跳到文章正文
AI 日报 编辑推荐

AI 日报|机器人操作成功率两个月翻倍,开源 Agent 开始住进个人电脑(11 月 21 日)

今天最值得记下的两个数字:41.2% 和 125B。前者是 GPT-6.2 Astra 在双臂机…

周六傍晚,把这一天的信息摊开看,会发现几条原本平行的线正在收拢:机器人开始用可复现的基准证明自己,智能体开始强调”数据留在本地”,而模型公司之外的机构——高校、数据中心、内容平台——正在给这套系统补上安全与计量的地基。

AI 日报 2026 年 11 月 21 日封面
AI 日报 · 2026 年 11 月 21 日

一分钟速览

  • GPT-6.2 Astra 在 Ember-0 基准上把 16 项双臂操作任务的综合成功率从 19.6% 提升到 41.2%,打结、展开 T 恤两项首次通关。
  • DeepSeek V1 作者 Tony Zhang 公布开源个人 Agent「Linger」,PC 优先、本地记忆,12GB 显存的 RTX 3060 可跑 125B 参数模型。
  • 华中科技大学与阿里巴巴共建”智能攻防与前沿安全联合研究中心”,首批启动 9 个课题。
  • 国家数据局提出以”词元”作为数智经济的价值锚点,下一步健全计量计费、质量测评等标准。
  • 华为云宣布 11 月 30 日开放具身世界模型 CloudRobo-WM1.2 的权重、推理代码与后训练代码。
  • 米哈游发布 8B 参数 VLA 模型 Gamer,让 AI 在《崩坏:星穹铁道》里连续自主游玩约 50 小时。
  • Suno 推出视觉创作工具 Visuals,底层视频模型基于 MiniMax 开源的 H3。
  • 站内今日另有:Gemini 4 Argon、Anthropic 数学家宣称证明黎曼猜想、OpenAI 反蒸馏、SpaceX 440 亿美元 GPU 融资等。

41.2% 这个数字,比”翻倍”更值得看

机器人基础设施公司 XDOF 公布了一组颇具说服力的实测:在面向真实物理环境的双臂操作基准 Ember-0 上,GPT-6.2 Astra 的综合任务成功率从两个月前的 19.6% 升到 41.2%,净增 21.6 个百分点。测试覆盖空间推理、物体抓取、双臂协作、工具使用、精细操作和柔性物体处理,共 16 项任务。

Ember-0 双臂操作综合成功率对比
Ember-0 基准:GPT-6 Astra 19.6% → GPT-6.2 Astra 41.2%

更关键的是方法:六台 YAM 工作站并行,每项任务重复 30 次,单日可完成 480 场实测,并由人工标注子步骤、抓取失误与碰撞,尽量滤掉硬件偏差和随机扰动。这让”翻倍”不再是发布会上的单次演示,而是一组可以被复现的成绩。

两项此前没有 AI 通关的任务这次被拿下:打结和展开 T 恤。它们考验对柔性物体连续形变的建模——布料不按刚体规则运动,抓取点一旦偏移,后续动作就会连锁失败。能做出来,说明模型对”动作之后会发生什么”的预测在增强。

但另一面也要看清:41.2% 意味着仍有近六成任务失败。放到产线上远不够用,放到家庭场景也还不足以让人放心把衣服交给它。XDOF 自己说,Ember-0 可能很快被模型能力”饱和”,言下之意是基准还得加难度。评测从”能不能做一次”转向”能不能稳定做三十次”,进步才有可比性。

智能体从”租用”走向”拥有”

前 DeepSeek V1 作者、DeepSeek-VL 项目负责人 Tony Zhang 公布了创业项目 Linger:一个开源的个人 Agent,优先跑在个人电脑上,而不是先做手机 App。逻辑很直接——电脑里已经有你的网页、邮箱、日历和聊天记录,Agent 不必再折腾一整套登录凭据,卡住时人还能直接接管。

核心是一套叫”Another Me”的记忆系统:夜间读取本地收件箱、日历、聊天与会议信息,整理成个人知识库供所有 Agent 查询;在长期对话记忆基准 LoCoMo 上,团队给出的准确率是 95%。它同时作为中间层接入各家第三方模型,并专门为本地推理优化——一块 12GB 显存的 RTX 3060,就能跑 125B 参数的 Qwen3.8-Flash-Next,速度约 45.5 tokens/秒。开源是它获取信任的方式,但本地化并不自动等于安全:Agent 能读邮件和日历,一旦被恶意指令诱导,损失会直接落在个人设备上。

