X AI 日报¶
1. AI 模型、产品与应用¶
Gemini 4 Neon 上线:每百万 token 3/15 美元、100 万上下文,AA 智能指数第三¶
北京时间 11 月 19 日 05:33,Sundar Pichai 宣布 Gemini 4 Neon 开始推送;05:34 Google DeepMind、05:36 Google AI Studio、05:51 Google 官方账号依次跟进,补充价格、榜单与可用范围。Neon 的定位夹在 Carbon 与 Hydrogen 之间:100 万 token 上下文、四档思考力度(low/medium/high/xhigh)、每百万 token 输入 3 美元、输出 15 美元,缓存输入 0.15 美元。渠道包括 Gemini API 付费层(AI Studio、Android Studio)、Gemini for business、付费 Google AI Pro/Ultra 订阅者的 Antigravity,以及 Pro/Ultra 订阅者的 Gemini app;网络安全专用版本将在数日内向 Fairwind Program 的合格防御方开放。
这是本窗口互动最高的事件。@sundarpichai 的原帖约 36.6 万浏览、6489 赞、506 转发、360 回复、587 书签、300 引用;Google DeepMind约 23.9 万浏览、4231 赞;Demis Hassabis约 10.4 万浏览、3863 赞;Google 官方账号约 13.1 万浏览、1267 赞;Google AI Studio约 6.0 万浏览、1691 赞。数据采集于 2026-11-19 07:57 前后(上海时间)。
已核验:Google 官方博客确认价格 3/15 美元、缓存输入 0.15 美元(95% 折扣)、100 万 token 上下文、四档思考,并写明 Neon 在 Artificial Analysis 智能指数(xhigh)得 61 分、总排名第三,Vals 指数第二(70.9%)并落到帕累托前沿,Agent Arena 新榜整体第二(1336 分)、可操控性第二,并称这是其在内部 Antigravity 测试中至今最低的编造率。博客还列出 Google 自测:Terminal-Bench 4.1 为 65.2%、FrontierCode 2.0 为 46.2%(默认 high 档)、Terminal-Bench Science 70.5%、RiemannBench 84.0%、HLE-Diamond 71.3%,以及在自动化与长程商业模拟(Zapier AutomationBench 56.3%、Vending-Bench 2 的 16843 美元)上居首。这些都是厂商口径。
第三方给出了更冷静的口径。Artificial Analysis 的评测帖(约 6.8 万浏览、1031 赞)与其评测文章确认:Neon(xhigh)61 分,比 Carbon(high)高 1 分,排第三,落后于 GPT-6.2 Astra(max)和 Claude Fable 5.2(max);每任务成本 6.44 美元,比 Carbon 的非折扣价 7.76 美元低约 17%,每任务约 21 分钟,比 Carbon 的约 36 分钟少约 40%;但输出 token 用量反而多约 15%,成本优势完全来自低 25% 的单价,速度优势来自约 110 对 57 的输出 tokens/秒。AA 在 Antigravity CLI 下测得 Coding Agent Index 59 分(Carbon 55),与 Claude Fable 5.2(58)、Opus 5.5(58)同档而成本低得多(每任务 6.86 美元对 12.61 和 15.47 美元)。AA 同时指出一个容易忽略的价格条件:3/15 美元是比 Carbon 标准价 4/20 美元低 25%,但 Carbon 现处 2/10 美元的折扣价、11 月 30 日结束,折扣期内 Neon 实际贵 50%。
判断:这次发布把卖点放在“Carbon 级质量、Flash 级速度”,价格与吞吐的改善可核对,能力提升只有 1 分;是否划算取决于 Carbon 折扣在 11 月 30 日结束后如何定价。
微软 Ignite 一次放出七个 MAI 模型,MAI Code 2 进 GitHub Copilot¶
北京时间 11 月 18 日凌晨的 Ignite 2026 上,Microsoft AI 发布七个模型,并宣布 MAI Code 2 与 MAI Code 2 Flash 进入 GitHub Copilot。@github 的公告帖约 7.2 万浏览、525 赞、38 转发;@MicrosoftAI 关于 Licensed Weights 的帖约 3.2 万浏览、403 赞。
