<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:media="http://search.yahoo.com/mrss/">
<channel>
 <atom:link href="https://www.iresearch.cn//users/1/web_requests/13/iresearch.xml" rel="self" type="application/rss+xml" />
 <atom:icon>https://www.iresearch.cn//favicon.ico</atom:icon>
 

 <title>艾瑞网</title>
 <description>艾瑞网首页新闻 https://www.iresearch.cn/</description>
 <link>https://www.iresearch.cn/</link>
 <lastBuildDate>Wed, 18 Nov 2026 09:49:05 +0800</lastBuildDate>
 <pubDate>Wed, 18 Nov 2026 09:49:05 +0800</pubDate>
 <ttl>60</ttl>
 <item>
  <title>四大 AI 实验室统一 robots.txt 训练退出标记，微软另加页级 AI Grounding 偏好</title>
  <link>https://news.iresearch.cn/content/202611/573439.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;微软 10 月 30 日宣布，为网页发布者提供"训练"与"落地（grounding）"两套相互独立的偏好设置，取代 2023 年的 NoArchive 与 NoCache。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;微软 10 月 30 日宣布，为网页发布者提供"训练"与"落地（grounding）"两套相互独立的偏好设置，取代 2023 年的 NoArchive 与 NoCache。训练偏好采用 IETF AI 偏好工作组推动的 robots.txt 共享语法，站点写上 User-Agent: __usage_ai-training 与 Disallow 即可一次表达不用于训练，微软还把该偏好下放到单页层面。落地偏好由微软自定、仅页面级可用，新增 DisallowExtended：只允许在 AI Mode、AI Overview、Copilot、Microsoft 365 等微软自营体验中落地，排除 Web IQ 与 Foundry API 等对第三方提供的落地服务。新偏好自 2027 年 2 月 1 日起随抓取生效，沿用旧标签的站点须在 3 月 1 日前完成迁移，过渡期落地偏好可先在 Bing 网站管理员工具登记，最迟 2027 年 9 月 30 日失效。微软强调这些设置不改变 Bing &lt;a href="http://s.iresearch.cn/search/sousuo/" target="_blank"&gt;搜索&lt;/a&gt;结果资格，也不构成授权或&lt;a href="http://s.iresearch.cn/search/fufei/" target="_blank"&gt;付费&lt;/a&gt;安排。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;你的&lt;a href="http://s.iresearch.cn/search/narong/" target="_blank"&gt;内容&lt;/a&gt;，你做主：更清晰的训练与落地偏好&lt;/p&gt;
&lt;p&gt;微软通过为训练与落地提供相互独立的偏好设置，在行业共同训练偏好的基础上扩大网页发布者的选择权，同时不改变 Bing 搜索结果的收录资格。&lt;/p&gt;
&lt;p&gt;发布者不应被迫在"在 Bing 中被发现"和"决定生成式模型如何使用自己的作品"之间做选择。2023 年，微软是首家通过 NoArchive 和 NoCache 标签为发布者提供 AI 训练与落地控制的企业。今天，我们在这项承诺的基础上推出更新、更简单、更清晰的偏好设置，让你可以就训练、落地或者两者分别作出选择，同时保持被 Bing 搜索结果收录的资格。&lt;/p&gt;
&lt;p&gt;本公告涉及网页发布者对于经由我们爬虫采集、用于训练或用于生成回答（包括 Bing、Copilot 和 Microsoft 365 中基于网页的回答）的网页内容的偏好。&lt;/p&gt;
&lt;p&gt;扩大网页发布者的选择权与透明度&lt;/p&gt;
&lt;p&gt;微软正与其他行业参与者合作，把一套共享的 AI 训练偏好带给站长和发布者。这一步推进了&lt;a href="http://s.iresearch.cn/search/hulianwang/" target="_blank"&gt;互联网&lt;/a&gt;工程任务组（IETF）AI 偏好工作组一年多的努力，目标是形成全球统一的 AI 偏好实践，相关成果见一份 Internet-Draft。该 AI Training 语法为网页发布者提供了一种更简单、更通用的方式，在 robots.txt 中表达训练偏好，目的是降低同一份内容在不同平台之间适配偏好的复杂度。尽管 IETF AI 偏好工作组仍在推进最终标准，我们认为当前成果已经取得值得采纳的重大进展。我们清楚仍有工作要做，微软将继续积极参与这一全球标准进程。&lt;/p&gt;
&lt;p&gt;微软在共享的 AI Training 偏好之上，新增了一套独立的 AI Grounding 偏好，为网页发布者提供更细粒度、彼此独立的训练与落地选择：&lt;/p&gt;
&lt;p&gt;AI Training 是在 robots.txt 中针对站点或路径表达的共享偏好。微软将把同一偏好扩展到页面层级，以便在需要时覆盖单个页面的 robots.txt 设置。&lt;/p&gt;
&lt;p&gt;AI Grounding 是微软提供的独立页面级偏好，让你管理内容如何被用于帮助形成生成的回答。除用于阻止落地使用的 Disallow 之外，微软还推出一项新的细粒度偏好 DisallowExtended。它把落地使用限制在微软自营体验内，例如 AI Mode、AI Overview、Copilot 和 Microsoft 365，并排除微软向第三方提供的落地服务，例如 Web IQ 以及通过 Foundry 中 API 访问提供的落地。若未表达落地偏好，你的内容可能被用于帮助形成生成的回答。&lt;/p&gt;
&lt;p&gt;这些偏好将取代微软现有的 NoArchive 和 NoCache 训练与落地偏好，带来更大的灵活性与更清晰的偏好表达。自 2027 年 2 月 1 日起，微软将在抓取时遵循新偏好：robots.txt 中的 AI Training 偏好适用于相应站点或路径，页面级的 AI Training 与 AI Grounding 偏好适用于单个页面。页面级设置的 AI Training 偏好会覆盖 robots.txt 设置。如果我们在站点上检测到新的 AI Training 或 AI Grounding 偏好，将不再理会该站点上可能残留的 NoArchive 和 NoCache 偏好。&lt;/p&gt;
&lt;p&gt;这些偏好让你能够管理内容是否可用于未来的 AI 生成模型训练与落地体验。&lt;/p&gt;
&lt;p&gt;如果你为落地选择 DisallowExtended 或 Disallow，你在 AI 体验中的品牌曝光将会减少。落地在生成回答时把生成内容与网页内容连接起来，将相关来源和网页发布者的专业能力带入回答。允许落地会使你的内容有资格参与形成这些回答，并通过链接与引注提供通往原内容的路径。允许训练则有助于改进未来的生成式模型。两种选择都不保证被收录、带来流量或获得付费。&lt;/p&gt;
&lt;p&gt;请在 2027 年 3 月 1 日前采取行动&lt;/p&gt;
&lt;p&gt;新偏好将于 2027 年 2 月 1 日随微软抓取生效。如果你的站点目前使用 NoArchive 或 NoCache，我们建议改用这些新偏好来管理内容是否可用于训练和落地，并在 2027 年 3 月 1 日前完成相应步骤：&lt;/p&gt;
&lt;p&gt;AI Training：在 robots.txt 或单个页面上发布你的 AI Training 偏好。&lt;/p&gt;
&lt;p&gt;AI Grounding：在单个页面上发布 AI Grounding 偏好，并在 Bing 网站管理员工具中登记临时的过渡落地偏好。对每个页面，临时偏好有效期至页面被重新抓取或 2027 年 9 月 30 日，以较早者为准。&lt;/p&gt;
&lt;p&gt;若要维持你所选的偏好，请在 2027 年 3 月 1 日前完成上述步骤；此后，NoArchive 和 NoCache 将不再作为训练或落地偏好被读取。&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2283608</guid>
  <pubDate>Thu, 12 Nov 2026 17:00:26 +0800</pubDate>
 </item>
 <item>
  <title>OpenAI 重写模型规范：围绕五项价值观重组，新增指令层级与监管条款</title>
  <link>https://news.iresearch.cn/content/202611/573442.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;OpenAI 10 月 29 日更新《模型规范》，把原先分散的指引围绕五项基本价值观重新组织：忠于人类意图、尽量减少伤害、诚实与透明、人的自主性、关怀。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;OpenAI 10 月 29 日更新《模型规范》，把原先分散的指引围绕五项基本价值观重新组织：忠于人类意图、尽量减少伤害、诚实与透明、人的自主性、关怀。修订不仅更清楚地解释既有原则，还补充了关于上下文、监督和自主性的指导，调整了部分默认行为，并移除大部分细化的风格指导。规范明确忠于人类意图是基础：模型要理解 OpenAI、&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;和&lt;a href="http://s.iresearch.cn/search/yonghu/" target="_blank"&gt;用户&lt;/a&gt;真正重视的东西，而不只是字面执行指令，并在理解不完整时作出恰当判断。此次更新还把&amp;amp;q&lt;a href="http://s.iresearch.cn/search/u/" target="_blank"&gt;u&lt;/a&gt;ot;指令层级"写进规范，用以说明哪些指令适用、冲突如何解决；规范在多数场景下以"默认规则"形式出现，用户和开发者可以通过指令覆盖，仅在人和社会需要保护的边界上保持刚性。OpenAI 同时说明，现有模型尚未完全达到新规范的要求，正在探索新的训练方法让模型"出于正确的理由做正确的事"。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;新版模型规范：面向能力更强、更有益的 AI&lt;/p&gt;
&lt;p&gt;OpenAI，2026 年 10 月 29 日，安全&lt;/p&gt;
&lt;p&gt;随着我们的模型变得更加智能，其在现实世界中采取的行动也带来更深远的影响，模型就越来越不能止步于理解收到的具体指令。模型还需要理解人类的意图和价值观，才能在指令未明确涵盖的情境中作出恰当判断，同时始终忠于人类意图并接受人类监督。&lt;/p&gt;
&lt;p&gt;今天，我们更新了模型规范。这份公开文件阐述了我们期望模型如何行事。本次更新围绕五项基本价值观重新组织了规范中的指导原则：忠于人类意图、尽量减少伤害、诚实与透明、人的自主性以及关怀。这体现了我们在价值观对齐方面的一项目标：让模型在陌生情境中也能理解并运用人类价值观，同时始终忠于人类意图。此次修订不仅更清晰地解释了现有原则，还增加了有关上下文、监督和自主性的指导，调整了部分默认行为，并移除了大部分细化的风格指导。&lt;/p&gt;
&lt;p&gt;围绕核心价值观组织规范&lt;/p&gt;
&lt;p&gt;上述五项价值观明确表达了模型规范中已有的基本承诺：服务于人类的目标、如实表达、尽量减少伤害、尊重人们形成独立观点的自由，以及认真对待他们所处的境况。将这些承诺集中呈现，有助于解释规范为何对模型提出这些行为要求，也有助于我们针对以往表述不够充分的部分制定更清晰的指导。我们一直在通过研究、模型部署经验、公众对规范和模型行为的反馈，以及与用户和外部专家的讨论来完善规范。此次更新是这项工作的又一步。&lt;/p&gt;
&lt;p&gt;世界各地的人们有着不同的需求、价值观和对未来的期望，我们希望 AI 能让他们都受益。&lt;/p&gt;
&lt;p&gt;忠于人类意图是这一思路的基础：理解什么对人们重要，并帮助他们去追求。OpenAI 编写规范、设定边界，并训练模型遵守这些边界；开发者在这些边界内决定应用如何运作；用户则在这些约束下指挥模型开展工作。我们的模型应帮助人们理解世界、发现可能性并追求自己选择的目标，从而增强人们塑造自身生活的能力，同时认真考虑这些帮助会如何影响他人。忠于人类意图与其余四项价值观共同构成了规范的框架，并指导模型如何应对一些最重要的权衡取舍。它们并不旨在涵盖模型应尊重并帮助人们追求的全部人类价值观。&lt;/p&gt;
