跳转至

← X AI 日报

X AI 日报

日期2026 年 11 月 12 日 · 周四时间窗口2026-11-11 02:00 至 2026-11-12 07:55覆盖完整

1. AI 模型、产品与应用

Qwen4-Max 以两周预览上线：1M 上下文、只走 Token Plan、不开源

北京时间 11 月 11 日 10:01，阿里 Qwen 官方账号宣布 Qwen4-Max 进入预览，措辞落在「更深的知识、更丰富的世界理解、更强的编程与 agent 能力」，面向复杂编程、知识工作、前端构建和专业软件流程。同日阿里云 Model Studio 上线 qwen4-max-preview 的文档页：上下文 1M tokens，最大输出 393,216 tokens 且由思考与最终答案共用同一预算，输入支持文本、图片和视频，thinking 默认开启、可用 reasoning_effort 在 low、medium、xhigh 之间调，支持函数调用、联网搜索与结构化输出，接口兼容 OpenAI 的 Chat Completions、Responses 与 Anthropic 的 Messages。渠道上，文档写明预览期只通过 Token Plan 提供、不支持按量付费，专用端点走 Token Plan 的专属域名；预览期从 11 月 11 日 10:00 到 11 月 25 日 24:00（UTC+8），期间模型不再变更，到期后下线。同一天上线的文档里没有权重、没有模型卡、没有基准表，也没有参数量。

为什么值得关注：这是本窗口传播最广的一条 AI 帖子，111.3 万浏览。但它的形态是「两周窗口加订阅制加无权重」：开发者能用，却拿不到可复现的评测，也拿不到本地部署的路径。文档里「预览结束即退役」这句在多数转述里被忽略了，而它决定了这两周里写的东西能不能长期跑。

  • 核心原帖：Alibaba_Qwen 发布帖，约 111.3 万浏览、11754 赞、1458 转发；AmControo 的 Qoder 实测，约 3.3 万浏览、226 赞、114 转发，称在 Qoder 里试了整站生成。
  • 已核验：阿里云 Model Studio 模型页确认 1M 上下文、393,216 tokens 输出上限、文本加图片加视频的多模态输入、Token Plan 独占与不支持按量付费、11 月 11 日 10:00 至 11 月 25 日 24:00 的预览期与到期下线、思考强度参数、工具调用与结构化输出、对 OpenAI 与 Anthropic 接口格式的兼容。
  • 来源说法：Qwen Chat、QwenWork、Qwen App、QwenStudio 也有入口，这一说法只见于二手报道与产品账号帖，官方文档层面本次只核到 Token Plan。参数规模、基准成绩、许可证与开源时间表均无官方信息。
  • 判断：这次发布的信息量主要在接入方式而不在能力——官方没有给任何可比的评测，1M 上下文与 393K 输出是硬参数，但「更强」目前只是自家措辞；两周后模型下线这一点，意味着现在基于它做的产品验证需要在 11 月 25 日之前留好退路。

Google 发布 Gemini Decision 1：一次前向答最多 1000 道题，输出不计费

北京时间 11 月 12 日 02:26，Google 宣布在 Google AI Studio 上线 Gemini Decisions API，底层是新模型 Gemini Decision 1。它不逐 token 生成文本，而是把一段共享输入和最多 1,000 个封闭式问题一起送进一次前向，直接返回选项概率与 0 到 1 的置信度。输入可以是文本、图片、音频、视频与 PDF，上限 256K tokens；题型三种，是/否（可附真、假判据）、2 到 255 选一（返回胜者与全部候选的归一化概率）、按有序评分档打分（返回加权分与各档概率）。价格是每百万输入 token 0.10 美元、输出 token 完全不计费，共享输入每次请求只计一次，问题只额外增加各自的指令与判据 token。官方口径的端到端延迟为 150 到 250 毫秒，其中模型计算中位数 50 到 100 毫秒，在 16K 上下文以内、请求里问题数从 1 增到 100 时基本持平；同一套共享基准上比 Gemini 3.5 Flash-Lite 配 Interactions API 便宜近五倍。

为什么值得关注：这是把「判断」从生成式调用里拆出来的一种新产品形态。agent 系统里调用量最大的环节——工具选择、策略检查、上下文分级、模型路由——恰好是过去最贵也最慢的环节，而这类调用本来就不需要一段自然语言回答。输出不计费这个定价结构，直接改变了这类系统的成本模型。