这套叙事引用的是 PC 崛起的历史:计算曾集中在机房,是个人电脑把权力交到每个人手里;如今智能在数据中心训练,再以 token 的形式租给用户。Linger 赌的是相反路径——上下文、数据和驱动它们的智能,应当由用户自己持有。

安全与计量:基础设施的两块新地基

华中科技大学与阿里巴巴在 11 月 18 日签署合作协议,共建”智能攻防与前沿安全联合研究中心”,首批 9 个课题覆盖大模型安全攻防、智能体与终端安全、智能化系统与软件安全、数据协同与隐私保护四个方向。公开案例很具体:智能体替用户操作手机时,屏幕画面可能被伪造、操作可能被恶意诱导,于是有了”图像对抗样本与终端威胁研判”;用户跨应用切换、既想要数据互通又怕泄露,于是有了用密态计算实现”可用不可见、协同不透传”的隐私保护关系图谱。

另一条线来自国家数据局。局长刘烈宏在 2026 世界计算大会上提出,词元打通了算力、模型、数据之间的价值传导链路,是数智经济的价值锚点;”词元工厂”把算力租赁、模型供给和数据能力升级为词元生产服务,下一步要健全计量计费与质量测评标准,并避免低质量重复建设。

放在一起看,AI 基础设施正在补两门课:一门是安全,从模型延伸到智能体、终端与数据协同;另一门是计量,让”智能”像水电一样可以被定价、被质检。前者决定系统敢不敢用,后者决定它能不能规模化交易。

世界模型与 VLA:让机器人”先想后动”

华为云宣布将在 11 月 30 日开放 CloudRobo-WM1.2 的模型权重、推理代码和后训练代码。这个昇腾原生的具身世界模型采用共享世界模型骨干,并用原生 DualAct 架构把世界建模直接接到动作生成上;在 RoboTwin 2.0 和 LiberoPro 2.0 两项评测中均列第一。它要解决的是老问题:模型不仅要认出物体,还要理解物体之间的物理关系、预测交互结果,再把认知转成动作。

米哈游的 Gamer 则把 VLA 放进游戏。这个基于 Qwen3-VL-8B 继续训练的 80 亿参数模型,只靠屏幕画面、任务指令和已有记忆做判断,不读取游戏内部接口;在覆盖五个主线篇章、约 50 小时的长流程评估中,它能自己打 Boss、触发场景机关、跟着 NPC 跑图。两条路线的共同点是”先想后动”:世界模型负责预测,动作模块负责执行,记忆负责把长流程串起来。机器人从演示走向可用,缺的往往不是更强的网络,而是这套闭环。

内容生成:底座模型开始外溢

美国 AI 音乐平台 Suno 推出视觉创作工具 Visuals,把视频和图像生成接进音乐创作流程。其视频模型 H3 Move 基于 MiniMax 开源的 H3 打造,并针对音乐场景调优:画面能呼应歌曲结构和歌词,支持演唱口型同步,用户可用原创角色或参考图生成最长 15 秒的片段。一个海外内容平台选择中国开源视频模型做底座,说明基础模型的竞争正从”榜单排名”转向”被谁集成”——权重开放、可微调、推理成本可控,才是进入别人生产流程的门票。

今天站内还发生了什么

模型侧,Gemini 4 Argon 把机器人控制的全流程收进一个模型;OpenAI 公开”反蒸馏”防线,把偷推理轨迹的成功率从 54% 压到 0.2%;匿名模型 Gestalt 以 1931 的 Elo 登顶设计榜。算力侧,SpaceX 的 440 亿美元 GPU 融资落地,美国电网的变压器被 AI 数据中心吃到缺货。应用侧,ChatGPT Plus 开放协作空间,Win11 的 Copilot 开始替你整理下载文件夹。治理侧,Signal 开始禁止截图,Waymo 因加州禁令停掉全美高速 Robotaxi。

趋势洞察

第一,评测正在变成硬通货。可复现的基准、足够多的重复次数、公开的失败案例,比单次演示更有分量。

第二,”本地拥有”会成为智能体的第二条主线。云端 Agent 强在能力,本地 Agent 强在上下文与信任;接下来要看的不是参数,而是权限模型和真实可用性。

第三,基础设施的竞争正从算力转向”算力 + 计量 + 安全”。当智能成为可交易的服务,它的单位、边界和责任由谁定义,会成为下一阶段的核心问题。

本文地址:https://www.163264.com/22304