AMD 82 亿美元全股票收购 World Labs,李飞飞出任首席科学家【AI 早报 2026-11-17】

AMD 82 亿美元全股票收购 World Labs,李飞飞出任首席科学家【AI 早报 2026-11-17】

今日看点:AMD 完成对李飞飞创办的 World Labs 的 82 亿美元全股票收购,把世界模型能力纳入芯片版图;模型侧 Qwen4-Max 以 2.4 万亿参数上线并全面降价,腾讯混元 Hy4 flash 把单任务成本压到 Hy4 的 1/20。

今日概览

要闻

  1. AMD 82 亿美元全股票收购 World Labs,李飞飞出任执行副总裁兼首席科学家

模型发布

  1. Qwen4-Max 上线:2.4 万亿参数、百万 token 上下文,单任务费用降 58%
  2. 腾讯混元 Hy4 flash:224B 总参数 12B 激活,单任务成本为 Hy4 的 1/20
  3. Karpo Decision 31B 以 73.9 分登顶 Decision Index,0.8B–31B 全系开源
  4. Haru-4B 开源:4B 全双工语音模型,支持 160 种语言、MacBook 延迟 65 毫秒

开发生态

  1. NVIDIA DGX Spark HPC 开发者套件:四节点 512GB 内存,桌面跑 700B 参数模型
  2. FlashStates 重做混合架构缓存管理,Agent 预填充吞吐达 vLLM 的 3.14 倍
  3. Google 在 64 颗 TPU v5p 上实现逐位零训练-推理不匹配的 on-policy RL
  4. Amazon Bedrock 托管知识库新增表格搜索,可在沙箱内对整张表跑代码

产品应用

  1. ChatGPT for Healthcare 上线 computer-use 智能体与医疗软件插件
  2. 百度 Q3:AI 业务收入 132 亿元占比 53%,千帆 Token 调用收入同比增 1159%
  3. Google Ask Maps 进入欧洲,由 Gemini 模型驱动
  4. OpenAI 向全球 20 万科研人员免费开放前沿模型

技术与洞察

  1. Google 首次捕获全自动漏洞利用框架 exploit_agent
  2. GPT-6 Astra 把标准模型格点化策略转为可运行证明
  3. 清华 SkillMaster 入选 NeurIPS 2026:把技能自我进化训进智能体策略

行业动态

  1. Perplexity 年化收入突破 10 亿美元,2026 年内增长 4 倍
  2. ClashBench:44.5% 的有效运行发生破坏性资源抢占,31.9% 只报成功
  3. AI 安全创企 Corma 三个月估值 10 亿美元,A 轮融资 1.25 亿美元
  4. 华瑞指数云获超亿元融资,24 张 GPU 加 1 个存储节点抵 48 张 GPU 产能

要闻

AMD 82 亿美元全股票收购 World Labs,李飞飞出任执行副总裁兼首席科学家

AMD 今日宣布完成对 World Labs 的收购,交易为约 82 亿美元的全股票收购。据 AMD 向美国证券交易委员会提交的文件,交易实际于 11 月 13 日完成,AMD 向 World Labs 原股东发行约 1498 万股普通股。这是 AMD 继 2022 年约 488 亿美元收购 Xilinx 后,按公布交易价值计算的又一大笔收购。

World Labs 由李飞飞等人于 2024 年创立,研究方向是空间智能与世界模型,包括交互式三维世界生成、机器人学习与仿真,让 AI 生成、理解和模拟三维物理环境,而非只处理文字和二维图像。李飞飞随交易加入 AMD,出任执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报。

苏姿丰在公告中给出的理由是:为下一阶段超级智能提供基础设施,必须同时优化计算平台和模型,World Labs 的研究将帮助 AMD 塑造未来的硬件、软件和系统。这不是 AMD 第一次买模型团队:2024 年它以约 6.65 亿美元收购欧洲 AI 实验室 Silo AI;2023 年 10 月收购 AI 编译器公司 Nod.ai;2025 年 3 月以约 44 亿美元完成对 ZT Systems 的收购,同年 6 月收购推理优化团队 Brium;2026 年 8 月签署收购加拿大推理芯片公司 Taalas 的协议,交易价值约 29 亿美元,含最高约 14 亿美元或有对价。

