覆盖窗口:2026-11-19 06:00 — 2026-11-20 06:30(北京时间) 侧重:AI Coding × 具身智能 本期主线:今天所有进展都在回答同一个问题——把 agent 放上生产,谁按最后那一个按钮。 OpenAI 的答案很朴素:工程师按 merge(Codex 已经能查到 70% 的因,但改动仍要人批);Anthropic 的答案是把定价权交给公开市场(首日 +17%,但当天大盘跌 2%);Google 的答案是把调度权交给模型、把成本交给账单(Neon 单价降 25%,单任务只降 17%);具身侧则更直接——数据可以开源 500 万条,但模型还是读不出”盒子在桌沿内还是外”。
一、Anthropic 首日:一级市场定价成功,二级市场没给面子
事件(11/19 美东,纳斯达克全球精选市场,代码 ANT) 发行价 $83(区间上限 +6.4%),开盘首笔 $111.50(+34.3%),盘中最高 $115.10(+38.7%),收盘 $97.17(+17.1%),较当日高点回落约 13 个百分点。按财联社口径市值 1.27 万亿美元(约 130.7 亿股),按全面摊薄 180.7 亿股计约 1.5 万亿。
发行结构比首日涨幅更值得记:
- 基础发行从 8.25 亿股上调至 9.8 亿股(公司售 9.5635 亿 + 老股东 2364.86 万),基础募资约 813 亿美元;
- 绿鞋同步扩容,超额配售权从 1.2375 亿股增至 1.47 亿股,含绿鞋合计售 11.27 亿股、约 935.4 亿美元;
- 加七家产业方按发行价认购的 260 亿美元无投票权股(谷歌、英伟达各 100 亿,AMD 25 亿,博通/美光/微软/台积电实体各 10 亿),总募资接近 1200 亿美元;
- 认购需求约 5000 亿美元(机构 4000 亿 + 散户近 1000 亿),约为原基础规模的 8 倍;
- 治理上设 F 类普通股,七名联合创始人组成的 Founder LLC 对一般表决事项固定握 50.1% 投票权——资本与控制权彻底分离。
为什么值得关注 这是第一次能用连续竞价的公开市场价格,去检验”前沿实验室”的估值。更关键的是同一天的反向信号:道指 -2.19%(6 月以来首次收于 5 万点下方)、标普 -2.02%、纳指 -2.25%、费半 -2.41%,VIX 冲至近 29(3 月以来日内新高),AMD 因 Hunterbrook 空头报告跌近 8%,英伟达连续第 6 天下跌。Anthropic 开盘的那一刻,正是各大指数砸出日内低点的时刻。这不是”AI 行情被 IPO 带起来”,而是”IPO 成了这轮行情的兑现出口”。Amodei 在敲钟现场的表态也值得记:会根据对安全的信心调整训练与发布节奏,“不会屈服于商业或政治压力”——这句话在上市公司语境下的可执行性,未来每个季度都会被追问。
要打折看的地方
- 解禁节奏比被动买盘快。华泰按中值测算:快速纳入的被动资金约 181–209 亿美元(中值 195 亿,占公开发行 29.7%),且大多落在 11 月底至 12 月;而 2026 年内就将解禁 6.15 亿股(按 74 美元约 455 亿美元),是被动买盘的 2.3 倍。上市首日非创始人董事/高管/员工至多可售 3.16 亿股,占初始流通 38.3%;12 月 15 日再释放 3 亿股。154.7 亿股锁定股将在 2027 年底前分 24 档释放,真正的峰值在 2026 年报和 2027 一季报之后。
- 前九个月营收 332.4 亿美元(同比约 +1200%)、Q3 增速已放缓、利润率回落——定价隐含的前提是两年后收入到 2700 亿美元以上。
- 两个市值数字(1.27 万亿 vs 1.5 万亿)差的是股本口径,引用时必须写清是哪一种。
二、OpenAI 把 Codex 装进了生产流程:查得出 70% 的因,但 merge 还得人按
事件(11/19 08:00 UTC 官方博客,Performance Factory) OpenAI 披露内部已运行三个多月的 “Performance Factory”:以 Codex 为核心的自动化系统,把”性能回退”从告警到恢复做成流水线。
跑出来的数:处理 1700+ 起性能回退调查,其中 600+ 起定位到根因(约三分之一强),平均每天 17 起;人工复核 100 条根因建议,70 条判为准确。
流水线怎么搭的(这才是可复制的部分)
- 告警触发即建任务,agent 先确定”指标真正开始漂移的时刻”(常比告警早几个小时)、受影响请求、对齐到哪次部署或 feature flag,再读代码找因;
- 另一个 Codex 会话专门负责”证伪”——例如检查”同样没被覆盖的类似请求是否仍健康”、“回滚后指标是否恢复”。早期 agent 会在第一个看似合理的解释上停下,这个对抗评审就是为此加的;
