X AI 日报¶
1. AI 模型、产品与应用¶
Anthropic 开源 FlashProve：用 zkSNARK 证明“这句话确实出自这个模型”¶
发生了什么：Anthropic 11 月 3 日发布研究文章《Progress on provable inference for large language models》，推出可验证推理原型 FlashProve。思路是让模型提供方先对权重做一次承诺，之后每批回复附一份零知识证明，用户或审计方不需要权重、不需要 GPU，就能确认这段输出确实来自被承诺的那个模型，且证明不泄露权重。官方测例是 Llama 4 Maverick（400B 参数 MoE，4-bit 量化，每 token 激活约 17B）：单张 H100 的证明速度约 110 token/秒，每次 1024 token 请求的证明 18.78 MB，24 线程 CPU 校验 17 秒（单线程 21 秒），承诺文件约 6.5 MB。离线承诺一次约 39 分钟，同一份承诺可用约 1600 万次请求。代价是算力：每张 GPU 上证明 24 条请求，耗时约为 vLLM 处理同样 24 条请求的 72 倍（多次运行 66 至 77 倍），vLLM 满负载时约 94 倍。代码、Lean 形式化证明与文档按 Apache 2.0 开源，另附技术报告。
为什么值得关注：同一条赛道上此前的公开成绩是 VerInf 对同一模型 1000 token 要 14.3 小时、证明 93.6 GB、校验接近一天；FlashProve 把证明压到 MB 级、校验压到秒级，而且是纯软件方案，不依赖可信硬件。文章把用途写得很具体：监管方可以只验证明、不看权重就确认某段时间的流量确实跑在申报的模型上；安全评测方可以确认自己测的就是线上那一个；被入侵的推理服务器无法伪造证明。传播上，官方帖 19.2 万浏览、2756 赞、236 转发，零知识证明圈子跟进明显。
核心 X 原帖：@AnthropicAI 发布帖（11-04 04:10，19.2 万浏览、2756 赞、236 转发），合作方 @SuccinctLabs 的祝贺帖（11-03 23:26，1.1 万浏览、143 赞、26 转发）。
核验：110 token/秒、18.78 MB、17 秒校验、72 倍（66 至 77 倍）与 94 倍、39 分钟离线阶段、约 6.5 MB 承诺、Apache 2.0，逐项对照了 Anthropic 官方文章；仓库 anthropics/FlashProve 经 GitHub API 确认为 Apache-2.0、描述写着“A research prototype for zero-knowledge proofs of AI inference. Not maintained.”，截至 11-04 07:50 约 347 星。X 上有两处转述需要修正：@Prathkum 说“上次 14 小时、93 GB 证明，这次几秒、19 MB”，14.3 小时与 93.6 GB 确实出自官方对 VerInf 的描述，但“几秒”是校验时间，不是出证明的时间（24 条请求要 223 秒）；@bittingthembits 说的“约 72 倍 GPU 时间”与官方口径一致。官方自陈的限制也一并列出：证明只覆盖 1024 token 内的上下文、只针对 4-bit 权重的整数版模型与贪心解码，模型架构本身不隐藏，快速 C++ 校验器没有形式化保证。
判断：这是“能跑通的原型”，不是可上线的服务。开销仍接近两个数量级，且证明的是“整数版贪心解码”，与线上浮点、采样解码之间存在官方承认的偏差风险。它的价值在于把“可验证部署”从口号变成有具体数字、有 Lean 声明的工程产物，而不是立刻可用的合规工具。
OpenAI 把 ChatGPT 和 Codex 推进 CAD、PCB 与仿真：一台设备一周设计完，量产还得靠人¶
