VOL. 2026-11-05 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-05 · PUBLISHED · 约 9 分钟
当天最突出的变化是大模型发布密集落地：SKT 推出从零训练的 688…
当天最突出的变化是大模型发布密集落地：SKT 推出从零训练的 688B 参数 MoE 模型 A.X K2，OpenAI 发布面向漏洞发现与修复的网络安全模型 GPT-6 Cyber，百度则披露面向 L4 无人驾驶的世界模型 ApolloWorld，并已用于萝卜快跑的全球化测试验证。端侧方向同步推进，Ternary-Bonsai-1.7B 与 Gemma 4 12B 均推出 LiteRT-LM 量化版本。工程与运维层面，NVIDIA 一方面发布 CUDA 13.5 正式支持 Vera Rubin，另一方面通过 AI Factory Operations Agent 和工厂运营蓝图 FOX 推动智能体参与基础设施与生产运维。研究侧则聚焦效率与可靠性，包括视觉自回归生成的免调优 KV 缓存量化 VAR-Q、让智能体感知工具健康状态的 Agent Harness Awareness，以及用多教师在线策略蒸馏合并 RL 专家的 MOPD 实践。
今日看点
3 个章节 · 12 条情报- 01模型发布SKT 发布 688B 参数 MoE 模型 A.X K25
- 02产品发布NVIDIA 如何用 AI 代理简化 AI 工厂运维3
- 03研究进展VAR-Q：面向视觉自回归生成的免调优KV缓存量化4
模型发布
MODEL RELEASE5 篇SKT 发布 688B 参数 MoE 模型 A.X K2
韩国公司 SKT 在 Hugging Face 发布 A.X K2，这是一个从零训练的大规模 MoE 语言模型，总参数 688B、每 token 激活 33B，是 A.X K1 的继任者。模型采用 Think-Fusion 训练方案，在单一模型中同时支持思考与非思考模式，并原生使用 FP8 训练、以块缩放 FP8 格式发布检查点。该模型属于韩国政府主权 AI 基础模型项目，面向韩语与韩国文化理解，同时覆盖英、中、日、西五种语言。
Ternary-Bonsai-1.7B 的 LiteRT-LM INT2 端侧量化包
Hugging Face 上发布了 litert-community/Ternary-Bonsai-1.7B，这是将 prism-ml/Ternary-Bonsai-1.7B-unpacked 以 INT2（三值）量化后打包为 LiteRT-LM 格式的模型，可在 GPU 或 CPU 后端运行，不支持 NPU。发布方推荐使用 fp32 激活版本，因为当前 LiteRT 运行时下 fp16 版本在 GPU 上会溢出并产生乱码。该模型基于 Qwen3-1.7B，采用 Apache-2.0 许可，属于端侧部署的量化重打包产物，未进行额外训练。
Gemma 4 12B 推出 LiteRT-LM 量化版，支持端侧多模态部署
Hugging Face 的 litert-community 发布了 Gemma 4 12B 的 LiteRT-LM 量化版本，基于 google/gemma-4-12B-it 转换而来，支持 macOS、Linux、Windows 及有限度的 Web 部署。该 .litertlm 文件支持文本、视觉和音频多模态输入，并具备多 Token 预测（MTP）以加速推测解码、降低推理延迟，需 LiteRT-LM v0.17 及以上版本运行。模型卡还给出了在 RTX 4090、M4 Pro、M4 Air、RTX 5080 等设备上的预填充、解码吞吐与首 Token 延迟基准数据。
百度发布ApolloWorld世界模型，虚拟路测一天抵三年
百度Apollo披露了面向L4无人驾驶的世界模型ApolloWorld，它通过多智能体驱动构建可交互的虚拟交通环境，支持完整Robotaxi行程级别的虚拟路测，并已用于萝卜快跑的全球化测试与验证。百度称其一天完成的虚拟路测里程相当于真实测试车连续行驶约三年，同时提出面向物理AI的“2+3”世界模型评价框架（因果性、交互性、物理准确性、持久性、实时性）。此举旨在降低无人驾驶对真实道路测试的依赖，加速其全球28座城市的业务扩张。
OpenAI 发布 GPT‑6 Cyber 网络安全模型
OpenAI 推出 GPT‑6 Cyber，这是一款网络安全模型，用于发现可利用漏洞并开发修复方案，训练时要求其行为保持在授权范围内。
产品发布
PRODUCT RELEASE3 篇NVIDIA 如何用 AI 代理简化 AI 工厂运维
