AI 领域每日要闻

2026 年 11 月 10 日 · 周二 · 覆盖 AI Coding / 具身智能 / AI 模型

今日主线：同一 24 小时内，Anthropic 把旗舰模型降价 20%、美团把 1.6 万亿参数无条件 MIT 开源、英伟达与谷歌分别从「数据来源」和「仿真构建」两端压低具身智能成本。模型竞争的重心正从「谁最强」转向「谁在哪一层、以什么成本」。

01 · AI 模型 / AI CODING

Anthropic 发布 Claude Fable 5.2 / Mythos 5.2：复杂编程 32.4%→49.1%，价格反降 20%

事件。当地时间 11 月 9 日，冲刺 IPO 的 Anthropic 发布新一代旗舰 Fable 5.2 与 Mythos 5.2。两者为同一底层模型，差异仅在安全限制与访问权限：Fable 面向全部用户，Mythos 仅对通过网络安全 / 生命科学核验的机构开放。

关键数据：

• FrontierCode 2.0（改动能否被开源项目维护者接纳）从 32.4% 升至 49.1%，高于 Opus 5.5 的 45.5%、GPT-6 Astra 的 42.8%、Gemini 4 Carbon 的 41.1%。
• FrontierSWE v2 69.9%（前代 56.3%）；Chartography 图表理解 44.8%→73.4%；RoboDojo 双臂机器人 64.9%。
• 输出速度提升 30%，标准定价降至 8 / 40 美元每百万 token（降 20%）；可选极速模式 2.5 倍速，16 / 80 美元。
• Anthropic 自述：合并进核心代码库的改动中超过 90% 由 Claude 在人类引导下完成；一名工程师让 Fable 5.2 调度 1000+ 子智能体连续 8 天，从空文件夹写出可在笔记本启动的完整操作系统（自研内核、磁盘/键盘/网络驱动、文件系统、窗口与安装程序）。

值得关注的原因。三点。其一，「降价 + 提速」叠加后单位任务成本降幅超过三分之一，这是把前沿能力从演示推向生产负载的动作，而非跑分竞赛。其二，FrontierCode 这类「维护者是否愿意合并」的基准，比 SWE-bench 更贴近真实工程价值，49.1% 意味着接近一半的改动可直接被采纳，已越过可用阈值。其三，真正的门槛已从能力转向合规——Fable 5.2 在 Bedrock 上被列为「受覆盖模型」，默认需最长 30 天数据留存与人工安全审查，企业接入前必须配置留存模式。这是国内团队容易忽略的上线前置条件。

判断：Anthropic 在 IPO 前用「最强 + 更便宜」双向挤压，但把监管成本转嫁给了企业侧的部署配置。对开发者，值得先在一个中型仓库上实测 FrontierSWE 类任务，而非直接替换日常主力模型（官方仍建议日常用 Opus 5.5）。

02 · AI 模型 / 开源

美团 LongCat-2.5 开源：1.6 万亿参数、纯 MIT 无附加条款、为「没有好卡」的团队设计

事件。11 月 9 日，美团龙猫将 11 月 2 日发布的 LongCat-2.5 权重正式开源（HuggingFace / ModelScope），提供原版与 W4A4 量化版两个 checkpoint。总参数 1.6 万亿、每 token 激活约 480 亿（稀疏度约 33:1）、100 万上下文，定位长程智能体任务的原生多模态 MoE。

三个技术要点：

• 许可。MIT，无附加条款，模型卡明确写「不得解释为修改或限制 MIT 许可条款」——在近期一批带钩子的「开源」中属稀缺项。
• 为受限算力反向优化。W4A4 将专家权重与激活同时量化至 4bit，走原生 INT4 矩阵乘；对比 W8A8，prefill 吞吐 +43.3%、decode +42.77%、首 token 时间 −15.91%。单卡显存不足 80GB 时用分片分散至超节点，长序列 SFT 单卡吞吐较 DDP 基线高 86%。
• 视觉不是外挂。把视觉信号表示为多层级离散 token，经残差向量量化逐级补细节，视觉码本与主干联合训练、共享同一套参数——决定模型能否「用看图的结论去写代码」。

跑分需分两半读：强在长程与 3D——BrowseComp 91.9（第一，Opus 5 为 90.8）、ALE v1.1 长程环境 38.5（第一）、3DCodeBench 55.4（第一）；弱在「从零搭完整仓库」——Terminal Bench 4.0 仅 38.5（Opus 5 为 53.9）、NL2Repo 60.5（75.3）、ProgramBench 25.5（37.0）。