发生了什么：OpenAI 11 月 3 日发布研究文章，称 ChatGPT 和 Codex 正被用于机械设计、电子工程和仿真：改 CAD、画 PCB、出制造图纸、做设计评审。文中主例是两名员工用 GPT-6 Astra 设计一台用来和 Codex 对话的测试设备，外壳、内部结构、电路板布局、界面、固件全交给模型，一周内做完，合同制造商一个月内打出小批样机；OpenAI 把这个测试描述为“看能不能在没有任何人工直接修改的情况下做出一台设备”。但它同时承认，从设计文件到可量产仍要“数轮评审和迭代”，模型对制造商的工艺限制、公差和装配细节不可靠。其余数据：自今年 2 月起，OpenAI 硬件团队以 token 计的模型用量增长 23 倍；BenchCAD 2.0 上，一个未具名的内部新模型平均分 0.875，GPT-6 Astra 0.594。合作方面，与 Chip Ganassi Racing 的研发团队扩大合作，把现有零件的 3D 扫描转成可编辑 CAD 和二维制造图纸；新增与马自达的研究合作，方向是空气动力学与碰撞安全仿真。
为什么值得关注：这是编码智能体第一次被系统性推到“出错要付模具和流片成本”的环节。官方给的边界也很清楚：模型能在一周内做出设计，但从设计到能开模的部分仍由人承担。传播上，官方帖 41.4 万浏览、4101 赞、310 转发，是这几组素材里 OpenAI 主账号点赞最高的一条。
核心 X 原帖：@OpenAI 发布帖（11-04 02:56，41.4 万浏览、4101 赞、310 转发），行业转述见 @Sam_Badawi（11-04 03:18，5126 浏览、12 赞、3 转发）。
核验：设备四周内出样机、23 倍 token 增长、0.875 与 0.594 两个分数、Chip Ganassi Racing 与马自达的合作内容，对照了 OpenAI 官方文章（该页直接抓取返回 403，细节以 Runtimewire 的报道 和 CellCog 的逐项整理 为准，后者标注了 BenchCAD 2.0 公开榜：Astra 0.59、Claude Opus 5.5 0.57、单例成本 11.05 美元对 27.58 美元）。两处口径要注意：0.875 是 OpenAI 自报、模型未具名、也未出现在 BenchCAD 公开榜；官方文章的原话是“没有人工直接修改”地完成设计文件，不等于无人工参与地完成可量产的产品。
判断：值得记的是边界，不是分数。“一周出设计、一个月出样机”成立的前提是设计文件层面，公差、工艺、装配这三类工程知识仍要人补。把 0.875 当成下一代模型的实力证据为时过早，它连名字都没有。
OpenAI 下一轮安全冲刺拉外部公司进场，漏洞赏金上限抬到 17.2 万美元¶
发生了什么：OpenAI 11 月 2 日发两篇文章（X 上 11 月 3 日 10:29 发布），一边宣布下一轮内部安全冲刺与 Cathedral Systems 合作，由对方研究员用 OpenAI 的模型和 OpenAI 团队一起攻自己的系统；一边提高漏洞赏金：ChatGPT、Codex、API 平台这类核心产品的严重漏洞上限 3 万美元，含奖金的“特别发现”最高 17.2 万美元，中、高、严重三档赏金区间的中位数平均提高四倍以上。OpenAI 同时披露上一轮冲刺的做法：把 25% 的产品工程师投入找漏洞和修漏洞，用 Codex 调查线索、在隔离环境复现、起草补丁。赏金还加了质量系数、五级忠诚度加成、重点活动加成，并回溯补差：待审报告按新标准给，公告前 30 天已发的补到差额。
为什么值得关注：官方的理由很直白：“传统网络防御已经不够”。把四分之一的产品工程师拉去做安全，是组织层面的动作，不只是加钱。传播上，官方帖 74.3 万浏览、3351 赞、324 转发，在这批素材的官方帖中浏览数排第二。
核心 X 原帖：@OpenAI 发布帖（11-03 10:29，74.3 万浏览、3351 赞、324 转发），安全圈转述见 @alexmichael（11-03 10:37，1175 浏览、9 赞、1 转发）。
核验：17.2 万美元、四倍以上、25% 产品工程师、Cathedral 合作，都能在官方两篇文章里找到原文，见 安全冲刺公告 与 赏金调整公告，数字与例子的对照另见 CellCog 的整理。两处精度需要说明：“四倍以上”指的是中、高、严重三档赏金区间中位数的平均值，不是最高上限翻了四倍；17.2 万美元是“特别发现”档在 10 万美元基础值上叠加质量、活动、忠诚度系数后的结果，严重档本身的上限是 3 万美元。@busenur038 转述的“上一轮 25% 产品工程师”与官方一致，但该帖互动极低（7 浏览、0 赞）。