NVIDIA 发布技术博客，介绍其内部开发的 AI Factory Operations Agent，用于简化 NVIDIA DGX SuperPOD 的运维工作，减少站点可靠性工程师（SRE）的人工排查负担。该框架基于 NVIDIA NemoClaw 蓝图和 OpenShell 运行时构建，多个子代理通过 MCP 协议通信，分别负责作业恢复、硬件故障、可观测性、研究、Kubernetes 和集群管理等领域，并通过聊天界面提供根因分析和恢复建议。系统采用分层安全设计，包括只读 kubectl 工具、RBAC 和每会话 Kubernetes 沙箱，并支持本地部署与数据主权。
NVIDIA CUDA 13.5 正式支持 Vera Rubin
NVIDIA 发布 CUDA 13.5，正式支持 Vera Rubin 平台并进入企业生产可用阶段，同时将 Windows on Arm 支持扩展至 DGX Station for Windows。新版本通过 locality domains 和 MPS v3 增强 GPU 调度与资源分区控制，并在库、编译器、CUDA Tile 和开发者工具方面带来多项改进。此外，CUDA 13.5 新增 CUDA Graph 批量 1D 内存拷贝支持、多 GPU 通信直接嵌入 CUDA Tile 内核，以及 Tile 内核直接调用 SIMT 库设备函数的能力。
NVIDIA 发布工厂运营蓝图 FOX，协调 AI 智能体排查生产问题
NVIDIA 发布 Factory Operations Blueprint（FOX）参考架构，用于在现有工厂系统中加入工厂经理智能体，协调专用智能体完成生产监控、根因分析和机器人调度。该蓝图基于 NVIDIA Agent Toolkit 构建，包含 LLM、Agent harness 和 OpenShell 隔离环境，支持 MCP、ROS 2 和 Isaac Sim 等集成。西门子埃尔朗根电子工厂已用其优化急单排产，端到端智能体系统可节省高达 20% 成本；结合 Cosmos 和 Omniverse 生成虚拟原型，可将上市时间缩短最多 40%。
研究进展
RESEARCH4 篇VAR-Q：面向视觉自回归生成的免调优KV缓存量化
该论文提出 VAR-Q，一种无需调优的 KV 缓存量化框架，用于视觉自回归图像与视频生成。作者分析发现，视觉自回归模型的 KV 缓存中不到 1% 的离群通道承载了主要功能，且这些离群值沿通道和块两个轴呈结构化分布，源于投影偏置与 RoPE 散射。VAR-Q 沿这两个轴分组量化，无需校准或重训练，在九个模型上将 KV 内存最多减少 78.5%，质量损失可忽略，并使单卡推理批次增大至 6 倍。
通用鲁棒性定律的四项扩展：对数凹协变量、异质混合、向量预测与马尔可夫数据
该论文由 Tobias J. Peter 撰写，对 Bubeck 和 Sellke 提出的「通用鲁棒性定律」进行四项推广，分别放宽了原定律的四个结构假设：高斯型等周集中、协变量分布同质、标量输出和样本独立。作者证明，在指数集中、异质混合、向量值预测器和平稳马尔可夫数据下，该定律仍以相同速率成立，并给出显式常数。这一工作将鲁棒性定律的适用范围从理想化 i.i.d. 标量场景扩展到更贴近实际的分布与数据结构。
Agent Harness Awareness：将验证遥测转化为工具型智能体的操作控制
论文提出 Agent Harness Awareness 架构，让主机在执行关键动作前向模型提供经过验证的、带新鲜度标签的执行状态快照，以解决模型只看到静态工具描述而无法感知工具健康状态的“操作盲区”。在 216 次决策的消融实验中，GPT-5.6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash 在获得验证状态后，平均可观测策略遗憾降低 96.9%，单次派发完成率从 69.4% 提升至 95.8%。另在 27 次决策的本地 TCP/HTTP 实时复现中，验证状态将平均遗憾从 8,956 ms 降至 0 ms，9/9 个模型-故障组合完成动作，而对照组仅 5/9。
前沿实验室如何用 MOPD 合并 RL 专家，以及如何用 TRL 实现
Hugging Face 博客介绍多教师在线策略蒸馏（MOPD）技术，该技术通过为每个领域训练一个 RL 专家，再将多个专家融合回单一模型，解决单次 RL 训练难以同时提升多领域能力的难题。小米、DeepSeek、Moonshot、NVIDIA、Liquid AI、Mistral 等实验室已采用该技术构建模型。TRL 现已支持 MOPD，AsyncDistillationTrainer 可将每个提示路由到对应的专家教师，同步版 DistillationTrainer 的支持也即将推出。