&lt;p&gt;忠于人类意图，意味着不能仅按字面执行指令，而要深入理解 OpenAI、开发者和用户的意图及其重视的事物，并在理解尚不完整时明智地行事。这也意味着要认识到，人们的信念和价值观可能发生变化，并以他们认可的方式帮助他们反思与成长，而不是暗中引导他们或擅自推翻他们的选择。例如，在帮助用户比较工作邀约时，模型可能会参考用户之前提到的优先考虑因素，如工作时间安排可预期，同时明确说明所依据的假设，让用户能够轻松纠正。&lt;/p&gt;
&lt;p&gt;我们的使命是确保通用人工智能造福全人类。这要求我们不仅考虑一个人当下的意图，还要考虑其长远利益以及对他人的影响。其余四项价值观明确了这些考量：&lt;/p&gt;
&lt;p&gt;尽量减少伤害，意味着遵守不可逾越的安全边界，并考虑模型行动可能带来的可预见后果。&lt;/p&gt;
&lt;p&gt;诚实与透明，意味着如实说明模型知道什么、做了什么，以及对哪些事情尚不确定，让人们能够理解和评估其推理与工作。&lt;/p&gt;
&lt;p&gt;促进人的自主性，意味着增强人们自主理解、选择和行动的能力。&lt;/p&gt;
&lt;p&gt;关怀，意味着关注受影响者的境况，遵循相关社会规范和专业准则，并提供值得信赖的工作成果。&lt;/p&gt;
&lt;p&gt;规范将这些价值观转化为切实可行的指导，在必要之处设立不可逾越的边界，以保护个人和社会；其余&lt;a href="http://s.iresearch.cn/search/narong/" target="_blank"&gt;内容&lt;/a&gt;则大多是用户和开发者可通过指令覆盖的默认规则。&lt;/p&gt;
&lt;p&gt;在更新模型规范的同时，我们也一直在探索新的训练方法，帮助模型学习这些核心价值观，更好地理解并遵循规范中的具体行为原则。目标是让模型理解这些原则为何重要，以及如何在新情境中运用它们：出于正确的理由，做正确的事。我们希望，这种理解能帮助模型在重大决策中作出恰当判断，在日常决策中体现关怀，日积月累，为个人和社会带来持久的益处。我们将在后续更新中分享这项训练工作的结果与经验教训。&lt;/p&gt;
&lt;p&gt;新增与移除的章节&lt;/p&gt;
&lt;p&gt;这次重组也帮助我们识别出哪些方面需要补充指导，为此制定新原则，并按需修订或移除现有指导。&lt;/p&gt;
&lt;p&gt;新增的"忠于人类意图"一节以这样一个理念为出发点：人们所珍视的事物才是根本，而指令通常是表达这些价值观最清晰、最重要的信号。这一思路借鉴了对齐研究中的辅助博弈框架（参见早期研究和后续综述）。这一节纳入了更新后的指令层级，解释了哪些指令适用，以及如何解决指令冲突。新增的小节"审慎考虑上下文"阐述了模型应如何根据对话、记忆及其他上下文线索，理解人们的意图和偏好。&lt;/p&gt;
&lt;p&gt;我们还增加了关于支持人的自主性和遵循相关社会规范的默认规则，并扩充了有关控制和说明附带影响的现有指导。这些原则进一步明确了其余价值观应如何体现在模型行为中，其中许多细节虽不显眼，却十分重要：在尊重用户目标和指令的同时，考虑工作对他人的影响、增强用户的能力，并提供值得信赖的工作成果。&lt;/p&gt;
&lt;p&gt;与此同时，我们移除了规范中大部分细化的风格指导。风格应适应人们的偏好，既要考虑普遍偏好，也要考虑不同语言、文化和个人的偏好，而用户反馈和上下文可以为了解这些偏好提供依据。规范仍保留了约束更强的默认规则，例如客观看待问题。用户和开发者可以明确要求模型采用特定视角，但模型不应仅凭自己对他们想听什么的猜测，就认定他们有这种偏好。&lt;/p&gt;
&lt;p&gt;最后，随着模型的使用场景和部署环境日益多样，我们现在在规范中使用"GPT"而非"助手"来指代模型。&lt;/p&gt;
&lt;p&gt;未来展望&lt;/p&gt;
&lt;p&gt;随着模型能力不断增强，此次更新是我们更明确地阐述规范背后的价值观及相关考量的第一步。模型规范描述的是我们努力实现的行为目标；目前，我们的模型尚未完全达到这些要求。我们将持续从研究、实际使用和反馈中汲取经验，不断改进规范和模型。&lt;/p&gt;
&lt;p&gt;我们希望听到你的看法：你认为规范的哪些内容有说服力，你在哪些方面不认同它所作的权衡，以及它遗漏了什么、还有哪些地方不够清晰。你对价值观、权衡取舍和具体措辞的反馈，都能帮助我们完善规范。欢迎阅读更新后的模型规范，并分享你的看法。&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2283607</guid>
  <pubDate>Thu, 12 Nov 2026 17:00:26 +0800</pubDate>
 </item>
 <item>
  <title>Kodiak 无人重卡就绪度升至 99%：安全案收尾，年底前在达拉斯—休斯敦开无人货运</title>
  <link>https://news.iresearch.cn/content/202611/573444.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;Kodiak AI（Nasdaq: KDK）10 月 30 日公告，其长途无人驾驶运营的"自动驾驶就绪度指标"（ARM）升至 99%。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;Kodiak AI（Nasdaq: KDK）10 月 30 日公告，其长途无人驾驶运营的"自动驾驶就绪度指标"（ARM）升至 99%。该指标衡量无人驾驶安全案中"实质完成"的主张与证据占比，年内逐月抬升：2 月 84%、4 月 86%、7 月 91%、8 月 93%、9 月 96%。安全案完成后，&lt;a href="http://s.iresearch.cn/search/gongsi/" target="_blank"&gt;公司&lt;/a&gt;将在达拉斯至休斯敦之间的 45 号州际公路开通无人驾驶运营，首个发货方为宜家（IK&lt;a href="http://s.iresearch.cn/search/EA/" target="_blank"&gt;EA&lt;/a&gt;），初始线路 219 英里，目标 2026 年底前开出商业无人驾驶长途货运。该安全案接续其工业场景：截至 2026 年二季度末，已在一个客户（Atlas Energy Solutions）自有自营的 35 辆无驾驶员卡车上部署，公司称为同类车队中规模最大。10 月的进展来自两项工具——量化概率风险评估（PRA）方法，以及仿真工具 BreakPoint：后者在仿真中对抗性&lt;a href="http://s.iresearch.cn/search/sousuo/" target="_blank"&gt;搜索&lt;/a&gt;真实路况需数年才能遇到的边缘场景，结果回灌进风险评估。CEO Don Burnette 称已进入"最后一段路"，安全总监 Frank Fratrik 称每条主张都以证据闭环。需注意，开通时间与后续表现均属前瞻性表述，公告附有完整风险提示。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;Kodiak AI 无人长途货运就绪度指标升至 99%，加速迈向无人驾驶首发&lt;/p&gt;
&lt;p&gt;加州山景城——以物理 AI 驱动的自动驾驶技术提供商 Kodiak AI（"Kodiak"，Nasdaq: KDK）今日宣布，其长途无人驾驶运营的"自动驾驶就绪度指标"（ARM）已升至 99%，使公司在 2026 年底前开出商业无人驾驶长途货运服务这一目标上进度超前。&lt;/p&gt;
&lt;p&gt;2026 年以来，Kodiak 在完成长途安全案方面的进展一直延续。公司披露的就绪度分别为：2 月 84%、4 月 86%、7 月 91%、8 月 93%、9 月 96%。&lt;/p&gt;
&lt;p&gt;公司目前处于完成公路首发安全案的最后阶段。安全案完成后，Kodiak 将在达拉斯与休斯敦之间的 45 号州际公路开通无人驾驶运营。Kodiak 的安全案是一套结构化论证，以证据支撑其自动驾驶系统 Kodiak &lt;a href="http://s.iresearch.cn/search/Drive/" target="_blank"&gt;Drive&lt;/a&gt;r 能在界定的运营环境中安全运行。&lt;/p&gt;
&lt;p&gt;Kodiak 的就绪度指标衡量的是：无人驾驶安全案中的主张与证据，已实质完成的比例。升至 99%，反映其为让 Kodiak Driver 投入长途无人驾驶服务、并与商业伙伴安全稳定地运营该服务所需的测试与验证活动取得加速进展。&lt;/p&gt;
&lt;p&gt;Kodiak 创始人兼首席执行官 Don Burnette 表示："随着我们为开通无人长途货运做最后准备，势头正在叠加。10 月在闭合安全案主张方面继续取得很大进展。剩余所需的工程验证与确认里程碑已识别并排定。这是最后一段路。"&lt;/p&gt;
&lt;p&gt;Kodiak 的首发并非一次性里程碑。安全案的闭合将支撑其为客户持续提供可重复、可靠的无人驾驶公路运输服务，其中包括首发发货方宜家（IKEA）。&lt;/p&gt;
&lt;p&gt;Kodiak 计划代表宜家开通无人驾驶公路运输服务，初始线路为 219 英里。&lt;/p&gt;
&lt;p&gt;Kodiak 的长途安全案建立在其二叠纪盆地部署所完成的工业安全案之上。截至 2026 年二季度末，公司已在该场景的 35 辆无驾驶室人员的卡车上部署技术。这些卡车由其客户 Atlas Energy Solutions 自有并运营，公司称该车队为同类中规模最大。这一部署体现了公司在商业无人卡车运输方面无可比拟的运营经验。&lt;/p&gt;
&lt;p&gt;Kodiak 安全总监 Frank Fratrik 表示："随着部署计划定稿，我们的安全案接近完成，它反映出我们对工程、运营以及一切与'驾驶室里没有人'相关的环节所做的系统性安全风险考量。每一条主张都以证据闭合，而证据已近乎齐备。10 月的进展来自三方面：用定量的概率风险评估（PRA）方法把自动驾驶系统的行为风险纳入计算；用 BreakPoint 仿真工具检验系统稳健性；以及把 I-45 走廊无人监督自动驾驶的运行范围与操作规程做成熟。"&lt;/p&gt;
&lt;p&gt;过去 4 个月，Kodiak 借助其新推出的 AI 工具 BreakPoint 推动上述进展。BreakPoint 在仿真中对抗性搜索边缘场景——这类场景若在真实道路上遇到，可能需要数年。Kodiak 专门用它来确保自动驾驶系统在 I-45 走廊的稳健性。BreakPoint 的结果被输入 Kodiak 的定量概率风险评估，该方法以数学方式把自动驾驶系统的行为风险纳入考量。&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2283606</guid>
  <pubDate>Thu, 12 Nov 2026 17:00:26 +0800</pubDate>
 </item>
 <item>
  <title>OpenAI 重构订阅用量：Pro 档额度翻倍，12 月起 ChatGPT 与 Codex 合并按 token 计量</title>
  <link>https://news.iresearch.cn/content/202611/573445.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;OpenAI 10 月 29 日调整订阅用量：Pro 100 与 Pro 500 的 Work 和 Codex 额度翻倍，9 月 29 日邮件通知的 Pro 200 降额取消，原本额度较低的 Pro 200 用户上调至较高档水平，Business Premium 同步上调，Plus 不变，新老订阅均自动生效，无需等待续费。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;OpenAI 10 月 29 日调整订阅用量：Pro 100 与 Pro &lt;a href="http://s.iresearch.cn/search/5/" target="_blank"&gt;5&lt;/a&gt;00 的 Work 和 Codex 额度翻倍，9 月 29 日&lt;a href="http://s.iresearch.cn/search/youjian/" target="_blank"&gt;邮件&lt;/a&gt;通知的 Pro 200 降额取消，原本额度较低的 Pro 200 &lt;a href="http://s.iresearch.cn/search/yonghu/" target="_blank"&gt;用户&lt;/a&gt;上调至较高档水平，B&lt;a href="http://s.iresearch.cn/search/u/" target="_blank"&gt;u&lt;/a&gt;siness Premium 同步上调，Plus 不变，新老订阅均自动生效，无需等待续费。按官方帮助中心说明，从 12 月起，随着 Work 的智能体能力并入 ChatGPT 主体验，Plus、Pro、Business 的用量额度将在 ChatGPT 与 Codex 之间共用一份。用量按 token 计量，更先进的模型和更复杂的任务消耗更多，即时聊天不占额度；用户可在设置中的用量页查看合并后的剩余额度与重置时间，触顶后可等待重置、升级套餐或购买 credits。对订阅用户而言，变化不只是额度变多，而是计价方式从"按次数"转向"按 token 配额"。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;了解 ChatGPT 与 Codex 的用量额度&lt;/p&gt;
