X AI 日报¶
1. AI 模型、产品与应用¶
Edge0 放出 145B 与 120B 端侧模型权重：厂商称峰值内存约 29GB，基准均为自测¶
Edge0 于 11 月 12 日发布 Edge0-145B 与 Edge0-120B，并开放权重与推理框架。公司博客称这是面向个人电脑的端侧基础模型，145B 总参、每 token 激活约 10.12B，120B 总参、激活约 8.64B，均为 48 层、512 专家的稀疏 MoE，上下文 256K。GitHub 文档写明两款模型衍生自 Qwen3.8-Flash-Next。创始人 Samuel Zeng 在窗口起点附近发帖介绍，称可在笔记本离线运行，并给出 Terminal-Bench 2.1 上 86.5% 对 Claude Opus 4.6 的 78.2%、约 29GB 内存、75+ tokens/s 解码等数字。
这件事值得关注，是因为窗口内关于“百亿级以上模型在消费级机器上本地跑”的讨论主要集中在这里，而不是又一个云端 API。传播上也明显高于官方账号本身：Samuel Zeng 的介绍帖约 60.1 万浏览、1434 赞、196 转发、158 回复、1356 书签；Edge0 官方账号转述互动低得多，约 1941 浏览、38 赞。另有一些试用帖，例如 marcusyul 约 3.8 万浏览、116 赞，Lacoste0x_ 约 1.8 万浏览、120 赞。互动数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：Edge0 官方博客确认 11 月 12 日发布、145B／120B 两档、峰值内存 29GB、预填充 1100+ tokens/s、解码 80+ tokens/s 等自测成绩，以及 Terminal-Bench 2.1 的 86.52、GPQA-Diamond 的 90.4、DeepSWE 1.1 的 64.6 等分数，并写明 Edge0、Qwen、DeepSeek 与 Claude 的对比来自公司内部评测；Hugging Face 模型页提供 Q3_K 与 NVFP4 权重；模型说明确认衍生自 Qwen3.8-Flash-Next 及 10.12B／8.64B 激活参；许可证文本为 2026 年 11 月 12 日的 Edge0 Community Model License 1.0，个人、研究、内部使用和再分发在条款范围内免费，但“Commercial Model Offering”需另行授权，且须同时遵守上游 Qwen 许可证。
判断：权重确实已经放出，但“开源”不能按 Apache 2.0 来理解；榜单数字目前只有厂商自测，博客自己也把复现说明留给即将发布的技术报告。把它读成“已经在消费级笔电上稳定打平最强云端模型”，还缺少独立复现。
llama.cpp 与 ggml 发布 1.0.0：公开 API 开始按语义化版本管理¶
11 月 13 日，llama.cpp 与底层张量库 ggml 同步发布 1.0.0。这是该项目约三年半以来的首个主版本，核心变化不是突然多了一种新后端，而是把已经废弃的公开 API 删掉，并宣布以后 API／ABI 不兼容只随主版本号升级。对依赖 Ollama、LM Studio 以及大量本地应用的开发者来说，这意味着接口边界开始被正式约束。作者 Georgi Gerganov 的发布帖约 19.3 万浏览、3082 赞、552 转发、145 回复、640 书签；Hugging Face 的 Pedro Cuenca 也发了祝贺帖，约 7241 浏览、272 赞。数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：Hugging Face 官方博客确认 11 月 13 日发布、llama.cpp 与 ggml 同时进入 1.0.0、此后公开 C API 的破坏性变更会升主版本；llama.cpp v1.0.0 发行说明列出删除已废弃接口、将 NextN API 提升到 llama.h、新增 FP8 KV cache 与 /v1/audio/speech 端点，以及 Kimi-K3.1-Pro、Ripple、xing4_0 等模型支持；ggml v1.0.0 发行说明确认同步清理旧 API，并将 RPC 协议升到 v9。
判断：1.0.0 的意义主要在工程承诺，而不是能力跃迁。本地推理生态终于有了一个可以按主版本去依赖的接口，但下游应用仍要为这次破坏性清理做适配。
Bland 发布 Tofu-1：面向嘈杂高风险通话的 speech-to-speech，目前只开放企业研究预览¶
语音公司 Bland 在 11 月 13 日推出 Tofu-1，定位为全双工 speech-to-speech 模型，强调在车辆、病房、信号差和多人同时说话等条件下，边听边说、边说边推理，并能把通话人与背景声分开。官方和创始人都标明：发布视频里的呼叫方、坐席和背景音全部由 Tofu-1 生成，不是真实客户通话。创始人 Isaiah Granet 的介绍帖约 30.8 万浏览、743 赞、143 转发、58 回复、479 书签；Bland 官方账号约 7.5 万浏览、140 赞。数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：Bland 产品页确认 Tofu-1 为公司 speech-to-speech 系列的首个版本，开放对象是有限数量的企业研究预览，面向银行、医疗、保险和政府等高风险通话场景；页面同样写明演示为模型生成的通话场景，并没有给出延迟、词错率或对比基准。
判断：这是明确的产品方向公告，但现在能核实的只有官方能力描述和一段合成演示。它还不是可公开调用的电话坐席，独立评测也尚未出现。
Deepnote 发布 Agent Initiative Benchmark：测的是 agent 会不会在不该开口时开口¶
