返回往期
2026年11月2日星期一
9 点要闻3 分钟阅读

今日要闻

1

Anthropic推出Claude Opus 5.5,周报称成本降40%

模型发布商业化

一份本周AI行业周报将Claude Opus 5.5列为Anthropic新推出的模型,并称其成本降低40%。周报未说明该比例对应API单价、同等任务成本还是内部推理成本,也未提供基准成绩、上下文规格或开放范围。该报道将成本变化作为本次模型更新的量化信息,但具体价格、能力变化、地区覆盖和可用时间仍需以Anthropic官方发布为准;目前材料也没有给出发布日期、用户范围或套餐安排。

阅读原文
2

可灵AI完成198亿元增资,金蝶、沐曦等机构参与

融资AI视频

一份11月2日早间AI简报称,快手旗下可灵AI已完成总额198亿元的增资交易,金蝶、沐曦等机构作为新增投资方参与。简报未披露投后估值、各方认购比例、资金用途和交割条件,也没有提供投资方公告原文;现阶段可确认的信息仅限交易完成、金额和投资者范围。由于估值及权益结构未公开,无法据此推算公司整体估值或单一投资者的持股比例,资金到账安排与具体后续经营计划仍待公司披露。

阅读原文
3

马斯克称Colossus 2拟增42万颗GB300,年底目标120万颗

算力数据中心

马斯克披露Colossus 2计划新增约42万颗NVIDIA GB300,其中Gun Range约22万颗用于训练,Spam约20万颗用于推理;训练集群规划采用800Gbps高速网络。报道按计划估算,部署后GB300总量约86万颗,并以2026年底达到120万颗Blackwell GPU为目标。计划仍未说明供电、交付和投运时间,公布规模属于建设目标而非已部署结果。

阅读原文
4

MiniMax量化428B M3.1 Flash,扩大多平台本地部署

模型部署本地推理

MiniMax在官方社媒宣布,已对总参数4280亿的M3.1 Flash进行量化,以扩展模型在不同硬件配置上的本地部署;公告提及Apple Silicon、AMD和NVIDIA生态的研究与工程人员参与。公司未公布量化位宽、最低内存、推理速度、精度变化或独立评测,也未列出各平台安装方案和硬件门槛。这次更新扩大本地运行范围,实际兼容性、部署成本和质量损失仍需后续配置与测试验证。

阅读原文
5

赛迪报告称日均Token调用超175万亿,推理数据首次超训练

行业数据模型应用

一份早间AI简报转述赛迪研究院报告称,AI推理数据量首次超过训练数据量,日均Token调用超过175万亿;报告还指出,大模型迭代周期已从数月压缩至数周乃至数天。该组数据反映推理服务与产品迭代在AI产业中的占比上升,但材料未提供报告名称、统计口径、样本范围或云厂商数据,相关数字目前只是简报对报告的转述,不应直接视为全行业审计统计;赛迪报告的原始链接也未附在材料中,完整数据表亦未展示。

阅读原文
6

Hugging Face报告称Qwen衍生模型已超15万款

开源模型行业观察

财联社转述Hugging Face最新观察报告称,2026年多数月份中国开源模型参数上限介于7540亿至2.78万亿,美国模型则通常低于1300亿;参数超过200亿的模型中,逾80%采用宽松许可。报告还统计,基于Qwen衍生的模型超过15万款,显示其生态规模较大。材料未列出样本筛选、参数统计和许可分类的完整口径,跨地区比较应按报告定义理解,亦未展示逐月分布和完整数据表。

阅读原文
7

Cisco Talos披露VOLTA活动,机器学习用于窃密后数据排序

AI安全威胁情报

一篇标题注明10/31的AI简报转述Cisco Talos研究人员披露VOLTA信息窃取恶意软件活动,称该活动利用机器学习模型对已窃取的企业数据自动评估和排序。材料未给出受影响机构、攻击时间线、感染规模或防御措施,也没有说明模型如何接入数据处理链路,因此事件范围和损失尚不清楚。目前能够确认的仅是研究团队报告了机器学习用于窃密后的数据筛分用途,简报也未附原始技术报告链接。

8

上交大等开源EvaOmni,392段视频评测视听证据定位

多模态评测基准

上海交通大学、复旦大学与腾讯优图联合推出并开源多模态评测基准EvaOmni,包含392段时长1至12分钟的视频、1,027组人工标注问答,覆盖15项细粒度能力。基准要求模型不仅回答问题,还定位音频和视频中的证据时间段;团队对24个Omni LLM开展测试,显示Gemini 3.7 Flash回答准确率为79.4%。该设计将答案正确性与视听证据定位结合,材料未提供全部模型排名和复现细节。

阅读原文
9

JEPA研究称跨模态对齐样本需求可降至1/42

学术研究多模态

一篇arXiv论文用联合嵌入预测架构(JEPA)分析跨模态表示对齐,提出以同一场景的良好视图作为正样本时,分别训练的不同模态模型可学得仅差旋转变换的表示,并给出对齐误差界。作者在14.5万条字幕和9.4亿张网页图像上验证规模关系,称达到同等对齐效果时,良好视图所需样本约为下一词元预测的1/42;109M参数文本JEPA对齐表现优于DINOv2与CLIP。

阅读原文

不要错过明天的 AI 简报

数千位专业人士的首选,用 AI Daily Brief 开启每天的工作与生活。