第九期:编码智能体基准、H200 审查与默认水印

2786 字
14 分钟
第九期:编码智能体基准、H200 审查与默认水印

本期汇总 2026 年 11 月 7 日至 9 日公开报道的 AI 动态,来源包括《纽约时报》、彭博社、路透社、美联社、The Decoder、TechCrunch、xAI 开发者文档与 llama.cpp 仓库,以及若干行业简报。按模型与评测、算力与芯片、资本与商业、Agent 与开发工具、安全与治理、终端与产业六类整理。

一、模型与评测#

阿里等机构发布编码智能体基准 Co-Design Bench(11 月 8 日起报道)

论文 10 月 26 日上传 arXiv,11 月 8 日起由 The Decoder 等媒体报道。基准由阿里巴巴与数所亚洲高校研究者构建,取自 26314 个真实编码会话中的 37463 条去重请求,最终保留 273 项任务、2331 条隐藏验收标准。任务分两条赛道:局部多模态改版(输入可为图片、音频、视频、文档)与跨仓库改动。评分由两个 AI 裁判执行,一个在浏览器实测成品,另一个复核通过判定并排查假页面与硬编码。

结果上,GPT-6 Astra 平均满足 69.9% 的验收标准,全部满足的仅占 26.4%;分赛道看,多模态改版 41.0%、仓库改动 17.9%。其后依次为 Claude Opus 5(18.3%)、Qwen3.8-Max(16.5%)、Kimi K3(15.8%)、Qwen3.8-27B(15.0%)、GPT-5.6 Sol(14.3%)、GLM-5.3 Flash(10.6%)、Claude Opus 4.8(10.3%)、GLM-5.2(9.5%)、Grok 4.6(6.6%)。多模态改版中,GPT-6 Astra 每题中位耗用约 124 万 token,GLM-5.2 约 729 万且得分更低。同一模型更换运行环境后名次会变:Qwen3.8-27B 在 opencode 下仓库赛道得分 0.749,在 qwen-code 下为 0.560。作者列出局限:每题仅一个固定请求,不能追问或中途修正,AI 裁判仍可能出错。

二、算力与芯片#

《纽约时报》调查:获批经手 H200 的中企含空壳办公室(11 月 7 日)

据《纽约时报》11 月 7 日报道(联合早报、工商时报 8 至 9 日转载),美国政府去年底批准英伟达向中国出售 H200,条件是商务部先对买方作国安审查。报道称商务部已批准数十家中国企业购买或经手该芯片,名单含百度、比亚迪与特斯拉上海等大型企业。记者实地查访发现,成立约 17 个月的 New Matrix 登记办公室空置,园区物业与企业名录均查无该公司;工商登记显示其部分股东与被列入实体清单的私募基金智路资本有关联。报道另点名 Maginfra(与浪潮集团存在人员与专利重叠)、浙江银盾云科技(与曾服务军事承包商的润泽科技有关)、上海嘉唐(源自大唐电信)。报道未证实相关芯片已转交军方。美国商务部工业和安全局称会审核所有申请的国安风险;英伟达发言人称中国军方依赖美国技术“毫无道理”,并称中方已限制 H200 进口。

Groq 拟以 80 亿美元投前估值启动 B 轮(11 月 8 日)

据彭博社报道,英伟达参股的 AI 数据中心运营商 Groq 已发出 B 轮融资邀请,投前估值 80 亿美元,意味着约三个月内估值翻倍以上。报道称 CoreWeave、Nebius 等运营商股价近期遭抛售,市场关注大规模债务融资建设的可持续性。

三、资本与商业#

OpenAI 完成 110 亿美元融资,估值 1.25 万亿美元(11 月 6 日)

据彭博社与 The Verge 报道,OpenAI 新一轮融资已到账 110 亿美元,估值 1.25 万亿美元;若后续有投资人加入,本轮规模最多扩至 200 亿美元。公司最初目标是 300 亿美元、估值 1.4 万亿美元,该计划制定于科技股下跌与中期选举之前。今年 3 月,OpenAI 曾以 8520 亿美元估值融资 1220 亿美元。首席财务官 Sarah Friar 表示无论选举结果如何都将继续投资数据中心,并称将承担电力成本、停止与公职人员签署保密协议。

Shield AI 融资 25 亿美元并以 53 亿美元收购 Echodyne(11 月 8 日)

据路透社与行业简报,圣地亚哥防务技术公司 Shield AI 的 25 亿美元融资分三部分:10 亿美元 H 轮(投后估值 288 亿美元)、黑石 10 亿美元结构性股权、摩根大通 5 亿美元债务融资。公司同时同意以 53 亿美元收购柯克兰的紧凑型雷达厂商 Echodyne,交易预计 2027 年初完成,尚待监管批准。3 月时其估值为 127 亿美元。

Nooks 获 5 亿美元客户价值融资(11 月 8 日)

据路透社报道,销售智能体公司 Nooks 从 General Catalyst 的客户价值基金获得 5 亿美元,形式并非标准股权融资,基金按其所助产生的回报分成。公司称客户逾 2000 家,含 Cursor、Notion、Replit、Glean 与 HubSpot,净收入留存率 135%,预计年内年度经常性收入接近三倍增长;平台现有 Deal、Outbound、Expansion、Coaching 四类智能体。

四、Agent 与开发工具#

llama.cpp 合并 MoE 专家缓存的 CPU 分担参数(11 月 7 日)

据 PR #30966(作者 am17an,涉及 18 个文件、新增 1169 行、删除 183 行),llama.cpp 新增 --moe-cache-cpu-share,默认值为 0:GPU 专家缓存未命中时,按该比例把对应专家的矩阵乘交给 CPU 用主机内存计算,而不再先经 PCIe 上传权重;命中仍由 GPU 计算。同一 PR 附带 scripts/moe-cache-tune.py,跑六组(两档缓存、0 / 0.5 / 0.95 三档分担)后拟合机器常数并推荐参数。