Deepnote 于 11 月 13 日发布 Agent Initiative Benchmark，把 12 个前沿模型放进虚构公司 PageMantle 的 Slack，在 50 个职场情境里考察它们会不会在没人点名时主动介入，以及该闭嘴时会不会闭嘴。官方结果是 GPT-6 Astra 以 8.97 分居首，GPT-6.1 Sol 8.65、Claude Fable 5.2 8.17；Astra 与 Sol 的置信区间重叠，这套 50 题还不能把两者分开。更便宜的 GPT-6 Luna 每任务约 0.007 美元、得 6.38 分，Claude Fable 5.1 每任务 3.02 美元、得 7.50 分。创始人 Jakub Jurovych 的发布帖约 29.9 万浏览、506 赞、97 转发、85 回复、598 书签；公司账号转述互动很低。讨论样本如 Santiago 约 3.5 万浏览、114 赞。数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：Deepnote 官方评测页确认 12 个模型、50 道题、3 分钟时限、两名 LLM 评审取均值，以及上表分数、每任务成本和“该帮忙时约九成会开口、该沉默时约六成能忍住”的汇总；页面也写明下一版会扩大题目量。代码仓库见 GitHub，许可证为 Apache 2.0。
判断：这套基准的价值在问题设计——主动介入和适时沉默，而不是再刷一遍答题榜。但 50 题规模偏小，分数来自 LLM 评审，而且评测方本身在卖 agent 工作区，数字应读作官方自报结果。
Dwarkesh Patel 发长文修正时间线：中位预期 2028 年出现对标顶尖人类的 AI 研究员¶
播客作者 Dwarkesh Patel 在 11 月 13 日发表长文《The avalanche that hit math is coming for AI development》，把他对超级智能的判断从“至少还要将近十年”改到“2030 年，也可能更早”。文中的中位估计是：若实验室不主动减速，2028 年会出现与最顶尖人类 AI 研究员相当的自动化研究员；他同时给出 25% 的概率认为这一步要到 2032 年之后。他的发布帖约 19.7 万浏览、2074 赞、152 转发、68 回复、1373 书签。数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：原文确认上述时间判断，以及他引用的 METR 嵌入 Anthropic 后给出的进度大约加快一倍、OpenAI 与 Anthropic 关于内部 AI 研发使用率的已公开数字。METR 加速这一点 11 月 11 日日报已写过，此处只作为他更新判断的论据，不作为新观测。
判断：这是个人研究判断的更新，不是新的能力评测。它和 11 月 11 日 AI Futures Project“2027 年出现超人 AI 研究员”的集体预测相邻，但口径不同，也不应当被读成已经观测到的能力跃迁。
OpenAI 向 Fortune 确认：独立机器人团队并入核心研究与 Applied，新发布，尚未形成高互动¶
Fortune 11 月 13 日报道，OpenAI 已解散独立的机器人团队，并将人员重新分配到公司其他部门。公司在记者问询时确认了这次调整，发言人说机器人仍是长期方向，重组是为了加快而不是放弃。报道称，机器人研究并入向首席研究官 Mark Chen 汇报的主研究团队，应用机器人与硬件并入向总裁 Greg Brockman 汇报的 Applied 部门。X 上相关帖互动不高，例如 TekonBurns 的转述约 1017 浏览、15 赞，AIStockSavvy 约 4887 浏览、15 赞。数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：Fortune 报道确认公司答复、部门归属、2020 年首次收缩机器人团队、2024 年重建、与 Figure 的合作于 2025 年 2 月结束，以及报道采访时 OpenAI 在 CoRL 已登记但展位空置等现场细节。OpenAI 没有就此事单独发官方博客。
判断：这是组织调整，不是退出机器人。公开信息足以说明公司更倾向于用通用模型直接控机器人，但重组人数、内部时间表和 2027 年人形机器人演示能否兑现，报道都没有新的硬证据。
2. AI 算力与产业¶
后续：前 Anthropic 预训练研究员转发 IPO 路演幻灯片，称预训练效率曲线是他离职的重要原因¶
前 Anthropic 预训练研究员 Jacob Coxon（@hilbertspaess）在 11 月 13 日夜间转发一张来自 Anthropic IPO 路演的幻灯片，写道这张图是他决定离职的重要原因，并对公司把它公开表示意外。他在帖中说，这张图展示预训练算力效率随时间的变化，纵轴是对数坐标，并写道他们看到了持续的“superexponential”趋势。正文在这句之后被截断，剩余内容在配图里，本次未能从接口取到更完整的文字。该原帖约 26.0 万浏览、2294 赞、187 转发、140 回复、1081 书签、61 引用。数据采集于 2026-11-14 08:20 左右（上海时间）。
已核验：Coxon 的身份可由其 X 账号显示名确认；他于 2026 年 9 月宣布离开 Anthropic，见当时的 TechCrunch 报道，因此这不是当天新发生的离职，而是他对已公开路演材料的事后评论。路演启动本身已在 11 月 11 日和 13 日日报写过。
判断：“superexponential”是 Coxon 对这张对数坐标图的读法，不是 Anthropic 在帖文里被直接引述的官方表述。路演材料此前已经公开，这条信息的增量在于当事研究员的解读和传播，而不是公司新披露了一组可独立核对的效率数字。
3. 中文 AI 生态¶
本期未检索到值得单列的中文 AI 新消息。11 月 13 日日报已写过的豆包工作接入第三方模型，窗口内仍有转述，但没有构成新的进展。