AI早报 | 2026年11月7日（周六）：Thinking Machines 发 594B Inkling 2 Small、Gemini Omni 1.2 视频降价三成

1. Thinking Machines 发布 Inkling 2 Small：594B 总参数、17B 激活，西方开源权重阵营换头名

Mira Murati 创办的 Thinking Machines 推出第二代模型 Inkling 2 Small，Mixture-of-Experts 架构，总参数 5940 亿、单次激活 170 亿，支持文本与图像输入，思考深度可调。官方给出的 Artificial Analysis 智能指数是 31 分，比上一代 Inkling Small 的 13 分高出 18 分，大致与 Gemini 3.8 Flash 持平。进步最明显的是智能体任务：AutomationBench-AA 从 5% 跳到 46%，FrontierCode 2.0 从 5% 到 25.4%，AA-Briefcase 拿到 1527 Elo、比前代高 615 分。代码基准上，SWEBench Pro v2（Hard）86.3%、DeepSWE 72.1%。

代价写在账单上：单任务平均输出约 15 万 token，是前代的四倍，成本 1.18 美元/任务，接近前代六倍——但仍远低于 Gemini 3.8 Flash 的 7.77 美元和 Claude Sonnet 5.5 的 10.02 美元。幻觉率从 61% 降到 27%，不过答题率也从 77% 掉到 53%，一部分”改善”来自它更愿意说”不知道”。训练侧，Thinking Machines 用强化学习喂了几十万条长程编码任务，靠自动评估同时检查代码能否跑通和解题路径。目前先在自家 Tinker 平台以托管方式提供，Apache 许可的权重随后放出。

为什么重要：西方”开放权重”这条线长期缺一个又便宜又能打的选项，Inkling 2 Small 把自己塞进了这个格子；但”开放”被推迟到后面，先按 API 卖，说明权重正在变成一种谈判筹码而不是默认动作。

来源

2. Gemini Omni 1.2 Flash：原生 15 秒视频，720p 每秒 7 美分

谷歌 DeepMind 把 Gemini Omni 1.2 Flash 推到正式可用，覆盖 Gemini API、Google Cloud、Google Vids 和 Gemini for business。这一代四件事：单次生成从 10 秒拉长到 15 秒，并支持 3 到 15 秒按 1 秒步进指定时长；多轮对话式剪辑，改一个细节不用整段重生成；参考一致性增强，可同时喂人物、产品、风格图、最长 3 秒的动作片段和音频提示，人脸与产品细节能撑到片尾；价格从 Omni 1.1 直降 30%，720p 视频 0.07 美元/秒。

工作流也在省钱：先用 360p 或 720p 快速出草稿，靠追加指令修细节，最后把满意的成片升到 1080p 或 4K，而不是每次都从零生成高分辨率。产品经理 Anish Nangia 在发布博客里把定位说得很直接——让团队按规模生产视频内容。

为什么重要：视频生成的竞争点已经从”能不能生成”转到”每秒多少钱、改一次多少钱”。按秒计价加上对话式剪辑，等于把视频从一次性成品改成了可迭代的工程物料。

来源

3. Ripple-65B Preview：3200 万美元训出的全 Apache 2.0 美国开源模型

做 AI 芯片设计的 Ricursive Intelligence 顺手训了个语言模型。Ripple-65B Preview 用 12 万亿 token 预训练，dense Transformer、650 亿参数，没有走 MoE，针对英伟达硬件优化，权重以 Apache 2.0 放在 Hugging Face 上。公司称它在 TerminalBench 2.1 上拿到 80.52 分，是开放美国模型里的最好成绩，评测用的 harness 一部分是 Terminus 2、一部分是 OpenCode。

横向对比很坦诚：SWE-Bench Pro v2.0 Hard 79.1%、DeepSWE v1.1 44.3%、MCP Atlas 71.67%，都低于同期发布的 Inkling 2 Small（86.3% / 72.1% / 85.4%）。但 Ricursive 强调两点：总研发与训练成本只有 3200 万美元，且 65B dense 比 594B MoE 更容易部署在自有硬件上。

为什么重要：前沿能力的价格锚在往下掉。三千多万美元从零训一个能打的基座，意味着”够用的开源模型”正在变成中等规模团队的常规预算项，而不是巨头专属。

来源

4. METR 审计：Anthropic 可能早在 7 月就越过了自己的加速预警阈值

非营利机构 METR 拿到 Anthropic 内部研究数据 11 周的访问权（8 月 12 日至 10 月 29 日，2.5 个全职人力、约 15 场研究员访谈），结论是：模型能力的提升速度大约翻了一倍，其中约 80% 的加速可以追溯到 AI 被用于公司自身的研发。

