AI 前沿日报
OpenAI 发布 GPT-6.1 Terra，视觉推理增强且成本降至三分之一
本期日报聚焦 AI 产业的双轨加速：一方面，OpenAI 与 Anthropic 通过极致性价比模型与巨额 IPO 申请，重塑商业格局与资本预期；另一方面，Meta 与微软通过千亿级基建融资与大规模人员重组，夯实底层算力与组织效能。值得注意的是，AI 已从工具辅助迈向自主科研与具身智能的新纪元，清华 ParallelWorld 与 OpenAI 的科学发现表明，机器正逐步具备处理极端抽象问题与物理世界交互的能力，行业门槛与竞争维度正在发生根本性位移。
OpenAI 发布新一代中端模型 GPT-6.1 Terra，在显著提升智能水平的同时将推理成本大幅压缩。该模型确立了新的性价比标杆，其 API 定价极具竞争力，输入/输出 Token 价格减半至 $1/$5 每百万，缓存读取成本降低 75%。
多方信源交叉验证显示，GPT-6.1 Terra 的核心突破在于视觉推理与计算机操作能力的强化。在 Agents' Last Exam 基准测试中，其得分约 60%，性能逼近旗舰版 GPT-6 Astra，但 Token 单价仅为后者的十分之一。此外，模型支持 105 万超长上下文窗口，任务执行速度平均提升 3 倍以上。
前沿模型与基础架构突破
精选 3 篇追踪主流实验室最新基础模型、新架构与推理能力跃迁。
OpenAI 攻克多项顶级科学难题并试验专家协作披露机制
OpenAI 宣布在数学、计算机科学和物理学三大基础领域取得三项重大科学发现，包括解决局部平滑猜想以确立 Kakeya 猜想、完成杨-米尔斯理论一半的严格证明，以及证伪维持约 25 年的指数时间假设 (ETH)。这些成果标志着 AI 在极端抽象问题的形式化推理能力上实现了突破性进展。
为应对学术界对 AI 直接发布“原始研究数据”的信任危机，OpenAI 创新性地引入了外部专家作为“牧羊人”进行验证。针对计算机科学与物理结果采用专家引导审核模式，而数学成果则建议由研究人员自行解读 AI 输出。这一策略旨在通过三种不同的协作路径，将 AI 生成的原始逻辑转化为社区可接受的科学知识。
OpenAI 模型宣称证伪指数时间假设 ETH
OpenAI 发布内部模型生成的数学手稿库，其中包含声称证伪“指数时间假设”（ETH）的论文。该仓库收录了 721 份处于不同验证阶段的手稿，部分结果尚未通过 Lean 形式化证明，被视为原始研究数据而非最终学术成果。
OpenAI 声称 AI 推翻了作为复杂性理论基石的 ETH，但未证明 P=NP。同时，AI 被指证明了杨-米尔斯理论的存在性，但质量间隙部分未完成且细节暂不公开。所有核心声明均处于外部专家独立核查阶段，未经过传统同行评审，引发对 AI 科研贡献模式的讨论。
EdgeRock-4B 开源：KV Cache 降 99%，长推理吞吐提升 6 倍
岩山科技联合港科大、CMU 发布并开源 EdgeRock-4B 模型，通过固定内存占用机制将 KV Cache 减少 99.1%。该模型在 256K 上下文下显存恒定，单卡吞吐达源模型 6.42 倍，且保持高推理准确率，显著降低长文本与 Agent 场景的部署成本。
KV Cache 占用随上下文长度从 4K 到 256K 保持恒定（72MiB），相比传统模型减少 99.1%；单张 80GB 显卡支持 512 路并发长推理，输出吞吐量达到 12124 tokens/s，是源模型的 6.42 倍；在 AIME 2024-2026 基准测试中平均一次通过率达 82.9%，远超同类有界状态模型。
产业生态与商业算力
精选 4 篇投融资脉络、算力基建演进与企业智能化转型。
Anthropic 递交 IPO 招股书，估值两万亿拟募资千亿