&lt;p&gt;从 12 月起，随着 OpenAI 把 Work 的智能体能力并入 ChatGPT 主体验，Plus、Pro 与 Business 三个套餐的用量额度将在 ChatGPT 与 Codex 之间共用同一份。&lt;/p&gt;
&lt;p&gt;ChatGPT 与 Codex 中的用量以 token 计量，token 是模型处理与生成的信息单位。用掉多少额度，取决于所选的模型和所执行的任务：更先进的模型和更复杂的任务通常消耗更多，即时聊天则不占用额度。&lt;/p&gt;
&lt;p&gt;OpenAI 表示正在为这次过渡做谨慎准备，以免打断用户既有工作流，并预计多数用户不必比现在更频繁地等待额度重置。合并后的剩余额度与重置时间可在「设置 → 用量」中查看；触顶后可以等待重置、升级套餐，或购买 credits 以继续使用符合条件的功能。&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2283605</guid>
  <pubDate>Thu, 12 Nov 2026 17:00:25 +0800</pubDate>
 </item>
 <item>
  <title>商汤开源 SenseNova Loop-9B-Preview：32 层跑出 56 次层计算，9B 参数对标更大模型</title>
  <link>https://news.iresearch.cn/content/202611/573451.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;商汤 10 月 30 日在 Hugging Face 发布 SenseNova-Loop-9B-Preview，模型卡标注 Apache-2.0。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;商汤 10 月 30 日在 Hugging Face 发布 SenseNova-Loop-9B-Preview，模型卡标注 Apache-2.0。它走的是"不堆参数、堆执行深度"的路线：只保留 32 层解码器权重，其中第 &lt;a href="http://s.iresearch.cn/search/4/" target="_blank"&gt;4&lt;/a&gt; 至 27 层以共享权重连跑两遍，一次前向完成 56 次解码层计算；总参约 9B、推理参数约 14.6B，训练上下文最长 262,144 token。配套上，Transformers 实现已随模型提供，MTP 推理加速可用，LightLLM、SGLang、vLLM 的适配仍在各自的 PR 中，发布细节与技术&lt;a href="http://s.iresearch.cn/search/baogao/" target="_blank"&gt;报告&lt;/a&gt;均标注待公布。模型卡的基准成绩以图表呈现、属厂商自评。&lt;/p&gt;
&lt;h3&gt;正文（据官方模型卡编译）&lt;/h3&gt;
&lt;p&gt;这款模型面向长上下文与智能体工作流，接受文本与图像输入、输出文本，用于文档理解、编程、以及编程与调用外部工具相结合的应用。它最不寻常的地方不在参数规模，而在执行方式：一段解码层被以共享权重连跑两遍，用 32 层权重跑出 56 次层计算。&lt;/p&gt;
&lt;p&gt;不堆参数，堆执行深度&lt;/p&gt;
&lt;p&gt;按模型卡说明，输入先经过第 0 至 3 层，随后同一段第 4 至 27 层（共 24 层）连续执行两遍，再由第 2&lt;a href="http://s.iresearch.cn/search/8/" target="_blank"&gt;8&lt;/a&gt; 至 31 层与输出头给出结果。若以 B 表示重复块、h 表示其输入，循环计算可以写作 B(B(h))，第二遍以第一遍的输出作为输入。推理时每次前向执行 56 次解码层计算，却只存储 32 组解码层权重。文档把这套结构称为循环解码器，并称它与双流 mHC 一起"提供一条更深的执行路径，而不复制被重复那一段的参数"。&lt;/p&gt;
&lt;p&gt;两条残差流与 Sinkhorn 约束&lt;/p&gt;
&lt;p&gt;循环段内部，mHC 在解码层计算周围携带两条残差流。学习得到的映射决定一层如何从两条流读取、如何混合流间信息、以及如何把该层输出并入残差状态；流混合矩阵由 Sinkhorn 归一化约束，文档配置使用 20 次迭代。模型卡特别提示：循环范围、执行遍数与 mHC 路由参数属于检查点执行配置的一部分，兼容的推理实现必须加载这些参数并复现相同的执行顺序。换句话说，这套结构对推理框架是硬约束，不能当普通 32 层模型加载。&lt;/p&gt;
&lt;p&gt;注意力排布与关键规格&lt;/p&gt;
&lt;p&gt;注意力按四层一组交错排布，每组三个线性注意力层之后是一个全注意力层；循环边界与完整的四层组对齐，两遍的注意力模式因此保持一致。核心规格：32 个不同解码层、每次前向 56 次执行，隐藏维度 4096、前馈维度 12288、词表 248320，全注意力 16 头对 4 组 KV 头；总参约 9B、推理参数约 14.6B；训练上下文最长 262,144 token，现有导出精度为 BF16 骨干与 FP32 的 mHC 路由参数。训练方案结合长序列、多模态输入与有监督任务轨迹，文档称&lt;a href="http://s.iresearch.cn/search/shuju/" target="_blank"&gt;数据&lt;/a&gt;含文本、图像、代码与工具轨迹。&lt;/p&gt;
&lt;p&gt;推理加速与配套&lt;/p&gt;
&lt;p&gt;推理侧已支持 MTP 加速，Dspark 与 Dflash2 仍在训练中，实际加速幅度取决于负载、硬件与服务配置。Transformers 推理实现随模型提供，文档检视的环境为 Transformers 5.18.0 与 PyTorch 2.11.0（CUDA 13.0）；LightLLM、SGLang、vLLM 的适配仍在各自的 PR 中，微调需使用 OpenSenseNova/torchtitan 的 mHC 分支。发布细节与技术报告均标注"待公布"。&lt;/p&gt;
&lt;p&gt;许可与基准&lt;/p&gt;
&lt;p&gt;许可为 Apache License 2.0。模型卡中的基准成绩以图表呈现、未提供可复制的数据表，且属厂商自评，引用时须注明；BibTeX 引用格式见原文模型卡。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2283604</guid>
  <pubDate>Thu, 12 Nov 2026 17:00:25 +0800</pubDate>
 </item>
 <item>
  <title>渣打系 Anchorpoint 与 Solana 基金会合作，港元稳定币 HKDAP 拟原生上 Solana</title>
  <link>https://news.iresearch.cn/content/202611/573456.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;由渣打银行（香港）、香港电讯与 Animoca Brands 合资的 Anchorpoint 10 月 30 日宣布与 Solana 基金会建立战略合作，探索扩大其持牌港元稳定币 HKDAP 的全球可及性；据公告与多方报道，其中一个方向是支持 HKDAP 在 Solana 上原生铸造与赎回，用于零售支付与代币化资产交易。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;由渣打&lt;a href="http://s.iresearch.cn/search/yinxing/" target="_blank"&gt;银行&lt;/a&gt;（香港）、香港电讯与 Animoca Brands 合资的 Anchorpoint 10 月 30 日宣布与 Solana 基金会建立战略合作，探索扩大其持牌港元稳定币 HKDAP 的全球可及性；据公告与多方报道，其中一个方向是支持 HKDAP 在 Solana 上原生铸造与赎回，用于零售支付与代币化资产交易。Solana 基金会将以战略伙伴身份加入其代币化货币推广计划（普华永道香港为首位战略伙伴）。边界必须说清：官方措辞是"探索"，未公布上线时间，也未公布 Solana 上的合约地址；HKDAP 目前仍处机构测试阶段。&lt;/p&gt;
&lt;h3&gt;正文（据官方公告标题与多方报道编译）&lt;/h3&gt;
&lt;p&gt;这是一次战略合作，不是上线。Anchorpoint 10 月 30 日在官方新闻中心发布公告，标题为《Anchorpoint 与 Solana 基金会建立战略合作，探索扩大 HKDAP 的全球可及性》。据公告及多方报道，双方设想的方向是让 HKDAP 在 Solana 上支持原生铸造与赎回：所谓原生，指代币直接在 Solana 上发行与回收，而不是在别的链上铸造后再跨链桥接过去，后者会多出一层托管与桥接风险。公告未公布时间表，也未公布 Solana 上的正式合约地址。&lt;/p&gt;
&lt;p&gt;发行方是银行、&lt;a href="http://s.iresearch.cn/search/dianxin/" target="_blank"&gt;电信&lt;/a&gt;与 Web3 资本的合资体，由渣打银行（香港）、香港电讯与 Animoca Brands 共同持有。可按官方公告核对的节点有三个：2026 年 4 月 10 日，&lt;a href="http://s.iresearch.cn/search/gongsi/" target="_blank"&gt;公司&lt;/a&gt;获香港金管局发出稳定币发行人牌照；8 月 12 日，以 Beta Access 形式启动机构推广；9 月 15 日，启动代币化货币推广计划（TAP），普华永道香港为首位战略伙伴。HKDAP 与港元一比一锚定，储备资产与发行人自有资产分离；已公开的分销渠道包括 HashKey、OSL 与渣打银行。&lt;/p&gt;
&lt;p&gt;按多方报道，Solana 基金会将以战略伙伴身份加入上述 TAP 计划。同一批报道援引公告数据称，Solana 上代币化现实世界资产约 49 &lt;a href="http://s.iresearch.cn/search/yimei/" target="_blank"&gt;亿美&lt;/a&gt;元、持有者逾 83.5 万人。&lt;/p&gt;
&lt;p&gt;需要把边界说清楚。其一，官方用的是"探索"（explore），不是"上线"；其二，没有时间表，没有合约地址，也没有披露流通量或赎回规程；其三，HKDAP 目前仍处机构测试阶段，零售开放时间未公布。对使用者而言，发行方持牌并不消除智能合约、托管、储备与跨链层面的风险——公司今年 4 月曾就冒充 HKDAP 的代币发布公开提醒，在正式合约地址公布并核验之前，任何以 HKDAP 为名在 Solana 上流通的代币都不宜当真。&lt;/p&gt;
&lt;p&gt;放进香港稳定币的路径选择里看会更清楚：汇丰的做法是把港元稳定币 RedCoin 放在自家私有链上、经 PayMe 触达零售用户；Anchorpoint 则把触角伸向公链生态，用可组合性换取场景。两条路线各有代价——前者可控但难延伸到第三方协议，后者可组合但要额外解决合规、托管与赎回的透明度。&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2283603</guid>
  <pubDate>Thu, 12 Nov 2026 17:00:25 +0800</pubDate>
 </item>
 <item>
  <title>Mistral 开放 Mistral Large 4 权重：1.05 万亿参数，单任务少烧 47% token，API 价格腰斩</title>
  <link>https://news.iresearch.cn/content/202611/572881.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;Mistral 开放 Mistral Large 4 权重：1.05 万亿参数，单任务少烧 47% token，API 价格腰斩&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要：&lt;/h3&gt;
&lt;p&gt;法国 AI &lt;a href="http://s.iresearch.cn/search/gongsi/" target="_blank"&gt;公司&lt;/a&gt; Mistral AI 在 Hugging Face 开源 Mistral Large 4 权重。模型总参数约 1.05 万亿，为混合专家架构，每 token 激活约 52B 参数，支持 100 万 token 上下文与图文输入。API &lt;a href="http://s.iresearch.cn/search/dingjia/" target="_blank"&gt;定价&lt;/a&gt;较预览版近乎腰斩，输入每百万 token 0.70 &lt;a href="http://s.iresearch.cn/search/meiyuan/" target="_blank"&gt;美元&lt;/a&gt;、输出 2.10 美元。在 Coding Agent Index 上每任务 token 用量较 GLM-5.3 减少约 47%，是三&lt;a href="http://data.iresearch.cn/people/14042.shtml" target="_blank"&gt;周强&lt;/a&gt;化学习带来的效率提升。许可为修改版 MIT，可商用，但以托管服务方式对外提供需另签商业授权。&lt;br&gt;&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
