主题:今天五条消息,改的都是”接口”,不是”能力”。
阿里把最强模型的权重接口关上了(Qwen4-Max 旗舰首次不开源);Hugging Face 把模型后端换成一个路由(开放权重已占 71.7% 的 token);有人把攻击入口从漏洞改成了 .claude/settings.json 这个配置文件;华为给世界模型补上了两个有名字的榜单和一个开源日期;一篇论文说 VLA 里那个”独立视觉编码器”本身就该被拆掉。
五条里没有一条是”分数又高了”,四条是”把某个默认设定变成可选项”,一条是”这个设定本来就是错的”。
主条目
1. Qwen4-Max 正式发布:2.4T 参数没涨,但旗舰第一次不开权
- 11/16 阿里通义千问正式发布 Qwen4-Max(11/11 已在 Token Plan 预览两周,预览标识 11/25 24:00 下线)。总参数 2.4 万亿,每 token 激活 71B(比上代少约 25%),另有 328B N-gram Embedding 参数,原生视觉、100 万 token 上下文、约 39.3 万 token 输出,兼容 OpenAI 与 Anthropic 两种 API 格式。
- 官方这轮讲的不是”更聪明”,是”更省”——这是它和以往旗舰发布会最大的不同:
| 指标 | Qwen4-Max | 上代 Qwen3.8-Max |
|---|---|---|
| Work360 综合 | 52.69 | 47.74 |
| 单任务平均费用 | ¥11.16(≈$1.67) | ¥26.58(≈$4.43) |
| Terminal-Bench 4.0 | 48.5 | 38.9 |
| TB4.0 每次尝试 token | 15.1 万 | 28.9 万 |
| ALE(智能体) | 46.7 | +18.8 分 |
| 缓存命中价 | ¥0.5 / 百万 token(降约 70%) | — |
| API 标价 | $1.5 / $4.5 | $2 / $6 |
- 编程侧的两个数要分开读:DeepSWE v1.1 75.7 略高于 Opus 5.5 的 74.2,但 Terminal-Bench 4.0 只有 48.5——落后 Opus 5.5 的 59.6、更落后 Kimi K3.1 的 67.2。也就是说它赢在”改仓库里的代码”,输在”在终端里连续跑通一长串命令”。CodeArena 前端盲测全球第六(1750 分,比上代 +74)。Artificial Analysis 智能指数 43(xhigh 档),比上代高 9 分、比 Kimi K3.1 Pro 低 3 分,单任务成本低约 11%。
- 最值得记的是许可:Qwen4-Max 不开权重,只走 API。这是 Qwen 系列旗舰第一次不开源。 官方口径是”Qwen4 系列的中小尺寸模型会陆续开源”,并给了唯一一个具体型号线索:Qwen4-27B 可在 16GB 内存设备上跑,但没有时间表。报道称没有政府指令介入这个决定。
- 为什么值得关注:两个月前讨论”开源逼近闭源”,前提是最强的那个也会开。今天这个前提在中国最强的一支产品线上被撤掉了。配合价格看会更清楚:它降的是 token 消耗和缓存价,不是能力溢价——这是把竞争指标从”榜单第一”换成”每个任务多少钱”的典型动作,而”不开权”正是这种商业模式的前提(开了权,按 token 收费就没有杠杆)。 对照同日腾讯的 Hy4 flash:激活仅 12B、1M 上下文、$0.07/$0.281 每百万 token、缓存命中 ¥0.02,官方称单任务成本是 Hy4 的 1/20、DeepSeek-V4.1-Flash-1017 忙时价的 1/8。两家在同一天把”便宜”当成主卖点,说明这一轮比的是账本。
2. Hugging Face 把推理路由整体换成 OpenRouter:开放权重已占 71.7% 的 token
- 11/16 Hugging Face 公告:Inference Providers 的自建路由下线,改为 OpenRouter 路由——每次调用按实时价格、速度、可靠性在 80+ 供应商里挑,失败自动换一家重试。调用方代码不变,继续用 HF token 和同一个 API。
- 两种 API 格式都支持:OpenAI 的 Chat Completions / Responses,以及 Anthropic 的 Messages——对任何 chat 模型都成立,不管背后是哪家供应商。