AI 独角兽 Anthropic 正式向 SEC 提交 S-1 文件，计划以代码“ANT”在纳斯达克上市，目标估值约 2 万亿美元，拟募资最高 1000 亿美元，有望成为史上最大 IPO。招股书显示其商业化爆发力强劲，2026 上半年营收达 163 亿美元，同比增长超 13 倍，且二季度经营利润已转正。
尽管账面净亏损高达 807 亿美元，但多方信源指出这主要源于亚马逊与谷歌可转债公允价值变动的非现金会计损失，实际经营性亏损仅约 7 亿美元。关键驱动因素是算力成本效率显著提升，占收入比例从 250% 骤降至 48%。公司披露了总额逾 5000 亿美元的长期算力采购合同，并采用双层股权结构确保创始人控制权。
Meta 拟融资 950 亿美元加码 AI 基建
Meta 宣布启动总额至多 950 亿美元的融资计划，旨在为核心业务及新兴人工智能领域提供资金支持。该计划包含股票远期出售、可转换优先股及潜在普通股发行，预计 2026 年资本支出将达 1350 亿至 1450 亿美元，以维持其在 AI 领域的持续投入与回报增长。
此次融资结构精心设计，引入无投票权的 Class C 股份，确保在大幅融资的同时维持 CEO 扎克伯格对公司的绝对控制权。英伟达、AMD 和博通等芯片巨头均表示有意购买至多 50 亿美元的 Meta A 类普通股，显示出供应链的深度绑定与技术合作伙伴对 Meta AI 战略的信心。
微软向六万员工提供自愿买断以优化 AI 转型
微软近日宣布向美国、英国、加拿大和印度的约 6 万名员工（占全球全职员工总数近 27%）提供自愿离职买断方案。这一举措旨在通过非强制手段优化人力结构，应对生成式 AI 时代带来的组织调整与成本控制压力，标志着科技巨头在 AI 转型期正从被动裁员转向主动的结构性人员重组。
多方信源显示，此次计划覆盖 Copilot、CoreAI、Windows + Devices 及 Xbox 等核心产品团队，但明确排除了销售、市场营销、量子计算及安全部门。符合条件的员工需在 12 月初前做出决定，可选择领取包含标准遣散费、股票继续归属及医疗保险在内的补偿包并于年底离职，或拒绝邀约保留现有职位。
本报简讯
- ▪Anthropic 联创断言 AI 奇点已至，代码产出增十倍— 量子位官网
智能体生态与自主代理
精选 2 篇多智能体协同、自主工作流与真实复杂任务落地。
清华提出 ParallelWorld 具身智能多步预演提升成功率至 83%
清华大学与新加坡国立大学联合提出 ParallelWorld，将测试时计算引入具身智能体的高层规划。该方法通过模拟多条候选行动路径并比较未来观察结果，使机器人能在执行前预判后果，将任务成功率从 56% 显著提升至 83%，为具身智能的决策优化提供了新范式。
ParallelWorld 在高层规划与动作执行之间引入候选未来的预演和验证环节；利用测试时计算（Test-Time Scaling）比较不同行动路径的后续观察与任务进展；实验显示该方法将具身智能体的任务成功率从 56% 提升至 83%。
谷歌发布 Android Bench 2.0 支持长周期任务与连续评分
谷歌推出 Android Bench 2.0，新增长周期任务（LHT）评估、基于智能体的闭环测试及连续评分机制，以解决复杂多步骤开发任务的评估难题。该基准显示 AI 在编写新代码方面优于重构现有代码，Claude Opus 5.5 目前以 32% 的通过率位居榜首。
引入长周期任务（LHT），覆盖依赖升级、从零构建等需数天完成的工程实践；采用连续评分替代二元判定，提升对部分成功行为的识别精度；数据显示 AI 在生成新代码上表现优于重构旧代码，Claude Opus 5.5 暂居榜首。