Oct 29Thu

Artificial Analysis Intelligence Index v5 基准上线，DeepSeek V4.1 Flash 1017 为 FrontierCode 2.0 开源模型最高成绩

IT之家 10 月 29 日消息，Artificial Analysis 昨日发布了 Intelligence Index v5，这是该机构自 2026 年 1 月 v4 上线以来幅度最大的一次基准重构。 最直接的变化是，60% 的评测权重首次建立在私有测试集或隐藏答案之上，用于压缩公开题库被模型训练数据“污染”的空间，减少了各厂商为了跑分而跑分的“注水”测试项目。 该指数仍由九项评测构成，包括知识工作、编码、科学、通用能力各占 25%。其中编码 25% 的权重里，Cognition 于同日发布的 FrontierCode 2.0 独占 15%，Terminal-Bench 4.0 占 10%。 其中最值得关注的 FrontierCode 2.0 完全换了一套评分逻辑。132 项任务全部来自真实开源仓库，模型提交的代码改动不再只由单元测试是否通过来判定，而是由该仓库的维护者按“是否愿意合并这个 PR”来打分，任何一项阻塞性检查失败即记零分。 Cognition 在 6 月推出 FrontierCode 初版时就强调，传统基准只检查代码能否跑通，而合并决策还涉及改动范围是否克制、风格是否与代码库一致、回归风险是否可控等测试无法完全覆盖的维度。v5 将这一基准升级到 2.0 并纳入主指数，等于把“可合并性”而非“可运行性”推到了编码能力评价的中心。 在这一口径下，DeepSeek V4.1-Flash 1017（max）在 FrontierCode 2.0 上录得 28%，是所有已发布权重模型中得分最高的一个。 Kimi K3.1 Pro 以 25.5% 紧随其后，但其完整权重按月之暗面官方博客的表述，要到 11 月 4 日前才发布，AA 在 v5 报告中将其标注为“weights not yet released”。

Tell HN: Claude Code adds your email to the prompt, the LLM sends it to websites

by TekMol · 18 points · 2 comments · The prompt issue: https://github.com/anthropics/claude-code/issues/81138 The LLM sends it to websites: https://www.reddit.com/r/ClaudeCode/comments/1xhqvzn/opus_55_just_shared_my_email_address/

千问办公的第一场行业战，选在了阿里最不能丢的地方

大厂在确定内部组织架构，AI Agent形态产品统一之后，很快都把目光投向企业级市场。腾讯、阿里、字节、百度几乎再次同期行动。 相对于C端，企业级市场付费意愿更具确定性，替换成本也更高——一旦Agent嵌入业务流，迁移代价远高于换个聊天工具。所以通用办公只是入场券，真正的分水岭在于各家能否找到足够深的垂直落脚点。 最先确定行业目标的是阿里。千问办公把最重的筹码都压在了阿里体系经营最深的场景电商。 前不久千问办公发布了电商版——在原有产品新增了「电商经营」模式的入口，把生意参谋、千牛、万相台、有赞、FastMoss、LinkFox 这些经营系统的读写权限，第一次收进同一个Agent工作台。 再往前一个月，在云栖大会上，千问办公发布了基础设施「企业上下文」，把企业的文档、群聊、业务系统中的信息压缩成Agent可按需调用的上下文。 企业上下文提供跨系统的业务理解，把企业的文档、群聊、业务系统中的信息压缩成Agent可按需调用的上下文。而电商版作为这套底座的第一个样板，将在这个双11迎来真实检验。 为什么最先撬动的是电商？ 电商被推到千问办公最先撬动企业级市场的前线，背后有着深层次原因。 从需求侧看，电商是AI办公里跑得最猛的一支。阿里披露，千问办公自8月初上线至电商版发布时，付费用户中电商行业占比已超过20%，是数量最多、使用最深的一类行业用户，平均每周完成38个复杂任务。 Token消耗也指向同一件事：据中文在线在投资者关系记录中披露的数据，国内AI Token消耗中，55%集中在短剧与视频生成，24%落在电商与营销，仅次于前者。 无论付费意愿还是使用强度，电商商家对AI的投入都已远超大多数传统行业。而且电商客户作为阿里天然的客户池，也是最好转化的流量来源。 对阿里而言，更深的焦虑在于如何在AI时代，确保电商的优势地位不被撼动。 阿里巴巴2026年6月份季度（2027财年Q1）财报显示，电商集团收入2058.62亿元，同比增长4%；其中中国电商收入1109亿元，同比下降8%。客户管理收入（CMR）报告口径同比下降7%；剔除新营销计划冲减影响后，同口径同比增1%。与此同时，88VIP会员约6400万，保持同比双位数增长。高价值用户基本盘仍在，但平台从商家投放中变现的能力偏弱。 阿里面对的不仅是C端用户被分流，B端商家多平台经营也已成常态，不仅交易渠道分散在多个平台，AI时代运营工具上也有豆包工作、WorkBuddy等多样化选择，单靠流量分配已经很难深度绑定商家。 所以对阿里而言，电商版不仅是办公AI的行业延伸，更像是巩固电商基本盘的「AI防御中台」：把商家的运营流程、决策数据、工作流全都沉淀在阿里体系内，用迁移成本把用户留住。 但要跑通整个闭环，千问电商版必须进得去真实业务流程、拿得到核心权限数据，而这就意味着商家必须开放经营数据、系统权限和一部分执行权，这已经不

