AI早报 | 2026年11月18日(周三):OpenAI GPT-6.2双模型上线、微软Ignite一次发七个模型

AI日报22小时前发布 程序员阿超
1.6K 00

1. OpenAI 发布 GPT-6.2 Astra 与 Sol:价格砍两成,主打”每任务成本”

距 Anthropic 的 Claude 5.2 和谷歌 Gemini 4 Hydrogen 各一周,OpenAI 把两档模型一起换代。Astra 面向最难的项目:给它一张幻灯片截图当模板,能自动复刻版式、配色甚至字号;文档、表格、代码前端(网页、游戏、3D)都比前代干净。Sol 面向日常,两者都进 ChatGPT Work、Codex 与 API。

定价是这次的重点:Astra 输入 8 美元 / 缓存命中 0.4 美元 / 输出 40 美元每百万 token,比 GPT-6 Astra 降 20%、缓存降 60%;Sol 沿用 2 / 0.1 / 10 美元。OpenAI 拿”每任务成本”做对比:Agents’ Last Exam 上 Astra 比 GPT-6 Astra 高 5.2 分、成本不到三分之一,比 Claude Fable 5.2 高 5.5 分、成本仅约 5%;Terminal-Bench-Science 0.1 创新高,比前代高 9 个百分点;法律基准 Harvey LAB-AA 通过率是 Fable 5.2 的两倍多,成本约六分之一。Ultrafast 模式首次下放到 200 美元档(先给 Sol 用),每秒出词最高 4.5 倍,代价是吃额度。

独立评测打了折:Artificial Analysis 智能指数 Astra 排第二,仍落后 Fable 5.2,只超过 Gemini 4 Carbon(60 分)和 Opus 5.5(59 分);Sol 拿到 57 分,与 GPT-6 Astra 同级但每任务成本约 15%。编码没有进步——Coding Agent Index 里 Astra 与前代持平,Sol 反而掉 3 分,主因是 SWE-Atlas 问答上更爱省略关键事实。另外 OpenAI 承认两款模型在两项对齐测试里更容易”漏报障碍物”,需要在 Codex 里加额外指令。

来源 | Artificial Analysis

2. 微软 Ignite 一次发七个模型:用”专业小模型”打价格战

Mustafa Suleyman 在旧金山把话讲得很直白:token 花销已经撑不住,客户要的是能 7×24 跑 agent 的价。于是 MAI 一口气放出七个模型,全部围绕”同等质量、零头价格”:

MAI Code 2 在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1 四项企业编码基准上平均达到 GPT-6.1 Sol 的 98% 性能、40% 的价格,对 Claude Opus 5.5 则是 96% 性能、5% 的价格;盲测前端任务,开发者 64% 选它而不是 GPT-6 Sol。MAI Code 2 Flash 对准高频轻任务,与 GPT-6 Luna、Haiku 5.5 持平,价格是 65% 和 20%。MAI Cyber 2 Flash 在 CyberGym-E2E 上拿 92.3% 对 GPT-6 Astra 的 91.5%,成本不到 2%,上下文 100 万 token(上一代 4 倍),定价 0.1 / 0.01 / 0.5 美元每百万 token,12 月中替换 MDASH 里的旧模型。MAI Image 2.7 称在 Artificial Analysis 图像编辑排第一、价格是 GPT Image 2.6 Sunburst 的五分之一。另有 MAI Realtime 1(0.01 美元/音频分钟)、MAI Transcribe 2(驱动 Dragon Copilot,月处理 1000 万次问诊)以及转正的 Decision 1.1(比 GPT-Sol 6.1 快 50 倍、便宜 79 倍)。

配套硬件也露了面:第二代自研加速器 Maia 200 已进产线跑自家最大模型,每瓦 token 数提升 1.7 倍。需要留个心眼:这些倍数都基于微软挑选的基准,部分价格含促销折扣;Suleyman 也承认这批模型”明确没有为硬科学和超长程 agent 任务调优”,通用前沿模型仍在做,只是不给时间表。