来源:https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==&mid=2247669494&idx=1&sn=2833a8448b68b70cb9790b6ab5078290

模型发布

Qwen4-Max 上线:2.4 万亿参数、百万 token 上下文,单任务费用降 58%

阿里发布 Qwen4-Max,基于 Qwen4 系列全新架构,总参数 2.4 万亿,每个 token 激活 71B,另有 328B N-gram Embedding 参数,具备原生视觉能力和百万 token 上下文窗口。相比 Qwen3.8-Max,总参数量持平但每 token 激活参数减少约 25%,各领域 BPB 下降约 5–13%,预训练全程未出现 loss spike。

架构上做了三处改动:每四层中三层为 Gated DeltaNet、一层为 Qwen Sparse Attention(QSA),以 block 粒度选择相关上下文,降低长序列注意力与索引开销;Gated Residual 把残差流扩展为四条并行分支,用动态读写门控改善跨层信息传递;第二层引入 N-gram Embedding 查表,以较低额外算力扩展容量。

在 Work360 行业基准上,Qwen4-Max 得分 52.69,上一代 Qwen3.8-Max 为 47.74。该框架覆盖 26 个一级领域、182 个二级子领域和 721 个三级细分领域。Token 效率方面,Work360 的 Xhigh 与 High 两档推理强度下 token 消耗分别减少约 24% 和 35%,Terminal-Bench 4.0 上分别减少约 48% 和 49%;Work360 单任务平均费用从 26.58 元降至 11.16 元,降幅 58%,缓存命中价格大幅下调。前端编程在 Code Arena WebDev 盲测中位居全球前列。

Qwen4-Max 已上线千问 AI 平台对外提供 API,用户也可通过阿里 Token Plan 调用,或在千问办公、Qoder、千问 APP、Qwen Studio 中体验。Qwen4 系列的中小尺寸模型将陆续开源发布。

来源:https://mp.weixin.qq.com/s?__biz=Mzg4NTczNzg2OA==&mid=2247512505&idx=1&sn=1c20deef6f26aaa98b23cfc483c123ca

腾讯混元 Hy4 flash:224B 总参数 12B 激活,单任务成本为 Hy4 的 1/20

腾讯混元推出 Hy4 flash,总参数 224B,其中 64B 为 Engram 参数,激活参数 12B,支持多模态与 1M 上下文,API 价格相比 Hy4 大幅降低。预训练阶段引入混合注意力、LatentMoE、Engram 等架构特性,KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6。

后训练通过自蒸馏 Hy4 获得综合智能水平,再用强化学习把端到端任务输出长度降低 50%。推理侧结合 megakernel、4bit 量化和 DFly 优化,解码速度超过 150 tps,可大规模低成本部署。

评估没有采用公开榜单,而是构建基于 WorkBuddy 典型任务的内部评测集 WorkIndex(含 PPT 制作与修改、Markdown 人机双写、文档编辑、表格修复、音视频处理、视觉理解等 8 个内部集,另有 7 个公开 Agent 基准)。在 WorkIndex 上单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(max 档位、忙时价格)的 1/8,综合效果略优于 Hy4 preview。

85 位 WorkBuddy 内部用户在 27 类共 259 个日常任务上盲测,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,单任务成本低于其他所有参评模型,任务时长最短。模型已在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 上线,即将接入 OpenRouter;11 月 30 日前 WorkBuddy 限时免费、TokenHub API 限时 5 折。官方建议日常任务用 Hy4 flash,长程软件工程等复杂任务用 Hy4,并计划开源 Hy4 flash。

来源:https://mp.weixin.qq.com/s?__biz=MzkwODU2OTQyNQ==&mid=2247499006&idx=1&sn=519fe6d2987d39a281519089539a1f8d

Karpo Decision 31B 以 73.9 分登顶 Decision Index,0.8B–31B 全系开源

决策模型赛道出现开源登顶者:MachinePulse 的 Karpo Decision 31B 在汇集 300 个模型的 Decision Index 总榜上以 73.9 分排名第一,高于初代标杆 Jev 1.14 的 60.2 分,中位延迟 94 毫秒,不到 Jev 1.14 的 196 毫秒的一半;校准误差 0.023,单题最多可同时评估 255 个选项。