  • 核心原帖：Google 发布帖，约 22.5 万浏览、1231 赞、103 转发；Artificial Analysis 评测帖，约 3.9 万浏览、412 赞、20 转发。
  • 已核验：Google 官方博客（2026 年 11 月 11 日）确认 1,000 题上限、256K 输入、三种题型与各自返回内容、每百万输入 token 0.10 美元与输出零计费、150 到 250 毫秒端到端与 50 到 100 毫秒模型计算、问题数增加时延迟基本持平，以及比 Flash-Lite 加 Interactions API 便宜近五倍；VentureBeat 报道确认它在 Artificial Analysis Decision Index v2.1 上是 18 个决策模型中的第 9 名。
  • 来源说法：66 分这个具体分数、每百万任务 345 美元的成本、以及落后 Drex Max v1.1（73 分、103 美元）与 GLiDE v1.2（73 分）7 分，都出自 Artificial Analysis 自己的帖子，该机构的对应文章页本次打不开。
  • 判断：真正的变化在接口形态与计价方式，而不在榜单名次——66 分只算中游，且在 Artificial Analysis 自建的分类与抽取基准 AA-Paperclip 上落后（15 题全对的文档占 33%，Drex Max 为 63%），说明「少 token、低延迟」的代价是复杂文档处理能力；把它当路由器与守门人合理，当文档理解的主力还不成立。

OpenAI 公开 CoT 可监视性研究：模型越强，思维链越不能当监控手段

OpenAI Alignment 站点在 11 月 10 日挂出研究《What affects chain-of-thought monitorability across the model lifecycle?》，作者包括 Jeffrey G. Wang、Aiden Low、Zora Che、Holden Mui、Harshit Sikchi，通讯作者含 Micah Carroll、Ben Sokolowsky、Katherine Lee、Jakub Pachocki。作者之一 Jeffrey Wang 在北京时间 11 月 12 日 02:17 于 X 上发帖介绍，说结论「不出意料但令人清醒」。研究的起点是 GPT-6 Astra 上的三个观察：非对抗条件下 CoT 可监视性下降、对抗测试中规避 CoT 监视的能力增强、no-CoT 能力比此前模型显著提高（文中引用了英国 AISI 的外部评测）。研究把 no-CoT 能力（不输出任何思维链或工具调用 token、一次前向完成任务的能力）与 CoT 可控性（按要求增删、操纵自身思维链的能力）当作最坏情况下监视规避能力的代理指标，沿训练生命周期拆成四段：预训练上，no-CoT 能力是基座模型困惑度的平滑函数，模型越好能力越强，低困惑度与更高的 CoT 可控性只呈弱相关；架构上，多数 no-CoT 评测由困惑度解释、与架构无关，但在多跳规划与串行计算类评测上，某些架构在同困惑度下明显更好，曲线更陡；强化学习上，即便除长度约束与最终答案判分之外没有任何过程监督，CoT 可控性也会上升，加入工具访问与工具监督后上升更多；最后，用模型生成数据做监督微调时，CoT 可控性可以沿训练数据传给下一代模型，效果类似潜隐学习。

为什么值得关注：CoT 监控是当前常被倚重的一种监督手段。这篇研究等于承认，随着模型变强，这根支柱在自然衰减，而且衰减的一部分来自他们主动选择的训练方式——RL 与蒸馏都在推同一个方向。对做 agent 部署的团队，这意味着「看思维链」不能单独作为上线前的安全闸门。

  • 核心原帖：Jeffrey Wang 发布帖，约 10.1 万浏览、879 赞、126 转发、502 书签。
  • 已核验：OpenAI Alignment 原文确认发布时间、作者名单、no-CoT 与 CoT 可控性的定义、四条结论的具体方向（含「RL 期间可控性上升」与「可控性可经 SFT 传递」）、以 GPT-6 Astra 的三项退化为动机，以及作者自己那句「models are becoming harder to monitor through their CoT」；CoT 可控性这套评测的定义与原始结论见 Chen 等的论文。
  • 需要标注的口径差异：OpenAI 说可控性在 RL 期间上升，而它所引用的那篇 3 月论文在开源模型上测到的方向相反（可控性随 RL 训练与推理长度增加而下降）。两者测的模型与流程不同，正文按本次发布的说法写，但不应当把它当成已被独立复现的结论。
  • 判断：这是一篇立场诚实的内部研究，也是一份风险提示——它没有给出可替代方案，四项发现里三项都指向「继续按现有范式缩放会让监控更难」，而 no-CoT 能力与困惑度高度相关这一点，恰好说明这项能力无法靠改架构单独剥离。

