依意思最接近的 30 筆
11 月 4 日奇富科技開源自動建模 Agent ModelEvo 2.0，面向結構化與表格資料，使用者給出業務目標、建模樣本與驗證方案後，它能在預算內自主分析資料、規劃實驗並持續最佳化，輸出模型成果與完整實驗記錄。在五個公開資料集的冷啟動評測中，它在六個單模型方案裡平均名次 1.60 最佳、三個資料集排第一；信貸違約預測任務比兩個大模型建模 Agent 的單模型方案高 0.025 以上。新增跨任務經驗庫，同一業務後續迭代達到最終效果所需時間縮短至約六分之一。
圖賓根大學與 ELLIS 研究所的 AI for Science 研究者撰文，討論 AI 如何介入科學建模的三個環節——建置模型、約束引數、解釋模型，並認為目前進展最大的是引數約束。文章以 1951 年霍奇金-赫胥黎神經元模型為例：手工求解耗時三週，某個變數取四次方只是猜測，幾十年後才被鉀通道結構證實。作者強調，能擬合資料的模型不等於理解——同一組資料常有多套引數都適用，如同只知道晚餐總價 120 美元無法反推誰點了什麼。
以色列創業公司 42AI 結束隱身狀態，帶著 6,250 萬美元種子輪融資推出「行為世界模型」，用來預測人在全新情境下會做出什麼決策。它已在約 10 家大型券商上線，用於管理流動性、保證金要求與對沖敞口；公司稱其交易預測準確率達 98%（指交易流是否落在預測區間），預測交易方向與成交量的 F1 為 0.8 到 0.85。模型訓練資料覆蓋 200 多萬人與近 3,000 萬條客戶記錄，據稱不需要個人身份資訊，收入已達七位數，後續將探索遊戲、反欺詐與網路安全。
Anthropic 科學部落格發布客座文章，介紹 AI 正開始接手科學建模中長期由人工完成的部分：把模型寫成程式碼，再執行、擬合與修訂。作者 Jakob Macke、Daniel Gedon、Stefan Wahl 指出，科學家目前仍多用手寫模型，並要在多個都能解釋資料的競爭版本之間權衡，而 AI 可以批次探索可能的模型結構，找出資料真正支援的解釋。文中以單個神經細胞如何放電、中子星碰撞等系統為例，說明科學模型的作用。
10 月 16 日，範式智慧聯合睿思智聯發布一站式生產級 AI 部署平台模域（ModelSphere），面向企業免費開源，以 Apache 2.0 協議在 GitHub 上線。平台把算力管理、模型部署與執行最佳化整合為統一流程，可統一混合排程華為昇騰、天數智芯、摩爾線程、海光 DCU 等國產晶片，無需為不同晶片重寫底層程式碼。
兩位前 Palantir 高管創立 Dream，獲得 a16z 領投的 1700 萬美元種子輪，用於開發面向建築設計、工程的建築世界模型。該模型基於全美各地許可檔案中超過 1 億平方英尺的建築資料訓練，生成方案時會考慮管線、暖通與承重等結構要素，而非只畫出一張好看的效果圖。產品已在得州和加州 10 個在建專案中用於方案構思與成本估算，目標是替代 AutoCAD、Revit 等傳統 AEC 工具。
輝達《State of AI in Telecommunications》報告顯示，89% 受訪者認為開源模型與軟體對公司 AI 戰略重要。運營商看重開源模型的可信任、可控與可定製，用於自主網路、客服等關鍵負載，並把閉源模型留給價值最高的場景；輝達同時發布 300 億引數的 Nemotron 3 Large Telco Model（由 AdaptKey 在開源電信資料集上微調），並提供基於 NeMo 的端到端微調流程。
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
Airbnb CTO Ahmad Al-Dahle 披露，公司目前 60% 的程式碼由 AI 生成，功能交付量同比增加近 80%，工程師人均 PR 吞吐量提升約 1.6 倍；約一半客服工單已完全由 AI 處理，與 Q2 財報中近 45% 的數字一致。內部上下文圖譜 Everest 幫助雜貨配送服務在 8 至 9 個月內上線，機場接送僅用約 6 周。Airbnb 採用多模型策略，至少部署 10 個定製模型，主要在開源模型上做後訓練和強化學習。
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
技術部落格 magicnumbers.io 於 2026 年 10 月 6 日發布題為 AI Model Groupthink 的文章，指向 AI 模型的群體思維/趨同現象。該文被提交到 Hacker News 後，截至收錄時獲得 9 分、1 條評論。條目本身只提供標題與連結，沒有正文摘要、作者結論或涉及的具體模型資訊。
