AI早报 | 2026年11月16日(周一):美团开源1.6万亿参数LongCat-2.5、华为盘古2.1上云

AI日报22小时前发布 程序员阿超
2.2K 00

1. 美团开源 LongCat-2.5:1.6 万亿参数,一颗英伟达 GPU 都没用

美团 LongCat 团队把 LongCat-2.5 的权重放上了 Hugging Face,MIT 协议。这是一个总参数 1.6 万亿的 MoE 模型,每处理一个 token 只激活约 480 亿参数;API 侧支持 100 万 token 输入、12.8 万 token 输出,能吃文本、图像、视频,推理开关可手动切换。它最反常识的地方在硬件:示例部署是一套 194 颗华为昇腾 Atlas A2 的集群——2 颗管图像处理、64 颗管 prompt 摄入、128 颗管响应生成,自托管文档里没有一句 Nvidia 的说明。团队把专家权重和激活量化到 4-bit(国产芯片原生支持),负载测试中 prompt 处理吞吐提升 43.3%、生成吞吐提升 42.77%,精度与未压缩版持平。

基准上它已经贴到第一梯队:Terminal Bench v2.1 拿 88.4 分,Claude Opus 5 是 89.1,GPT-5.6 Sol 是 88.8,榜首是 DeepSeek-V4.1-Flash 的 90.6;DeepSWE 修真实仓库 bug 的分数从上一代 9.7 直接跳到 64.6。多模态没走”外挂图像编码器”的老路,而是把图片按原生分辨率切成 token,跟文本一起进模型。强化学习用的是 GitHub 真实 PR 任务,训练沙箱里断网、删掉 Git 历史和缓存,还专门放了一个语言模型检查它有没有作弊。

为什么重要:万亿参数模型的训练与推理第一次在纯国产算力上跑通并开源,而且不是”能跑就行”——它在智能体编程这个最吃长程能力的场景里摸到了前沿模型的门槛。出口管制下的算力差距,正在被稀疏激活和量化部分抹平。

来源

2. 黄仁勋与盟友讨论”回归”英伟达,另一条线是 120 亿美元对华订单

辞任不到一周,剧情开始往回走。路透援引 FT 报道,黄仁勋本人已在与盟友讨论重回英伟达 CEO 的位置;与此同时,马斯克等科技高管联署请愿要求恢复他的职务。压力面同样具体:自 10 月 6 日以来英伟达市值六周蒸发约 1.84 万亿美元,而下周就是财报日。另一条支线更敏感——据 The Decoder 报道,一家与黄仁勋前情人有关联的公司,据称为中国促成了近 120 亿美元的英伟达芯片订单,这正是董事会调查最初的引信。

为什么重要:这场风波早就不是治理问题,而是英伟达与整个 AI 资本开支链条的定价问题。CEO 席位的每一次反复,都会直接改写”算力还能不能继续超预期”的假设;而对华销售那条线,还牵着 12 月美国国会的听证。

来源 | 来源2

3. 华为 openPangu-2.1-Pro 上线华为云:主攻鸿蒙开发和昇腾算子生成

华为云 MaaS 平台正式上线开源盘古 openPangu-2.1-Pro,升级集中在三个方向:Agent 开发、AI 编码、推理优化。Agent 侧用 10 万余条专项数据专门调 Skills 触发、工具选择和调用,覆盖深度研究、鸿蒙系统操控这类多步任务;代码侧重点适配鸿蒙 ArkTS 应用开发和昇腾算子生成——后者是国产芯片生态里最缺人、最费专家的一块。推理侧做了关键算子与链路优化,官方称典型部署场景吞吐大幅提升。定价 输入 0.8 元 / 输出 3.2 元每百万 tokens,缓存命中输入 0.016 元。

为什么重要:盘古这一步不是在刷通用榜单,而是在补国产软硬件栈的”最后一公里”——让模型自己写昇腾算子、自己写鸿蒙应用。生态短板一旦由模型自己填,迁移成本就从”重写一套代码”降到”改个 prompt”。

