AI 大事件 | 2026年11月2日

导读： 过去 24 小时的 AI 新闻，主线是“从云端走进实体与日常账单”：OpenAI 下一代模型的踪迹先在 Codex 用量统计里露了头、尚未官宣，Meta 的人形机器人原型则被曝已在三个月内造出、定位为 Muse 的“身体”；与此同时，开源侧出现了一个不生成文本、只输出决策概率的 27B 模型，付费侧 OpenAI 则把聊天与编程的额度并成一个池子——模型、机器人与计费规则，正在同一天改写使用者的日常。

1. GPT-6.2 Astra 疑似现身 Codex 用量统计：19.8% 的请求被标为新模型名，官方尚未承认

11 月 1 日，多名用户在 X 与开发者社区发帖称，Codex 的用量明细里出现了模型标识 gpt-6.2-astra，而模型选择器里仍显示 GPT-6 Astra。其中一张截图显示，约 19.8% 的请求被归到 gpt-6.2-astra 名下，其余约 80% 仍为 gpt-6-astra，另有不到 0.1% 的 gpt-6-luna。FourWeekMBA 11 月 1 日核查后指出：Codex 公开模型目录、近期发布记录、OpenRouter 模型列表与 OpenAI 新闻源里均未出现 6.2 的字样，截图本身也无法独立验证；TokenPost 与 PANews 同日报道也强调，部分用户在自己的记录里并未看到该标识，报告并不一致。截至 11 月 1 日，OpenAI 未就此发表官方声明，该模型也未出现在 API 列表中。新浪科技 11 月 2 日早间的转述补充了另一条线索：此前传闻因安全问题被取消的 GPT-6.1 Astra，可能已被修复并直接升版为 6.2，但这同样只是社区猜测。

摘要： 11 月 1 日多名 Codex 用户称用量明细出现 gpt-6.2-astra（截图占比约 19.8%），模型选择器仍显示 GPT-6 Astra；公开目录与 API 中查无此模型，OpenAI 未官宣、未回应，属未证实的灰度测试传闻。

为什么重要： 这条新闻的价值不在“新模型有多强”——目前没有任何基准、价格与上下文信息——而在于它揭示了前沿模型发布的真实节奏：正式官宣之前，灰度痕迹往往先出现在用量统计、日志字段这类“边角料”里。对开发者，正确的姿势是把它当作“值得盯着的信号”而非“可用的模型”：不要据此改写选型文档、不要向客户承诺 6.2 的能力，等官方模型目录或 API 变更日志出现再动手。反过来看，19.8% 这个数字即使属实，也只说明一部分流量被分流到某个内部标识，可能是新版本、可能是 A/B 测试、也可能是统计口径变化——在 OpenAI 开口之前，三种解释都成立。结合 10 月 GPT-6.1 Astra 传闻因安全问题取消的前科，这次更值得等一句官方说法。

来源： FourWeekMBA：GPT-6.2 Astra Shows Up in Codex Usage Screenshots on X（11 月 1 日）https://fourweekmba.com/ai-gpt-6-2-astra-shows-up-in-codex-usage-screenshots-on-x/ · PANews：Codex Usage Details Show GPT-6.2 Astra, Suspected Gray-Release Test（11 月 1 日）https://www.panews.io/articles/01a1976f-49e3-7091-89e0-29cde0ef7714 · 新浪科技：刚刚，OpenAI新模型GPT-6.2 Astra曝光！（11 月 2 日）https://finance.sina.com.cn/tech/roll/2026-11-02/doc-inixhwzc2371212.shtml

2. Meta 被曝与傅利叶三个月造出人形机器人 Max：约 1.5 米、48 公斤，定位为 Muse 的“物理化身”

据 The Information 10 月 31 日报道、经多家媒体 11 月 1 日转述，Meta 已与中国机器人公司傅利叶（Fourier）合作造出首个人形机器人原型，内部代号 Max。原型约 1.5 米高、约 106 磅（48 公斤），搭载英伟达 Jetson Thor 芯片，配有显示类人表情的屏幕、扬声器与五指灵巧手，两家公司仅用约三个月就完成了这台原型；Meta 机器人产品副总裁 Li-Chen Miller 据报曾在傅利叶上海工厂驻扎约两个月，原型已在 8 月下旬的 Meta 内部机器人峰会上向部分员工展示。9 月起，双方已开始研发第二代 Max 2，据报将改进手部、增加楼梯感知传感器与投影仪。Meta 方面表示，与傅利叶的合作属于内部研究与实验，目前没有出售这些机器人的计划；路透社称未能独立核实该报道。Meta 首席技术官 Andrew Bosworth 在内部把这台人形机器人描述为 Muse 智能体“有了真实的身体”，定位是承担日常家务，而非工厂制造。

