珂的非官方整理
AI 速递

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，OpenAI 新模型 GPT-6.2 Astra 开启灰测，首批用户晒出鹈鹕骑车、类游戏画面等实测，似更注重物理真实。
2. 2.腾讯摘要称，两个 rc-ada-* 模型 ID 短暂现身 OpenAI API 列表后被撤，此前已有 Codex 用户被灰测到该模型。
3. 3.腾讯摘要称，OpenAI 称 GPT-6 Astra 一周包办一款 AI 硬件的外壳、电路板与软件设计；「更强内部模型」在 BenchCAD 2.0 得 0.875，GPT-6 Astra 为 0.594。

扩展解读 / READ

关联原文（量子位）为爆料型短报道，正文信息量与摘要基本重合。文中引述网友实测，用「鹈鹕骑自行车」对比 GPT-6.2 Astra 与 Fable 5.5，并称早前爆料提到新模型更注重物理真实。评测数字来自 OpenAI 自己那篇《加速面向物理世界的工程发展》博文：在评估模型能否重建三维零件与装配体、识别电路板连接关系的测试中，「更强内部模型」在 BenchCAD 2.0 上平均得分 0.875，对照的 GPT-6 Astra 在最高推理设置下为 0.594。OpenAI 的解读是这些能力的初步提升表明 AI 能有效加快专业工程工作的迭代速度。正文未给出评测集构成、样本量与评分口径，参考链接指向爆料者推文与 OpenAI 博文。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Anthropic 开源可证明推理系统 FlashProve，基于零知识证明，无需公开权重即可证明回答出自所承诺模型。
2. 2.腾讯摘要称，在 4000 亿参数 MoE 模型 Llama 4 Maverick 上，单张 H100 证明吞吐约 110 Token/s，每份证明约 18.78MB，CPU 验证约 17 秒。
3. 3.腾讯摘要称，证明耗 GPU 时间约为 vLLM 推理的 70 至 95 倍，仅支持 1024 Token 上下文、整数模型与贪婪解码，且只证来源不证正确性。

扩展解读 / READ

关联原文（机器之心）为完整技术解读。它先给出要解决的信任问题：企业买了顶级模型 API，服务商可能暗中换成更便宜的小模型；第三方路由平台转发时也可能替换模型，而用户没有独立验证手段。方案分两段，服务商先为一组确定的模型权重生成密码学承诺（相当于给模型版本建加密指纹），此后每次请求附上零知识证明（zkSNARK），证明这次回答由承诺的权重按对应输入生成，全程不泄露权重，用户也不需要自己重跑模型。实测对象是 4000 亿参数、每 Token 激活约 170 亿参数的 Llama 4 Maverick：单张 H100 证明吞吐约 110 Token/s，每份证明约 18.78MB，1024 Token 请求窗口下每份证明实际只检查其中一个输出 Token，验证端用 24 线程 CPU 约 17 秒。效率提升来自针对 MoE 的优化（证明计算围绕实际激活的专家展开）与批量事后证明。代价是生成证明的 GPU 时间约为普通 vLLM 推理的 72 至 94 倍。协议完整性、可靠性与零知识性用 Lean 做了机器可检查的形式化证明，证明生成器、C++ 与 Lean 验证器以 Apache 2.0 开源。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Hy4 较 preview 扩大预训练与后训练规模，首次引入视觉与电脑操作能力，GameDev、GameLogic 评测分别提升 19.1%、9.8%。
2. 2.腾讯摘要称，579 个真实金融任务众测中，Hy4 得 3.04 分居开源第一；自建测试幻觉率由 15.76% 降至 5.45%。
3. 3.腾讯摘要称，已上线腾讯云与 OpenRouter，API 价格不变并计划开源权重；其研发的 HyCell 以约 1/14 参数量比肩 SOTA 模型 Stack。