作者给出的一台机器、一个模型的实测:Qwen3.8-Flash-Next IQ4_NL 在 6464 MiB 缓存下,解码由 24.2 token/s 升至 47.6;在 19392 MiB 缓存下,则由 65.5 降至 54.1。前一组约快 97%,后一组慢约 17%。作者称权重被固定(-lm mlock 或 -lm dio)时该参数往往无益。该 PR 未覆盖 10 至 12 GB 显存小卡,无第三方复现。

Buoyant 开源 vLLM 缓存感知路由 Kinference(11 月 8 日)

据 GitHub 仓库与 DeAI 简报,Linkerd 背后的 Buoyant 以 Apache-2.0 开源 Kinference,一个跑在 Kubernetes 上的 vLLM 控制面:监听 KV cache 事件与引擎指标,把请求路由到持有相应缓存的副本,支持按租户声明策略,gRPC 接口使用 OpenAI chat-completions 格式。厂商自测称中位首 token 时延较普通 Kubernetes 部署最多降低 95%,方法与数据在同篇博客,暂无独立复现。

五、安全与治理#

xAI 让 Grok API 默认给文本加水印(11 月 7 日生效)

据 xAI 开发者文档「Output Watermarking」,自 11 月 7 日起,grok-4.7、grok-4.6、grok-4.5、grok-4.3 及三款 grok-4.20 变体的文本输出默认携带不可见水印,覆盖 api.x.ai 与各地区端点、Responses API 与 Chat Completions API,含结构化输出与工具调用参数。文档称水印在生成时“轻微影响 token 选择”,不增加字符、标记或隐藏文本;无请求参数,响应格式仅多一个 x-watermark 响应头,值为 true 表示该次输出已加水印。检测为统计式,返回“有水印 / 无水印 / 不确定”,检测接口需提交申请。关闭仅限团队管理员按模型在控制台操作,对该团队全部 API 密钥生效、5 分钟内生效并记入审计日志,且需确认适用法律存在例外;部分模型可能无法关闭。文档称理由为遵守欧盟《人工智能法案》,其标注义务期限为 12 月 2 日。作为对照,OpenAI 10 月 5 日表示 API 文本水印默认关闭、由客户选择加入,Anthropic 则称对支持的模型在全球范围加水印。

美商务部 AI 安全中心被要求非正式向白宫汇报(11 月 8 日)

据美联社报道,商务部下属人工智能安全与创新中心(CAISSI)的职员近期被要求以非正式方式向白宫一个办公室汇报。该机构没有常任负责人,已停止发布研究,年度经费约 1000 万美元,约为英国对应机构预算的八分之一。报道称这是非正式安排,并非已宣布的重组。

六、终端与产业#

亚马逊开放短信版 Alexa 购物(11 月 6 日)

据 TechCrunch 与亚马逊公告,11 月 6 日起美国部分受邀用户可通过名为「Alexa Shopping」的联系人发短信,完成搜索、比价、加购与下单,功能将在未来数周向更多用户开放,未受邀者可登记候补。用户可发图片找同款、查询最长一年价格历史、设置降价提醒,下单后短信线程内出现「撤销订单」按钮。亚马逊称过去一年逾 4 亿客户使用 Alexa for Shopping,2026 年初以来智能体功能使用量增长逾八倍,未给出基数。此前 9 月,亚马逊封禁了 Meta 的购物智能体 Muse。据 Digiday 报道,短信回复中可能出现 Sponsored Products 广告位,当前对广告主免费,由智能体自主完成的购买不带广告。

现代汽车测试英伟达 OpenShell,LG 开放 K-EXAONE-2.5 接口(11 月 8 日)

据 AI Daily Post 报道,现代汽车集团正在测试英伟达 NemoClaw 蓝图与 OpenShell 运行时,用于构建内部运营智能体;韩国 AI 安全公司 AIM Intelligence 将其 Starfort 管控平台接入 OpenShell。同日 LG AI Research 开放 K-EXAONE-2.5 的 API,该模型使用英伟达 Nemotron 数据集训练,其中含 700 万条依据官方统计生成的合成韩国人物画像。

小结#

本期 12 条信息集中在六条线上。评测侧为基于真实改版请求的编码智能体基准(最强模型平均满足 69.9% 验收标准、全对 26.4%),以及运行环境使同一模型分数在 0.560 至 0.749 之间变动。算力侧为 H200 出口许可名单中出现的空壳登记地址与被制裁关联方,以及一家推理运营商以 80 亿美元投前估值启动新一轮。资本侧三则是 110 亿美元融资与目标规模的下调、25 亿美元融资叠 53 亿美元收购、5 亿美元按回报分成的非股权融资。工具侧两则是本地推理引擎新增缓存分担参数的实测(小缓存约 +97%、大缓存约 -17%),以及一套按 KV cache 状态路由的 K8s 控制面开源。治理侧两则是一家前沿 API 首次默认开启文本水印及其按模型退出的管理路径,和一家联邦 AI 安全机构停止发布研究并改为非正式汇报。终端侧两则是短信形态的购物智能体在美国邀请制上线,以及韩国车企与模型厂商对智能体运行时和本地化模型的接入。

信息引自公开来源,基准口径与财务数字未见一手文件,引用以官方发布为准。

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

第九期:编码智能体基准、H200 审查与默认水印
https://dongyue.org/posts/36/
作者
冬月
发布于
2026-11-09
许可协议
CC BY-SA 4.0

评论区

文章目录