Mistral 稱，客戶可在自有環境中同時執行 Studio 的模型與平台，其 Applied AI 團隊已基於 Studio 建置滲透測試、KYC 開戶等關鍵業務方案。這樣敏感資料和專業知識可保留在客戶自己的控制範圍內；推文未披露所用具體模型、定價或上線時間。
IBM CEO Arvind Krishna 在第三季度財報電話會上稱，開源權重模型現已能用前沿模型 10%–25% 的 token 成本實現約 90% 的效果。他回顧差距從 2024 年的 70 分對 20–30 分，縮小到 2025 年底的 70 分對 50 分，認為企業大多數任務（總結郵件、審查合同、客服應答）用便宜模型就夠。由此 IBM 看到本地部署 AI 需求升溫，稱兩三機架即可搭建，但企業缺核心、網路與 GPU 叢集調優人才；
一篇 2026 年 10 月 18 日的博文主張，個人自建軟體工廠是浪費時間，除非是為了工作。作者認為非開發者已用 AI 做出不少東西，與其造工廠，不如直接在聊天框裡描述需求做產品，並去了解 Grok Bot、Claude 這類工具如何運作；AI 寫應用仍會遇到溝通錯位、做錯東西的挫敗。若一定要建，工作場景最現實：熟悉系統、人和多年遺留程式碼，能讓產品經理與設計師低摩擦地發布功能。
Sebastian Raschka 發布從零建置推理模型的影片課程，共 8 集、總時長超過 11 小時。課程以小型預訓練 Qwen3 模型為起點，用 Python 和 PyTorch 親手實現評估、推理時擴充套件、強化學習與蒸餾，可配合其《Build a Reasoning Model (From Scratch)》一書按章節同步練習。前置要求是熟悉 Python 與 PyTorch；早期文字生成與評測範例在 CPU 上即可執行，後續訓練實驗建議使用 GPU。
作者以親歷說明 AI 讓「更敢做」變得可行：藉助 SOTA 模型，他只花個位數小時就做出可用的正則引擎、ripgrep 分支和更快的 Rust 建置，而這類工作過去要一年以上。他還為常被當成 AI 生成垃圾的 pgrust（用 Rust 重寫 Postgres）辯護，指出其維護者在測試中發現了多個真實 Postgres bug，涉及數值、格式快取、pgcrypto 與 money 溢位。
Northwestern、CMU 等團隊建置 WOVEN 資料集，把世界建模定義為對「狀態–動作–結果」三元組的推斷，並證明它可以獨立測量、獨立訓練，也能跨任務遷移。WOVEN 共 3.6 萬道題，測了 38 個前沿模型：最強的 GPT-5.4 準確率為 65.8%，人類為 92.3%，其中時序相鄰判斷停在 25%–28%，接近隨機。在 WOVEN 上做 SFT 與 RL 後訓練後，Qwen2.5-VL-3B 的域內準確率從 26.4% 升至 89.3%；
Shrivu Shankar 在 8 月 24 日的文章中提出，每家 SaaS 公司最終都會變成圍繞模型搭建的 harness，即包裹無狀態 LLM 的基礎設施、介面、上下文與狀態。他給出五階段演進路徑：傳統 SaaS、工程師與 agent 結對、個人執行 harness、個人編排 harness、harness 編排個人，屆時核心任務由 agent 完成，人類只負責提供品味與判斷。
舊金山成立兩年的 Mirror Particle 認為用 LLM 角色扮演目標人群來預測人類行為的方法行不通，改為從零訓練模擬人類動因、並追蹤其隨時間變化的世界模型。它結合客戶資料、時事、流行文化與社交媒體建模人群，重點看真實發生的「已顯現行為」而非問卷自述。公司已完成天使輪、接近敲定首輪風投，將參加 TechCrunch Disrupt 2026 的 Startup Battlefield 200。初期面向市場研究與品牌產品策略；
Hacker News 上一條 Ask HN 帖子提問：如果前沿模型已經這麼強，OpenAI、Anthropic 為什麼不自己拿模型去開一批公司、做自己的產品，而是把賣 token 當成主要收入來源。發帖者認為模型正在商品化、價格持續走低，這或許說明應用側比工具側更賺錢。該帖獲得 130 分、109 條評論。
10 月 22 日，螞蟻數科發布決策模型 LingDT-Decision-1.0，提供 4B 與 27B 兩個版本，已在 DTMaaS 平台上線並限時免費開放體驗。該模型專為結構化決策任務設計，在客服、風控、金融等場景測試中，相比大語言模型 Token 消耗降低超 90%、回應時效提升 10 倍。
