智谱发布 GLM-5.3 开源权重模型,编码与长程任务能力提升
智谱发布 GLM-5.3,与 GLM-5.2 使用同一基座模型,能力提升全部来自后训练。官方称其在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%,并在 Terminal Bench 3.0、Agents' Last Exam 等公开基准上取得开源 SOTA。

推荐理由:GLM-5.3 沿用 GLM-5.2 基座、全部提升来自后训练,读者可据此判断开源权重模型在编码与长程任务上的位置。
智谱发布 GLM-5.3,与 GLM-5.2 使用同一基座模型,能力提升全部来自后训练。官方称其在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%,并在 Terminal Bench 3.0、Agents' Last Exam 等公开基准上取得开源 SOTA。

推荐理由:GLM-5.3 沿用 GLM-5.2 基座、全部提升来自后训练,读者可据此判断开源权重模型在编码与长程任务上的位置。
MiniMax 发布 MiniMax-M2.7,官方称这是其首个深度参与自身演化的模型,可构建复杂 Agent harness 并完成高难度生产力任务。开发过程中模型自行更新记忆、为 RL 实验构建数十个复杂技能,内部版本在 100 多轮中自主优化编程脚手架,取得 30% 性能提升。

推荐理由:官方披露 M2.7 在自我进化循环中自主优化编程脚手架并取得 30% 性能提升,可据此观察模型自迭代的落地方式。
MiniMax 开源 MiniMax-H3-Image,将文生图与图像编辑统一在同一个 checkpoint 中,支持最多 16 张参考图。模型采用 33.1B 参数的 DiT,蒸馏至 6 步采样且无需 classifier-free guidance,可在 4096x4096 至 6272x2688 等比例下直接生成约 16MP 图像。

推荐理由:开源图像模型把文生图与编辑统一在一个 checkpoint,并给出 16MP 输出与本地部署方案,便于开发者评估落地成本。
Anthropic 向 SEC 公开递交招股书,计划登陆纳斯达克,股票代码为「ANT」,目标在 11 月 16 日当周进行 IPO。招股书显示,公司上半年营收 162.9 亿美元,上年同期为 11.6 亿美元,净亏损 807.5 亿美元;截至 9 月 30 日的九个月内,没有单一客户占营收 10% 以上,79% 收入来自前五大客户以外的客户。

推荐理由:招股书披露的营收、亏损与客户结构,为观察头部大模型公司的商业化质量提供了具体数字。
面壁智能开源 MiniCPM-o 4.5,这是 MiniCPM-o 系列最新模型,基于 SigLip2、Whisper-medium、CosyVoice2 和 Qwen3-8B 端到端构建,总参数 9B。

推荐理由:9B 参数端到端全模态模型,给出与 Gemini 2.5 Flash、GPT-4o 的逐项对比和端侧部署路径。
alphaXiv 推出面向 AI Agent 的预印本服务器,全球 22 家机构的研究者组织了一场为期 12 周的实验,来自 35 个人类运营实验室的 936 个 Agent 自主产出 936 项研究成果、交换约 9500 条消息并建立 229 个讨论群组。
推荐理由:22 家机构用 936 个 Agent 做了 12 周自主科研实验,并给出评审与溯源数据,可观察 Agent 科研的边界。
MIT韩松团队公布机器人后训练项目PEAR,基于开源Qwen3.8-27B,不用人类遥操演示和真机数据,只在仿真环境做强化学习,训完直接部署到此前未见过的双臂YAM真机,30次测试成功18次,训练前为0次。
推荐理由:韩松团队用纯仿真强化学习把27B千问模型接到真机机械臂上,并给出扰动基准下的对比数据。
研究者发布 FireFlash,一个从 GLM-5.3-Flash 出发经全参数强化学习得到的 300B 级终端与编程智能体,在 Terminal-Bench 4.0 上 Pass@1 达 46.2%,与 Fable 5、GPT-6 Sol 处于同一水平。
推荐理由:团队公开了百卡级集群训练长程智能体的完整配方,读者可据此了解低成本 RL 训练的关键环节。
Google 发布 Gemini Decision 1 及 Decisions API,该模型对封闭集选项做单次打分而非逐 token 生成,支持文本、图像、音频、视频和 PDF 输入,单次请求最多 1000 个问题、256K 上下文,端到端返回 150–250ms 并附带置信度。

