//每日 AI 早报
2026年11月4日2026-11-044 条收录 · 5 条精选
本期要点：AI 开始直接改写别的模型的权重、把交付物做成能继续编辑的工程文件、用开源权重开机器人、用柴米油盐考自己；同时一个份额第一的 Agent 平台宣布退场——能力在下沉，账本在上收。
站点收录
每日资讯精选
01MIT 提出「权重空间编程」：GPT-6 Astra 只改 0.016% 权重，小模型数学涨 6 倍MIT CSAIL 让 GPT-6 Astra 在只能读写权重、最多 50 次前向推理的沙盒里，自己诊断出 Qwen3.5-0.8B 的「复读死循环」病根（96 次测试 85 次耗尽 3.2 万 token 上限），只改第 15、19 层共 131072 个权重（占 0.016%），MATH-500 从 7.9% 升到 48.1%、GSM8K 从 13.8% 升到 67.1%、IFEval 从 21% 升到 62.3%，全程没有梯度下降。另组实验里它从零手写 148 万参数围棋网络，对训练 2000 万局的同规模 PPO 胜率 70%—78.5%；还能只看 1.7 万个数字就认出网络在玩打砖块还是吃豆人。对照组 Gemma 3 270M 只从 6.8% 到 7.7%，说明它清掉的是「能力发挥的障碍」，不能凭空塞进新知识。值得关注：模型优化出现了第三条路——不改数据、不重训，直接给权重「做手术」，对小团队和可解释性研究都是新入口；但目前仍是单点实验，能否复现、能否扩到更大模型待验证。IT之家
02商汤 SenseNova 6.8 Flash 正式版：交付可继续编辑的 PPTX 与 Blender 工程商汤发布日日新 SenseNova 6.8 Flash 正式版，主打「只给目标、模型跑完全流程」。办公侧靠长期记忆与跨会话协作，能在产品升级后主动提醒「那位因不支持私有化部署而拒单的客户，现在可以重新跟进」；设计侧可出动态 PPT、动态海报、SVG、Three.js 网页，并通过多轮「生成—观察—反馈—修改」输出可继续编辑的 Blender 工程与可二次编辑的 PPTX，接入 Figma 工作流。官方称 TeamBench、DataAnalysis2.0 排名第一，AutomationBench、WorkbuddyBench、RaccoonPPTBench v2、BrowseComp 第二，长期记忆评测 BEAM 128K 与 GPT-6 Luna 并列第一。值得关注：交付物从「一张截图」变成「能改的源文件」，验收标准随之从「像不像」变成「改得动改不动」，责任也从模型回到提需求的人——这才是 AI 能否真正上岗的分水岭。小浣熊端限免至 12 月 1 日。上海证券报·中国证券网
03清华×伯克利开源 uni-robot-agent：Qwen 操控机器人超 Astra 公开分，成本仅 1/20清华大学与 UC 伯克利联合开源具身智能体框架 uni-robot-agent（论文《Democratizing Robot-Use Agents》），把感知、运动、技能、回合控制四类工具在仿真与真机间统一，运行时、上下文策略、感知后端、动作模型均可单独替换。RoboDojo 42 项任务上 Qwen3.8-Flash-Next 得 31.39 分，超过 GPT-6 Astra 此前公开的 28.97；单局 API 成本 1.09 美元 vs 21.29 美元（约 1/20），跑完 252 局评测不到 300 美元 vs 超 5000 美元。真机 19 项任务中 Qwen 零样本 53.50 分，高于在该环境微调过的 π0.5（47.75）。需要说清的是：换同一套 harness，Astra 仍以 51.90 分领先，开源模型赢的是「旧成绩 + 成本」，不是绝对能力。值得关注：权重可下载、交互轨迹可回流训练，具身研究门槛从「买 API」降到「有台机械臂」。腾讯新闻（机器人前瞻）
04OpenAI 推 LifeVal：不考答题，考「能不能把日子过明白」OpenAI 发布 LifeVal 基准，题库参考美国时间使用调查（ATUS）与跨国时间使用研究，并基于 3995 人代表性调查，覆盖托育、健康、教育、家庭行政、个人财务、购物、政府服务，由约 100 名真实使用者出题并逐项评分。公开成绩：GPT-5.2 平均 49.3% → GPT-5.4 73% → GPT-5.6 80% → GPT-6 Astra 80.6%；案例中找房子 100 分、挑幼儿园 93.1 分、为糖尿病患者排膳食 90.4 分。两点需注意：一是进步几乎都发生在 5.2 到 5.4/5.6 之间，Astra 相对 5.6 只高 0.6 个百分点，「代际飞跃」要打折；二是它仍是 OpenAI 自建自评的内部基准，任务集与评分代码未完整开放。值得关注：评测重心正从「知识考试」转向「任务交付」，这直接对应 ChatGPT 往个人助理演进的路线，也给普通用户一把判断「AI 到底能不能替我办事」的尺子。金融界
05份额第一的扣子企业版宣布退场：11 月 30 日起停止新客购买字节跳动旗下扣子（Coze）发布企业版下线公告，分三段退场：11 月 30 日起企业标准版、旗舰版停止接受新客购买；12 月 31 日起经火山引擎购买的旧个人进阶版、旧企业版、旧团队版下线，未使用额度自动退回火山引擎账户；2027 年 12 月 31 日新版企业套餐一并下线。官方口径是「产品整合」：8 月 24 日 TRAE 与扣子团队已整体并入豆包体系，次日字节发布独立 AI 办公产品「豆包工作」。反差在于扣子以 19.3% 份额居国内智能体开发平台公有云市场第一，但该市场 2025 年全年规模仅约 2.5 亿元。值得关注：份额第一不等于产品线有独立生存权。正在选型 Agent 平台的企业，应把「会不会被并进主干业务」写进风险评估，提前规划数据与工作流迁移窗口。界面新闻