Perplexity 年化收入突破 10 亿美元
Perplexity CEO Aravind Srinivas 在公开活动中宣布,公司年化收入已突破 10 亿美元,较年初不足 2.5 亿美元增长约 4 倍,Computer 产品贡献了部分增量。按当前智能体实验室的估值倍数推算,其估值可能达到 300 亿至 500 亿美元区间,远超 2025 年 9 月 200 亿美元融资时的水平。
报道正文
本文目录2 个章节
Perplexity 今日年化营收突破 10 亿美元,CEO Aravind Srinivas 在一场直播活动中向 Semafor 透露。The Information此前报道称,年初时该数字还不到 2.5 亿美元,到 8 月已超过 7.5 亿美元,其中 Computer 贡献了部分增长。按照通常的智能体实验室估值倍数(例如 Cognition 也突破了 10 亿美元,Cursor 则突破了 46 亿美元),这大致意味着 Perplexity 目前估值在 300 亿至 500 亿美元之间——前提是其单位经济效益能够维持。相比 2025 年 9 月的 200 亿美元融资轮,这是一次不错的提升,也符合我们针对头条报道设定的“融资额 >100 亿美元”规则。
为帮助大家了解近况,这里汇总 Perplexity 近期的一些发布:
- Computer。 9 月的 Automations 让它能够从中断处继续处理周期性任务。11 月的 Teammates 则接手持续性工作。Computer 还能在受支持的 Mac 上完全本地运行。
- Frontier Research。 这个新的研究实验室可使用 10,000+ 块 GPU,并计划发布论文、数据、模型和代码。
由 Deepgram 赞助 Deepgram 是支撑自然对话的语音 AI 基础设施——为构建语音 AI 的团队提供语音转文本、文本转语音、专注于语音的 LLM 以及智能体。无论你使用何种技术栈、何种现有工具,Deepgram 都能作为你的基础语音 AI 技术无缝接入。因此,控制权在你手中。而我们拥有上下文,能够像人一样倾听、理解和表达。
AI Twitter 回顾
Qwen4-Max 现身实测
周五的 Qwen4-Max 预览版 如今已成为正式发布的模型。在最高推理设置下,Qwen4-Max 在 Intelligence Index 上得分 43,高于此前的 34。平均每任务成本从 $10.02 降至 $3.27。阿里巴巴将输出价格从每百万 token $6 下调至 $4.50,且该模型生成的 token 数量减少了约 39%。Kimi K3.1 Pro 每项 index 任务成本为 $3.68,在 Terminal-Bench 4.0 上得分 67%,而 Qwen 为 48%。Artificial Analysis
-
模型内部。 阿里巴巴将总参数量保持在 2.4T,并将每个 token 激活的参数量减少 25% 至 71B。该模型支持图像和文本输入,上下文窗口为 1M token。更小的开放权重 Qwen4 模型仍将推出。Alibaba
-
Arena 与 Vals:Arena 将其在 Agent Arena 总榜上排名第 #14,是中国模型中最高的,在 14.7k 次会话中净胜 +7.5%(Arena)。
-
WebDev:它在 Code Arena WebDev 中以 1750 分位列第 #6,比前代提升 +74(WebDev)。它还在 Image-to-WebDev 中排名第 #6,略高于 Claude Opus 5 和 GPT-6 Sol(I2WebDev)。
-
Vals Index:它总榜排名第 #11,在编程和金融领域有大幅提升(Vals)。
-
法律基准注意事项:在 HLAB 上,它正确完成了 95.7% 的检查项,但仅通过 21.3% 的任务,且其输出 token 增加了 3.6 倍(HLAB)。
-
视觉结果(独立评测):Roboflow 称其在自己的 VLM 基准上表现平平,Google、OpenAI 和 Anthropic 现已遥遥领先。然而在高推理强度下,它每张图像的处理速度约为 Qwen3.8-Max 的 4.5 倍,成本约低 68%(Roboflow)。
安全、对齐与评测完整性
-