XHEART正式发布大模型芯片X7 Ultra

36氪获悉，XHEART正式发布大模型芯片X7 Ultra，截至目前，X7系列已量产8个月，累计出货超过20万颗，搭载10款量产车型，获得超过40款车型订单。

Shopify采用维萨、万事达卡的智能体支付技术

Shopify宣布，已经在自家结账功能Shop Pay中接入由维萨、万事达卡以及美国运通开发的智能体支付技术。这一选择与Stripe处理智能体购物与信用卡业务的主流方案形成鲜明反差。维萨、万事达卡、美国运通推出了智能体支付令牌。该令牌代表用户的银行卡信息，授权后的AI智能体可以直接从用户银行卡完成扣款。智能体无法获取用户真实卡号，同时还可以保留信用卡积分权益与防欺诈保护机制。（新浪财经）

AI Article Reviews Dominate Human Peer Reviews at Their Best [pdf]

昆仑万维：前三季度营收近90亿元，AI短剧单月流水近1亿美元

10月29日，昆仑万维发布2026年第三季度报告。报告期内，得益于AI技术商业化进程加速，公司主营业务持续保持强劲增长态势。2026年前三季度，公司实现营业收入89.37亿元，同比增长53.96%；净利润实现扭亏。其中，海外收入87.06亿元，同比增长60.78%；天工AI业务收入43.21亿元，同比增长168.29%，已成为公司重要增长引擎，带动公司第三季度毛利率提升至74.41%。AI短剧平台业务是本季度商业化进展最为突出的板块，2026年9月，公司AI短剧平台业务单月流水近1亿美元。

20人团队，融资6000万：让AI忽悠骗子

一家只有20名员工的澳大利亚AI公司，靠着“骗骗子”，拿到了815万美元融资，约合人民币6000万元。 这家公司叫Apate，今年8月完成新一轮种子融资。它靠训练AI假扮成容易上当的普通人，专门接诈骗电话、回复可疑短信，甚至混进诈骗群聊。骗子以为马上就能骗到钱，实际上却在跟一台机器周旋。 通过这些方式，从骗子嘴里套出有用的线索，帮助银行和电信公司提前发现诈骗。 01 一个教授的44分钟，变成了一门生意 Apate创始人Dali Kaafar原本是澳大利亚麦考瑞大学的网络安全研究者。 一次家庭野餐时，他接到陌生来电，很快意识到对方是诈骗分子。为了不打扰身边的孩子，他没有直接挂断，反而假装自己快要上当，陪对方聊了44分钟。 这通电话让他想到：既然人可以故意拖住骗子，为什么不能把这件事交给机器？ 这个想法后来从大学研究项目发展成Apate。公司名字取自希腊神话中的欺骗女神，倒也符合它的工作方式。 Apate给AI安排了不同的人物身份，有的像不太会用手机的老人，有的像急着处理问题的普通用户。面对骗子的催促，它们会反复确认操作步骤，声称自己听不清、网络太慢，或者暂时有事要离开，尽量让对方继续聊下去。 据《连线》杂志报道，Apate的系统已部署约35万个AI机器人，有些诈骗电话甚至可以持续两个小时以上。 不过，让骗子生气只是表面效果。Apate更看重的是对话中透露的信息。 比如，骗子要求受害者转账时，可能会发来银行账户或加密货币钱包地址；冒充银行客服时，也可能留下钓鱼网址、假冒机构名称和具体话术。Apate试图把这些线索收集起来，交给银行、电信公司等客户分析和使用。 为什么一个收款账户值得关注？ 因为电话号码可以随时换，诈骗团伙收钱、转钱的过程却可能留下线索。如果AI提前拿到一个可疑账户，银行就有机会核查风险；如果发现同一网站被用来冒充多家机构，电信公司也可以进一步排查相关诈骗活动。 当然，AI拿到账户不等于已经查明犯罪事实，更不能直接冻结资金。相关信息仍需要核实，后续处理也要由有权限的机构完成。但相比等受害者报案后再追钱，提前拿到线索，至少多了一次阻止损失的机会。 Apate也不只处理电话。它的文字智能体会在论坛、投资群和社交平台寻找可疑活动，再尝试与对方交流，收集账户、网址和诈骗话术等信息。公司还允许客户给AI指定任务，例如专门获取某类诈骗活动中的收款账户。 02 银行、电信公司为什么愿意付钱？ Apate主要面向银行、电信运营商、政府机构等客户，提供AI对话、诈骗信息收集和分析服务。具体收费标准尚未公开。 澳大利亚电信公司TPG是一个重要案例。它先通过自己的系统识别可疑电话，再将部分来电转接给Apate，让AI接手对话，随后将收集到的信息用于进一步识别诈骗活动。 TPG试点案例显示，项目转接了超过28万通诈骗电话，累计拖住诈骗分子超过100天，识别出超过2万个被冒

