← 返回 AI 日报归档 · ← 返回首页
AI 日报：2026-11-06
采集于 2026-11-06 · 共 10 条 · 优先最近 24 小时，补充最近 72 小时内未收录进展；下文日期为来源标注的原始发布日期。产品能力、性能和研究结果保留发布方口径，未独立复现；“值得看”为编辑分析。
1. 百度发布 ERNIE 5.5 Flash Base，开放预训练阶段权重
百度 11 月 5 日发布 ERNIE 5.5 Flash Base：总参数 280B、每 token 激活 14B，预训练使用 33.5T tokens，支持微调和推理时的 1M 上下文。此次是尚未经中期及后训练的基础模型，提供 FP8、BF16 权重并采用专门许可协议；后训练版本仍待后续发布。
值得看：适合关注领域适配和后训练的团队评估，不能把基础权重当作开箱即用的聊天模型；下载前应先核对许可和硬件要求。
2. GPT-6 Cyber 发布系统卡，强调授权范围与受控接入
OpenAI 11 月 5 日发布 GPT-6 Cyber 系统卡，将其定位为 GPT-6 Astra 的网络安全专用变体，通过 Daybreak Red 向获批用户和组织提供。官方在自身框架中将其网络安全能力定为 Critical，并要求身份核验及组织安全控制；这是模型与接入规则的新披露，不重复昨日 Linux 漏洞发现新闻。
值得看：安全团队选型时需要同时检查任务能力、允许操作范围和接入门槛，不能把研究评测结果等同于生产环境可靠性保证。
3. Claude 推出个人财务测试版，通过 Plaid 只读连接账户
Anthropic 11 月 5 日宣布 Personal Finance 本周起向美国 Pro、Max、Ultra 用户逐步开放测试版，可通过 Plaid 读取用户选择的银行及卡账户余额和最长两年的交易记录。官方明确其不能转账、管理或投资资金，功能专区内对话不用于模型训练。
值得看：这是把真实业务数据接入助手的具体案例，“只读权限、独立数据范围、可撤销授权”比单纯增加金融问答能力更值得借鉴。
4. Perplexity Teammates 面向持续项目，复用工具、记忆和权限
Perplexity 官方文章标注 11 月 4 日，介绍可持续规划、监控和跟进工作的 Teammates，初期在网页端面向 Max 订阅用户推出。每个 teammate 使用独立环境，复用 Computer 的项目与工具权限，用户可检查进展、接管或重新指派；The Verge 于 11 月 5 日 UTC 跟进报道。
值得看：长期 Agent 的关键从“一次回答”转向跨任务状态、权限隔离和交付复核，适合用真实的运营或研发周期任务检验。
5. Mistral 扩展 Studio，统一托管 Agent、工作流与企业应用
Mistral 11 月 5 日介绍 Studio 更新，新增托管 Agent 和应用能力，并扩展工作流、企业上下文、可观测性及评估。官方文档说明 Agent 可配置 skills、沙箱、子代理和 hooks；工作流支持事件触发与中断后恢复，并强调工具访问控制和人工审批。
值得看：面向企业落地的价值在于运行、审批、追踪和评估是否完整。涉及自有云或本地环境时，应另行核对具体版本的交付与可用范围。
6. Gemini Omni 1.2 Flash 正式可用，单次视频最长 15 秒
Google 11 月 5 日 Gemini API 更新日志宣布 Gemini Omni 1.2 Flash 达到 GA，支持最长 15 秒视频生成、对话式编辑和最多 6 张参考图像。日志称视频输出价格下降 30%，并预告 12 月 3 日起对 Omni 1.1 Flash 的请求将自动路由至 1.2；首尾帧插值和逐轮扩展另有时长限制。
值得看：视频工作流不仅要比较画面效果，还需处理调用版本、分段时长和自动迁移；固定模型名称并不一定代表行为永久固定。
7. METR 质疑 Anthropic 研发加速风险表述，强调阈值判断不确定性
METR 11 月 5 日发布对 Anthropic 8 月风险报告的审查，认为报告对“尚未越过两倍加速预警阈值”的结论表述过强，相关判断存在方法和归因不确定性。METR 同时同意截至 7 月 15 日模型直接造成自动化研发灾难性风险的评估为低；部分关键依据被删节，公众无法完整复核。
值得看：应区分“预警阈值可能被越过”“科研速度加快”和“已能完全自动化研发”。这份报告展示了如何审查结论、证据与公开披露之间的差距。
8. Perplexity 更新 Agent API effort 档位，公开降本方法
Perplexity 11 月 5 日宣布更新 Agent API 各 effort 档位并增加 ultra。官方称通过步骤和工具调用预算、上下文压缩、正文提取、按需加载 skills 及模型选型降低研究成本；按档位名称调用会自动使用新配置，固定版本可保留既定配置。文章中的性能和费用比较均为其自测结果。
值得看：可直接借鉴的是同时约束步骤数和工具调用数，并为最终核验与回答预留预算；这比单纯更换更强模型更容易定位成本来源。
9. Google 公开 Agile Deliberation，用边界样本澄清主观分类规则
Google Research 11 月 4 日介绍 Agile Deliberation：先拆分概念及排除项，再用视觉语言模型寻找模糊边界图像，将人的反馈送入提示优化循环。研究包含 18 场、每场 1.5 小时的真人实验，任务涉及健康食品和误导性奖励图像分类；官方同时提供论文及开源实现入口。
值得看：内容审核和业务分类常常先缺清晰规则，再缺模型能力。先让专家判断边界案例，可把隐含标准变成可测试的规则；小规模研究仍需在自己的场景验证。
10. NVIDIA 发布 Vera Agent 工作负载数据，关注 CPU 执行环节
NVIDIA 11 月 5 日介绍 Vera CPU 在 Agent 搜索、数据库查询、代码执行和沙箱任务中的表现，列出 Perplexity、DeepInfra、ClickHouse、Daytona 等伙伴测试。文章称 Perplexity 编码任务测试速度为传统 CPU 的约 1.5 倍，且其生产部署仍属计划；这些数字是厂商披露的特定测试结果。
值得看：Agent 延迟还可能来自 CPU、沙箱启动与工具执行。部署前应测量端到端耗时和并发瓶颈，不能用单项芯片跑分推断整个工作流收益。