推荐理由:Google 抢先发布面向封闭集决策的专用模型,独立评测与官方基准结论不一,可对照看定价与延迟取舍。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2 两款模型,官方演示中 Fable 5.2 控制机器人完成操作益智方块、拧开瓶盖、绘制图案等任务。
推荐理由:材料给出 Claude Fable 5.2 在机器人控制基准上的分数与对比,可观察通用模型进入机器人控制后的位置变化。
面壁智能联合 OpenBMB 社区开源 MiniCPM-V 4.7,其中 35B-A3B 是 350 亿参数的 MoE 多模态模型,在手机上仅占约 3GB 内存,最新 LES 2.0 在 iPhone 18 Pro Max 上速度超过每秒 30 个 token。
推荐理由:面壁智能开源 MiniCPM-V 4.7,35B-A3B 版本靠闪存加载专家把内存压到约 3GB,展示了端侧跑大模型的工程路径。
面壁 VoxCPM2 团队开源 VoxCPM2,这是一个无 tokenizer 的扩散自回归 TTS 模型,2B 参数,支持 30 种语言和 48kHz 音频输出,训练数据超过 200 万小时多语种语音。
推荐理由:面壁开源 2B 参数 TTS 模型,支持 30 种语言与语音设计,Apache-2.0 可商用,便于评估自建语音方案。
UC Berkeley 研究者发布 SuperMimic,提出基于单一可微世界模型的全身控制架构,把十万级人体动作跟踪策略的训练从 128 张 GPU 运行数天压缩至单张 GPU 约 3 小时。
推荐理由:对比 SONIC 的 128 张 GPU 训练 7 天,这项工作的单卡 3 小时方案给出了全身控制训练成本的新参照。
NaiveAI开源Naive-N0.5-Flash,用户只需写一页任务书,即可让它在本地完成数据清洗、训练、评测与纠错。文中案例包括在24GB内存Mac上把0.6B开源模型微调成「甄嬛」人设,以及在64GB Mac上训出1.10亿参数BERT客诉分类模型,单条响应中位耗时6.77毫秒、准确率93.34%。
推荐理由:原文用多个本地实测案例展示AI接管微调与强化学习全流程,读者可据此判断个人电脑训模型的可行边界。
Thinking Machines Lab 发布第二代 Inkling 的首个模型 Inkling 2 Small,为 594B 总参数、17B 激活的稀疏 MoE,支持文本与图像输入和可变推理强度,上下文 1M token。
推荐理由:原文给出新模型的参数结构、训练流程与多项基准对比,可据此判断它在编码与智能体任务上的强弱项。
TechCrunch 报道称,Alphabet、Amazon、Meta、Microsoft 过去两周公布的今年资本开支计划合计超过 7400 亿美元,投资者开始担忧负自由现金流、债务上升与回报周期。
推荐理由:从四大科技公司资本开支与自由现金流数据切入,呈现 AI 基建投入与回报之间的张力。
AMD 宣布以约 82 亿美元全股票收购李飞飞创立的 World Labs,交易完成后李飞飞出任 AMD 执行副总裁兼首席科学家,直接向苏姿丰汇报,World Labs 约 70 人团队以相对独立的研究单元并入 AMD。

推荐理由:文章把李飞飞三次命题串成一条线,并给出判断这次成败的两个可观察标准。
腾讯混元发布 Hy-SimulMT-30B-A3B 实时同声传译模型,支持中英双向语音到语音翻译并带实时声音克隆。在 RealSI 长音频评测中其 StreamLAAL 约 3 秒,为对比系统中最低,GEMBA 分数超过所比开源模型和五个商业 API 中的四个。模型提供 FP8、GGUF 及带原文输出等多个版本,并配套 SimulInfer 推理服务与 SimulTrain 训练工具。

推荐理由:腾讯混元开源实时同传模型,给出延迟与质量权衡的基准对比和部署路径,可据此判断实时语音翻译的可用边界。
腾讯混元发布视频世界生成模型 Hy-Nomas,支持通过文本指令和相机控制进行自由形式的多轮交互,逐段生成同一世界。模型采用分段自回归 DiT 架构,结合 Qwen 文本编码器、相机条件模块和 PixelUMM 视频解码器,蒸馏推理配置为 8 步去噪,输出 720×1280、24 FPS。