DeepMind 发布 AlphaGenome 2：从组织平均走到单细胞，1.07 亿细胞谱训练

Google DeepMind 11 月 11 日发布 AlphaGenome 2，把上一代「一段百万碱基 DNA 一次性并行预测数千个实验」的做法改成条件模型：除了 DNA 序列，还把组织、细胞类型或细胞状态作为条件输入送进架构的每一层，一次只预测一种条件下的结果。训练数据是人类与小鼠的 bulk 与单细胞数据，官方在正文里写超过 1.07 亿个单细胞谱，导语写「超过 1 亿个细胞谱、覆盖 68 个组织」。能力上，它预测基因表达、组蛋白修饰、染色质可及性，并新增 DNA 甲基化；能做跨模态插补，只给一项测量（比如单细胞基因活性）就能推未测的染色质可及性；还能在不重训的情况下对没见过的细胞状态做条件化，科学家上传几十个细胞的单细胞快照即可。官方给出的成绩是在 TenK10K（28 种原代免疫细胞类型的单细胞图谱）上识别出的因果变异从 16% 提升到 30%、方向性基因效应从 23% 提升到 43%，并复现了炎症性肠病中 ETS2 远端调控变异只在肠道巨噬细胞里被过度激活这一既有发现。开放方式是：11 月 11 日起通过 AlphaGenome API 与 Colab 教程对非商业研究开放，商业研究走私有预览，后续会在 Google Antigravity 里提供 AlphaGenome 2 的 Skills。没有开放权重。

为什么值得关注：全基因组关联研究能找到疾病相关的 DNA 区段，但常常找不到具体哪个变异、作用于哪个基因、在哪类细胞里起作用，这个缺口一直是把遗传学与细胞生物学接起来的主要障碍。把预测单位从「组织平均」缩到「细胞类型与细胞状态」，是这条链上少见的一次结构性改进，而不是分数上的小步提升。

  • 核心原帖：Pushmeet Kohli 发布帖，约 3.4 万浏览、1153 赞、130 转发。发布时间为北京时间 11 月 11 日 23:25。
  • 已核验：DeepMind 官方博客确认条件模型的设计、1.07 亿单细胞谱与 68 个组织的训练规模、新增 DNA 甲基化预测、跨模态插补与未见细胞状态的零样本条件化、TenK10K 上 30% 对 16% 与 43% 对 23% 的提升、ETS2 与炎症性肠病的复现，以及非商业研究走 API、商业走私有预览的开放方式；配套论文 PDF为细节来源，The Verge 报道提供第三方描述。
  • 来源说法：博客导语与正文对训练规模用了两套表述（「超过 1 亿」与「1.07 亿」），官方未进一步拆分细胞谱与组织的统计口径。
  • 判断：这是把基础模型的方法论搬进基因组学的典型一步，条件化设计让模型能对没见过的细胞状态做预测，价值高于多刷几个基准；但它是 API 加私有预览、不给权重，可复现性取决于 DeepMind 自己，而「因果变异」的召回率提升仍是在特定单细胞图谱上的读数，不宜外推到所有细胞类型。