澳大利亚部分投资主管对Anthropic的IPO计划持谨慎态度

Anthropic PBC即将进行的重磅首次公开募股（IPO），为澳大利亚市场带来一个新的人工智能投资标的，不过当地部分投资主管对此持谨慎态度。“这是一家了不起的公司，”澳大利亚养老基金UniSuper首席投资官John Pearce周四在墨尔本举行的CFA澳大利亚投资大会小组讨论中表示。至于这“能否转化为一项绝佳的投资，那就是另一回事了”。Pearce表示，Anthropic估值达到约2万亿美元可能“有些勉强”。他还说，该公司目前仍处于巨额亏损状态，要在三四年内实现正现金流并创造可观利润，将是一个“艰巨的目标”。（新浪财经）

德科立：拟12亿元投建AI算力及数据中心光连接高端产品项目，提升高端光通信产品交付能力

36氪获悉，德科立公告，公司拟投资建设“AI算力及数据中心光连接高端产品产业化能力提升项目”，计划总投资约12亿元。本项目拟购置土地，新建洁净厂房、仓储及配套设施，购置生产与测试设备，搭建高端光连接产品生产线。三类产品分别适配集群内高带宽互联、跨区域长距算力互联调度、大规模算力集群动态全光组网，形成覆盖AI算力全层级互联的产品矩阵。项目建成后，将提升公司高端光通信产品制造水平与规模化交付能力。