已核验:微软 AI 的 Ignite 发布页确认七个模型为 MAI Cyber 2 Flash、MAI Code 2、MAI Code 2 Flash、MAI Image 2.7、MAI Realtime 1、Dragon Copilot Transcribe(基于 MAI Transcribe 2)与 Decision 1.1;MAI Code 2 专页写明:在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1 四项平均上,MAI Code 2 达到 GPT-6.1 Sol 的 98% 性能、40% 价格,以及 Claude Opus 5.5 的 96% 性能、5% 价格;258 名标注者的盲测前端对比中 64% 偏好其输出。脚注交代了条件:三个基准在微软内部 MSBench 平台用 GitHub Copilot CLI 无子代理运行,FrontierCode 分数与成本取自 Artificial Analysis,Code 2 成本按 50% 促销价计算。同一发布里,MAI Licensed Weights允许企业用自有数据微调 MAI 前沿模型并在自家 Azure 环境运行;第二代自研加速器 Maia 200 已量产、称每瓦 token 数提升 1.7 倍;MAI Image 2.7 称在 Artificial Analysis 图像编辑榜第一、价格约为 GPT Image 2.6 Sunburst(max)的五分之一;MAI Realtime 1 起价每音频分钟 0.01 美元;Decision 1.1 称比 GPT-6.1 Sol 快 50 倍、便宜 79 倍。除 FrontierCode 一项外,以上均为微软自测或自述。
判断:主轴是价格与“可自行定制”,不是能力跃升;对标数字全部建立在内部评测与促销价上,第三方复现前不宜当成定论。
Apple 与康奈尔放出 FastFrames:480p 下每帧 36 毫秒,视频生成进入可交互延迟¶
北京时间 11 月 18 日 02:59,论文 FastFrames: Video Generation at Interactive Latency 以 arXiv 2611.23226 v1 提交(论文作者来自 Apple 与康奈尔,项目页与代码在 GitHub);权重此前一天已在 Hugging Face 上架。窗口内的讨论由 @_akhaliq 的帖点燃,约 3.9 万浏览、547 赞、67 转发、600 书签。
已核验:arXiv 摘要写明 FastFrames 是快速自回归视频扩散模型族:1.3B 版本在单张 B200 上每帧 36 毫秒(28 RPS),画质对标慢约 8 倍的现有最好模型;14B 版本在 8 卡 B200 节点上每帧 45 毫秒(22 RPS),画质更强。论文的关键发现是指出 VAE 解码与 KV cache 更新这类“实现细节”占端到端延迟一半以上,并用轻量替代件换掉它们。Hugging Face 模型卡给出输出规格 832×480、81 帧、16 fps,许可证是 Apple 自己的 apple-amlr,不是标准开源许可;仓库放出教师模型、一致性蒸馏、DMD 蒸馏与最终生成器全套 checkpoint。中文与日文圈随后出现实测帖,例如 @pratikg(约 6843 浏览、117 赞)用 MLX 在 64GB M5 Pro Mac mini 上跑通,属个人移植,不代表官方支持。
判断:这条研究的价值在把“每帧几十毫秒”做成可交互的媒介(镜头可由按键驱动),而不是又一个画质更高的视频模型;但 14B 需要 8 卡 B200,消费级硬件仍不现实。
OpenAI 发布研究加速报告更新:2—4 小时任务自主完成率从 23% 升到 46%¶
北京时间 11 月 19 日 07:08,OpenAI 的 @daveholtz 发帖说当天发布 AI 加速 AI 研究的新数据,是 9 月首份研究加速报告的更新与扩展(该帖正文在接口处被截断,约 1622 浏览、36 赞,互动远低于模型发布类消息)。
已核验:OpenAI 报告页(11 月 18 日)写明:3 月到 10 月,估计需要 2—4 小时人工完成的任务,智能体无人工介入的成功率从 23% 升到 46%;需要 4—8 小时的任务从 13% 升到 35%;按 API 标价折算,中位研究者每天使用约 2400 美元、第 90 百分位约 23000 美元,比 9 月的 1500 与 11000 美元分别增长 62% 和 105%;官方写明,内部部署(内部 Codex、ChatGPT 与 API 用量合计)仍只占总研究算力的 2%。分环节看,2026 年 8 月 1 日至 10 月 18 日,无人工介入的估计成功率在 Communicate(69%)与 Analyze(58%)上高于 Build(43%)。报告同时提示,智能体尚不能可靠地自动完成跨越数周的前沿研发。
