OpenAI 发布 GPT-6.2 Astra 与 Sol,编码与计算机操作同步升级【AI 早报 2026-11-18】
OpenAI 同时放出 GPT-6.2 系列的 Astra 与 Sol 两个型号,一次覆盖 ChatGPT Work、Codex 与 API;同一天,谷歌把机器人模型 Gemini 4 Hydrogen 和 Antigravity Robotics 插件一起交给开发者;决策模型赛道则被 Liquid AI 的 d1.2-ultra 与开源 Karpo Decision 31B 分别推到各自榜首。
今日概览
要闻
- OpenAI 发布 GPT-6.2 Astra 与 Sol,覆盖 ChatGPT Work、Codex 与 API
模型发布
- 谷歌发布 Gemini 4 Hydrogen:面向通用机器人的空间与具身推理模型
- Liquid AI 发布全模态决策模型 d1.2 系列,AA 决策榜 75 分登顶
- 蚂蚁与西湖心辰发布双向世界模型 Duo v1,支持实时全双工音视频交互
- Karpo Decision 31B 开源登顶 Decision Index:73.9 分、中位延迟 94 毫秒
- 字节等联合发布 Axion 1.0:两阶段训练,122B 版 HLE 得 59.0%
开发生态
- 微软 MAI Code 2 与 Flash 上线 GitHub Copilot,按用量计费
- GitHub Copilot 代码评审上线自适应强度、跨仓库上下文与密钥检测
- AWS 在 SageMaker HyperPod 托管 NVIDIA Dynamo,支持多节点与 PD 分离推理
- AWS 为 SageMaker 增加 AI 数据准备能力:自动标注与人工复核打通
- Datadog 为 AI Agent 可观测性加入线上实验能力
产品应用
- OpenAI 推出 ChatGPT for Sales,同步上线 30 多个合作方插件
- ElevenLabs 推出 ElevenAI:会议笔记、听写与 Agent 合一
技术与洞察
- Visual Cipher Bench 测长程视觉推理:GPT-6 Astra 最高仅 26.7%
- LSA 隐空间稀疏注意力:10M token 下单层 prefill 提速 22.7 倍
- 人大复旦等提出 ToolSpace:744B 智能体综合分 44.6 升至 56.6
- 腾讯 HiGR 列表级生成式推荐:推理提速 5 倍,GPU 需求降 60%
行业动态
- OpenAI 启动首轮嵌入式外部评估:METR 等四家机构进驻查最大规模 RL 训练
- Isomorphic Labs 六个月后再融 50 亿美元,推进药物管线进临床
- Remedy Robotics 完成 6200 万美元 B 轮,推进 N1 血管介入机器人临床试验
要闻
OpenAI 发布 GPT-6.2 Astra 与 Sol,覆盖 ChatGPT Work、Codex 与 API
OpenAI 官方发布 GPT-6.2 系列,一次给出 Astra 与 Sol 两个型号。官方说明中列出的改进方向是专业任务输出、编码、计算机操作(computer use)以及成本更低的运行效率。两个型号同时进入 ChatGPT Work、Codex 和 API 三条产品线,不再是单一 chat 入口的更新。官方公告未披露参数规模、上下文长度、具体定价与各基准分数。 来源:https://openai.com/index/introducing-gpt-6-2-astra-sol
模型发布
谷歌发布 Gemini 4 Hydrogen:面向通用机器人的空间与具身推理模型
Google Developers Blog 发布 Gemini 4 Hydrogen,定位是面向通用机器人的基础模型,核心能力是空间推理与具身推理,官方描述为速度更快、开销更低。配套动作是 Google Antigravity 新增 Robotics 插件,把平台扩成一块机器人开发工作台:支持硬件快速接入、MuJoCo 仿真和闭环控制。官方给出的开发者体验指标是,用自然语言提示即可在半天内从开箱机械臂搭出完整的 real-to-sim-to-real 应用。google-genai SDK 提供首日支持。 来源:https://developers.googleblog.com/gemini-hydrogen-for-robotics/
Liquid AI 发布全模态决策模型 d1.2 系列,AA 决策榜 75 分登顶