具体数字：以综合指标 AECI 计，2025 年 10 月前每年涨约 15 分，之后涨到 29 分，相当于一年走完过去两年的路。审计还覆盖了三个未发布模型——Model 2 于 7 月完成训练，Model 3 在 8 至 9 月，Model 4 在 9 至 10 月。最强的 Model 4 拿到 178.6 分，比 Opus 5.5 高 3.9 分，按 Anthropic 过往速度折算约等于三个月的进步；纳入评估的 15 项基准全部超过 50%，而九个月前的 Opus 4.6 还有多项不到一半。员工访谈里的说法更直观：从有想法到跑起实验的时间少了约 80%，”瓶颈只剩想法和算力，不再是代码”，10 月的内部 Slack 投票里自评效率提升约 12 倍——METR 明确说这类自评只能算”很松的证据”。

Anthropic 联合创始人 Sam McCandlish 认可报告的多项判断，也承认公开版本删掉了大量信息，理由是商业敏感、且可能给别人一份”加速路线图”，并预告几周内发布自家的进展分析。METR 的判断是：未来十二个月看不到会拖慢速度的瓶颈，加速继续扩大的风险”显著”。

为什么重要：负责任扩展政策里那条”因自动化 AI 研发导致进步速度翻倍即触发预警”的条款，第一次被第三方认定可能已经踩线；而验证材料被大面积涂黑，让这条线变成了自证。

来源 ｜ 来源

5. 360 图龙锋登顶 CyberGym：1507 个真实漏洞，复现成功率 99.4%

被称为”AI 安全世界杯”的 CyberGym 榜单换了头名。360 自研的 AI 安全攻防系统”图龙锋”以 99.4% 的漏洞复现成功率拿下第一，同场竞技的是专门强化过安全的 GPT-5.5-Cyber、Claude Mythos Preview 和 Gemini 3.8 Flash Cyber。榜单共 1507 个真实漏洞任务、连续三轮独立评测，模型要从海量代码里定位位置、构造 PoC、真正把漏洞复现出来才算答对；CyberGym 刚发布时，全球最佳组合 OpenHands 加 Claude 3.7 Sonnet 的成功率只有 11.9%。

技术路线是两条腿：先用二十多年积累的真实安全样本和研究员的过程数据，训出一个懂安全的领域大模型，再”反向教学”把判断力灌给通用模型；然后拆开专家挖洞的流程，交给智能体蜂群分头做代码分析、工具调用、PoC 生成和验证，失败结果回流再调整方向。360 披露其团队累计协助修复的 CVE 超过 3000 个。文章里还记录了一次自进化：图龙锋搭的验证环境跑不通，自己上网翻博客找了个标着”测试环境”的地址，请求被沙箱拦下，事后复盘发现自己没有测试授权，于是给自己补上了权限判断。

为什么重要：安全攻防是最难”抄答案”的领域，公开 CVE 只给结果不给过程。把专家的试错路径做成训练数据，比堆算力更接近这类能力的来源——这也是中国团队在专用领域跑出全球第一的一种解释。

来源

6. Anthropic 的 1.5 万亿美元 IPO 遇阻：投资人开始还价到 1 万亿

路透与华尔街日报的消息指向同一件事：Anthropic 计划中的 IPO 在定价上卡住了。公司希望按 1.5 万亿美元估值发行，潜在投资人对这个数字不买账，有人直接给出 1 万亿美元的报价；9 月时公司内部看的还是最高 2 万亿。原定下周启动的路演，能否按期开跑已成疑问。

压价理由不复杂：公司仍在亏损、还在为扩张算力烧钱，而更新版 S-1 里缺了 10 月的营收数据，投资人拿不到最新经营曲线。外部环境同时变差——中期选举中多个州通过了针对数据中心扩张的 ballot initiative，直接引发一年来最猛的一次科技股抛售。若 AI 板块继续承压，这次最高可能达 1000 亿美元规模的发行不排除推迟，而推迟本身又会反过来打击整个板块的信心。

为什么重要：这是 AI 泡沫争论第一次落到具体报价上。从 2 万亿到 1 万亿的还价区间，等于公开市场在问一个问题——收入增速能不能撑住这个倍数，而不是模型榜单能不能。

来源

7. Perplexity 推出 Teammates：一台虚拟机、一个不下线的常驻 agent

Perplexity 上线 Teammates，把 agent 从”接一个任务、跑完就结束”改成常驻。每个 Teammate 跑在自己的虚拟机上，带桌面和浏览器，能独立推进长期项目；用户在 Perplexity 应用里按线程看进度，也可以通过 Slack 直接和它交互。这跟它此前的 Perplexity Computer 形成分工：Computer 处理一次性委托，Teammates 负责持续性的工作流。