- 这一条对 coding agent 是直接生效的:文档给了 Claude Code / Codex / OpenCode / Pi / Hermes Agent 五套配置。Claude Code 走的是
ANTHROPIC_BASE_URL指向 HF 路由 + HF token(token 需要 “Make calls to Inference Providers” 权限),官方推荐用hf-claude扩展,带模型选择器;Codex 走自定义 provider,base_url=https://router.huggingface.co/v1、wire_api=responses,官方示例 profile 里填的就是 DeepSeek-V4.1-Flash。 - 官方引用的结构数字(引 OpenRouter,2026/10):开放权重模型在 9 月底占所服务 token 的 71.7%,一年前(2025/10)是 26.8%,7 月峰值 77.5%;同期开放权重的周 token 量涨了 60 多倍,闭源不到 10 倍。本周 OpenRouter 上用量第一的模型是开放的 DeepSeek-V4.1-Flash-1017,59.2 万亿 token。
- 为什么值得关注:这条和上一条是同一件事的两面。**一头在关门(Qwen4-Max 不开权),一头在把”换模型”变成改一行环境变量。**过去”用 Claude Code”隐含”付 Anthropic 的钱、跑 Anthropic 的模型”;现在这条链路可以被一个路由层接管,同一份配置在 80 家供应商之间按价格漂移。 两个立刻要问的问题:① 行为漂移——同一份 prompt、同一个仓库,后端从 A 换到 B 时,diff 大小和改动文件集合会变,而这件事不会出现在任何日志里(和 11/16 期 Copilot 换模型是同一个坑);② 数据路径——请求现在经过 OpenRouter 再分发,企业侧的零留存承诺要重新对一遍,这一层比直接连厂商多了一跳。
3. Google 抓到第一个”无人值守读补丁写利用”的 agent,另一条线是改 .claude/settings.json
- 11/16 Google 威胁情报组(GTIG)与 Mandiant 发布季度 AI 威胁报告,标题就叫 《Agentic Threat Activity Crosses a Significant Threshold》。上一期(9/8)还写”尚未在野看到全自动攻击链”,这一期改口了。
- 核心案例
exploit_agent:在一台暴露的 staging 服务器上发现的多智能体框架,接多个前沿模型 + 本地模型,任务是”持续对流行 Web 应用做差分分析”——比对补丁前后的代码,推出这个补丁在补什么,写出利用,自动执行,无人工介入。同一台服务器上还留着被窃数据,以及内网侦察、爆破、装 webshell、删掉其他攻击者 webshell 的脚本。环境变量文件里有一行俄语注释:“LLM API keys for auto-exploitation (exploit_agent pilot)“。Google 未归因到具体组织或国家,也没给成功率。 - 被点到的样本:一张图里它在分析 WordPress 插件 Spectra(Ultimate Addons for Gutenberg)2.19.25 的权限校验;受害者画像指向法国的媒体、娱乐与教育站点。报告没说这次尝试成功。
- 为什么是 n-day 而不是 0-day:GTIG 的判断很实在——补丁是有限的源材料(两个版本代码 + release note + 已有研究),正好适合 LLM。0-day 数量几乎没动:2025 年月均 8 起、2026 年月均 11 起、8 月冲到 22 起;但从 1 月到 8 月,披露与利用总数接近翻倍——被压缩的是”补丁发布到可用利用”这段窗口。举证:PaperCut 两个漏洞在披露后一天内就有可用利用;GreyNoise 追踪的campaign 在披露四天后打到数百家组织,其中一起几分钟内拿到域管理员。
- 对开发者最该看的是另一条:朝鲜相关集群 MIDNIGHT NEPTUNE 攻击北美、欧洲加密企业时,用带 SynthID 水印的假招聘头像 + 假会议平台 + ClickFix 诱饵(让人运行”诊断修复脚本”),进去之后改动内部仓库里的
