article

AI 日报 · 2026-11-04(周三)

35 min read

关注方向:AI Coding / Agent 工程化 × 具身智能 覆盖窗口:11/3 – 11/4 上午。本期 5 条主条目 + 附注速览,已对齐 10-21 至 11-03 十四期推送做去重(DeepSeek Super-Agent、Kimi 游戏方案、LongCat-2.5、乐聚 OPENLET、简智/机器科学融资、智元便利店直播、Android Studio BYOA、具身”交卷期”、数据定价均已报过,本期只收增量或换角度)。 本期主线:开源权重同时跨过”够用”和”前沿”两条线。 Revolut 把 2000 名工程师的默认工具从 Claude Code/Codex 换成自托管 GLM,账单只剩十分之一——这是”够用且便宜”第一次在受监管银行的生产环境里算得过账;Kimi K3.1 Pro 把 2.8 万亿权重放到今天到期,开源与闭源在 AA 指数上的差距从 12 分缩到 3 分。具身侧则是同一件事的两面:小米让机器人干满一个班,宇树公开承认本体跑通、大脑没赢,开始全球找大脑。


一、Revolut 把 2000 名工程师从 Claude Code / Codex 换到自托管 GLM:账单降到十分之一,代价是”把推理栈重写一遍”

事件内容

Revolut AI 基础设施负责人 David Abitbol 在纽约 AI Engineer 大会的演讲《Shipping like a startup, regulated like a bank》中披露了迁移细节,11/3 经 Dealroom 等媒体报道后扩散:

维度信息
迁移规模约 2000 名软件工程师,默认编码工具从 Anthropic Claude Code、OpenAI Codex 换成智谱 Z.ai 的开源权重模型 GLM,由 Revolut 自建部署
算力约 56 张 NVIDIA B200,跑在自己的美国机房
成本混合成本约 $0.30 / 百万 token,总账单约为此前的 1/10
效率(厂商自述)约 2000 人样本中,编码时间缩短约 60%,从接任务到合入的 lead time 缩短约 70%
此前路径先上 Gemini,再用带”人均预算上限”的 Claude Code;Abitbol 称早期 Claude Code 投入产出比一般,且额度限制让工程师把 AI 留给”最难的任务”
保留边界图片任务仍走 Gemini;最难的工作仍保留 Claude Code / Codex 作例外;编码 Agent 跑在带审批规则的沙箱里,人在环
合规顾虑承认在受监管银行用中国开源模型有”污名”,因此只取开放权重、只在自有基础设施上运行,不走 Z.ai 托管服务
未计入官方口径的 90% 节省不含云、人力与监控成本;且对照未剥离”取消 token 限额”这一变量
代价开箱推理”很糟”;团队在同一批 GPU 上把首 token 延迟从约 14 秒压到 1.7 秒,才达到可用

值得关注的原因

  1. 这是”订阅制 vs 自建”第一次在千人规模、受监管行业里给出可核对的账单对照。 成本结构从 per-seat 订阅变成”GPU 折旧 + 电力 + 推理栈人力”,而后者在 2000 人规模下才摊得动。对绝大多数团队来说,真正的门槛不是模型,是有没有人把 TTFT 从 14 秒调到 1.7 秒——这条细节比”省 90%“更有参考价值:开源不是免费的,是把钱从账单挪到了工程。
  2. 采购会走向双轨,而不是替代。 Revolut 的做法很克制:日常高体量任务交给”够用且便宜”的自建模型,难题、图片、需要最强推理的少数场景留给 frontier——这也是 Dealroom 提到的信号:对常规、高频工作,“good enough and cheap”开始赢。真正被威胁的不是模型能力榜,而是按席位订阅的定价模型。
  3. 对国内团队的镜像意义:这条路的可行性取决于”数据能不能出域”。 Abitbol 明确是因为合规才选择”只取权重、自己跑”。这与今天 Kimi 放权重是同一枚硬币的两面:开放权重的第一批刚需客户,是银行、医疗这类数据不能出境的场景,其次才是推理服务商转售。反过来说,如果团队没有自有算力和驻场推理工程师,自建的账大概率算不过来。

