AI 编程实时动态与要闻

Artificial Analysis 11 月 13 日发布 Diarization Index，专门衡量语音转文字 API 能否把每个词归到真正说话的人：指标是 WDER（被分给错误说话人或无人说话的词占比），测试集为 97 段 2–8 人英文对话，按 2 人、3–4 人、5–8 人三档等权平均。NVIDIA 开源权重的 Nemotron 3.5 Transcribe 以 3.3% 居首，Voxtral Small Transcribe 3 以 7.5% 排第二，也是有标价 API 里最准的；MAI-Transcribe-2 为 8.8%，速度最快之一。

查看大图

LMSYS 博客 11 月 13 日发布 RadixArk Miles 团队文章：开源 RL 后训练框架 Miles 首次把智能体强化学习的全部沙箱放到英伟达 Vera CPU 上端到端训练 GLM-4.7-Flash。在机器已被其他任务占满的条件下，沙箱放在 AMD EPYC Turin 上时每轮平均多花 12%；满载时 Vera 单路可承载的负载是 Xeon 6 的 1.3–1.5 倍、Turin 的 1.4–2.1 倍。

查看大图

11 月 12 日（UTC），获 Felicis 和英伟达投资的电脑操作智能体公司 Simular 发布 box：每个账号一台云端 Ubuntu 桌面，自带 Chrome 和常驻 shell，整体作为一个远程 MCP 服务器（mcp.box.simular.ai/mcp，Streamable HTTP，OAuth 登录）提供。claude.ai、ChatGPT、Gemini、Claude Code、Codex、Cursor、OpenCode、VS Code 等任何 MCP 客户端都能接入，不同助手可以在同一台机器上接力干活，共享登录状态和文件。用户可在网页或 iPhone 上实时观看，需要登录或付款确认时随时接管。桌面本身免费，模型调用消耗账号积分；空闲时休眠、约 1 秒唤醒，连续休眠 14 天会被删除。发布视频浏览量超过 81 万。官方称「生产环境最快的电脑操作」，但未公布跑分。

查看大图

11 月 12 日，vLLM 发布 DeepSeek-V4.1-Flash 系列第三篇博客（Inferact 主导）：在一台 Vera Rubin NVL72 上，用 SemiAnalysis AgentX 负载测得每用户 P90 387 token/s 时单 GPU 总吞吐 170 万 token/s，是 GB300 NVL72 同一交互速度下的 58 倍；峰值吞吐 252 万 token/s/GPU，是 GB300 的 2.7 倍。58 倍只对应高交互速度这一点，Rubin 数据为预览结果。

查看大图

11 月 12 日，前 OpenAI 研究员 Will DePue 在 X 发帖并发布报告，称通过分析公开权重里残留的随机初始化模式，发现 DeepSeek-V4-Flash/Pro、Kimi K3/K3.1-Pro、MiniMax-M3、Ling-3.1-flash 六款模型是在英伟达 Blackwell 上初始化的，而这些公司更早的模型对应 Hopper。帖子约 205 万浏览、2 万赞。这是个人研究结论，不是官方认定；报告本身也写明，它不能确定芯片在哪里、如何获得，也不能确定是否违反出口管制。

查看大图

11 月 12 日，开源推理引擎 SGLang 背后的非营利组织 LMSYS Org 在旧金山首届 SGLang 峰会开幕主题演讲上宣布成立 SGLang 联盟。创始成员包括NVIDIA、AMD、Intel、Google、Meta、Cloudflare、Modal 和 RadixArk，它们将与 SGLang 维护者一起参与路线图制定，重点方向是前沿模型支持、推理与多模态负载、分布式推理和跨硬件优化。每家成员指派一名技术代表，每年参加两次路线图会议；技术决策和代码合入权仍归 SGLang 维护者，项目继续对整个社区开放。

查看大图

新加坡时间 11 月 13 日 00:30，Artificial Analysis（@ArtificialAnlys）发帖称，Salesforce 新发布的 SOV-Transcribe-1 成为开源权重语音转文字模型第一名：在 AA-WER 指数上词错误率 2.3%，在包括闭源模型在内的 44 个模型中排第 7。它比紧随其后的开源模型 Mistral Voxtral Small 和英伟达 Nemotron 3.5 Transcribe（均为 2.8%）低 0.5 个百分点。模型由 Salesforce 主权 AI（Missionforce Sovereign AI）团队开发，总参数 26.6B、激活参数 4.6B，结构是 Whisper large-v3 音频编码器加 Gemma 4 26B A4B MoE 解码器，权重以 Apache 2.0 许可发布在 Hugging Face。它是非流式模型，适合整段录音转写，不适合实时字幕。

