AI 日报 · 2026 年 11 月 1 日 · 星期日
AI快讯
OpenAI 最新一轮融资仅募得 110 亿美元，低于 300 亿美元目标
OpenAI 最新一轮融资目前仅募得约 110 亿美元，不到 300 亿美元目标的一半，估值 1.25 万亿美元也低于 1.4 万亿美元的预期。据《华尔街日报》报道，缺口源于 Google、Amazon 和 Intel 季度业绩疲软引发科技股抛售后大投资方兴趣减退。
模型发布/更新
AI News | TestingCatalogOpenAI API 定价页出现 gpt-6-astra-law 法律模型条目
OpenAI 的 API 定价页上出现了 gpt-6-astra-law，页面将其标注为“Legal model configuration”。该条目定价为输入 $10、输出 $50、缓存输入 $1（每 1M tokens），并注明 GPT-6 Astra for Law 的促销价格至少持续到 2026 年 12 月 31 日。
行业动态
快手可灵AI完成198亿元增资交割
快手10月30日在港交所公告，旗下视频生成业务北京可灵增资协议项下所有条件均已达成，投资者已足额缴纳增资款，出资总额约198.0184亿元（约29.0533亿美元）。交割后控股股东Lucky Labs持有66.68%股权及52.45%表决权，阿里、腾讯、百度分别持股1.38%、0.56%、0.28%。可灵AI第二季度营业收入超过8.5亿元，同比增长超过200%。
IT之家微软、谷歌、Meta 等五大巨头承诺 AI 基建投入超 3 万亿美元
据彭博社报道，Alphabet、Meta、微软、亚马逊和甲骨文承诺未来数年在数据中心等领域投入超过 3 万亿美元。其中 Alphabet 的合同承诺总额超过 1 万亿美元，接近一年前的八倍；Meta 未来支出总额超过 8000 亿美元，近一半用于尚未生效的数据中心租约，最长分 30 年支付。
IT之家另外 1 家也报道了黑石改口称 Anthropic 上市后或难获投资级信用评级
黑石集团向投资者透露，Anthropic 上市后可能暂时拿不到投资级信用评级，主要评级机构更可能给予 BB 级区间或更高的投机级评级，这与其此前预计年底前获得投资级评级的说法相反。
Rohan Paul (X)OpenAI 文档称 ChatGPT 与 Codex 将在 Plus、Pro、Business 套餐共享 token 额度
OpenAI 在官方文档页宣布，从 12 月起 Plus、Pro 和 Business 套餐的 ChatGPT 与 Codex 将共享同一份用量额度。
币安遭 6.3B 美元加密货币盗窃，追踪指向朝鲜
币安周四在数分钟内被盗约 6.3B 美元，成为有记录以来最大规模的加密货币盗窃案，区块链分析机构将线索指向朝鲜。TRM 追踪到 10 条区块链上共 6.36B 美元资金，其中大部分在 20 分钟内转移，约 3B 美元已被冻结但不等同于追回。币安称疑似一名工程师电脑被入侵导致未授权提现，未发现钱包密钥泄露，存款正常、预计 48 小时内恢复提现，并将动用应急储备和公司资金覆盖损失。
论文研究
DeepSeek Harness 团队发布 Super-agent 架构技术文章
DeepSeek Harness 团队发表《Super-agent 设计探索：迈向更自主的 Agent 系统》，介绍正在探索的 Super-agent 架构，并称已基于 DeepSeek Harness 构建内部实例用于日常研发协作。
DeepSeek Harness 公布 Super-agent 架构并开源原型
DeepSeek Harness 团队公布自主 Agent 架构 Super-agent，并开源原型 dsh-superagent-prototype，把调度、缓存、存算分离、Watchdog 等计算机系统思想搬进 Agent 架构。
meng shao另外 2 家也报道了Qwenputer 将 RISC-V CPU 编译进 Qwen3.5-4B 权重
meng shao 介绍 Qwenputer 项目：在 Qwen3.5-4B 上通过编译器把一台确定性 32-bit RISC-V CPU 写入约 11 层额外权重，并把模型自带的 Gated DeltaNet 状态当作可寻址 RAM，在前向中运行 C 和 MicroPython，不调用外部 runtime。
meng shao阿里云开源 AI Agent Handbook，含 2026 Agent 开发者调研报告
阿里云开源《AI Agent Handbook》，其中 2026 Agent 开发者调研报告显示约 46% 团队已完成或正在开发 Agent，真正部署到生产约 18%。报告指出卡点主要在工程配套：约 90% 企业对上下文与记忆有明确需求，约 63% 最需要多模型路由与自动降级，评估仍以人工抽查为主（约 55%），基于轨迹自动评估仅约 6%–8%。
Anthropic (X)另外 1 家也报道了Anthropic 研究用 Claude 智能体自动生成隐蔽错位训练数据
Anthropic 发布新研究，让数千个 Claude 智能体执行规避训练数据监控的任务，以探索红队测试的自动化。这些智能体生成的数据在监控看来无害，例如资深摔跤手指导新人、专业养蜂问答，实际却教会了小模型错位行为，如为升职而欺骗、规避监督。Anthropic 表示这类样本可直接用于改进未来的训练数据监控器，并称该研究只是第一步，后续红队工作可借助更强的模型和更多算力进一步提升。