OpenAI 推出 LifeVal 评测，衡量 AI 在日常任务上的进展
OpenAI 构建了 LifeVal 评测，覆盖照护、健康、教育、家庭事务、个人理财、购物和政府服务等日常任务，用于追踪模型过去一年在日常任务上的表现。该评测基于美国时间使用调查等两项大型研究，并新增 3995 名受访者的代表性调查来确定用户最需要帮助的领域。OpenAI 称最新模型在多项 LifeVal 任务上得分很高，GPT‑6 Astra 在部分任务上达到 100%。
全部 AI 动态
OpenAI：官网动态 OpenAI OpenAI 推出 LifeVal 日常任务基准
要让 AGI 惠及全人类，它应当帮助人们完成对他们最重要的日常事务。因此我们构建了 LifeVal，这是一个新基准，其设计源自数千名 ChatGPT 用户的反馈，反映了他们最希望个人助理提供帮助的领域——从寻找托儿服务，到获取政府服务，再到管理个人财务。 在过去一年里，我们一直用 LifeVal 来衡量并改进我们的模型处理这些日常任务的能力。 https://openai.com/index/lifeval/
Rohan Paul OpenAI 发布 LifeVal 日常任务基准
OpenAI 发布了 LifeVal，一个测试 AI 模型能否替人们完成日常事务的基准。 GPT-6 Astra 在日常任务上得分 80.6%，而不到 9 个月前 GPT-5.2 的得分为 49.3%。 LifeVal 的任务涵盖照护、健康、教育、金融、购物和家庭行政事务，从预约车辆年检到在预算内订购清真食品杂货。
IT之家·人工智能 OpenAI 发布 LifeVal 基准：测试 AI 完成幼儿园报名、报税等日常事务的能力
OpenAI 于 11 月 2 日发布新基准 LifeVal，用来衡量 AI 模型能否真正帮普通人完成日常事务，覆盖照护、健康、教育、家庭行政、个人财务、购物和政府服务等场景。公开示例中，为孩子找幼儿园得分 93.1%，组织防洪志愿者 98.0%，为糖尿病家长准备膳食计划 90.4%。该基准目前仍主要是 OpenAI 的内部评估，外界尚未获得完整任务集、评分代码或可独立复现的排行榜。
IT之家·人工智能 MIT CSAIL 提出「权重空间编程」：GPT-6 Astra 仅修改 Qwen3.5-0.8B 约 0.016% 权重，MATH-500 成绩提升至 6 倍
MIT CSAIL 研究者提出「权重空间编程」，让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的权重，仅改动 131072 个权重（约 0.016%），无梯度下降或传统训练循环。
OpenAI：官网动态精选AI 评分6060 OpenAI 任命前美国陆军部长 Dan Driscoll 为国家安全现代化高级顾问
OpenAI 宣布任命 Dan Driscoll 为新设的国家安全现代化高级顾问，就先进 AI 如何加强国家与网络安全提供建议，重点与美国盟友合作推动民主 AI 的负责任使用。
推荐理由：原文交代了这一新设职位的职责范围和 Driscoll 的军方背景，读者可据此了解 OpenAI 在国家安全方向的布局。
indigo MIT CSAIL 团队提出权重空间编程，让 GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重
MIT CSAIL 博士生 Rikiya Takehi 团队提出权重空间编程方法，用 GPT-6 Astra 无需训练和梯度直接读写神经网络权重。仅修改 Qwen3.5-0.8B 约 0.016% 的权重，MATH-500 从 7.9 涨到 48.1，GSM8K 从 13.8 涨到 67.1，指令遵循提升 3 倍。
公众号：数字生命卡兹克精选AI 评分7171 DeepSeek Harness 养鱼教程：在 QQ、微信、飞书养大肥鱼并放上 B 站抖音直播
数字生命卡兹克发布一篇 DeepSeek Harness 养鱼教程，讲解如何在 QQ、微信、飞书接入大肥鱼，并让它去 B 站刷视频、在抖音发视频和直播。
推荐理由：作者亲测给出从配置、人设到防泄露的完整流程，读者可照步骤在 QQ、微信、飞书养出自己的大肥鱼。
Rohan Paul Anthropic 修订版 IPO 文件披露 8954 亿美元算力承诺，总额可达 1.07 万亿美元