扩展解读 / READ

关联原文（腾讯混元官方发布文）给出完整细节。能力面：首次引入视觉，可结合感知、推理与工具调用做细粒度图像处理、复杂图表分析与数学视觉推理；首次支持电脑操作，命令行与图形界面并用，并针对 Blender、CAD 等专业软件和跨应用长程任务做专项训练。前端与游戏侧，与腾讯 IEG 专业游戏开发者合作优化数据与评测，深度适配 UE、Unity、Godot，并开始扩展到多人联机游戏开发，GameDev 与 GameLogic 分别提升 19.1% 和 9.8%。金融侧，基于真实金融场景构建数千个工作空间、上万个高质量任务，联合腾讯金融科技 FiT 组织 213 位专家众测（153 位来自外部头部金融机构，七成有五年以上经验），579 个真实金融任务中 Hy4 得 3.04 分居开源模型第一，同场 Kimi K3.1 Pro 2.68、GLM-5.3 2.68、DeepSeek-V4.1-Flash-1017 2.97；金融智能体公司讯兔的内部评测 IRAB 中较 preview 提升 12.03 个百分点。办公侧自建测试幻觉率从 15.76% 降至 5.45%，猜测导致的错误率从 23.1% 降至 5.6%，并支持与人实时协作编辑 Word、Excel、PPT。科研侧在 7 大学科、123 项可执行任务的 TenureTrail 内部评测居开源第一；小鼠胚胎三维重建面对 699 万细胞、84 张无序切片和镜像翻转问题，离线无专用配准工具、1.5 小时完成；与北大数学团队合作找到 Méndez–Pinto–Villarreal 猜想反例并提出新条件、完成 Lean 形式化验证；配合 Hyra 2.0 研发的 HyCell 仅 1600 万参数，以约 1/14 参数量达到 SOTA 模型 Stack 的综合性能；HyPDE 在 13 个物理仿真数据集的单步、短期、长期预测中分别有 9、10、8 个误差更低；内部缩小版模型上自主定位预训练瓶颈，端到端训练吞吐提升 20.1%，自动训练出的 Hyra-Jev 在 8 项基准中有 6 项优于官方 Jev。安全侧仅纳入防守性网络安全数据，组织腾讯玄武与科恩实验室专家审计，生物开放式实验设计能力仍弱（Hy-BioExperimentBench 30.4/100）。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，微信视觉团队开源 WeVisOne-VL，以统一输出格式完成定位、计数、读字、分割与抠图，用约 960 万参数小模块替代外接 SAM。
2. 2.腾讯摘要称，目标不在图中时直接返回 None，4B 版在 Ref-ZOM 上答「没有」比例达 86.0%，同类开源模型仅 0.3%、1.3%。
3. 3.腾讯摘要称，累计自动标注超 1 亿张图、约 36 亿个目标框；开源 2B、4B 权重及标注工具 Mask2Alpha，采用 Apache 2.0 许可，仅支持图片输入。

扩展解读 / READ

该条原文正文以图片长图为主，可提取文字仅为开头的指标清单与技术报告、权重、在线体验、评测复现链接，因此本站只按标题与清单层级记录，未深入解读图文细节。可确认的信息：核心指标为 Ref-ZOM 上 4B 版本回答「没有」的比例 86.0%，WeRef-Bench 96.4%（对比最高 73.0%）；技术报告编号 arXiv 2610.31329；开源 2B、4B 两版权重，采用 Apache 2.0 许可，附 Mask2Alpha 标注工具与评测复现说明，另提供 Hugging Face Space 在线体验。模型定位是单一模型统一处理定位、计数、读字、分割与抠图，图里没有目标时直接返回 None，分割与抠图由一个约 960 万参数的小模块完成，不再外挂 SAM。自动标注管线累计超过 1 亿张图、约 36 亿个目标框。仅支持图片输入，不支持视频或多图。以上数值均来自腾讯摘要与原文清单，未见第三方复现。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，AI4S 公司深度原理开源 Hydrogen-1.0，FrontierScience Research 得 38.3%，高于 GPT-6 Astra 的 33.3%。
2. 2.腾讯摘要称，基于智谱 GLM-5.3 做科学后训练，数据含专业知识、科学家反馈、完整实验记录与找材料全过程，FSR 较基座提升 13.9 个百分点。
3. 3.腾讯摘要称，演示中它发现聚乙烯模拟密度异常后自查出扭转项被重复计入；权重已上 Hugging Face 与 ModelScope。