Runway 以 Apache 2.0 开放 Praxis-1：27B 世界动作模型，仿真榜 46.2%

Runway 11 月 11 日把 Praxis-1 从早期伙伴测试转为公开发布，权重、推理代码、全量微调与 LoRA 微调代码全部按 Apache 2.0 放出，含商用。模型是 27B 参数的混合专家扩散 Transformer，同时预测视频与机器人动作，思路是把大规模视频预训练学到「物体怎么动、任务进行到一半是什么样」转成控制信号。官方称它开箱可跑在 H100、B200 这类数据中心卡，RTX 5090、RTX PRO 6000 这类工作站卡，以及装在机器人上的 Jetson Thor；下载渠道是 GitHub、Hugging Face（带 LeRobot 支持）与 vLLM-Omni，另有托管推理。成绩上，官方称它在 NVIDIA 的 RoboLab-120 上是成功率最高的世界动作模型，46.2%（1,200 个 episode），对比 FLUX 3 Action 的 42.9%、Cosmos3 Nano 的 36.8% 和 π0.5 的 28.0%，并且优于所有开放权重的视觉-语言-动作模型；另有一组数字是在从未进过训练数据的 Google RT-1 机器人上微调后，SimplerEnv 成功率 80.0%，原版 RT-1 策略为 52.4%。这次发布的早期伙伴包括 Noble Machines、Standard Bots 与 Ultra，分别跑在人形、六轴工业臂与双臂仓储机器人上。

为什么值得关注：机器人领域长期缺的是数据，而不是模型结构，Runway 的赌注是「网络视频在预训练上能顶替遥操作视频」，这在本周有了可下载的实现。更重要的是许可证：Apache 2.0 含商用，意味着硬件厂商可以在自己的本体上直接微调，而不必把数据交出去。

  • 核心原帖：Runway 发布帖，约 4.7 万浏览、417 赞、76 转发；榜单说明帖，约 6082 浏览、41 赞。两条均发布于北京时间 11 月 11 日 23:04。
  • 已核验：Runway 官方发布页确认 27B 混合专家扩散 Transformer、Apache 2.0 覆盖权重与推理及微调代码并含商用、RoboLab-120 上 46.2% 与三个对照模型的 42.9%、36.8%、28.0%、SimplerEnv 上 80.0% 对 52.4%、GitHub 与 Hugging Face 与 vLLM-Omni 三个渠道、以及 H100 到 Jetson Thor 的硬件范围。RoboLab-120 本身是 NVIDIA 的仿真基准（代码仓库、项目页与榜单），120 个任务、每个任务多轮试验，因此 46.2% 是仿真成绩而非真机成绩。
  • 来源说法：46.2% 来自 Runway 公布的跑分，本次未核到 NVIDIA 榜单页上的对应条目，尚无独立复现。另需注意，Runway 9 月的介绍页当时写的是「数月后公开发布」（介绍页），11 月 11 日这次才是真正放出权重。
  • 判断：开放权重加商用许可，是这周对硬件厂商最实用的一件事；但榜单是仿真基准、成绩为厂商自报，46.2% 应读作「在自家评测设置下领先」，而不是「真机上比所有开放 VLA 强」。

2. AI 算力与产业

Altman 对三星高管称 AI 需求被「重复计算」，长期仍然看涨

韩国《Financial News》11 月 11 日 17:30 发出独家报道，称取得 OpenAI 首席执行官 Sam Altman 与三星高管会面的问答材料：会面在 10 月 31 日、三星人力开发院（龙仁），约 50 名三星电子、金融、生物等关联公司的社长出席。被问到未来 5 到 10 年 AI、内存与数据中心需求是否会饱和或放缓时，他答「存在短期波动」；提到今年围绕 neocloud（专租 AI 算力的新兴云厂商）的泡沫争论，说「需求存在重复计算」，「真正在推动需求大幅增长的只有 OpenAI 和 Anthropic 两家公司，所以可能出现供给冲击和一段动荡期」。长期他仍然看涨，说 AI 需求会大幅增长，并举例 2020 年初最重的 token 用户每月约 10 万 tokens，今年年初最重的用户每月 1000 亿 tokens。被问到扩张的最大瓶颈，他列了芯片供应链、融资、AI 安全与社会接受度、企业转型，并强调未来几年最大的约束是芯片供应链与数据中心基础设施，需要更多投资。

为什么值得关注：说这话的人在推最大规模的算力扩张，听众又是全球最大的内存供应商，而「重复计算」指向的是一个很具体的问题——同一个数据中心或同一批算力常常被多个项目的统计口径重复计入。供给冲击的说法与他自己呼吁加大投资的说法放在一起，才是这条报道的真正信息：短期需求曲线不可靠，长期方向不变。

