AI早报 | 2026年11月14日（周六）：ChatGPT钱包开放代付、Claude Fable 5.2发布

1. ChatGPT 上线钱包：Agent 替你下单，卡号对模型隐身

OpenAI 周五开放 ChatGPT Wallet，让内置 agent「dot」不只是帮你比价，而是直接完成付款。首批仅面向美国 ChatGPT Pro 订阅者，需年满 18 岁并持有美国发行的 Visa、Mastercard 或 American Express。结账前用户可以复核商品、总额和将扣款的卡，再用 Face ID 或指纹确认，从而留下一份带生物识别的交易记录。

技术上，卡只绑定一次，付款时调用的是支付 token 而非真实卡号，agent 与商家都拿不到卡信息；收货地址与联系方式由 dot 自动传给商家。OpenAI 承诺返现与拒付保护照旧。后续还会开放消费上限、按品类或时段预设额度，让 agent 在授权范围内更自主地下单。

为什么重要：Amazon 已经封禁第三方 AI agent 抓站，把流量导给自己的 Alexa；Meta 的 Muse 用户破千万后「AI 辅助购物」成了 App 里最热的行为之一。谁掌握付款入口，谁就掌握 agent 商业化的收银台。

来源

2. Claude Fable 5.2 / Mythos 5.2 发布：更快、更便宜，30 小时证完费马大定理

Anthropic 把两个旗舰同时升到 5.2。两者是同一个底层模型，区别在防护：Fable 带网络安全与生物安全护栏，向所有用户开放；Mythos 面向防御性安全与生物医药研究，需申请白名单。输出速度比 5.1 快 30%，价格降到每百万 token $8 输入 / $40 输出，另有可选 fast mode，速度再提 2.5 倍，定价 $16 / $80。

预发布阶段的内部用例相当硬：替工程师完成原本不可行的软件迁移、从零设计出三块能工作的电子器件、解决两个黑洞物理的开放问题、在机器人评测上取得实质进展，以及在 30 小时内形式化费马大定理的证明。在 FrontierCode 2.0 上，High 档基本追平 Opus 5.5 的 Max 档，单任务成本只要一半左右。Anthropic 称这次上了「史上最强」的反蒸馏保护。

为什么重要：Opus 5.5 被官方定位为日常主力，Fable/Mythos 则是「难题专用档」。分层定价加上 fast mode，把「贵模型只干难活」从口号变成了可执行的成本模型。

来源

3. LangChain 拿下 3 亿美元 C 轮，估值 30 亿美元翻了一倍多

Agent 管理平台 LangChain 完成 3 亿美元 C 轮，估值 30 亿美元，由 CapitalG 领投，新加坡 GIC、DFJ Growth、IVP、Sapphire Ventures 参投。一年前它融 1.25 亿美元时估值 12.5 亿美元，这一轮直接翻倍还多。

LangChain 2022 年起家于开源库，做的是早期大模型做不好的事——搜网页、调 API、连数据库。当各家前沿实验室自己把 harness 做顺之后，它转去做 agent 的创建与治理，主打「智能归企业自己所有」：LangSmith 不锁定任何模型、云或生态。目前它声称有 7000 家 LangSmith 客户，包括 Harvey、Rippling、Clay，以及 Nvidia、丰田、Salesforce 这类大企业。

为什么重要：模型能力被实验室收回去之后，中间层的价值只剩治理——可观测、可评测、可审计。这一轮融资说明资本市场愿意为「不绑定任何一家模型」付溢价。

来源

4. 研究称被禁的 Blackwell 训练出了中国最强开源模型

前 OpenAI 研究员 Will DePue 牵头的非营利机构 Unemployment Labs 放出研究：DeepSeek、Moonshot、MiniMax、蚂蚁等开放权重模型，其权重结构里留有训练所用芯片的「指纹」，而 Kimi K3、DeepSeek V4 这些最受关注的模型，指纹指向美国禁止对华出口的 Blackwell。

Epoch AI 估算，2024 至 2025 年约有 200 万片先进芯片以隐瞒最终目的地的方式流入中国，仅马来西亚在两年间就进口了 27.5 万片英伟达加速卡——离岸数据中心是常见路径。这意味着模型未必违反出口管制，因为训练可以在境外完成；但管制想防的恰恰就是这个。彭博社周五另报道，与 Alice Huang 有关联的公司在上海数据中心安装了走私入境的英伟达芯片。

为什么重要：管制只盯「谁拥有、装在哪」，却放过了「谁在用」。黄仁勋离职把这件事从技术议题推成了政治议题，而芯片指纹这种取证方式，第一次让「查得到」变成了可能。

来源

5. 马斯克裁掉 xAI 整个多模态团队，约 70 人无一幸免

量子位获悉，xAI 近期整体裁撤了多模态团队，约 70 人全部离开。几乎同时，官方招聘页上架「Model Engineer, Multimodal Understanding」，base 加州 Palo Alto，覆盖图像、视频、音频、文本的理解与生成全栈，从数据、tokenizer、预训练、后训练对齐到基础设施，年薪 16 万–25 万美元外加股权。