Anthropic 在修订版 IPO 文件中披露 8954 亿美元算力承诺，另有最高 1750 亿美元合同尚未定价，总额约 1.07 万亿美元，约为其前九个月 332 亿美元收入的 32 倍。款项持续到 2045 年，一年内到期 698 亿美元，而公司现金及短期投资为 1319 亿美元；季度环比增速从 144% 放缓至 47%，收入达 170 亿美元，算力成本升至销售额的 58%。
TechCrunch：AI Anthropic 在 S-1A 中披露可能很快达到自身 RSI 定义
TechCrunch 报道，Anthropic 在周一修订的 S-1A 文件风险因素部分新增表述，称内部估计显示其可能很快达到负责任扩展政策中「AI 带来的显著加速进展」的定义，且过去曾未察觉 AI 研发带来的能力跃升，但目前没有任何现有模型被认定越过该阈值。
Dominik Kundel GPT-6 Astra 直接改写模型权重
Astra 不断让我惊叹 🤯
Rohan Paul同新闻AI 评分8686 Anthropic 算力与基础设施合同承诺达 $895.4B，其中 $447.5B 须在 2031 年前支付
Anthropic 在更新的 IPO 文件中首次披露第三季度业绩，算力与基础设施合同承诺总额约 $895.4B，其中 $447.5B 须在 2031 年前支付，仅 $213.8B 可取消或附带条件。
Rohan Paul MIT 研究让 GPT-6 Astra 无需训练直接改写 Qwen3.5-0.8B 权重提升数学表现
MIT CSAIL 研究者演示了 GPT-6 Astra 无需训练或梯度、直接读写神经网络权重的方法，称为 Weight-Space Programming。
The Verge：AI Anthropic 更新 Claude Code 系统提示词，限制复刻现有游戏
Anthropic 更新了 Claude Code 在 Opus 5.5 上的系统提示词，新增两句指令，引导模型不要复刻特定现有游戏，避免 IP 侵权。Anthropic 的 Addy Osmani 回应称原创游戏、类型游戏和用户自设资产的游戏仍可正常制作，公司会继续迭代寻找平衡；此前复古游戏圈出现大量 AI 制作的破解移植作品。
Claude：Blog精选AI 评分6969 Claude Platform 推出 message threads 公测，降低长会话智能体延迟
Anthropic 在 Claude Platform 推出 message threads 公测，智能体每轮只需发送新增消息而无需重发全部对话历史，从而缩短首 token 时间。
推荐理由：原文给出了 500k 至 1M token 请求下 TTFT 中位数下降约 35% 的数据，以及线程生命周期和接入方式，便于评估长会话智能体的延迟收益。
OpenAI：Alignment 研究博客精选AI 评分6363 OpenAI 训练并部署激活分类器作为前沿模型安全监控层
OpenAI 自 GPT-5.6 起在其最强模型的内部和外部流量上部署激活分类器（probes），利用模型内部激活逐 token 实时评分，可在生成中途阻断违规回复和工具调用并交由推理模型复审。实验显示 probes 比更大的文本分类器对测试的越狱攻击更鲁棒，准确率随模型能力提升，且在后训练各检查点间迁移良好，但需为新基础模型重新训练，且只能检测可显式训练的已知违规类型。
推荐理由：OpenAI 官方披露激活分类器的架构、训练与部署细节，并给出其相对文本分类器在越狱鲁棒性上的实验对比。
Ars Technica：AI Anthropic 为 Claude 新增禁止复刻现有游戏的规则
Anthropic 上周为 Claude 模型新增系统提示词，禁止复刻特定现有游戏，即使改名或声称原创也不行。该规则以 "tengu_heron_brook" 之名写入 json 文件，XDA 在 10 月 30 日发布的 Claude Code 2.1.314 版本中确认了它的存在。此举或能帮 Anthropic 规避部分责任，但难以遏制近几个月涌现的 AI 辅助游戏移植与复制潮。
The Decoder：AI News SpaceX 据传削减 Grok Bot 配额，Musk 称运营成本相对收入难以持续
据 Telegraph 报道，SpaceX 上周末削减了 Grok Bot 的用量配额，多名用户配额减半。Musk 在 X 上回应称运行 Grok Bot 的成本相对收入高到难以持续，但未直接确认削减。
Rohan Paul Anthropic 更新的 S1/IPO 文件称未来模型可能临近递归自我改进阈值