&lt;h3&gt;正文（译文）：&lt;/h3&gt;
&lt;p&gt;Mistral AI 于 10 月 29 日在 Hugging Face 发布 Mistral Large 4（昵称 Le Chonk）的开源权重，距其 6 日公开预览约三周。该模型为混合专家架构，总参数约 1.05 万亿，每 token 激活约 52B 参数（含嵌入与输出层），另有约 16 亿参数的视觉编码器，支持文本与图像输入、文本输出，上下文窗口达 100 万 token。&lt;/p&gt;
&lt;p&gt;在预览版之后，模型又经历了三周强化学习。API 定价较预览版大幅下调，输入每百万 token 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元，约为预览版（1.36 美元/4.18 美元）的一半。&lt;/p&gt;
&lt;p&gt;效率是本次更新的重点。在 Artificial Analysis 的 Coding Agent Index 评测中，Mistral Large 4 得分 48，仅比 GLM-5.3 低 1 分，但每任务平均只使用 850 万 token，而 GLM-5.3 为 1590 万，token 用量减少约 47%。Mistral 自报 Terminal-Bench 4.0 得分 41%，较预览版的 28% 明显提升；Artificial Analysis 独立评测的同项得分为 25%。在 Artificial Analysis 智能指数 v5 上，模型得分 26，是除中国厂商之外最强的开源权重模型。&lt;/p&gt;
&lt;p&gt;模型采用 Mistral 生态开源权重许可，为修改版 MIT 协议，可自由使用、修改、微调与商用；但若企业以托管服务形式对外提供该模型，需与 Mistral 另签商业授权。官方称训练覆盖超过 160 种语言，包括欧盟所有官方语言。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2272891</guid>
  <pubDate>Fri, 06 Nov 2026 19:00:27 +0800</pubDate>
 </item>
 <item>
  <title>Google DeepMind 发布 Gemini 4 Carbon：网络安全基准全面登顶，先只向防御方开放</title>
  <link>https://news.iresearch.cn/content/202611/572884.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，在网络安全与长时程任务上达到迄今最强水平。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要：&lt;/h3&gt;
&lt;p&gt;&lt;a href="http://data.iresearch.cn/company/5470.shtml" target="_blank"&gt;Google&lt;/a&gt; DeepMind 发布新一代前沿模型 Gemini 4 Carbon，在网络安全与长时程任务上达到迄今最强水平。它在 Artificial Analysis 智能指数 v5.0 上以 59 分排名第一，并在漏洞发现（SEC-bench Pro 88.2%）、漏洞利用验证（ExploitGym 54.8%）、漏洞修复（CWE-bench 71.0%）三项上取得领先。发布采取谨慎放量策略，先通过 Fairwind 计划向一部分网络防御方开放，再逐步扩展。定价与 Argon 相同，输入每百万 token 2 美元、输出 10 美元，缓存输入享 95% 折扣。&lt;/p&gt;
&lt;h3&gt;正文（译文）：&lt;/h3&gt;
&lt;p&gt;今天，我们发布下一代前沿模型：Gemini 4 Carbon，这是我们迄今最强的模型，具备最先进的网络安全与长时程能力。&lt;/p&gt;
&lt;p&gt;Carbon 在最新更新的 Artificial Analysis 智能指数 v5.0 上以 59 分排名第一。它在编程、智能体任务以及网络安全防御所依赖的关键能力上都取得了显著提升，在发现漏洞的 SEC-bench Pro 上以 88.2% 领先，在漏洞利用的 ExploitGym 上为 54.8%，在漏洞修复的 CWE-bench 上为 71.0%。在内部基准上，Carbon 显著提升了生成安全代码的水平；在我们团队内部的真实编程环境中，它表现出更低的失准与虚构率。&lt;/p&gt;
&lt;p&gt;Carbon 建立于两周前发布的 Gemini 4 Argon 之上，展示了我们推进前沿的速度。我们的研究员与模型协同工作，在更快提升能力的同时，同步强化安全护栏。&lt;/p&gt;
&lt;p&gt;我们采取审慎的发布策略，并积极参与美国政府自愿性的模型发布前测试流程。从本周起，我们将向一部分网络防御方提供 Carbon，并通过 Fairwind 计划逐步向更多受信伙伴放量。在向&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;、企业和&lt;a href="http://s.iresearch.cn/search/xiaofeizhe/" target="_blank"&gt;消费者&lt;/a&gt;开放之前，我们会继续收集反馈、迭代护栏。&lt;/p&gt;
&lt;p&gt;Gemini 4 Carbon 将以与 Argon 相同的初始价格发布：输入每百万 token 2 美元，输出每百万 token 10 美元，缓存输入 token 的价格为输入价格的 5%。&lt;/p&gt;
&lt;p&gt;Carbon 专为更困难的长时程工程问题而设计，面向持续运行的智能体工作流。内部团队观察到，Carbon 可以连续运行数天、坚持越过死胡同，去完成复杂的多步工程任务，例如在大型代码库和底层系统中定位并修复细微缺陷。&lt;/p&gt;
&lt;p&gt;基于用户反馈，我们聚焦提升模型在多个领域的表现，包括编程、智能体和科学任务，以及全栈 Web 开发与多模态理解。凭借 Web 开发输出质量的提升，Carbon 在 WebDev Arena 上提升 89 elo 分，以 1768 分位列第四。&lt;/p&gt;
&lt;p&gt;在网络安全防御全生命周期，包括漏洞检测、验证与修复，Carbon 都达到最先进水平。内部基准上，Carbon 生成安全代码的成功率较 Argon 提升超过 2 倍。Chrome 团队反馈，Carbon 生成高质量补丁的表现比另一家实验室的大型前沿模型好 10 倍以上。我们的云安全平台 Wiz 也观察到，Carbon 在 Web 渗透测试基准上领先，这是 Wiz「Scan for Good」计划的核心能力。&lt;/p&gt;
&lt;p&gt;Carbon 在关键外部基准（无护栏评测）上表现出色：在 SEC-bench Pro 上以 88.2% 自主发现真实软件中的复杂缺陷；在 ExploitGym 上以 54.8% &lt;a href="http://s.iresearch.cn/search/chuangxin/" target="_blank"&gt;创新&lt;/a&gt;漏洞利用验证纪录；在 CWE-bench 上以 71.0% 把已验证的发现直接转化为可运行的代码修复。&lt;/p&gt;
&lt;p&gt;在安全与对齐方面，Carbon 建立于 Argon 的多层安全栈之上。它在 Terminal-Bench 4.0 上把成功作弊率降到 0.0%，尝试作弊率降至 0.4%；在内部测试中把缺乏依据的断言削减约 2 倍；在指令注入抵抗上，把 Gray Swan 间接提示注入攻击成功率从 Argon 的 0.7% 进一步降到 0.0%。&lt;/p&gt;
&lt;p&gt;我们期待看到首批网络防御方如何使用这个模型，并将尽快向开发者、企业和消费者开放。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2272890</guid>
  <pubDate>Fri, 06 Nov 2026 19:00:27 +0800</pubDate>
 </item>
 <item>
  <title>OpenAI 更新 Model Spec：围绕五项核心价值重排，风格规则大幅退场</title>
  <link>https://news.iresearch.cn/content/202611/572888.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;OpenAI 更新 Model Spec，把模型行为规范围绕五项核心价值重组：忠于人的意图、最小化伤害、诚实与透明、人的自主性、关怀。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要：&lt;/h3&gt;
&lt;p&gt;OpenAI 更新 Model Spec，把模型行为规范围绕五项核心价值&lt;a href="http://s.iresearch.cn/search/zhongzu/" target="_blank"&gt;重组&lt;/a&gt;：忠于人的意图、最小化伤害、诚实与透明、人的自主性、关怀。这次更新新增了上下文、监督与自主性相关的指导，调整了部分行为默认值，并大幅撤回此前详尽的风格指导。OpenAI 表示，随着模型能力增强、承担越来越多有后果的行动，模型需要在指令未明确覆盖的情形下理解人的意图与价值观，做出正确判断。&lt;/p&gt;
&lt;h3&gt;正文（译文）：&lt;/h3&gt;
&lt;p&gt;随着我们的模型越来越聪明、在世界中采取越来越多有后果的行动，它们仅仅解读所收到的具体指令已经不够。模型还需要理解人的意图与价值观，以便在指令没有明确覆盖的情形下做出良好判断，同时始终忠于人的意图与监督。&lt;/p&gt;
&lt;p&gt;今天，我们更新 Model Spec，也就是我们公开描述期望模型如何表现的文档。这次更新把它的指导围绕五项底层价值重组：忠于人的意图、最小化伤害、诚实与透明、人的自主性、关怀。这体现了我们在价值对齐上的目标：让模型在不熟悉的情境中理解并运用人类价值观，同时忠于人的意图。除了对既有原则更清晰的解释之外，这次修订还新增了关于上下文、监督与自主性的指导，调整了部分行为默认值，并撤回了大量详尽的风格指导。&lt;/p&gt;
&lt;p&gt;这五项价值表述了 Model Spec 中早已体现的广泛承诺：服务于人的目的、保持真实、最小化伤害、尊重人们形成自己观点的自由、认真对待他们的处境。把这些承诺汇聚在一起，有助于解释为什么 Spec 要求模型如此表现，也有助于我们在那些表达不够充分的地方制定更清晰的指导。这次更新是我们通过研究、模型部署经验、公众反馈以及与&lt;a href="http://s.iresearch.cn/search/yonghu/" target="_blank"&gt;用户&lt;/a&gt;和外部专家讨论来完善 Spec 的又一步。&lt;/p&gt;
&lt;p&gt;我们希望 AI 能惠及一个由需求、价值观和对未来期望各不相同的人组成的世界。&lt;/p&gt;
&lt;p&gt;忠于人的意图是这套方法的基础：理解并帮助人们追求对他们重要的事。OpenAI 撰写 Spec、设定边界，并训练模型尊重这些边界；&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;在边界内引导&lt;a href="http://s.iresearch.cn/search/yingyong/" target="_blank"&gt;应用&lt;/a&gt;；用户在约束下引导模型的工作。我们的模型应当帮助人们理解世界、发现可能、追求他们自己选择的目标，从而扩展人们塑造自己生活的能力，同时认真对待这种帮助对他人的影响。&lt;/p&gt;
&lt;p&gt;忠于意图意味着超越照字面执行指令，深入理解 OpenAI、开发者和用户的意图与所重视的东西，并在理解不完整时明智行动。它也意味着认识到人们的信念和价值观会变化，并以他们认可的方式帮助他们反思和成长，而不是悄悄引导或凌驾于他们的选择之上。例如，在帮人比较工作机会时，模型可以借鉴他们此前分享过的优先级，比如稳定的工时，同时让这些假设显而易见、便于纠正。&lt;/p&gt;
&lt;p&gt;其余四项价值把这些考量讲得更明确：最小化伤害，意味着尊重牢固的安全边界，并考虑模型行为可预见的后果；诚实与透明，意味着如实说明模型知道什么、做了什么、对什么不确定，让人能够理解和评估它的推理与工作；促进人的自主性，意味着增强人们自己理解、选择和行动的能力；关怀，意味着关注受影响者的处境，遵循相关的社会与职业规范，做出人们可以信赖的工作。&lt;/p&gt;
&lt;p&gt;Spec 把这些价值转化为实际指导，在保护人与社会所需的处设置牢固边界，其余则大多以用户和开发者可覆盖的默认值形式呈现。&lt;/p&gt;
