AI 大事件 | 2026年11月4日

2026年11月4日 · AI 大事件日报

导读： 过去 24 小时，AI 的主线从“聊天室”全面转向“干活现场”：智元的具身大模型 GO-3 在三项机器人基准上登顶、Mistral 把万亿参数旗舰彻底开源、Kimi 最强模型的权重即将在今天开放下载；与此同时，两份新基准给行业泼了冷水——日常家务活上最强模型也只能拿 80 分，真实经济任务上所有模型都没过 12%，而 Anthropic 的招股书则第一次把“模型可能开始自我改进”写进了风险提示。

1. 智元发布具身大模型 GO-3 Preview：三项机器人基准全部第一，年底前全部开源

11 月 3 日，智元机器人（AGIBOT）发布具身基础模型 GO-3 Preview，定位是打通预训练、后训练与部署后学习全生命周期的“具身大模型”。模型基于智元自研的具身原生架构 WRAM（World Reasoning Action Model），把任务理解、未来状态预测与动作生成统一在一个模型里，让机器人跨任务泛化、做精细操作；配合混合后训练系统 Genie Evolver 与具身智能体框架 Genie Master，构成从训练到真实部署的完整学习系统。GO-3 Preview 已在 RoboDojo、RoboTwin 与 RoboColiseum 三项具身基准上全部拿下第一，并承诺 2026 年底前全部开源。

摘要： 智元 11 月 3 日发布 GO-3 Preview 具身基础模型（WRAM 架构，理解-预测-动作统一），在 RoboDojo、RoboTwin、RoboColiseum 三项基准登顶，2026 年底前全部开源。

为什么重要： 具身智能今年最缺的不是本体，而是“一个能持续学下去的脑子”——预训练教常识、后训练教技能、部署后还要从真实经验里继续长本事，GO-3 把这三段串成一条学习闭环，方向上正对行业的痛点。三项基准同时登顶当然值得注意，但更要看年底开源后的独立复现：基准第一不等于真机好用，跨任务泛化与精细操作要在真实工厂、家庭场景里经得起摔打才算数。对做机器人的团队，这条新闻的实际意义是“先跟踪、等开源”：权重一到，就可以拿自己的任务测一测它到底是通用底座，还是只在基准题库里厉害。

来源： PR Newswire：AGIBOT Unveils GO-3 Preview（2026-11-03）https://aapnews.aap.com.au/aapreleases/cision20261102AE87486

2. Mistral 万亿参数旗舰 Large 4 正式开源：约 1 万亿参数、每次只激活 490 亿，改良 MIT 许可

11 月 3 日，Mistral 把 10 月 6 日仅以 API 预览形式亮相的旗舰模型 Large 4 彻底开源：权重已上架 Hugging Face，采用改良 MIT 许可。据官方介绍，Large 4 是原生多模态混合专家模型，总参数约 1 万亿、每次 Token 推理约激活 490 亿（计入嵌入与输出层为 520 亿），在自家欧洲数据中心用 3800 块英伟达 Grace Blackwell GPU 从头训练；主检查点以 8 位 FP8 格式发布，另有面向 Blackwell GPU 的 NVFP4 小版本。预览之后的三周强化学习，据称在编程、防御性网络安全与推理效率上带来大幅提升。许可方面：免费使用、微调与商用产品均可，但把模型作为托管服务出售需另签商业许可。

摘要： Mistral 11 月 3 日开源 Large 4 权重（Hugging Face，改良 MIT 许可）：约 1T 总参数、约 49B 激活，原生多模态 MoE，FP8 主检查点 + NVFP4 版本；托管服务商用需另签许可。

为什么重要： 这是欧洲开源阵营迄今最大的一次亮剑——万亿参数这个量级过去基本是闭源巨头的专属，如今任何人都能下载。结合 Meta 816B 参数的 Muse Spark Open 一起看，开源权重正在集体冲向“万亿俱乐部”，开发者选底座时“闭源旗舰还是开源万亿”的天平正在倾斜。但要泼两盆冷水：一是 1 万亿参数即使只激活 490 亿，本地部署的门槛依然极高，多数团队实际用的是 API 或蒸馏版；二是“托管服务需另签许可”这条，意味着云厂商不能直接拿来卖，商业模式的边界要先读清许可再动手。对普通开发者，最实在的路径是先在 API 上测它的编程与推理表现，再决定要不要为权重部署买单。

来源： Technology.org：Mistral Large 4 Goes Open Weight at 1T Parameters（2026-11-03）https://www.technology.org/2026/11/03/mistral-large-4-open-weights-hugging-face-modified-mit/