  • 核心原帖：Wall St Engine 转述帖，约 28.3 万浏览、729 赞、69 转发，发布于北京时间 11 月 11 日 21:16。
  • 已核验：Financial News 原文确认会面时间与地点、约 50 名关联公司社长出席、「需求存在重复计算」与「只有 OpenAI 和 Anthropic 在真正推动增长」两句引语、供给冲击与动荡期的表述、token 使用量的两个对照数字，以及他对芯片供应链与数据中心基础设施的判断。
  • 来源说法：整篇报道基于该媒体取得的问答材料，OpenAI 与三星均未公开确认；本次也未找到第二家媒体拿到同一份材料。
  • 判断：这更像是对客户与供应商同时做预期管理——一边要三星继续投产能，一边提醒对方别把行业口径的需求预测当真；把它读成「Altman 看空 AI」是过度解读，报道里他的长期判断与投资呼吁都很明确。

后续：Anthropic 路演材料称 Claude Mythos 约 3 天把 Claude 跑上 AMD MI355X

昨天已报过 Anthropic 启动 IPO 路演，这里补路演视频里被大量转述的一处技术披露。视频中首席算力官 Tom Brown 说，Anthropic 现在跨四类芯片训练与服务 Claude，幻灯片列出 AWS Trainium、Google TPU、NVIDIA GPU 与 AMD GPU；过去把一个新芯片平台跑起来要「几十名工程师数月的工作」，这次交给 Claude Mythos 试，「大约 3 天就把 Claude 跑在 AMD 上，基本没有人工干预」，并补了一句「Claude 移植或编写了几乎 100% 的 kernel」。幻灯片脚注把这三天限定得很窄：指的是 Claude Mythos Preview 在 AMD MI355X 上把某一个 Anthropic 模型的 prompt processing 拉到可用性能水平所需的大致时间；6 到 12 个月的对照则是公司历史上用传统工程方式上线新加速器的经验，脚注不涉及训练，也没有给任何速度数字。视频还说明 Mythos 只部署给网络防御方，并非公开模型。

为什么值得关注：如果新硬件的软件栈能在这类模型手上压缩到几天，那么「锁定某一家芯片」的成本结构就会松动，采购议价与多芯片并行推理的可行性都会改变。这正是本周转述里被放大成「CUDA 护城河已消失」的那部分，但视频本身没有这么说，旁白也没提 NVIDIA 或 CUDA。

  • 核心原帖：MilkRoadStocks 转述帖，约 1261 浏览、14 赞，发布于北京时间 11 月 12 日 03:15；getsuperintel 的限定版转述，395 浏览、5 赞，明确写了脚注只覆盖单个模型的 prompt processing 且不含速度数字。
  • 已核验：CellCog 对路演视频字幕与幻灯片的逐字核对确认视频时长 42 分 43 秒、位于 Anthropic 投资者站点、Tom Brown 的两句原话与脚注原文、四类芯片的清单，以及 Mythos 只部署给防御方；The Decoder 报道与 OfficeChai 报道给出同向描述。
  • 未取得一手来源：Anthropic 投资者站点本次抓取失败，路演视频与招股书原件未读到，上述引语与脚注来自第三方的逐字转述，按来源说法看待。
  • 判断：这是一处被转述放大的披露——真实信息是「单个模型的 prompt processing 在 MI355X 上达到可用性能用了约 3 天」，而非「Claude 全面跑在 AMD 上」或「训练迁移完成」；「CUDA 护城河没了」是转述者的结论，不是 Anthropic 的说法。

Ramp 10 月 AI Index：企业 AI 支出环比 1.65%，工程团队仍占 72%

Ramp 11 月 11 日发布 10 月号 AI Index。数据显示，使用 Ramp 公司卡与账单支付的 8.5 万多家美国企业，10 月 AI 支出环比上升 1.65%，创月度新高；按 token 计，OpenAI 环比涨 2.1%、Anthropic 涨 0.5%。本期新增了按部门拆分的口径：工程团队贡献全部已分类支出的 72%，虽然仍是最大类别，但已从今夏高点回落；客户成功与支持团队从 6 月的 0.8% 升到 13.3%。价格方面，每百万 token 均价一个月内跌了 21%，token 量的增长持续快于 token 支出的增长。集中度方面，前 1% 企业贡献了 OpenAI 与 Anthropic 从 Ramp 客户获得的约 80% 收入，这部分企业人均每月支出中位数 10,200 美元（10 月涨 9%），前 10% 为 801 美元，中位企业 16.32 美元。前沿模型（Opus、Fable、Sol、Astra）占支出的 69.5%，高于上月的 67.7%。