MIT 孵化的 Liquid AI 发布 d1.2 与 d1.2-ultra,两款均可处理文本、图像和音频,公司同时表示未来计划开放权重。在 Artificial Analysis 的决策指数 v2.1 上,d1.2-ultra 得 75 分排名第一,领先第二名 Drex Max v1.1 三分;d1.2 得 69 分排第 9;同赛道的 Jev 得 66 分,排第 13。校准误差上,d1.2 与 d1.2-ultra 分别为 0.8 和 1.2,低于 Jev 1.14 的 2.7。API 仅按输入 token 计费:d1.2 每百万输入 token 0.02 美元,d1.2-ultra 0.042 美元;折算每百万任务成本约 63 美元与 133 美元。新增五类任务后,内部测试中读取收据数值准确率最高 98%,图片物体定位两款均为 94%,声音识别与 43 种语言识别选择题正确率 95%–97%。公司 2024 年 12 月获 AMD 领投 2.5 亿美元 A 轮,投后估值约 23 亿美元。 来源:https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652814378&idx=2&sn=9c5b551d3fa852a5c8bdf5ce704bbd5f
蚂蚁与西湖心辰发布双向世界模型 Duo v1,支持实时全双工音视频交互
蚂蚁团队联合西湖心辰提出 Reciprocal World Model(RWM,双向世界模型)范式,并发布首个实现版本 Duo v1。与传统世界模型由用户键盘、手柄或文字指令驱动不同,Duo v1 把交互双方都设为主动参与者:虚拟角色可持续感知用户的音视频,在对方尚未说完时主动插话,也可以选择保持沉默。架构上分两个模块——Intent 负责理解情境、推理意图并决定是否参与,Realization 把意图转成语音、表情与画面动作,两者通过 Intent 输出的隐藏状态传递条件。决策被压缩到逐 chunk 的 <speak> / <wait> 动作:前者开始说话并生成文本,后者在该 chunk 不产生新助手文本、继续等待。项目已放出论文(arXiv 2611.15131)、主页、GitHub 代码与 Hugging Face、ModelScope 模型集合。
来源:https://mp.weixin.qq.com/s/Vuq-PZ-ky7-onIhIkQleUw
Karpo Decision 31B 开源登顶 Decision Index:73.9 分、中位延迟 94 毫秒
Karpo Decision 家族 0.8B 到 31B 全尺寸开源,旗舰 31B 在横跨 37 项公开基准与私有题库的 Decision Index 上以 73.9 分排第一,初代标杆 Jev 1.14 为 60.2 分。该模型不做逐 token 生成,输入状态与问题后一次前向推理直接输出各选项概率,单次调用不产生 token。延迟上,31B 中位延迟 94 毫秒,Jev 1.14 为 196 毫秒;校准误差压到 0.023,单题最多可同时评估 255 个选项。另有 JevBench 独立榜单采用断网盲测,1500 道考题中 1200 道永久封存。该模型由谷歌自家开源底座 Gemma 4 31B 后训练而来。 来源:https://mp.weixin.qq.com/s/FR8k0oNTcKvlPMJDeor9qw
字节等联合发布 Axion 1.0:两阶段训练,122B 版 HLE 得 59.0%
来自杜克大学、字节跳动、马里兰大学帕克分校与纽约州立大学布法罗分校的团队推出 Axion 1.0,训练流程只保留两阶段监督微调与强化学习,砍掉了中期训练、DPO 与在线策略蒸馏。两个 SFT 阶段按能力分工:第一阶段用数理化生计题目练内部推理,通过把原题答案变成中间量、扩大取值范围等方式加难度,收集约 1.08 万条数据;第二阶段用程序从结构化数据出题,模型必须靠搜索、网页访问和 Python 补齐缺失信息,保留约 7500 条正确工具交互轨迹。RL 阶段使用异步 GRPO,按程序化出题记录下的中间实体与数值做分阶段奖励,答对给完整奖励,中间进展经验证可获部分奖励,未提交最终答案会被惩罚。结果:Axion 1.0-122B 在限制部分网站访问的完整 Humanity's Last Exam 上得 59.0%(论文列出的 GPT-6 Astra 为 57.2%),FrontierScience Research 得 66.7%;35B 版本在 SEAL-0 上得 62.2%。主模型分别基于 Qwen3.6-35B-A3B 与 Qwen3.5-122B-A10B,数据构造、筛选、验证、提示词与训练代码全部开源。 来源:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651074900&idx=3&sn=b8ce1837d869e2563a888e3df5a04a89
