过去 48 小时，AI 圈讨论最多的 10 件事
11月3日 11:15 更新 · 按讨论热度排序
MIT CSAIL 博士生 Rikiya Takehi 团队提出“权重空间编程”，称 GPT-6 Astra 无需训练或梯度，就能直接读取并修改另一个神经网络的权重。团队称，仅改动 Qwen3.5-0.8B 约 0.016%（131072 个）权重后，该模型 MATH-500 成绩从 7.9 升至 48.1，GSM8K 从 13.8 升至 67.1，指令遵循提升 3 倍。 这些数字来自研究者一方，尚无独立复现或第三方验证公开。若成立，模型能力调整可绕过微调流程，直接作用于权重本身。OpenAI 开发者体验团队的 Dominik Kundel 在社交平台转述并称赞该效果，但未提供新的验证信息。
最新进展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
OpenAI 发布 LifeVal 基准，用来衡量模型能否替用户完成日常事务，覆盖照护、健康、教育、家庭事务、个人理财、购物和政府服务等场景。OpenAI 称，该基准的设计源自数千名 ChatGPT 用户的反馈，并基于美国时间使用调查等两项大型研究，另新增 3995 名受访者的代表性调查，以确定用户最需要帮助的领域。 OpenAI 称，过去一年已用 LifeVal 衡量和改进模型处理这些任务的能力，最新模型在多项任务上得分很高，GPT‑6 Astra 在部分任务上达到 100%。IT之家报道称，LifeVal 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。 Rohan Paul 在 X 上给出的另一组数字是：GPT‑6 Astra 在日常任务上得分为 80.6%，不到 9 个月前 GPT‑5.2 的得分为 49.3%。这组数字与 OpenAI 所说的“部分任务达到 100%”统计口径不同，报道未说明两者的关系。
马斯克在 X 平台回应称，周末部分用户 Grok Bot 每周额度被用满并非故障，原因是服务成本“相对于收入而言高到难以为继”，并已下调用量限制。他未说明订阅者限额今后如何调整。 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 未直接确认削减。Grok Bot 是 SpaceX 今年 8 月推出的 AI 智能体，从免费版到每月 200 美元套餐分多档，所有档位都设有每周重置的使用限额，且与 Grok 及编程平台 Cursor 共用配额。上月财报披露其付费周活用户达 80 万。 TechCrunch 另提到，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。
OpenAI计划在美国中期选举结束后发起大规模公关与游说攻势，届时将其数据中心改称为“AI算力园区”。据Axios报道，这一品牌重塑的背景是数据中心在两党中都成为政治包袱；OpenAI称将提供社区协议并推动州级立法，让居民对项目的建设方式及所获收益拥有发言权。攻势将在跛脚鸭会期启动，此时民主党很可能拿下众议院。 TechCrunch报道称，提出这一包装的是OpenAI首席全球事务官Chris Lehane，他还提到推动设立AI“限速”、让民众感受到AI对日常生活的赋能，并推动美国参与制定全球标准。Lehane称围绕数据中心的争论“良性且健康”，社区应让企业承担责任。 据IT之家报道，莱汉称此次中期选举将成为2028年总统大选的“预告片”。The Decoder称，OpenAI此举旨在防范民主党赢得众议院多数后监管压力加大。
Anthropic 已向美国 SEC 公开提交 S-1 注册声明，拟在纳斯达克以代码 ANT 发行 A 类普通股，由高盛和摩根士丹利承销；发行股数与价格区间尚未确定，注册声明尚未生效。 招股书披露 2026 年上半年营收 162.86 亿美元，约为去年同期的 13 倍；经营亏损收窄至 6.93 亿美元，净亏损 807 亿美元，主要来自可转换票据等非现金会计调整。公司称未来可能无法实现或维持盈利。 后续更新的 IPO 文件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。更新文件还显示，算力与基础设施合同承诺总额约 8954 亿美元，其中 4475 亿美元须在 2031 年前支付，仅 2138 亿美元可取消或附带条件。上市后，长期受益信托可任命七名董事中的四席，七位联合创始人合计掌握 50.1% 投票权，普通股股东对董事会组成影响有限。
SemiAnalysis 联合 14 家专业强化学习环境伙伴发布 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，该机构称目标是成为衡量通用智能体能力的最佳基准。 结果显示，表现最好的模型在该基准上仅得 12%。Rohan Paul 在 X 上称，Claude Opus 5.5 平均 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。 Google CEO 桑达尔·皮查伊在 X 上称，很高兴看到高质量、仍有提升空间的基准测试，并提及 Carbon 成本曲线。
美团龙猫团队发布原生多模态模型 LongCat-2.5，面向长程智能体任务。模型总参数量 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。 据美团龙猫介绍，该模型面向从复杂编程项目到创意设计、3D 任务等视觉编程场景。模型在 GitHub 和 HuggingFace 上均标注为“即将上线”。
Anthropic 更新 Claude Code 在 Opus 5.5 上的系统提示词，新增两句指令，禁止复刻某个具体现有游戏，即使改名或自称原创也不行；原创游戏、某一类型的游戏，以及基于用户自有设计与素材的游戏仍可制作。Anthropic 的 Addy Osmani 回应称，此举是为避免 Claude 被用于侵犯知识产权，公司会继续迭代寻找平衡。 据开发者 @chasmmmmmmmmmmm 称，该规则约在 10 月 27 日加入，无法关闭，且仅明确针对 Opus 5.5 模型中的 Claude Code。Rohan Paul 转述称，规则通过服务端标记 tengu_heron_brook 下发，无需更新即可覆盖每个会话，用户端没有关闭选项。Ars Technica 则称，XDA 在 10 月 30 日发布的 Claude Code 2.1.314 版本中确认该规则以 tengu_heron_brook 之名写入 json 文件。 Ars Technica 称，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…
DeepSeek 为免费 AI agent 应用 DeepSeek Harness 推出 Creator Mode（创作者模式），称用户用自然语言描述想要的工具，agent 会编写、安装并测试它，使其成为应用内的新插件。DeepSeek 同时发布了演示视频和 7 个示例背后的提示词，示例包括设计工作区、沙盒游戏和 3D 大模型可视化器。 X 用户 @tianyi 发帖询问是否有人试用过 Creator Mode、是否有反馈；目前公开信息中尚无试用结果或效果评价。
DeepSeek Harness 团队提出 Super-agent 双层架构：Router 层与用户对话并分派任务，Worker 层在隔离会话中并发执行，团队称目标是让 Agent 更自主。团队随后以 MIT 许可开源编码智能体原型 dsh-superagent v0.1.0，作为 DeepSeek Harness 的插件包在用户本机运行，面向单个 GitHub 仓库，可监听 GitHub 和可选的 Feishu 请求并生成并行工作的 Ticket。 团队称，异步任务机制已在 DeepSeek Harness 中实现但尚未默认开启，该插件用于验证技术路线，并非 DeepSeek 正式产品。原型运行需 Node.js 22.19+ 或 24+、git 2.32+、Python 3.8+、tmux 及 GitHub CLI 2.48+；主动工作受授权控制，分 off、observe（默认）、auto 三种模式。 DeepSeek 随后发布该文章的官方英文版，文中称公司在 Agent 产品上已有模型、算法、基建及研究员和工程师，但产品经理数量远远不…