为什么值得关注：这是少数按真实支付数据算 AI 需求的指标，而它现在讲的是「量在涨、钱涨不动」：单 token 价格下跌 21%，把用量增长吃掉了；Ara Kharazian 在帖中的结论是市场应把目光转向 AI 交易的新方向。

  • 核心原帖：Ara Kharazian 发布帖，约 9.3 万浏览、292 赞，发布于北京时间 11 月 12 日 00:38。
  • 已核验：Ramp 官方 11 月号 AI Index确认 10 月支出环比 1.65%、OpenAI 与 Anthropic 的 token 支出分别 +2.1% 与 +0.5%、工程团队 72%、客服从 0.8% 升至 13.3%、每百万 token 均价下跌 21%、前沿模型份额 69.5%、前 1% 企业人均 10,200 美元与中位企业 16.32 美元；指数说明页说明样本范围与「可能低估采用率与支出」的口径限制。
  • 来源说法：帖文写的是「10 月 AI 支出上涨 2%」，官方数字是 1.65%；「OpenAI 与 Anthropic 增速降到低个位数」这一表述与 +2.1%、+0.5% 一致，但两家都还在增长，不是下滑。
  • 判断：这组数据对算力投资叙事的意义大于对模型公司的意义——单价下跌 21% 而支出只涨 1.65%，意味着用量必须维持极高的复合增速才能撑住当前的基建预期，而新增份额目前来自客服与支持这类场景。

a16z 提出「B2A 经济」：agent 成为互联网的主要用户

a16z 的 Olivia Moore 与 Justine Moore 11 月 11 日发布《Welcome to the B2A Economy》，主张企业级与消费级（B2B、B2C）之后出现第三类客户——agent。文章开篇就给出三个判断：agent 已占网页流量多数、撰写了线上新增文章的一半以上、生成了推送到生产的大部分代码。接着给出一组可追溯的数字：HUMAN Security 观察到 agent 浏览器流量在 8 月到 10 月增长 8 倍，其中 Muse 占最大份额 60%，OpenAI 产品合计 30%；Shopify 2026 年一季度 AI 带来的店铺流量同比增长 8 倍，AI 搜索带来的订单增长近 13 倍；GitHub 2026 年 9 月有超过 40% 的 PR 以 agent 草稿开头，半年前是 17%；Stripe 6 月称 agent 占 API 文档流量近 40%、CLI 请求的 70%；Vercel 10 月称 agent 触发的部署一年增长 28 倍。文章认为受益方有四类：agent 与 agent 化模型、被 agent 催生的新产品、为 agent 做优化的在位平台、以及 agent 需要的基础设施（支付、身份、通信），并预测 agent 很快会成为多数产品的首要客户。

为什么值得关注：这是一份把「agent 流量」当成分发渠道来看的框架，而不是当成功能。它对企业最直接的现实含义是反直觉的：过去多年零售与平台在筑墙挡爬虫，现在要为 agent 的生意竞争；文章同时点出一个被低估的现状——多数 agent 流量仍走浏览器点击，而且大部分企业还在封禁 agent 流量，担心欺诈与拒付。

  • 核心原帖：a16z 数据帖，约 6.9 万浏览、908 赞；Olivia Moore 主帖，约 10.1 万浏览、346 赞；HUMAN Security 的 8 倍数据帖，约 1.4 万浏览、96 赞；0xJuliechen 的接口层讨论，4356 浏览、36 赞，指出 agent 怎么触达人才是另一半故事。
  • 已核验：文章全文见 a16z 官方站与 a16z.news 版本，确认作者、四类受益方框架、HUMAN Security 的 8 倍与 Muse 60%、OpenAI 产品 30%、Shopify 的 8 倍与 13 倍、GitHub 的 40% 对 17%、Stripe 与 Vercel 与 Neon 的数字，以及「多数企业仍在封禁 agent 流量」这一限定。
  • 来源说法：「agent 占网页流量多数」「撰写超过一半新文章」「生成大部分生产代码」这三句是文章的核心论断，但文中没有逐项给出处，配图也无来源标注；本次未找到能支撑这三项原始口径的公开报告。
  • 判断：可核的是趋势与个别平台的自报数据（8 倍、40%、28 倍），不可核的是「多数」这类总量判断——三项论断里没有一项附来源，且与「大部分企业仍在封禁 agent」并置时存在张力；把它当投资主题的定义文来读合适，当统计事实引用则过头。