开发生态
微软 MAI Code 2 与 Flash 上线 GitHub Copilot,按用量计费
微软 AI 的下一代编码模型进入 GitHub Copilot,分 MAI Code 2 与 MAI Code 2 Flash 两款。MAI Code 2 面向复杂任务,官方列举的场景是深度调试、多文件实现、重构与仓库级推理;Flash 走轻量与成本路线,适合代码解释、定点修改、例行修复和快速迭代。两款均面向 agentic 编码工作流,支持视觉输入。计费采用按用量计费模式。可用范围有差别:MAI Code 2 覆盖 Copilot Pro、Pro+、Max、Business、Enterprise;Flash 额外覆盖 Free 与 Student。入口包括 VS Code、Visual Studio、Copilot CLI、Copilot 云代理、Copilot 应用、github.com、GitHub Mobile(iOS/Android)、JetBrains、Xcode 与 Eclipse;企业管理员可通过 Copilot 设置中的 model policy 控制访问。 来源:https://github.blog/changelog/2026-11-17-mai-code-2-and-mai-code-2-flash-in-github-copilot
GitHub Copilot 代码评审上线自适应强度、跨仓库上下文与密钥检测
Copilot 代码评审新增三项能力,均处于公开预览。Adaptive 会读取每个 PR 的复杂度与风险,自动在 Lite、Balanced、Max 三档之间选择评审强度,并在评审结果中标注本次选中的档位;它不会超过企业、组织或仓库设置的最大评审强度,Balanced 仍是默认档。跨仓库上下文允许评审时读取相关公开仓库,找出依赖本次改动的外部代码,也能引用其他仓库中的文档、自定义指令与技能。密钥检测同时使用确定性与非确定性方法,在评审评论中直接指出暴露的凭据,已支持已知格式,GitHub 与 150 多家技术伙伴合作维护格式库。三项功能面向 Copilot Pro、Pro+、Max、Business 与 Enterprise 开放。 来源:https://github.blog/changelog/2026-11-17-copilot-code-review-adaptive-effort-secret-detection-and-more
AWS 在 SageMaker HyperPod 托管 NVIDIA Dynamo,支持多节点与 PD 分离推理
Amazon SageMaker HyperPod Inference 开始支持 NVIDIA Dynamo。AWS 给出的动机很具体:GLM-5.3 的 FP8 权重已超过单台 ml.p5.48xlarge 的 640 GB GPU 显存,还未计入 KV cache 与运行时开销;长 prompt 与 token 生成共用 GPU 时还会互相拖慢。Dynamo 是开源分布式推理框架,支持多节点部署、prefill 与 decode 分离、KV 感知路由,后端可接 vLLM、SGLang、TensorRT-LLM。HyperPod 侧提供 EFA 网络、GPU 协同调度与节点健康监测恢复。add-on 安装的组件包括负责端点部署的 Inference Operator(InferenceEndpointConfig 资源)、管理 DynamoGraphDeployment 的 Dynamo operator、协调多节点 pod 组的 Grove,以及用 gang scheduling 一次性调度多节点 worker 的 KAI Scheduler;运行时装在 AWS Deep Learning Containers 中。 来源:https://aws.amazon.com/blogs/machine-learning/managed-nvidia-dynamo-on-amazon-sagemaker-hyperpod-inference/