.claude/settings.json——这样开发者一启动 Claude Code,就会去拉 SOMBERMEME 后门。这不需要 Claude Code 自身的任何漏洞,用的是合法的配置 hook。 - 附带两条:开源攻击框架已经实战化——CAIRN(多智能体、共享”黑板”,含美国航空航天领域目标)、PentAGI(8 月底–10 月初扫亚洲组织)、ARTEX(被单列为 UNC7228,与微软 STORM-0940 重叠,作者 10 月因采用面太广撤了自己的 GitHub 仓库,现在靠 fork 和付费版 “ARTEX PRO” 流通);CyberStrikeAI 与 HexStrike AI 仍处试验阶段。LLMjacking 已成生意:Mandiant 处理过单日超 10 万美元、最高100 万美元的账单,入口是公开 GitHub 里的凭据和钓鱼拿 session token,一起案例用 LiteLLM 沙箱逃逸 CVE-2026-40217 把”虚拟 key”提成管理员;被盗算力在”LLM mixer”上转卖,报价 $0.10–$25 / 百万 token。
- 为什么值得关注:这条把两个之前的判断连起来了。① code agent 的成本曲线也是攻击的成本曲线——同样一个”读 diff、写 PoC、决定往哪跳”的环节,11/16 那篇 SatisFix 在讨论它会不会自己给自己批假条,这里在讨论它已经不需要人批了。② MCP、hooks、settings.json 这些”配置面”正在取代”漏洞面”成为首选入口——它合法、不需要 CVE、杀毒软件不管、而且随仓库一起被 clone。团队层面今天就能做的两件事:把
.claude/、.mcp.json、AGENTS.md这类文件纳入 code review 与 CI 变更告警;别把 agent 的配置目录当成 dotfile 忽略掉。
4. CloudRobo-WM1.2 会后数据:昨天那个 98.35%,今天有了两个有名字的榜单
- 11/16 14:00 发布会已开完。相比昨天预告里唯一的”仿真成功率 98.35%“(无任务集、无基线),会后版本给了可查的名字:RoboTwin 2.0 平均 88.98%、LiberoPro 2.0 平均 81.7%,官方称两项均第一。仍是华为云自报,未见第三方复现;发布材料未说明打榜用的是哪个版本/参数规模的模型。
- 开源这件事从”宣布”变成了”日期”:11 月 30 日开放权重 + 推理与后训练代码 + 预训练最佳实践(训练框架一并放出)。截至发稿,权重地址与代码仓库仍未上线——所以严格说,今天的”开源”和 11/15 期盘古那次一样,还是承诺,只是这次带了日子。
- 五项技术里两项是真结构改动:PPA(Perceive-Predict-Act)多模态世界表征——融合 RGB 视频、语义特征、深度与点云,加未来多模态预测监督,目标是让”遮挡就半瞎、换视角就懵”的老问题缓解;DualAct——动作由世界模型直接生成,不再”先规划、再交给独立模块执行”。另三项:多粒度监督的预训练框架、跨本体运动建模、四种可组合推理模式(World Action / Expert Action × Joint / Action-only)。
- 现场演示的是工业件:工业级搬运连续作业、轴承毛刺清洁、无人零售的物品上架与礼物入柜。参数规模、支持本体数、端侧时延、价格,全部未公布。
- 客户侧拿出了一个具体订单:与福龙马集团联合研制的智能清扫机器人已启动预售,12 月上海开发布会;华为云供 CloudRobo 自动驾驶工具链、全域感知模型、规划模型、agent 运行时与昇腾算力,世界模型嵌在感知里做天气与路障预测。
- 一句要标注口径的话:“80% 的中国具身智能企业选择昇腾云”——这是华为云自述的生态渗透率/客户覆盖口径,不是第三方营收份额。
- 为什么值得关注:把今天和昨天并排看,能看出发布会的信息释放节奏:预告期只放一个”98.35%“(不可核验),正日子放两个有公开基准名的分数(可复现路径明确),同时把”开源”从口号换成日期。这比昨天更可信,但仍不等于被验证。 这里还有一个同榜交叉值得记:今天同步公开的 NEO-VLA(下条)在 RoboTwin 2.0 官方 2,500 条示范设置下是 75.78(随机化场景 69.40)。同一个榜单名,两个数字差 13 个点——“第一”必须连同示范条数、任务集版本、是否随机化一起读,否则这两条新闻放一起就是自相矛盾。