判断：真正的新闻不是参数规模，而是「无条件 MIT + 4bit + NPU 路径」这一组合，让 1.6 万亿参数在国产算力上私有化部署第一次具备现实可行性。但别指望它一键生成整个项目——复杂仓库重构仍应看 Opus 5.5 / Fable 5.2。

03 · 具身智能

英伟达 GR00T 2：40 万小时人类视频替代遥操作，5 次示教把成功率推到 95%

事件。11 月 9 日 CoRL 2026（奥斯汀），英伟达发布 GR00T 2。它被定义为世界动作模型（WAM）而非传统 VLA：单次扩散生成中同时预测未来视频帧与动作块，机器人先在模型内部「想象」物理变化再执行。基于 Cosmos-Predict2.5，Turbo 版约 20 亿参数，可端侧部署；一个预训练 checkpoint 覆盖平行夹爪、灵巧手与人形本体，仅换小型 per-robot head。

关键数字：

• 50 个目标机器人训练数据中完全不存在的任务：零样本平均成功率 40%，每任务 1 次示教升至 71%，5 次示教升至 95%（每任务机器人数据不足 3 分钟，单张 RTX 5090 上约 30 分钟 LoRA 微调）。
• 预训练数据构成：402,730 小时第一视角人类视频 + 10,184 小时手持夹爪演示（2,897 任务）+ 仅 23,500 小时机器人遥操作。人类视频占比压倒性。
• 消融实验：人类视频从 0% 提升到 100%，72 项 Dexter 任务真实机器人进度从 50% 升至 70%。
• 跨形态迁移：仅看戴手套的人类化学实验演示、零遥操作，双臂机器人完成滤纸装配 65%；从手持夹爪迁移到 YAM 机械臂，4 分钟级玩具卡车装配 60%。
• 已开放 Human-1M-100K（10 万小时人类数据，CC BY 4.0 可商用），代码将于 12 月开源。

值得关注的原因。40% 的零样本成功率单看并不漂亮，但「零样本 + 人类视频主导」这个组合改变的是数据获取路径。过去机器人基础模型的瓶颈是真机遥操作的人力与工时；能让人类视频参与训练，意味着数据供给的规模上限被抬高一个数量级。对仍卡在「采数据」阶段的团队，这比多几个点成功率更有意义。同时 MCP server 让推理模型充当 System 2、GR00T 2 作为「手」被调用，是 agentic robotics 的工程范式落地。

需注意：95% 这一均值存在选择偏差——白皮书称受评任务是从「五轮内能达到 80% 以上成功率」的任务中挑出的。另有传播误读「40 个任务零样本成功」，实为「50 个任务中 40 个至少成功过一次，平均成功率 40%」。

04 · 具身智能 / 世界模型

谷歌 Gemini 4 Argon：一张 RGB 照片生成仿真数据，真机成功率 56%→75%

事件。谷歌以 gemini-4-argon 上线，面向 Google AI Ultra 订阅者与付费 Gemini API。官方定位是通用物理推理模型，而非单一末端执行器策略，覆盖四类工作：机器人控制、从遥操作视频构建仿真场景（Real2Sim）、为行为克隆标注机器人视频、迭代式策略改进。

关键能力与数据：

• ERQA 具身推理基准纯推理、不用任何辅助工具拿到 87%，谷歌称领先其他前沿模型。
• 从一张桌面 RGB 照片构建标定过的 MuJoCo 孪生环境，定义 77 项任务课程，生成 4,500+ 域随机化仿真 episode 微调 VLA：真机成功率 56%→75%，完成时间 35 秒→24 秒。
• 在 MuJoCo 孪生中练习后，指挥 Boston Dynamics Spot（12 自由度腿 + 6 自由度臂）完成踩脚踏垃圾桶丢易拉罐任务。
• 对 136 秒 ALOHA 2 折纸视频，产出四级标注：回合目标 → 6 个子任务 → 17 个接触级原语 → 质控重加权。
• 可将机器人论文复现为浏览器内可运行的 MuJoCo WebAssembly 沙盒（68 个）。

值得关注的原因。与 GR00T 2 补的是同一件事的两端：英伟达解决「数据从哪来」，谷歌解决「仿真场景怎么快速造出来、视频怎么标注」。把世界模型做成托管 API，等于把仿真构建与数据标注这两件最脏最贵的活商品化。对机器人公司的直接影响是：差异化会被压缩到硬件本体与真实数据闭环，中间层工具的价值被平台吸收。

边界须讲清：这些机器人 prompt 高度依赖长任务专用指令、坐标网格、运动原语与外部验证器——脚手架本身是被测系统的一部分；除那一个 VLA 案例外，谷歌未公布逐条演示失败率。社区的第一质疑集中在仿真保真度：孪生环境要匹配的是接触事件，不只是画面。