二、Kimi K3.1 Pro 完整权重今日到期:开源与闭源差 3 分,但先主动砍掉 9.5 分网安能力

事件内容

月之暗面 10/23 发布 K3.1 Pro 时承诺11 月 4 日前放出完整权重,今天是窗口最后一天:

维度信息
规格总参数 2.8 万亿(MoE),每 token 激活约 1040 亿;1M token 上下文;原生支持文本 + 图像输入
榜单Artificial Analysis 智能指数 55 分,全球第四(前三是 Opus 5.5 的 58、Sonnet 5.5 与 Muse Wonder Full 的 56);前代 K3 为 44 分,一代 +11
关键变化开源与闭源前沿的差距从 12 分缩到 3 分;权重放出后将成为该指数上排名最高的开放权重模型
Agent / 编程Terminal-Bench 4.0 65.7%(K3 仅 13%,GPT-6 Astra 58.2%);GDPval-AA 1846 Elo(+312,仅次于 Opus 5.5 的 1866);BenchCAD 工具调用 92.7%(Opus 5.5 为 96.2%)
其他内部 Hallu Bench Hard 幻觉率 23.4% → 8.3%(Astra 为 5.5%);OfficeQA Pro v2 超过所有对比模型;财务建模/研究内部基准分别 +7.2 / +11.6 分
定价API 约 $2 / $10 每百万 token(输入/输出);Highspeed 版约 3 倍速、单价更高(国内平台 ¥26 / ¥136)
安全取舍中期训练与 RL 阶段针对性移除网络攻防数据、保留通用编程;内部基准 xdev-bench-hard 上 exploit 通过率 90.5% → 81.0%,主动让出 9.5 分
待确认发稿时权重下载页、许可证名称与第三方托管报价尚未公开可查;“主动净化”的基准为内部基准,第三方无法独立验证,也无法验证微调能否恢复被抑制的能力

值得关注的原因

  1. “开源落后闭源 12 分”这句话今年第二次被改写。 从 12 分到 3 分,且强项正好落在 agentic coding(Terminal-Bench 从 13% 跳到 65.7%)——这意味着”本地可部署的前沿级编码模型”第一次在纸面上成立。对需要长上下文代码库、又不能把代码送上云的企业,这是今年最实际的一个选项。
  2. “开源前先自砍能力”正在变成发布范式,但它带来了新的采购风险。 主动移除攻防数据是负责任的做法,问题在于验证权在厂商手里:81.0% 用的是未公开的内部基准,第三方既无法确认”降到 81%“是真的,也无法确认微调后会不会回到 90.5%。安全团队不能把”已净化”当成结论,必须自己跑 exploit 测试——权重开放恰好让这件事第一次变得可做。
  3. 权重开放改变的是议价结构,不是使用方式。 2.8 万亿参数的部署门槛(显存、专家并行、卡间带宽、KV cache)决定了绝大多数团队仍会走托管;真正受益的是三类角色:数据不能出域的大机构(见上一条 Revolut)、做二次微调的垂直厂商、以及靠”开放权重”打价格战的推理服务商。权重落地后第一波可观测信号是第三方托管报价,而不是又一轮跑分。

三、MIT 让 GPT-6 Astra 直接改 Qwen 权重:不用梯度、只动 0.016%,MATH-500 从 7.9% 到 48.1%

事件内容

MIT 团队公布八项实验,把”让前沿模型直接读写神经网络权重”命名为 Weight-Space Programming(权重空间编程),11/3 经量子位等报道后引爆讨论:

实验做法结果
Qwen3.5-0.8B 提数学把完整权重以文本形式放进 Python 环境,指令只有一句”尽可能提高数学能力”;Astra 自行诊断、决定改哪里发现”推理循环”是主因(96 条回答中 85 条跑满 32768 token),定位到第 15、19 层前馈网络各 64 个输出列,只改动约 0.016% 权重;触顶率 93.0% → 33.1%;MATH-500 7.9% → 48.1%(给 10/25/50 次前向调用预算时分别为 12.3% / 14.1% / 48.1%);未被要求优化的 IFEval 也从 21.0% 升到 62.3%
认游戏四个架构/输入/动作完全相同的 Atari 网络,只给原始权重正确认出打砖块、乒乓、吃豆人、高速公路;打砖块是靠权重集中的位置推断的
认语言 / 找归纳头三个 720 万参数小模型分别用 Python、日语罗马字、英语训练,剥掉输入输出层、且不许喂数据两轮内认对三种语言,并找出全部归纳头(induction heads)
小车爬坡给权重、场景描述和一段失败记录,不用工具一次回复写出补丁,只改 3.5% 权重,1024 次测试全部成功——把训练学不会的”先倒车再冲坡”直接写进权重
全零权重写策略MinAtar:只给规则、源码和网络结构,无数据、无梯度、不能试跑平均得分 517.4;PPO 训 1 亿步为 15.8、5 亿步为 25.3,约 20 倍

值得关注的原因

  1. “改模型”第一次可以不进训练循环。 过去修一个小模型的行为,路径是”加数据 → 重训 → 评测”;现在是”诊断 → 定位到具体层与列 → 打补丁 → 验证”。省掉的是梯度训练,没省掉诊断和验证所需的算力,但对小模型、边缘模型、私有化部署的客户,这可能把一次迭代从周级压到小时级。
  2. 对 AI coding 的含义是:调试对象从源码扩展到”参数”。 Agent 已经能读二进制、读堆栈、读日志,现在还能读权重这种”不可读的代码”,并给出可验证的改动。这条路一旦工程化,IDE 与 agent 的能力边界会推到模型本身——“这个模型在我这跑不好,你帮我改一下权重”会成为一句正常的请求。这也是宇树愿意向全球大模型公司开放接口的底层预期(见第五条)。
  3. 必须保持怀疑,但它给出的最小实验是可复现的。 单模型、单任务、内部评测,且 Meta 研究员质疑提示词已提前把排查方向引导到了”循环”。真正硬的证据是那些不需要解释力的实验:从权重认出四款游戏、找出归纳头、全零权重写出 20 倍于 PPO 的策略——这些不是”调参调出来的”。建议按”认游戏/找归纳头”这个最小实验自己复现一次,再决定要不要信 6 倍这个数字。

四、小米人形机器人跑满 8 小时整班:从”连续 3 小时”到”产线级协同”,同时把基座模型搬进公寓

事件内容

11/3 乌镇世界互联网大会期间,小米披露机器人业务在工厂与家庭两侧的进展,并拿下大会”杰出贡献奖”(全球 15 家)与”领先科技奖”:

场景信息
工厂(本次)在小米汽车工厂中控台侧盖板排序工站首次挑战 8 小时作业,满足该工站全天生产需求;作业中实现异常自主纠偏与产线系统级协同(与 AMR 配合分拣、摆放零件);官方称”初步完成产线级作业能力验证”
工厂(历史路径)2026/3 首次进厂”实习”:自攻螺母上件工站连续 3 小时、双侧安装成功率 90.2%、满足 76 秒产线节拍;2026/7 同工站成功率升至 98%,新增中控台侧盖板排序、料箱折叠回收两个复杂工站,首次实现柔性工件长时作业
家庭(本次)以 Xiaomi-Robotics-1 为底座的具身基座模型在小米青年公寓启动”试运营”,搭建覆盖数据采集、推理、执行的 Agent 闭环;完成连续 >30 分钟、覆盖 3 个房间、50+ 任务的长程任务验证(工具准备、沙发/桌面整理、垃圾清理、分类归位、房间巡检、全屋复检、离场)
模型口径前两代迭代后,Xiaomi-Robotics-1 基于 10 万小时真实世界操作数据预训练;官方称国内率先系统性验证具身 Scaling Law,在 RoboCasa365、RoboDojo 榜单位列全球第一(厂商自述)
奖项技术名“面向规模化落地的通用机器人操作基座模型关键技术”