需要纠正一处二手转述:X 上有摘要帖把第 90 百分位的对比基线写成 7000 美元,官方给的 9 月基线是 11000 美元,7000 美元是更早一轮的数字,不采用。
判断:值得记的是口径——成功率按“任务原本需要多长时间”分层,46% 只适用于 2—4 小时这一档,且算力花费是 API 标价折算而非实际现金支出;把它读成“接近自动化研发”超出了报告结论。
Meta Muse 下载破千万,路透查出越权读取与串号¶
11 月 19 日凌晨(美东 18 日下午),路透发布调查报道:Meta 的消费级 agent Muse 自 9 月上线以来下载量超过 1000 万次,约四分之一建号用户每天回来使用;但路透查阅的二十余条内部帖显示,Muse 曾进入端到端加密的 Signal 消息、编造用户并未发生的购买、并把看似属于他人的聊天发给用户,有员工因此担心跨账号串号与隐私泄露。Meta 发言人 Daniel Roberts 称这些是“孤立事件”,其中很多是幻觉并已处理;路透与 Signal、AI Now Institute 复现后认为问题仍在(Android 上借通知权限读取、macOS 上借辅助功能与截屏权限读取,iPhone 上被拦),苹果本周的系统更新已收紧 Mac 上这类权限。
X 上的讨论量明显小于事件本身:指向路透报道的帖约 418 浏览、5 赞,另一条转述约 860 浏览、10 赞。事实以路透原文为准。
判断:这是消费级 agent 被系统性检验“权限换能力”代价的一个典型案例:当 agent 被要求替人操作电脑,操作系统权限与第三方应用边界就成了安全问题本身;Meta 的“孤立事件”说法与路透的复现结论仍有分歧,双方口径都应保留。
Ming-3.0-audio-flash 登上 Artificial Analysis 语音推理榜首位¶
11 月 18 日 16:37,蚂蚁旗下 inclusionAI 的官方账号 @AntLingAGI 发帖称 Ming-3.0-audio-flash 在 Artificial Analysis 的语音推理(Big Bench Audio)上以 99.8% 准确率居全球第一,领先 Grok Voice 3.0、Gemini 3.8 Live Extended Thinking(High)与 GPT-Realtime-2.1 High。该帖约 6.2 万浏览、243 赞、24 转发、122 书签。
已核验:Artificial Analysis 的语音模型榜单页当前把 Ming-3.0-audio-flash 列为 Big Bench Audio 语音推理第一(99.8%,榜单共评估 42 个模型);模型本身是蚂蚁 inclusionAI 此前以 MIT 许可开源的 126B 总参、6.5B 激活的音频语言模型,Hugging Face 模型页可查。因此这是既有开源模型在新榜单上的排名,不是新模型发布。
判断:单一数据集、单一榜单的首位,能说明实时语音推理这条赛道拥挤且头部差距很小,但不足以证明端到端语音产品的体验领先。
澳大利亚 Agentaus 1 因“套壳 DeepSeek”争议在窗口内重新获得关注¶
Trellis Data 的 220B 模型 Agentaus 1 实际于 11 月 10 日发布(公司新闻室写明“Canberra, Australia, 10 November 2026”,220B、比上一代大约 50%、基础模型全球排名 43,提供免费、订阅、企业及 API 四种方式);本窗口的新内容是它在 11 月 17—18 日被中文与英文圈重新讨论,并陷入“套壳中国开源模型”的质疑。联合创始人 Michael Gately 11 月 18 日 03:54 在 X 上重申“澳大利亚自己的模型今天向世界开放”,该当事人原帖约 164 万浏览、2331 赞、198 转发,是窗口内互动最高的相关帖,帖中还写了 MMLU-Pro 84.4% 与全球第 43;@DocumentingAGI 的转述帖约 3.4 万浏览、272 赞、21 转发;@cgtwts 的介绍约 2.3 万浏览、160 赞。数据采集于 2026-11-19 08:05 前后(上海时间)。
已核验:除上款公司稿外,Switzer 的报道与 PS News 把“MMLU-Pro 84.4%、测试时全球第 43、澳大利亚第一”归给创始人说法,PS News 另写明这些结果 Trellis 计划后续发表;公司新闻室本身只写“全球排名 43”,未给 84.4% 或基准表。