摘要： 据 The Information（11 月 1 日多家转述），Meta 与傅利叶约三个月造出人形机器人原型 Max（1.5 米、48 公斤、Jetson Thor、五指手、表情屏），8 月下旬内部展示，9 月起研发 Max 2；Meta 称属内部研究、无出售计划；路透社未独立核实。

为什么重要： 这条新闻真正的看点不是参数，而是路线：Meta 没有从零自研一台机器人，而是把傅利叶的硬件本体当作“Muse 的身体”来用——智能体是产品，机身是载体。三个月造出一台原型，说明在成熟供应链与现成硬件框架之上，人形机器人的“第一台”门槛正在快速降低；但也要把兴奋收一收：目前没有任何公开演示、任务视频或能力指标，“能做家务”只是内部定位，不是已验证的能力。Max 2 的改进清单（手、楼梯感知）恰恰暴露了第一代的短板所在：家庭环境里最难的不是“长得像人”，而是“在楼梯与杂物间稳稳地走、稳稳地拿”。对关注具身智能的人，这条新闻应与昨天光轮 10 万小时数据集放在一起读：一边是数据、一边是本体，具身智能正在同时补齐两块拼图，但离“买回家用”仍有很远的路。

来源： PANews（据路透社转述 The Information）：Meta and Chinese Firm Fourier Develop Humanoid Robot Prototype in 3 Months（11 月 1 日）https://panews.io/articles/01a192e1-3c68-7252-bc72-7bfeff25fbe9 · AsiaOne：Meta Develops Humanoid Robot Max With Chinese Robotics Partner（11 月 1 日）https://asiaone.news/meta-develops-humanoid-robot-max-with-chinese-robotics-partner/ · Humanoid Guide：Meta reportedly builds Max humanoid prototype with Fourier（11 月 1 日）https://humanoid.guide/meta-reportedly-builds-max-humanoid-prototype-with-fourier/

3. Nace AI 开源 27B 决策模型 Drex Max v1：不生成文本、一次前向就给出每个选项的概率，消费级 Mac 也能跑

11 月 1 日，Nace AI 以 Open RAIL-M 许可开源了 Drex Max v1，一个 270 亿参数的稠密决策模型。与聊天模型不同，它的输出不是文本，而是对每个候选选项的概率——一次前向传播即可完成，无需逐词生成。模型上下文窗口为 262,144 Token，架构为 48 层 Gated DeltaNet 线性注意力层与每隔四层插入的 16 层全注意力层组合；提供 bf16 权重、Q8_0 GGUF 与仿射 Q4 检查点，并附 llama.cpp 与 Ollama 的分支。在公开基准 Decision Index 0.4 上得分 67.52，比上一代 Drex v2.0 高 6.27 分；InfographicVQA 得分 97.3，Tools 领域 81.9。本地部署门槛被写得很具体：24GB 以上内存的 Apple Silicon Mac 可跑 Q4 检查点，Q8_0 GGUF 需 48GB；在 48GB 的 Apple M5 Pro 上，Q8_0 GGUF 的输出与 H100 bf16 的逐概率差异在 0.02 以内。

摘要： Nace AI 11 月 1 日开源 Drex Max v1（27B，Open RAIL-M）：单次前向输出各选项概率、不生成文本，262K 上下文，Decision Index 0.4 得分 67.52；提供 bf16、Q8_0 GGUF、Q4 检查点，24GB 内存的 Mac 可跑 Q4 版。

为什么重要： “决策模型”是一个值得单独记住的品类：很多真实任务（分类、排序、检索、工具选择）并不需要模型“说话”，只需要它“打分”。把生成换成一次前向打分，延迟、成本与可复现性都会变好——同一个输入永远得到同一组概率，这对需要审计与回归测试的系统尤其友好。27B 能塞进消费级 Mac 这一点同样关键：它意味着决策能力不必再经过云端 API，敏感数据可以不出本地。当然要打折听的是基准：Decision Index 与 InfographicVQA 的分数来自厂商与转述报道，尚未见独立复现；而且“概率”本身不等于“正确”——概率校准得好不好、分布外选项会不会失真，都需要在自己的任务数据上实测。对做搜索、推荐、Agent 工具路由的团队，这个模型值得列入“本地决策层”的候选清单。