&lt;p&gt;这次更新的新章节从「人重视什么是首要的」这一理念出发：指令通常是这些价值观最清晰、最重要的信号。新增的「指挥链」解释哪些指令适用、冲突如何解决，新的「谨慎考虑上下文」小节说明对话、记忆等上下文证据应如何帮助模型理解人们的意图与偏好。此外还新增了「支持人的自主性」「遵循相关社会规范」的默认值，并扩展了「控制与沟通副作用」的既有指导。&lt;/p&gt;
&lt;p&gt;与此同时，我们撤回 Spec 中大部分详细的风格指导。风格应当适应人的偏好，无论从整体、不同语言与文化、还是每个人来看都是如此，用户反馈和上下文提供了这些偏好的证据。Spec 保留了更强硬的默认值，比如「客观地看待问题」。用户和开发者可以明确要求模型采取特定视角，但模型不应仅凭它以为用户想听什么就推断出那种偏好。&lt;/p&gt;
&lt;p&gt;最后，为反映模型使用场景和部署环境的日益广泛，我们在 Spec 中把模型称作「GPT」而非「助手」。&lt;/p&gt;
&lt;p&gt;这次更新是让 Spec 背后的价值观与推理随着模型能力提升而更加明确的第一步。Model Spec 描述的是我们正在努力实现的行为，我们的模型尚未完全达到。我们将继续根据研究、真实使用和反馈来改进 Spec 与模型。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2272889</guid>
  <pubDate>Fri, 06 Nov 2026 19:00:27 +0800</pubDate>
 </item>
 <item>
  <title>OpenRouter 月榜：DeepSeek V4.1 Flash 以 113T token 居首、环比 +80%</title>
  <link>https://news.iresearch.cn/content/202611/572890.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;OpenRouter 发布大模型用量月榜（30 天累计口径，数据截至 11 月 2 日）。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要：&lt;/h3&gt;
&lt;p&gt;OpenRouter 发布大模型用量月榜（30 天累计口径，&lt;a href="http://s.iresearch.cn/search/shuju/" target="_blank"&gt;数据&lt;/a&gt;截至 11 月 2 日）。DeepSeek V&lt;a href="http://s.iresearch.cn/search/4/" target="_blank"&gt;4&lt;/a&gt;.1 Flash 以 113T token 处理量居首，环比增长 &lt;a href="http://s.iresearch.cn/search/8/" target="_blank"&gt;8&lt;/a&gt;0%；其 1017 版本以 93.2T token 新入榜居次席；GLM 5.3 Flash 以 56.5T token 位列第三。榜单按 token 吞吐量而非模型质量排序，反映的是调用热度而非能力高低。榜单数据以 CC BY 4.0 许可开放，可署名转载。&lt;/p&gt;
&lt;h3&gt;正文（译文）：&lt;/h3&gt;
&lt;p&gt;该榜单按模型通过 OpenRouter API 处理的 token 量排名，统计提示词与补全 token，数据以 UTC 汇总为每日桶、按模型变体分别统计。保持私密的请求在聚合前会被排除。&lt;/p&gt;
&lt;p&gt;「今日」「本周」「本月」分别覆盖过去一天、七天、三十天的滚动窗口，以最近一个完整日桶为截止。「热门」对比最近七天与前七天，按 token 百分比变化排序，仅纳入当前窗口至少有一百万 token 的模型。&lt;/p&gt;
&lt;p&gt;榜单上方的日期是榜单计算所依据的最新用量桶，而非页面渲染或部署时间，因此只有在新用量数据聚合后才会推进。&lt;/p&gt;
&lt;p&gt;本月（30 天）榜单前十：DeepSeek V4.1 Flash 以 113T token 居首（+80%）；DeepSeek V4.1 Flash 1017 以 93.2T token 新入榜；GLM 5.3 Flash 56.5T（+1%）；Hy4 preview 36.4T（-29%）；GPT-6 Luna 33.1T（+301%）；MiMo-V2.6-Flash 32.2T（+133%）；Step 5 Preview 31.2T（新入榜）；Claude Opus 5.5 27.5T（+763%）；Nemotron 3 Ultra（免费）22T（+9%）；GLM 5.3 19.1T（+55%）。&lt;/p&gt;
&lt;p&gt;榜单展示的是流经 OpenRouter 的流量。Top Models 图表与 LLM 榜单按 token 处理量排序，Market Share 图表按请求数统计。二者都不衡量用户数或消费额。模型在冗长度与分词方式上存在差异，因此更高的 token 总量只说明某个模型被用得更多，而非它在某项任务上更出色。榜单不按准确率、推理能力或基准成绩排序。Benchmarks 部分则采用 Artificial Analysis 与 Design Arena 的分数，以及 OpenRouter 自行运行、按各提供商中位数准确率&lt;a href="http://s.iresearch.cn/search/baogao/" target="_blank"&gt;报告&lt;/a&gt;的基准（如 GPQA Diamond）进行排序。&lt;/p&gt;
&lt;p&gt;OpenRouter 榜单数据以 CC BY 4.0 许可开放，可署名复用与转载。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2272888</guid>
  <pubDate>Fri, 06 Nov 2026 19:00:27 +0800</pubDate>
 </item>
 <item>
  <title>星巴克 2026 财年 Q4：全球同店增 7.2%，中国业务转特许合资后首份年报</title>
  <link>https://news.iresearch.cn/content/202611/572891.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;星巴克发布 2026 财年第四季度财报。当季营收 91.4 亿美元，净利 6.772 亿美元，GAAP 营业利润率 10.8%；全球同店销售增长 7.2%，其中北美同店增长 7.7%，主要由客单价提升驱动。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要：&lt;/h3&gt;
&lt;p&gt;&lt;a href="http://s.iresearch.cn/search/xingbake/" target="_blank"&gt;星巴克&lt;/a&gt;发布 2026 财年第四季度财报。当季营收 91.4 &lt;a href="http://s.iresearch.cn/search/yimei/" target="_blank"&gt;亿美&lt;/a&gt;元，净利 6.772 亿美元，GAAP 营业利润率 10.8%；全球同店销售增长 7.2%，其中北美同店增长 7.7%，主要由客单价提升驱动。门店总数达 41607 家。这是星巴克中国业务从直营转为特许合资模式后的首份完整年报，中国业务出表导致营收同比下滑约 4%。&lt;/p&gt;
&lt;h3&gt;正文（译文）：&lt;/h3&gt;
&lt;p&gt;星巴克 2026 财年第四季度财报显示，&lt;a href="http://s.iresearch.cn/search/gongsi/" target="_blank"&gt;公司&lt;/a&gt;当季实现营收 91.4 亿美元，净利润 6.772 亿美元，GAAP 营业利润率 10.8%。全球可比门店销售增长 7.2%，其中北美&lt;a href="http://s.iresearch.cn/search/shichang/" target="_blank"&gt;市场&lt;/a&gt;同店增长 7.7%，增长主要来自客单价提升而非客流量的增长。截至报告期末，公司全球门店总数达到 41607 家。&lt;/p&gt;
&lt;p&gt;营收同比下滑约 4%，主要原因是星巴克中国业务转为特许合资模式后不再并表。北美市场的增长延续了此前几个季度的趋势，以客单价驱动为主。公司在财报中同时给出了 2027 财年的业绩指引。&lt;/p&gt;
&lt;p&gt;（本段为财报关键数据摘译，完整财务数据与附注详见 SEC EDGAR 原文。）&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2272887</guid>
  <pubDate>Fri, 06 Nov 2026 19:00:26 +0800</pubDate>
 </item>
 <item>
  <title>Kimi K3.1 Pro 全量权重 11 月 4 日前开源：2.8 万亿参数、100 万上下文，开源后将成为 AA 智能指数最高开源模型</title>
  <link>https://news.iresearch.cn/content/202611/572892.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;月之暗面发布 Kimi K3.1 Pro，是 K3.1 系列首款模型，也是其迄今能力最强的 3T 级开放权重模型，上下文窗口 100 万 token。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要：&lt;/h3&gt;
&lt;p&gt;月之暗面发布 Kimi K3.1 Pro，是 K3.1 系列首款模型，也是其迄今能力最强的 3T 级开放权重模型，上下文窗口 100 万 token。它在编程、3D 创作、金融研究和长程智能体任务上有显著提升，官方承诺完整模型权重将于 11 月 &lt;a href="http://s.iresearch.cn/search/4/" target="_blank"&gt;4&lt;/a&gt; 日前开源。在 Terminal-Bench 4.0 评测中得分 6&lt;a href="http://s.iresearch.cn/search/5/" target="_blank"&gt;5&lt;/a&gt;.7%，超过 OpenAI 的 GPT-6 Astra（5&lt;a href="http://s.iresearch.cn/search/8/" target="_blank"&gt;8&lt;/a&gt;.2%），与 Anthropic 的 Claude Opus 5.5（66.4%）仅差不到 1 个百分点。同步推出 Highspeed 版本，输出速度是标准版的 2 至 3 倍。官方刻意压低了开源版本的攻击性网络能力，安全能力按阶段渐进释放。&lt;/p&gt;
&lt;h3&gt;正文（译文）：&lt;/h3&gt;
&lt;p&gt;我们推出 Kimi K3.1 Pro，这是 K3.1 系列的首款模型，也是我们迄今能力最强的 3T 级开放权重模型，上下文窗口为 100 万 token。它在编程、3D 创作、金融研究以及其他智能体能力上带来显著提升。&lt;/p&gt;
&lt;p&gt;我们同时发布 Kimi K3.1 Pro Highspeed，其响应速度是 K3.1 Pro 的 2 至 3 倍。&lt;/p&gt;
&lt;p&gt;Kimi K3.1 Pro 与 Kimi K3.1 Pro Highspeed 今日起已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。完整模型权重将于 11 月 4 日前发布。&lt;/p&gt;
&lt;p&gt;Kimi K3.1 Pro 是 Kimi K3 的后训练版本，后训练算力大幅增加。为在数百个下游领域开展大规模联合强化学习，我们优化了技术栈的每一层，包括强化学习框架、长上下文推理、训练效率、沙箱基础设施、调度系统，以及用于环境质量检查的共享平台，确保每一份新增的强化学习算力都能转化为稳定、可预期的回报。最终，K3.1 Pro 在所有领域都取得了稳定的提升。&lt;/p&gt;
&lt;p&gt;在编程、智能体和知识类基准上，K3.1 Pro 达到或接近最强的闭源模型。在考察编程智能体在真实、资源受限的终端任务上表现的 Terminal-Bench 4.0 中，K3.1 Pro 得分 65.7%，领先 OpenAI 的 GPT-6 Astra（58.2%），与 Anthropic 的 Claude Opus 5.5（66.4%）仅差不到 1 个百分点。在我们内部的 Kimi Code Bench 3.0 Long-horizon 基准上，K3.1 Pro 得分 61.2%，高于 K3 的 55.95%。&lt;/p&gt;
&lt;p&gt;开放权重原则。这些评估框定了我们开源权重的决策。首先，我们无意发布会扩大网络攻击绝对前沿能力的开放权重。K3.1 Pro 的攻击性网络能力经过设计，低于我们技术栈所能达到的水平，也仍落后于前沿闭源模型。其次，我们计划逐步提升开放权重中的网络能力。我们相信，以非歧视的方式开放 K3.1 Pro，能让出于防御目的需要双重用途能力的人受益。当一个能力较强的模型开放、并运行在用户自己掌控的基础设施上时，更多团队就有能力审计他们维护的代码，包括那些很少得到专门安全审查的遗留系统。让这种能力渐进扩散，而不是集中在少数闭源系统中，最终会让所有&lt;a href="http://s.iresearch.cn/search/ruanjian/" target="_blank"&gt;软件&lt;/a&gt;都更安全。&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2272886</guid>
