AI 前沿日报
DeepMind 发布 AlphaGenome 2 致病变异识别能力翻倍
本期两条主线清晰可见。其一,模型能力正从通用走向专业纵深:AlphaGenome 2 把变异效应细化到单细胞,MKA 基准将多模态评测推向建筑图纸与临床扫描,Gemini Decision 1 则专攻封闭式决策。其二,智能体开始承担真实工程与发现任务:Claude 三天完成 AMD 芯片适配,48 个智能体 72 小时定位玛雅遗址,AWS 模拟器三周收获近 3 万次智能体提交。与此同时,OpenAI 百亿营收伴随百亿亏损、纽约州 RAISE Act 落地,提醒人们能力扩张与商业、监管成本正同步放大。
谷歌 DeepMind 发布 DNA 序列模型 AlphaGenome 2,将遗传变异效应预测从组织平均水平细化到单细胞类型与状态,可识别的基因表达调控变异数量接近此前最优模型的两倍。
模型采用条件式架构,基于超过 1.07 亿个单细胞图谱训练,能捕捉近缘细胞间的细微差异,并支持跨模态数据填充以预测未测量属性。
DeepMind 已通过 API 面向非商业研究开放该模型,并计划接入 Google Antigravity 智能体平台。该能力有望加速从基因变异到疾病机制的转化研究。
前沿模型与基础架构突破
精选 3 篇追踪主流实验室最新基础模型、新架构与推理能力跃迁。
谷歌发布 Gemini Decision 1 单次调用并行千项判定
谷歌 DeepMind 发布 Gemini Decision 1 决策模型及配套 API,专为是/否、多选、量表评分等封闭式决策设计,单次调用可并行处理最多 1000 个独立问题,覆盖文本、图像、音频、视频与 PDF 五种模态,并在 150-250 毫秒内返回带置信度的概率分数。
该模型已在 Google AI Studio 开放 Python、JavaScript 与 REST 接入,Google Cloud 支持后续上线。据 Artificial Analysis 评测,其在决策指数 v2.1 上得分 66,与部分模型持平,但落后领先者 7 分。
评测同时显示,该模型在知识与推理基准上领先,但每百万任务成本约 345 美元,高于部分竞品。这一定位凸显谷歌在决策类专用模型上的差异化布局。
百度发布 ERNIE 5.5 Flash 预览版 280B 模型并承诺开源
百度发布 ERNIE 5.5 Flash Preview 模型,总参数 280B、激活参数仅 14B,支持 1M token 上下文,主打编程、3D 建模与内容创作场景。该模型 API 已在百度千帆平台上线,官方承诺权重将于 11 月 25 日前开源。
综合多方信源,该模型采用面向高效推理的新架构,生成速度超过 200 tokens/秒,在 Terminal-Bench、AutomationBench 等基准上表现有竞争力。官方将其定位为后训练中间版本,承认存在训练不充分导致的能力缺陷,正式版仍在快速迭代。
目前模型已在 Arena 上线测试。280B 总参数与 14B 激活参数的组合在性能与效率间取得平衡,开源权重将吸引更多开发者基于文心生态进行应用开发。
DeepMind 发布 MKA 基准 评估智能体专业视觉任务能力
Google DeepMind 联合 Artificial Analysis 发布多模态知识智能体基准 MKA,旨在评估 AI 智能体在真实专业视觉文件上的知识工作能力。该基准包含 200 个来自 10 个行业的私有真实任务,要求智能体阅读建筑图纸、工程示意图、临床扫描等复杂视觉输入,并产出幻灯片、表格、报告等交付物。
MKA 采用 Climb 与 Regression 双轨专家评分标准,每题平均约 70 条加权准则,强调输入的真实视觉复杂度与领域特异性。评测结果显示,Claude Sonnet 5.5 在医疗等领域领先,但在法律与政府领域优势微弱;Gemini 4 Carbon 排名第二,单任务平均成本仅为榜首模型的六分之一。