判断：这不是安全预算新闻，是“用自家模型攻自家系统”的流程开始固化的信号。四倍加价买到的是外部研究者的注意力，25% 工程师投入说明内部判断是能力已经够用、缺的是覆盖面。
OpenAI 自建 Git 后端 Pando：推送延迟降八成，每天近 1 PB¶
发生了什么：OpenAI 开发者账号 11 月 3 日 08:09 发帖介绍 Pando，为自家 monorepo 新写的 Git 后端，工程师和智能体的 Git 用法完全不变。效果是推送延迟降低约 80%，现在每天承载接近 1 PB 的 Git 数据；官方说法是“可以随智能体用量一起扩 Git 容量”。官方长文补了细节：Rust 写、10 周从立项到上线（4 月进生产），核心由一名工程师设计、实现由 Codex 智能体团队完成；改造前后端可靠性曾跌破 90%；Pando 放弃“全库所有分支同一时刻一致”和“为每个客户端现做 packfile”这两条常规假设，改为按分支独立协调、推送时边流式校验边写 blob 存储，缓存服务命中率超过 99%；季度提交量相当于 2024 年一季度的 1,378%，2026 年四季度预计 2,442%。Pando 本身不开源，只有部分 Git 客户端改进回馈上游。
为什么值得关注：这是“智能体把基础工具用爆”的第一个具体案例，比“提交量增长”更有信息量的是瓶颈位置，不是 Git 协议，是传统 Git 服务器的服务方式。传播上，这条 133.1 万浏览、6298 赞、494 转发，是这九组素材里互动最高的一条，且几乎没有争议性讨论。
核心 X 原帖：@OpenAIDevs 发布帖（11-03 08:09，133.1 万浏览、6298 赞、494 转发）。
核验：延迟降约 80%（约 5 倍）、近 1 PB/天、Rust、10 周、一名工程师设计核心、4 月进生产、可靠性跌破 90%、Express 缓存命中率 99% 以上、提交量 1,378% 与 2,442% 两个数字，对照了 OpenAI 官方文章（直接抓取被 403 拦，内容以 The New Stack 的报道 和 Interesting Engineering 的报道 为准）。两家转述一致：Pando 不开源；OpenAI 的说法是“正在研究把底层技术分享给用户的方式”。
判断：OpenAI 的选择是保留 Git 兼容、只换服务端，说明智能体产生的分支和提交量已经超出传统 Git 服务器的设计规模，瓶颈先出现在基础设施而不是协议。
OpenRouter 上线隐身模型 Crouton Alpha，OpenCode 上另有一个免费 Pulse Alpha¶
发生了什么：OpenRouter 11 月 4 日 04:17 上线隐身模型 Crouton Alpha，免费、100 万 token 上下文、支持文本、图像、音频、视频和文件输入，声明不用用户数据训练；OpenRouter 接口元数据里上下文为 1,048,576，推理强制开启、默认最高档。随后 opencode 发帖补充：该模型免费一周、多模态、限部分地区使用。同一周 OpenCode Zen 上还有另一个免费隐身模型 Pulse Alpha Free（100 万上下文、文本加图像输入），其模型页写明在欧盟、冰岛、列支敦士登、挪威、古巴、伊朗、朝鲜、俄罗斯、乌克兰、委内瑞拉不可用，并说明免费期内收集的数据可能被保留用于改进模型。
为什么值得关注：隐身发布是大版本前的常见做法：用一个不带厂商名的模型收真实流量和反馈，同时不背发布承诺。两个免费、百万级上下文的模型同时在线，等于把“这是谁家的”变成公开竞猜：中文圈有人拿词表、视觉编码器的 token 计算公式、报错文案做指纹比对，声称排除所有已知厂商；也有人用低多边形小马生成测试判定它不是旗舰模型。这些结论互相矛盾，且都建立在模型自述和错误信息上。传播上，opencode 帖 10.0 万浏览、2046 赞，OpenRouter 帖 5.8 万浏览、826 赞。
核心 X 原帖：@OpenRouter 上线帖（11-04 04:17，5.8 万浏览、826 赞、37 转发），@opencode 的补充帖（11-04 04:37，10.0 万浏览、2046 赞、60 转发）；中文侧的指纹分析见 @mylifcc（11-04 07:01，465 浏览、2 赞）。