10 月 20 日，千訣科技在南京首屆物理 AI 與世界模型大會上發布預測式世界模型 Polibrain，已在四足、人形、輪式、雙臂等機器人形態上開展適配。該模型不生成未來畫面，而是在潛在表徵空間預測真正影響任務的狀態變化，並串聯感知、決策、執行與反饋形成閉環。千訣稱其與清華團隊 2025 年在 ICML 發表的隱變數可辨識性研究，比 LeCun 團隊相近論文早約一年。公司不造機器人本體，以松耦合架構讓不同形態機器人共享對世界的理解。
第三方評估機構 METR 11 月 5 日發布報告，稱 Anthropic 過去一年模型基準能力的進步速度約為此前的 1.9 倍（95% 置信區間 1.5—2.8 倍），AECI 分數自 2025 年 10 月起從每年約 15 分升至約 29 分，而全行業前沿模型的加速僅 1.4 倍。METR 判斷加速主要不是來自算力投入增長，約 80% 來自 AI 自身參與研發；研究人員稱程式碼已不再是瓶頸，可把多個想法交給 Agent 並行驗證。
一位被裁工程師撰文稱，Fable/Mythos 一檔的前沿模型並沒有比他更勝任工作，只是比他更便宜，讓僅剩的管理層有信心撐到被併購。他認為模型仍缺產品品味與對長期後果的預判，不足以替代資深工程師，但已足夠讓 Shopify 用機器生成、由資深開發者監督的程式碼把 react-native 應用改回原生 iOS 與 Android。
給 agent 一份覆蓋全公司的知識圖譜後，五個公司級問題的回答準確度不變，但回答時間減少 73%、讀取的輸入 token 減少 92%、模型呼叫減少 66%。建圖以既有資料結構加規則抽取為主，僅 1.6% 的句子（141/8939）因規則讀不出而交給 gpt-5.4-mini 補讀，成本 0.047 美元；全量句子送模型要 1.29 美元、貴 27 倍，且把服務信用誤讀為責任上限、總體並不更準。
Revolut 正圍繞單一基礎模型 PRAGMA 重建技術棧，在 NVIDIA Blackwell Ultra GPU 上用 cuDF 與 Dynamo-Triton 在生產環境擴容，初期服務 8000 萬使用者，並設計為可再擴 3 倍。同場公布的歐洲金融案例還包括 Starling Bank 在 Civo 英國雲上用自有交易資料訓練 agentic 模型、Lloyds 用 RTX PRO 6000 Blackwell 打造交易基礎模型 ATUM。
在 2026 世界頂尖科學家論壇國際工程智慧大會上，智象元一創始人梅濤提出建置智慧體化的全模態世界模型，認為大語言、多模態與具身大模型三條路線終將匯流。該架構由 LLM 決策大腦、Omni-Model 世界模擬器與具身上下文三部分組成，主張在同一 Token 空間內統一思維與物理世界。智象已基於自研 Unified Transformer 搭起從影像、影片到互動、具身模型的矩陣，並通過企業級平台 HiHarness 與三個智慧體推進商業化。
Ai2 推出 StateBench，一個按四檔難度衡量語言模型在長文件中追蹤實體狀態變化的基準。結果顯示：迴圈與混合架構（如加入 Gated DeltaNet 層的 Olmo Hybrid）在直接訓練後泛化能力遠超 transformer，而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol/Luna 等前沿模型在輸入變長、依賴鏈變複雜時仍會失效。
Ai2 開源了 AstaBrief 8B，一個把研究問題與檢索文獻片段轉成帶引用報告的模型，基於 Qwen3-8B 訓練，已作為 Asta 的 Fast 模式上線。官方稱 Fast 模式平均 51.1 秒生成一份報告，比 Claude 驅動的 Thinking 模式 178.5 秒快約 3.5 倍。模型權重、訓練資料與範例工作流一併開放，機構可在自有基礎設施上本地生成報告。
TypeSafe AI 以 75 億美元估值完成 8.7 億美元融資，由 Andreessen Horowitz 領投，紅杉與現有投資方 DCVC 參投。其模型 Jev 於 9 月 15 日發布，基於 transformer 架構但不是大語言模型，不輸出文字而是生成機率，公司稱之為「校準決策」，定位是自動化任務而非寫文字或程式碼。公司稱 Jev 速度明顯更快、消耗 token 遠少於 LLM，並稱已有三分之一財富 500 強企業在使用；