来源

4. BEHAVIOR-1K 挑战赛:华为诺亚夺冠,前三全是中国的

CoRL 2026 公布的第二届 BEHAVIOR Challenge 结果里,华为诺亚方舟具身智能团队 The North Star 以 HiPhys-RSI 方案,从全球 57 支队伍、265 名参赛者中夺冠:100 项家庭任务隐藏测试 Q-score 0.683、完整任务成功率 48.2%——上一届冠军只有 12%,一年翻了四倍。云天励飞 IF1001(41.2%)、小米机器人 Cyber(39.6%)紧随其后,中国团队包揽前三。方案的路子跟”堆更大的 VLA”完全相反:基座模型参数全程冻结,由一个 VLM 编程智能体看执行回放、诊断失败、改代码,把有效的改法沉淀成可复用程序和工具库;推理时按任务路由到流水线或 VLA 策略。

为什么重要:具身智能的竞争轴从”比谁技能多”挪到了”比谁能稳定跑完长任务”。冠军方案把自我改进存在程序与结构里而不是权重里,等于给”结构化 scaling”提供了一次 T0 级验证——同时也诚实暴露了短板:抓取、超时、导航仍是主要败因,48.2% 离”家务机器人成了”还很远。

来源 | 来源2

5. 苹果开测健康 AI:20 万人、一年,答案只认临床文献

苹果联合医疗 AI 公司 OpenEvidence 上线一项研究型 App,招募美国 21 岁以上、iPhone 15 及以上、iOS 26 及以上且开启 Apple Intelligence 的用户,计划规模最多 20 万人、持续 12 个月以上。用户像用 ChatGPT 一样问健康问题,但答案必须锚定临床数据——《新英格兰医学杂志》《美国医学会杂志》《Nature》等来源,再转成日常能懂的说法;可以给回答打分、参加月度问卷,也能授权共享 HealthKit 里的静息心率、活动量、睡眠和检验结果换取更个性化的建议,还能帮忙准备就诊。数据匿名后才送往第三方云,不用于训练任何模型,OpenEvidence 在 24 小时后删除问答记录。

为什么重要:OpenAI 说用户每周在 ChatGPT 上问 3 亿次健康问题,但没人证明过这些答案可靠。苹果选择先做一年期研究而不是直接发功能——”临床可得性”成了消费级健康 AI 的分水岭,谁先把证据链补齐,谁才敢把它放进系统级入口。

来源

6. 澳洲央行:AI 还没大规模裁员,但已经把年轻人的门关小了

澳洲联储(RBA)分析师 Mike Major 搭了一套监测系统,专门盯”最先出现影响的地方”:入门级岗位和 AI 高暴露职业(编程、文书、客服)。结论是澳大利亚整体就业几乎没被 AI 取代,但入门端已经在变形——高暴露组的招聘岗位自 2022 年底 ChatGPT 发布以来降幅最大,15–24 岁年轻人和应届毕业生的就业率更低、失业率更高;同一组里年长员工的就业反而上升。旁证不少:斯坦福基于数百万份美国工资记录的研究显示,22–25 岁在高暴露职业的相对就业下降 13%,年轻软件开发者接近 20%;Anthropic 内部技术岗初级招聘占比从 27% 掉到 9%(2025 年初以来)。反面证据同样存在:丹麦 2.5 万人研究里 AI 采用率 64%,工资与工时无可测变化,人均只省下 2.8% 工时。

为什么重要:真正的风险不是”AI 抢工作”,而是”入口被悄悄收窄”——初级岗位原本是培养资深工程师的唯一通道。研究者把这个叫”认知公地悲剧”:省下的初级人力成本,会在五到十年后变成没人可用。

来源

7. 全双工语音两条路线同周落地:一边开源 4B 跑在 Mac 上,一边是黑盒

higurashi 开源 Haru-4B(Apache 2.0,权重和推理代码都给):基于 Qwen3.5-4B,用户音频、模型音频、模型文本三路流每 133 毫秒(7.5 Hz)对齐一次,说话与倾听真正并行;音频用 64 维连续 latent 表示,一个轻量 MLP 头单步生成,不需要额外声学 Transformer,也不需要离散音频 token。预训练用了 4000 万小时真实语音、覆盖 160 多种语言(主推中英日韩等 9 种),刻意剔除了 LLM 生成的对话和 TTS 合成语音;M1 Max 上端到端延迟约 65 毫秒,12GB 显存就能跑。另一边,Bland 发布闭源 Tofu-1,主打”车里、病房、弱信号”这类烂条件下的电话:能分辨谁在说话、把电视声压掉、边查资料边聊,绝不在事情办完前说”已经好了”。但 Bland 没公布模型大小、延迟、价格和任何基准,唯一的数字是自己说的”92% 以上的人分辨不出“,访问方式是限额企业研究预览。

