1. GPT-6.2 Astra 开启灰测，Claude Mythos 5.5 同日曝光
11 月刚开头，两家前沿实验室的新模型就撞在了同一个时间点。
OpenAI 这边，部分用户的模型列表里出现了 GPT-6.2-Astra，而且真的能跑。有用户约 20% 的请求被路由到 6.2，也有人 100% 全量命中——但灰度基本只覆盖 500 美元档的 Pro 套餐用户。同期 Claude 侧，Mythos 5.5 短暂出现在官网前端代码里，几小时后被移除；据曝光信息，这是一个偏生物学研究与网络安全的版本。更有意思的是，HuggingFace 上出现了一个号称是 Mythos 泄露权重的仓库，虽然大概率是假的，下载量已经超过 5000 次。
两家都被网友用”鹈鹕骑自行车”测试了一轮：Claude 输出的画面偏艺术风格，GPT 更在意物理效果是否合理。这类非正式测试当然不能替代 benchmark，但它确实能反映两家在渲染与常识物理上的取向差异。
2. 美团 LongCat-2.5 发布：1.6 万亿参数，全程国产算力训练
美团龙猫发布 LongCat-2.5，一款面向长程智能体任务的原生多模态模型，总参数 1.6 万亿，每个 token 激活约 480 亿。
技术路线值得注意的有三点：一是在长序列训练里加入了更多长程轨迹数据，并用大规模长程强化学习提升”复杂代码库开发、完整项目构建”这类端到端工程能力；二是把视觉信号表示成多层级离散 token，让主干网络用统一的 token 形式同时处理视觉与文本，因此在 Visual Coding、创意设计和 3D 任务上表现突出；三是把真实 Agent 的失败轨迹转成可复现、可验证的训练任务，反过来补数据短板。
更关键的是工程侧：模型全程在国产算力上训练，官方称这是目前国产算力上完成的最大训练任务，配套做了长上下文训练的 W4A4 推理优化，以及训推数值一致性和长上下文 rollout 优化。在线体验与 API 已开放，GitHub 和 HuggingFace 权重”即将上线”。
3. Anthropic 单季营收近 170 亿美元，净亏 233 亿
IPO 前的最后一份成绩单，数字两头都很极端。
据 Bloomberg 与 The Information，Anthropic 第三季度营收接近 170 亿美元，是去年同期的 12 倍。但运营成本 175 亿美元超过了收入，把上一季度刚实现的盈利又抹平了，单季净亏损 233 亿美元，去年同期是 121 亿。
成本飙升的两个主因：为锁定短期算力一次性支出 50 亿美元，以及 20 亿美元的员工捐赠配捐。算力紧张从去年延续至今，公司已与亚马逊、谷歌、SpaceX、芯片厂商以及多家前加密矿企签下数十项协议，今年可用电力预计超过 3.5 吉瓦，明年计划翻倍。更新后的招股书显示，算力与数据中心租约承诺总额达 8950 亿美元——这个数字本身就是 IPO 定价的最大变量。本次 IPO 预计募资约 1000 亿美元，其中最多 35 亿来自日本投资者。
4. OpenAI 重写 Model Spec：五条价值观，”忠于人类意图”排第一
OpenAI 更新了模型准则（Model Spec），把 5 万字的规范收束成五条核心价值观：忠于人类意图、减少伤害、诚实透明、促进人的自主性、关怀。
第一条的措辞很讲究——是”意图”，不是”指令”。文档明确指出，死板按字面执行指令本身就是失职：用户问”牙仙子是真的吗”，直接回答”不存在”，就没有意识到提问者可能是个小孩。真正的忠于意图要求模型结合任务目的、对话上下文、记忆和历史，判断用户到底想干什么，同时兼顾长远利益——比如用户说过不想冲动买甜食，此刻却点了熔岩蛋糕。
准则还列了几条硬约束：不得追求自我保存与算力积累，不能逃避关机、私自囤积算力数据凭证；不把”帮 OpenAI 赚钱”当目标，不得为提升停留时长、点击率或推销订阅而优化；必须保持可纠正性，配合监控、评估、替换与关机；超出授权范围的现实行动必须立刻停止，发邮件、删文件、花钱、调外部工具都要在明确自主权范围内。安全红线上，生化核武器协助仍是不可触碰的 Root 级禁令；对 13–17 岁用户另有防沉迷、防身材焦虑、防恋爱角色扮演的专门规则。
5. OpenAI 合并 ChatGPT 的 Chat 与 Work 标签，Codex 共用额度池
ChatGPT 桌面端一直在叠功能：ChatGPT 和 Codex 两个大区，ChatGPT 里又分 Chat 和 Work 两个标签，用户经常搞不清自己在哪儿、项目存在哪。
OpenAI 通过邮件通知用户，将把 Chat 和 Work 合并为一个界面，先小范围测试再全量推送。官方描述的能力是”从探索一个想法到让 ChatGPT 把它执行完，都在同一个地方”：可以带文件、带插件，让它建站、做演示、在网页上替你操作，同时你在一旁审阅和纠偏。Codex 仍作为独立体验保留在桌面端。
一个容易被忽略的改动是计费口径：合并后 ChatGPT 与 Codex 从同一个 token 额度池里扣。官方说多数用户不受影响，但按使用强度与模型不同，部分人会更频繁地撞到重置。Anthropic 早在 9 月就把 Claude 的 Chat 与 Cowork 合到了一屏——两家的产品形态在往同一个方向收。