05 · AI CODING / 安全

Claude Code「别再问我」把密码写进项目文件：1,122 份配置含真实凭据流入公开 GitHub

事件。安全公司 Apiiro 披露：在 Claude Code 中选择「Yes, and don't ask again」批准 shell 命令时，规则会被写入项目的 .claude/settings.local.json。若存的是精确命令，则整条命令原样保存——命令里若带密码或 token，凭据即以明文躺在工作区。在 103,617 个公开仓库中找到 104,185 份该文件，其中 1,122 份（约 1.1%）含真实秘密，合计 1,379 个不同凭据：379 个数据库密码、43 个 SSH 登录、42 个 GitHub/GitLab/npm token、23 个 AWS 密钥，涉及 63 个组织。叠加历史版本与 agent 会话记录，总数达 2,539 个秘密 / 1,994 个仓库。

三个加剧因素：

• git 排除只在单机生效。Claude Code 把该路径加入用户全局 git excludes，不写入项目 .gitignore，不随仓库分发；对已被跟踪的文件无效。
• agent 自己在提交。追溯 1,105 个仓库，其中 539 个改动该文件的提交以 Claude 为共同作者。
• 常规密钥扫描漏检。1,122 份中 gitleaks 仅标记 564 份、TruffleHog 643 份，215 份两者均未发现——漏检集中在「命令行里直接敲的密码」，不匹配任何已知凭据格式。且过半文件已在默认分支停留 217 天以上，多数并未被及时修掉。

值得关注的原因。这不是漏洞，是为流畅度做的便利默认值造成的系统性残留。它标志着一类新攻击面成型：agent 的「权限记忆」与「会话历史」正在成为凭据载体。Apiiro 对比 16 款编程 Agent，Claude Code 是唯一确认默认把完整命令写入项目文件的一个。11 月 10 日发布的 2.1.321 将 Fable 5.2 设为默认模型并修补若干权限与凭据缺口（含 MCP OAuth 问题）。

可执行动作：① 检索组织内 .claude/settings.local.json 与 settings.json，并查 git 历史；② 先轮换所有曾出现在其中的凭据，再清理——删文件不等于消除暴露，fork 已复制；③ 将本地设置文件取消跟踪并写入项目 .gitignore；④ 改用模式批准（如 Bash(npm run:*)）而非精确命令批准；⑤ 把 .claude/ 等 agent 目录纳入密钥扫描范围。

交叉观察：模型正在被分层

把今天这几件事叠在一起，行业在做一件很朴素的事——给模型分工。判断层留给能力最强、单价最高的一档（Fable 5.2 / Mythos 5.2）；执行层交给极便宜的小模型批量穷举（同日 Meta 的 Muse Ember，输入 0.1 美元每百万 token，与 DeepSeek V4.1 Flash、GLM 5.3 Flash 同区间）；具身侧则把「数据」与「仿真」拆成两层外购能力（GR00T 2 提供数据路径，Gemini 4 Argon 提供场景构建）。

对推进 AI 原生改造的团队，核心问题已不是「选哪个最强模型」，而是「流程能否被正确拆层」：哪些节点值得付高价调用、哪些应沉到便宜模型上批量跑、哪些判断必须留给人。一旦这条分层固化，agent 的成本曲线会从「随用量线性上升」变成「随用量温和上升」。

备选未展开（供参考）

• 百度 ERNIE Evolve：首个递归自我改进系统已投入实用，首项任务是给 ERNIE 5.5 Flash 做推理优化；同日开源 280B MoE 基座 ERNIE 5.5 Flash Base。AI 优化 AI 的第一份工作不是造模型，而是省算力。
• 字节 TRAE 宝：10 月 29 日上线，TRAE 从编程工具转向「开发者个人助理」，全局助理统筹派活 + 项目助理独立会话执行，可绑飞书 / 微信远程提需求。目前仍依赖本地电脑执行，云端托管待后续版本。
• 优理奇完成 5 亿元 Pre-A 轮（绿地集团战略入股），月出货峰值超 300 台。
• 它石智航 × 安波福：年底前百台级 A 系列机器人进入安波福产线，覆盖 8 大工艺 33 类场景，由 AWE 通用具身大模型驱动。
• 天翼电信终端 × 优必选：把导航、交互、作业能力拆成可复用组件，降低跨场景集成成本。

数据来源：Anthropic 官方博客、Reuters、财联社、美团龙猫技术博客与 HuggingFace 模型卡、NVIDIA 官方博客与 GR00T 2 白皮书、Google Developers Blog、InfoQ、Apiiro 研究（经 The Hacker News 转述）。部分厂商自评数据尚待第三方独立复测。