该基准填补了现有评测对蓝图交叉比对、科学图表阅读等专业场景的空白,标志着多模态智能体评测从通用能力向垂直专业能力延伸。
产业生态与商业算力
精选 4 篇投融资脉络、算力基建演进与企业智能化转型。
Claude 三天完成 AMD 芯片适配 英伟达 CUDA 生态承压
Anthropic 在 IPO 路演材料中披露,其前沿模型 Claude Mythos Preview 仅用约 3 天就完成了将另一模型迁移至 AMD MI355X GPU 的推理适配,而传统跨平台适配通常需要 6 至 12 个月。这意味着 GPU 正被当作可互换的通用算力,英伟达 CUDA 生态的迁移壁垒首次出现实质性松动。
综合多方信源,Anthropic 联合创始人 Tom Brown 表示,公司已通过多芯片战略将 Claude 的训练与推理分散在四大芯片家族上,并视为统一可互换的算力池。在迁移过程中,Claude 几乎自主完成了近 100% 的算子内核编写与移植。
此外,Anthropic 计划部署最高 2 吉瓦的 AMD Instinct MI455X 算力,首期 1 吉瓦将于 2027 年上半年启动。尽管自动化迁移能力显著,CUDA 生态的软件栈优势仍构成长期挑战。
OpenAI 季度营收破 100 亿美元 亏损仍达 109 亿
OpenAI 第三季度营收首次突破 100 亿美元,环比增长近 50%,较此前约 18% 的增速明显回升。增长主要来自 GPT 5.6、Astra 及图像模型的 API 需求,以及企业客户和 ChatGPT 付费订阅用户(已达 1 亿)的贡献。
然而,调整后经营亏损高达 109 亿美元,亏损幅度虽从上一季度的 -150% 收窄至 -109%,但收入增长并未改善盈利结构。与竞争对手相比,OpenAI 的运营效率差距显著:Anthropic 同期营收 170 亿美元,经营亏损仅 5.67 亿美元。
为争夺企业客户,OpenAI 正采取降价策略,但这也可能进一步压缩利润空间。数据凸显了前沿模型规模化商业化的巨大成本压力,OpenAI 在研发、算力投入与市场扩张之间仍面临严峻平衡挑战。
Mercor 完成 7.5 亿美元 D 轮融资 估值达 200 亿美元
AI 数据与专家网络平台 Mercor 完成 7.5 亿美元 D 轮融资,估值升至 200 亿美元,年化收入已达 30 亿美元。公司估值一年内从 100 亿美元翻倍至 200 亿美元,年化收入由 10 亿增至 30 亿美元。
公司披露其推理支出已是员工薪资的 3 倍,并称该投入可通过提升团队效率自我覆盖,被视为 AI 投资拉动经济增长的样本。平台称拥有 500 万名专家,主打模型尚未覆盖的职业工作流数据。
这一融资规模与收入增速反映出市场对高质量专家数据的旺盛需求,也引发对 AI 推理成本与人力成本关系的持续讨论。
本报简讯
- ▪纽约州 AI 安全法生效 前沿实验室须注册并报事故— IT之家 · 智能时代
开发者工具与实战应用
精选 2 篇提升工程效率的最新工具链、SDK 与落地实践。
AWS 开源本地模拟器 智能体三周贡献近 3 万次提交
AWS 正式开源名为 aws-emulator 的本地云服务模拟器,开发者无需付费 API Key 或真实 AWS 账号,即可在本地或 CI 环境中测试多项云服务。该项目用 Rust 编写,官方定位为构建期工具,明确禁止用于生产负载或安全验证。
项目最引人注目的特点是其开发模式:前三周由大规模智能体集群贡献了 29,684 次提交,AWS 副总裁 Swami Sivasubramanian 亲自撰文复盘。所有提交历史和智能体提交的 issue 均公开可审计,其中“things-that-do-not-work”目录显式记录了与真实 AWS 行为不符的待修复项。
目前 macOS 与 Windows 上仍需依赖 Docker 运行,单二进制分发尚未实现。这一发布大幅降低了云服务测试成本,也为“智能体写代码后工程师做什么”提供了真实样本。
UAEF: A framework-agnostic system for closed-loop evaluation of AI agents