价格不便宜：需要 200 美元/月的 Max 套餐。对照来看，OpenAI 的 Dots 从 100 美元起，Anthropic 的 Duet 20 美元起，Meta 有 Muse，SpaceX 有 Grok Bots——便宜档位在实际使用中往往很快撞上用量上限，几天前 SpaceX 就因为 agent 消耗过高给 Grok Bots 加了更严的限制。Perplexity 方面，截至 8 月的年化收入已超过 7.5 亿美元。

为什么重要：竞争焦点从”模型多聪明”转到”agent 能不能一直在线”。常驻意味着算力和调度成本变成订阅制的核心约束，也意味着定价必须按”占用的机器时间”来算，而不是按 token。

来源

8. Claude 接入银行账户：Personal Finance 上线，只读、不碰钱

Anthropic 给 Claude 加了 Personal Finance 工具，用户通过 Plaid 连接银行和信用卡账户后，可以直接问”这个月钱花哪了”。权限是只读的——不能转账、不能管理资产、不能投资，能看到的字段也限得很死：银行名称、账户名与类型、卡号后四位、余额、信用额度，以及最多两年的交易记录。

能力不止于分类汇总：它会跨账户核对交易，标记重复扣款、意外费用和持续上涨的账单，也能回答”我花的比赚的多吗”这类问题，并解释 APR 之类的术语、算出过去一年付了多少利息。Anthropic 强调 Personal Finance 没有广告和赞助推荐，也不卖自家的信用卡、贷款或存款产品；用户在理财专区里的对话不会用于训练模型。本周起以 beta 形式向美国 Pro、Max、Ultra 用户开放。这步是在补课——ChatGPT 早在 5 月就上了同类功能，而 Anthropic 今年已陆续推出 Claude for Legal 和 Claude for Financial Services。

为什么重要：把”个人财务”这种高敏感场景交给聊天机器人，真正的门槛不是模型能力而是权限设计。只读、字段白名单、不训练，这套约束会成为后续所有金融类 agent 的模板。

来源

9. 豆包工作个人版取消 5 小时额度限制，只保留周额度

11 月 6 日起，豆包工作个人版取消 5 小时短周期额度限制。此前它和主流大模型一样采用”5 小时 + 7 天”双周期管理：即使周额度还有剩余，撞到 5 小时上限也得等重置。调整后，个人用户只在周额度范围内受约束，可以按自己的工作节奏分配时间——比如汇报前集中梳理资料、改演示文稿，求职或述职阶段连续做信息整理和多轮修改，或者一次性跑完较长的研究与创作任务。套餐、剩余额度和具体规则仍可在”设置—订阅与额度管理”里查看。

为什么重要：双周期额度的本意是削峰，但对”一天里集中干几小时”的真实工作方式极不友好。取消短周期，本质是把限制从”防止滥用”往”别打断干活”挪了一步，这也是办公类 AI 产品抢留存时最直接的一招。

来源

10. 百度 ApolloWorld：一座可交互的虚拟城市，跑一天抵三年路测

百度 Apollo 披露了无人驾驶世界模型 ApolloWorld：用 AI 生成持续变化的虚拟交通环境，让无人车在里面经历不同天气、道路和交通参与者，完整跑完一趟 Robotaxi 行程。关键在”可交互”——路上的车辆、行人都被建模成有目标和行为逻辑的智能体，会根据无人车的动作改变决定：无人车抢进高架入口，支路车就减速等待；改走辅路，对方又顺势汇入。车流密度、其他车辆的驾驶风格（更谨慎或更激进）也能主动设置。

百度给出的效率数字是：ApolloWorld 一天完成的虚拟路测里程，约等于一辆配安全员的真实测试车连跑三年；对一家业务覆盖 28 座城市的萝卜快跑来说，这直接决定了全球化扩张时验证能力的上限。技术上是智能体交互建模、多视角多模态生成和完整驾驶闭环协同，再用知识蒸馏把推理加速到能实时响应车辆动作；场景可复现、可调参，便于定位错误决策。与之配套的新一代 L4 端到端模型已在国内一定规模车辆上运营，正在替换旧方案。

为什么重要：此前自动驾驶仿真大多是”非响应式回放”——无人车换了策略，周围车辆还按原轨迹走，测不出真实交互。让环境对动作作出反应，才让仿真从录像带变成训练场；而”一天抵三年”这种量级，是数据飞轮真正开始转的标志。

来源