AWS 为 SageMaker 增加 AI 数据准备能力:自动标注与人工复核打通
Amazon SageMaker AI 新增一组面向模型开发的数据准备能力,通过 Python SDK API 与 AWS AI-ML agent skill 调用,在 notebook 或 IDE 内使用,规格与代码可查看、可修改。自动标注支持从无标注数据、少量种子标注或无标签起步,内置分类、命名实体识别、抽取式问答、序数评分与摘要等任务类型,也允许自定义任务;用户写一段标注 spec,先用自有样例校验,再跑全量数据。对答案集合固定的任务,由多个模型组成评审团逐行标注,模型一致度直接作为该行的置信度分数。低于阈值的数据进入 SageMaker Studio 中基于开源 Label Studio 的复核队列,把专家反馈带回流程。AWS 的定位是让定制过的小模型在窄任务上以更低单次推理成本追平或超过通用大模型。 来源:https://aws.amazon.com/blogs/machine-learning/announcing-ai-data-preparation-capabilities-in-amazon-sagemaker-build-high-quality-datasets-for-model-development-workflows/
Datadog 为 AI Agent 可观测性加入线上实验能力
Datadog 在 Agent Observability 中增加 Online Experiments,让团队用真实生产流量对比 agent 的不同版本,而不是只依赖预置评测数据集。该能力把 agent 评测分数与延迟、token 消耗、执行成本、错误率等运行指标放在一起看,用于判断改动模型、prompt、检索策略或工具是否真的让 agent 变好。做法是把生产流量随机分给对照组与变体组,降低不同用户请求差异带来的干扰。离线评测仍然保留,用于上线前发现已知回归;线上实验则补充离线数据集覆盖不到的新工作流与意外请求,并把这些新场景沉淀回回归数据集。 来源:https://www.infoq.com/news/2026/11/datadog-ai-agent-observability/
产品应用
OpenAI 推出 ChatGPT for Sales,同步上线 30 多个合作方插件
OpenAI 发布 ChatGPT for Sales,核心是新的 Sales 插件,以及 30 多个新增与扩展的合作伙伴插件,官方给出的目标是把时间从事务性工作挪回销售本身。该消息以官方视频形式发布,OpenAI 未在简介中给出插件完整清单、定价方案或上线地区与时间表。 来源:https://www.youtube.com/watch?v=pmOJIq7Ah00
ElevenLabs 推出 ElevenAI:会议笔记、听写与 Agent 合一
语音 AI 公司 ElevenLabs 发布实验性应用 ElevenAI,把会议笔记、听写和 agent 集成放进同一个产品,在该公司纽约 11/11 峰会上亮相,目前处于预览阶段、需申请早期访问。产品定位是团队级工具而非个人效率插件,卖点是让企业不必按人头分别采购笔记工具。功能上,它跨会议记录内容并向参会者提示正在录音,支持查询历史会议数据、在会中实时调取关键细节,企业可接入 ElevenAgent 执行从会议记录起草邮件等后续动作。听写功能把语音转成清理后的文本并可直接写入任意应用,支持 90 多种语言与行业术语识别。公司当前估值 220 亿美元;过去一周还发布了支持实时转写与自定义微调的 v3 Scribe 语音转文字模型、按用例选模型的工具,以及从转写内容自动执行任务的 routine creator。 来源:https://theaiinsider.tech/2026/11/17/elevenlabs-enters-ai-note-taking-and-dictation-race-with-elevenai/
技术与洞察
Visual Cipher Bench 测长程视觉推理:GPT-6 Astra 最高仅 26.7%