AWS 机器学习博客介绍了一个框架无关的 AI 智能体闭环评测系统 UAEF。团队在 AWS 上使用 LangGraph、LangChain、Strands Agents 和 Amazon Bedrock AgentCore 等多种框架构建智能体,各框架记录执行的方式不同,导致消息、工具调用与智能体间交接的结构各异。
UAEF 通过统一评测引擎屏蔽不同框架的 trace 格式差异,切换框架无需重建指标与存储。评测覆盖工具调用、多轮对话、多智能体协同、负责任 AI 等七个维度,而非单一准确率。
Web UI 与 Python 库共用同一引擎,用户可从低代码起步平滑过渡到代码方式,降低了智能体评测的门槛与重复建设成本。
智能体生态与自主代理
精选 4 篇多智能体协同、自主工作流与真实复杂任务落地。
谷歌 SWE 智能体 72 小时发现玛雅金字塔遗址
开发者利用 48 个基于谷歌 SWE 的 AI 智能体分析 NASA 公开的 LiDAR 数据,在墨西哥丛林中发现一处此前未被记录的玛雅遗址,包含广场、金字塔与平台,从萌生想法到获得墨西哥政府官方回复不足 72 小时。
该案例展示了多智能体协同在遥感考古与科学发现中的实际落地能力。48 个智能体并行处理 LiDAR 数据,识别出广场、金字塔与平台等建筑结构,验证了智能体在遥感考古中的效率。
案例提示可将智能体规模化应用于全球 LiDAR 数据的自动化遗址发现,为考古调查提供新的技术路径。
斯坦福 CS329Z 开源全部课程与作业
斯坦福新课 CS329Z「AI agent 工程」将讲座视频逐日上线 YouTube,并把两份作业的代码仓库以 MIT 协议开源,校外可自取。第一份作业要求不用任何 agent 框架,从零手写一个类似 Claude Code 的 harness,涵盖工具调用格式设计、BM25 检索、上下文压缩与沙盒终端。
参考答案跑完全部线上测试仅需 0.05 美元。88 分自动评分中 48 分来自不调用模型的测试,模拟用户评测 0.18 美元。
课程开源降低了智能体工程的学习门槛,强调从底层理解工具调用与上下文管理,而非依赖现成框架。
杜克与普林斯顿发现小团队并行智能体更优
杜克大学与普林斯顿大学的新论文发现,在同等算力预算下,将智能体拆分为多个小型团队并行协作并保留最佳团队结果,效果优于单智能体 best-of-N 与单一大型团队。
以 100 个智能体为例,10 个各含 10 个智能体的小团队并行运行并择优,胜过 100 个独立智能体与一个 100 智能体大团队。单一大型团队初期表现更好,但随规模扩大收益迅速停滞。
研究建议在具备验证器可评分时,采用多小组共享笔记、择优保留的组织方式,为智能体系统的规模化协作提供了新思路。
本报简讯
- ▪Databricks 发布 Genie 自主 AI 同事,企业任务准确率 91%— Yuchen Jin (@Yuchenj_UW)
开源社区与开源模型
精选 1 篇权重开源、前沿评测与高价值社区工程实践。
Meta 开源 e-means 聚类速度提升 45 倍
Meta FAIR 联合 École Polytechnique 等机构提出并开源了 k-means 的即插即用替代方案 e-means,在保持或降低测试损失的前提下,将聚类速度提升至新高度。实验显示,e-means 仅需 1.2 至 3 个 epoch 即可达到传统 Lloyd 算法 25 个 epoch 的损失水平。
在 GPU 上相对 Flash-KMeans 加速 10 至 45 倍,CPU 上相对 Faiss 加速 8 至 15 倍,打破了 k-means 长期存在的速度与质量权衡。技术核心在于用指数移动平均维护簇统计量,替代全量重算质心,并通过两条拟合缩放律自动确定批大小与步长。
该方法已成功将 100 亿条 DINO 嵌入聚为 1670 万个簇,仅需 2.5 个 epoch,但代价是结果具有随机性,且大规模质心需分片存储 64 GiB 累加器。