来源： Wisevoter（信息来自 MarkTechPost）：Nace AI Open-Sources 27B Drex Max Decision Model（11 月 1 日）https://wisevoter.com/world/2026/11/01/nace-ai-open-sources-drex-max-v1

4. OpenAI 12 月起把 ChatGPT 与 Codex 的额度并成一个池子：按 Token 计、Instant 聊天不计入

据 OpenAI 帮助中心文章《Understanding ChatGPT and Codex usage limits》（10 月 31 日更新）及 11 月 1 日多家解读报道，从 12 月起，Plus、Pro 与 Business 套餐的用量额度将在 ChatGPT 与 Codex 之间共享，按 Token 而非消息条数计量；模型越强、任务越复杂，消耗额度越快。唯一的例外是 Instant 聊天——快速默认模型的即时聊天不计入额度。合并后的剩余额度与重置时间将在设置里的 Usage 页面统一显示；额度用尽后，用户可等待重置、升级套餐或购买积分。需要注意的缺口同样写在报道里：OpenAI 尚未公布各套餐的具体额度数字，也没有给出 12 月的具体生效日期；帮助中心文章本身也没有以博客或 X 帖子的形式单独官宣，是先被产品追踪者从页面变化中发现的。

摘要： OpenAI 帮助中心（10 月 31 日更新）确认：12 月起 Plus、Pro、Business 的 ChatGPT 与 Codex 共用一个 Token 额度，Instant 聊天除外；剩余额度在设置 Usage 页统一显示；各档额度数字与具体生效日尚未公布。

为什么重要： 这是直接影响付费用户钱包的一条规则变化，而且影响方式很具体：以前聊天与编程是两个表，现在是一本账——下午 Codex 跑多了，晚上 ChatGPT 的高级模型额度就可能不够用。对同时用两边的人，11 月就该开始养成习惯：每周看一次设置里的 Usage，摸清自己的消耗结构（哪个模型、哪类任务最烧额度），12 月生效时才不会措手不及。更深一层看，这也是 OpenAI 产品整合的信号：随着 ChatGPT Work 的智能体能力并入主体验，“聊天”与“干活”的边界正在消失，计费自然也要合一。报道中一个值得留意的细节是：Plus 套餐未享受到同期 Pro 与 Business 的额度翻倍——不同档位的性价比正在拉开，续费前值得按自己的用量重新算一笔账。

来源： FourWeekMBA：ChatGPT and Codex Will Share One Usage Allowance in December（基于 OpenAI 帮助中心，11 月 1 日前）https://fourweekmba.com/ai-chatgpt-and-codex-will-share-one-usage-allowance-in-december/ · 7minAI：ChatGPT and Codex Will Share One Usage Limit in December（11 月 1 日，核对 OpenAI 帮助中心 10 月 31 日更新版）https://7minai.com/chatgpt-codex-shared-usage-limit-december/ · 第一财经 AI 进化速递（新浪转述）：OpenAI宣布ChatGPT部分功能将与Codex共享额度（11 月 1 日）https://news.sina.cn/2026-11-01/detail-inixfvpw3527649.d.html

5. SpatialScout 给“AI 进屋看房”立了考场：80 个房间、3140 个目标，最强模型平均 IoU 也只有 41.71%

11 月 1 日，新智元报道了一项关于主动空间理解的研究 SpatialScout：把“智能体进入陌生房间、自己决定往哪看、最终交出一张物体位置地图”的能力，变成可以记录、评分与比较的任务。模型拿到目标清单与初始图像后，可主动拍摄、移动相机、读取相机参数与位姿，用三角测量工具把多视角观测换算成坐标，并可随时分批提交、继续修正；每个任务最多 100 轮交互。正式评测选取 80 个室内场景、3140 个目标实例，覆盖厨房、客厅、卧室、浴室与多房间住宅，场景来自 iTHOR、RoboTHOR、ArchitecTHOR、ReplicaCAD 与 ProcTHOR。7 个模型、8 种配置的比较中，Opus 5.5 的任务平均 IoU 为 41.71%，Astra（xhigh）为 33.16%，Sonnet 5.5 为 32.28%。论文、代码与数据集均已公开。