  <pubDate>Fri, 06 Nov 2026 19:00:26 +0800</pubDate>
 </item>
 <item>
  <title>OpenRouter日榜：DeepSeek V4.1 Flash 1017 居首，GPT-6 Luna 单日飙升 90%</title>
  <link>https://news.iresearch.cn/content/202610/572223.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;OpenRouter 公布最新日榜（Usage data through Oct 29, 2026）。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;OpenRouter 公布最新日榜（Usage data through Oct 29, 2026）。在"最近一个完整日"的真实调用量上，DeepSeek V&lt;a href="http://s.iresearch.cn/search/4/" target="_blank"&gt;4&lt;/a&gt;.1 Flash 1017 以 8.05T token（+10%）稳居第一，GPT-6 Luna 以 2.76T（+90%）跃居第二，GLM 5.3 Flash 以 2.52T（+4%）列第三。周榜维度，DeepSeek V4.1 Flash 1017 更以 42.4T（+96%）领跑全榜。&lt;a href="http://s.iresearch.cn/search/shichang/" target="_blank"&gt;市场&lt;/a&gt;份额方面，DeepSeek 以 26.5% 的周请求份额居首，&lt;a href="http://data.iresearch.cn/company/5470.shtml" target="_blank"&gt;Google&lt;/a&gt;（20.1%）、OpenAI（18.5%）、Z.ai（10.7%）、Anthropic（5.5%）紧随其后。智能指数（Artificial Analysis）榜首为 Claude Opus 5.5（58.4），Kimi K3.1 Pro 以 46.0 位列第九。数据由 OpenRouter 以 CC BY 4.0 许可发布，转载须署名并标注数据截止时间。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;OpenRouter 的 LLM &lt;a href="http://s.iresearch.cn/search/paixingbang/" target="_blank"&gt;排行榜&lt;/a&gt;按真实世界调用量对模型排序——排名依据模型通过 OpenRouter API 处理的 token 总量（含输入与输出）。其"今日榜"统计最近一个完整自然日、与前一日对比的调用变化。&lt;/p&gt;
&lt;p&gt;日榜（Top models today，数据截至 2026-10-29）
第一，DeepSeek V4.1 Flash 1017（deepseek），8.05T token，较前一交易日 +10%；第二，GPT-6 Luna（openai），2.76T，+90%；第三，GLM 5.3 Flash（z-ai），2.52T，+4%；第四，DeepSeek V4.1 Flash（deepseek），2.23T，-9%；第五，Hy4 preview（tencent），1.68T，+16%；第六，Claude Opus 5.5（anthropic），1.31T，+30%；第七，Step 5 Preview（stepfun），1.18T，+23%；第八，GPT-6.1 Sol（openai），1.13T，+114%；第九，MiniMax M3.1 Flash（minimax），966B，+7%；第十，GLM 5.3（z-ai），664B，+4%。&lt;/p&gt;
&lt;p&gt;周榜（Top models，数据截至 2026-10-29）
第一，DeepSeek V4.1 Flash 1017，42.4T，+96%；第二，DeepSeek V4.1 Flash，15.9T，-32%；第三，GLM 5.3 Flash，15.6T，+37%；第四，GPT-6 Luna，11.4T，+86%；第五，Hy4 preview，9.18T，+6%；第六，Claude Opus 5.5，7.84T，+5%；第七，Step 5 Preview，5.93T，+262%；第八，GLM 5.3，4.9T，-5%；第九，MiniMax M3.1 Flash，4.12T，&amp;gt;999%；第十，DeepSeek V4 Flash 0731，3.99T，-5%。&lt;/p&gt;
&lt;p&gt;市场份额（最近完整周，以文本请求份额计）
DeepSeek 26.5%（+16%）、Google 20.1%（+9%）、OpenAI 18.5%（+7%）、Z.ai 10.7%（-6%）、Anthropic 5.5%（+25%）、Qwen 4.7%（-6%）、Mistral AI 2.0%（+4%）、MiniMax 2.0%、Tencent 1.8%。&lt;/p&gt;
&lt;p&gt;智能指数（Artificial Analysis，节选）
Claude Opus 5.5（58.4）第一，GPT-6 Astra（56.9）第二，GPT-6.1 Sol（54.5）第三，Claude Sonnet 5.5（54.2）第四，Qwen3.8 Max（53.4）第五，GPT-6.1 Terra（51.0）第六，Gemini 4 Argon（50.4）第七，Kimi K3.1 Pro（46.0）第九。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2259693</guid>
  <pubDate>Fri, 30 Oct 2026 16:00:31 +0800</pubDate>
 </item>
 <item>
  <title>Google 发布 Gemini 4 Carbon：最强旗舰模型，主攻网安与长程编码，先给白帽</title>
  <link>https://news.iresearch.cn/content/202610/572229.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;Gemini 4 Carbon，我们最强的模型，具备业界领先的网络安全与长程（long-horizon）能力。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;&lt;a href="http://s.iresearch.cn/search/guge/" target="_blank"&gt;谷歌&lt;/a&gt; DeepMind 首席 AI 架构师 Koray Kavukcuoglu 于 10 月 28 日宣布新一代前沿模型 Gemini 4 Carbon，定位为当前"最强模型"，在网络安全与长周期任务上达到业界最优。其在更新版 Artificial Analysis 智能指数 v5.0 以 59 分登顶，在 SEC-bench Pro（发现真实漏洞）取得 88.2% 的 S&lt;a href="http://s.iresearch.cn/search/OTA/" target="_blank"&gt;OTA&lt;/a&gt;，ExploitGym 与 CWE-bench 分别达 54.8% 与 71.0%。谷歌采取审慎的分阶段发布：即日起先向部分网络防御者开放，并通过 Fairwind 计划逐步向受信任伙伴放开，之后再面向&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;、企业与&lt;a href="http://s.iresearch.cn/search/xiaofeizhe/" target="_blank"&gt;消费者&lt;/a&gt;。介绍期定价与 Argon 持平——输入每百万 token 2 美元、输出 10 美元（缓存输入 95 折），介绍期结束后调整为输入 4 美元、输出 20 美元。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;概述
"今天，我们宣布下一个前沿模型：Gemini 4 Carbon，我们最强的模型，具备业界领先的网络安全与长程（long-horizon）能力。"这是继两周前 Gemini 4 Argon 之后推出的新一代旗舰。&lt;/p&gt;
&lt;p&gt;顶级能力
长程工程：Carbon 专为更困难、更长的工程问题而设计，面向持续的智能体工作流。谷歌内部团队已观察到 Carbon 连续运行数日，在大型代码库与底层系统中穿越死胡同、定位并修补细微 bug。在 WebDev Arena 上，Carbon 提升 +89 elo 至第 4 名（1768 分）。
网络安全：Carbon 在漏洞检测、验证与修复全生命周期均达到业界最优（state-of-the-art）。内部数据显示，其安全代码生成成功率较 Argon 提升 2 倍以上；Chrome 团队称其生成高质量补丁的表现比其他实验室前沿模型好 10 倍以上。&lt;/p&gt;
&lt;p&gt;基准分数
Carbon 在更新版 v5.0 的 Artificial Analysis 智能指数上以 59 分排名第 1；在 SEC-bench Pro（发现漏洞）以 88.2% 取得稳健领先，可自主挖掘隐藏在真实软件中的复杂缺陷；ExploitGym（漏洞利用验证）54.8%、CWE-bench（根因修补）71.0%；在 Gray Swan 间接提示注入攻击成功率降至 0.0%，Terminal-Bench 4.0 作弊率同样降至 0.0%。&lt;/p&gt;
&lt;p&gt;Fairwind 计划与可用性
谷歌正采取审慎的发布节奏，并积极参与美国政府发布前模型测试的自愿流程。本周起，Carbon 将向一部分网络防御者开放，并通过 Fairwind 计划逐步向更多受信任伙伴分阶段放开；在把模型尽快交付开发者、企业与消费者之前，谷歌会继续收集反馈、迭代护栏。&lt;/p&gt;
&lt;p&gt;定价
Gemini 4 Carbon 以与 Argon 相同的介绍期价格发布：输入每百万 token 2 美元、输出 10 美元，缓存输入享 95 折。介绍期结束后，价格将调整为输入每百万 token 4 美元、输出 20 美元。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2259690</guid>
  <pubDate>Fri, 30 Oct 2026 16:00:31 +0800</pubDate>
 </item>
 <item>
  <title>XREAL AURA 正式发布：搭载 Android XR 的分体式空间计算眼镜，Gemini 场景智能加持</title>
  <link>https://news.iresearch.cn/content/202610/572234.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;XREAL 在 Google Android 开发者峰会（ADS）上发布 AURA——一款由 Android XR 驱动的分体式（compute-puck）空间计算眼镜。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;XR&lt;a href="http://s.iresearch.cn/search/EA/" target="_blank"&gt;EA&lt;/a&gt;L 在 &lt;a href="http://data.iresearch.cn/company/5470.shtml" target="_blank"&gt;Google&lt;/a&gt; Android 开发者峰会（ADS）上发布 AURA——一款由 Android XR 驱动的分体式（compute-puck）空间计算眼镜。其采用双芯片分离计算架构：眼镜端为 XREAL X1S 空间协处理器，计算端为搭载最新骁龙 Reality Elite 平台的 compute puck。光学上提供 70° 光学透视视场（XREAL 迄今最宽）、索尼 Micro-OLED（单眼 1920×1200、最高 120Hz、1050 nits）、3ms 运动到成像延迟、电致变色调光与指纹识别；整机仅 95 克。内置 Gemini（Android XR 版）提供场景化 AI 助手，支持自然对话、看懂所见并跨应用操作。美、加、日、韩率先开订，起售价 1279 美元（12GB+256GB），16GB+512GB 为 1499 美元，早期限量版曾定价 1099 美元。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;这是什么
AURA 不是头显，也不是显示眼镜，而是"空间计算眼镜"——把沉浸式体验装进轻量、便携、可随身移动的眼镜形态。它带来一块私人巨幕、一个空间工作台、一块创意画布，以及对物理与数字世界的 AI 驱动视角。&lt;/p&gt;
&lt;p&gt;形态与架构