推荐理由:腾讯混元开源交互式世界生成模型,给出完整架构、权重与单卡部署配置,可据此评估落地门槛。
Recursive 发布首个模型 Flint,这是一个可在笔记本上离线运行、以 Apache 2.0 许可在 Hugging Face 免费下载的编码模型,公司称其研发过程主要由自研的 Eureka Machine 参与,小团队不到四个月从零建成。
推荐理由:Flint 以 40B 参数、单次激活 2.5B 的 MoE 结构跑在笔记本上,可与同机其他小模型的速度和基准表现对照。
智谱发布 GLM-5.3,与 GLM-5.2 使用同一基座模型,全部提升来自后训练。官方称其在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%,并在 Terminal Bench 3.0、Agents' Last Exam 等公开基准上达到开源 SOTA;在 CyberGym 漏洞发现与利用链基准上同样领先,利用类基准成绩超过 GLM-5.2 两倍。

推荐理由:GLM-5.3 与 5.2 共用基座、提升全部来自后训练,读者可据此判断后训练对编码与长程任务的实际拉动幅度。
一项针对编码智能体 harness 的研究发现,Claude Code、OpenCode 和 mini-SWE-agent 在 SWE-bench Verified 上的通过率差异大多落在重复运行的噪声范围内,而 token 消耗可达最精简方案的两到三倍。

推荐理由:研究用重复运行量化噪声,说明编码智能体的 harness 差异多在测量误差内,成本差异却可达三倍。
美国大模型独角兽Mirendil于11月13日宣布完成10亿美元A轮融资,由Kleiner Perkins与Clearlake Capital联合领投,谷歌、英伟达等参与,多家媒体引用a16z内部信息称其估值约50亿美元。

推荐理由:融资信息之外,文中还交代了这家公司用智能体完成预训练的成本与人力规模,可作为观察AI研发门槛变化的样本。
Ricursive Intelligence 发布 Ripple-65B Preview,这是一个 65B 稠密开源权重模型,从零预训练用于智能体编码,在 Terminal-Bench 2.1 上自报 80.5 分。
推荐理由:65B 稠密模型在 Terminal-Bench 2.1 上自报 80.5,可与同表 501B 至 975B 的 MoE 对手逐项对照。
Pika 发布 MiniMax H3 衍生模型 Pika H3 Flex,开放适配器权重与推理代码,通过六步去噪联合生成画面和声音。该模型包含两套 LoRA 适配器,原生支持 480P、768P 输出,可生成约 5 至 15 秒视频及同步立体声音频,并提供 ComfyUI 工作流和 Hugging Face Diffusers 接入方式。

推荐理由:原文交代了从 50 步蒸馏到 6 步的压缩路径与 8 卡 B300 上的推理耗时对比,可看开源视频模型如何做工程加速。
特朗普政府准备推出针对美国境外 AI 芯片和数据中心的新出口管制,要求企业向可能为中国等受限国家提供算力的数据中心出口、再出口或转移 AI 芯片与服务器时申请许可。
推荐理由:新规把远程访问海外算力也纳入许可范围,并给出 1200 万 TPP 这一具体门槛,可据此判断跨境算力供应的合规边界。
Nous Research 对阿里 Qwen3.8-27B 做约 5300 万 token 的监督微调,得到开源权重模型 Arete-27B,其倾向性回答比例从 22% 降到 0.9%,事实准确度从 2.32 升到 2.98。

推荐理由:Nous 用 5300 万 token 监督微调把 Qwen3.8-27B 的倾向性回答比例从 22% 降到 0.9%,并公开权重与测试数据。
Together AI 发布 Together Compiler(TKCC),一套由编码智能体持续重写模型前向计算的推理优化系统,已在自家多个 serverless 端点上运行。

推荐理由:原文给出多硬件多模型的自报数据与最差场景,读者可据此判断持续编译在真实流量下的收益边界。
据 The Information 报道,华为因无法获得足够内存,告知部分客户自行为其 AI 芯片采购内存,实际上把买家推向黑市。华为计划明年初推出 Ascend 960DT,称性能将达现有芯片的两倍,但其中国供应商无法生产足够的 HBM,美国出口规则又禁止直接向三星和 SK 海力士采购,这两家公司合计控制全球超过 80% 的市场。
推荐理由:从华为让客户自寻 HBM 到走私价涨至每单元约 4000 美元,呈现出口管制下芯片供应链的灰色替代路径。
Deep Principle 发布 Hydrogen-1.0,一个基于 GLM-5.3 后训练的 753B 开源权重科学模型,采用 MIT 许可,覆盖化学、材料科学与生命科学。
推荐理由:原文给出753B开源科学模型的训练数据来源与多项基准对比,可据此判断开源科学模型与闭源模型的差距。
阶跃星辰发布 Step 3.7 Flash,这是一个 198B 参数的稀疏 MoE 视觉语言模型,由 196B 参数语言主干与 1.8B 参数视觉编码器组成,每 token 约激活 11B 参数,吞吐最高 400 tokens/s,支持 256k 上下文窗口和低中高三档推理等级。