文心失速，百度老将离场

老将离职，暴露百度大模型业务多重深层危机。

中国大模型训练如何突破算力瓶颈

过去三年，中国大模型进步迅速，却始终未能真正站上全球前沿。Epoch AI的能力指数显示，自2023年以来，每一个处于前沿的模型均出自美国，中国模型平均落后约7个月，最短4个月，最长14个月。 与此同时，差距正在持续收窄。 斯坦福大学《2026年AI指数报告》显示，中美最佳模型的性能差距已由2023年5月的三成以上，缩小至2026年3月的约2.7%。DeepSeek-R1在2025年初一度追平美国最强模型，但很快又被拉开距离。 差距不断缩小，为何始终无法反超？根本原因在于训练算力。 据非营利AI研究机构Epoch AI估算，DeepSeek-R1的训练计算量约为4×1024次浮点运算，Qwen3-Max约为1.5×1025次；同期美国的GPT-5约为6.6×1025次，Grok 4约为5×1026次，高出一个数量级。 在算力受限的条件下，中国大模型走出了一条“追赶加提效”的道路。DeepSeek-V3仅用2048张H800完成预训练，依靠混合专家架构和8位精度训练，将正式训练的算力成本压缩至约560万美元（不含前期研发与试验）。同一时期，Meta训练Llama 3.1 405B动用了约1.6万张H100。 然而，提效存在天花板。中国团队的效率创新，美国实验室很快就能吸收，再叠加十倍算力，差距随即重新拉开。更重要的是，效率提升不会减少算力需求，反而会扩大需求。正如19世纪蒸汽机效率大幅提高后，英国的煤炭消耗不降反升，即所谓的“杰文斯悖论”。效率越高，同样的投入能训练出越强的模型，各方追加算力的意愿也就越强。 只要训练算力的差距依然存在，中国大模型就难以跳出“追近、再被拉开”的循环。 AI算力分为训练和推理两类。尽管推理正成为算力需求的主体，但训练决定了能否自主创造和改进前沿模型。美国芯片出口管制瞄准的正是训练所需的高端芯片和互联能力。本文试图回答三个问题：训练算力的需求从何而来？供给的核心是什么？中国的瓶颈在哪里，又该如何突破？ 规模定律：模型决定训练算力的需求 大模型为什么越做越大？答案是规模定律（Scaling Law）。 规模定律并非理论推导，而是在实践中反复观察到的经验规律：模型的预测误差随参数量、数据量和计算量的增加，按幂律稳定下降。这意味着，投入多少数据和算力、换来多大的能力提升，可以事先估算。正因为投资回报可以预期，科技巨头才敢于押注千亿美元。 一次训练需要多少计算？若把模型参数想象成千亿个旋钮，训练就是用海量数据反复调试，为每个旋钮找到合适的位置。业界的经验公式是：C≈6×N×D。其中，C为总计算量，N为参数量，D为训练所用的Token（词元）数。系数6源于每处理一个Token，每个参数在前向计算中需做2次浮点运算，在反向传播中需做约4次。 以Meta公开的Llama 3.1 405B为例，4050亿参数、约15.6万亿Token，计算量约为3

阿里云盘企业版CDE Agent计费模式调整通知

36氪获悉，阿里云公告，为进一步降低CDE Agent的使用门槛，为您提供更加灵活、便捷的使用体验，自2026年11月25日起，将对Agent的购买及使用计费方式进行调整。Agent数量不再作为独立商品单独购买和计费。

黑石赚翻了

还是那个黑石。 近日，黑石发布2026年第三季度财报——资金总流入达到630亿美元，由此资产管理规模近1.4万亿美元，创历史新高。 “围绕人工智能和能源基础设施，我们已经建立起行业领先的平台。”黑石董事长兼首席执行官苏世民解释，基础设施再次成为黑石第三季度表现最佳的投资策略。凭借早年间对数据中心的押注，黑石成为这一波AI浪潮的最大赢家。 在最近一档节目中，苏世民聊起黑石的AI之路，竟然源于11年前与马云的一次偶然交流。 乘上AI东风，黑石创纪录 先从财报说起：从流入资金来看，黑石第三季度资金总流入630亿美元。如此一来，过去12个月，黑石累计流入资金超过2700亿美元，为四年来最高水平。 这是当之无愧的PE之王——截至2026年9月30日，黑石管理资产规模近1.4万亿美元。 本季度，黑石各个业务板块表现亮眼：在私人财富领域，黑石在该渠道的资产管理规模同比增长15%，达到3300亿美元的历史新高，当季销售规模接近90亿美元。 在债权和保险领域，黑石保险资产管理规模同比增长14%，突破3000亿美元。投资级私募债权平台资产管理规模同比增长24%，接近1500亿美元。 重头戏在投资业绩上，黑石旗舰策略于第三季度跑赢相关市场指数，其中基础设施及能源投资组合表现尤为突出。而这一切，大部分要归功于AI。 凭借投资算力，黑石回报丰厚。正如资料显示，其基础设施投资平台的资产管理规模同比增长40%，达到970亿美元，该平台第三季度投资回报率6.4%，远超同期全球基础设施指数回报水平。 眼下，AI为全球数据中心带来强劲的租赁需求。黑石总裁兼首席运营官Jon Gray透露，公司预计今年全球数据中心平台新增租赁容量约为6吉瓦，是去年的三倍。背靠2000亿美元的数据中心帝国，黑石赚得盆满钵满。 “黑石已成为AI生态系统中最重要的资本提供方之一”，黑石如此定位自身在AI浪潮中的角色。该公司约1.4万亿美元资产中，7%通过债权和股权与AI基础设施相关。从绝对值来看，这是一笔相当大的配置。 黑石历来是全球私募股权行业风向标。如此，当下全球市场投资主题浮现——人工智能与能源基础设施。 感谢贵人 成为AI最坚定的拥趸，这背后有一个奇妙故事。 苏世民在接受彭博电视台采访时回忆，公司如今对AI的大规模押注，源于十多年前的一次偶然交流。 那是2015年，他在中国走访考察，恰好坐在阿里巴巴创始人马云旁边。当时马云主动与他谈起人工智能，但苏世民坦言：“说实话，我当时完全不知道他在讲什么。 苏世民回忆：“马云解释说，这将是影响最深远的技术变革，并将改变整个世界。” 看似并无联系的两个人在此刻产生了如此奇妙的际遇。这次交谈引起了苏世民的重视，并最终影响了黑石的投资方向。 此后，黑石开始成为AI领域最积极的投资人之一。 标志性一幕是2021年，黑石以约100亿美元收购美国数据中心巨头QTS。彼时黑石的判断是，