5. NEO-VLA:把 VLA 里那个”独立视觉编码器”整个拆掉,而且拆对了
- 南洋理工 S-Lab + 商汤研究院 + Ropedia,论文《From Pixels to Actions — Towards Native Vision-Language-Action Policies》(arXiv 2611.06918,11/16 中文圈详解)。论文、代码、权重、数据集全部开源。
- 改的是一个人人默认的接口:主流 VLA 都是”图像 → CLIP/SigLIP/DINOv2 独立视觉编码器 → 语言主干 → 动作模块”。NEO-VLA 把编码器删了,像素经轻量卷积 patch 嵌入层直接进一个 40 层、约 2B 的原生视觉语言主干,动作专家(flow-matching)读取主干不同深度的缓存特征输出连续动作。默认读的是近似均匀选取的 28 层。
- 三个结论,第二个最反直觉:
| 实验 | 结果 |
|---|---|
| NEO-VLA 2B,冻结主干,LIBERO 平均 | 90.9% |
| NEO-VLA 2B,全量微调 | 95.3% |
| Qwen3-VL-2B,冻结 / 全量微调 | 79.5% / 90.8% |
| 把 Qwen3-VL 的中间层特征直接开放给动作专家 | 冻结主干 79.5% → 64.9%(掉 14.6 点) |
| 只用动作数据后训练(不加理解数据) | RoboTwin 2.0 Clean2Rand 掉到 10.7%,文本能力丧失 |
- 也就是说:不是”把编码器中间层打开”就能拿到这个收益。同样是”给动作模块更多层”,现成多模态模型直接开中间层反而更差;NEO-VLA 的增益来自视觉与语言从底层联合预训练,全量微调和单纯扩规模都只能缩小差距、消不掉差距。
- 分布外是它最强的地方:LIBERO-Plus 加权 89.7%,对相机变化、噪声、光照背景明显更稳;但 LIBERO-Pro 上”物体位置/任务目标变化”仍然差——语义(98.0)和外观(84.3)能扛,空间与任务泛化没解决,这一点作者自己写明了,其他方法也一样差。
- 真机规模很小但指向清楚:三个任务(网球放到易拉罐上 / 胶带卷+网球两级摆放 / 横放易拉罐立起插入),每个只用 50 条示范微调,各测 20 次(分布内、分布外各 10)。2B 模型多数任务优于 StarVLA,与 π0.5 基本持平。
- 为什么值得关注:这一条的价值不在分数,在于它把”选哪个编码器”这个工程细节,改成了”动作策略以什么方式接入视觉计算”这个架构问题。对做选型的人,它提了一个很贵的问题:当供应商只给你”分布内成功率”时,你无法判断它保留的表征是否覆盖了你这个任务需要的局部几何与状态变化——而这个缺口,微调和扩规模都打不开。 小注:真机只有 3 个任务、单一本体、50 条示范,还不足以支撑”无编码器更好”的普遍结论;但”开中间层反而掉 14.6 点”这个对照,是能被别人复现的。
附注
- 《人民日报》11/16 第 18 版整版写灵巧手,给的是三条定性指标 + 一条价格曲线:核心零部件 100% 国产化、精度 0.1 毫米级、寿命突破 100 万次;十多年前进口一只上百万元,现在因时科技在售几十个型号1 万–5 万元;曾经单片超 10 万元的触觉传感器国产化后最低 199 元;单指驱动成本从进口 200 元降到 120 元。销量(高工产业研究院):2025 年 1.92 万只(+236.84%)→ 2026 年预计 7.02 万只 → 2030 年破 43 万只。北京市 2026–2028 行动方案把这一厘米拆成可招标的数字:负载寿命 100 万次、指尖分控 0.1 牛、单只成本万元以内,落地切口是 4D 场景(Dull/Difficult/Dangerous/Dirty)。两个没解决的:散热(人手出汗,电机没有,液冷/水冷/重设计电机都在试)与协调(“一和物体建立接触,它就傻了”)。已落地样本:星动纪元 XHAND 进中国邮政/顺丰,一小时分拣 1500+ 包裹;月泉仿生 W-Bot 2.0 进国网合肥带电作业。与 11/16 期”灵巧手是量产之后下一关”(雷赛/鸣志/智元)是同一主题的不同角度,那期看的是供应链订单,这期看的是价格曲线与政策指标。