- 修由 agent 写、开 PR,工程师 review 并 merge;部署后再由另一个 agent 核对是否回到基线,只恢复一部分就关旧任务、开新任务;
- 工程约束:任务状态与结论存在 task 对象上、不放在 agent 的上下文里(因此能跨 agent、跨人、跨部署交接);agent 靠订阅事件(review 评论、CI 失败)被唤醒,不空转轮询;每个 agent 跑在独立服务身份 + 最小权限下,动作可追溯。工程师把排障经验沉淀成一个叫
perf-forensics的技能,agent 复用同一套 playbook。
为什么值得关注 这是目前实验室公开过的最完整的一份”agent 工作流生产模板”——不是更强的模型,而是状态机 + 一个专职说”你错了”的 agent + 判断成本最高处留给人的闸门。它同时回答了过去两周反复出现的两个痛点:验证环节是瓶颈(对抗评审)、以及 agent 的”成功”不可信。OpenAI 自承当前瓶颈是”等工程师 merge”,并正在评估让 agent 独立上线低风险修——那一天就是 merge 按钮移动的那天,也是这套东西从”有工头的工厂”变成”无人车间”的那天。
要打折看的地方 70% 是 100 条小样本人工评级,非独立复测;修复比定位难得多(提案偏复杂、会引入新 bug),所以”600 起定位到根因”不等于”600 起被修好”;这套结论高度依赖 OpenAI 自己的代码库与可观测性栈,换到缺少完整指标/部署元数据的团队,第一步就做不了。
三、Gemini 4 Neon:单价降 25%,单任务只降 17%
事件(Google DeepMind 博客 11/18 美东,北京时间 11/19 凌晨开放) Gemini 4 家族第四款模型,定位在 Carbon(最难长程)与 Hydrogen(最快日常)之间。$3 / 百万输入、$0.15 缓存输入(95% 折扣)、$15 / 百万输出,100 万上下文,Low/medium/high/xhigh 四档。已进 Gemini API、AI Studio、Gemini for Business、Antigravity,Gemini 应用里对 Pro/Ultra 开放。
成绩(厂商口径):AA 智能指数 xhigh 档 61 分(全球第三);AA 编程 Agent 指数 58.6 分(第一);Terminal-Bench 4.1 65.2%;FrontierCode 2.0 默认高档 46.2%;SWE-sweep 在 mini-SWE harness 仅 12.8%,换到 Antigravity harness 后 39.0%(三倍);Vals Index 70.9%(第二);Agent Arena 1336(第二,4200+ 真实会话);HLE-Diamond 71.3%;Terminal-Bench Science 70.5%;RiemannBench 84.0%。 编排是重点:在 Antigravity 里可当”调度员”,指挥并行的 Hydrogen 子 agent,减少重复读文件、做上下文压缩。安全侧另有 Neon for cyber:AutoBaxBench 困难档 76%、WebExploitBench v1.2 51.26%、SEC-bench Pro 90.5%、CWE-bench v2 70.7%(比 Carbon +3.4pp),经 Fairwind 计划定向发放;Gray Swan 提示注入基准在 xhigh 档 0% 攻击成功率。
为什么值得关注 真正的信号不是名次,而是同一个模型既当执行者又当指挥者。过去多 agent 编排要靠外部框架手写调度逻辑,现在调度被内建进模型层,再用四档推理做成本分层——竞争从”单模型多强”推进到”谁来做总指挥、谁来付账”。
要打折看的地方(本期最该记住的一条)
- 官方说 high 档单任务成本比 Carbon 低 32%,但现在 Neon 其实是家族里最贵的:Carbon/Argon 仍在促销价 $2/$10,12/1 起才涨到 $4/$20——届时 Neon 才比它们便宜 25%。有第三方按 AA 单任务口径折算,Neon $6.44 vs Carbon $7.76,只省 17%。单价降四分之一、单任务降六分之一,差额被”想得更久”吃掉。选模型别看 token 单价,看跑完一个任务的总花费。
- AA 智能指数 61 仍低于 Claude Fable 5.2 的 65;所有排名来自特定评测条件,不能外推到真实仓库。
- 除 AA/Vals/Agent Arena 外,多数分数是自家基准。
四、浙大 × 宇树开源 Movens-5M:500 万条动作,把”人类视频”变成机器人教材
事件(11/18 开源发布,论文 arXiv 2610.41877 于 10/30 挂出) 浙江大学与宇树具身智能联合实验室等团队开源预训练数据集 Movens-5M:500 万条经宇树 G1 仿真执行验证的机器人动作 + 1500 万条人体动作,总时长 超 1 万小时,覆盖家务、健身、户外休闲等 16 类场景、297 种细粒度动作。