Einsia AI 旗下 Navers Lab 发布 Agent 视觉推理基准 Visual Cipher Bench,40 道原创视觉谜题共 67 张黑白线稿,分空间操作与模拟、逻辑约束与规划、规则归纳、知识解码四类,每类 10 道。题目只给一句指令「看图,把最终答案写进文件」,哪些是样例、答案是单词还是数字都要模型自己判断。8 个模型、29 种推理强度配置、每种跑三遍,共 3480 次尝试:GPT-6 Astra(max)最高 26.7%,平均每轮解出 10.7 道;GPT-6.1 Sol(max)与 Claude Opus 5.5(xhigh)并列 21.7%;GPT-6 Luna 与 Claude Sonnet 5.5 各 0.8%;DeepSeek V4.1 Flash、Qwen 3.8 Max、Kimi K3.1 Pro 为 0 分,29 个配置无一达到 30%。分题型差距更大:空间操作 22.8%,知识解码 3.3%,逻辑规划 2.4%,规则归纳 0.6%——该类别 870 次尝试只对 5 次,且部分靠猜。作为对照,只要用一句话点明核心规则,总体准确率立刻从 12.2% 升到 51.1%;GPT-6 Astra(max)在空间题上可拿到 80%。 来源:https://mp.weixin.qq.com/s/0fiR58Vo2TSu6lTOGGAiRw
LSA 隐空间稀疏注意力:10M token 下单层 prefill 提速 22.7 倍
伦敦初创公司 Prefrontal AI 与苏黎世联邦理工学院联合提出 Latent Sparse Attention(LSA,隐空间稀疏注意力),论文题为《Latent Sparse Attention: Towards Subquadratic Ultra-Long Context Attention》。问题诊断很明确:稀疏注意力本身已被证明只需看极少数 key,但「找出该看哪些 key」的索引器开销仍随上下文线性增长,使 prefill 保持二次方。论文测算,以 GLM-5.3-Flash 的一个全局注意力层在 10M token 下做 prefill,98% 的时间花在索引器而非注意力计算上;若索引器开销归零,还能再快 58 倍。LSA 的做法是让索引器不再逐个检查 key,而是检查 key 的分组,在隐空间里完成检索。效果:10M token 下 GLM-5.3-Flash 单个注意力层 prefill 提速 22.7 倍,Qwen3.8-27B 提速 72.4 倍,多项任务精度与原模型接近。附录验证显示,128k token 下让每个 query 只看最相关的 512 个 key(约占 0.8%),在 RULER 上仍保留全注意力 98% 的精度。代码已开源(arXiv 2610.42147)。 来源:https://mp.weixin.qq.com/s/MyFq6PWQ3krQkCHtcHh7Ig
人大复旦等提出 ToolSpace:744B 智能体综合分 44.6 升至 56.6
中国人民大学、复旦大学与上海交通大学团队提出 ToolSpace,一个以工具为中心、跨环境的智能体训练环境合成框架,思路反过来:不从数据库和业务场景出发,而从工具及其执行依赖出发组织环境。系统收集超过 20 万条智能体与工具交互轨迹,来源含真实 MCP 服务、开放工具使用语料与真实工作区记录,并从相邻调用中按确定性规则提取数据依赖、状态依赖、重试依赖三类连接,边的权重取自实际观察到的转移频率。随后在工具图上做状态感知随机游走,把走通的跨环境调用链转成自然语言任务与验证脚本,并按难度与跨环境范围筛选可回放样本。训练效果:ToolSpace-744B-A40B 在七项长程工具基准上的综合性能由 44.6 升至 56.6,与 Claude Opus 5 持平;团队同时构建了难度更高的 AutomationBench Pro 与 τ³-Bench Banking Pro。 来源:https://mp.weixin.qq.com/s/P_jMtmD6W4mirCPltHgwZg
腾讯 HiGR 列表级生成式推荐:推理提速 5 倍,GPU 需求降 60%