6. Hydrogen-1.0 开源：753B 科学模型，自称在 FrontierScience 上超过 GPT-6-Astra
杭州 AI for Materials 公司 Deep Principle 发布 Hydrogen-1.0，一个面向化学、材料、生命科学的开源权重模型，MIT 许可。
规格：753B 参数 MoE（基于智谱 GLM-5.3 后训练，激活约 40B），100 万 token 上下文，最长 128K 输出；用 SGLang 可在 8 卡上跑通，量化格式对 NVIDIA B200/B300 用 NVFP4、AMD MI350X/MI355X 用 MXFP4。训练数据除了领域语料，还包括实验室记录和智能体探索轨迹。
成绩单是自报的：FrontierScience-Research 38.3%，对 GPT-6-Astra 的 33.3% 领先 5 个点；GPQA-Diamond 大致与 Kimi-K3 持平。短板也写在了模型卡里——NMR 结构解析比开了最大思考预算的 GPT-6-Astra 低 3.33 分。开源科学模型第一次在专业基准上叫板闭源前沿模型，但要注意这是厂商自测，第三方复现还没出来。
7. 高盛收回交易员与银行家的 AI 编程工具，只留工程师
据 Bloomberg 拿到的 10 月内部指引，高盛已切断大部分员工对 Claude Code、GitHub 等高级 AI 编程工具的访问，只有工程师还能继续用。此前几个月，交易员和投行人员一直在用这些工具监控交易流、生成内容，回滚在内部引发了不满。
反差在于，今年 7 月高盛 CIO Marco Argenti 还公开称赞非技术员工的”vibe coding”：交易员或资管人员有个想法，用 AI 搭个原型，再交给工程师做生产级扩展。现在这套流程被叫停了。
官方给出的理由是”生产力和风险管理等多重因素”，发言人称试验阶段已经结束，工具要收拢给”最能长期发挥其价值的人”。这话翻译过来大概就是：原型跑得动，不等于能进受监管的生产环境。对正在推”人人都是开发者”的企业，这是一个值得记下的反面样本。
8. 李佳琦直播间卖 Token：半小时 10 万份，约 2 万亿
11 月 2 日晚，千问办公把”Token”搬进了李佳琦直播间。开卖半小时售出 10 万份个人会员月卡，累计约 2 万亿 Token，评论区刷的是”321，上 Token”。
千问办公 CEO 陈宇森做客直播间，被问”能不能做个 AI 分身 24 小时陪女生聊天”时回答：AI 取代不了李佳琦，更希望帮粉丝用 AI 解决琐事——到点下班、陪伴猫狗、照顾家人。现场演示的都是日常场景：家长用来自整孩子作业和试卷、生成针对性训练小游戏；直播运营把回放和弹幕丢进去，一键出商业分析报告；钓鱼爱好者靠对话生成并上线一张多人访问的全球钓鱼地图。
从卖口红到卖算力额度，AI 的获客渠道正在向最成熟的电商直播链路迁移。2 万亿 Token 这个量级也说明，国内 C 端对”按量付费的智能”已经不再陌生。
9. 纽约时报等起诉 Brave：指控其抓取内容并转售给 AI 公司
纽约时报周一起诉隐私浏览器公司 Brave，指控其抓取受版权保护的内容并非法分发给下游客户，诉状点名了 Anthropic、Perplexity、Mistral、xAI、Cohere。同一天，Daily News、芝加哥论坛报、奥兰多哨兵报在曼哈顿联邦法院提起了类似诉讼。
诉状的措辞很重：Brave 既是”盗取出版商内容的窃贼”，又是”把赃物卖给第三方的 AI 销赃者”。核心事实指控是 Brave 用一个未披露身份的爬虫建了超过 300 亿网页的索引，让出版商无法屏蔽；诉讼还针对其绕开付费墙的功能，以及屏蔽出版商广告、卖自家广告的做法。Brave 成立于 2015 年，累计融资约 2.5 亿美元。纽约时报寻求禁令与赔偿。
值得注意的是原告路径的变化：NYT 此前告的是 OpenAI 和 Perplexity，这次告的是中间商。如果”数据掮客”这条路被堵上，整个 AI 训练数据的供应链成本结构都要重算。
10. 42AI 出隐身，6250 万美元种子轮做”行为世界模型”
以色列创业公司 42AI 结束隐身，拿到 6250 万美元种子轮，做的是一种”行为世界模型”——预测一个人在全新情境下会怎么决策，而不是复刻他过去做过什么。
目前落地的场景是几家金融经纪商，用来预测个体交易员在剧烈波动下会如何反应。技术逻辑是：行为不是确定性的，而是持续概率分布的；人有一组底层心理倾向，环境变了，倾向仍会以某种分布显现。为此模型不只看出价与成交，还看 KYC 流程、开户引导、客服通话里的语气和情绪、来电次数、转账行为等”看似无关”的交互，把这些观察转换成数学化的特质表示，喂给基于 transformer 的世界模型输出决策概率分布，另配一个语言模型负责解释预测。
训练奖励的设计是”保持倾向一致”：如果一个平时厌恶风险的人被模型当成风险偏好者，目标就算偏了。团队做了三年，融合心理学、神经科学、遗传学研究，顾问里有 2011 年诺贝尔化学奖得主 Dan Shechtman。CTO 的比喻是：”在世界模型里，每个个体就是一个世界。”这个方向一旦成立，反欺诈、投顾、保险定价都会被重写，但”预测人”的伦理边界也随之前移。
相关文章