做法:五阶段自动化管线——片段生成 → 质量过滤 → 语义标注 → 动作恢复 → 物理精修;把文本、视频、语音、音乐与机器人动作做多模态对齐。训出的 Movens-Zero 可接受文字 / 视频示范 / 语音 / 音乐四种输入,生成 G1 全身动作并实时闭环执行,已在真机验证。
规模曲线(最有说服力的部分):训练数据从 1% 扩到 100% 时,文本-动作匹配 R@3 12.72% → 62.57%;视频动作误差 MPJPE 132.82mm → 40.90mm(-69.2%);语音匹配 13.98% → 74.30%;跟踪分 0.21 → 0.72;动作专家从 64.2M 扩到 910.5M。权重与数据在 HF(wendell0218/Movens-5M)。
为什么值得关注 具身智能最短的那块板一直是数据:互联网视频海量但用不了,真机采集又慢又贵。Movens-5M 的价值是把”看视频学动作”这条廉价路径做成可验证、可真机跑的供给——仿真执行验证 + 物理精修用来填 sim-to-real 的沟。对中小团队,这是省掉几个月采集成本的基础设施;对行业,数据层竞争的关键从”谁有真机”转向”谁会处理视频”。
要打折看的地方 500 万条是规模不是质量;复杂家庭场景泛化、长程稳定性、训练数据的版权与隐私都还在;62.57% 的匹配率不等于”能上岗”。开源也会加速同质化,差异化会更快转移到硬件成本与场景渠道。
五、FlipTest:11 个视频世界模型,答得比瞎猜还差
事件(arXiv 2611.19822,11/15 提交、11/17 批次公示、11/19 中文详解) Google DeepMind(13 位作者中 11 位)+ UT Austin + UC Berkeley,提出《The Flip Test: Video World Models Fail to Learn the World State》。
怎么测的:不看”生成的视频像不像”,而是构造视觉”最小对”——盒子停在桌沿内几毫米 vs 探出几毫米,一个不掉、一个掉。共 1680 个起始帧(10 个仿真 + 15 个真实任务)。如果模型真读出了世界状态,初始画面跨过临界点时,它的预测必须跟着翻转。
结果:11 个模型全部不及格。平均配对准确率 18.3%,低于二选一瞎猜的 25%;真实场景最好的一个 31.3%,仿真场景无一超过 5.3%。规模帮不上忙:物理 AI 专用模型 Cosmos3-Super 13.7%,与通用模型 Wan2.2 的 14.0% 基本持平。 最锋利的一个对照:允许模型用代码去测量画面而不是”用眼睛估计”时,跨边界步骤的准确率从 31.3% 跃升到 93.3%。
为什么值得关注 这是对上一条的冷静反面。数据在狂奔(500 万条、1 万小时),但世界模型对物理状态的读取仍停在原地——看起来合理的像素,不等于被正确持有的状态。一个对桌沿内外预测出相同未来的模型,不能用来做基于规则的决策。而”用代码测就准”这个对照把瓶颈精确定位在状态读取、不是数据量,等于把”工具调用 + 精确感知”这套工程手段重新推回中心——这恰好和本期 Performance Factory 的”用工具验证而非靠感觉”是同一条思路。
要打折看的地方 预印本 v1,评分依赖裁判模型,作者自己标注代码与数据”expected Dec 2026”、尚未放出,所以以上数字暂不可复现;“仿真无一超过 5.3%“与”真实最高 31.3%“的落差可能与两类任务的临界粒度设计有关,需等代码才能判断。
附注(简讯,含已报条目的口径修正)
- 腾讯 Q3(11/18 盘后,11/19 港股 -5.95% 至 350.6 港元,2024/8 以来新低):营收 2073.36 亿(+8%)、Non-IFRS 经营盈利 680.73 亿(-6%,近年来首次同比下滑)、资本开支 814.33 亿(+527%)、自由现金流 -691 亿;剔除 Hy/元宝/CodeBuddy/WorkBuddy/小微等新 AI 产品,核心经营盈利 833 亿(+8%)。WorkBuddy DAU 破 1000 万、日耗超 100 万亿 token、近七日年化收入超 5 亿美元(腾讯会议两倍以上)、Q3 收入 5 倍于 Q2、MaaS 3 倍、中国百强 60% 为客户;云收入增速 21%→35%。管理层称现金口径单季约 650 亿已近峰值、2028 年回落。大摩目标价降至 480、中金 470。
- DeepMind 开源 Robotics plugin for Antigravity(11/17,Apache-2.0,
