跳转至

← AI每日精选

AI每日精选

日期2026 年 11 月 4 日 · 周三时间窗口2026-11-02 00:00 至 2026-11-04 08:05覆盖完整

面向 builder 的高信号扫描：MIT CSAIL 博客提出 Weight-Space Programming——前沿 LLM（GPT-6 Astra）可原生读写神经网络权重，编辑 Qwen3.5-0.8B 仅 0.016% 权重后 MATH-500 7.9%→48.1%；Hume 上线 Audio Decision API（音频进、概率出，自称与人类评审团一致率 70.7%）；OpenCode / OpenRouter 同日放出免费隐身模型 Pulse Alpha 与 Crouton Alpha（约 1M 上下文）；The Information 传 Anthropic 向 IPO 投资者推介约 15 人芯片团队用 Claude 加速定制硅片；Google Cloud AI Research + DeepMind + CMU 论文 Harmony Harness（arXiv）用多智能体 harness 自演化，SecRepoBench / BaxBench 上增益超 10%。11/03 已覆盖的 GDPx / Magpie / DeepSeek Super-agent / Open Duet / 高盛收权 / Revolut GLM 本日不重开。旁注：Qwen 开源转向传闻、Kimi K3.1 Pro 权重「承诺 11/04 前放出」见中文选题简报。

1. 权重空间编程

MIT：Astra 直接改权重，Qwen 0.8B 推理环修好了

  • 发生了什么：Rikiya Takehi、Jayden Teoh、Alex Zhang、Omar Khattab（MIT CSAIL）11 月 2 日发博客提出 Weight-Space Programming：前沿 LLM（文中用 GPT-6 Astra）可不经梯度下降、原生读写神经网络权重。头条实验：Astra 仅编辑 Qwen3.5-0.8B 0.016% 权重，修掉推理循环——MATH-500 7.9%→48.1%，IFEval 21.0%→62.3%，GSM8K 13.8%→67.1%；MATH-500 触 token 上限比例 93%→33%（50 次前向）。博客：https://rikiyat.github.io/blog/weight-space-programming/ ；二次提及编辑后权重 RikiyaT/Qwen3.5-0.8B-weight-space-programming（Apache-2.0）。
  • 为什么值得关注：把「用模型改模型」从微调叙事拉到直接写权重——若可复现，对齐/消融/热修小模型的工具链会重排；也立刻触发「这是不是换皮 steering / abliteration」的质疑。
  • 原帖与互动：rikiyatakehi｜约 842 万浏览、54,105 赞、7,058 转发、5,429 引用、2,268 回复、35,079 书签。中文二传：lxrmoe｜约 1.8 万浏览；dongxi_nlp｜约 4.1 万浏览、319 赞。
  • 核验：verified — 作者博客 + 作者 X；数字出自博客；媒体有 VentureBeat 报道。
  • 判断：早期博客、未经同行评审；被编辑的最大 LM 仅 0.8B；Gemma 数学几乎不动（6.8→7.7）——更像能去掉局部故障，不能补上缺失能力。批评指出 Qwen 编辑像允许练评测的 steering-vector / abliteration。别写成「大模型已可任意重写任意规模权重」。

2. 音频原生决策 API

Hume：Audio Decision API——不给转写，直接出概率

  • 发生了什么：Hume 11 月 2 日正式上线 Audio Decision API：上传 MP3/WAV（约 5 秒–5 分钟）+ 自然语言问题 → 返回 noul / choice / score / span 等概率；不返回转写，由代码对概率设阈值。官方自称与人类评审团平均一致率 70.7%（个体评审基线 56.5%）。SDK：Python hume-audio-decisions、TS @humeai/audio-decisions。博客：https://www.hume.ai/blog/introducing-hume-audio-decision-api ；文档：https://dev.hume.ai/audio-decisions/docs/overview 。
  • 为什么值得关注：客服质检、销售通话、合规抽检一类「听完再判」工作流，可绕过 ASR 误差链，直接落决策阈值——产品形态比再发一个语音转写模型更可落地。
  • 原帖与互动：hume_ai｜约 406 万浏览、1,963 赞、3,367 转发、220 引用、199 回复、1,413 书签。
  • 核验：verified — 官方博客 + docs + 11/02 changelog；一致率数字为官方自报。
  • 判断：别把「70.7%」写成独立第三方评测；延迟数字若只见二次摘要，按 author-claim。生产先核隐私条款与音频留存策略。