查看大图

11 月 12 日晚（新加坡时间 21:49），英伟达官方新闻账号 @nvidianewsroom 发布公告：董事会宣布创始人黄仁勋辞去总裁、首席执行官和董事职务，即刻生效。现任执行副总裁兼 CFO Colette Kress 出任临时 CEO，同时继续担任 CFO；董事会开始物色正式 CEO，内外部人选都会考虑。前 Synopsys CEO Harvey C. Jones 被任命为英伟达史上首位董事会主席。公告称公司运营、客户承诺和产品路线图预计不受影响，第三财季财报仍按原计划于美国时间 11 月 17 日发布。据 TechCrunch、The Verge 等媒体报道，此前数日黄仁勋因婚外情及其引发的国家安全争议承受辞职压力；官方公告未提及原因。该帖约 280 万浏览、3.6 万赞。

查看大图

ElevenLabs 11 月 11 日在纽约峰会上集中公布了下一阶段的 Agent 路线。已上线的有：NVIDIA Nemotron 3.5 Super VL 进入 ElevenAgents 模型列表；ElevenLabs Partner Program 与 McKinsey 联盟；新应用 ElevenAI 开放免费早期访问。预览或“未来几个月”推出的有：Interaction Engine（管理打断与轮流发言，并为对话每个环节挑选合适的 LLM，简单分流用便宜模型、退款等复杂环节交给前沿模型）、ElevenAgents 的 Memory 与 Routines，以及与企业合作微调开源 LLM 和自家语音模型。

查看大图

Runway 11 月 11 日以 Apache 2.0 许可开放世界动作模型 Praxis-1 的权重、推理与微调代码（含 LoRA），可商用。它是 27B 参数的 MoE 扩散 Transformer（每 token 激活约 2.8B），同时预测未来视频和机器人动作，每次调用输出 1.6 秒动作，单张 H100 往返约 0.55 秒。官方称在 NVIDIA RoboLab-120 上成功率 46.2%，是世界动作模型和开源机器人基础模型中的第一，高于 FLUX 3 Action 42.9%、π0.5 28.0%。同一工位三项任务上，比让 GPT-6 Astra 直接驱动机械臂快 15.6 倍、单任务成本低 51 倍。权重已上 Hugging Face，并支持 LeRobot 与 vLLM-Omni。

查看大图

11 月 10 日 KubeCon 北美大会上，NVIDIA 把开源 Agent 安全运行时 OpenShell 贡献给 CNCF，成为 Sandbox 项目。OpenShell 在 Agent 外部的基础设施层管住文件、网络、凭据和模型端点访问，项目将从 NVIDIA 的 GitHub 迁到中立组织 ai-openshell，并改用 CNCF 项目 Cedar 作为策略语言。NVIDIA 同时参与 Google 主导的 Agent Substrate，并发布 NVKE、NVKR 与 Snapshot 三个 Kubernetes 开源组件。对在 K8s 上跑 Agent 的团队，这意味着有了一个厂商中立的权限与隔离层。

查看大图

NVIDIA 11 月 10 日发布开源自动驾驶模型 Alpamayo 2 Edge。这是一个 2B 参数的视觉-语言-动作（VLA）推理模型，专为在车上实时运行设计，部署目标是 NVIDIA DRIVE AGX Thor。它只在需要时才生成「因果链」推理，常规路况直接出轨迹，以节省算力；经 TensorRT 和 DFlash2 优化后，像素到轨迹延迟为 160 到 190 毫秒。NVIDIA 同时在 Hugging Face 开源推理评分模型 AlpaJudge。

查看大图

Anthropic 于 11 月 10 日（新加坡时间 19:33）宣布启动 IPO 路演，拟发行 8.25 亿股 A 类普通股，其中公司发行约 8.01 亿股，老股东出售约 2365 万股，每股定价区间 70–78 美元，拟以代码 ANT 登陆纳斯达克全球精选市场。同日提交的 S-1 第二号修订稿显示，AMD、博通、谷歌、美光、微软、英伟达和台积电将以 IPO 价格合计认购 260 亿美元 N 类股。按 74 美元中值计算，公司预计净募资约 846 亿美元。

查看大图