值得关注的原因

  1. “8 小时”是班次单位,不是演示时长——这是量产与 Demo 的分界线。 它同时压测续航与散热、重复定位精度、异常恢复,以及与 AMR、产线系统的对接;对比 3 月的”连续 3 小时”,真正的增量不是时长翻了 2.7 倍,而是从”单站作业”走到”产线级协同”。排产看的是能不能顶一个班,不是能不能翻个跟头。
  2. 数据闭环是小米最不一样的变量。 自家汽车工厂既是客户也是数据源:真实工况、真实失败样本、真实节拍约束,与”向第三方买数据”(简智那条线)形成两种成本结构。10 万小时预训练 + 产线回灌,如果能证明”多一个工站只需少量后训练”,这套方法论就可以复制到别的制造企业——那才是它真正的商业故事。
  3. 家庭侧才是泛化考卷,而这份考卷的评分标准还没公开。 30 分钟 / 3 房间 / 50+ 任务是长程任务链,失败模式是复合的(任一环节崩掉整链归零),难度结构与固定工站完全不同。但所有数字均为厂商自述,接管次数、成功率、单任务耗时、成本都未披露——这三点不公开,“试运营”就还停在验证阶段。

五、宇树公开承认”本体跑通、大脑没赢”:开放硬件与运控接口,向全球找大脑

事件内容

11/3 上午,宇树科技创始人王兴兴在乌镇峰会开幕前受访表示:宇树已经把本体、运动控制、执行器等硬件能力基本跑通,下一阶段核心攻坚方向是机器人大脑(具身大模型),并将在全球范围寻求合作:

维度信息
开放内容愿意开放机器人硬件平台与运动控制接口,面向全球大模型公司、AI 实验室、高校联合训练、迭代机器人大模型;已购买其硬件平台的开发者可直接提诉求联合开发
10 月既定三线① 提升大规模量产能力,适配千万级乃至亿级需求;② 自研与合作并行,推进适配自身硬件的物理 AI 小模型;③ 布局超大规模算力集群
财务背景前三季营收 18.17 亿元(+55.71%)、归母净利 3.87 亿元(+270.54%);但 Q3 净利同比下滑约 17%,董秘口径归因于算力与大模型方向研发投入增加
对照(同日行业)Meta 与傅利叶的二代 Max 2 已启动(重新设计躯干、改进机械手、加投影仪显示、增传感器以上下楼梯);Meta 正在上海招供应商开发工程师、深圳招产品设计/技术项目经理,组建 Meta Robotics Studio 的量产团队——美国本土难获零部件,来华造本体
对照(路线)特斯拉 Optimus 全栈自研、Figure 押注自研 Helix;宇树选的是相反的生态位:把身体做成平台,用生态换大脑

值得关注的原因

  1. 这是”硬件赢家”第一次公开承认下半场不在硬件。 本体市占率领先的公司主动给自家”大脑”招外部伙伴,等于承认具身的上半场(本体、量产、成本)已经分出胜负,下半场(认知、泛化、任务理解)谁也没赢。对照 11-03 期乐聚把”端网协同与质量保障”签进合同、10-31 期智澄押 JEPA 世界模型,国内具身阵营的叙事正在集体从”运动控制”切到”世界理解”。
  2. 中美形成镜像分工:Meta 来中国找身体,宇树去全球找大脑。 各自用长板换短板——Meta 缺的是零部件与供应链(所以把产品副总裁派到上海工厂待了两个月),宇树缺的是前沿模型与算力。这个交换一旦成立,本体厂商的议价权会被进一步压缩成”代工 + 数据入口”,与 11-03 期”本体不是壁垒,数据与大脑才是”的判断同向。
  3. 代价已经出现在财报上,且没有时间表。 Q3 净利下滑 17% 被明确归因于算力与大模型投入,而”全球找合作”既无投入规模、也无合作方名单,自研与开放的边界(哪些自己做、哪些交给伙伴)也未说明。这条路能不能把宇树的估值从”硬件公司”切换到”智能公司”,取决于两件事:合作方能否带来真实的泛化提升,以及 Q4 研发费率会不会继续吃掉利润。

附注速览


待跟踪