3. 免费隐身模型

Pulse Alpha（OpenCode）+ Crouton Alpha（OpenRouter）同窗免费上架

  • 发生了什么：约 11 月 3 日，两条「隐身」免费通道同时刷屏——Pulse Alpha Free 上 OpenCode Zen（opencode/pulse-alpha-free / pulse-alpha-free）：约 1M 上下文、约 131k 输出，文本+图像，工具调用，reasoning low/high/max；限时免费，数据可能用于改进，欧盟及多国不可用。列表参考：https://www.aipromonow.com/en/promos/opencode-pulse-alpha-free-nov2026 、https://freetokens.fyi/models/pulse-alpha 。Crouton Alpha 上 OpenRouter（stealth/crouton-alpha）：免费，约 1.05M 上下文，多模态（按 OpenRouter 标注含文本/图像/音频/视频），面向 agentic 子任务；匿名第三方，提示词可能保留但「不用于训练」（按 OpenRouter stealth 条款）。https://openrouter.ai/stealth/crouton-alpha 。社区：此前 Ox Alpha 曾被指认为 GLM-5.3-Flash——谁做了 Pulse/Crouton 仍属 author-claim/speculation。
  • 为什么值得关注：百万级上下文 + 免费 + 工具调用，对 agent 子任务/跑批评测很香；也是「别把密钥塞进免费预览」的又一次提醒。
  • 原帖与互动：kernelKain；globalainomad；cleofasrocha_。
  • 核验：verified — 平台已列出免费模型；实验室身份 unverified / 按设计隐身。
  • 判断：免费预览默认假设数据会进改进管道；EU 不可用与地区限制以平台页为准。别写成「已确认是某某厂开源权重」。

4. 芯片设计 × IPO 叙事

Anthropic：向投资者讲「用 Claude 做定制硅片」

  • 发生了什么：The Information（11 月 3 日报导，经终端/聚合在 X 扩散）：Anthropic 向 IPO 投资者介绍约 15 人 硬件/芯片团队，用 Claude 加速定制硅片工作；并接触 EDA 厂商获取芯片设计数据；目标据称是帮助训练/运行 Claude，而非卖 EDA。当日 Synopsys / Cadence 股价有回落属二级市场闲谈。X 样本：financialjuice｜约 3.7 万浏览；LiveSquawk｜约 1.2 万浏览。
  • 为什么值得关注：大模型厂把「自研硅片」写进投资者故事，会牵动 EDA 数据授权、供应链与 capex 预期——builder 侧可当「算力叙事下一章」观察，不宜当采购信号。
  • 原帖与互动：见上；原文在 The Information 付费墙后。
  • 核验：author-claim — 相对付费稿，经可靠终端/聚合转述；本轮未见 Anthropic 公开博客。估值 / 路演日期等二次 X 传言（如约 11/9、$1.5T）按 unverified，本稿不展开。
  • 判断：别写成「Anthropic 已发布 EDA 产品」或「已敲定 IPO 日程」——目前是投资者沟通口径的二手报道。

5. Harness 工程

Harmony Harness：agent 从反馈里改写自己的工具与检查

  • 发生了什么：Google Cloud AI Research + DeepMind + CMU 论文 Harmony Harness（arXiv：https://arxiv.org/html/2610.15150 ）描述多智能体、多目标的组合式 harness 演化——agent 根据反馈改写自身工具 / skills / checks。论文报告在 SecRepoBench、BaxBench 上增益超过 10%；社区讲解帖 beamnxw（约 3.8k 浏览、119 赞）引用 SecRepoBench OOD 66.7% vs 36.7%（未演化）——该分项数字来自社区对论文的摘要，引用时需回对原文。更广的 X 话语：「harness engineering」= 在模型外围搭记忆、skills、护栏、子代理，让 agent 能稳定跑数小时。
  • 为什么值得关注：继「换模型」之后，社区把增益预算挪到脚手架——与 Magpie / Super-agent 同周叙事形成互补：模型是燃料，harness 是发动机管理。
  • 原帖与互动：beamnxw｜约 3.8k 浏览、119 赞；以 arXiv 为准。
  • 核验：verified — arXiv 论文存在；社区教学帖为二次；具体分项百分比以论文表格为准。
  • 判断：别把某一条 X 线程的 OOD 数字当成已独立复现的排行榜；生产落地看可复现实验与许可证，而非「>10pt」口号。

6. 中文圈旁注（轻量）

Kimi K3.1 Pro 权重「承诺 11/04 前」；Qwen 开源转向仍是传闻

  • 发生了什么：社区 arcbang_xyz 称月之暗面表示 Kimi K3.1 Pro 完整权重将于 11 月 4 日前放出——2.8T MoE、1M 上下文；产品侧自 10/23 已上 web / App / Kimi Code / API。另有 leo114119 称 Qwen 4 27B 或成最后一档小基座、更大 Qwen 或转闭源（约 14 万浏览、617 赞）——无阿里官方确认。Kimi 游戏开发方案（Kimi Code + Kimi Work + Unity/Unreal/Blender）见二次消化 ppmmzzcn。
  • 为什么值得关注：开源权重日历与「大厂是否继续放底座」直接影响本地/私有化选型；写稿时用「承诺」而非「已发」更稳。
  • 原帖与互动：见上链接。
  • 核验：Kimi 权重日程为 author-claim（社区转述公司口径）；Qwen 转向为 unverified 传闻；游戏方案为二次 digest。
  • 判断：11/04 早间若仓库/公告未现身，写「承诺于 Nov 4 前放出」，勿写成已发布。Apple Intelligence × 通义千问「系统级集成」类帖无双方官方确认，最多脚注。