3. Kimi K3.1 Pro 权重今天到期开放：2.8 万亿参数、独立指数全球第四，发布前特意“削弱”了网络攻击能力

按 Moonshot 10 月 23 日发布时的承诺，Kimi K3.1 Pro 的完整权重将于 11 月 4 日（今天）开放下载。这款模型是 7 月 Kimi K3 的大幅后训练版本：总参数 2.8 万亿、每次激活约 1040 亿，100 万 Token 上下文，在独立评测 Artificial Analysis 指数上以 55 分排全球第四（比 K3 高 11 分），一旦权重发布，有望成为该指数上排名最高的开源权重模型。Moonshot 官方数据显示，它在 Terminal-Bench 4.0 上得 65.7%，距 Claude Opus 5.5 的 66.4% 仅一步之遥。值得注意的安全处理是：为避免开源权重推高网络攻击能力上限，Moonshot 在中期训练与强化学习阶段剔除了网络攻击相关数据与环境——其内部漏洞挖掘测试中，带防护的版本得分 81.0%，而不带防护的版本为 90.5%。

摘要： Moonshot 承诺 Kimi K3.1 Pro 完整权重 11 月 4 日开放：2.8T 总参数、约 104B 激活、1M 上下文，Artificial Analysis 指数 55 分排第四；发布前剔除网络攻击相关训练数据，内部漏洞测试得分从 90.5% 降至 81.0%。

为什么重要： 对国内开发者，这是今天最值得动手的一条：一个“离最强闭源模型只差一步”的编程与智能体模型，即将变成可以自己部署的权重——意味着长上下文编程、复杂任务编排不再必须走云端 API。但“削弱攻击能力”这个细节更值得行业咀嚼：它说明开源旗舰的发布者已经开始主动为“能力上限”负责，用可验证的内部测试给安全承诺背书；同时也要清醒——权重一旦下载便无法召回，所谓“削弱”能否经得起社区的独立检验、会不会被微调绕过，都要等权重落地后看实测。发稿时权重是否已上线仍需以 Moonshot 官方渠道与 Hugging Face 为准，下载前先确认许可条款（发布时尚未公布）。

来源： AI for Mortals：Moonshot Launches Kimi K3.1 Pro, Free to Try https://www.aiformortals.co/blog/kimi-k3-1-pro · Radar Digital：Moonshot launches Kimi K3.1 Pro（2026-10-24，11 月 3 日更新）https://www.radardigital.ai/en/articles/moonshot-launches-kimi-k3-1-pro/

4. OpenAI 发布 LifeVal 基准：让 AI 比“办家务事”，最强模型 80 分、九个月前才 49 分

11 月 3 日，OpenAI 发布新基准 LifeVal，专门衡量 AI 助手处理日常真实任务的能力：育儿协调、食品援助文书、医疗导航、个人财务管理等，题库来自对 3995 人的调研与反馈，覆盖 16 类主要任务。结果颇具反差：GPT-6 Astra 平均得分 80.6%，16 类任务中有 10 类达到 100% 完成率；而九个月前的 GPT-5.2 只有 49.3%。分数涨得快，但离“全对”仍有距离——剩下的 6 类任务正是日常里最琐碎、最需要跨系统协调的部分。

摘要： OpenAI 11 月 3 日发布 LifeVal 日常任务基准（基于 3995 人调研，16 类任务）：GPT-6 Astra 平均 80.6%、10 类任务 100% 完成，GPT-5.2 九个月前为 49.3%。

为什么重要： 学术基准刷爆之后，行业终于开始认真考“能不能替人办事”——而 LifeVal 的价值正在于它考的是琐事：填表、协调、跨部门跑流程，这些才是个人助手真正的日常。80.6% 这个数字要两面看：一面是九个月从 49 分涨到 80 分，进步速度惊人；另一面是，剩下 20 分恰恰是“办不成会误事”的部分，助手在高风险日常任务上仍不能托底。对做 ToC 助手与生活服务产品的团队，这个基准比任何学术榜单都更值得对标：先测自己的产品在 LifeVal 式任务上的表现，再谈“替代人工”。

来源： Communeify：AI Daily | November 3, 2026 https://www.communeify.com/en/blog/ai-daily-2026-11-03/ · SegmentFault：AI 日报（2026年11月3日）https://segmentfault.com/a/1190000048383873

5. SemiAnalysis 发布 GDPx 基准：真实经济任务面前，所有模型都没过 12%，金融与法律任务全军覆没

11 月 3 日，SemiAnalysis 发布 GDPx 智能体基准，任务取自 11 个领域的真实经济工作。结果堪称“泼冷水”：得分最高的是 Claude Opus 5.5，也只有 12.0%；Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6% 紧随其后；金融与法律两个领域的得分更是全部为零。换句话说，面对真正产生经济价值的工作，最好的模型也只能完成约一成。