扩展解读 / READ

关联原文（夕小瑶科技说）为完整报道，开篇交代背景：OpenAI 用 1 万个内部 Agent 跑 88 小时证明 Navier–Stokes 方程会在有限时间爆掉、把挂谷猜想推至所有维度，Anthropic 用近千个 Claude Agent 在噬菌体 DNA 里找出类 CRISPR 酶系统，但这些成果都出自外界下载不到的闭源内部模型，普林斯顿高等研究院顾问组已要求公开模型、提示词、算力与失败尝试。Hydrogen-1.0 的差异就在开源：底座是智谱 GLM-5.3，叠加化学、材料、生命科学的专业知识、自家科学家针对具体问题的反馈、完整实验记录与一轮轮找材料的全过程，共四层数据；训练分两步，先监督微调学完整范例中的分析、规划、操作与结果解释，再用强化学习按任务反馈改进，长任务保留完整范例、长回答未生成完可保存已生成部分续写。成绩：FrontierScience Research 38.3%（GPT-6 Astra 33.3%，基座提升 13.9 个百分点，该基准 Research 部分按博士水平需三到五小时，且要评推理过程），GPQA Diamond 93.0%（较基座 +3 个百分点，同组 Kimi-K3 为 93.5%）。权重已发布于 Hugging Face 与 ModelScope，也可通过 NeuroSpark API 或 Mira 科研平台使用。两个演示：聚乙烯模拟调用 GROMACS 后发现密度异常，回头查代码发现同一分子链扭转作用被正反记了两遍，去重后重新验证；实验规划交给 Lab Compile 在虚拟环境预检，发现「吸液」排在「装新吸头」之前，在开工前就改掉。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，LiberAI 发布世界动作模型 Liber-0，经少量后训练可按订单组合技能完成长程奶茶制作。
2. 2.腾讯摘要称，面对 GPT-6 随机出的 60 项任务，无目标任务示范下三组成功率 63.5%、34.0%、10.5%，整体 36.0%；Astra 直接做策略仅 8.3%、5.0%、1.7%。
3. 3.腾讯摘要称，预训练数据超 220 万小时，含 200 万小时人类视频；自研 LiberSense Glove 采集手部动作，称仅靠手套数据可学会新灵巧技能。

扩展解读 / READ

关联原文（Z Potentials）为深度报道。奶茶制作展示两项能力：长程灵巧操作（连续处理杯子、勺子、配料容器，在加冰、加小料、加糖浆、加茶底之间维持正确物理状态）与组合泛化（不同订单共享基础操作但需重新组合技能）。系统验证交给 GPT-6 出题：60 项任务分三级，Pick-and-Place、Non-PnP、长程 Non-PnP，在没有目标任务机器人示范的情况下成功率分别为 63.5%、34.0%、10.5%，整体 36.0%；同一套任务里 Astra 直接作为机器人策略只有 8.3%、5.0%、1.7%。数据侧预训练超 220 万小时，其中人类视频 200 万小时；自研 LiberSense Glove 记录手部姿态与运动轨迹，同时采集第一视角与双腕摄像头画面，不要求现场部署机器人。对照实验显示手套数据的 Scaling 曲线最陡，且仅靠手套数据、无对应机器人示范也能学会新灵巧技能，性能接近用完整机器人示范训练；模型引入统一的 Embodiment 表征，把身体几何与运动学纳入动作预测上下文，示范者身体形态多样性同样能提升表现。Liber-0 已支持接入 Astra 等上层 Agent 做规划与状态跟踪，并上线在线交互模拟器 sim.liberai.work。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，前 Google Cloud AI 总监、现 Claude Code 工程师 Addy Osmani 提醒，过度依赖 Agent 会从认知卸载滑向「认知投降」，积累理解债。
2. 2.腾讯摘要称，他建议 Agent 完成大改动后先总结改动并出题考人，全部答对才合并；写 Prompt 前自列需求，连调两轮无果就回头梳理。
3. 3.腾讯摘要称，并追问 Agent 未经授权的决定与未测内容，每周至少一次脱离 Agent 独立编码；其文章经 Pangram 检测为人类撰写 90%。

