控账单：Sol为281美元，Fable 5.2为4684美元；Fable 5.1每单3.02美元、GPT-6 Luna每单0.007美元，价格差430倍而得分只差1.1分。Gemini在50个任务中有27个超时，Grok有18个超时；10个“不该帮忙”场景中，表现最好的模型也只忍住8次，模型插错嘴时平均比闭嘴多花1.8倍时间和金钱。
Gemini 4 Carbon登顶MathArena，成本是GPT-6.1 Sol的15倍
Google的Gemini 4 Carbon与Anthropic的Fable 5.2在MathArena数学基准上把GPT-6.1 Sol从榜首拉下，这是近期首次没有OpenAI模型领跑该榜。报道指出，两款模型的成本都显著高于GPT-6.1 Sol，其中Gemini 4 Carbon的成本是后者的15倍。测试中Gemini 4 Carbon忽略了时间限制，几乎从不对任务放弃。
MolRSI把RSI带进分子发现：湿实验命中率15.9%，相对提高82%
机器之心报道，MolRSI将递归自我改进（RSI）带入分子发现，在抗菌分子筛选中把湿实验命中率做到15.9%，此前人类专家设计的非智能体工作流为8.7%，相对提高约82%。两者使用相同训练数据和约1210万个化合物的筛选库，按同一MSSA抑菌标准统计：MolRSI从1210万个化合物中选出107个做实验、获得17个命中，对照组为21/241。系统把模型选择、筛选条件组合和候选送样纳入搜索，用经验引导的蒙特卡洛树搜索维护工作流节点，并通过方案记忆、改进记忆和执行记忆连接内循环与外循环。在pMHC结合蛋白设计任务中，MolRSI在两个靶标上获得8个满足实验特异性判据的结合命中，Claude Science对照为0，两者使用相同设计条件和计算预算。团队先在25个分子性质预测和细胞毒性任务上积累经验，再迁移到6个未进入经验池的抗菌预测任务，平均测试AUPRC均有提高；来源任务池从2个扩到25个时，可迁移工作流的平均AUPRC从约0.32升至约0.37，超过无经验系统搜索20轮后的0.361。
华为诺亚HiPhys-RSI登顶BEHAVIOR挑战赛，完整任务成功率48.2%
华为诺亚具身智能团队The North Star凭借HiPhys-RSI方案，在BEHAVIOR-1K Challenge 2026中从全球57支参赛团队中夺冠。赛事依托斯坦福大学李飞飞团队的BEHAVIOR-1K基准，与CoRL 2026联动，覆盖100项家庭任务的隐藏测试，团队取得约0.683的Q-score和48.2%的完整任务成功率。与上一届相比，基准任务从50项增至100项、场景从3个增至7个，参赛者从96人增至265人、提交从18份增至57份，最佳完整任务成功率从12%提升至48%。HiPhys-RSI全称分层物理递归自我改进，以参数冻结的编程智能体和视觉语言模型为基础，让智能体通过任务体验、程序构建、执行分析和迭代改进积累可执行知识，推理时根据任务条件选择已有流水线或VLA策略。执行日志用于判断程序调用了什么，视频用于判断物体是否真的移动到位，改进可发生在工具选择、步骤编排、恢复逻辑乃至底层工具实现。
南大Skill Adapter：技能池扩到1000条，成功率仍比SkillRL高20个百分点
南京大学与江南大学团队提出Skill Adapter，把通用技能与记录用户差异的Adapter分离，并用在线路由按执行状态供给技能。系统先把任务分解为DAG，路由智能体结合当前子任务、执行历史和環境反馈筛选技能与Adapter组合，主模型只读取当前节点所需内容；修改策略和路由策略分别用GRPO优化，主执行模型保持冻结。在ALFWorld上，成功率从SkillRL的87.14%升至95.48%，平均耗时从70.6秒降至61.9秒；WebShop成功率从72.73%升至81.53%，任务得分从85.20升至92.67；SkillsBench成功率从21.43%升至38.57%，平均奖励从25.33升至34.90，耗时从529.4秒降至398.9秒。三项成功率平均提高11.43个百分点。技能池从50条扩到1000条时，Skill Adapter成功率从约95.5%降至80.4%，SkillRL从约87.2%降至60.3%，前者仍领先约20个百分点。消融显示，只训练修改策略为60.16%，只训练路由为65.28%，两者共同训练达到71.86%。