摘要： SemiAnalysis 11 月 3 日发布 GDPx 基准（11 个领域真实经济任务）：Claude Opus 5.5 以 12.0% 居首，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6%，金融与法律领域全部零分。

为什么重要： 这条新闻是今天最有必要“降温”的一条：与 LifeVal 的 80 分对照着看，AI 的能力版图立刻清晰——日常琐事已能办个七七八八，但涉及真金白银、法律责任的专业工作，模型还处在“起步都算不上”的阶段。对企业采购方，这是选型时最该贴在墙上的数字：凡是宣称“智能体已能替代分析师/法务”的方案，先问它在 GDPx 这类真实任务基准上的表现；对创业者，机会也恰恰藏在 12% 到 100% 之间的鸿沟里——垂直领域的工具链、校验流程与人机协作，才是把“能跑分”变成“能交付”的关键。

来源： AIToolsRecap：AI News November 3 2026 https://aitoolsrecap.com/Blog/ai-news-november-03-2026

6. Anthropic 修订招股书：前三季度营收 332.4 亿美元、同比增约 12 倍，首次预警模型逼近“递归自我改进”阈值

11 月 3 日多家日报转述的 Anthropic 修订版 S-1A 招股文件披露：公司前三季度营收达 332.4 亿美元，同比增长约 1200%，第三季度单季营收近 170 亿美元，但季度亏损同步扩大；文件同时披露了近 9000 亿美元（8954 亿美元）的算力相关承诺。最引人注目的是风险提示部分：Anthropic 首次预警，未来模型可能逼近递归自我改进（RSI）阈值——即模型开始实质参与改进自身——并将其列为需要严肃对待的风险。

摘要： Anthropic 修订版 S-1A（11 月 3 日转述）：前三季度营收 332.4 亿美元、同比约 1200%，披露约 8954 亿美元算力承诺，首次预警未来模型可能逼近递归自我改进（RSI）阈值。

为什么重要： 把三组数字放在一起读，Anthropic 的处境就立体了：营收暴涨说明模型需求真实且付费意愿强劲；亏损扩大与近 9000 亿美元算力承诺说明这门生意仍是重资产的军备竞赛，现金流压力一点没小；而 RSI 预警则是第一次由头部实验室自己把“自我改进”从科幻议题写进法律文件——不管你信不信这个时间表，监管者与投资者从此都会拿着这句话追问。对从业者，这份文件的意义不在于八卦数字，而在于它同时确认了三件事：AI 的商业化已经跑通、算力竞赛还在加码、安全议题正在从自愿承诺走向强制披露。

来源： Communeify：AI 日报｜2026年11月03日 https://www.communeify.com/cn/blog/ai-daily-2026-11-03/ · SegmentFault：AI 日报（2026年11月3日）https://segmentfault.com/a/1190000048383873

7. Deep Principle 开源 753B 科学大模型 Hydrogen-1.0：基于 GLM-5.3 后训练，瞄准科研计算

11 月 3 日，Deep Principle 发布并开源科学大模型 Hydrogen-1.0：7530 亿参数的混合专家模型，基于 GLM-5.3 做后训练，面向高级科学计算与研究场景，权重向全球科研群体开放。与通用旗舰不同，它的定位非常垂直——不是什么都聊，而是把算力与参数花在科研任务上：论文理解、科学推理、复杂计算流程的辅助。

摘要： Deep Principle 11 月 3 日开源 Hydrogen-1.0（753B MoE，基于 GLM-5.3 后训练）：面向高级科学计算与研究的开放权重模型。

为什么重要： 通用大模型“什么都会一点”之后，垂直科学模型正在成为开源世界的新主线——科研场景对准确性与可复现性的要求远高于闲聊，一个专为科学计算调校的 753B 模型，对高校与实验室的吸引力可能超过参数更大的通用模型。但同样要提醒：753B 的部署门槛不低，多数课题组实际会用 API 或蒸馏版；且“科学能力”目前多为厂商自述，独立评测尚未跟上。值得科研从业者先下载论文与评测细节对照，再决定是否把它接进自己的工作流——毕竟在科研里，一个漂亮的基准分远不如一次可复现的实验结果有说服力。

来源： Communeify：AI Daily | November 3, 2026 https://www.communeify.com/en/blog/ai-daily-2026-11-03/ · Communeify：AI 日报｜2026年11月03日 https://www.communeify.com/cn/blog/ai-daily-2026-11-03/

结尾： 一句话总结今天：机器人开始“边干边学”、万亿模型开始“人人可下”，可两份新基准同时提醒我们——AI 离真正替人扛起经济重任还差得远，而离“自己改进自己”的那条线，头部实验室已经开始在法律文件里预警了；兴奋与谨慎，今天缺一不可。