AURA 采用双芯片、分体式（split-compute）架构：高性能计算从眼镜本体分离到 compute puck，以平衡性能、散热、续航与佩戴舒适度。眼镜端搭载 XREAL X1S 空间协处理器，负责低延迟空间显示与传感器处理；计算端为最新骁龙 Reality Elite 平台（12GB/256GB 或 16GB/512GB，4455 mAh）。&lt;/p&gt;
&lt;p&gt;光学与感知
70° 光学透视显示让 Android XR 应用有更舒展的空间；真光学透视（optical see-through）让真实世界直接可见，无摄像头透传延迟；电致变色调光可在专注、观影或保持环境感知间调节；朝外传感器阵列支持手部追踪、6DoF 空间锚定与（在用户授权下）AI 视觉体验，并带隐私指示灯。&lt;/p&gt;
&lt;p&gt;AI 助手
Gemini on Android XR 是内置 AI 助手，能理解你所见以帮助你在 XR 中做更多事——随处自然对话、理解意图以无缝打开应用、导航眼镜并提供情境帮助；可就你正在看的内容（如 &lt;a href="http://s.iresearch.cn/search/YouTube/" target="_blank"&gt;YouTube&lt;/a&gt; &lt;a href="http://s.iresearch.cn/search/shipin/" target="_blank"&gt;视频&lt;/a&gt;）提问并延续对话，或在 Google Maps 中边探索边问。&lt;/p&gt;
&lt;p&gt;生态与价格
上市首日即可通过 Google Play 使用数百万应用（Google Maps、YouTube、Gemini、Chrome、Photos 等），并有 150+ 专为 XR 打造的应用。率先在美国、加拿大、日本、韩国开订；起售价 1279 美元（12GB+256GB），16GB+512GB 为 1499 美元。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2259689</guid>
  <pubDate>Fri, 30 Oct 2026 16:00:30 +0800</pubDate>
 </item>
 <item>
  <title>NVIDIA 开源 Nemotron 3.5 Transcribe：单卡可跑的开放权重智能语音转录模型</title>
  <link>https://news.iresearch.cn/content/202610/572228.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;英伟达于 10 月 28 日发布 Nemotron 3.5 Transcribe——一个面向"智能转录"的开放权重语音大模型。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;英伟达于 10 月 28 日发布 Nemotron 3.5 Transcribe——一个面向"智能转录"的开放权重语音大模型。它用单一模型即可逐字或书面转写 &lt;a href="http://s.iresearch.cn/search/4/" target="_blank"&gt;4&lt;/a&gt;0 种语言，并支持上下文、说话人归属（speaker attribution）与逐词时间戳，且可用自然语言指令选择输出方式。该模型在英语与多语种 Open ASR 公开榜上均为开放权重模型中的最佳。同日，英伟达还发布了配套的多语种语音数据集与可复用整理系统 Granary-v2。模型采用约 300 亿总参数、每 token 约 40 亿激活的 MoE 架构，单颗芯片即可运行，可在本地完成高精度转录。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;英伟达推出 Nemotron 3.5 Transcribe，一个用于智能转录的开放权重语音大模型（open speech LLM）：单一模型即可逐字或书面转写 40 种语言，并附带上下文、说话人归属与逐词时间戳，且可通过自然语言指令选择输出方式。它是英语与多语种 Open ASR &lt;a href="http://s.iresearch.cn/search/paixingbang/" target="_blank"&gt;排行榜&lt;/a&gt;上表现最好的开放权重模型。&lt;/p&gt;
&lt;p&gt;关键能力
该模型把语音识别从"单纯转写"推向"带语义的智能转录"：一次性输出文本、说话人&lt;a href="http://s.iresearch.cn/search/biaoqian/" target="_blank"&gt;标签&lt;/a&gt;与精确时间戳，&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;可用指令控制语言、是否书面化、是否带标注等。其英文词错率（WER）在开放权重模型中居首（约 5.33%），并支持最多 8 名说话人的分离。&lt;/p&gt;
&lt;p&gt;配套数据
同日发布的 Granary-v2 是一个多语种语音数据集与可复用的数据整理系统，为"可预测、可控"的语音语言模型提供数据底座，使模型输出更符合指令预期。&lt;/p&gt;
&lt;p&gt;架构与部署
Nemotron 3.5 Transcribe 采用混合专家（MoE）架构，总参数约 300 亿、每 token 激活约 40 亿，配合 NVFP4 精度优化，可在单颗芯片（如 RTX / DGX Spark 级别）上本地运行，适合企业私有化部署与端侧落地。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2259688</guid>
  <pubDate>Fri, 30 Oct 2026 16:00:30 +0800</pubDate>
 </item>
 <item>
  <title>Y Combinator 发布加密创业方向报告：押注稳定币、资产代币化与 AI 交易代理</title>
  <link>https://news.iresearch.cn/content/202610/572230.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;Y Combinator 于 2026 年 10 月发布最新"加密创业请求清单"（Crypto Request for Startups）。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;Y Combinator 于 2026 年 10 月发布最新"加密创业请求清单"（Crypto Request for Startups）。报告指出，过去一年加密应用首次由机构而非&lt;a href="http://s.iresearch.cn/search/xiaofeizhe/" target="_blank"&gt;消费者&lt;/a&gt;主导，驱动力从投机转向石油价格风险对冲、企业跨境资金转移等真实金融需求。YC 预计，稳定币、股票、债务、大宗商品与房屋产权等资产将进一步代币化，初创企业股权及价值低于 1 万美元的小额证券也将通过链上发行。未来六个月，YC 重点关注六大方向：用区块链为 AI 行业&lt;a href="http://s.iresearch.cn/search/rongzi/" target="_blank"&gt;融资&lt;/a&gt;、面向细分&lt;a href="http://s.iresearch.cn/search/shichang/" target="_blank"&gt;市场&lt;/a&gt;的美元/非美元稳定币、基于稳定币的新型银行、现实世界资产（RWA）代币化、新型交易平台，以及 AI Agent 交易与相关 API 基础设施。YC 认为区块链与稳定币可能分别对传统证券交易所和银行体系构成冲击。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;机构取代消费者成为主驱动
YC 观察到，自《GENIUS Act》生效以来，稳定币总市值增长超 300 亿美元，Amazon、Walmart 等巨头也表达了发行自有稳定币的兴趣。过去一年，加密应用首次由机构而非消费者主导，主要驱动力从投机转向 hedging（如石油价格风险对冲）、企业跨境资金转移等真实金融需求。&lt;/p&gt;
&lt;p&gt;代币化与交易
支撑稳定币的同套基础设施可用于任何资产——这正是 Fintech 3.0 真正有趣之处。代币化意味着把政府债券、初创股权、艺术品或贷款等现实世界资产表示为链上数字 token，使历史上缺乏流动性、被层层中介锁住的财产，如今可被任何人、在任何地方拥有、交易与使用。实践中：股息不必等一个月支票，而是每秒流入钱包；初创期权不必走复杂文书，而是变成可真正拥有、可在公开市场出售的可编程 token；私募信贷不必动用数百万资金，而是买入代表分散贷款组合份额的 token。摩根大通已将自有存款 token 上链，Courtyard 等创业公司在代币化实物收藏品。&lt;/p&gt;
&lt;p&gt;AI Agent 与链上应用
链上也为"昨日&lt;a href="http://s.iresearch.cn/search/hulianwang/" target="_blank"&gt;互联网&lt;/a&gt;不可能"的应用与智能体打开了新前沿。可以把链看作一种新型操作系统：全球共享、对任何人都 10 倍友好、无人独占、无需许可即可构建。有了"金钱即软件"，智能体天生具备参与新经济的能力。YC 认为这将引爆新应用浪潮——社交、金融、协作、游戏，一切皆然；许多应用也会以"智能体"形态出现在聊天里。带钱包的 AI Agent 被极大增强，将帮助人们导航并参与快速增长的全球经济。&lt;/p&gt;
&lt;p&gt;六大重点方向（未来六个月）
AI 融资；美元与其他（非美元）稳定币；基于稳定币的新型银行；RWA 代币化；新型交易平台与交易界面；以及 AI Agent 交易与相关 API 基础设施。YC 与 Base、Coinbase Ventures 共同支持开发者在链上构建。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2259687</guid>
  <pubDate>Fri, 30 Oct 2026 16:00:30 +0800</pubDate>
 </item>
 <item>
  <title>智元创新日发布 Worken 与 GO-3 Preview：定义物理 AI 生产力标尺，灵渠 OS 1.0 年底开源</title>
  <link>https://news.iresearch.cn/content/202610/572235.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;智元（AGIBOT）在 2026 上海创新日发布 Worken——一个衡量机器人在真实环境中"有效产出"的新框架。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;智元（AGIBOT）在 2026 上海&lt;a href="http://s.iresearch.cn/search/chuangxin/" target="_blank"&gt;创新&lt;/a&gt;日发布 Worken——一个衡量机器人在真实环境中"有效产出"的新框架。Worken 取 Work 与 Token 组合，定义为"有效智能工时"（Effective Intelligent Work Hours），公式为：活跃机器人数 × 自主工作时长 × 产出效能比，意在把行业焦点从"造了多少/部署了多少台"转向"自主、稳定地干成了多少有用的事"。同场，智元首发下一代具身基座模型 GO-3 Preview（自研 WRAM 世界推理行动架构、支持零样本/少样本）、全模态交互模型 WITA-Omni、AHA3"三智一体"硬件平台，并正式发布 G2 Max 工业机器人与灵渠（Link-U）OS 1.0——后者被称为业界首个专为具身智能打造的&lt;a href="http://s.iresearch.cn/search/caozuoxitong/" target="_blank"&gt;操作系统&lt;/a&gt;，计划 2026 年底全面开源，并已捐赠给开放原子开源基金会。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;Worken：机器人生产力的新度量
智元联合创始人、总裁兼 CTO 彭志辉表示："过去几年机器人在硬件、AI 模型与大规模制造上进步显著，但当机器人进入工厂、仓库与服务场景，我们需要回答一个更实际的问题——它们到底交付了多少有效工作？Worken 是我们尝试回答这个问题的新方式，我们想超越'造了多少台、交付了多少台'的计数，开始衡量它们在真实世界里自主、持续完成有用工作的能力。"&lt;/p&gt;
&lt;p&gt;公式与含义
Worken = 活跃机器人数 × 自主工作时长 × 产出效能比。第一项统计在真实环境真正执行任务的机器人，而非仅被制造或库存的单元；第二项衡量自主工作的时长，而非单纯开机时长；第三项以既定任务的标准基准评估有效产出（例如一名人类工人在既定作业标准下完成的可接受工作量）。通过把部署规模、自主性与任务产出连接起来，Worken 力求在工业搬运、&lt;a href="http://s.iresearch.cn/search/wuliu/" target="_blank"&gt;物流&lt;/a&gt;、巡检与商业服务等场景中更全面地描述机器人生产力。&lt;/p&gt;
&lt;p&gt;GO-3 Preview 与物理智能 Scaling