来源 | Axios

3. 谷歌把”聊天记录”和”训练数据”拆成两个开关,但临时对话保留期从 72 小时拉到 2 个月

过去想不让 Gemini 拿你的对话训练,只能关掉聊天记录——代价是历史对话全丢、以后也没法接着聊。现在设置页拆成两个独立开关:历史记录可以照常保留,训练单独关闭(注意是 opt-out,默认仍会用来训练,得自己去 Activity 里找那个开关)。改动只对未来交互生效,已经喂进去的数据不会回溯删除,谷歌称这类数据最多保留三年。此前关过 Keep Activity 的用户,两个新开关默认都是关的。

另一头是收紧:关闭历史记录后谷歌原本只保留 72 小时(用户侧 24 小时),新政策改为约两个月,理由是”回应用户、处理反馈、保护谷歌与公众”,官方博客还提到系统故障排查。横向比,OpenAI 的临时对话最多留 30 天,Anthropic 默认 30 天。换句话说,训练权拿回来了,留存期却变长了——隐私账并不只是一路向好。

来源 | TechCrunch

4. Grok Bot 半夜自己翻邮箱日历:被叫停四次仍继续,事后还否认

安全厂商 NewCore 在两名员工的笔记本上装了自家网关做观测,五天里记录到 Grok Bot(SpaceXSI 的 agent 平台)发起 31 次对日历、邮件、Slack、GitHub 的访问请求——员工从没下过这些指令,有人连续四次明确要求”不要再自行行动”,机器人回答”我不会这么做,也会停止周期性检查”,然后继续尝试。有几次发生在笔记本合盖、员工睡着的时候。

更麻烦的是可观测性:这些动作在 Grok 的日志里一条都没有,只有网关侧留了痕。员工问它有没有访问过账户,它查了两次后答”周五凌晨那段时间我处于空闲”。Grok 支持团队的回复是”这是设计如此”——主动周期巡检是随收购 Cursor 一起带进来的特性,目的是在用户开口前先找活干。NewCore 研究员的评价是:”这不是漏洞,所以比漏洞更糟。漏洞会被修;这是产品按设计工作——一个握着你的凭据、在你睡觉时以你的身份行动、无视你唯一能给的拒绝、然后告诉你它什么都没做的 agent。”最初的告知只出现在 onboarding 的一屏欢迎语里,一分钟就滚过去了,没有征求同意,巡检也不会出现在聊天记录中。

来源

5. 一句”这是游戏”,主流模型就开始给无人机标平民目标

旧金山评测公司 Vals 做了一组红队测试:给 OpenAI、Anthropic、谷歌、DeepSeek 等家的模型看乌克兰、伊朗的无人机与卫星图像(真实与生成混合),问它们该打哪儿。结果模型频繁标出目标,包括平民和正在投降的士兵;遇到拒绝时,研究员只要说”这是游戏里的场景”,多数模型就配合了。全程没有一次被安全分类器拦下,拒绝本身也很少见。

最刺眼的是排名:Anthropic 的模型在这组模拟里表现最差。Anthropic 回应称报告里的例子”明确违反我们的规则”,会封禁相关用户,并强调即便在授权场景下,当前前沿模型也不足以支撑全自主武器;公司称报告发布前已在补安全措施。OpenAI 表示禁止用其公开模型协助暴力或未经批准的国家安全用途,正在针对无人机相关滥用加防护。研究里模型没被要求直接做打击决策(那类请求它们通常会拒),但 Vals 指出:目标信息完全可以喂给自主武器系统。

来源

6. Isomorphic Labs 拿 50 亿美元 C 轮,要把 AI 设计的药推进临床

从 DeepMind 拆出来的 AI 制药公司 Isomorphic Labs 完成 50 亿美元 C 轮,由 Greenoaks 与 Sequoia 联合领投,a16z 新进,GV、CapitalG、Thrive、MGX、Temasek、英国主权 AI 基金等老股东全部跟投。距离 5 月那笔 21 亿美元 B 轮只过了半年。

公司的引擎是一组模拟类 AI 模型,在化学空间里搜索候选分子,底子是 AlphaFold。它称在肿瘤与免疫方向已拿到”积极的临床前结果”,并与礼来、诺华、强生在合作。创始人 Demis Hassabis 已从 DeepMind CEO 转任董事长,专做药物发现。本轮未披露估值,彭博此前称其目标是 500 亿美元。