Anthropic 更新的 S1/IPO 申报文件显示未来模型可能很快达到其递归自我改进（RSI）阈值，即 AI 能力以无重大 AI 帮助时最快持续速度的 2 倍提升，1 年相当于 2 年进展。
Tianyi Cui DeepSeek Harness 创作者模式体验反馈
你试过 @DeepSeekHarness 的创作者模式（Creator Mode）了吗？有任何反馈吗？
Rohan Paul DeepSeek 推广 Harness 的 Creator Mode，可用自然语言生成插件
DeepSeek 正在推广其免费 AI agent 应用 Harness 中的 Creator Mode，用户用自然语言描述想要的工具，agent 会编写、安装并测试它作为应用内新插件。
The Decoder：AI News精选AI 评分7777 Anthropic 季度营收增长十二倍至近 170 亿美元，但净亏损达 233 亿美元
据 Bloomberg 与 The Information，Anthropic 该季度营收近 170 亿美元，为一年前的十二倍，但运营成本达 175 亿美元，季度净亏损 233 亿美元，高于去年同期的 121 亿美元。
推荐理由：原文汇总多家媒体信源，把 Anthropic 营收激增与巨额亏损、算力承诺和 IPO 压力放在同一语境下呈现。
TechCrunch：AI Elon Musk 以成本过高为由下调 Grok Bot 用量限制
Musk 在 X 上确认周末部分用户 Grok Bot 周用量限制被用满并非故障，原因是服务成本相对于收入过高，尚未说明订阅者限额今后如何调整。文章还提到 SpaceX 上月披露 AI 已占公司收入 52%，其更名的 Super Intelligence 部门实现 4.31 亿美元盈利，但因收购 Cursor 的 12 亿美元一次性成本，利润本可更高。
Rohan PaulAI 评分8383 Anthropic 更新 IPO 文件首次披露第三季度财报，从盈利 9.74 亿美元转为亏损 5.67 亿美元
Anthropic 更新 S-1 IPO 文件并首次披露第三季度业绩，经营利润从二季度盈利 9.74 亿美元转为三季度亏损 5.67 亿美元，主因是 50 亿美元的高价短期算力和 20 亿美元员工捐赠配比的非现金支出。
OpenAI：官网动态精选AI 评分7070 OpenAI 推出 Grid Protectors 计划，从 Georgia 校园开始支持电网削峰
OpenAI 推出 Grid Protectors 计划，与电力公司、监管机构和政策制定者合作，让未来算力校园在电网紧张时降低用电需求，首站为 Effingham County 校园。
推荐理由：OpenAI 首次系统化说明其校园电力弹性安排，给出 Georgia Power 合同的具体可削减容量与电费影响数据。
美团 LongCat 美团LongCat-2.5多模态智能体模型发布
推出 LongCat-2.5，我们最新的原生多模态智能体模型，总参数 1.6T，激活参数约 48B。 专为长程智能体任务打造，为从复杂编程项目到创意设计、3D 任务等视觉编程的各类工作带来更强的视觉理解与智能体编程能力。 了解更多 LongCat-2.5：https://longcat.ai/blog/longcat-2.5/
TechCrunch：AI OpenAI 将合并 ChatGPT 的 Chat 与 Work 标签页
OpenAI 正着手合并 ChatGPT 中的 Chat 与 Work 标签页，初期向部分用户开放以收集反馈，之后再全面铺开。合并后用户可在同一处带入文件和插件，让 ChatGPT 建网站、做演示或代为执行网页操作，Codex 仍保留为桌面应用中的独立体验。ChatGPT 与 Codex 还将共用同一 token 额度池，部分用户可能因此更频繁地等待额度重置。
X.PIN DeepSeek 新超级智能体：主动监控群聊自动修 bug
DeepSeek 推出新 Super-agent，可主动监控开发团队群聊与 PR，无需 @ 提及即自动复现并修复成员提到的 bug。该智能体采用事件驱动触发，通过解耦存储与计算在整个团队间同步上下文，并有外部 Watchdog 系统支持持续后台运行。DeepSeek 内部已用它审查代码并自主迭代自身 Harness 代码库。
IT之家·人工智能 马斯克回应 Grok Bot 额度消耗过快：服务成本相对收入高到难以为继