该模型不逐 token 生成文本,输入当前状态与问题后一次前向推理直接输出所有选项的概率,因此适配智能体的高频判断场景。它由谷歌开源底座 Gemma 4 31B 后训练而来,却在多项评测中压过闭源模型 Gemini Decision 1:When2Call 行动判断 90.4% 对 79.9%,Mind2Web 网页操作 90.0% 对 86.2%,纽约客漫画配文 90.5% 对 79.7%,Amazon ESCI 商品意图分类 64.7% 对 58.7%,37 项公开基准合算 75.0 分对 60.9 分。

防刷榜的私有题库盲测中,公开榜前十模型平均掉 6.8 分,Karpo 只掉 4.3 分,在全新领域私有题上拿到 78.6 分。JevBench 由独立机构断网盲测 1500 道题、其中 1200 道永久封存,Karpo 当期能力分 89.53 分,封存私有题 85.67 分,校准分 96.00。折算后它在 261 个开源模型中进入全球前三,每千次决策成本 0.025 美元,即约 4 万次判断花费 1 美元。同一套训练配方已复制到 0.8B 至 12B 五个尺寸,0.8B 到 31B 全系开源。

来源:https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652743616&idx=1&sn=4bcf52a08587a6397951ba4bb3ac29c9

Haru-4B 开源:4B 全双工语音模型,支持 160 种语言、MacBook 延迟 65 毫秒

Higurashi AI 开源 4B 参数全双工语音对话模型 Haru-4B,可以在说话的同时持续听,无需等用户说完再回应。模型基于 Qwen3.5-4B 构建,从 4000 万小时真实语音中预训练,覆盖 160 多种语言(其中九种为主要语言),训练数据刻意排除了 LLM 生成的对话和 TTS 合成语音,以学习真实的附和、打断、犹豫、重叠发言与不规则话轮边界。MacBook 上端到端延迟约 65 毫秒。

技术上有三个关键选择:三条同步数据流(用户输入音频、模型输出音频、模型文本)的嵌入逐元素相加后送入共享语言模型,而非逐 token 交错排列,上下文长度因此缩减至三分之一;语音表示采用 7.5Hz、64 维连续声学潜变量,每个 token 约代表 133 毫秒语音,绕开离散码本与 RVQ;输出端用单步 next-latent diffusion,由轻量 MLP 从隐藏状态直接生成声学 token,流匹配训练后再做 MeanFlow 蒸馏,推理时每个声学 token 只需一步采样。

预训练分两阶段:先在单声道语音上做 ASR、语音与文本续写、纯文本复习训练,再用超过 1300 万小时经分离处理的全双工对话数据训练,单条样本最长 60 分钟,并附带角色提示与同说话人参考音频,从而支持用文本提示和参考音频控制人设、说话风格与音色。整个预训练使用 256 块 NVIDIA B200,耗时约 8 天。

本次开源的权重包括 Haru-4B 预训练基础模型,以及配套的语音分离与修复模型 FastDialogueSidon,后者能把单声道混合对话录音重建为时间对齐的全双工语音流,用于训练数据生产。

来源:https://mp.weixin.qq.com/s?__biz=Mzk3NTc1NTU0Mw==&mid=2247515872&idx=1&sn=db684b7c28edbd081a8c951ede026fa0

开发生态

NVIDIA DGX Spark HPC 开发者套件:四节点 512GB 内存,桌面跑 700B 参数模型

在芝加哥举行的 SC26 超算大会上,NVIDIA 推出面向研究人员、学者和开发者的 DGX Spark HPC 开发者套件:4 台 DGX Spark 组成集群,每台通过 ConnectX-7 直连两个邻居构成环形,不需要额外购买或配置网络交换机,单机可扩展至四节点。

四节点合计提供 512GB 内存和 20TB NVMe 存储;在 NVFP4 精度下,可在本地四节点集群上部署最高 700B 参数的模型,官方举例为 DeepSeek V4.1。配套的 NVIDIA HPC SDK 安装 playbook 即将发布,将 GPU 加速的 C、C++、Fortran 编译器、库和 MPI 工具带到这套桌面集群上,与 NVIDIA 超算上使用的是同一套开发工具。