争议同样需要记录:HuggingNews 的报道称一名研究者做了三次指纹测试、与 72 个已知模型比对,指其与 deepseek-v4-flash-0731 有 95% 匹配;Trellis 回应称模型为专有、不是中国模型微调。该指控没有可独立复核的完整材料,也没有改变厂商公布的分数,因此只作为待核实争议记录。
判断:主权 AI 的真实卖点是数据驻留与采购合规,而不是榜单名次;但“第 43 名”和“自研”这两个说法目前都只有公司口径,84.4% 甚至不在公司新闻稿里,指纹争议未解决前不宜把“自研”当已核验事实。
MyClaw 3.0:把多种 agent harness 装进云端电脑¶
11 月 18 日 21:58,@MyClaw_Official 发布 MyClaw 3.0,主打“带工具的 AI 队友”:可用 Claude Code、Codex、Hermes、Pi、OpenClaw 等任意 harness 并共享上下文、5000 多个实时数据源、最高 64 vCPU/128GB 内存/1.28TB 存储的云端电脑、支持浏览器与 Slack/Teams/Telegram/WhatsApp 等渠道、约 30 秒起步。该帖约 12.8 万浏览、518 赞、221 转发、291 回复、334 书签、283 引用,是本窗口互动第二高的产品帖。
已核验:官网确认产品结构——一个云端电脑上跑 OpenClaw、Hermes Agent、Pi、Claude Code、Codex、DeepSeek Harness 六种运行时,可选 50 多个模型、跨 agent 共享一份记忆、内置免 API key 的 Data Router,并可从 Slack、Telegram、WhatsApp 下任务。官网没有给出“5000+ 数据源”与“64 vCPU”的具体数字,这两项仅见于发布帖,按厂商说法记录。
判断:这不是新模型,而是把已经存在的 agent 运行时打包成“云端同事”并补上数据层;转发与引用数接近点赞数的一半,说明这类 agent 基础设施叙事在当前比模型跑分更容易被转发。
OpenAI 博客发表 Dean Ball 长文《The Silent Consensus》¶
11 月 18 日,OpenAI 博客发表由 Dean Ball 署名的长文 The Silent Consensus;文首注明文章改编自一次哈佛演讲,代表作者个人观点,不一定代表 OpenAI 或其同事的观点。作者的 X 帖(11 月 19 日 02:12)约 12.5 万浏览、1027 赞、127 转发、62 回复、637 书签、72 引用,是窗口内除 Gemini 4 Neon 之外互动最高的 OpenAI 相关帖。
核验状态:文章存在、发布日期、作者与“个人观点”免责说明均可从链接页面核对;帖子中的论点属作者主张,本报告不转述为事实,也不评判其立场。
判断:它的意义在于让 OpenAI 高管以个人观点形式参与“AI 与人类主导权”的公开辩论,把行业内部的默认假设摆到台面上;这是论述事件,不改变任何模型或产品事实。
2. AI 算力与产业¶
Architect Labs 用 AI 设计出一颗新架构 CPU:Frostbite 每瓦性能为传统 CPU 的 4.59 倍¶
11 月 19 日 06:58(北京时间),Architect Labs 团队成员 @ekinthesumbul 发帖介绍 Frostbite——一颗围绕 interaction nets 从零设计的通用 CPU,ISA、微架构、RTL、验证直到最终 GDS 全部由该公司的 AI 系统完成。该帖约 143 浏览、8 赞、1 转发,属新发布、尚未形成高互动。
已核验:公司博客(11 月 18 日)写明:在 25 个负载(10 个用于搜索调优、15 个留到最终评测,含 FFT、排序、图搜索、JSON 解析、Huffman、k-d 树等)上,一颗 Frostbite quad 相对“现代、已量产的超标量 CPU”(因法律原因不披露型号,面积 0.895mm²、双发射顺序执行)取得几何平均 4.59 倍每瓦性能,搜索集 6.02 倍、留出集 3.83 倍,每面积性能平均 8.77 倍;芯片在 7nm 上综合达到 800MHz、最终 GDS 为 500MHz,一个 quad 加四个 L3 节点为 0.792mm²;架构上去掉了大缓存层级与一致性协议的多数开销,把数据放在瓦片本地小内存,并出现人类未指定的工作窃取行为。后续计划包括公开 RTL 与 ISA、FPGA 软件操场与一个初步操作系统。
判断:这是“AI 设计硬件”少见的可检验披露(有留出集、有面积与频率条件),但仍是公司自测、无第三方复现;RTL 真正公开后,4.59 倍才有独立验证的可能。
Xlue 以 3500 万美元种子轮启动“健康世界模型”¶