摘要： SpatialScout（11 月 1 日新智元报道）为智能体的主动三维空间理解建了统一考场：80 场景、3140 目标、最多 100 轮交互；Opus 5.5 平均 IoU 41.71% 居首，Astra（xhigh）33.16%、Sonnet 5.5 32.28%；论文、代码、数据集均公开。

为什么重要： 这项研究戳中了具身智能一个常被跳过的环节：模型“看见”不等于“知道在哪”。此前很多评测只看模型能不能认出物体，SpatialScout 则要求它把“从不同角度看到的同一个物体”对应起来、用几何算出坐标——这正是机器人进屋后“走过去、拿起来”之前必须过的一关。41.71% 的最高分说明，即使是最强模型，在这个任务上也远未及格；更有意思的是失败分析：部分模型反复观察、频繁移动相机，后续的建图计算却没跟上——图像收了一堆，坐标却没算出来。对做机器人与空间智能的团队，这个基准的价值在于“把失败拆开”：缺失指向覆盖不足，偏移指向坐标推断不稳，低分高观察量则指向视觉对应与工具协同问题，改进方向一下子就具体了。费用对比也值得一看：按 OpenRouter 价格快照估算，Astra（xhigh）平均约 3.06 美元/任务，Opus 5.5 约 27.90 美元/任务——质量与成本的权衡，终于可以在同一张图里讨论。

来源： 新智元（新浪财经转述）：AI进屋后，下一眼该看哪？观察智能体如何建立三维空间认知（11 月 1 日）https://finance.sina.com.cn/stock/t/2026-11-01/doc-inixfrfv1069499.shtml · 论文 https://arxiv.org/abs/2610.26659 · 代码 https://github.com/JesseZZZZZ/SpatialScout · 数据集 https://huggingface.co/datasets/jessezhaoxizhang/SpatialScout

6. GeoWind2Plan：3 秒预测城市风场，逆风航线平均省电 12.7%，无人机开始“看风飞行”

11 月 1 日，新浪科技报道了来自田纳西大学、康考迪亚大学、麦吉尔大学与加州理工学院等机构研究人员提出的 GeoWind2Plan 框架：把城市三维风场预测与无人机节能路径规划连在一起。系统只需输入建筑物的三维几何信息、背景风向与风速，以及任务起终点，就能预测相关区域的平均风场，再联合优化飞行路线与速度。核心模型是 3D 傅里叶神经算子（FNO），先从计算流体力学（CFD）数据中学习建筑几何与风场之间的映射，任务开始时再根据建筑信息快速推断气流。在论文测试条件下，局部风场预测仅约需 3 秒；用预测风场规划的航线，在模拟风场中评估时，逆风条件下平均可实现 12.7% 的节能。项目还提供了交互 Demo 展示。

摘要： 华人学者团队等 11 月 1 日发表 GeoWind2Plan：以 3D 傅里叶神经算子预测城市风场（局部预测约 3 秒），再联合优化无人机路线与速度；模拟评估中逆风平均节能 12.7%。

为什么重要： 城市低空飞行的耗电大户不是直线距离，而是楼宇间的乱流与逆风——传统做法要么跑一遍昂贵的 CFD 仿真，要么干脆不考虑风。GeoWind2Plan 的思路是把“算风场”从仿真问题变成推理问题：离线学好几何到风场的映射，在线 3 秒出结果，航线规划就能把风当成一等输入。对无人机配送、巡检、测绘这类“每天飞很多架次”的场景，12.7% 的逆风节能如果能在真实风场中复现，意味着同样的电池能多飞一段、或者同样的航程能少充一次电，运营成本是实打实下降的。当然要守住边界：目前的节能数字来自模拟风场评估，不是真实城市飞行实测；建筑几何数据的获取成本、实时风况的接入方式，也都还没展开。把它当作“低空经济里一个值得跟进的 AI + 物理建模交叉点”，比当作“已落地的省电方案”更准确。

来源： 新浪科技：3秒预测城市风向！华人学者团队开发AI新技术，让无人机飞行更省电（11 月 1 日）https://finance.sina.com.cn/tech/roll/2026-11-01/doc-inixeyix6717281.shtml · 项目交互 Demo https://geowind2plan.com/