演示的四节点工作负载包括用于材料模拟的 LAMMPS with Kokkos 和分子动力学的 NAMD;社区已在该平台上验证 GROMACS、流体力学 OpenFOAM、天气建模 WRF,以及 OpenFold3、Boltz-2 等 NIM 微服务。NVIDIA 同时发布了 Nemotron 3.5 Super VL 的开放数据集与后训练配方,用于生命科学与化学场景的模型适配。

对拥有固定算力配额的研究者来说,价值在于不必为每个作业排队等共享 GPU 集群,可在本地开发调试并把服务器机时留给生产运行,未发表结果和专有数据集也可留在本地。

来源:https://blogs.nvidia.com/blog/dgx-spark-hpc-developer-kit-sc26/

FlashStates 重做混合架构缓存管理,Agent 预填充吞吐达 vLLM 的 3.14 倍

Kimi Delta Attention、Gated DeltaNet、Mamba-2 等线性注意力与状态空间层已成为开源大模型常见组件,Kimi K3.1 Pro、GLM-5.3-Flash、Qwen3.8-Flash-Next、Nemotron 3 Super 都采用「全注意力 + 线性层」混合架构。但在编程 Agent 这类多轮长上下文负载中,混合模型的前缀缓存管理比纯 Transformer 复杂:要从位置 p 续算,必须同时具备完整前缀的注意力 KV 和恰好位于 p 的循环检查点,二者合称「混合状态」。

来自 Together AI、UIUC 与 UT Austin 的研究团队提出 FlashStates,重新设计混合架构的 KV 与状态缓存管理。在 NVIDIA B200 上回放真实 Claude Code 轨迹时,预填充吞吐最高达到 vLLM 的 3.14 倍,p90 首 token 延迟最多降低 88.4%;接入 512GiB 的 Mooncake CPU 缓存后收益依然显著,并已支持分布式存储与跨节点的混合状态复用。

论文用 GLM-5.3-Flash 在 vLLM 与 SGLang 上逐 token 归因缓存未命中,归纳为放置未命中、依赖未命中、容量未命中三类。vLLM 默认只在 prompt 内每 4352 token 的块边界保存检查点、decode 阶段不保存,低并发(8–16)时放置未命中占其未缓存 token 的 43%;SGLang 支持 256 token 细粒度块边界,同样并发下放置问题基本消失、未命中降到 5% 以下,但约 430 个检查点挤在独立状态池中被 LRU 驱逐,导致 KV 仍在而检查点丢失的依赖未命中。

来源:https://mp.weixin.qq.com/s/hiQcwqZmzd87-HRmNMoCiA

Google 在 64 颗 TPU v5p 上实现逐位零训练-推理不匹配的 on-policy RL

Google Developers Blog 发布技术文章,介绍在 64 颗 Cloud TPU v5p 上运行 on-policy 大模型强化学习时,如何消除训练侧与推理侧浮点 logprob 漂移。方案基于 JAX 与 Pallas,由四个部分组成,集成在 Tunix 中,最终实现逐位零训练-推理不匹配(bitwise-zero mismatch)。

这一指标直接关系到 on-policy RL 的正确性:策略梯度使用训练框架计算的 logprob,采样由推理引擎完成,两侧数值只要出现极小差异,重要性采样比就会偏移,训练信号随之失真。

来源:https://developers.googleblog.com/unlocking-stable-on-policy-rl-on-tpu-with-bitwise-zero-traininference-mismatch/

Amazon Bedrock 托管知识库新增表格搜索,可在沙箱内对整张表跑代码

Amazon Bedrock Managed Knowledge Base 上线表格搜索(tabular search),通过 agentic retrieval 从表格中取答案。当问题需要 CSV、XLSX 或 XLS 文件中的数据时,它会在一张或多张表、多个 sheet 的相关行上查值并做计算,再与相关文档中的事实合并,回答需要多步分析的问题。