核验：OpenRouter 模型页 与公开接口元数据确认了免费、1,048,576 上下文、输入模态为文本加图像、视频、音频、文件、推理强制开启，以及“当前不提供欧盟区域内路由”；OpenCode 模型文档 确认 Pulse Alpha Free 是限时免费隐身模型、地区限制名单、免费期数据可能被保留用于改进。未能核实的有：Crouton Alpha 的归属、参数量与实际输出上限（X 上有输出上限 270K 的说法，而接口的 max_completion_tokens 字段为 943,718，两者不符）、它与 Pulse Alpha 是否同源；X 上关于具体厂商的指认均无官方或报道支撑。
判断：这条的价值是观察方法而不是结论。隐身模型的身份只能等官方认领；用词表和报错文案做的排除法可以作为线索，但不足以定名，尤其当厂商可以按地区、按批次换后端。
Pruna 把 MiniMax 的视频模型改成开源图像模型 P-H3-Image，显存门槛降到 21 GB¶
发生了什么：Pruna 11 月 4 日 01:01 开源 P-H3-Image，一个从 MiniMax-H3 视频模型改出来的图像生成与编辑模型。效率上是 8 步采样（原 50 步）：单张 B200 上 4MP 只要 2.6 秒（原 12.4 秒），8MP 5.8 秒（原 30.6 秒）；最小权重集 20 GB（原 143 GB），8MP 下 4-bit 峰值显存约 21 GB。改动覆盖全链路：基于 Qwen3.5-9B 的提示词放大器、由 32B 蒸馏到 4B 的文本编码器（67 GB 降到 9 GB）、面向图像重调的扩散调度、从 33B 压到 20B 的 transformer 主干、以及重训的单帧解码器。能力上支持 2 至 16 MP 渲染、最多 8 张参考图合成与编辑（博客正文另一处写 9 张），强项是纪实与编辑类摄影、人像皮肤质感、电影剧照和带短引文的平面设计；短板是手部、背景小人、密集小字。许可证是 MiniMax H3 Community License，明确排除欧盟、英国、韩国和美国。
为什么值得关注：拿视频模型当图像底座是这一轮开源图像模型里少见的路线，理由也说得通，视频模型为了帧间一致，本来就得学材质、光照和物体转面。真正的变化在门槛：143 GB 降到 20 GB，8MP 在 21 GB 显存里跑得动，24 GB 消费卡第一次进入可用区间。传播上，官方帖 4.4 万浏览、784 赞、89 转发；ComfyUI 当日宣布原生支持。
核心 X 原帖：@PrunaAI 发布帖（11-04 01:01，4.4 万浏览、784 赞、89 转发），@ComfyUI 的支持公告（11-04 05:53，5477 浏览、128 赞、8 转发）。
核验：2.6 秒对 12.4 秒（4MP、B200、8 步对 50 步）、5.8 秒对 30.6 秒（8MP）、20 GB 对 143 GB、8MP 4-bit 21 GB、4B 文本编码器、许可证排除欧盟/英国/韩国/美国、需标注“Powered by MiniMax H3”，逐项对照了 Pruna 官方技术文章 与 Hugging Face 模型卡；模型卡另写明 bf16 8MP 需约 101 GB 显存（H200/B200 级别），带卸载约 80 GB。参考图数量两处口径不一（官方帖与博客一处写 8 张，博客另一处写 9 张）。中文转述里 @ShenfuX 的“标准 diffusers 管线约 76 GB”（11-04 06:04，43 浏览）与模型卡的 80 GB 卸载值接近但不一致，以模型卡为准；“快 5 倍”只在单张 B200、4MP、8 步对 50 步的条件下成立，不能直接套到消费级显卡。
判断：这是“把大模型压小”的典型案例，值得记的是压缩路线而非速度倍数：把 32B 文本编码器蒸到 4B、把 transformer 里占四成的时间步模块换掉，这些改动不依赖特定硬件。许可证排除四个主要市场，会实质限制它在这些地区的商用采用。
2. AI 算力与产业¶
The Information：Anthropic 向 IPO 投资人推销“用 Claude 设计芯片”¶