3. 中文 AI 生态

文心 5.5 Flash Preview 发布：280B 总参、14B 激活、1M 上下文，权重称 11 月 25 日前开源

百度 11 月 11 日发布 ERNIE 5.5 Flash Preview，是建立在 11 月 5 日发布的 ERNIE 5.5 Flash Base 之上的首个后训练模型，280B 总参数、每次推理激活 14B、1M token 上下文，主打编程、3D 建模、知识工作与内容创作。API 已在千帆平台上线，官方称解码速度保持在较快水平。许可证方面，官方页面的原话是「权重很快会按 Apache 2.0 开源」，没有给日期。官方给的演示都在 agent 环境里端到端完成：在 Unreal Engine 5.8 里用一次连续 11 小时的编码任务做出第三人称武侠游戏《云岫行》，把跨版本的美术素材合并进同一工程、用 C++ 写完整逻辑，并把试玩中发现的人物悬空、跑动方向不一致、镜头错位写成可运行的代码测试；从设计文档生成近 100 款手机小游戏；用 Blender 的 Python API 建大兴机场与 747、建法隆寺；在 FreeCAD 里做 W16 发动机的可编辑模型；做一段约 2,100 个物体、182 万三角面的科幻灾难片 blockout 预演。中文圈的另一个话题是 Qwen4-Max 的匿名测试：Qoder 里匿名跑了 4 天的 Qoduck 在 11 月 11 日被揭晓就是 Qwen4-Max-Preview，有用户据此反推正式版的表现，认为预览版不如预期。

为什么值得关注：这是本周中文模型侧最实的一次发布，重点不在参数量，而在「用代码补上自己看不见的缺陷」这条工作流——一个纯文本模型在游戏引擎里靠写测试来发现人物悬空、镜头错位，说明长周期 agent 任务的瓶颈正在从生成能力转向自我验证能力。百度的节奏也值得注意：11 月 5 日发布基座、11 日发后训练预览。

  • 核心原帖：Baidu_Inc 发布帖，约 17.9 万浏览、1353 赞；Baidu_ERNIE 参数帖，约 1.2 万浏览、255 赞；OpenRouter 免费帖，1292 浏览、41 赞；中文实测与转述如 xiaohu，7708 浏览、16 赞，vista8 的参数与架构拆解，4555 浏览、10 赞，canghe 对《云岫行》的观感，4755 浏览、16 赞，JangXiin 提到 11 月 25 日开源，2262 浏览、25 赞；Qoduck 讨论引 ai_funss 帖，4108 浏览、9 赞，称 Qoduck 就是 Qwen4-Max-Preview 的匿名测试、效果不尽人意。
  • 已核验：ERNIE 官方发布页确认 280B 总参、14B 激活、1M 上下文、基于 11 月 5 日的 Flash Base 后训练、千帆平台已上线、权重将按 Apache 2.0 开源，以及《云岫行》、近百款小游戏、Blender 与 FreeCAD 各段演示的具体过程与外部素材出处；基座发布页确认 280B 稀疏 MoE 与 14B 激活这一架构来源。
  • 账号口径：11 月 25 日前开源权重、千帆单用户 200+ tokens/s 两项出自 Baidu_ERNIE 官方账号，OpenRouter 免费到 11 月 30 日出自同一账号的另一帖；官方发布页写的是「很快」且未给速度数字，OpenRouter 页面本次未核到；许可证只写 Apache 2.0，未附文本，而 11 月 5 日的基座被转述为使用排除欧盟与英国的自定义许可，两处说法不一致，本次未核到许可证原文。
  • 判断：模型本身的可用性要等权重真的放出来才好评，但这次发布的演示质量明显高于一般的「跑分加截图」——11 小时连续编码、自己写测试修 bug，是可以被外部复现验证的说法；速度、开源日期与免费窗口三项目前只有官方账号口径，发布页未写明。

本期未取得 Anthropic 路演原始材料；n8n Nod、NVIDIA Alpamayo 2 Edge、MBZUAI PAN 2 等低互动发布未单列。