跳转至

← X AI 日报

X AI 日报

日期2026 年 11 月 17 日 · 周二时间窗口2026-11-16 02:00 至 2026-11-17 07:58覆盖完整

1. AI 模型、产品与应用

阿里发布 Qwen4-Max 正式版:2.4 万亿总参、激活 710 亿,官方称任务均价降约六成

北京时间 11 月 16 日 10:01,阿里云通义团队官方账号 @Alibaba_Qwen 宣布 Qwen4-Max 正式上线。这是 11 月 11 日开始预览的旗舰模型的正式版:新的 MoE 架构,原生视觉,上下文 100 万 token。官方新闻稿写明总参数 2.4 万亿,每 token 激活 710 亿,比同为 2.4 万亿规模的 Qwen3.8-Max 少激活约 25%。

这件事值得关注,是因为通义 4 代旗舰从此前的预览进入正式可用,而且官方把卖点放在少用 token、降低单任务费用,而不只是又一份跑分。传播上,它也是本窗口互动最高的一条:官方发布帖约 212.1 万浏览、1.40 万赞、1507 转发、759 回复、3217 书签、1188 引用;同一线程里讲成本的后续帖约 11.4 万浏览、698 赞。数据采集于 2026-11-17 08:05 左右(上海时间)。

已核验:阿里云新闻稿确认 11 月 16 日发布、2.4 万亿总参、激活 710 亿、100 万 token 上下文,以及在自建评测 Work360(覆盖 721 个专业领域)上,High 推理档的 token 用量比 Qwen3.8-Max 少约 35%、单任务平均费用降约 60%。官方线程补充了同一套评测的绝对数字:Work360 单任务均价从 4.43 美元降到 1.67 美元;token 用量在 Xhigh 档约降 24%、High 档约降 35%,在 Terminal-Bench 4.0 上约降 48% 和 49%。可用范围是 QwenCloud 的 Token Plan 和 API,以及 QwenWork、QwenStudio;新闻稿还说 Qwen4 系列更小规模的开源权重模型将随后放出。官方定价页列出的新加坡国际部署价格是每百万 token 输入 1.50 美元、输出 4.50 美元,隐式缓存命中和显式缓存读取均为 0.075 美元;思考过程按输出计费。QwenCloud 模型页与定价表可核对上述价格。文档同时写明:qwen4-max-preview 的预览期是 2026 年 11 月 11 日 10:00 至 11 月 25 日 24:00(UTC+8),预览结束后将下线,现在推荐使用的是正式版。

官方还转述了几项外部榜单:Code Arena WebDev 第 6、比 Qwen3.8-Max 高 74 分;Agent Arena 净胜 7.5%,阿里巴巴在实验室总排名中列第 5;在 Artificial Analysis 上比 Qwen3.8-Max 高 9 分。这些是官方对榜单位置的转述,不是本报告的独立复测。

判断:正式发布的规格、上线范围和价目可以核对。成本和效果数字主要来自官方自建评测 Work360,以及官方转述的第三方榜单。窗口内的中英文讨论并不一边倒,有实测认为正式版和预览版几乎看不出差别,也有人认为它仍明显落后于前沿闭源模型。

腾讯发布 Hy4 flash:2240 亿总参、激活 120 亿,官方称日常工作盲测接近 Claude Haiku 5.5

北京时间 11 月 16 日 14:38,腾讯混元官方账号 @TencentHunyuan 发布 Hy4 flash,定位是面向日常生产力的低价模型。官方新闻稿写明:总参数 2240 亿(其中包含 640 亿 Engram 参数),每 token 激活 120 亿,支持多模态输入,上下文最长 100 万 token。官方发布帖约 53.6 万浏览、2475 赞、219 转发、187 回复、527 书签、177 引用。数据采集于 2026-11-17 08:05 左右(上海时间)。

已核验:腾讯新闻稿与技术页确认上述规格,以及 API 定价:每百万 token 输入 0.070 美元、输出 0.281 美元、缓存输入 0.003 美元。新闻稿还写:KV cache 约为 Hy3 的 1/24、Hy4 的 1/6;强化学习把端到端任务的平均输出 token 减少 50%;解码速度超过每秒 150 token;在内部基准 WorkIndex 上,单任务成本约为 Hy4 Preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档、高峰价)的 1/8,并称整体效果略好于更大的 Hy4 Preview(7700 亿总参、激活 490 亿)。对 85 名内部 WorkBuddy 用户、27 类共 259 项任务的盲测中,用户满意度接近 Claude Haiku 5.5,且在对比模型里单任务成本最低、完成时间最短。官方帖把这一结果写成“与 Claude Haiku 5.5 (high) 相当、单任务成本降到 1/18”,新闻稿用的是“接近”。模型已在腾讯云 TokenHub、WorkBuddy、元宝、企微、QQ、ima、Marvis 上线;发布时写 OpenRouter 即将接入,当天稍晚官方确认已上线并限时五折。即日起至 11 月 30 日,WorkBuddy 可免费使用,TokenHub 标准价五折。官方建议日常任务用 flash,复杂的长程软件工程等仍用 Hy4。