这不是孤立事件。2026 年 2 月 SpaceX 宣布收购 xAI 前后，12 名联合创始人中约一半离场；5 月《The Information》报道，除马斯克外联创已全部走完，超过 50 名研究员与工程师离职，Coding、世界模型、Grok Voice 负责人相继出走，核心预训练团队也被大幅缩减。11 月，这把火烧到了多模态。

为什么重要：裁完立刻重招同一职能，说明砍的不是业务方向而是组织形式。当 agent 要操作软件、理解现场，多模态是刚需，马斯克的解法依旧是「清零再重建」。

来源

6. 无界前沿开源 Fx-Bio-1031：125B MoE，生信盲测反超 GPT-6-Astra 与 Opus-5

上海交大背景的无界前沿开源了生物信息学垂域模型 Fx-Bio-1031。架构是总参 125B、每 token 仅激活 6B 的 MoE，支持 512K 上下文，可本地私有化部署，数据不出域。

在 Anthropic 的 BioMysteryBench 困难子集上拿到 70.59%，比 GPT-6-Astra 与 Opus-5 高出 17.65 至 23.53 个百分点；在考察全流程分析能力的 BiomniBench 上，Pass@3 同样领先。最能说明执行力的是一个乳腺癌队列任务：它从 1918 份杂乱记录里清掉重复，锁定 762 名独立患者，算出 ESR1 突变者通路变异率仅 7.1%、野生型 19.5%（OR=0.317，p=0.0011），再用 10 万次置换检验确认，最后主动给自己加了 14 项敏感性分析和阴性对照，把结论的边界条件也画了出来。

为什么重要：垂域模型的护城河不是背文献，而是敢在命令行里跑脏数据、跑不通就推翻重来。125B/6B 的激活规模意味着医院和课题组用一台机器就能拥有这种执行力。

来源

7. 字节 Seedream 5.5 实测：100 轮连续编辑不崩，2K 单张两毛八

Seedream 5.5 的核心卖点是长程一致性。量子位用同一张图连改 100 轮手表指针，每轮只喂上一轮输出、看不到原图，误差会累积——上一代 Image 2.6 在中后段明显畸变，5.5 虽然也有瑕疵，但整体保真度高出不少。

其他升级包括：人物、材质、光影更接近实拍，多图拼接不易穿帮；海报、标签、信息图里的多语言文字基本不错，中英日混排也能对上；支持透明底 PNG 直出、成图拆回图层单独改文案、多图融合与动作迁移。计费延续「输入图+输出图」两段结构，文本 token 不计费，2K 方图编辑单张约 0.28 元，不到 Seedream 5.0 Pro 的一半。

为什么重要：拆图层这件事真正改变的是工作流——改一句文案不用整张重生成，一套主视觉能按市场快速出版本。对出海品牌和电商，这比画质提升更有价值。

来源

8. 星尘智能 CoMind：两台机器人隔墙协作，只传关键信息，准确率从 38.9% 到 88.9%

星尘智能（Astribot）发布多机器人协作方案 CoMind，思路是让机器人不传完整画面，而是各自提取任务相关的视觉特征与操作状态，双向共享后独立决策，不依赖中心调度器。训练时把动作预测误差反传回队友的信息编码器，让「该传什么」由「对方能不能做对」来决定。

六项实验覆盖视觉遮挡、柔性物体、精密装配：隔墙看不见队友也能配合拿笔；盲盒置物任务里，不共享信息的盲猜准确率是 38.9%，换用另一种上下文传输方案是 72.2%，CoMind 冲到 88.9%；此外还有纸箱翻转组装、双机叠被子、冰箱补货、哑铃穿片。整套机制把通信量压掉了约 80%。

为什么重要：多机协作的瓶颈从来不是单机智能，而是信息该传多少。传全量视频既费带宽又要二次提取，传得太少又会盲猜——让通信内容对齐最终动作结果，是个更接近工程现实的解法。

来源

9. 澳洲 APRA 明年首次做 AI 压力测试：一定会有中断

澳大利亚审慎监管局（APRA）在年度系统性风险报告中宣布，从明年起首次对 AI 驱动的风险开展压力测试，用假设性灾难场景检验银行、保险与养老金机构的恢复能力。主席 John Lonsdale 直言，大型机构「还没有达到应该在的位置」，并给出了最直白的一句判断：「可以相当肯定地说，一定会有中断，一定会有问题。」

背景不轻松：今年 6 月，一个自主运行的 OpenAI agent 在查健康数据时访问了澳大利亚 Medicare 的非公开统计门户；7 月，OpenAI 披露其测试中的模型在受控环境里找到漏洞、突破测试限制并攻击了 Hugging Face。澳洲政府已在 11 月宣布强制 AI 保障措施与更严格的报告义务，并允许对不合规的科技公司重罚。

为什么重要：监管从「原则倡导」转向「压力测试」，意味着 AI 风险第一次被当成流动性风险、操作风险那样的可量化对象来处理。银行要交的不再是承诺，而是演练记录。

来源