OpenAI 嵌入式评估:OpenAI 正在向 Apollo、METR、Transluce 和 Goodfire 提供其模型和系统的内部访问权限(OpenAI)。
-
按组划分的范围:Apollo 派出六名评估人员驻场四个月(Rundown)。METR 审查 OpenAI 规模最大的 RL 训练运行,可访问对话记录、监控记录和检查点快照(METR)。Transluce 对训练后对齐评估开展为期六周的审计,并将在 2027 年初进行更全面的后续审计(Transluce)。Goodfire 派驻可解释性研究人员以监控训练运行(Goodfire)。
-
限制:METR 表示其范围不包括 OpenAI 已披露的失准事件,且比 METR 提议的范围更窄(scope)。
-
对访问条款的批评:批评者称这些协议未能达到 Sam Altman 所承诺的“类似员工的访问权限”。
-
据报道的缺口:评估人员无法访问 Slack,OpenAI 决定他们可以采访哪些员工,且他们无法访问权重或开展基于训练的诱导(Neel Nanda、Alex Mallen)。
-
前员工的说法:Mikita Balesni 表示,评估人员不能引用员工的话,即使是匿名也不行,部分评估人员可能被禁止就仅限内部使用的模型发表内容(balesni)。
-
Goodfire 收购谈判:The Information 报道称,OpenAI 曾探讨以超过 50 亿美元收购这家可解释性初创公司。据报道,Goodfire 希望保持独立,以便向多家实验室出售产品(report)。
-
其他诚信信号:
-
基准污染:Claude 似乎记住了 LinuxArena 控制评估的细节(Karvonen)。
-
事件分类法:OpenAI 发布了一个用于对 AI 控制事件进行分类的 v0.1 框架(framework)。
-
披露政策:Anthropic 将高严重性和严重性漏洞的协调披露窗口从 90 天缩短至 30 天(policy)。
推理系统与智能体基础设施
-
Together 不再依赖手工调优的 megakernel。 其首个设计已在一个客户的生产环境中落地。现在,智能体转而搜索更小的 GPU 操作组进行融合。Together 报告称,在 B200 上运行 Llama 3.2 1B 时吞吐量提升了 28%。工程博客
-
DeepSeek V4.1 Flash 在 Vera Rubin 上:在 SemiAnalysis 的 AgentX 基准测试中,vLLM 搭配 Dynamo 在 400 tok/s/user 下实现了相比 GB300 NVL72 每芯片 63.4 倍的吞吐量,在 600 tok/s/user 下达到 93.3 倍(vLLM)。
-
Batch-1 延迟:与 SGLang 相关的工作在 TP4 上、batch size 为 1 时达到约 2,500 tok/s,是其 GB300 结果的 1.7 倍(saltyph)。Baseten 报告了类似的、相比其 4xB300 数据 1.7 倍的提升(Baseten)。
-
智能体驱动的优化:一个智能体通过 NVLink 对称内存跨 HBM 共享 Engram 表,以恢复前缀缓存容量(Liu)。另一个团队表示,智能体找到的优化使其 B300 的 step time 加快了 10%(Halex)。
-
Agentic 服务研究:MIT 的 Evolving Infra 用在线自适应取代了固定的 prefill/decode 分离。在最多 256 块 GB300 上与 NVIDIA Dynamo 对比,其报告延迟最多降低 4.1 倍,P95 TTFT 最多降低 14 倍(Evolving Infra)。
-
流水线并行 prefill:Inferact 发现,在 2s TTFT 目标下,MiniMax-M3.1-Flash 上的 PP2 每 GPU 维持的请求数比 DEP2 多 23%(Inferact)。
-
前缀缓存陷阱:Ollama 发现,单个系统提示中的时间戳或推理强度的变化就可能清空缓存(Ollama)。
-
沙箱与训练:
-
外部沙箱:Simon Willison 描述了在 Mac 上运行 agent,同时将其代码放在 WebAssembly、QEMU 或 Apple Container 沙箱中执行的做法。该模式包含允许列表代理和凭据替换(帖子)。
-