google-deepmind/robotics-antigravity-plugin):18 个技能分五条线(上电标定 / 感知 / 规划 / 仿真验证 / 资产共享)。核心机制是 DeviceLayer 让仿真与真机共用同一份控制代码(mode="sim"与mode="real"上层完全一致),外加 Sim-to-Real Gauntlet 五级扰动(T3 打滑/推撞、T4 自模型失配 + 50% 终态故障(相机冻结、夹爪失效),有故障却报成功即判失败),并用配对 CRN(HMAC 锁 seed+场景哈希)+ McNemar 单侧检验(α=0.025,不一致对 ≥6) 给”新控制器更好”下可证伪定义,安全违规一票否决。实测:YAM 机械臂 USB 接入到标定完成约 10 分钟,白板草图→传送带饼干分拣约 1 小时(未给成功率)。Hydrogen 在 AA-Robotics 得 58(Argon 55.3、GPT-6 Astra 69.4),具身推理 15 项均值 84.8 vs Gemini Robotics ER 2 的 75.5(13/15 领先)。 - Claude Code v2.1.328(11/19):无指定权限模式的交互会话在 Bedrock / Agent Platform / Foundry / Claude apps gateway 上默认进入 auto mode;
mcp_toolhooks 新增onFailure: "block";修复子 agent token 计数重复计一次重试、非流式回复漏计、MCP 工具 input schema 以 anyOf/oneOf/allOf 开头时在第三方 provider 下丢失。接 11/15 期”默认动作”那条线:权限默认值又被往外推了一格。 - 同期 CLI 更新:Gemini CLI v0.69.0、Zed v1.29.2(新增 Linux Snap)、Grok Build 1.0.90、Factory Droid 1.15.0(子 agent 会话折叠到父会话)、Codex CLI 支持 GPT-6.2 prompt 缓存、Antigravity CLI 终端内 WebRTC 语音。
- 逐际动力:APEC 期间总部体验中心列入官方参访点;累计订单数千台、过半来自中东/日韩/北美,部分产品发布后一个月内交付——国内整机出海少见的”收入结构”口径。
- Atlas 进晶圆厂:波士顿动力与格罗方德扩大合作,2027 年初起在旗下工厂测试人形 Atlas,为其首个汽车以外行业方向;Spot 已在其纽约、佛蒙特、德累斯顿、新加坡四厂运营,测试任务与台数未披露。
- 英伟达两头:临时 CEO 确认已停止向中国出货 H200 等获准出口的 Hopper 数据中心芯片,Q4 指引不含中国 Hopper 收入(Q3 该项 24 亿美元);同日开卖 RTX Spark 紧凑桌面机(20 核 Grace + Blackwell RTX、最高 128GB 统一内存、1 Petaflop、本地跑 1200 亿参数),华硕/戴尔/微星已上架。
- 蚂蚁 × 西湖大学 × 浙大 CWM 2.0:Invoker-Render 把上游世界状态(3D 框、骨架等 Proxy)与下游视频生成解耦,用 ProForcing + 单节点 8 卡管线解决长程漂移,首次实现 30 分钟一镜到底的实时交互赛车场景,代码与权重同步开源。
待跟踪
| 时间 | 事项 |
|---|---|
| 11/20–12/11 | Anthropic 指数快速纳入窗口,被动买盘约 181–209 亿美元 |
| 11/25 14:00 | 小鹏「Origin 原点」科技日(IRON 量产与交付节奏) |
| 11/30 | 华为云 CloudRobo-WM1.2 权重与推理/后训练代码是否真上线 |
| 12/1 | Gemini 4 Carbon/Argon 促销价到期,涨至 $4/$20——Neon 的真实性价比到这天才能算 |
| 12/1–2 | Humanoids Summit(Optimus 是静态还是动态、是否开放预订) |
| 12/11 | 人形机器人信息安全强制国标征求意见截止 |
| 12/15 | Anthropic 第二批 3 亿股解禁 |
| 12 月 | FlipTest 代码与数据放出(作者标注 expected Dec 2026) |
| 待定 | OpenAI 是否放开 agent 独立上线低风险修(merge 按钮是否移动) |
本期口径提醒:① Anthropic 市值有两个股本口径(1.27 万亿 / 1.5 万亿),华泰的解禁与被动资金金额均按 74 美元中值测算,非最终 83 美元定价;② Gemini 4 Neon 的”省 32%“是官方 high 档口径,“省 17%“是第三方按 AA 单任务折算,差异来自思考档位;③ Movens-5M 论文 10/30 挂 arXiv、11/18 才是开源发布节点;FlipTest 11/15 提交、11/17 公示、11/19 中文详解,代码未放出。