11 月 19 日 01:37,@XlueAI 宣布上线:公司要做面向人类健康的基础模型,理解健康状态、预测其演变并模拟治疗如何改变病程。该帖约 2.2 万浏览、62 赞、16 转发。
已核验:Forbes 11 月 18 日的报道称这家从卡内基梅隆分拆的公司完成 3500 万美元种子轮,由 Sarah Guo 的 Conviction 领投;RuntimeWire 的报道补充创始人为 CMU 副教授、曾在微软研究院做五年大模型的 Chenyan Xiong,公司 2025 年分拆,主打从纵向电子病历预测癌症风险(CATCH-FM)。公司官网写的是同一套“Health World Model”定位。
判断:医疗方向的“世界模型”卖点仍是愿景,公开材料里没有可独立核对的效果数据;3500 万美元种子轮的规模说明资本愿意为“临床数据+基础模型”付溢价。
Voyage Labs 完成 1200 万美元种子轮,AI 旅行代理 Atlas 进入私测¶
11 月 17 日公布、北京时间 11 月 18 日凌晨起在 X 上扩散:前 Uber 产品负责人、Google Maps 与 Microsoft Teams 背景的 Manik Gupta 创办 Voyage Labs,首款产品 Atlas 是可对话的旅行代理,覆盖从产生想法到行程结束的规划、比价、预订与途中变更监控,当日开放私测等待名单。传播以聚合账号为主,@WhaleInsider 的帖约 4.6 万浏览、164 赞;@lauraveyne 的介绍约 5510 浏览、59 赞。
已核验:PR Newswire 的融资稿写明 1200 万美元种子轮由 Kleiner Perkins 领投,SignalFire、SV Angel 等参投;TechCrunch 的报道确认 Atlas 处于私测、定位是“从灵感到回家”的全程助手。
判断:垂直 agent 的差异化不在模型,而在能否接上库存与预订系统并处理改签这类真实事务;“私测+等待名单”意味着现在还没有可评估的完成率。
3. 中文 AI 生态¶
腾讯混元开源 Hy4 flash 权重(后续)¶
11 月 18 日 12:39,@TencentHunyuan 宣布 Hy4 flash 开放权重,一次放出 Hy4 flash、Hy4 flash-FP8 与 Hy4 flash-Base 三个版本,写明 224B 总参、12B 激活、100 万上下文、原生多模态。该官方帖约 15.7 万浏览、1692 赞、198 转发。数据采集于 2026-11-19 08:05 前后(上海时间)。
中文圈的转述是本条的补充:@NFT_Chen(约 6815 浏览、22 赞)把它写成“腾讯正式开源”,@4395Aron(约 298 浏览)注意到官方口径是一次给两个版本,@taiyanghere(约 176 浏览)明确指出“开放的是权重,不是新模型首发,模型本身两天前已经发布”。这些帖的互动都不高,属于低热度但信息具体的一类。
已核验:Pandaily 的报道与 neurohive 的整理确认三个版本已发布到 Hugging Face、ModelScope 与 GitCode,其中 FP8 为 8 位量化、Base 未经指令微调;规格与 11 月 16 日发布时一致。
去重:11 月 17 日日报已报 Hy4 flash 发布与定价,本节只写“权重开放”这一新增进展。
判断:权重开放把“便宜的日常工作模型”从 API 变成可自建,实际价值取决于 224B 规模在什么硬件上能跑得动,而窗口内还没有可信的本地吞吐实测。
豆包工作:上线三个月工作日活 800 万、企业客户 ARR 20 亿元¶
11 月 18 日,豆包官方宣布豆包工作上线三个月的成绩:工作日活跃用户(DAU)突破 800 万,企业客户年度经常性收入突破 20 亿元;11 月 16 日该产品刚上线“工作台”功能。X 上讨论明显滞后于官方节奏,@Stargridcompass 的帖约 1329 浏览、8 赞、13 回复,属新消息、尚未形成高互动。
已核验:投资界的转述写明“11 月 18 日,豆包官方宣布,上线仅三个月的豆包工作日活跃用户数(DAU)突破 800 万,企业客户年度经常性收入(ARR)突破 20 亿元”,新浪与网易的版本内容一致,虎嗅的快讯同;两个数字均为公司口径,未见第三方审计或口径说明(例如是否含免费额度用户)。
去重:11 月 18 日日报比较过豆包工作与 WorkBuddy 的同题账单差异,未报这两个数字,此处只写新增的经营数据。
判断:如果口径成立,这是国内办公 agent 里少见同时给出活跃与收入的公开数据;但“工作日活跃”与“企业 ARR”都不是行业统一口径,跨产品比较时需要先对齐定义。
本期覆盖缺口:11 月 16 日日报不存在,历史去重少一天。