判断:这是明确的产品发布,价格、上线范围和限时优惠可以核对。与 Haiku 5.5 的对比,以及相对 DeepSeek Flash、Hy4 的成本倍数,都来自腾讯内部评测和内部用户盲测,不是公开的第三方复现。

OpenAI 宣布第一阶段嵌入式评估,与 Apollo Research、METR、Transluce、Goodfire 签约

北京时间 11 月 17 日 00:03,OpenAI 官方账号宣布,已与 Apollo Research、METR、Transluce、Goodfire 签署协议,开展第一阶段“嵌入式评估”(embedded assessments),让外部专家在一段时间内深入接触内部模型与系统,评估对齐情况和防护是否有效。官方原帖约 60.4 万浏览、2729 赞、265 转发、564 回复、444 书签、276 引用。数据采集于 2026-11-17 08:05 左右(上海时间)。

已核验:OpenAI 官方博文确认四方分工:Apollo Research 评估模型是否会暗中违背开发者意图、现有防护能否发现,并列出四条待检验的主张;Goodfire 派解释性研究人员进驻,用其平台做训练过程监控、排障和对齐,主要服务内部研究者,也会陆续公开发现;METR 计划做两项,第一项是评估迄今最大规模强化学习训练中的失配行为,第二项监控评估仍待双方确定范围;Transluce 先评估训练后对齐测试的质量与覆盖,并有意在 2027 年初再做约八周、范围更广的后续评估。博文写明,评估方按需要可接触检查点、源码、训练与评测数据、监控系统、技术文档,以及相关研究者。同一天,Goodfire 也发了合作说明。

同一窗口里,The Information 报道称,OpenAI 今夏曾多次洽谈收购这家由 Anthropic 等投资的解释性创业公司 Goodfire,估值讨论在 50 亿美元以上,最终没有成交。相关讨论在 X 上有一定传播,例如 wallstengine 的转述约 9.1 万浏览、281 赞。本报告未能打开 The Information 原文,上述收购细节仅作为该媒体的报道转述,不能当成已经完成或仍在进行的交易。

判断:四方合作是官方已确认的安全评估安排,不是模型发布。收购传闻和今天宣布的嵌入式合作可以放在一起看,但两者不是同一件事,也没有官方确认那笔收购曾接近成交。

Hugging Face 研究者放出 PyBot:约 64 万行纯 Python 规则,自测与 SmolLM-360M-Instruct 打平

北京时间 11 月 16 日 22:19 至 22:24,Hugging Face 研究者 Lewis Tunstall 和 Leandro von Werra 介绍了 PyBot:由超过 1000 个 agent 用纯 Python 写成的规则聊天机器人,没有权重、也不做训练,只用 if-else、正则和查找表。Tunstall 的介绍帖约 1.7 万浏览、175 赞;von Werra 的介绍帖约 6.4 万浏览、607 赞、56 转发、45 回复、560 书签。数据采集于 2026-11-17 08:05 左右(上海时间)。

已核验:GitHub 仓库说明确认:超过 1000 个 agent 编写并评估了 5000 多个版本,在 SmolTalkBench(由大模型评判、与参考答案对比)上的胜率从 0% 提到 26%,与 SmolLM-360M-Instruct 相当;代码约 64 万行,另有 agent 自己写的约 55 万行测试;许可证 Apache 2.0,运行只需 Python 3.8 或更高,不另装软件包。仓库还提供终端用法和 Hugging Face Space 演示。说明文件没有写这些 agent 用的是哪个模型;Tunstall 在帖中说,每个 agent 都是 DeepSeek-V4.1-Flash 的实例,并且是在一周内完成的。

判断:这是可复核的研究演示,用来问“如果把写规则的工作交给 agent,规则聊天机器人能走多远”,不是对标前沿模型的产品。26% 的胜率来自项目自建基准和大模型评判,不能外推成通用对话能力。