GO-3 Preview 是围绕 WRAM（World Reasoning Action Model，世界推理行动模型）统一推理—预测—行动框架构建的下一代具身基座模型，旨在让机器人预判行动后果、适应环境变化并泛化到未学习的任务序列。现场展示了零样本与少样本能力，以及"物理智能 Scaling"路径（预训练 + 部署后持续改进的后训练）。据现场评测，该模型在 RoboDojo 的任务成功率与过程分均列第一，在 RoboTwin 取得综合最高分，在 RoboColiseum 综合分第一。&lt;/p&gt;
&lt;p&gt;WITA-Omni 与生态
WITA-Omni 是全模态交互基座模型，把视觉感知、语音、实时对话、面部表情与物理动作整合进连续交互系统，支持全双工对话、语音与动作协同及端侧部署，在 Daily-Omni 等具身交互基准居首。AHA3、AGILE、GO-3 Preview、WITA-Omni 共同反映智元在硬件架构、运动智能、任务执行与人际交互上的进展。&lt;/p&gt;
&lt;p&gt;灵渠 OS 1.0 与开源计划
智元正式发布灵渠（Link-U）OS 1.0，定位业界首个专为具身智能打造的操作系统，基于统一硬件抽象层、具身智能原生内核与智能服务框架，已在上量机器人上验证。该系统正由遴选的生态伙伴试用，计划 2026 年底全面开源；智元同时宣布成为开放原子开源基金会白金级赞助商，并将灵渠 OS 项目捐赠给该基金会，共建开源社区。截至 2026 年 9 月，智元第 20000 台机器人已走下产线，生态覆盖 255 所高校、511 家企业与超 8 万名&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2259686</guid>
  <pubDate>Fri, 30 Oct 2026 16:00:30 +0800</pubDate>
 </item>
 <item>
  <title>MiniMax 开源 M2：230B/10B 激活的 MoE 模型，专为智能体与编程而生</title>
  <link>https://news.iresearch.cn/content/202610/571988.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;MiniMax 正式开源并发布 M2——一款"为智能体（Agent）与代码而生"的模型。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;MiniMax 正式开源并发布 M2——一款"为智能体（Agent）与代码而生"的模型。其激活参数仅约为 Claude 4.5 Sonnet 价格的 8%、推理速度近两倍，并提供限时免费试用与完整模型权重。M2 主打顶尖编程能力、强大的智能体表现与极致性价比，在 Artificial Analysis 综合基准进入全球前五，旨在平衡"性能—价格—速度"这一"几乎不可能的三角"，让更多人在智能体时代用上 AI 增益。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;从创立第一天起，MiniMax 就致力于"智惠人人（Intelligence with Everyone）"的愿景。今天，我们正式开源并发布 MiniMax M2——一款为智能体与代码而生的模型。它的价格仅为 Claude Sonnet 的 8%，速度却是其两倍，并在限定时间内免费开放！&lt;/p&gt;
&lt;ul class=" list-paddingleft-2"&gt;&lt;li&gt;&lt;p&gt;顶尖编程能力：为端到端开发工作流而生，在 Claude Code、Cursor、Cline、Kilo Code 与 Droid 等场景中表现出色。&lt;/p&gt;&lt;/li&gt;&lt;/ul&gt;
&lt;ul class=" list-paddingleft-2"&gt;&lt;li&gt;&lt;p&gt;强大的智能体表现：在复杂、长链工具调用任务中展现出色的规划与稳定执行能力，可协调调用 Shell、&lt;a href="http://s.iresearch.cn/search/liulanqi/" target="_blank"&gt;浏览器&lt;/a&gt;、Python 代码解释器及各类 MCP 工具。&lt;/p&gt;&lt;/li&gt;&lt;/ul&gt;
&lt;ul class=" list-paddingleft-2"&gt;&lt;li&gt;&lt;p&gt;极致的性价比与速度：通过对激活参数的高效设计，实现了智能、速度与成本的最佳平衡。&lt;/p&gt;&lt;/li&gt;&lt;/ul&gt;
&lt;p&gt;我们团队一直在构建各种智能体，以应对&lt;a href="http://s.iresearch.cn/search/gongsi/" target="_blank"&gt;公司&lt;/a&gt;高速增长中的挑战——从分析线上数据、研究技术难题，到日常编程、处理用户反馈，乃至筛选 HR 简历。这些智能体与团队并肩工作，推动公司发展，构建出一个"从研发 AGI 到与 AGI 共进"的 AI 原生组织。我们愈发坚信：AGI 是一种生产力，而智能体正是其优秀的载体，代表着从对话助手的简单问答，到智能体独立完成复杂任务的演进。&lt;/p&gt;
&lt;p&gt;然而我们发现，没有任何单一模型能完全满足这些智能体的需求——难点在于找到一款在性能、价格与推理速度之间取得正确平衡的产品，这是一个近乎"不可能的三角"。海外最优模型性能强但昂贵且偏慢；国内模型更便宜，但性能与速度存在差距。这导致现有智能体产品往往要么很贵、要么很慢。为此，我们开发并开源了 MiniMax M2。&lt;/p&gt;
&lt;p&gt;M2 最关键的三种能力是编程、工具使用与深度&lt;a href="http://s.iresearch.cn/search/sousuo/" target="_blank"&gt;搜索&lt;/a&gt;。在 API 定价上，我们设为输入每百万 token 0.30 美元（约 2.1 元人民币）、输出每百万 token 1.20 美元（约 8.4 元人民币），在线推理服务的 TPS（每秒 token 数）约 100，且仍在快速提升。这一价格仅为 Claude 4.5 Sonnet 的 8%，推理速度近两倍。&lt;/p&gt;
&lt;p&gt;为了让大家更方便地探索模型能力，我们将免费试用期限延长至 11 月 7 日 00:00 UTC，并已在 Hugging Face 开源完整模型权重，&lt;a href="http://s.iresearch.cn/search/kaifazhe/" target="_blank"&gt;开发者&lt;/a&gt;可自行部署，SGLang 与 vLLM 均已支持。我们相信这一价格与速度的组合是当前主流模型中的上佳之选。&lt;/p&gt;
&lt;p&gt;围绕 M2，我们还推出了 M2 驱动的 MiniMax Agent（国内版已上线、海外版升级），提供两种模式：闪电模式（Lightning Mode，面向问答、轻量搜索、简单编程的高速智能体）与专业模式（Pro Mode，面向深度研究、全栈开发、PPT/报告制作、网页开发等复杂长任务）。得益于 M2 的推理速度，该智能体不仅性价比高，完成复杂任务也更加流畅。&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2257444</guid>
  <pubDate>Thu, 29 Oct 2026 13:00:28 +0800</pubDate>
 </item>
 <item>
  <title>DTCC 代币化服务（DTS）正式上线：把 114 万亿美元托管证券搬上链</title>
  <link>https://news.iresearch.cn/content/202610/571991.shtml</link>
  <description>&lt;div class="m-article"&gt;
                            &lt;div class="review"&gt;
                                &lt;p&gt;&lt;strong&gt;导语：&lt;/strong&gt;美国存管信托与清算公司（DTCC）子公司 DTC 正式推出 DTCC 代币化服务（DTS）。&lt;/p&gt;
                            &lt;/div&gt;
                            &lt;a href="http://ec.iresearch.cn/" target="_blank"&gt;&lt;/a&gt;&lt;h3&gt;摘要&lt;/h3&gt;
&lt;p&gt;美国存管信托与清算公司（DTCC）子公司 DTC 正式推出 DTCC 代币化服务（DTS），通过受信任、有韧性且可扩展的&lt;a href="http://s.iresearch.cn/search/shichang/" target="_blank"&gt;市场&lt;/a&gt;基础设施，将 DTC 托管的实物资产铸成"代币化代表"，使投资者能更高效地移动资产、接入新流动性池、在数分钟内调动抵押品。DTS 可在传统形式与代币化形式之间转换，并交付至用户自选的数字钱包；代币化证券（数字孪生）保留传统证券的所有权、投资者保护与经济权益。目前 DTC 托管资产规模超 114 万&lt;a href="http://s.iresearch.cn/search/yimei/" target="_blank"&gt;亿美&lt;/a&gt;元，已有 20 家 DTC 参与机构签约，网络先接入 Canton Network 与 DTCC 私有 Besu 网络。&lt;/p&gt;
&lt;h3&gt;正文（译文）&lt;/h3&gt;
&lt;p&gt;纽约/伦敦/香港/新加坡/悉尼，2026 年 10 月 28 日——全球金融服务业领先的后交易市场基础设施 DTCC 的子公司 The Depository Trust Company（DTC）今日推出 DTCC 代币化服务（DTS）。该服务通过受信任、有韧性且可扩展的市场基础设施，将代币化证券引入受&lt;a href="http://s.iresearch.cn/search/jianguan/" target="_blank"&gt;监管&lt;/a&gt;金融市场，使投资者能够更高效地移动资产、接入新的流动性池，并在数分钟内调动抵押品。&lt;/p&gt;
&lt;p&gt;DTS 可对 DTC 持有的实物资产铸造代币化代表。符合条件的用户可借助 DTC 代币化证券权益，在传统形式与代币化形式之间转换，并交付至其自选的数字钱包。代币化证券（或称"数字孪生"）保留其传统对应物的所有权、投资者保护与经济权益。目前 DTC 托管资产规模超过 114 万亿美元。&lt;/p&gt;
&lt;p&gt;"今天标志着我们历时数年、将代币化证券带入由受信任市场基础设施支撑的受监管框架这一工作的顶点，"DTCC 总裁兼 CEO Frank La Salla 表示，"通过将 DTC 的韧性、治理与运营标准延伸至数字市场，我们正在为机构规模化负责任采用奠定基础。"&lt;/p&gt;
&lt;p&gt;迄今已有 20 家 DTC 参与机构（客户）签署协议接入 DTS，包括 Alpaca、Apex Clearing、巴克莱、美国&lt;a href="http://s.iresearch.cn/search/yinxing/" target="_blank"&gt;银行&lt;/a&gt;、法国巴黎银行、Brown Brothers Harriman、Citadel Securities、花旗、Clear Street、DriveWealth、Edward Jones、富达投资、Interchange Clearing、摩根大通、Marex、未来资产证券（美国）、摩根士丹利、道富、瑞银与 Velocity Capital 等。未来用户将滚动接入。&lt;/p&gt;
&lt;p&gt;DTS 采用多网络、可互操作模型，目前已接入 Canton Network 与 DTCC 私有 Besu 网络，2027 年还将新增更多区块链网络。DTCC 还汇聚了涵盖市场参与者、钱包提供商、应用与技术公司的数字资产生态，合作方包括 BitGo、Blockdaemon、Broadridge、Fireblocks、Ondo、Tradeweb、Virtu 等。这一交付是监管沟通、广泛行业协作与真实世界验证的结晶：2025 年 12 月 DTCC 获美国 SEC 不行动函，授权其代币化罗素 1000 成分股、主要指数 ETF 与美国国债；约七个月后，DTCC 与 30 余家机构完成了首批有限生产交易与多笔链上交易。&lt;/p&gt;
&lt;p&gt;&lt;sc-clipboard&gt;&lt;/sc-clipboard&gt;&lt;/p&gt;
&lt;p&gt;&lt;br&gt;&lt;/p&gt;
                            &lt;div class="original_tip"&gt;（文章为作者独立观点，不代表艾瑞网立场）&lt;/div&gt;
                        &lt;/div&gt;</description>
  <guid isPermaLink="false">2257443</guid>
  <pubDate>Thu, 29 Oct 2026 13:00:28 +0800</pubDate>
 </item>

</channel>
</rss>