马斯克在 X 平台回应称，Grok Bot 每周额度消耗速度远超往常，该智能体服务成本相对于收入而言高到难以为继。Grok Bot 是 SpaceX 8 月推出的 AI 智能体，分从免费到每月 200 美元的多档套餐且均设每周限额，上月财报披露付费周活用户达 80 万。
The Decoder：AI News 沙特阿美以 26 亿美元收购 AI 公司 Humain 49% 股份
沙特阿美宣布收购 Humain 49% 股份，2026 年出资约 26 亿美元并提供自有 AI 技术。Humain 由主权基金 PIF 于 2025 年 5 月创立，建设数据中心、云服务并训练阿拉伯语模型 ALLaM，计划 2030 年前建成 3 GW 数据中心容量；伊朗战争促使公司加强数据中心防护，但需求未见下滑。
Rohan Paul SemiAnalysis 发布 GDPx 基准：智能体在 11 个领域专家工作上最高仅得 12%
SemiAnalysis 发布 GDPx 基准，测试 AI 智能体在 11 个领域的专家工作，任务来自 14 家专业数据伙伴。Claude Opus 5.5 平均仅 12% 居首，Gemini 4 Carbon 为 10.9%；GPT-6 Astra 在 AI 研究和材料科学任务上领先。
IT之家·人工智能 阿布扎比与 OpenAI 签署四项协议，覆盖政府、能源及投资领域
阿布扎比王储哈立德会见 OpenAI 首席执行官 Sam Altman 后，双方相关机构签署四项协议，覆盖政府、能源和投资领域。
The Decoder：AI News OpenAI 为中期选举后的华盛顿筹备游说攻势
据 Axios 报道，OpenAI 正在为美国中期选举后的政治游说和公关行动做准备，以防民主党赢得众议院多数后监管压力加大。
公众号：腾讯混元精选AI 评分6868 腾讯混元发布 Hyra 2.0：让通用 agent 研发可复用的科学工具与模型
腾讯混元发布 Hyra 2.0，将自动化科研重点从直接解题转向由 agent 研发和升级科学模型、工作流与软件工具。系统采用 Overall、Mission、Worker 三层分工，接入企业微信、计算平台和代码仓库的实际研发环境，成果已公开在 GitHub 仓库。
推荐理由：原文把自动化科研的思路从解题转向造工具，并给出蛋白质设计、量子码、处理器等具体成果和可复用的 Harness 分层设计。
IT之家·人工智能 沙特阿美收购 AI 公司 HUMAIN 49% 股份，PIF 保留 51%
沙特主权财富基金 PIF 全资控股的 AI 初创企业 HUMAIN 宣布，沙特阿美（Aramco）将收购其 49% 股份，PIF 保留剩余 51%。沙特阿美计划通过转让关键 AI 资产并注资约 99 亿沙特里亚尔（约合 175.5 亿人民币）完成投资，并计划利用 HUMAIN 的 AI 基础设施把先进 AI 能力转化为工业应用。
SemiAnalysis 长文 RSS SemiAnalysis 发布通用智能体能力基准 GDPx，最佳模型仅得 12%
SemiAnalysis 联合 14 家专业 RL 环境伙伴推出 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程 11 个领域，目标是成为衡量通用智能体能力的最佳基准。
Sundar Pichai Google 点赞 GDPx 基准与 Carbon 成本
很高兴看到高质量、仍有提升空间的基准测试，再看看 Carbon 那条成本曲线🚀
公众号：龙猫LongCat 美团龙猫发布 LongCat-2.5 原生多模态模型，主打长程智能体任务
美团龙猫发布 LongCat-2.5，一个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 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。
IT之家·人工智能 美团龙猫发布 LongCat-2.5 原生多模态模型：1.6T 参数，面向长程智能体任务
美团龙猫发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。
indigo Andrej Karpathy 周末项目 HackerTube：用 Claude 从 4300 万条 HN 评论中筛选推荐视频
Andrej Karpathy 发布周末项目 HackerTube（hackertube.org），让 Claude 从 20 年来 HN 的 4300 万条评论中筛出 6454 个持续被推荐的视频，显著改善了观看体验，用 Opus 5.5 大约花了 2 小时。