7. 千问 AI 眼镜 OTA 升级：新增通话翻译、媒体翻译等，穿戴端 Personal Agent 继续补能力

据第一财经 11 月 1 日晚的 AI 进化速递，阿里千问 AI 眼镜迎来 OTA 升级，新增通话翻译、媒体翻译等功能。千问 AI 眼镜 N1 系列于 10 月 13 日发布，定位是把 Personal Agent 延伸到穿戴设备：N1 系列搭载 5000 万像素影像系统，支持全天候环境感知、翻译、会议纪要与语音办事，N1 Pro 还新增体征实时监测、眼动交互与虹膜核身。这次 OTA 的公开信息目前只有功能名录，具体的语种覆盖、翻译延迟、是否需联网与收费细节尚未展开。

摘要： 第一财经 11 月 1 日晚速递：千问 AI 眼镜 OTA 新增通话翻译、媒体翻译等功能；N1 系列 10 月 13 日发布，定位 Personal Agent 穿戴端；OTA 细节（语种、延迟、收费）尚未公开。

为什么重要： AI 眼镜的竞争正在从“发布时有什么”转向“买回去之后还长什么”——OTA 是穿戴设备真正的生命线。通话翻译与媒体翻译补的是两个高频场景：打电话时对方说外语、刷视频时遇到外语内容，眼镜如果能实时跟上，翻译就从“查词工具”变成了“随身同传”。对已购用户，这次升级是零成本的能力增加；对还在观望的人，判断标准也很简单：等首批用户的实测反馈，看翻译是在端侧还是云端完成、延迟是否可接受、隐私（通话内容是否上传）如何处理。在昨天“千问接入国行 iPhone Siri”的消息之后再看这条，阿里千问的 Personal Agent 布局正在手机、眼镜两条线同时推进——入口越多，模型能力复用的价值越大。

来源： 第一财经 AI 进化速递（新浪转述）：阿里千问 AI 眼镜 OTA 升级：新增通话翻译、媒体翻译等（11 月 1 日）https://news.sina.cn/2026-11-01/detail-inixfvpw3527649.d.html

8. 《颠覆性技术前瞻 2026》发布：40 项技术入选，多模态原生统一模型位列其中

11 月 1 日，在 2026 大湾区科学论坛开幕式上，中国科学技术信息研究所发布了《颠覆性技术前瞻 2026》报告，遴选出近期突破性进展显著的 40 项技术，覆盖人工智能、新一代信息技术、生命健康、新能源、新材料与先进制造五大领域。据新华社报道，入选技术均具备“近期突破性进展显著、有望孕育未来颠覆性创新方向”的共同特征；其中与 AI 直接相关的包括多模态原生统一模型——报告指出，该方向突破了单一模态的信息瓶颈，在理解生成一体化与音视频实时交互方向持续进步，正加速向产品与实际应用延伸。此外还包括 mRNA 疗法、动力电池超快充技术、AI 驱动的材料设计等。报告依托颠覆性技术感知响应平台，综合海量数据挖掘与专家评估研判遴选，自 2022 年起每年发布。

摘要： 中国科学技术信息研究所 11 月 1 日在 2026 大湾区科学论坛发布《颠覆性技术前瞻 2026》，遴选 40 项技术；AI 相关入选包括多模态原生统一模型，另有 mRNA 疗法、动力电池超快充、AI 驱动材料设计等。

为什么重要： 这类官方前瞻报告的价值不在于“预测了什么新东西”，而在于它标出了“国家级视野里值得下注的方向清单”。多模态原生统一模型入选，呼应了今年以来“理解与生成合一、音视频实时交互”的产品趋势——对从业者，这意味着下一阶段的竞争可能不再是“文本模型再大一点”，而是“一个模型同时处理文本、图像、音频、视频，并且能实时互动”。把这份清单当作“选题与布局的参照系”来用，比当作“投资建议”更稳妥：报告本身不承诺任何一项技术的时间表与商业化路径，具体的技术成熟度仍需回到各自领域的论文与产品进展中验证。

来源： 新华社（腾讯新闻转述）：报告显示40项技术有望孕育未来创新方向（11 月 1 日）https://news.qq.com/rain/a/20261101A06O2100

结尾： 一句话总结今天：当新模型的踪迹先出现在用量统计里、当机器人开始被当作智能体的“身体”来造、当聊天与编程的额度被并成一本账，AI 的竞争正在从“发布了什么”转向“怎么被用、怎么被算、怎么走进真实世界”——而开源的决策模型与 3 秒风场预测提醒我们，前沿并不只在发布会上，也在那些把一件事做到可部署、可复现的角落里。