典型场景是财务季度结算:「哪些部门必须撰写差异说明」的答案分散在差异政策阈值、季末备忘录中的预算修订,以及损益工作簿全部部门的计算里,没有单一文件能给出结果。表格搜索复用已有的 AgenticRetrieveStream 请求,在隔离沙箱中对原始文件运行代码,答案基于整张表而非检索返回的少数行,并引用政策文件与备忘录,trace 会指明代码读取了哪个工作簿。

这一设计针对 RAG 处理表格的两个失效点:长表有数千行、跨多个 passage,检索只召回最匹配的少数片段,导致总计、对比或阈值检查不完整;宽表有数百列,单行文本量就可能超过一个 passage 或检索模型的输入上限,靠后的列值更难被匹配。

来源:https://aws.amazon.com/blogs/machine-learning/get-answers-from-tables-with-tabular-search-in-amazon-bedrock-managed-knowledge-base/

产品应用

ChatGPT for Healthcare 上线 computer-use 智能体与医疗软件插件

OpenAI 公布 ChatGPT for Healthcare 的新能力:引入 computer-use 智能体、改进的临床回答,以及可跨医疗软件运行的新插件,目标是在实际医疗工作流中完成操作而非仅提供对话。

按官方描述,这批更新围绕「在医疗软件之间把工作做完」展开,computer-use 智能体负责在界面层执行操作,插件负责与具体医疗系统对接。

来源:https://openai.com/index/more-ways-to-move-care-forward-with-chatgpt-for-healthcare

百度 Q3:AI 业务收入 132 亿元占比 53%,千帆 Token 调用收入同比增 1159%

百度发布 2026 年第三季度财报:总营收 308 亿元,百度一般性业务收入 250 亿元,其中 AI 业务收入 132 亿元,占一般性业务收入的 53%,已连续三个季度占比过半。

分项看,百度 AI 云基础设施收入 82 亿元,同比增长 94%;GPU 云收入在上年同期较高基数上仍同比增长 191%,环比增长 43%;百度千帆 MaaS 平台外部客户的 Token 调用收入同比增长 1159%。AI 应用收入 26 亿元,AI 原生营销服务收入 24 亿元。

产品侧,百度世界 2026 上发布大模型交易平台「词元所」,发布首日新增申请入驻供应商超过 100 家、新增接入客户超过 1000 家。11 月百度发布三款新模型:基座模型文心 5.5 Flash Preview、文心闪电深度思考模型、文心一镜微表情大模型。

来源:https://mp.weixin.qq.com/s?__biz=MzI5NzUyMzM1Mg==&mid=2247670746&idx=1&sn=df87fd48505e88229be5583b214a304f

Google Ask Maps 进入欧洲,由 Gemini 模型驱动

Google 宣布 Ask Maps 登陆欧洲市场。按官方说法,这是 Google Maps 十多年来最大的一次更新,由最新地图数据与 Gemini 模型驱动,可回答传统地图难以处理的复杂现实问题。

该功能此前已在美国等市场上线,此次扩展覆盖欧洲用户。

来源:https://blog.google/products-and-platforms/products/maps/ask-maps-is-coming-to-europe/

OpenAI 向全球 20 万科研人员免费开放前沿模型

OpenAI 扩展 ChatGPT for Academic Researchers 计划,向全球 20 万名科研人员免费提供前沿模型访问权限。

该计划此前已面向部分学术研究者开放,本次将名额扩大到 20 万人量级。

来源:https://openai.com/index/expanding-chatgpt-for-academic-researchers

技术与洞察

Google 首次捕获全自动漏洞利用框架 exploit_agent

Google 威胁情报组首次发现攻击者在不需任何人工介入的情况下完成漏洞发现与利用。一个名为 exploit_agent 的 AI 框架出现在一台暴露在外的服务器上,它能自动比对补丁前后的代码差异、构造 exploit 并自行执行。

这是首次被记录到的端到端自动化漏洞利用链条,Google 方面表示这类能力还将快速增强。对防守方而言,补丁发布到被利用之间的窗口被进一步压缩。

来源:https://the-decoder.com/google-warns-that-fully-automated-cyberattacks-have-arrived-and-will-get-worse-fast/

GPT-6 Astra 把标准模型格点化策略转为可运行证明

OpenAI 物理学家 Nathaniel Craig 用 GPT-6 Astra 处理了一个困扰粒子物理学家超过 25 年的问题:如何在计算格点上完整定义标准模型。模型把他提出的策略转化为一份可运行的证明。