2. AI 算力与产业

Databricks 发布 AI Index:开源权重模型的企业 token 占比在约 3.5 个月内从 7.3% 升到 30.9%

北京时间 11 月 17 日 01:15,Databricks 工程负责人 Patrick Wendell(@pwendell)宣布发布 Databricks AI Index。数据来自 1 万家以上通过 Unity Gateway 管理模型调用的企业,覆盖数字原生公司、财富 500 和全球 2000 强。他的发布帖约 7.5 万浏览、482 赞、132 转发、21 回复、269 书签。同事 Yuchen Jin 的摘要帖约 7783 浏览、152 赞。数据采集于 2026-11-17 08:05 左右(上海时间)。

已核验:Databricks 官方博客确认:开源权重模型在企业 token 流量中的占比从 7 月的 7.3% 升到 11 月的 30.9%;只使用单一模型供应商的企业从 7 月约 64% 降到 11 月 2 日当周的 28%。在专有模型内部,Claude Opus 5.5 发布后的六周里,从专有模型 token 的 7.2% 升到 37.9%,Anthropic 的整体份额从 57.6% 升到 68.8%。编码评测里,DeepSeek V4.1 与 GLM 5.3 并列第 3,任务成功率 93.1%,开源权重模型有三款进入前 10。博客还举例:GPT-6 Luna 与 Claude Opus 5.5 在其编码基准上都是 89.1% 成功率,但平均每任务费用分别是 0.05 美元和 1.62 美元;Gemini 3.8 Flash 虽然单价低,却因平均 140 轮而把单任务费用拉到 11.97 美元。指数同时提供在线页面:Databricks AI Index。

判断:这是基于 Databricks 自家网关流量的观察,不是全行业普查。样本不小,而且明确包含对 Anthropic、OpenAI 等外部供应商的调用,但选择使用 Unity Gateway 的企业本身就有偏差,这些数字不能直接当成全球企业市场份额。

斯坦福教授 Yejin Choi 与 Carlos Guestrin 创立的 Noeri 完成 1.1 亿美元融资并公开亮相

斯坦福计算机科学教授 Yejin Choi 与 Carlos Guestrin 以联合 CEO 身份推出 Noeri,公司定位是让企业用自己的数据和流程构建、拥有并可继续改进的专用 AI。GeekWire 11 月 16 日报道,本轮融资 1.1 亿美元,由 Menlo Ventures 领投,Madrona、Kindred Ventures、Wing、NEA 以及 Cisco Investments、NVIDIA、Snowflake 参投;估值未披露。X 上传播最高的是 DocumentingAGI 的转述,约 2.5 万浏览、250 赞。数据采集于 2026-11-17 08:05 左右(上海时间)。

已核验:公司官网确认两位联合 CEO、1.1 亿美元融资,以及“在生产中学习、改工具和模型、由人审批后再升级”的产品描述;GeekWire 报道核对了投资方名单,并写明彭博社当天率先报道此轮融资、估值未公开。Guestrin 是 XGBoost 共同作者,曾创立后被 Apple 收购的 Turi,并负责过 Apple 的机器学习;Choi 是 MacArthur Fellow,此前在 Ai2 和 NVIDIA 做研究,现为斯坦福教授。

判断:这是创始人亮相和融资公告,不是已大规模落地的产品评测。公司说客户保留自己开发的工作流和模型所有权(还要受第三方模型许可约束),目前公开材料里没有可独立核对的客户效果数据。

3. 中文 AI 生态

Qwen4-Max 正式版和 Hy4 flash 都是当天的中文厂商发布,规格已在前面写过,这里只补中文讨论里多出来的信息。

对 Qwen4-Max,中文圈的第一反应并不只是官方榜单。有人注意到正式版几乎是悄悄上线,例如 leo114119(约 5272 浏览、56 赞)写道 Qoder 已经可以用。随后出现一批与预览版的对比:同一作者的前端对比帖(约 5018 浏览、17 赞)认为和 preview“几乎看不到大的变化”;另有帖认为正式版在部分前端题目上还不如预览版。也有偏正面的即时反应,例如 wanxubo(约 8397 浏览、39 赞)把它写成“正式跻身中国模型第二”,但同时说跑分一般、没打到自己预期的 Fable。这些都是个人实测或观感,不是统一评测。

Hy4 flash 在中文产品侧的新信息是接入和限免:WorkBuddy 国内版、国际版同步接入,11 月 16 日至 30 日 23:59 可免费体验,同时 Hy4 的限免结束、Hy3 将在端内下线。例如 leo114119 的介绍帖约 2478 浏览、17 赞,互动不高,但内容与腾讯官方的上线说明一致。