发生了什么：The Information 11 月 3 日报道，标题为《Anthropic Touts Claude's Chip Design Skills to IPO Investors》。报道称，Anthropic 在最近面向潜在 IPO 投资人的沟通中表示，新组建的 15 人芯片设计团队已经在用 Claude 做自研芯片的工程与设计工作；这些芯片用于训练和运行 Claude。报道援引四名知情人士，并称工程师以英伟达、AMD 的传统芯片设计流程为参照，估算节省的时间。X 上的转述进一步写成“比英伟达或 AMD 更快”。作为背景，OpenAI 走的是另一条已落地路径：6 月 24 日与博通联合发布代号 Jalapeño 的自研推理芯片。
为什么值得关注：模型公司开始把“用自家模型压缩芯片设计周期”当作对投资人的卖点，说明自研硅已经进入可讲故事的阶段；同时这也是把“模型能力”直接折算成硬件研发效率的少数公开案例。传播上，@kimmonismus 的转述帖 互动最高，@bearlyai 的长帖 把英伟达首席科学家 Bill Dally 在 GTC 上讲过的内部用法一并列出，属于背景补充而非本条报道内容。
核心 X 原帖：@kimmonismus 的转述（11-04 02:23，4.9 万浏览、754 赞、25 转发），原报道标题的搬运帖（11-03 22:04，3.7 万浏览、17 赞、2 转发），背景补充长帖（11-04 02:44，1.9 万浏览、52 赞、7 转发）。
核验：报道标题、15 人团队、四名信源、IPO 语境，对照了 The Information 原文页（付费墙，正文未能看到，仅有标题与摘要）与二手转述：AI Weekly 的摘要、Investing.com 的报道。需要标注的是：正文未读到，“以英伟达和 AMD 为参照估算节省时间”来自二手转述，“比英伟达或 AMD 更快”是转述再加工后的说法，报道原文并未这样写；Anthropic 未就此公开发布材料，也没有给出任何量化数字。Jalapeño 的代号与发布时间对照了 CNBC 的报道。
判断：这条的信息量在“讲故事的对象是投资人”，不在“15 人团队”。15 人做不出先进制程芯片，能做出的是定制加速器的架构探索与验证；把它读成“Anthropic 要造 GPU”会高估，读成“自研硅开始进入 IPO 叙事”更准确。
3. 中文 AI 生态¶
腾讯混元 Hy4 正式版仍在预热：官方只发了一段“4 Real Productivity”，参数与视觉能力目前只有泄露文档¶
发生了什么：腾讯混元官方账号 11 月 3 日 20:15 发了一条只有“4 Real Productivity”加一段视频的预热帖，22.9 万浏览、2021 赞、127 转发。截至北京时间 11 月 4 日 07:50，Hy4 正式版尚未正式发布：没有官方发布稿、没有模型页更新，腾讯的口径仍是“即将上线”。可核实的官方时间线是：8 月 28 日发布并开源 Hy4 preview；10 月 29 日腾讯全球数字生态大会上，集团高级执行副总裁汤道生称 Hy4 正式版即将发布，首次为该系列引入视觉理解，重点强化长程任务与真实生产力，并提高思维链效率，主打性价比的 Hy4-Flash 随后跟进。中文圈的规格细节来自一份已关闭的文档 PR：11 月 2 日有人在 vLLM-Ascend 仓库提交“Add Hy4 deployment guide”，文档写 770B 总参数、每 token 激活 49B、78 层、每层 256 个路由专家取 top-8、另带约 10B 原生 MTP 层（激活约 0.7B），并写明参数统计“不含视觉组件”，还附了 HallusionBench 多模态评测（1129 题，178 题纯文本、951 题带图）。该 PR 于 11 月 3 日 11:09（UTC）被关闭、未合并。
为什么值得关注：乌镇峰会 11 月 2 日至 5 日在乌镇举行，11 月 3 日开幕，AI 相关分论坛排在 11 月 4 日全天，社区的发布预期都压在这几天。视觉理解是混元这一支第一次补上的模态，也是它从“开源第一梯队”往多模态走的关键一步。
核心 X 原帖：@TencentHunyuan 预热帖（11-03 20:15，22.9 万浏览、2021 赞、127 转发）；泄露整理见 @NFT_Chen（11-03 02:38，1.4 万浏览、54 赞、7 转发）与其后续帖（11-03 20:44，1.0 万浏览、81 赞、6 转发），另有 @leo114119 关于峰会时点的推测（11-03 20:51，3101 浏览、35 赞）。