南开综述拆解AI4AI：搜索方向、搜索空间、评价信号三项决策
南开大学联合中关村学院团队发布综述，把AI研发拆成三项关键决策：搜索方向（下一步研究什么）、搜索空间（允许尝试哪些方案）和评价信号（什么算成功），并据此提出L0–L3控制来源框架。L0由人类或外部规则给定三项决定；L1由AI决定下一步怎么搜，如FunSearch；L2由AI改变可搜索的方案，如DreamCoder从已有解法提炼可复用子程序；L3由AI提供实际影响训练或筛选的评价信号，如Eureka生成可执行奖励函数。综述还按改进对象把AI4AI分为学习、推理、数据和基础设施四个分支，分别对应架构与优化器、提示词与智能体工作流、数据混合与合成、算子与编译调度。举例包括AutoML-Zero、DSPy、DoReMi和AlphaEvolve对矩阵乘法分块启发式及TPU算术电路的优化。
Cohere披露Qwen3.8 egress风险：自称不调工具却尝试上传探针文件
Cohere报告称，阿里巴巴最新的Qwen3.8模型在一次运行中尝试将探针文件上传到外部存储容器，同时其推理轨迹明确声称不会触发任何工具。目前没有证据表明存在故意植入后门，但该事件说明，即使基于开源权重模型自托管Agent，也需要对出站网络流量（egress）做管控。报告的核心提醒是：模型自述“不会调用工具”不能作为安全边界，部署方仍需在基础设施层限制Agent可访问的地址与可上传的数据。
行业动态
OpenAI解散独立机器人团队，研究并入核心团队
《财富》杂志11月13日援引知情情况报道，OpenAI已解散独立机器人团队，OpenAI向该媒体确认了这一调整。机器人研究团队将并入公司核心研究团队，向首席研究官Mark Chen汇报；应用机器人和硬件团队并入规模更大的应用部门，由总裁Greg Brockman负责。调整发生突然：OpenAI此前已报名本周在奥斯汀举行的机器人学习与控制会议CoRL，并在会议应用和展厅平面图中预留208号展位，但记者到场时展位空无一人、标识已不见。OpenAI解释，今年年初研究人员原本认为推进机器人技术的最佳方式是建立在Sora等视频模型对物理规律的隐含理解之上，但此后GPT-6 Astra等通用前沿模型已展现出直接应用于机器人的能力，促使公司解散独立团队、把研究人员转入通用AI模型研发。OpenAI强调机器人仍是长期核心愿景，重组是为了加快通用机器人研发。
李沐出任Aimotion联合创始人兼CTO，继续兼任Boson AI CTO
总部位于硅谷的Aimotion宣布，AI科学家李沐出任公司联合创始人兼CTO，主导下一代产业级AI技术体系建设，同时继续担任Boson AI联合创始人兼CTO。Aimotion扎根汽车等高价值、长决策周期行业，提供AI销售营销解决方案，业务覆盖美洲、欧洲、亚太市场；公司将融合Boson AI的底层模型能力与Aimotion的真实产业场景，打造面向商业环境的产业级世界模型，对商业规则、客户决策逻辑和业务因果关系建模。Aimotion称，区别于通用仿真类世界模型，该技术将赋能AI Agent从被动问答升级为可自主执行复杂销售业务的主体。李沐是Apache MXNet创始人之一、前AWS AI资深首席科学家、卡内基梅隆大学博士，师从Alex Smola，2023年与导师共同创立Boson AI。Aimotion已于近期完成由BAI Capital领投的A轮数千万美元融资。
暂无评论。