腾讯 TRS 团队在 CIKM 2026 推出列表级生成式推荐框架 HiGR,把用户一次看到的整组内容交给模型规划和生成,已在腾讯资讯、视频、网文等 10 多个场景上线,服务数亿用户,属于 PCG 的 TGR 生成式推荐技术体系的组成部分。针对三个具体障碍分别处理:用 PCRQ-VAE 给语义 ID 建立层次,实验配置为 3 层码本、每层 1024 个码字,仅对前 D−1 层加 InfoNCE 对比约束,使碰撞率从普通 RQ-VAE 的 2.98% 降到 2.37%、类目集中度达 93%、一致性从 55.77% 升到 66.47%(若连最后一层也拉近,一致性升至 69.32% 但碰撞率涨到 8.73%);用分层列表解码器 HSD 把主干自回归粒度提升到物品级,将物品间规划与物品内生成分开;用列表级 ORPO 把排序、兴趣匹配与多样性纳入偏好学习。在相同模型设置与硬件、未启用 KV cache 时,相对 OneRec-Beam 推理提速超过 5 倍;线上 A/B 人均观看时长提升 1.22%、人均视频播放提升 1.73%;相同吞吐下相对 OneRec 的 GPU 需求减少约 60%。 来源:https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mid=2650457196&idx=1&sn=e947e900b3af213b699f00995ef39a63
行业动态
OpenAI 启动首轮嵌入式外部评估:METR 等四家机构进驻查最大规模 RL 训练
OpenAI 把 METR、Apollo Research、Transluce 与 Goodfire 四家外部机构请进内部做「嵌入式评估」,总裁 Greg Brockman 称这是 OpenAI 的第一轮此类评估。四家获准在指定范围内访问内部系统,并可使用尚未发布的模型;OpenAI 还罕见开放了部分内部模型、源代码、训练数据与未公开的模型检查点。分工上:Apollo Research 派 6 人小组进驻 4 个月,核查训练过程中是否存在奖励背叛行为、红队测试能否诱使模型阳奉阴违,以及模型在日常内部使用中是否出现破坏行为;METR 首阶段审查 OpenAI 迄今规模最大的一次前沿强化学习训练,可独立抽检各阶段模型快照与评测轨迹,查找躲过现有监控的漏网行为,今年 8 月内部 Agent 越界访问 Hugging Face 的事故调查也由 METR 执行;Transluce 从 12 月初起零报酬进驻 6 周,调用未发布模型与未经任何过滤的原始思维链,检查现有对齐考卷是否漏掉欺骗与刷分;Goodfire 用机制可解释性切入神经网络内部,定位产生特定行为的计算机制。据 The Information 报道,奥特曼曾出价 50 亿美元收购 Goodfire,Anthropic 也曾投资该公司。此前有媒体以「难产」描述 GPT-6.2 Astra 的发布节奏,OpenAI 官方当日已发布 GPT-6.2 Astra 与 Sol。 来源:https://mp.weixin.qq.com/s/WQXdICzHWzXAZo9x6cUYFQ
Isomorphic Labs 六个月后再融 50 亿美元,推进药物管线进临床
Alphabet 旗下 AI 药物发现公司 Isomorphic Labs 完成 50 亿美元融资,距上一轮 21 亿美元仅六个月。公司由 Demis Hassabis 领导,资金将用于把药物管线推进到临床试验阶段。目前该公司尚无任何获批药物。 来源:https://the-decoder.com/isomorphic-labs-raises-5-billion-in-its-second-mega-round-within-six-months/
Remedy Robotics 完成 6200 万美元 B 轮,推进 N1 血管介入机器人临床试验
Remedy Robotics 完成 6200 万美元 B 轮融资,由 DCVC 领投,新投资方 UC Investments、Skip Capital、Hostplus 参投,老股东 Build Collective、Blackbird、Divergent Capital 与 KdT Ventures 跟投。资金用于把 AI 驱动的 N1 系统推向临床试验与潜在的 FDA 批准,初期监管路径聚焦神经血管介入,包括卒中治疗。N1 面向神经血管、冠脉与外周血管的血管内手术,设计上支持现场、远程与自主操作;技术路径是用机器学习在术前分析医学影像、模拟可能的手术路径,并实时配准三维与二维影像。公司计划与加州大学合作开展关键临床试验,并通过临床合作方部署原型系统,同时继续开发自主能力。公司明确说明 N1 仍在研发中,尚未在任何司法辖区获批销售或用于临床。 来源:https://theaiinsider.tech/2026/11/17/remedy-robotics-raises-62m-in-series-b-funding-to-advance-ai-enabled-vascular-intervention-system/
暂无评论。