扩展解读 / READ

关联原文（量子位）梳理其观点与操作。背景：Addy Osmani 在 Google 工作 14 年多，参与 Chrome DevTools、Lighthouse，现于 Anthropic 参与 Claude Code。他把依赖加深分成三段：先是认知卸载（把具体工作交给 AI，但仍理解任务、能判断结果），再是判断让渡（AI 的答案成为下一步工作的默认依据），最后是认知投降（AI 写什么就信什么）；后果是理解债，代码规模与系统复杂度上去了，开发者对代码的理解没跟上，真要改动时才发现没人摸得清内部结构。他给的招法有五条加一个自测：让 Agent 在完成大改动后先总结改了什么、为什么这么改，再据此给人出题，测验全部答对才允许合并；写 Prompt 前先用自己的话列出需求（面向谁、解决什么问题、哪些不必做、完成标准），连续两轮提示词不达预期就回头梳理需求，否则会欠下意图债；追问 Agent 做了哪些未授权的决定、哪些依赖了假设、还有什么没验证、哪些改动可能影响其他功能；别只看测试全绿，要确认实际执行了哪些测试、返回什么结果，高风险改动再加一个独立 Agent 从不同角度找问题；多 Agent 并行时要保留原始材料与验证依据，生成量超出审查能力就不是审查而是赌它没问题；每周至少安排一次不依赖 Agent 的独立编码练习。文章自测办法很简单：提问前先写下预期，交卷后挑出一件它可能没检查的事。文末还晒出 Pangram 检测结果，人类撰写 90%、AI 生成 10%。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，ChatGPT 消费者产品负责人 Adam Fry 称，其搜索类查询量约为谷歌五分之一，周活两个月内从 10 亿增至 12 亿。
2. 2.腾讯摘要称，Dots 上线约一个月，需每月 100 美元，有估算称服务单用户算力约 3000 美元，他承认较费算力；广告上线不到 200 天 ARR 超 10 亿美元。
3. 3.腾讯摘要称，语音周活 2.5 亿，约占总用户 20%，用过即持续使用；用户每周生图 15 亿张，Chat 与 Work 模式将很快合并。

扩展解读 / READ

关联原文（Founder Park 编译 Big Technology 创始人 Alex Kantrowitz 与 Adam Fry 的对话）。搜索：搜索类查询量约为谷歌五分之一，做搜索约一年半，周活两个月内从 10 亿涨到 12 亿（前后各约 1 亿）；「搜索」的定义是提问并触发模型检索网页，写东西、写代码不算，查人、查地方、查物件以及金融健康类问题触发最多；Fry 认为个性化与跨会话的上下文连贯是用户把 ChatGPT 当搜索引擎用的原因。Dots：9 月 29 日上线，每月 100 美元，权限刻意保守（不接信用卡），他承认较费算力，外部估算服务单个 100 美元订阅用户约需 3000 美元算力，降本靠更高效的模型与更克制的主动性；OpenAI 订阅数已破 5000 万，广告上线不到 200 天 ARR 超 10 亿美元，另有积分体系，Fry 称订阅、广告、积分合计足以覆盖 Dot 成本。语音：周活 2.5 亿，约占总用户 20%，关键在于用过之后会持续使用，体验改善来自前沿语音模型的 Backchanneling 与可随时打断，加上后台模式让切换 App 后对话继续。图像：每周生成 15 亿张，超过半数用户使用。产品方向：承认产品做得太复杂，宣布合并 Chat 与 Work 模式，由模型自行判断用户要快速回答还是长链路 Agent 任务；Intelligent UI 只是开始，未来界面像一块随对话实时重构的画布。