- 英伟达 Q3 财报今晚才出(美东 11/17 16:20,即北京 11/18 05:20),发稿时未发布,所以本期不给结果。可先记待验的四个数:共识营收约 $1092 亿(上季 $962.2 亿、去年同期 $570 亿)、数据中心 $997–1108 亿(分歧带宽 110 亿,上季 890 亿 / +117%)、非 GAAP 毛利率 74%(CFO 已预告 Q4 触底 71–72%,归因”内存的极端定价”)、Vera Rubin 本季贡献约 20% 数据中心营收,以及 8 月给的 FY2028 增长约 70% 会不会被重新确认。注意搜索里混进了 2025 年同期”$570 亿”的旧稿模板(把 Q3 报成 $57B),看到”营收 570 亿”就当旧文处理。
- Hugging Face 换路由带来的一个即刻操作:
hf-claude扩展 +ANTHROPIC_BASE_URL现在能让 Claude Code 跑任何开放权重模型;Codex 侧用wire_api = "responses"的 profile。先别急着切生产——按 11/15 期 CLI 周报的教训,这类”后端可替换”最容易在工具调用格式差异和沙箱权限语义上出事。 - 它石智航 × 安波福(11/16 进博会签约):安波福计划年底前部署 100 台 A 系列,覆盖8 大工艺、33 个场景,首批已在安波福智能工厂真实产线运行,2026 年量产,与上海嘉定合作目标千台集群;安波福的高性能计算平台与智能配电方案装进本体,产线数据回流迭代 AWE 基座模型。与 11/07 期”年底前百台级”是同一条跟踪线的进展,新增的是”首批已进真实产线”和”客户兼供应商”这个结构。
- 智动未来 Pre-A+ 亿元级(11/17 人民财讯):中美绿色基金领投、南曦创投联合领投、老股东海珠城发加码;成立以来第四轮,此前种子(奇绩创坛)、天使、Pre-A(海珠城发领投、超募),累计数亿元。广东本体公司,未披露产品与交付数据。
- 待兑现节点:英伟达 Q3 财报(今晚);Anthropic 11/18 定价、11/19 挂牌(8.25 亿股 / $70–78 / 上限约 643.5 亿、另 260 亿私募,路透按完全稀释算约 1.4 万亿;Q3 营收环比约 +47% 至 169.56 亿,算力承诺约 9000 亿);阿里 11/18、腾讯 11/19 Q3 财报;WM1.2 权重 11/30;Qwen4 中小尺寸开源(无日期)、Qwen4-Max 预览标识 11/25 下线;Carbon 11/30 优惠价结束、12/1 账单;12/14 Copilot 六模型退役;12/1–2 硅谷人形机器人峰会(Optimus V3)、12/3 特斯拉股东会;人形机器人信息安全国标意见 12/11 截止;openPangu-2.1-Pro 权重与 LICENSE。
本期判断
今天五条,讲的都是接口——谁被打开、谁被关上、谁被换掉、谁该被拆掉。
- Qwen4-Max:参数没涨(2.4T 对 2.4T,“超 3 万亿”的预期落空),降的是 token 与缓存价,关的是权重。以后问”这个模型强不强”要加一句”它是按次收费还是按 token 收费”——因为答案决定了它会不会开源。
- HF 换路由:
ANTHROPIC_BASE_URL一行,Claude Code 的模型后端就变成了 80 家供应商的市场。便利的代价是行为漂移被藏在配置里,这比模型换代更难归因。 - GTIG:攻击者没有破解 Claude Code,只是改了它的配置文件。这条对做 agent 的人是个提醒——你交付的不只是代码,还有一堆会被自动执行、但不在 code review 里的配置。
- WM1.2:从”98.35%(仿真,无任务集)“到”RoboTwin 88.98 / LiberoPro 81.7 + 11/30 开源”,一天之内从不可核验走到可核验。但同一天有另一个 2B 开源模型在同名榜单上只有 75.78——这就是为什么必须看示范条数。
- NEO-VLA:最值钱的不是 95.3%,是那个 79.5 → 64.9 的对照。它说明有些能力差不是训练不够,是通路没接。
如果只留一句:这一周开始,“开源”和”性能”都不再是模型的属性,而是发布策略的属性——同一家公司可以一边说”中小尺寸会开源”,一边把最强的那个锁在 API 后面;而锁不锁,取决于它想按 token 收钱还是按权重收生态。