Bernstein – open-source governance layer for AI agents

Point system Claude uses to ban accounts

百度研发“世界模型”，瞄准自动驾驶

在大模型进入下半场之后，人工智能的竞争焦点正在悄然发生转移：从理解语言的“数字世界”，跨入理解物理规则的“真实世界”。 近日，据媒体报道，百度正在研发“世界模型”（World Model），并预计很快将公布相关研究进展。据了解，该模型旨在学习物理环境的表征并预测其变化，有望成为需要在真实世界中运行的系统的底层基础设施。 报道指出，自动驾驶是这项技术的核心应用方向之一。通过预测周围车辆、行人以及道路状况的动态变化，世界模型能够大幅提升自动驾驶系统的规划与决策能力。 虽然百度官方尚未披露该模型的具体应用方式以及与旗下无人驾驶出租车业务 Apollo Go 的深度融合细节，但这一动作本身，已经向行业释放了一个极其明确的信号：在端到端大模型之后，自动驾驶正在酝酿新一轮的底层技术范式转移，而百度试图在这一轮周期中占据技术高地。 告别“规则代码”：世界模型重塑自动驾驶 要理解世界模型的战略意义，首先要理解当前自动驾驶面临的“数据瓶颈”。 过去几年，自动驾驶的技术路线经历了从“基于规则”到“基于数据驱动（端到端大模型）”的演进。尽管端到端大模型让车辆的驾驶行为更像人类，但它依然存在一个致命缺陷：无法准确预测未来。 人类驾驶员在开车时，脑海中会自然构建一个“物理世界模型”：看到前方有小孩在玩皮球，会本能地预判小孩可能会冲到马路上；看到前车刹车灯亮起，会预测前方的拥堵情况。而传统的自动驾驶模型，往往是对历史数据的概率拟合，缺乏对物理因果关系的深度推理。 “世界模型”的作用，就是赋予自动驾驶系统这种“前瞻性”。它通过学习海量的真实物理环境数据，能够生成和预测世界在未来几秒钟内的演变。这不仅仅是识别障碍物，而是理解重力、惯性、摩擦力以及复杂交通参与者的动态博弈。 一旦世界模型成熟，自动驾驶系统就能在真实的物理世界中拥有更强大的泛化能力。它不再需要穷举所有极端场景（Corner Case），而是能在遇到从未见过的复杂路况时，根据物理常识做出最安全的规划决策。 百度的底牌：28个城市的真实数据与规模效应 在硅谷，英伟达、特斯拉以及一批顶尖的自动驾驶初创公司（如Wayve），都已经将世界模型视为通往L4级自动驾驶的重要路径。百度此时高调切入，其最大的底气来自于其庞大的真实路测数据。 据公开信息，百度旗下的无人驾驶出租车业务 Apollo Go 已经拓展至全球 28 个城市。在中国的一线城市，以及部分复杂的右舵车市场，Apollo Go 积累了丰富的真实驾驶数据。公开信息显示，Apollo 公开的自动驾驶测试总里程已突破 3.5 亿公里。 这正是训练世界模型最稀缺的燃料。 与其他还在使用仿真数据或小规模路测数据训练模型的公司不同，百度拥有海量真实道路数据。这些数据包含了极其复杂的中国路况、恶劣天气、以及各种突发的人车博弈场景。 有了这些数据，百度能够构建出一个精度极高的数字孪生世界。在这