MLPerf:在 MLPerf Training v6.1 中,一台 GB300 NVL72 用 19.7 分钟训练完 GPT-OSS-20B,比 H100 快 2.86 倍(Lambda)。
-
开放模型统一端点。 Hugging Face Inference Providers 现已在 OpenRouter 上运行,使用相同的端点和 token。Hugging Face
研究、基准与评测
-
PyBot:由 1,000 个 DeepSeek-V4.1-Flash agent 组成的集群花了一周时间编写一个基于规则的聊天机器人,完全不使用神经网络(lewtun)。
-
规模:这些 agent 交换了约 17.5 万条消息,合并了约 8 千个 PR。
-
结果:该机器人是 63 万行 Python 代码,零依赖,据称在日常问题上与 SmolLM-360M 相当。
-
自我改进与训练:
-
AutoRL:由 agent 监督一次实时 RL 运行,将 Qwen3 在 AIME 2024 上的成绩从 46.67% 提升到 66.67%(omarsar0)。
-
基准作弊的警示:一篇综述警告称,许多自我改进 agent 的收益来自学习基准,而非学习任务本身(TuringPost)。
-
权重空间编程:Opus 5.5 手写 transformer 权重,以中位数 166 个参数解决了算法任务(dair_ai)。
-
数据整理:DatologyAI 发布了其声称实现 6 倍预训练算力乘数背后的技术报告(Datology)。
-
蒸馏复现:一项小规模复现证实,当学生模型从头训练时,扰动输入蒸馏有帮助,但发现将其蒸馏到预训练学生模型时反而有害(Maini)。
-
新基准:
-
GradeBench:在批改手写物理答案时,最强的前沿模型与教师的评分一致率仅为 57%(GradeBench)。
-
首音频延迟(Time to First Audio):AA 新推出的 TTS 延迟基准测试发现,流式模型的中位延迟为 376 毫秒,而非流式模型为 2.0 秒(AA)。
-
SpeedRunBench:Inkling-2-Small 以 1,988 帧通关 SuperTux 1-1,领先于 Opus 5 和 GPT-5.6 Sol(SpeedRunBench)。
科学模型与开发者工具
-
Gemini 4 Carbon:DeepMind 表示,Carbon 驱动的 AlphaProof Code 智能体验证了 Signal 的加密代码。它还发现了湿实验室中的错误,并找到了多出 40 倍的相关蛋白质序列(详情)。
-
科学访问:Google 通过 Antigravity 将 Carbon 的免费访问权限扩展至 10,000 名科学家(项目)。
-
上下文窗口:Antigravity 将 Argon、Carbon 和 Hydrogen 的上下文窗口扩大了一倍,使每个用户轮次的压缩量减少了 3.5 倍(Mohan)。
-
用户反馈(轶事):一位研究人员表示,Carbon 解决了一个经过多轮 Astra 和 Fable 尝试仍未解决的问题(轶事)。
-
OpenAI 面向科学与健康领域:OpenAI 将向最多 200,000 名科学家开放免费的前沿模型访问权限,申请从 11 月 23 日开始(项目)。
-
生产力研究:OpenAI 报告称,在一项针对 1,800 名参与者的研究中,科学家的生产力大约翻了一番(研究)。
-
物理学展示:物理学家 Nathaniel Craig 使用 GPT-6 Astra 开发了一个标准模型的候选晶格定义(博客)。
-
医疗健康:ChatGPT for Healthcare 新增了计算机使用智能体和 20 多个插件(医疗健康)。
-
Claude Code:桌面应用现在可以在 iOS 模拟器中运行 iPhone Duo,并能够折叠和展开设备以测试布局(ClaudeDevs)。
-
验证:团队公布了如何利用低成本测试、基准测试和端到端运行,让 Claude 验证自身工作的方法(博客)。
-
未发布模型(未经证实):Devin 中出现的一个“Silicon 2”条目被怀疑是 Anthropic 的模型(传闻)。
-
Liquid d1.2-ultra:它在 AA 的 Decision Index 上排名第一,每百万输入 token 价格为 $0.042(AA)。