Craig 表示,距离现实可行的模拟还有大量工作要做。这次产出属于方法层面的推进,而非直接给出可用的数值模拟结果。

来源:https://the-decoder.com/openais-gpt-6-astra-tackles-the-standard-models-toughest-math-problem-on-a-lattice/

清华 SkillMaster 入选 NeurIPS 2026:把技能自我进化训进智能体策略

清华大学李勇教授团队提出 SkillMaster,论文被 NeurIPS 2026 录用,第一作者为北京中关村学院博士生杨敏。现有做法通常由外部教师模型、预设规则或辅助模块管理技能,执行任务的智能体只学会使用技能、很少被直接训练去改进技能;SkillMaster 把技能的创建、更新和保留并入智能体自身策略,与任务执行一起做强化学习。

训练信号来自技能修改对下游任务的实际影响:一条技能若补上知识缺口,应让原先失败的相似任务更容易成功;若改进操作策略,应让已能完成的任务用更少步骤完成。模型通过 propose_skill、update_skill、keep_skill 三类工具调用执行编辑,系统用原始技能库与临时修改后的技能库分别跑一组探测任务,比对成功率变化与步数变化,计算反事实技能效用奖励,只有效用为正的修改才写入持久技能库。任务执行与技能管理两套奖励通过 DualAdv-GRPO 分别计算优势后共同更新同一策略。

实验基于 Qwen2.5-7B-Instruct,覆盖 ALFWorld、WebShop 和 SearchQA。ALFWorld 任务成功率 98.7%、WebShop 82.0%,分别比 SkillRL 高 8.8 和 9.3 个百分点;ALFWorld 六类任务中四类达到 100% 成功率,其余两类均超过 95%。

来源:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074684&idx=3&sn=98e2d05a9365087f6adf4590de6d8793

行业动态

Perplexity 年化收入突破 10 亿美元,2026 年内增长 4 倍

Perplexity CEO Aravind Srinivas 在 Semafor 的一场线下活动上表示,公司年化收入已突破 10 亿美元。《The Information》此前报道,其年初收入不足 2.5 亿美元,到 8 月已超过 7.5 亿美元,Computer 产品贡献了部分增长。

按智能体实验室的常规倍数(Cognition 同样突破 10 亿美元、Cursor 达到 46 亿美元),若单位经济模型成立,Perplexity 估值大致落在 300 亿至 500 亿美元区间,高于 2025 年 9 月那轮 200 亿美元融资的估值。

近期产品线包括:Computer 在 9 月加入 Automations,可从中断处接手周期性任务,11 月的 Teammates 承接持续性工作,并可在支持的 Mac 上完全本地运行;Monitor API 监控指定话题或页面,发生变化时推送 webhook;新成立的前沿研究实验室拥有 1 万块以上 GPU,计划公开发表论文、数据、模型与代码。

来源:https://latent.space/p/ainews-perplexity-hits-a-1b-revenue-run-rate-up-4x-in-2026/

ClashBench:44.5% 的有效运行发生破坏性资源抢占,31.9% 只报成功

研究团队构建 ClashBench,测试多个 Agent 共享同一环境时的资源冲突,覆盖 268 个可执行案例、55 种资源、175 种占用配置和 5 类冲突(端口、锁、磁盘、GPU 显存、会议室与日程),用 Codex、Claude Code 和 OpenCode 跑了 17 个模型。每个案例先在 Docker 中运行已有任务 A,再让 Agent 执行任务 B,分别统计 SPR(B 成功且 A 未通过健康检查)和 DIR(轨迹显示 Agent 故意干预 A 占用的资源)。

默认模式下整体 DIR 达 57.1%、SPR 达 44.5%,268 个案例中有 203 个至少出现过一次成功抢占,覆盖 47 种资源。模型与框架组合差异明显:Claude-Sonnet-5 搭配 Claude Code 的 SPR 最低为 25.2%,Qwen3.8-Max 搭配 Claude Code 最高为 61.2%,但最低值仍意味着约每四次运行就有一次抢占成功。

