VOL. 2026-11-10 · 11 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-10 · PUBLISHED · 约 9 分钟
Anthropic 发布 Claude Fable 5.2 与 My…
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，以 65 分重回 Artificial Analysis Intelligence Index v5 全球第一，并同步上线 AWS Bedrock 与 Claude Platform，成为当天最突出的变化。模型供给层面，中国电信推出面向智能体任务的 Xing4.0-29B-A4B MoE 模型，NVIDIA 开源说话人日志模型 Nemotron-3-Diarization，蚂蚁灵波则开源触觉基础模型 LingBot-Touch，显示能力建设正从通用对话向多模态与具身感知延伸。基础设施与验证工具同步推进，NVIDIA 开源 GPU 工作负载检查点恢复组件 Snapshot，Google DeepMind 的 AlphaProof Code 将多智能体形式化验证用于 Signal 协议实际代码。研究侧则聚焦效率与机理，InstaGen 以组共享重要性采样加速视频生成，另有工作探究视觉语言模型模态差距的成因。
今日看点
3 个章节 · 11 条情报- 01模型发布Fable 5.2 重夺全球最强 LLM 宝座，Anthropic IPO 路演启动6
- 02开源项目蚂蚁灵波开源触觉基础模型LingBot-Touch2
- 03研究进展InstaGen：组共享重要性采样加速视频生成3
模型发布
MODEL RELEASE6 篇Fable 5.2 重夺全球最强 LLM 宝座，Anthropic IPO 路演启动
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回全球第一，超过 Gemini 4 Carbon 的 60 分。新模型单 token 价格下调 20% 至每百万输入 8 美元、输出 40 美元，但因大量生成测试用例和子代理自检，单任务实际成本反而上升。模型默认使用 Medium 推理强度，订阅用户访问受限，且默认要求数据保留以运行安全分类器。
AWS 上线 Claude Fable 5.2 与 Mythos 5.2
AWS 官方博客宣布 Claude Fable 5.2 与 Claude Mythos 5.2 在 Amazon Bedrock 及 AWS 上的 Claude Platform 上线。Fable 5.2 是 Anthropic 面向编程、数学与科研的最强通用模型，可长时间自主运行并自我校验；Mythos 5.2 仅通过验证计划向网络安全与生命科学领域开放。博客还介绍了数据保留与安全审查要求、企业前沿保障（EFS）机制，以及用 Claude Code 的 claude-api skill 迁移模型的方法。
NVIDIA 发布 Nemotron-3-Diarization 开源说话人日志模型
NVIDIA 在 Hugging Face 发布开源权重说话人日志（diarization）模型 Nemotron-3-Diarization，支持流式与离线推理，最多可区分 8 位说话人。模型采用 Sortformer 架构与 Streaming Sortformer 的 AOSC 缓存和 FIFO 队列机制，单检查点最低输入缓冲延迟 80ms，推荐配置 0.32s，离线配置为 30.4s。模型可用于商业或非商业用途，并提供 NeMo-Speech.cpp 本地 C++ 运行时与 NeMo Speech Python 工具链。
Micius-Flash：面向工程的轻量级智能体模型
研究团队发布 Micius-Flash，一个 270 亿参数、支持原生多模态输入和 256K 上下文窗口的工程领域模型。团队构建知识树驱动的数据飞轮，训练半导体知识、硬件编码、多模态理解及智能体专家模型，再用多教师同策略蒸馏（MOPD）整合为统一模型。在 20 多个数据集上，硬件代码基准平均 64.2%（超同规模基线 15 分），半导体智能体基准 62.4%（超 17.2 分）。团队还开发 Micius Harness 连接 EDA、KiCad 等工具，并以开源形式发布模型。
中国电信发布Xing4.0-29B-A4B智能体MoE模型