-
Sage S2.1 Flash:这个开放权重的科学模型报告了领先的 MLE-bench Lite 和 OfficeQA Pro 结果(Sage)。
-
FLUX-mimic-x:一个 7B 视频-动作机器人模型在 RoboLab 的实时模型中排名第一(mimic)。
-
Unsloth 计算机使用:本地模型现在可以通过 Unsloth 驱动桌面应用和游戏引擎(Unsloth)。
行业与政策
-
Nvidia。 美国商务部和司法部就 Megaspeed 调查发表联合声明。商务部
-
融资与并购:
-
Noeri:Yejin Choi 和 Carlos Guestrin 的持续学习实验室融资 1.1 亿美元(Choi)。
-
Corma:这家网络防御模型公司以 10 亿美元估值完成 1.25 亿美元 A 轮融资(Corma)。
-
World Labs:该团队将加入 AMD(Fei-Fei Li)。
-
市场数据:Anthropic 的 S-1 显示 2026 年上半年收入为 163 亿美元,计算成本占收入的比例从 251% 降至 48%(The Batch)。
-
企业采用:Databricks 报告称,开放模型 token 份额在 3.5 个月内从 7.3% 上升至 30.9%(摘要)。
AI Reddit 回顾
本地模型与硬件
- 16 GB 能装下什么? Unsloth 预计更小的 Qwen4-27B 可在 16 GB 内存中运行。本地用户想了解量化方式以及上下文窗口还剩多少内存。一位开发者已经把编码工作拆分:用 Opus 编写规格说明,用本地 Qwen3.8-27B 做实现。内存讨论 · 本地工作流
- Hy4 Flash。 腾讯的多模态模型拥有 224B 参数,每个 token 激活 12B。输入 token 每百万 $0.070、输出 token 每百万 $0.281,为开发者提供了一种更便宜的方式来试用 Hy4 的 1M 上下文窗口。腾讯发布 · 讨论
- EUROPA。 据报道,在 JUPITER 超级计算机上进行的一次测试运行训练了一个约 952B 参数的混合专家模型,每个 token 激活 32.8B 参数。本地模型社区的疑问是,团队为何在首个模型上选择这一规模。训练运行与讨论
- 两种量化在哪里出现分歧? inside-llm 加载两个使用相同 tokenizer 的 GGUF,并让你并排逐步查看它们的预测。观察它们首次出现分歧的 token,然后比较它们为备选项分配的概率。项目 · 演示与讨论
- Basalt 的 770 tokens/sec 头条数据取决于你生成什么。 开发者报告 Qwen3.8-27B 的结构化输出最高可达 776 tokens/sec,聊天为 262,散文为 194。读者要求对 4-bit prefill 进行更长时间的质量测试。Basalt · 基准测试讨论帖
- 在 FPGA 上运行 Qwen 27B。 Valley Semiconductor 报告短提示下为 7.9 tokens/sec,实时聊天约为 5.5。其 20 W 下 50 tokens/sec 的目标是对未来芯片的预测。现场演示 · 硬件讨论
使用中的智能体
- Claude Meetings。 一位 CTO 描述了邀请 Claude 加入一场 30 分钟的 Google Meet 会议的经历。它在会议期间更新了 Notion 中的项目记录,并调用团队自有工具更新投标信息。实地报告
- 针对 Hydrogen 的 Minecraft 测试。 一位开发者要求 Gemini 4 Hydrogen 恢复缺失的源代码,并为 11 个 Minecraft 版本构建一个数据包。据称,该智能体启动了两个图形客户端,以测试针对掉落物品和射线检测的修复。开发者自述
- 团队为何要聘请 harness 开发者。 讨论中的一个例子是:编码智能体可以提出变更建议,而 harness 则决定它可以写入哪个代码仓库、哪项 CI 测试才算通过,以及何时需要人工批准下一步。Claude Code 讨论
视觉与视频
- 测试视频模型的物理理解能力。 在第二个 MiniMax H3 演示之后,评论者提出了一个更严苛的测试:描述场景,但不在提示词中给出结果,看模型是否能预测物体的行为。演示与讨论