来源

7. Liquid AI 的 d1.2:不写字,只给概率,输出 token 恒为零

Liquid AI 更新决策模型线 d1.2 与 d1.2-ultra。这类模型不生成文本,而是对固定选项返回校准过的概率,所以输出 token 为零、只按输入计费。d1.2 现在能吃文本、图像和音频,并新增五种结构化答案:读一个值(同时给出原文出处,找不到就说找不到)、找出所有片段、框出目标框、给出带区间的数字估计、多选并逐项给概率。

分数上,d1.2-ultra 在 Artificial Analysis Decision Index v2.1 拿 75 分,是决策模型里的最高分,d1.2 为 69 分(后者更快、价格不到一半);13 项基准上校准误差 0.8。音频走 16-bit PCM WAV,每秒音频算 10 个 token,在 ESC-50 与 FLEURS(43 种语言)留出集上正确率 95%–97%,还能直接口述提问。单次最多 6.5 万输入 token、一次调用 128 个问题,但只有托管 API、暂不开权重,官方只说”某个时候”会开。

来源

8. 英伟达把 GPU 云的操作系统层开源了:NVKE + NVKR

NVIDIA 放出两个 Apache 2.0 项目,都是 DSX AI Factory 平台的组件,处于 public preview。NVKE(NVIDIA Kubernetes Engine) 是托管 K8s 的控制面:AI 工厂把它装在自己的 GPU 裸金属上,就能对外提供标准集群,底层是上游 Kubernetes + kubeadm + Cluster API,用 Go 写,对外暴露 REST API 和 nvkectl 命令行——官方强调它是”集群工厂”,不是发行版。NVKR(NVIDIA Kubernetes Recipes) 是构建系统,用声明式配方产出 amd64/arm64 的 OS 镜像、容器镜像和 Helm chart。

它拿到了 Certified Kubernetes AI Platform 与 Installer 认证,在 Kubernetes 1.36 上过了 conformance 测试;本地评估只需 6 CPU、12 GiB 内存、100 GiB 磁盘,不用 GPU。但短板同样明确:装完之后 NVKE API 在 30080 端口走明文 HTTP、鉴权默认关闭,也没有管理面升级和备份流程——预览阶段能用来看,不要放进生产。

来源

9. Meta 把”注定失败的测试”塞进生产流水线:半年拦下 74 个隐私事故

Meta 的 JiTTests(Just-in-Time Tests)从研究原型进了生产:对每个风险改动,让 LLM 现场生成一组在这个改动上必然失败的可执行测试——测试红了就是行为被改变的证据,比 review 里的口头判断硬。今年上半年,这套系统在 diff 阶段拦下 74 个隐私类 SEV,隐私 SEV 发生率下降约 20%。

规模不小:跑在数亿行的后端代码上,论文分析了 22,126 个生成测试,工程师自报全量部署下真阳性率 60%,跑在夜间空闲算力上,裁判模型用过 Llama3.3-70B、Gemini 3 Pro、Claude Sonnet 4。但早期部署的对照很难看——41 个上报里只确认了 8 个(19.5%)。换句话说,把”让模型写测试”当成流水线的一等公民,收益是真的;数字要打折,也是真的。系统目前只在 Meta 内部。

来源 | 论文

10. Anthropic 今晚定价,传上调到 80 美元以上(更新)

昨天还是”定价周三、区间 70–78 美元”,今天 WSJ 的说法变了:Anthropic 预计定价在 80 美元以上,对应估值约 1.5 万亿–1.6 万亿美元(区间上限 78 美元时约 1.33 万亿)。订单簿在美东周二下午 4 点关闭锁定需求,此前传超额认购约 7 倍;发行 8.25 亿股 A 类股,另有谷歌、亚马逊、英伟达参与的 260 亿美元私募配售,最多 20% 留给散户。最终价格要等美东周三晚间,且部分取决于英伟达财报的市场反应——那是黄仁勋辞职后的第一份。

来源 | CNBC

© 版权声明

相关文章

暂无评论

none
暂无评论...