推荐理由:原文给出稀疏 MoE 视觉语言模型的参数规模、三档推理等级与定价,可据此判断高频智能体工作流的成本与部署选择。
面壁发布 MiniCPM-OCR 1.0,这是 MiniCPM-V/o 系列首个 OCR 专用模型,参数量 1.3B,基于 MiniCPM-V 4.6 训练,采用 SigLIP 视觉编码器加 Qwen3.5 语言模型。

推荐理由:面壁开源 1.3B 的 OCR 专用模型,给出四个文档解析基准成绩与吞吐对比,可据此判断文档解析选型。
面壁智能发布 MiniCPM5 系列首款模型 MiniCPM5-1B,这是一个 1B 稠密 Transformer,面向端侧与本地部署,官方称其在同尺寸开源模型对比中达到 SOTA,优势集中在工具调用、代码生成和困难推理。

推荐理由:1B 稠密模型给出完整训练配方与多后端部署路径,可对照同尺寸开源模型看端侧能力边界。
面壁发布 VoxCPM1.5,一款基于 MiniCPM-4 的无 tokenizer 端到端 TTS 模型,音频 VAE 采样率从 16kHz 提升到 44.1kHz,LM token 率从 12.5Hz 降到 6.25Hz。

推荐理由:面壁开源 VoxCPM1.5,采样率从 16kHz 提升到 44.1kHz、token 率减半,并给出可复用的微调与流式合成入口。
腾讯发布 WeVisCut,这是一个基于 Qwen3.5-9B 的 9B 工具调用智能体,可将知识文章或旁白脚本转化为数分钟长的剪辑视频。该模型在每一步读取当前剪辑状态,并从规划、旁白、素材检索、合成、检查、修复等 12 个工具中选择一个执行,需配合 WeVisCut runtime 使用。
推荐理由:腾讯开源 9B 视频剪辑智能体,读者可了解其工具调用流程与部署门槛。
阶跃星辰为 198B 参数稀疏 MoE 视觉语言模型 Step-3.7-Flash 发布 GGUF 量化版本,含 BF16 到 IQ3_XXS 共 7 个语言量化档位及 4 GB 的 F16 视觉投影器。
推荐理由:原文给出各量化档位的体积与三款 128 GB 统一内存设备上的实测吞吐,可据此判断本地私有部署的可行边界。
Anthropic 首次公开提交 S-1,计划以代码 ANT 登陆纳斯达克,由高盛和摩根士丹利牵头承销。2026 年上半年营收 163 亿美元,超过 2025 全年 46 亿美元的三倍,Q2 2026 首次实现 9.74 亿美元 GAAP 营业利润。

同一件事,精选收录的是《Anthropic 就拟议 IPO 向 SEC 递交 S-1 注册声明》
Anthropic 在纳斯达克完成 IPO,开盘后不久股价报 111.50 美元,较 83 美元的 IPO 定价高出 33%。此次发行预计募资超过 810 亿美元,加上既有融资和同步进行的新私募,公司预计将持有 2200 亿美元现金储备;按开盘价计算市值超过 2 万亿美元。CEO Dario Amodei 在开盘前讲话中强调公司对安全的承诺,称希望证明在安全上做正确选择与建成成功公司可以并存。

同一件事,精选收录的是《Anthropic CEO Dario Amodei 就公司 IPO 发表声明》
Anthropic 将 IPO 发行价定为每股 83 美元,高于 70 至 78 美元的初始区间,共售出约 9.8 亿股 A 类普通股,募资 813 亿美元,超过 SpaceX 今年 6 月创下的 750 亿美元纪录。
同一件事,精选收录的是《Anthropic 将 IPO 定价为每股 83 美元,预计明日登陆纳斯达克》
Anthropic 于周二确认 IPO 定价区间为每股 70.00 至 78.00 美元,按此计算估值最高达 1.4 万亿美元,并已申请以代码“ANT”在纳斯达克全球精选市场上市。据《华尔街日报》消息,其股票预计下周周四或周五开始交易;路透社指出,此前市场对此次 IPO 的估值预期曾高达 2 万亿美元。作为对比,其竞争对手 OpenAI 上周估值为 1.25 万亿美元。

同一件事,精选收录的是《Anthropic 启动 IPO 路演,每股 70 至 78 美元、目标估值最高 1.02 万亿美元》