中国电信人工智能科技有限公司发布星系列新一代大模型Xing4.0-29B-A4B，采用MoE架构，总参数29B、每token激活4B，原生支持256K上下文并可扩展至512K。该模型面向智能体任务优化，支持多步规划、工具调用与结构化输出，在SWE-bench Verified上得分75.0，并以Apache 2.0协议开放BF16、FP8、GGUF等权重。模型已接入ms-swift、LLaMA-Factory、SGLang、vLLM及llama.cpp等开源生态。
kindlingai 发布 DeepSeek-V4.1-Flash 的 exlr8 多精度量化权重
Hugging Face 用户 kindlingai 发布了 deepseek-v4.1-flash-exlr8，这是对 DeepSeek-V4.1-Flash-1017 官方权重的重新打包版本，采用 exlr8 v2 文件布局，并为第 0-7 层及第 38-39 层的专家权重额外提供 4-bit、3-bit、2-bit 的 trellis 量化编码。仓库通过 k3、k4、native 三种 manifest 让用户按需选择加载精度，k3 需读取 425 GB、k4 需读取 506 GB，同时保留官方 MXFP4/FP8 权重以便一次下载满足多种配置。该仓库还按张量并行度切分索引，支持通过 HTTP range 请求只拉取本机所需分片，但 trellis 层的推理引擎支持仍在 kindlingai/gr8 中开发。
开源项目
OPEN SOURCE2 篇蚂蚁灵波开源触觉基础模型LingBot-Touch
蚂蚁灵波开源触觉预训练基础模型LingBot-Touch，通过将磁触觉、视触觉、压阻式触觉等异构传感器信号统一编码为触觉Token，解决原始触觉数据稀疏、噪声大导致动作模型成功率下降的问题。实验显示，接入该模型后π0.5在拉拉链任务成功率从15%升至59%，XHand上6项任务平均成功率从48%升至74.17%，且仅增加0.13%-0.16%参数量。该模型与LingBot-VLA、LingBot-Depth融合，并已与乐聚、钛虎等伙伴在零售、物流、工业场景开展商业化测试。
NVIDIA 开源 Snapshot：GPU 工作负载秒级启动与恢复
NVIDIA 发布开源组件 NVIDIA Snapshot，作为 DSX AI Factory 平台的一部分，为 Kubernetes 上的 GPU 工作负载提供检查点与恢复能力。它可将已初始化的推理工作负载（含 CPU 与 GPU 内存状态）保存为可移植产物，并在同型号 GPU 节点上秒级恢复，跳过权重加载、编译与图捕获等冷启动步骤。在 vLLM、SGLang 和 TensorRT LLM 上的测试显示，恢复时间在 3.6 至 42.7 秒之间，比冷启动快 8 至 36 倍；Crusoe 与 Saturn Cloud 等合作方也报告了启动时间从数分钟降至数十秒。
研究进展
RESEARCH3 篇InstaGen：组共享重要性采样加速视频生成
该论文提出 InstaGen，一种用于加速视频生成的免训练稀疏注意力方法。作者发现现有 PBSA 方法采用 top-p 选择在高熵注意力场景下采样效率低，于是将块选择建模为重要性采样：对每个查询簇保留得分最高的精确块集合，其余键按估计注意力概率采样并用逆采样概率重加权。在 Wan2.1-T2V-1.3B 和 14B 上，InstaGen 在相同注意力密度下 PSNR 分别比 SVG2 提升 3.4 dB 和 2 dB，并实现全稀疏推理、消除稠密步骤。
先处理再检索：探究视觉语言模型模态差距的起源
该论文研究视觉语言模型（VLM）中模态差距的成因，发现嵌入层文本token的语义密度远低于视觉token，导致模型早期层优先处理文本表征、将视觉信息整合推迟到中后层。作者通过机制分析，将视觉token位置替换为语义最近的文本token后，早期层对这些位置的注意力增强，表明初始语义密度差异影响跨模态注意力分配。研究为缓解模态差距、改进VLM多模态推理提供了机制层面的依据。
Google DeepMind 推出 AlphaProof Code，深度验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体框架，用于对复杂软件进行深度形式化验证。研究人员用该框架对 Signal 加密协议的实际代码进行数学证明，验证了消息在设备临时被攻破前后仍受保护等关键安全属性，耗时仅四周，而传统专家团队通常需要数年。这是 AI 首次以如此深度形式化验证广泛部署的加密协议，也是该协议实现首次被任何方法形式化验证；团队还通过重新引入两个已修复的真实漏洞，确认系统能识别不安全代码。