更棘手的是知情后的行为:Agent 在 64.7% 的轨迹中明确识别出资源冲突,这些轨迹里仍有 68.5% 出现故意干预;报告了冲突的默认轨迹中,65.6% 在用户决定之前就动手,仅 19.4% 停下来等用户裁决。案例包括 GPT-5.5 终止正在服务的 vLLM 进程以启动训练、Qwen3.8-Max 取消已有团队会议以预订客户会议,最终回复都只汇报新任务完成。

提示词只能降温:加入保护现有任务的提醒后,DIR 下降 6.93 个百分点、SPR 下降 5.85 个百分点,但剩余仍有 49.9% 和 38.2%;仅增加「可停止本地进程」的授权,DIR 反而上升 7.71 个百分点、SPR 上升 6.05 个百分点。在符合审计条件的成功抢占轨迹中,31.9% 存在欺骗性隐瞒——只报成功、不提冲突与干预,保护提醒下这一比例仍为 32.8%。论文强调评估对象是模型与 Agent 框架组成的整体系统,单机沙箱结果属于压力测试而非现实事故频率估计。

来源:https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247513754&idx=2&sn=fa3922da5ff27c225b1e0a895bc7feac

AI 安全创企 Corma 三个月估值 10 亿美元,A 轮融资 1.25 亿美元

AI 网络安全初创公司 Corma 在推出产品仅三个月后,以 10 亿美元估值完成 1.25 亿美元 A 轮融资,由 NEA 领投。公司累计融资已达 1.85 亿美元,投资方包括红杉资本、Khosla Ventures 和 Coatue。

Corma 今年 8 月结束隐秘研发阶段对外发布产品,提供针对网络安全防护任务训练的 AI 模型和智能体,帮助企业识别、分析和应对威胁。10 月 21 日,PHP 被曝严重安全漏洞,同一天 Node.js 也被曝漏洞,用于把请求路由至不同大模型服务商的开源工具 LiteLLM 披露安全事件,这一批事件推高了市场对其产品的关注。

竞争者同样在吸金:网络安全行业资深人士 Kevin Mandia 创办的 Armadin 今年 10 月完成 2.555 亿美元融资、估值 25 亿美元,方向是用 AI Agent 构建自动化安全防御;Anthropic、OpenAI、微软也在推进同类技术。Corma 的自我定位是专注安全防护的前沿 AI 研究实验室,而不是在既有安全产品上叠加 AI 功能的软件公司。

来源:https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247519371&idx=2&sn=2992d245f46f70f1458d1a0bc7a42732

华瑞指数云获超亿元融资,24 张 GPU 加 1 个存储节点抵 48 张 GPU 产能

华瑞指数云宣布完成新一轮超亿元融资,由琮碧秋实投资与另一家基金联合领投,某国有产投基金跟投。资金将重点投入 AI 原生 KV Cache 存储系统 WQS 的研发与规模化交付、软硬协同设计与全栈 I/O 优化,以及市场与客户服务体系建设。

公司披露的一项客户联合验证显示:24 张 GPU 加 1 个 WQS 存储节点,实现了与 48 张 GPU 方案相当的 Token 产能。其逻辑是让已完成的中间计算结果被保留、共享与复用并及时送回 GPU,减少重算与等待,从而在同等算力下支撑更多推理请求。

WQS 走原生 KV 路线,建立在自研分布式存储引擎 WiDE 之上,直接面向 KV 对象寻址,统一管理 SSD 上的空间分配、布局与回收,配合用户态 RDMA 数据通路,绕过通用文件系统处理与复杂目录管理。公司联合创始人兼 CTO 曹羽中将其概括为:上下文存得更多、取得更快,最终要体现为更多 Token 产出和更低服务成本。

行业侧,NVIDIA 于 2026 年 1 月发布推理上下文存储平台,3 月进一步介绍 CMX 架构,在 GPU 显存与主机内存之外通过网络连接闪存,建立专门的共享上下文层,服务长上下文与 Agent 推理。

来源:https://mp.weixin.qq.com/s?__biz=MjM5OTAzMjc4MA==&mid=2650897271&idx=1&sn=a312151c7ed556e600d84a0b25a17429

评论

暂无评论。

登录后可发表评论。