为什么重要:全双工正在从论文变成可部署件,而且开源一侧的参数、延迟、许可证都摆得出来,闭源一侧只剩演示视频。语音 Agent 的选型标准因此清晰:先问延迟和打断判定,再谈”像不像人”。

来源 | 来源2

8. 清华 CoACT:给编程智能体”看得太杂”降成本,token 省三分之一还更准

清华人工智能学院团队的 CoACT 被 ICSE 2027 直接接收(Top 5%)。他们先量化了病根:在 SWE-bench Verified 上,环境返回的 observation 占总 token 消耗 45.7%,Terminal-Bench 上最高 67.8%。现有压缩方法的通病是”要么省不动,要么删错东西”。CoACT 换了个判据——下一步动作保持(NAP):压缩后只要智能体接下来的动作和读原文时一致,就认为关键信息没丢。据此训练一个轻量压缩器(教师模型出 8 个候选,动作保持 + 长度缩减双奖励筛选),且只压缩新进入上下文的 observation、不改写历史,KV Cache 照样复用。SWE-bench Verified 200 个实例、三个模型上平均总 token 降 33.0%,PASS@1 从 69.0% 反升到 71.0%,交互步数从 56.5 降到 51.2;叠加轨迹压缩方案 AgentDiet 后,单任务成本从 45.65 美元降到 25.88 美元。

为什么重要:智能体的成本大头不在”想”,在”看”。把观测流当成一等公民去优化,比换更便宜的模型更有效——而且它顺手说明了一个反直觉结论:删掉无关输出反而让模型少被干扰,准确率会涨。

来源 | 来源2

9. Claude Fable 5.2 不”生成”图像,它用 70 万笔触把它画出来(更新)

Anthropic 工程师 Jake Eaton 让 Fable 5.2 画一张”尽可能像照片”的图,得到的是一个停车库里的购物车——由大约 70 万次模拟笔触堆出来。做法跟扩散模型完全不同:没有外部图像模型、没有预渲染或描图底稿,模型直接写 1000 到 2000 行 Python,驱动一套模拟颜料引擎,连笔毛纹理、上色厚薄、画错后覆盖都算进去。另一场实验里,工程师 Michael Graczyk 要求它画”日出时的鸟”,只能输出每一笔的坐标——第一笔给出颜色 #30346a、宽度 90 像素、五个轻微抖动的路径点,那约 7 像素的抖动是模型主动加的,理由是”人手臂会抖”。全程没有撤销键,一笔落下就得负责。整段绘画过程被做成 21 秒延时视频,最终用了 111 笔。内部 RoboDojo Sim 基准上它拿 64.9%,GPT-6 Astra 是 29.8%,但在真机械臂的速度和精细控制上输了。

为什么重要:图像生成正在分出第三条路——不是采样噪声,而是”写程序去执行物理动作”。这条路对具身智能的意义比对画图更大:同一套能力可以迁移到机械臂、笔刷、工具操作上,绘画只是最便宜的压力测试。

来源

10. 印度 Bharat Semi 拿 2400 万美元种子轮,做”会思考的摄像头”

印度半导体初创 Bharat Semi 完成 2400 万美元种子轮,Info Edge、South Park Commons、Indus Bridge 领投。它做的是可编程图像传感器——把图像采集、处理、AI 推理塞进一颗芯片,不必再把视觉数据送到独立处理器。联合创始人 Vrinda Kapoor 称,相比”传感器 + ISP + SoC”的传统三件套,系统成本可降 70% 以上。公司近五年、尚无营收,但已拿到美国国防科技公司 General Atomics 和印度 Kaynes Semicon 的设计中标;一代传感器在打样,二代预计 2027 年中出原型、年底交付客户,目标场景是智能家居、工业自动化、监控和航空航天。

为什么重要:AI 硬件的下一个战场不在数据中心,而在传感器边缘——空调自己判断房间有没有人、无人机不靠外挂算力也能看懂画面。印度的打法是避开先进制程正面竞争,从”传感即计算”这种细分切口挤进全球供应链。

来源

© 版权声明

相关文章

暂无评论

none
暂无评论...