核验：官方预热帖、10 月 29 日汤道生的发布口径，对照了 动点科技的报道；Hy4 preview 于 8 月 28 日发布并开源，见 IT 之家的报道 与官方 Hy4 preview 页面；乌镇峰会 11 月 2 日至 5 日、11 月 3 日开幕，见 人民网 与 新华网 的会前发布。文档 PR 的存在、内容与关闭状态，经 GitHub PR #20671 与仓库接口确认为“11 月 2 日提交、11 月 3 日关闭、未合并”，文档正文确有 770B／49B／78 层／256 专家／10B MTP 与 HallusionBench 段落。必须标注的是：该 PR 由社区开发者提交，不是腾讯官方文档，参数与视觉能力属于来源说法，腾讯未确认；X 上“PR 被管理员火速关闭灭口”的说法没有依据，关闭原因未见说明。
判断：预热是真的，规格目前没有官方背书。在正式发布之前，770B／49B、视觉能力、发布时间都只能按“泄露与转述”处理；峰会期间发不发，也不是任何一方公开承诺过的事。
QuestMobile 秋季报告：豆包赢在频次，DeepSeek 赢在时长，两边环比反向¶
发生了什么：QuestMobile 11 月 3 日发布《中国移动互联网 2026 年秋季大报告》。AI 应用部分是人均口径：2026 年 9 月，豆包月人均使用 72.0 次、132.5 分钟，DeepSeek 65.9 次、136.7 分钟，明显领先其余产品；环比方向上两者背离，豆包次数和时长分别下降 6.1%、7.8%，DeepSeek 分别上升 5.8%、9.5%。同一批数据里，元宝 38.7 次、78.6 分钟，Kimi 26.2 次，文心 16.2 次。报告自己的判断是“入口大战接近尾声”，竞争从跑马圈地转向高频交互的用户经营。全站口径为月活 12.81 亿（同比 +0.9%）、月人均使用 189.8 小时（同比 +6.5%）。同一天同一份报告里还有一条相关结果：红果免费短剧以 4.3 亿去重用户超过豆包。
为什么值得关注：频次和时长衡量的分别是打开频率与停留深度，跟安装量、月活不是一套算法，也不反映获客能力，报告特意强调了这一点。把两者并排看，才看得出“入口型”和“工具型”的分野：豆包靠高频打开，DeepSeek 靠单次更长。传播上，中文 X 上的解读帖互动都不高，@NFT_Chen 的整理（11-03 19:20）5487 浏览、24 赞、4 转发，@chenYijl 关于千问月活的解读（11-04 03:20）206 浏览、3 赞。
核心 X 原帖：@NFT_Chen 的数据整理（11-03 19:20，5487 浏览、24 赞、4 转发），@xiax0603 的补充（11-03 20:52，924 浏览、11 赞、3 转发）。
核验：72.0／65.9 次、132.5／136.7 分钟与四个环比数字，对照了 21 财经转引财联社的报道（发布时间 11-03 18:16），“入口大战接近尾声”是该报道引用的报告原话；元宝 38.7 次／78.6 分钟、Kimi 26.2 次、文心 16.2 次，见 北京商报的报道；12.81 亿月活与 189.8 小时、红果 4.3 亿去重用户超过豆包，见 澎湃新闻的报道。QuestMobile 官网报告页直接抓取返回 403，未能读到原报告，以上均以转载为准。两处需要分开：千问 17.8 次、22.7 分钟与 Kimi 42.8 分钟这两个数字只出现在 X 转述中，公开报道未见，未能核实；4.19 亿／1.58 亿／1.23 亿的 9 月 AI 原生 App 月活榜是 QuestMobile 10 月 20 日单独发布的榜单，不属于 11 月 3 日这份报告，@chenYijl 引用的千问同比 +5077% 出自那份榜单（公开报道写 5076.6%）。
判断：单看次数会说豆包赢，单看时长会说 DeepSeek 赢，两个都对，但都不是“谁更强”的答案。更值得注意的是环比方向：份额最大的那家在降，第二名在升。至于“补贴退坡导致回落”这类解释，属于转述者的推断，报告里没有这层因果。
覆盖说明：The Information 正文在付费墙后、QuestMobile 原报告页无法直接读取，OpenAI 官网文章以多家转载交叉核对，相关条目均已标注。